计算机应用研究杂志

计算机应用研究杂志2019年第10期

• 区块链P2P网络协议演进过程

  武岳,李军祥,

  针对点对点网络协议的特点，通过阅读源代码和官方文档，对比特币（Bitcoin）、以太坊（Ethereum）以及超级账本（hyperledger fabric）三种主流区块链系统的P2P协议进行了详细研究。通过讨论区块链点对点协议在演进过程中的变化分析了不同协议的优缺点，同时提出了分析标准，给出了量化评价，以期为未来区块链网络协议的研究提供有益的启发与指导。

• 双层规划在灾后应急物资调度中的应用综述

  王付宇,李琰,

  为了减少财产损失和人员伤亡、提高灾民满意度，基于双层规划理论，从应急救援角度出发，对突发灾害事件下的应急物资调度问题进行综述。围绕应急物资调度，从灾后应急现状、应急物资选址—分配、不同约束下的应急物资调度及双层规划和群智能优化算法在应急物资调度中的应用等方面进行梳理和讨论。结果表明，关于灾后应急物资调度的研究，目前主要关注单级应急网络结构，且模型的目标函数和约束条件与实际情况存在着出入，结合应急物资调度实际特征提出改进建议；考虑两级应急网络结构，进而构建双层规划模型，实现上下级目标的联合优化。

• 基于计算机视觉的材料感知技术综述

  邹凌云,伍世虔,方红萍,黄志开,

  针对计算机视觉的材料感知问题，综述了国内外的主要研究成果，介绍这些研究的主要方法及其典型算法和基本思想，归纳出材料视觉感知的两种主要研究方法，即材料识别和分类以及材料属性和参数估计。最后提出目前研究所存在的关键问题，并指出材料视觉感知未来的可能发展方向。

• 耦合辅助信息的矩阵分解推荐模型

  蒋伟,秦志光,

  近十年来，协同过滤（CF）推荐系统成功地为用户提供了个性化的产品和服务。然而，用户—物品矩阵的稀疏性、推荐精度不高等问题仍然是一个挑战。针对这些问题，在矩阵分解模型基础上，提出了耦合用户和物品辅助信息的矩阵分解混合协同过滤框架；然后，基于此框架又提出了耦合物品属性信息相似度（COS）的过滤模型。大规模真实数据集上的实验表明，该模型不但可以有效解决物品相似度度量问题，而且相比传统方法，尤其是在物品特征非常稀疏的情况下，推荐准确性得到了有效改进。

• 基于多元关系的张量分解标签推荐方法

  曾辉,胡强,淦修修,

  标签推荐的现有方法忽视了多种属性特征之间的联系，无法保证大数据环境下推荐系统的准确率。针对该问题，提出了一种基于用户聚类和张量分解的新标签推荐方法，以进一步提高标签推荐的质量。该方法首先对一些对产品具有重要影响的用户进行聚类，然后根据用户、产品、标签和产品评分之间的多元关系综合计算总权重。最后，根据聚类之后的用户群体以及多元关系的总权值构建张量并进行张量因式分解。实验与传统张量分解方法相对比，结果表明提出的方法在准确率上具有一定的提高，验证了算法的有效性。

• 面向跨语言文本分类与标签推荐的带标签双语主题模型的研究

  田明杰,崔荣一,

  针对日渐丰富的跨语言的文字信息资源与新闻报道及科技文献中的多标签数据，为了挖掘跨语言间的相关性及数据属性间的关联性，提出了带标签双语主题模型，应用于跨语言文本分类与标签的推荐。首先，假设科技文献中的关键词与摘要部分有着内容上的相关性，对关键词进行提取，并进行标签化，进而把标签对应于主题模型中的主题，实例化“潜在”的主题；其次，利用带标签双语主题模型对摘要部分进行了训练迭代；最后，对新加入的文档进行跨语言文本分类及标签的推荐。实验结果表明，跨语言文本分类任务中micro-F1达到94.81%，推荐的标签也能较好地体现出语义上的相关性。

• 基于WMF_LDA主题模型的文本相似度计算

  张璐,芦天亮,杜彦辉,

  利用LDA模型进行文本相似度的计算考虑到了语义特征，但是存在词语数量多、未结合词语语义、未从文本层面挖掘和利用不同类别文本固有的领域间差异的缺点。针对以上问题，提出WMF_LDA（词语合并与过滤潜在狄利克雷分布）主题模型。将领域词和近义词进行统一化映射，并根据词性将文本进行过滤，最后再进行主题建模。实验证明，该方法使得建模时词语量大大减少，减少了建模过程的时间消耗，提高了最后的文本聚类的速度。并且与其他文本相似度方法相比，提出的方法在准确度上也有一定程度的提升。

• 一种基于双向LSTM的联合学习的中文分词方法

  章登义,胡思,徐爱萍,

  针对现有的基于深度学习的神经网络模型通常都是对单一的语料库进行训练学习，提出了一种大规模的多语料库联合学习的中文分词方法。语料库分别为简体中文数据集（PKU、MSRA、CTB6）和繁体中文数据集（CITYU、AS），每一个数据集输入语句的句首和句尾分别添加一对标志符。应用BLSTM（双向长短时记忆模型）和CRF（条件随机场模型）对数据集进行单独训练和多语料库共同训练的实验，结果表明大规模的多语料库共同学习训练能取得良好的分词效果。

• COPD多维特征提取与集成诊断方法

  房有丽,王红,狄瑞彤,王露潼,宋永强,

  目前对慢性阻塞性肺疾病（COPD）的研究存在局限性，一方面，研究成果只利用数据分析单一特征对疾病的影响；另一方面，研究成果仅通过简单算法模型对病例数据验证，因此提出了COPD多维特征提取与集成诊断方法。首先，提出最大依赖度MDF-RS算法，提取多维特征的最优组合；其次，提出DSA-SVM集成模型，构建分类器进行诊断及预测；最后，利用交叉验证方法验证准确率等各项性能指标。通过实验对比验证了提出算法的有效性。

• 基于GRU和注意力机制的远程监督关系抽取

  黄兆玮,常亮,宾辰忠,孙彦鹏,孙磊,

  随着深度学习的发展，越来越多的深度学习模型被运用到了关系提取的任务中，但是传统的深度学习模型无法解决长距离依赖问题；同时，远程监督将会不可避免地产生错误标签。针对以上两个问题，提出一种基于GRU（gated recurrent unit）和注意力机制的远程监督关系抽取方法。首先通过使用GRU神经网络来提取文本特征，解决长距离依赖问题；接着在实体对上构建句子级的注意力机制，减小噪声句子的权重；最后在真实的数据集上，通过计算准确率、召回率并绘出PR曲线证明该方法与现有的一些方法相比，取得了比较显著的进步。

