计算机应用研究杂志

计算机应用研究杂志2019年第11期

• DNA逻辑计算模型的研究现状与展望

  赵云彬,周士华,

  DNA计算因其优异的计算能力已经成为当前研究热点，DNA逻辑计算模型是DNA计算体系与运算实现的重要依托。按应用技术将现有DNA逻辑计算模型进行分类：基于链置换的DNA逻辑计算模型、基于核酶的DNA逻辑计算模型、基于G-quadruplex的DNA逻辑计算模型、基于DNA自组装的逻辑计算模型、基于其他分子技术和分子材料的DNA逻辑计算模型。首先阐述了DNA逻辑计算的研究背景和研究目的以及现阶段在生物分子检测、疾病诊断、多因素分析和生物成像等领域的应用并简述其相关概念；然后梳理各DNA逻辑计算模型的研究历史和现状，分析各类逻辑计算模型所应用的分子操控技术和分子材料以及优缺点和应用前景；最后归纳总结了DNA逻辑计算领域当前研究热点和发展前景，为未来提出全新的计算方式奠定基础，也为信息、医疗等领域提供更好的服务。

• 智能仿生算法在移动机器人路径规划优化中的应用综述

  于振中,李强,樊启高,

  随着移动机器人应用领域的扩大和工作环境的复杂化，传统路径规划算法因其自身局限性变得难以满足人们的要求。近年来，智能仿生算法因其群集智慧和生物择优特性而被广泛应用于移动机器人路径规划优化中。首先，按照智能仿生算法仿生机制的来源，对应用于路径规划优化中的智能仿生算法进行了分类。然后，按照不同的类别，系统的叙述了各种新型智能仿生算法在路径规划优化中取得的最新研究成果，总结了路径规划优化过程中存在的问题以及解决方案，并对算法在路径规划优化中的性能进行了比较分析。最后对智能仿生算法在路径规划优化中的研究方向进行了探讨。

• 嵌入项目疲劳和多样偏好的聚合推荐算法

  阙正昊,邓明通,刘学军,李斌,

  为了解决推荐列表偏向于热门项目，多样性差的问题，提出了ARIFDP算法（aggregation recommendation algorithm for embedding item fatigue and diversity preference）。首先通过对用户历史反馈数据分析用户的多样性偏好，得出用户的多样倾向度，进而构造了与评价次数负相关的项目疲劳函数，最终将矩阵分解与项目疲劳函数相聚合，并加入多样倾向度调节项目疲劳函数所占权重，增加了冷门项目被推荐的概率。实验结果表明，ARIFDP算法能在保证准确率的前提下有效提高推荐结果的多样性。

• 采用类心密度策略的多目标微分自动聚类算法

  申晓宁,孙毅,薛云勇,孙帅,

  针对聚类过程中，由于类心选取的随机性导致所选类心偏离数据集，或者类心过于集中而带来的错误聚类这一缺陷，提出一种算法对类心的选取进行两次筛选，即将类心密度过小的以及两两类心之间距离过小的类心分别筛选出来，不让其参与聚类，此后算法对筛选后剩余的类心再进行聚类。为了使算法能较快地得到最优类心，提出了改进的聚类准则函数，对聚类数目进行动态惩罚。为了评估所提算法在聚类问题上的应用性能，选择两种不同类型的数据集进行了仿真实验。与其他三种现有的自动聚类算法的比较结果表明，所提算法能够获得更好的聚类结果，从而验证了算法所提策略的有效性。

• 关联性动态加权的协同过滤推荐

  王剑,余青松,

  利用传统的协同过滤（CF）算法进行推荐时，由于用户评分矩阵比较稀疏，直接得到的用户或者项目之间的相似度相对而言可信度就比较低。为了解决这个问题，在传统的协同过滤基础上，引入项目与项目之间的关联性，通过在项目的类别标签和二部图的方法之间构建动态权重因子来融合这两种关联，形成非对等关联性关系，并做出用户对项目的评分预测，从而解决评分矩阵过于稀疏的问题。研究结果表明，相比于传统方法中使用对等相似度关系以及固定权值的方法，通过动态权重融合关联性形成非对等的关系的方法，更贴合生活实际，并且有更好的推荐效果。

