• 本篇文章为本人原创内容，如需转载引用，请务必在文中附上原链接及相应说明，包括作者信息（阿瑟）
• 本篇文章非完整分析思路，仅供参考，欢迎学习交流
• 码字不易，好心人随手点个赞

A题 载波恢复DSP算法设计与实现

给了很长的背景介绍，需要对整个算法基础知识有清楚的认识。
看起来通信相关专业的同学上手应该更快，感觉上是一个标准的工业算法分析改进的问题。

B题 辛烷值损失模型

可能是所有题中最简单的问题了，

依据从催化裂化汽油精制装置采集的325个数据样本（每个数据样本都有354个操作变量），通过数据挖掘技术来建立汽油辛烷值（RON）损失的预测模型，并给出每个样本的优化操作条件，在保证汽油产品脱硫效果（欧六和国六标准均为不大于10μg/g，但为了给企业装置操作留有空间，本次建模要求产品硫含量不大于5μg/g）的前提下，尽量降低汽油辛烷值损失在30%以上。

问题一: 数据预处理
问题二：寻找建模主要变量：根据提供的325个样本数据（见附件一），通过降维的方法从367个操作变量中筛选出建模主要变量，使之尽可能具有代表性、独立性（为了工程应用方便，建议降维后的主要变量在30个以下），并请详细说明建模主要变量的筛选过程及其合理性. (特征筛选，传统的PCA已经最近几年机器学习中提出的特征工程方法都可以使用)

其他问题略过，感觉是个比较常规的数模题，校赛中就有类似题目。

C题 脑电信号分析与判别模型

给了P300脑电数据和睡眠脑电数据，如题目所言就是信号分析和分类的任务，可以查阅类脑认知科学中的相关论文，这方面的信号处理和脑电分类的模型或者算法是很多的。

问题一： 设计或采用一个方法，在尽可能使用较少轮次（要求轮次数小于等于5）的测试数据的情况下，找出附件1中5个被试测试集中的10个待识别目标，并给出具体的分类识别过程，可与几种方法进行对比，来说明设计方法的合理性。 (构建基础的信号特征和分类模型，关键点在于对特征重要性进行分析，选择重要的特征，从而改变模型所需数据，减少采集数据量)

问题二：请分析附件1所给数据，并设计一个通道选择算法，给出针对每个被试的、更有利于分类的通道名称组合（要求通道组合的数量小于20大于等于10，每个被试所选的通道可以不相同，具体的通道名称见图5和表1）。基于通道选择的结果，进一步分析对于所有被试都较适用的一组最优通道名称组合，并给出具体分析过程。（跟问题一相似，是对数据信号的分析；可以首先对单通道信号进行分析测试，看相应效果；然后根据单通道分类效果制定组合策略）

问题三、四：略：本质就是构建合适的机器学习/NN模型，可能涉及到一点数据增益/集成等知识，需要查阅脑电科学中的相关工作。

D.无人机集群协同对抗

近几年几乎每年都有，也是学术和军工界关注的重点。一直没有了解过，直接跳过....

E. 能见度估计

与去年的景深估计问题有点相似。对于研究CV的同学难度不算大。

问题一：建立模型描述能见度与地面气象观测（温度、湿度和风速等）之间的关系，并针对题目所提供的数据导出具体的关系式； （这个可以传统的线性/非线性模型做一个简单的回归，得到一个简单的关系式）

问题二：根据题目提供的某机场视频数据 和能见度数据，建立基于视频数据的能见度估计深度学习模型，并对估计的能见度进行精度评估；（明显的CV任务了，需要根据视频和能见度设计优化目标和预测目标，可以对能见度做一些转换；然后就是一个模型精度的评估问题；有点吃机器呢，没卡怕是难搞）

问题三：高速公路某路段只有监控视频数据，建立不依赖能见度仪观测数据的能见度估计算法。（相当于是个无监督任务，要用上景深估计等CV里面的基础任务了）

END

本人简书所有文章均为原创，欢迎转载，请注明文章出处 。百度和CSDN等站皆不可信，搜索请谨慎鉴别。技术类文章一般都有时效性，本人习惯不定期对自己的笔记/博文进行更新，因此请访问本人简书主页查看最新信息https://www.jianshu.com/u/40d14973d97c