• 基于课程间关联规则的排课优化算法研究

  庞书杰,刘其成,牟春晓,

  针对如今高校招生人数扩张所伴随而来的高校排课资源紧张的现象进行了研究，提出了一种基于关联规则的排课优化算法（SH-AP算法）来优化高校排课。SH-AP算法将关联规则算法应用到排课过程中，通过对高校学生选课数据进行关联规则的挖掘，找出需要排课的课程之间的关联规则，之后SH-AP算法再将已经挖掘出的课程间关联规则应用到排课系统中，对高校排课进行优化。实验最终得到课程间关联规则的数据，并为高校提供人性化的排课。根据研究与对比表明SH-AP算法在对排课的合理化与人性化上有很好的优化效果，帮助学校在进行排课的时候，考虑课程时间地点冲突问题的同时，对学生的需求进行满足。

• 融合社交网络与关键用户的并行协同过滤推荐算法

  肖成龙,王宁,王永贵,

  为解决传统协同过滤推荐算法中存在的数据稀疏、冷启动以及推荐结果缺乏多样性等问题，提出一种融合社交网络与关键用户的协同过滤推荐算法。该算法在用户—项目评分矩阵基础上，融合用户社交网络信息得出社交信任矩阵，融合关键用户信息得出关键用户评分矩阵。利用三大评分矩阵，分配不同的权重比例，共同来预测用户对于目标项目评分。针对海量数据问题，采用Spark分布式集群实现该算法的计算并行化。实验结果表明，该算法能够有效缓解数据稀疏问题，提高处理速度和推荐准确度。

• 基于多粒度粗糙集的聚类融合方法

  于佩秋,李进金,林国平,

  现有的聚类融合算法从聚类成员的角度出发，若使用全部聚类成员则融合结果受劣质成员影响，对聚类成员进行选择再进行融合则选择的策略存在主观性。为在一定程度上避免这两种局限性，可以从元素的角度出发，提出一种新的聚类融合方法。通过多粒度决策不一致粗糙集来选择一部分类别确定的元素，再利用这部分元素进行聚类融合生成新的划分；多粒度决策不一致粗糙集模型能够刻画多粒度决策过程中属性一致而决策不一致的现象，提出了一种基于多粒度决策不一致的粗糙集模型，并给出了一种聚类融合方法。具体做法是：首先在数据集上多次使用K-means聚类算法，生成论域上的多个粒结构；其次对所有粒结构两两之间求粒间包含度，建立包含度矩阵，对矩阵使用Otsu算法计算阈值，得出多组满足阈值条件的信息粒，求解多粒度决策不一致下近似和上近似；最后分别处理下近似与边界域中元素的类别，从而获得一个经过融合的聚类划分。实验结果表明，该方法能够有效改善聚类的结果，具有较高的时间效率，且算法具有较好的鲁棒性。

• 鲁棒的交叉熵模糊聚类算法

  姚兰,严寒冰,蔚泽峰,

  针对模糊C-均值聚类（FCM）算法对噪声敏感、容易收敛到局部极小值的问题，提出一种基于交叉熵的模糊聚类算法。通过引入交叉熵重新定义了传统FCM算法的目标函数，利用交叉熵度量样本隶属度之间的差异性，并采用拉格朗日求解方法和朗伯W函数解决了目标函数的优化问题，此外，分析了样本划分矩阵的分布情况，依据分布特性对噪声样本进行识别。人工数据集合和标准数据集加噪的实验结果表明，该算法提高了传统FCM算法的抗干扰能力，具有更强的鲁棒性，噪声样本识别的准确率较高。

• 基于改进混沌分区算法的模糊信息抽取

  万福成,

  在大数据环境下进行模糊信息挖掘抽取中受到数据之间的小扰动类间干扰的影响，导致信息抽取的特征聚类性不好。为此提出一种基于改进混沌分区算法的模糊信息抽取方法，对高维数据信息流进行分布式结构重组，以Lorenz混沌吸引子作为训练测试集进行大数据模糊信息抽取的自适应学习训练，采用相空间重构技术对大数据的混沌吸引子负载特征量进行自相关特征匹配处理，提取模糊信息的平均互信息特征量，结合关联规则模糊配对方法进行大数据混沌分区，实现模糊信息的优化聚类，根据数据聚类结果实现模糊信息准确抽取，对抽取的高维模糊信息进行特征压缩，降低计算开销。仿真结果表明，采用该方法进行大数据样本序列的模糊信息抽取的聚类性较好，抗类间扰动能力较强，模糊信息抽取的准确概率较高，在数据挖掘和特征提取中具有很好的应用价值。

• 融合降噪自编码器与BPSO的特征组合方法及其中医应用

  黄灿奕,杜建强,聂斌,曾青霞,朱志鹏,喻芳,

  离散二进制粒子群算法（BPSO）在各种离散优化问题中有着诸多优势，但其很容易由于非线性的问题陷入局部最优解，无法得到最佳特征子集。而降噪自编码器可通过多层非线性网络进行映射与重构，对中医药数据有良好的处理效果。因此提出了一种融合降噪自编码器与BPSO的特征组合方法，该方法主要是利用降噪自编码器对特征进行非线性映射形成超完备基，然后在超完备基中通过BPSO进行搜索，从而得到最佳特征子集。分别采用临床糖尿病数据集和UCI数据集进行分析处理，实验结果表明，融合降噪自编码器与BPSO的特征组合方法对中医药临床实验数据有较好的适应性。

• 基于CNN-LSTM的QAR数据特征提取与预测

  张鹏,杨涛,刘亚楠,樊志勇,段照斌,

  针对传统数据驱动的故障诊断方法难以从QAR数据中提取有效特征的问题，提出一种融合卷积神经网络（convolutional neural network，CNN）与长短时记忆网络（long short-term memory，LSTM）的双通道融合模型CNN-LSTM。CNN与LSTM分别作为两个通道，通过注意力机制（attention）融合，从而使模型能同时表达数据在空间维度和时间维度上的特征，并以时间序列预测的方式验证融合模型特征提取的有效性。实验结果表明，双通道融合模型与单一的CNN、LSTM相比，能够更有效地提取数据特征，模型单步预测与多步预测误差平均降低35.3%，为基于QAR数据的故障诊断提供一种新的研究思路。

• 基于改进CHI和带权ECE结合的特征选择方法

  蔡镇,高健,秦晓军,

  针对文本分类特征选择方法中的卡方统计（CHI）和期望交叉熵（ECE），分析了其特点和不足。为了避免传统CHI和ECE方法在不平衡数据集上分类效果差的问题，通过引入调节因子和除去负相关影响因素，给出了改进的CHI方法（pCHI），并以加权的方式弥补ECE方法倾向于选择弱区分能力高频特征的缺陷（ωECE）。在综合两种改进后方法的基础上，进一步提出基于改进CHI和带权ECE结合（pCHIωECE）的特征选择方法。经对比实验验证，pCHIωECE方法的查准率、F1值均优于CHI、ECE及pCHI、ωECE方法，且该方法的降维稳定性更好。