• 融合项目偏差与用户偏好的推荐算法

  程磊,高茂庭,

  针对协同过滤推荐中由于项目和用户间关联因素的相互影响而存在项目偏差和用户偏好的问题，提出一种融合项目偏差与用户偏好的推荐算法。先进行聚类处理，包括LDA主题建模生成项目簇和K-means聚类生成用户簇；再依次根据项目簇和用户簇的约束生成项目偏差分，同时以用户项目评分及项目类型为基础，经过概率转移得到用户偏好分；最后以项目簇内已有评分的均值为基础，对项目偏差分和用户偏好分进行线性加权生成预测评分。对比实验表明，新算法能够根据不同的近邻得到合理的推荐，提高推荐的准确度。

• 基于类别信息和特征熵的文本特征权重计算

  阿力木江·艾沙,殷晓雨,库尔班·吾布力,李喆,

  基于类别信息的特征权重计算方法对特征与类别的关系表达不够准确，即对于类别频率相同的特征无法比较其对类别的区分能力，因此要考虑特征在类内的分布情况。将特征的反类别频率（inverse category frequency，ICF）和类内熵（entropy）相结合引入到特征权重计算方案中，构造了两种有监督特征权重计算方案。在维吾尔文文本分类语料上进行的实验结果表明，该方法能够明显改善样本的空间分布状态并提高维吾尔文文本分类的微平均F1值。

• 基于改进引力搜索算法的K-means聚类

  魏康园,何庆,徐钦帅,

  针对K-means算法的聚类结果极易受到聚类中心的影响而陷入局部最优解的问题，提出一种基于改进引力搜索的K-means聚类算法。首先引入自适应概念，对引力系数衰减因子进行控制，提高算法的全局探索能力和局部开发能力；然后，引入免疫克隆选择机制，以便算法能够有效跳出局部最优，并通过对12个基准测试函数的实验验证改进引力搜索算法的有效性和优越性；最后，通过结合改进的引力搜索算法和K-means算法，提出一种新的聚类算法A2F-GSA-Kmeans，在六个测试数据集上的实验表明，该算法具有较好的聚类质量。

• 基于LPCA的谱聚类算法

  童涛,文国秋,谭马龙,吴林,杜婷婷,

  针对传统谱聚类在构建关系矩阵时只考虑样本的全局特征而忽略样本的局部特征、在聚类划分时通常需要指定聚类个数、无法对交叉点进行正确划分等问题，提出了一种改进的基于局部主成分分析和连通图分解的谱聚类算法。首先自动学习挑选数据集的中心点，然后使用局部主成分分析得到数据集的关系矩阵，最后用连通图分解算法完成对关系矩阵的划分。实验结果表明该改进算法性能优于现有经典算法。

• 多粒度粗糙集粒度权重确定的综合方法

  彭连贵,阎瑞霞,陈昭君,

  针对现有粒度权重的确定方法主观性较强的问题，提出一种基于粒度信息量的权重确定方法。首先，将信息量引入粗糙集的下近似分布中，定义粗糙集下近似分布中粒度集的信息量；其次，基于信息量定义了粒度的重要度，以粒度的重要度作为启发信息，设计了基于信息量来确定粒度权重的综合方法；通过引入权重系数，决策者根据实际情况选择粒度权重的确定方式，即经验主导型、客观主导型；最后，通过实例验证了算法的有效性。分析结果发现，经验主导型的确定方法强化了非核粒度的重要性，客观主导型的确定方法强化了核粒度的重要性。

