1.潜江小龙虾养殖保险需求调研项目
该项目基于"正大杯"全国大学生市场调查与分析大赛参赛项目，并在大赛中本科组获得全国一等奖，并入围海峡两岸市调大赛总决赛（全国前六名）。本项目以潜江市各乡镇的小龙虾养殖农户及工作人员为调查对象，采用实地访谈的方式获取原始语义资料，基于扎根理论对访谈资料进行二次编码分析，从而实现测量量表的自行开发。在正式调研中，将PPS抽样方法与分层抽样法应用于多阶段抽样，利用分层抽样的方法从乡镇中抽取入样乡村和社区，并采取简单随机抽样的方式对当地农户进行问卷调查。本次实地调研共计发放 558 份问卷，回收有效问卷 497 份。正式调研数据均通过了信度分析、效度分析，表明调查结果真实可靠。
在数据分析方面，项目基于常用的搜索引擎结合网络信息得到农业保险的网络数据特征，并依据实地调研结果对受访农户基本信息进行描述性统计分析，其次，使用Kmeans聚类法与方差分析进行差异性分析，结合Calinski-Harabasz 指标、tSNE 可视化方法优化聚类，在解析农户情感情感态度层面，通过情感词典和卷积神经网络等深度学习方法，对调研的访谈记录进行情感分析，并进行结构方程模型（SEM）构建和中介效应分析。
2.基于机器学习的DDoS网络攻击状态检测
该项目基于全国大学生计算机大赛——网络技术挑战赛进行，并取得湖北省二等奖。项目针对传统网络流量检测技术、动态响应等不足的缺陷，SDN网络因其数控分离的特性极大地改善了防御异常流量的性能，我们基于SDN软件定义网络，结合SDN网络检测特性，在Linux系统环境使用基于JavaScript的Vue框架在Mininet软件环境进行交换机群实例预设和DDoS攻防场景模拟，建立网络拓扑图。对OpenFlow交换机流表收集处理模块得到的数据，基于Python进行Shannon熵值计算预处理，设置阈值和异常警告机制，并进一步训练SVM-k近邻流量分类模型，其中SVM模型实现将低维平面不可分的非线性问题，映射到高维平面中，采用核函数来简化高维空间下的内积计算，进行初步泛化，而对于距离所得到的超平面较近、分类边界模糊的样本，细化使用k近邻分类算法，结合距离计算做到最后一步状态分类，结果表明比单一的模型分类算法具有更高的分类精度，并通过调整ACL访问管理控制，进行分流限速等方式调整交换机执行策略，最终实现DDoS的高效检测和防御，为SDN环境下DDoS的防御机制提供了较新的思路。