• 一种在矩阵空间中识别文本蕴涵的动态交互网络

  霍欢,刘亮,

  针对文本蕴涵问题提出一种动态交互网络（dynamic interactive network，DIN）进行识别。不同于已有交互模型，DIN将两句词向量投射到二维矩阵空间中进行交互，然后利用输出矩阵为同时处理上下文信息和控制信息流动的GRU编码器生成动态权重。前者通过更高阶形式的信息交互挖掘深层逻辑片段，后者通过改变交互信息与上下文信息的结合模式帮助编码器有效区分两者的重要性差异。模型在SNLI测试集上获得了88.0%的识别准确度，超过已有的最佳模型，且使用的训练参数仅为它的一半。

• 基于Frank编码的抗干扰方法

  胡海涛,张剑云,周青松,

  当干扰从雷达的主瓣方向进入时，采用自适应波束形成算法会导致主瓣波束变形、偏移等问题。针对干扰从雷达主瓣进入的问题，提出了一种对发射波形设计的抗干扰方法。当发射经Frank编码后的信号，利用Frank编码的正交性，构造出匹配滤波器和阻塞滤波器，分别将接收到的数据通过两滤波器，得到两路信号，然后利用自适应对消的方法将干扰抑制掉，从而达到抑制主瓣干扰的目的，通过仿真验证了利用波形设计的方法可有效抑制从主瓣进入的干扰。

• 基于蜂群算法和新阈值函数的信号去噪算法

  邓高峰,叶金才,王国富,张法全,

  针对阈值和阈值函数的调节参数取值问题，提出一种基于人工蜂群优化算法的带参新阈值函数的信号去噪算法。首先，验证带参新阈值函数的连续性、高阶可微性、参数可调性；其次，根据最小均方误差（MSE）策略，利用人工蜂群优化算法优化各分解层的阈值和调整参数，得到最优去噪信号；最后，利用信噪比（SNR）、MSE指标验证信号的去噪效果。实验结果表明，人工蜂群优化算法选取的阈值参数和新小波阈值函数可以有效地对带噪信号去噪。

• 基于全局更新规则蚁群优化的决策实体配置问题求解方法

  陈冠宇,孙鹏,廖梦琛,张杰勇,武君胜,

  为解决战场C2组织中平台资源的聚类问题，首先定义了决策实体配置过程中的各个要素，然后以面向作战任务的形式从外部和内部两个方面定义了决策实体的工作负载，以工作负载的均方根（root mean square，RMS）为目标函数建立决策实体配置模型，将平台调度方案作为输入信息，采用基于全局更新规则的蚁群算法对问题模型进行求解，生成符合作战需求的决策实体配置方案。最后通过仿真算例对所提方法进行验证和分析，实验结果表明，该方法能够得到较好的平台聚类方案，在聚类结果和收敛速度两方面与传统方法相比均具有优越性。

• 基于改进的遗传算法在函数优化中的应用

  闫春,厉美璇,周潇,

  针对传统遗传算法在函数优化过程中容易陷入局部最优解、收敛慢等缺点，提出了一种新的自适应遗传算法NAGA。该算法考虑了种群适应度的多种集中分散程度，并且非线性地自适应调节遗传算法的交叉概率与变异概率；为了加快寻优效率，在选择算子方面将引进的选择算子与最优保存策略相结合；为了使遗传操作过程中种群数量恒定，又提出了保留亲本的策略。通过仿真实验发现，与经典遗传算法GA和IAGA相比，改进的自适应遗传算法在收敛速度与精准度等方面都有较大的进步。

• 基于FCBF特征选择和集成优化学习的基因表达数据分类算法

  马超,

  针对微阵列基因表达数据高维小样本、高冗余且高噪声的问题，提出一种基于FCBF特征选择和集成优化学习的分类算法FICS-EKELM。首先使用快速关联过滤方法FCBF滤除部分不相关特征和噪声，找出与类别相关性较高的特征集合；其次，运用抽样技术生成多个样本子集，在每个训练子集上利用改进乌鸦搜索算法同步实现最优特征子集选择和核极限学习机KELM分类器参数优化；然后基于基分类器构建集成分类模型对目标数据进行分类识别；此外运用多核平台多线程并行方式进一步提高算法计算效率。在六组基因数据集上的实验结果表明，该算法不仅能用较少特征基因达到较优的分类效果，并且分类结果显著高于已有和相似方法，是一种有效的高维数据分类方法。

• 基于改进的萤火虫优化算法的混合语音盲分离

  李著成,黄祥林,

  针对传统盲源分离优化算法对分离性能影响较大的局限性，提出了一种基于改进的萤火虫优化的混合语音盲分离算法。将萤火虫的飞行跨度由固定取值变为由新构造的函数自适应调整，在加快收敛速度的同时避免算法早熟现象的发生。实验结果表明，与基于自然梯度、标准萤火虫和粒子群优化的盲分离算法相比，新算法对混合语音信号的分离效果较好，在收敛速度和分离能力方面都有所提升。

• 一种多目标不等面积设施布局问题的启发式算法

  刘景发,刘军,

  多目标不等面积设施布局问题（UA-FLP）是将一些不等面积设施放置在车间内进行布局，要求优化多个目标并满足一定的限制条件。以物料搬运成本最小和非物流关系强度最大来建立生产车间的多目标优化模型，并提出一种启发式算法进行求解。算法采用启发式布局更新策略更新构型，通过结合基于自适应步长梯度法的局部搜索机制和启发式设施变形策略来处理设施之间的干涉性约束。为了得到问题的Pareto最优解集，提出了基于Pareto优化的局部搜索和基于小生境技术的全局优化方法。通过两个典型算例对算法性能进行测试，实验结果表明，所提出的启发式算法是求解多目标UA-FLP的有效方法。

• 基于PSO-ELM的机器人精度补偿方法研究

  冯禹铭,董秀成,金滔,

  为了提高机器人的定位精度，对传统的基于神经网络的机器人精度补偿方法进行改进。采用两种基于粒子群优化的极限学习机（PSO-ELM）模型的精度补偿方法对机器人关节坐标及直角坐标进行补偿。分别对两种方法进行仿真实例分析，并与遗传算法优化的极限学习机（GA-ELM）模型进行对比。仿真结果表明，对直角坐标进行补偿的PSO-ELM机器人精度补偿法优于其他补偿方法，且具有较高的预测精度。

• 建筑室内边界对流换热量的反向计算模型

  雷蕾,薛雨,

  针对目前反向计算模型还无法实现对建筑室内边界对流换热量进行反向计算这一制约性差距，采用温度贡献率方法，将边界对流换热量与室内测点温度之间表示成因果关系的温度贡献因子矩阵，基于计算流体力学，将最小二乘与Tikhonov正则化方法相结合，建立依据室内数个测点的离散温度求解边界对流换热量的反问题数学模型。应用三维通风空腔和某建筑内一间办公室进行实验验证，模型求解值与实测值的均方根差均小于80%，结果表明反向计算模型可以准确对室内边界对流换热量进行求解。