• 基于改进花朵授粉的K-均值聚类算法

  陶志勇,刘晓芳,刘影,王和章,

  针对K-means聚类算法依赖于初始值并易陷入局部最优值的问题，提出了一种基于改进花朵授粉的K-means聚类算法。该算法首先通过混沌映射的序列作为花朵种群的初值位置，保证花朵种群在搜索空间的多样性、确定性；然后在花朵授粉的后期搜索阶段引入禁忌搜索算法以避免陷入局部最优解；最后将改进后的FPA算法用于优化K-means算法的初值。在五个聚类数据集上的实验结果表明，改进后算法的平均聚类准确率相比于花朵授粉聚类算法提高了12.2%，证明了该算法对于低维数据集具有更好的聚类效果。

• 基于模式匹配度的用户移动规则挖掘及位置预测方法研究

  张海涛,蒋继飞,周欢,

  传统的移动用户位置预测方法由于模式支持度计算方式不合理，存在预测精度偏低的问题。为此，提出了一种基于模式匹配度的用户移动规则挖掘及位置预测方法，并将其用于移动通信系统中，以基台覆盖范围网格为单元的用户位置预测。具体包括三个步骤：通过图的遍历挖掘用户移动模式、基于用户移动模式生成用户移动规则和依据用户移动规则进行位置预测。实验分析使用10个批次轨迹数据进行用户移动规则挖掘，结果表明，该方法挖掘出的用户移动规则数少、支持度高、置信度高，具有高精度的优点。

• 基于时间序列与BP-ANN的短时交通流速度预测模型研究

  田瑞杰,张维石,翟华伟,

  针对现有的交通流速度预测模型使用唯一数据集且模型单一的问题，提出一种时间序列与人工神经网络相结合的预测模型。该模型通过时间序列分别对实时数据和历史数据建模预测，并应用人工神经网络调整实时数据和历史数据的预测值。实验结果表明该预测模型能够将预测误差控制在7%以内，且能够对不同输入参数下的短时交通流速度进行有效预测。

• 基于改进协同过滤算法的用户页面兴趣度预测研究

  宋泊东,张立臣,

  根据大数据稀疏性特征，把奇异值分解方法引入协作过滤算法中进行互联网站点用户的页面兴趣度的计算和验证，提出了一种基于改进协作过滤算法的用户页面兴趣度预测算法。该算法利用网络日志中的显性用户过往兴趣度评分数据发现用户页面兴趣度和其影响因素。MATLAB仿真结果显示：提出的基于改进协同过滤算法的用户页面兴趣度测量方法可有效克服海量数据的稀疏性，在预测准确性、测量速度方面都有很大的提高。

• 基于最大偏差相似性准则的BP神经网络短期电力负荷预测算法

  罗育辉,蔡延光,戚远航,黄何列,

  针对企业电力负荷随机性强、稳定性低、预测精度不理想等问题，提出了一种基于最大偏差相似性准则的BP神经网络短期电力负荷预测算法。首先对最大偏差相似性准则算法进行修改，并提出使用预测日的负荷特征向量与最大偏差相似性准则算法聚类之后的类中心负荷特征的距离来确定预测日的相似日类别；然后将聚类后的相似日类别负荷数据作为BP网络的训练数据，输出预测日起始的连续三天96整点负荷值。实验表明，该方法提出的短期电力负荷预测方法在精度和网络训练时间上都有较大的提升，具有较高的有效性和实用性。

• Spark框架结合分布式KNN分类器的网络大数据分类处理方法

  曹瑜,王楠,徐志超,

  针对现有大数据分类方法难以满足大数据应用中时间和储存空间的限制，提出了一种基于Apache Spark框架的大数据并行多标签K最近邻分类器设计方法。为了通过使用其他内存操作来减轻现有MapReduce方案的成本消耗，首先，结合Apache Spark框架的并行机制将训练集划分成若干分区；然后在map阶段找到待预测样本每个分区的K近邻，进一步在reduce阶段根据map阶段的结果确定最终的K近邻；最后并行地对近邻的标签集合进行聚合，通过最大化后验概率输出待预测样本的目标标签集合。在PokerHand等四个大数据分类数据集上进行实验，该方法取得了较低的汉明损失，证明了其有效性。

