1、基于深度学习的恶意软件集成检测方法。

  团队以研究可实际部署使用的Windows 平台恶意软件检测方法为中心目标，基于实际的反病毒场景，深入分析了各种方法的优点、不足、适用情况和部署环境需求，从恶意软件所呈现的静态特征和动态行为特征出发，从不同的层次和视角来量化软件的安全性，研究基于深度学习的静态集成检测方法和基于深度学习的动态集成检测方法等内容，为研发更加高效的反病毒软件提供理论基础和工程指导。

2、组织行为粒子群算法模型机制研究。

  在智能算法的模型机制的理论研究方面，通过引入组织行为学的相关研究成果，研究给出组织行为学中个体、群体、组织设计、群体决策的数学描述，研究给出组织行为学与粒子群算法的特征对应关系。

3、群体智能理论研究。

  团队基于组织行为学对个体、群体和组织的研究成果，采用全新的理论视角研究个体、群体以及组织结构对粒子群算法性能的影响，将组织行为学的个体人格模型、群体发展模型、组织设计形式和群体决策技术引入粒子群算法，系统地分析组织行为学与粒子群算法可相互参考、相互模拟的技术点。利用实验数据的统计分析，研究各技术点对粒子群算法性能的影响，并探索具有组织行为学的粒子群算法在人群疏散中的应用。

4、无线传感智能机器人的群体行为研究。

  开展了基于无线传感智能机器人的群体行为研究，并联合美国休斯敦大学（University of Houston）和中国科学院深圳先进技术研究院的研究人员，开展了磁共振导航技术(MRN)应用研究，设计了血管网络中机器人智能体的强化学习机制，实现了微纳机器人的路径规划算法。