• 需求不确定的电动汽车换电站选址鲁棒模型

  刘慧,张迪,杨超,

  在电动汽车换电站选址问题中，用户充电需求是重要的输入参数，而需求受到技术发展、电动汽车保有量、国家相关政策等因素的影响，通常较难准确预测。假设交通网络上用户需求是不确定的，利用基约束鲁棒优化方法提出基于用户路径流量不确定的换电站选址鲁棒模型，并将鲁棒模型转换为等价的线性规划。最后应用Nguyen-Dupius网络作为数值算例进行分析，结果表明当解的鲁棒水平较低时，通过适当增加选址成本，可以较大程度地提高解的鲁棒性。同时对模型的重要参数作灵敏性分析，随着鲁棒水平的提高，换电站选址成本对路径流量的波动越来越敏感，续航里程的改变对换电站选址策略影响较大。

• 基于影响度及状态预测的多agent协作算法

  郑延斌,马光富,王林林,席鹏雪,

  针对灾难环境中多agent协作问题进行了研究，提出了一种基于影响度与状态预测的多agent协作算法。首先该算法根据协作任务对信息的需求，使用影响度函数对agent感知到的信息进行处理；其次利用预测算法对任务的后续状态和agent的行为进行预测并根据预测结果制定协作策略；最后执行协作任务的agent根据动作效果和触发条件动态调整协作策略。为了验证算法的有效性，在Unity3D中搭建仿真平台，对比不同协作算法的收敛率、救援人数和整体得分，结果表明该算法的收敛速度快、救援人数多且整体得分最优，可以有效地指导agent间的协作，能给实际救援协作策略的制定提供理论支持。

• 具有未知参数的不确定分数阶Sprott-C系统的Terminal滑模同步

  闫丽宏,

  基于滑模控制的优良性能，探讨了利用Terminal滑模控制实现分数阶混沌系统的有限时间同步问题，给出了滑模控制实现具有未知参数和扰动的分数阶Sprott-C驱动—响应系统（阶数0<α<1）的同步结论。通过构造合适的滑动模态曲面，针对系统未知参数上界已知和未知两种情况，设计了合适的分数阶控制器和参数自适应率，结合分数阶微分方程相关理论和有限时间稳定性定理，证明了实现该系统的同步控制结论，并对未知参数和扰动上界进行了准确估计。最后选取适当参数，通过数值仿真，验证了所给结论的有效性和可行性。

• 基于IFWA-ABC的云计算资源任务调度算法的研究

  陈暄,王大伟,王常亮,龙丹,

  针对云计算资源任务调度效率低，资源分配不均的情况，将改进的烟花算法和人工蜂群算法进行融合为IFWA-ABC。首先，对云计算资源任务调度进行描述；其次，在FWA初始化中采用混沌反向学习和柯西分布进行优化，对核心烟花和非核心烟花的半径分别进行优化，将FWA中最优个体通过改进的ABC算法进行获得；最后，将IFWA-ABC算法用于云计算任务调度。仿真实验中，通过与FWA、ABC在执行时间、消耗成本、能量消耗指标对比中，IFWA-ABC具有明显的优势能够有效地提高云计算资源分配效率。

• 基于NS-BML模型的记忆密度在交通信号灯控制系统中的研究

  李兴华,霍艳凤,靳聪聪,宋波,李春华,

  交通信号灯管理与控制直接影响着交通网络的运行效率。NS-BML模型广泛应用于交通信号灯控制系统仿真，针对目前NS-BML模型中只考虑现在瞬时密度而忽略历史密度的问题，提出记忆密度策略，从长时记忆密度策略和短时记忆密度策略两个角度来分析该策略对曼哈顿式网络的影响，通过对时间离散化，求解短时记忆密度的最优比例因子。仿真结果表明，通过采用所提出的短时记忆密度策略可以有效提高系统的运行效率，同时保证计算机的处理速度，交通网络的平均速度和到达率分别同比增长8.51%和9.28%，说明了该策略的有效性。

• 具有行为效应的含AGV柔性车间调度研究

  徐云琴,叶春明,曹磊,

  为了研究行为效应对含AGV柔性车间调度问题的影响，构建了考虑学习效应以及恶化效应的以完工时间最短为目标的数学模型。针对该模型的特点，采用基于工序、机床和AGV分配的编码方式，并提出具有混沌局部搜索策略的鲸鱼算法求解。数值算例结果验证了算法的有效性和可行性。实验对比了学习效应、恶化效应、学习—恶化效应、不考虑效应四种情况下加工时间的差异。同时研究了加工任务批量、AGV数量对加工时间的影响。通过实验证明了AGV资源约束和各效应共同影响了单位批量完工时间。

• 改进的基于奇偶校验码的McEliece变型方案

  李梦东,孙玉情,韦依儿,程思培,

  McEliece公钥加密体制是基于编码理论的公钥密码体制，其安全性可以归约到一般线性码译码问题，可以抵抗量子攻击。提出了一种改进的基于准循环中密度奇偶校验（QC-MDPC）码和准循环低密度奇偶校验（QC-LDPC）码的McEliece变型方案。主要改进是将QC-LDPC码和QC-MDPC码的奇偶校验矩阵结合作为私钥，生成两者的级联码字应用于McEliece变型方案，并且给出了改进的译码算法。分析表明在80 bit安全参数下该体制密钥量小且实现的复杂度低，能抵抗最近提出的分别针对QC-MDPC和QC-LDPC体制的密钥恢复攻击。

• 可信计算环境下的MACSec安全关联方案

  肖跃雷,武君胜,朱志祥,

  为满足跨交换机间的媒体访问控制（MAC）层安全通信需求，提出一种改进的MACSec安全关联方案。该方案建立了新加入交换机与不相邻交换机之间的安全关联密钥（SAK），用于保护它们之间的MAC层数据通信。为了使得该方案进一步适合于可信计算环境，在该方案基础上提出了一种可信计算环境下的MACSec安全关联方案。该方案增加了对终端设备的平台认证，从而实现了终端设备的可信网络接入，有效增强了局域网络的安全性。最后，利用串空间模型（SSM）证明了这两个MACSec安全关联方案是安全的。

• 基于局部划分的匿名算法研究

  王芳,余敦辉,张万山,

  针对泛化会造成数据信息损失量较大，且该缺陷会随数据维度变大而越明显的问题，提出一种基于局部划分的匿名算法。在确保k-匿名和l-多样性的前提下，基于敏感属性栏值约束和记录间距离将数据表横向分成若干个桶，然后对每个桶基于属性间的关联纵向分成多栏，最后对同一桶中各栏中的数据进行随机重排。实验结果表明，在处理高维数据时，与LGAA-CP算法相比，信息损失量减少了47%~183%，关联关系保留率提高了24%~118%。与Slicing算法相比，信息损失量相差在1.5%之内，关联关系保留率提高了8.9%~22.8%。通过分析，该算法在同时确保高维数据的隐私保护能力和数据可用性方面是有效的。