• 参数自适应的网格密度聚类算法

  郑诚,曹杨,

  针对网格密度聚类算法存在的网格宽度和密度阈值难以确定以及聚类精度不高的缺陷，提出了一种参数自适应的网格密度聚类算法。定义了数据集标准化离散度的概念，运用数据集的自然分布信息自适应地计算出每一维较优的分割宽度，对不同的密度阈值统计其噪声样本对象的数量，绘制了噪声曲线，从噪声曲线中获得最佳的密度阈值，而且增加了类簇边缘处理技术，进一步提高了聚类的质量。仿真实验表明，改进后的算法可获得更好的聚类效果。

• 基于循环神经网络和注意力模型的文本情感分析

  胡荣磊,芮璐,齐筱,张昕然,

  将循环神经网络中的长短期记忆网络和前馈注意力模型相结合，提出一种文本情感分析方案。在基本长短期记忆网络中加入前馈注意力模型，并在TensorFlow深度学习框架下对方案进行了实现。根据准确率、召回率和F1测度等衡量指标，与现有的方案对比表明，提出的方案较传统的机器学习方法和单纯的长短期记忆网络方法有明显的优势。

• 基于主题模型的百科知识库实体对齐

  刘振鹏,贺梦洁,张彬,董静,徐建民,

  针对传统实体对齐方法无法体现潜在语义信息的问题，对其进行优化，使实体对齐效果更加显著。使用潜在狄利克雷分配（latent Dirichlet allocation，LDA）模型对网络百科非结构化数据进行建模，采用改进的置信传播（belief propagation，BP）算法求解LDA模型中的隐藏参数，进而生成实体特征向量进行相似度计算，通过计算结果判断是否可以对齐。实验结果表明，通过与三种传统算法进行比较，所提算法在准确率、召回率和综合指标F值三个评价指标方面均有所提高。针对具有描述信息的网络百科实体，该算法可以有效提升实体对齐效果。

• 融合元数据及attention机制的深度联合学习推荐

  张全贵,李志强,张新新,曹志强,

  融合元数据的协同过滤推荐即混合推荐算法是目前推荐系统领域研究的热点，能一定程度地解决数据稀疏及冷启动等问题。但融合元数据现有的建模方法大多数建立于用户/项目属性权重相同的情景下，以至于用户项目间重点关系表达不显著，难以获得较好的推荐性能。针对上述问题，提出一种融合元数据及attention机制的深度联合学习推荐方法。它利用双深度网络联合学习，其中一个网络基于隐反馈数据实现矩阵非线性分解以学习用户/项目个性化关系，另一个利用attention机制自动捕捉用户/项目关键属性对推荐工作的影响，通过赋予不同属性权重凸显的用户偏好关系建模辅以扩展模型。实验结果表明，所提推荐算法在MovieLens 100K和MovieLens 1M两个公开数据集上均表现出较为优越的推荐性能。

• 社交网络中考虑不同传播概率上的谣言传播模型

  王飞雪,李芳,

  现有的谣言传播模型无法描述不同节点对谣言传播概率的影响，从而造成了谣言传播模型无法真实地描述现实社交网络中的谣言传播，进而影响了对网络中谣言传播的控制。针对这一问题，在SIR传播模型的基础上考虑了谣言在不同节点之间的传播概率，并且分析了不同节点对传播概率的影响情况，从而建立了社交网络中考虑网络节点自身影响的谣言传播模型。最后，将改进的谣言传播模型与常用的SIR模型进行对比，实验结果显示，提出的改进模型可以较快地控制网络中谣言的传播。

• Hadoop平台下粒子滤波结合改进ABC算法的IoT大数据特征选择方法

  吴颖,李晓玲,唐晶磊,

  针对现有物联网大数据特征选择算法计算效率低下、可扩展性不高的问题，提出一种基于改进人工蜂群（ABC）选择特征的系统架构，该架构包含四层体系，可以高效地聚合有效数据，剔除不需要的数据。整个系统是基于Hadoop平台、MapReduce以及改进ABC算法的。改进ABC算法用于选择特征，而MapReduce则由并行算法支持，该算法可高效处理大数据集。该系统使用MapReduce工具实现，并利用粒子滤波来消除噪声。将提出的算法与同类方法进行比较，并通过使用十个不同的数据集对效率、准确性和吞吐量进行评估。结果表明，相比其他几种较新的算法，提出的算法在选择特征时更具可扩展性和高效性。

