本发明属于农作物产量监控领域，具体为一种基于灰色组合模型的农作物产量监控系统，所述系统在农作物生产基地上安装多个数据采集组件，获得农作物数据，通过在农作物数据处理车间中的产量预测模块预测出当前的农作物产量数据，用户调用端通过向中心控制平台发出请求，中心控制台响应后，数据通信模块从数据库中调用产量预测模块预测的农作物产量数据，用户调用端监控农作物产量的情况，便于对实际的农业生产进行指导。本发明通过灰色组合模型预测农作物产量，能快速、方便地获得精度高的预测结果。采用灰色预测方法为基础的组合模型对农作物产量进行预测，在极限学习机模型中加入归一化处理，使预测结果更加精准，能对农作物产量进行更好的监控。

本发明请求保护一种基于改进GMS‑ORB特征的图像匹配方法，其包括以下步骤：S1使用Fast方法对原图像与待配准图像的特征点进行粗提取，获得大量特征点；S2利用机器学习方法筛选最优Fast特征点；S3构建高斯金字塔实现特征点的尺度不变性；S4使用灰度质心法实现特征点的旋转不变性；S5使用BRIEF算法对Fast角点提取出来的特征点进行描述，利用基于汉明距离的暴力匹配算法进行特征点粗匹配；S6使用改进的GMS算法对粗匹配进行提纯，剔除错误匹配，完成图像配准。本方法结合四叉树与GMS算法利用四叉树控制GMS生成网格数量，缩短匹配时间，有针对性划分网格提高了配准精度。

本发明属于电力信息传输领域，具体涉及一种电力信息网络关键信息传输链路识别方法，该方法包括：获取电力信息系统网络图；根据电力信息系统网络图得到相应邻接矩阵；对邻接矩阵进行低秩分解；求电力信息网络的潜在特征的数量k；求取多个非负分解矩阵W和H；通过多个非负分解矩阵W和H计算，得到多个图链路的相似性矩阵；将多个相似性矩阵叠加，得到最后的相似性矩阵，计算最后的相似性矩阵的每一条链路的相似性得分，确定关键信息传输链路；本发明通过构建电力信息网络图的方式降低了电力信息网络传输链路的复杂度，并且运用有效的链路预测方法对电力数据传输链路进行检测。

本发明提出一种基于全相关动态KPLS(all correlated dynamic KPLS，ADKPLS)的非线性化工过程故障诊断方法。该方法首先把原始数据分为输入变量与输出变量两个部分，分别进行动态特征分析研究，使组成的数据矩阵能很好地反映变量间的动态关系。然后分析证明了KPLS中输出变量的变化会影响到输入残差空间，设计一个输出变量辅助矩阵，表征输入变量与输出变量的全相关性。最后，采用基于输入变量与输出变量之间的全相关信息构建贡献图以识别故障源变量。与KPLS相比，本发明在输入和输出变量之间建立了更直接的关系。

本发明属于智能交通控制领域，具体涉及一种针对多特征空间和数据稀疏的车辆短时轨迹预测控制方法，该方法包括：获取数据源；对得到数据进行处理，得到多特征空间向量模型；根据多特征空间向量构建多特征空间预测模型；将多特征空间预测模型进行融合得到最后的预测模型；获取融合后的预测结果，得到下一时段的哪些卡口会比较拥堵的信息，将这个信息发送给将要行驶到这个卡口的车辆中，改变车辆行驶的路线；本发明将多个轨迹特征空间以向量的形式表示出来，从多个角度挖掘轨迹的变化趋势，减小了数据误差。

本发明请求保护一种基于随机数映射的区块链共识方法，用于高效、公正的选取记账节点，算法包含监督节点的选取，均匀分布随机数的产生与计算，记账节点的选取这三个步骤；所述监督节点负责计算链上每个参与记账的节点产生的随机数，然后选出记账节点，随后向其他节点发送广播，公布哪个节点是下一个记账节点；所述均匀分布随机数的计算结果对应参与记账的节点的id，即为下一个记账节点的id；所述记账节点负责链上数据的记录与维护；本发明基于随机数映射，对传统共识算法中记账人的选取方式进行改进，提出一种基于随机数映射的共识机制，能够更加高效、更加公正的选取记账节点，改善现在区块链中的社会分层现象，大幅度提高共识效率，抵制中心化的趋势。

本发明请求保护一种基于层次聚类的多尺度社交网络社区发现方法及介质，属于社区发现领域，通过将各个社交网络用户视为网络中的独立节点，然后使用用户的好友关系、互动数据计算节点相似度，最后结合层次聚类算法挖掘社区结构。方法包括以下步骤：社交网络数据统计，计算邻接矩阵，使用层次聚类算法发现多尺度社交网络社区结构，社交网络社区结构优化。本发明的方法基于层次聚类理论挖掘多层次、多尺度的社区结构，相比于传统社区，本方法发现提供了更加立体、丰富的信息，从而进一步提高了社区发现的质量，提升了基于社区发现的广告推送、好友推荐等操作的效果。

本发明涉及医疗设备通信技术领域，涉及一种服药依从性监测装置的数据通信方法及系统；所述方法包括上位机接收到服药依从性监测装置发出的广播后，做出广播应答；监测装置对广播应答进行确认，建立所述上位机与所述监测装置一对一的连接关系；对监测装置的数据进行数据帧打包，将打包后的数据加密并传送至通信模块；对数据解密后检验，若检验结果为该通信数据的数据包，则上传至上位机，否则丢弃该数据，并继续对接收到的加密数据进行解密和检验。本发明采用蓝牙模块进行数据传输，能够增强传输效率，由于服药依从性监测装置在进行蓝牙通信时需要建立一对一的连接关系对用户隐私具有较强的保护性。

本发明涉及一种具有纵向分离阳极结构的SALIGBT器件，属于半导体功率器件领域。本发明将传统SA‑LIGBT的N+阳极和P+阳极分离，将N+阳极设置在器件内部，通过增加N+阳极的纵向深度，延长单极性导电模式下电子的流动路径；N+阳极下方P型浮空层可以增大器件的阳极分布电阻，通过调节N+阳极的纵向深度和P型浮空层的掺杂浓度，完全消除snapback效应。本发明利用了器件的纵向长度减少芯片面积；正向导通时，新结构LIGBT的正向导通压降为0.91V，相比于分离阳极短路型LIGBT和常规阳极短路LIGBT分别减少了6.2％和24％；关断时，N+阳极可以快速抽取漂移区中的电子，其关断时间为370ns，相比于传统LIGBT和介质隔离型LIGBT减少了82％和23％。

本发明涉及入侵检测网络安全领域，特别涉及一种基于支持向量机的混合特征选择的入侵检测方法，采用最优特征子集完成实时入侵检测，包括：导入入侵检测数据集；对入侵检测数据集中参数进行初始化，得到最优特征；利用改进的GSA算法对高斯核SVM的惩罚参数和核函数进行优化，得到SVM分类器；利用优化SVM的递归特征对最优特征进行排序；采用改进的引力搜书算法求取优良子集中的初始种群，根据初始种群得到指定特征空间的最优特征子集；将最优特征子集输入到入侵检测算法中，并采用改进的SVM作为分类器进行分类，完成入侵检测；本发明对传统引力搜索算法进行改进，即引入了Tent混沌序列，避免了引力搜索算方法过早收敛的问题。