• 基于IFCM加权的SVDD硬件木马检测方法

  魏延海,李雄伟,张阳,胡晓阳,张坤鹏,

  针对硬件木马（HT）种类繁多难以获取未知木马特征及采集的旁路信号含噪声问题，提出了一种基于IFCM加权的SVDD（IFCMW-SVDD）硬件木马检测方法。传统支持向量数据描述（SVDD）在解决单分类问题时存在相同条件下训练全部样本的不足，需要根据相应问题对样本有主次之分进行训练。通过一种改进的模糊C均值方法（IFCM）计算金片旁路信号的隶属度，将其作为样本特征的权重（W）系数，使得针对硬件木马检测问题构建SVDD模型的支持向量能够描述金片信号的同时尽可能减小描述范围。实验表明，所提方法实现单分类硬件木马检测的同时较传统SVDD算法在检测精度和稳定性上都有所提高。

• 一种基于元信息的Android恶意软件检测方法

  李江华,邱晨,

  Android应用普遍具有比所属类型更多的功能，需要获取更多的权限，过多的权限可能带来一定的安全隐患。针对这类问题，提出一种基于元信息的Android恶意软件检测方法。首先，通过对Android应用程序描述进行LDA主题提取，实现数据降维，使用K-means聚类算法按照功能类型对应用程序分组；然后，对属于同一功能类型的所有应用程序提取其权限信息，以权限特征为研究对象，使用KNN算法进行Android恶意软件的分类检测。实验结果获得94.81%的平均准确率，证明了方法的有效性和高准确率。

• 基于ReliefF和改进乌鸦搜索优化的并行入侵检测方法

  马超,

  网络数据量的增加导致计算复杂度和时间复杂度增加，为提高网络入侵检测的精度与速度，提出一种新的入侵检测方法RICSA-KELM。首先采用ReliefF过滤法除去无关特征和噪声，降低特征维数；然后基于改进乌鸦搜索算法（ICSA，采用封装法）进行最优特征子集选择，并同步实现核极限学习机（KELM）分类器的参数优化。设计的线性加权目标函数在考虑最大分类精度的同时，尽可能减少误报率以及特征子集数量。此外，提出了基于多核平台的多线程并行计算方法，进一步优化模型运算方式，提高了计算效率。实验采用KDD99和UNSW-NB15数据集对RICSA-KELM性能进行测试和分析。实验结果表明，提出的模型优于SVM、ELM、KNN等方法，检测准确率高、检测效率快、误报率低，是一种有效的网络入侵检测方法。

• 一种基于IBPSO的SDN控制器放置优化方案

  王潇,杨金民,

  提出了改进离散粒子群优化（improved binary particle swarm optimization，IBPSO）算法用来解决控制器放置问题。该算法基于粒子群的全局最优和单个粒子的个体最优来决定粒子当前取值概率，消除粒子当前值对下一步迭代的影响，从而加快收敛速度，找到更优的最终结果。仿真结果表明，与离散粒子群优化（binary particle swarm optimization，BPSO）算法相比，由该算法得出的控制器放置方案在实现控制器负载均衡的同时，还可以显著降低控制器的数量。

• 街道环境V2V通信信道建模与容量分析

  何怡刚,许越,李兵,宁暑光,张超群,

  针对街道3D散射环境下的车载通信信道，考虑到道路两边高楼、树木等散射体，且收发两端处于移动状态，采用多天线技术，建立椭圆柱散射模型。运用几何分析法，推导了时间自相关函数（ACF）、空间互相关函数（CCF），比较视距（LOS）和非视距（NLOS）情况下ACF和CCF的差异，验证仿真方法的可行性；研究了信道容量在不同天线阵列和散射环境下的区别，突出了3D模型更加精确。测量结果与理论分析的一致性表明该3D模型的可用性，拓宽了车载通信系统的研究。

• 基于二进制烟花优化算法的认知无线网络频谱分配

  杨军,张达敏,何庆,潘志远,

  针对当前无线频谱资源稀缺和利用率低的问题，提出一种基于二进制烟花优化算法的频谱分配方法。每个烟花个体进行分布式爆炸搜索，并对最优烟花的爆炸半径采用改进公式动态更新；在变异环节中，针对粒子间信息交流不足的缺点，引入遗传算法的交叉变异算子，进一步增强种群多样性；对选出的最优个体使用Metropolis准则进行模拟退火扰动，避免陷入局部最优。仿真实验表明，二进制烟花优化算法在认知无线网络的频谱分配中具有寻优精度高、收敛速度快的特点，较好地实现了网络效益和用户比例公平性的最大化。

• 一种基于信道状态信息的人员轨迹跟踪方法

  郝占军,李倍倍,党小超,

  针对在室内环境的轨迹跟踪过程中，通信开销较大和算法复杂度较高的问题，对一种基于CSI（channel state information）信号的人员轨迹跟踪方法进行研究。首先从CSI中提取代表目标位置（角度）概率的AOA（angle-of-arrival）频谱，通过MUSIC算法得到的多普勒频移与AOA频谱相结合来确定人员移动速度及位置；最后利用改进的三边定位质心算法确定人员位置、模拟人员移动轨迹，实现了对室内人员精准的跟踪定位。通过与其他算法以及不同人员移动速度的对比，仿真实验表明提出的人员追踪方法可以大幅度提高定位的精确性与稳定性。

• 软件定义空基骨干网中的编码感知机会路由方案

  丁然,梁俊,肖楠,孙伟超,

  为保障空基通信任务的高效实施，针对软件定义空基骨干网中路由信息交互时存在的时延、开销以及可靠性方面的不足，提出一种改进的兼具软件定义与网络编码优势的CAOR-SD方案。该方案在沿用编码感知机会路由基本思想的前提下，将节点距离与编码收益综合考虑构造转发消耗函数进行候选转发节点优先级的分配，从而提高网络传输效率；同时对控制报文的反馈机制和节点的流表结构进行设计，控制开销有效降低。仿真结果表明，该路由方案可较好地适应空基通信场景，能够降低传输时延和路由开销，提高网络吞吐量和数据成功传输率。

• 一种基于软件定义网络的服务功能链优化部署机制

  刘益岑,卢昱,王珊,陈兴凯,乔文欣,

  针对软件定义网络环境下现有服务功能链部署方法未能充分考虑全网资源利用率的问题，提出了一种基于高效启发式算法的服务链优化部署机制。首先，给出了服务链部署的总体结构，并引入了整数线性规划模型对其进行数学建模；其次，提出了一种高效启发式的模型求解算法，该算法以先排序后贪心的方式，能够在满足资源和时延约束下有效利用网络资源和均衡负载。仿真结果表明，与其他部署算法相比，该算法在降低负载均衡度和时间复杂度的同时提高了请求接受率。