• 改进WFQ算法在列车网络调度中的应用研究

  秦剑秀,宋建霖,戴小文,

  随着我国轨道交通迅猛发展，基于TCN的列车网络已经不能满足列车数据传输业务的需求，列车控制与服务网络TCSN应运而生。针对列车数据传输业务研究了基于综合服务模型的列车通信网络，建立了四类列车业务流量模型，分析了网络分组的加权公平队列调度算法（WFQ），设计了基于服务分类和带宽分配的加权公平队列调度算法（SCBAWFQ），并且利用仿真软件对恒定数据流和突发数据流分别在WFQ与SCBAWFQ算法下的时延进行了仿真与分析，仿真结果证明改进算法在降低实时业务流延时方面有很好的效果，SCBAWFQ算法既保持了WFQ算法的公平性又满足实时业务服务质量的需求。

• 基于脑电信号的情感识别研究

  张家瑞,王刚,

  针对如何提高脑电信号情感识别的正确率这一问题，在得到的原始脑电信号进行分频带特征提取后，一方面采用支持向量机、K近邻算法、朴素贝叶斯和神经网络算法对小波熵、近似熵、功率谱密度、微分熵进行训练和分类学习；另一方面，基于四种不同的电极放置方式，对微分熵特征采用支持向量机和经遗传算法参数寻优的支持向量机算法进行训练。结果显示，在十二通道条件下能够得到91.99%的总体准确率，最高情感识别准确率已经达到97.59%。研究结果表明，减少电极可以获得较高的情感识别分类结果，并且采用参数寻优后的支持向量机算法能够有效提升准确率。

• 分段复合多尺度模糊熵和IGWO-SVM的脑电情感识别

  魏雪,吴清,

  为提高脑电的情感识别率，提出了分段复合多尺度模糊熵算法，采用分段粗粒化和计算复合多尺度模糊熵的策略，使提取特征较好地解决了数据缺失和计算不准确的问题；同时构造了应用余弦非线性收敛因子和动静态位置更新的灰狼算法优化支持向量机分类模型。为证明所提两种算法的有效性，进行了仿真实验验证，并在公开DEAP数据库下与几种常见的支持向量机优化模型比较脑电的情感识别率，结果表明在提出的模型下，效价、唤醒度、优势度、喜欢度的平均识别率分别为87.27%、87.81%、89.06%、87.58%，均高于其他算法。另外对比了高/低喜欢度下效价和唤醒度的分类，实验表明喜欢度低时情感识别率较高。

• 云制造环境下对称型企业制造资源共享演化博弈分析

  许春安,李芳,

  为解决复杂制造业在制造资源共享和协同合作方面的难题，构建了云制造环境下制造资源共享的演化博弈模型。该模型揭示出资源服务提供企业和资源服务需求企业之间制造资源共享的演化作用关系，并基于系统动力学软件建立SD模型，对比分析不同参数变化对演化结果的影响。研究表明初始共享比例、平台管理能力系数、资源转化能力系数、资源协同能力系数、信息化效益系数、技术损失风险系数、渠道成本系数、惩罚成本系数、信任程度系数以及激励系数对博弈企业双方的策略演化结果均具有显著影响，促进云平台中企业信息互通、资源共享，须从上述方面管理改进。

