当前，人类社会正在进入一个人-机-物三元融合的万物智能互联时代，信息通信网络作为支撑和实现“万物智联”的关键信息基础设施，正经历着前所未有的变革，其发展的能力水平深刻影响着人们的生活方式、经济发展和社会进步。人工智能（artificial intelligence, AI）技术与信息通信网络技术深度融合，使智能信息网络（intelligent information network，IIN）成为网络智能化演进发展的必然趋势。面向智能时代复杂场景的多样化应用需求，网络具备主动适应内外部条件变化的能力，具有自主学习、自主优化、自主管理和自主演进等典型特征，可进一步提升网络服务的及时性、有效性和个性化，满足智能时代的服务需求。
雷达信号分选是电子战系统中的关键技术，是战场态势感知的重要环节，新体制雷达技术的快速发展给复杂电磁环境下信号分选带来了严峻挑战。针对传统K-means聚类算法在对雷达全脉冲数据进行信号分选时存在对聚类数K和初始点选择较为敏感的问题，提出了一种基于优化K-means的雷达信号分选算法。通过将水波中心扩散(water wave center diffusion,WWCD)优化算法和Canopy算法相结合，实现了Canopy算法距离阈值的优选，并为后续K-means聚类优化了K值的选择，有效降低了K-means算法对初始聚类数选择的敏感性。实验中，主要通过3个UCI公开数据集和3类频率跳变雷达脉冲数据进行聚类分选效果验证，并与常见的DBSCAN、OPTICS、Canopy-K-means等聚类算法进行了聚类效果对比。结果表明，所提方法有较高的聚类分选准确率，且对初始参数的设置不敏感。
高光谱图像目标检测技术在多个领域具有显著的应用潜力，为充分挖掘高光谱图像中丰富的空间和光谱信息，提出了一种结合Gabor滤波与约束能量最小化（constrained energy minimization，CEM）的高光谱图像目标检测方法Gabor-CEM。该方法充分结合了Gabor滤波器和CEM算法的优点，利用Gabor滤波器有效地提取高光谱图像的空间纹理和方向特征，为目标检测提供丰富的空间信息；凭借CEM 算法对目标光谱信息的高效利用，对目标进行定位和识别。利用野外成像光谱仪拍摄的高光谱图像进行实验，结果表明，相较传统方法，Gabor-CEM 方法能够更准确地检测出目标，降低误检率和漏检率，在目标检测任务中具有显著优势，为高光谱图像目标检测提供了一种新的有效途径。
为提升柱塞泵振动数据采集质量、故障诊断准确率和诊断模型的鲁棒性，对采集柱塞泵振动数据时，确定传感器安装位置的方法展开研究，分析了传感器的安装位置对柱塞泵振动数据质量的影响，给出了传感器安装位置评价方法。利用AMESim构建了力士乐A11VO系列9柱塞泵仿真模型，通过研究传感器各项性能指标、柱塞泵结构及运动机理，分析得到柱塞泵振动数据采集实验中合理的传感器安装位置。提出基于平方包络的基尼指数（Gini index of square envelope，GISE）柱塞泵故障振动信号质量评价方法，并设计柱塞泵振动数据采集实验进行验证。得到GISE等4种稀疏性指标的指示结果与柱塞泵结构分析结果一致，分析并证明了GISE指标在柱塞泵信号评估上的有效性与优越性。