• 社交网络中基于网络结构支撑模型的谣言传播研究

  王路帮,李守伟,

  结合结构支撑理论，探究节点网络结构支持力的一些性质，提出了社交网络结构中的全网支持力和被支持力的总量一致性，并进一步提出计算节点支持力的方法。谣言作为特殊信息，在支持力不同节点之间的传播特性有所不同，借鉴随机游走模型中的PageRank计算方法，对不同节点支持力的谣言传播以及传播后的辟谣状况进行了仿真模拟，结果表明支持力不同的节点对于谣言传播和辟谣影响明显。

• 基于隐藏终端的时隙802.15.4网络吞吐量研究

  程宏斌,王晓喃,乐德广,孙霞,

  为了提高802.15.4网络吞吐量性能，设计了一种改进的节点状态转换过程，提出了一种考虑隐藏终端问题和重传的节点接入信道模型，并对模型进行分析计算。基于计算结果和信道状态模型分析，对考虑隐藏终端问题的数据碰撞概率、丢包率和网络吞吐量进行推导。最后研究了数据包到达率、退避指数和隐藏终端对网络吞吐量性能的影响。实验表明，模型较好地描述了节点接入信道过程，能够对网络吞吐量进行精准的动态分析。实验结果表明，与无重传机制的802.15.4网络相比，网络吞吐量增加了83.9%左右。与部分条件休眠的方法比较，网络吞吐量平均增加了13.3%，提出的模型能够有效提升网络吞吐量性能。

• 面向移动App流量的多特征集合集成聚类方法研究与应用

  吴志敏,刘珍,王若愚,陈洁桐,

  针对移动互联网流量识别问题，基于多项性能评估指标，分析K-均值和谱聚类算法在不同特征集合或不同识别目标流量数据集上的聚类性能，并提出基于多特征集合的集成聚类方法。比较分析实验表明，相同聚类方法在不同特征集合或不同识别目标数据集上性能有所不同，集成聚类方法能够有效提高利用单个特征集合聚类方法的性能。进一步将集成聚类方法应用于App关联分析，分析结果可为移动App的划分和用户行为分析提供客观依据。

• 基于改进的深度神经网络的人体动作识别模型

  何冰倩,魏维,张斌,高联欣,宋岩贝,

  针对现有人体动作识别方法需输入固定长度的视频段、未充分利用时空信息等问题，提出一种基于时空金字塔和注意力机制相结合的深度神经网络模型，将包含时空金字塔的3D-CNN和添加时空注意力机制的LSTM模型相结合，实现了对视频段的多尺度处理和对动作的复杂时空信息的充分利用。以RGB图像和光流场作为空域和时域的输入，以融合金字塔池化层的运动和外观特征后的融合特征作为融合域的输入，最后采用决策融合策略获得最终动作识别结果。在UCF101和HMDB51数据集上进行实验，分别取得了94.2%和70.5%的识别准确率。实验结果表明，改进的网络模型在基于视频的人体动作识别任务上获得了较高的识别准确率。

• 基于生成对抗网络的遮挡表情识别

  王素琴,高宇豆,张加其,

  针对实际应用中局部遮挡会影响人脸表情识别，提出一种基于生成对抗网络（GAN）的表情识别算法。先对遮挡人脸图像填补修复，再进行表情识别。其中GAN的生成器由卷积自动编码机构成，与鉴别器的对抗学习使得生成的人脸图像更加逼真；由卷积神经网络构成的鉴别器具有良好的特征提取能力，添加多分类层构成了表情分类器，避免了重新计算图像特征。为了解决训练样本不足的问题，将CelebA人脸数据集用于训练人脸填补修复，同时表情分类器的特征提取部分得到了预训练。在CK+数据集上的实验证明，填补后的人脸图像真实连贯，并取得了较高的表情识别率，尤其提高了人脸大面积遮挡的识别率。

• 基于谱域特征提取与线性回归分类的智能人脸识别算法

  陈汶滨,曾渌麟,

  针对人脸识别中由于光线、表情变化和遮挡导致人脸图像变化的问题，提出了一种谱域特征提取与线性回归分类算法相结合的智能人脸识别方法。为了实现特征提取的目的，首先使用Viola-Jones算法从原始图像中提取初始人脸部分，并将其转换为120×120像素大小的灰度图像；然后提出了一种计算极坐标傅里叶变换（FFT）以获得预处理人脸图像主要幅度谱特征的新框架，进一步在预处理的图像上执行2D-DFT，并表示为1D P-FFT。特征值是1D P-FFT幅值中的最大值，提取的特征值用于构造表示人脸图像的符号对象。最后利用快速有效的线性回归分类算法实现分类。在AR和GT数据库上进行了各种实验，分别取得了97.51％和98.02％的准确率，与最近报道的一些人脸识别技术相比，提出的方法识别准确率更高。

• 加权最小二乘法与卡尔曼滤波实时稳像技术

  谷乐,陈志云,

  无人机和车辆行驶等情况下拍摄的视频受外界影响会造成视频抖动。通过对比现有的电子稳像技术，提出了利用FAST获取特征点的位置信息，再通过光流法结合NCC匹配得到参考帧特征点在当前帧的位置信息，在此基础上结合RANSAC算法剔除错误匹配的特征点对的改进算法。为了提高运动矢量估计的精度，应用加权最小二乘法得到相邻帧间的刚性变换矩阵，并经过卡尔曼滤波进行运动平滑得到扫描运动矢量并补偿，最终得到实时的稳定视频。实验表明，视频序列稳像后的帧间变换保真度有所提高，并且能够达到实时处理速度。

• 基于ORB-SLAM2的实时网格地图构建

  陆建伟,王耀力,

  针对目前视觉SLAM（同时定位与地图构建）系统只能输出相机的运动轨迹图而不能生成用于路径规划和导航地图的缺点，提出了一种基于ORB-SLAM2的网格地图实时构建算法。首先，建立了一个适用于视觉SLAM的逆传感器模型（inverse sensor model，ISM）；针对ISM模型重新编排了网格地图算法的构建机制，并对其进行详细推导；最后，介绍了ORB-SLAM2网格地图构建的具体实施方案。通过实验，对ISM模型和网格地图模型进行分析，确保了算法的可行性；用单目相机和RGB-D深度相机进行实时实验，实现了网格地图的实时构建，且能够清晰地显现出障碍物位置，验证了所提算法的有效性。

• Lie群下利用改进JPDA滤波器的智能车立体视觉多目标跟踪方法

  张琦,胡广地,朱晓媛,陈亚东,

  提出基于改进联合概率数据关联滤波器的智能车立体视觉多目标跟踪方法。利用立体视觉摄像头采集车辆及行人图像、视频；在Lie群下对传感器的不确定性进行建模，并采用欧几里德群算法对预处理的图像进行状态滤波；在可能存在车辆的区域内利用双目视觉去除误检，并获得车辆的位置信息；通过卡尔曼滤波器对测量的不确定度和预测目标运动的轨迹进行确认；运用改进的联合概率数据关联滤波器对车辆及行人的跟踪结果进行优化修正。实验结果表明，提出的方法可以有效解决智能车多目标跟踪问题，大幅度提升驾驶系统的自动化和智能化水平。相比其他较新的目标跟踪方法，提出的方法在跟踪精度和速度上具有明显的优势，且在跟踪车辆时不会产生明显的偏移、不会遗漏对行人的跟踪。

• 基于矢量相似性的多元滤波方法研究

  何晓军,徐爱功,李玉,

  为了避免彩色图像滤波时排序的难题，在探究矢量相似性的基础上提出一种针对彩色图像的多元滤波方法。首先，在RGB彩色空间中，利用彩色矢量间距离和角度定义其相似性测度，以刻画与人类视觉感知相一致的彩色相似性；其次，以上述彩色相似性为准则设计并构建一种彩色多元滤波方法，并就其相关参数对滤波性能的影响进行了深入分析和研究；最后，为了验证提出方法的有效性，将其应用于标准彩色影像和彩色遥感影像滤波。提出的方法不仅有效解决了传统滤波方法的排序难题，而且克服了因滤波使图像模糊、边缘不清等问题；另外，将提出的多元滤波方法与传统方法进行实验对比，结果表明其不仅能有效滤除多种类型噪声，而且较好地保持了原始图像信息，使图像信息保真清晰，其视觉效果优于传统方法，客观评价指标也有较大幅度的改善和提升。

• 利用自适应假近邻方法优化卷积神经网络的图像目标分类算法

  黄珍,李志浩,苑毅,阮文惠,

  为了能够在处理不同的数据类型或任务时得到良好的结果，设计了基于自适应假近邻方法的卷积神经网络（CNN）架构。将中心矩的思想应用在CNN的池化操作中，利用稀疏滤波算法实现训练过程的无监督化，并设置CNN算法的卷积掩模（卷积核）的大小和每层卷积单位（CNN神经元）的数量；此外，该架构还利用自适应假近邻方法实现了简化建模和预测等任务。实验结果证实，提出的改进CNN架构的复杂度较低，它可以更快地接受训练并且不易产生过度拟合。

• 基于改进的狼群算法的新型广义熵图像分割

  焦瑞芳,范九伦,

  为了更准确地分割出图像中需提取的目标，提出改进的狼群算法与新型广义熵结合实现图像分割。在狼群算法游走行为中引入周期性随机扰动策略动态调整算法权重，并在狼群算法攻击行为中引入混沌全局搜索，将此改进的狼群算法与新型广义熵结合完成图像分割，用峰值信噪比作为图像分割评价指标对结果进行验证。结果表明，该算法能更准确地分割出图像中需提取的目标，比基本狼群算法与新型广义熵结合的分割结果更准确清晰。

• 一种改进的基于幂线性单元的激活函数

  骆训浩,李培华,

  针对修正线性单元（ReLU）完全丢弃网络中包含有用信息的负激活值问题，基于参数化修正线性单元（PReLU）和指数线性单元（ELU）的研究，提出一种新颖的参数化激活函数幂线性单元（PoLU）。PoLU对输入的负激活部分实施有符号的幂非线性变化，幂函数的参数是可以在CNN训练过程中自适应学习的，同时像ReLU那样保持正激活部分不变。PoLU可以高效地实现并且灵活地运用到不同的卷积神经网络架构中。在广泛使用的CIFAR-10/100数据库上的实验结果表明，PoLU要优于ReLU和它相对应的激活函数。

• 基于K-均值聚类的彩色图像质量评价及优化

  吴明明,陈勇,房昊,

  针对彩色图像质量无法实时评价及优化的问题，提出了基于K-均值聚类的彩色图像质量评价及优化算法。首先利用K-均值聚类的方式构建样本数据集；然后通过待评价图像与聚类数据集之间的相似性来构建特征集；之后再将待优化图像与聚类数据集之间进行融合，对融合后的矩阵进行PCA变换实现了图像质量的优化。通过实验证明，所提评价算法与人眼主观视觉具有较好的一致性；同时，还能通过评价结果实现图像质量的自适应优化。

• 基于Faster R-CNN的服务机器人物品识别研究

  石杰,周亚丽,张奇志,

  传统的日用商品识别流程通常使用较为经典的图像识别和机器学习算法，如支持向量机（SVM）、随机森林或AdaBoost，然后利用目标图像的梯度、纹理或颜色的基本特征来对日用商品进行识别，可以在比较简单的背景中得到应用，但是在复杂的背景环境中很难有比较突出的表现，并且难以达到较高的准确率。目前在目标识别中表现比较优异的是卷积神经网络（CNN），并成为很多目标识别场景中的首选。考虑到服务机器人的硬件配置成本，将基于区域的卷积神经网络（R-CNN）的快速算法Faster R-CNN引入系统中，并以CPU计算的方式进行物品识别。利用CNN网络提取图像特征，在其后面接入一个区域提议层。实验结果表明，将深度学习的识别方法应用到服务机器人平台是可行的，识别效果准确，且在实验中得到较好的检测效果。

• 基于CapsNet的中国手指语识别

  郝子煜,阿里甫·库尔班,李晓红,依沙·吾阿提别克,

  传统的手指语识别采用卷积神经网络的方法，模型结构单一，在池化层会丢弃很多信息。Capsule（胶囊）是在神经网络中构建和抽象出的子网络，每个胶囊都专注于一些单独的任务，又能保留图像的空间特征。分析了中国手语中手指语的特征，构建并扩展了手指语图片训练集，试图用CapsNet（胶囊网络）模型完成手指语识别的任务，对比了不同参数下CapsNet的识别率，并与经典的GoogLeNet卷积网络作对比。实验结果表明，CapsNet在手语识别任务上能达到较好的识别效果。

• 基于改进最小分类误差准则算法的深度学习研究——以台风卫星云图为例

  郑宗生,侯倩,邹国良,卢奇,

  针对传统基于最小分类误差准则（MCE）建立的目标函数存在样本错分类时网络出现的梯度反向问题，引入最小分类误差准则，定义带修正项的FMCE目标函数。以较高精度的交叉熵作为基函数，将FMCE作为修正函数，提出改进交叉熵目标函数CE-FMCE，使得网络在反向传播过程中提升标签类输出的概率。CE-FMCE不仅克服了传统MCE目标函数的梯度反向问题，还弥补了交叉熵函数对非标签集梯度不作区分处理的不足。分别在自建台风云图数据集和通用数据集MNIST上对CE-FMCE和MSE、交叉熵、MCE、M3CE进行对比实验，实验结果表明CE-FMCE优于其他目标函数。

• 基于生成式对抗网络的中文字体风格迁移

  滕少华,孔棱睿,

  风格多样的中文字体是一种重要的中国文化符号，它的设计和操作是一项需要大量专业知识的艰巨工作。因此，针对这项工作提出一种基于生成式对抗网络的中文字体风格迁移的新方法。实验中，使用基于残差网络结构的生成式模型，在均方误差约束下，进行生成式模型与判别式模型之间的对抗训练，最后使用训练所得的生成式模型实现不同中文字体间一对一和多对多的风格迁移。实验表明，与之前常用的基于l1正则化方法相比，使用这种方法在字体细节生成上有更出色的表现，简化了中文字体的建模方式，提高了生成图像的逼真度，并具有更好的灵活性和通用性。

• 基于图推模型与智能寻优的野外道路导向技术

  华夏,王新晴,马昭烨,王东,邵发明,

  为实现无人装备在野外环境下对非结构化道路进行自动、普适和精准的识别与导向，提出了一种基于图推模型与智能寻优的野外场景道路导向算法。首先将图像分割为同质超像素块，对超像素块的多特征进行融合，构造训练集；改进传统拉普拉斯支持向量机算法，结合超像素块位置信息动态选取道路区域超像素种子块，训练超像素块的多类别分类回归器和相邻超像素的一致性回归器；结合两种回归器的回归值构造马尔可夫随机场的能量函数，再利用标准图割算法迭代求取最小化能量函数，实现初始道路推理分割； 结合道路初分割结果，依据人对道路的直观感知，设定约束条件构造目标函数，利用差分免疫克隆进化算法智能寻优提取道路的导向线。在南京珠山采集的数据和DARPA Grand Challenge数据库上进行检测，并与经典算法的道路导向效果进行定性和定量比较，结果表明该算法在野外环境下对非结构化道路的导向线提取精度总体达91.79%以上，相比于经典算法，检测精准度分别提升48.1%和35.5%，算法处理效率分别提升98.6%和97.8%，在检测的实时性与精准度问题上实现了平衡，具有较强的应用前景。

• 基于优化后透射率和半逆法的暗通道图像去雾方法

  彭莉婷,李波,

  为了解决去雾过程中图像边缘产生光带的情况和去雾之后图像整体变暗的现象，提出了一种新颖的基于优化后透射率和半逆法的图像去雾算法。首先，针对图像边缘处暗通道失效情况，运用透射率修正机制来消除边缘处的光带现象，从而提高暗通道先验的适用范围；其次，从大气散射模型出发，利用半逆算法得到大气整体光照值；最后，针对去雾之后整幅图片颜色变暗淡的现象，采用基于小波变换的图像对比度算法来进行增强处理，改善去雾图像的视觉效果。实验结果表明，该算法能够更有效地去雾，而且去雾能力优于原算法。

• 基于Gabor小波和CNN的图像失真类型判定算法

  李鹏程,吴涛,张善卿,

  针对图像失真分类问题，提出了一种基于Gabor小波和卷积神经网络（convolutional neural network，CNN）的失真类型判定算法。该算法先利用Gabor小波的良好特性对图像进行特征粗提取，再通过改进的CNN进一步提取关键特征。算法步骤包括：首先对图像进行预处理（包括标签设定、样本均衡和样本扩充）；然后对预处理后的图像进行八方向的Gabor小波变换，并将不同方向的子带叠加构成输入样本；最后通过自行设计的CNN和Softmax分类器对样本进行训练，训练过程中采用随机梯度下降和反向误差传播的方法对卷积核参数进行优化得到最终模型。对训练好的模型进行失真类型判定实验，在LIVE标准图像库上分类正确率达95.62%，表明本算法具有较高的准确性和鲁棒性。

• 基于运动目标特征的关键帧提取算法

  田丽华,张咪,李晨,

  针对运动类视频特征不易提取且其关键帧结果中易产生较多漏检帧的问题，提出基于运动目标特征的关键帧提取算法。该算法在强调运动目标特征的同时弱化背景特征，从而防止由于运动目标过小而背景占据视频画面主要内容所导致的漏检和冗余现象。根据视频帧熵值将颜色变化明显的帧作为部分关键帧，对颜色未发生突变的帧根据运动物体的尺度不变特征变换（SIFT）获得帧内运动目标的特征点；最后分别根据帧熵值及运动物体SIFT点分布提取视频关键帧。实验表明该算法所得关键帧结果集不仅漏检率较低且能够准确地表达原视频内容。

• 基于复合动态模型和证据融合架构的移动物体检测与跟踪方法

  程蔚,吴海彬,郑洪庆,

  针对现有方法中移动物体检测与跟踪的准确性精度较低的缺点，提出一种基于多传感器检测分类的移动物体描述和感知方法：建立了一个包含核心对象动态特征和分类描述的复合模型，在此基础上设计了一个基于证据框架的信息感知与融合方法，通过整合动态模型和不确定性特征来实现对移动物体的检测和跟踪。为了验证所提方法的有效性，在一辆安装有雷达、激光雷达和摄像头的演示车上进行了相关实验，在不同驾驶场景下针对行人、卡车和轿车三个移动物体进行了检测与跟踪，实验结果证明所提方法具有非常高的准确性。

• 基于DRN和Faster R-CNN融合模型的行为识别算法

  杨楠,杨莘,杜能,

  针对传统单人行为识别算法易受行人形态多样性、背景和光照等影响的问题进行研究。基于扩张残差网络（DRN）的精准分类效果及目标检测网络Faster R-CNN在目标追踪方面的准确性，提出了一种DRN和Faster R-CNN的融合网络模型。该模型在Faster R-CNN中融入DRN的扩张卷积残差块代替原来的一般卷积层，并对融合模型进行了两方面的改进：在每一层前面添加一个batch normalization层；用三层扩张卷积残差块代替部分两层残差块。实验结果表明三种融合网络识别算法在Olympic sports dataset上较其他行为识别算法取得了更高的mAP。其中，包含三层扩张卷积残差块的融合模型识别性能最好，mAP达到78.9%。

• 三维重建系统下的特征点处理与位姿恢复优化算法

  徐建鹏,卜凡亮,

  基于SIFT算法原理，构建了一个全新的算法框架。使用FCN（fully convolutional networks，全卷积神经网络）和BP（back propagation，反向传播）神经网络，综合考虑图像主目标的语义分割、图像灰度共生矩阵等方面的影响，实现了自适应的特征点检测范围、数量调整，并在特征点匹配阶段利用相机位姿偏移稳定性剔除误匹配，同时采用基于图优化的方法对位姿恢复结果进行非线性优化，得到了更加精确的相机位姿。最后与现有主流算法进行分析比对，实验结果验证了该算法的有效性，提高了特征点检测的场景自适应程度与特征点匹配、位姿恢复的精度，实现了更加高效的三维重建。