• 混合蛙跳算法的最优参数研究

  孟凯露,尚俊娜,岳克强,

  介绍了混合蛙跳算法的最优参数选取过程。在种群总数以及总迭代数给定的情况下，分组数、允许青蛙个体位置改变的最大步长和组内迭代数是影响混合蛙跳算法优化性能的重要参数。不同参数值的选取会对算法结果产生不同的影响。对混合蛙跳算法中这三个参数值进行选择，首先进行了参数对算法影响的分析，其次取每个参数的三个常用值，利用正交实验设计法设计三因素三水平的实验。接着在相同环境条件下，用CEC2013实参函数测试集验证不同参数组合算法的寻优性能。最后以最优值误差Friedman检测的得分为评价指标，选出最优参数组合（20，5，10），为后续算法改进及应用打下基础。

• 基于IFOA-GA任务调度算法在云计算MapReduce模型中的研究

  陈暄,潘春平,龙丹,

  针对传统的云计算任务调度算法存在效率低、利用率不高的问题，采用改进的果蝇算法（improved fruit fly optimization algorithm，IFOA）和遗传算法（genetic algorithm，GA）融合的算法用于处理任务调度。首先，将任务调度转换为DAG（directed acyclic graph，DAG）并通过Kruskal算法将任务调度顺序进行化简；其次，针对果蝇算法的种群采用正交数组和量化技术进行初始化，对果蝇算法边界进行处理，对探索步长进行动态调整，并使用GA算法对个体选择进行选择处理；最后，将融合后生成的算法IFOA-GA用于仿真平台中的云计算任务调度，相对于IGA、IFOA，IPSO算法在QoS的四个指标对比中具有一定的优势，说明IFOA-GA算法能够有效地提高云计算调度效率。

• 基于元胞自动机的普通超市火灾疏散模型的构建

  江雨燕,刘军,

  通过分析已有的元胞自动机理论，结合人员疏散的特点，构建了考虑出口吸引力、火灾排斥力、摩擦力、排斥力和从众吸引力的普通超市火灾疏散模型。该模型充分考虑了多个因素对疏散过程的影响，对影响因素进行归一化处理，以综合影响因素建立的元胞转移强度作为行人移动规则。针对超市疏散人数、出口宽度及相隔距离、从众心理对疏散时间的影响进行了研究，并采用仿真疏散软件Pathfinder+FDS对模型进行验证，说明疏散模型具有一定可信性。研究表明行人疏散时间随人数呈线性正相关，人数存在临界值；出口宽度越宽或出口越多疏散时间相对越短，当达到出口阈值时对疏散时间影响不大；在陌生疏散环境或紧急情况下适当的从众行为会提高疏散效率。

• 基于动态BLSTM和CTC的濒危语言语音识别研究

  于重重,陈运兵,孙沁瑶,刘畅,徐世璇,尹蔚彬,

  针对低资源的濒危语言进行了端到端语音识别模型的建立与研究，能够为濒危语言的保护和传承探索出新的途径。采用动态双向长短时记忆网络与连接时序分类模型构造端到端的语音识别系统，在进行音素级别的识别训练时，传入模型的数据批量大小根据训练模型作自适应调整，不仅能够加快收敛速度，而且能够提高模型的泛化性。通过修改网络层次与结构参数，并提取不同的语音特征进行模型对比，实验结果表明在两种濒危语言——吕苏语和土家语的数据集上均取得了较好的识别效果。

• 柔性车间内AGV最优替换比研究

  徐云琴,叶春明,曹磊,

  针对柔性车间内AGV最优替换比问题，建立了员工、AGV共同搬运的柔性车间调度模型。该模型以完工时间最小、成本最少为目标，从静态分析与动态分析两方面求得最优替换比。静态分析部分主要采用线性规划完成，动态分析部分采用粒子群算法进行求解。针对动态分析部分，提出启发式规则分配AGV、员工搬运操作。通过算例得出AGV最优替换比的帕累托最优解集。并发现AGV最优替换比和AGV价格有关。

• 改进PSO算法在多无人机协同任务分配中的应用

  蒋硕,袁小平,

  针对多无人机协同任务分配越来越复杂的问题，采用一种改进的阶层分级粒子群优化算法（HGIWPSO）获得最优分配方案。首先，根据粒子适应度值将种群动态划分为三个不同阶层，依据不同阶层粒子特性选择合适的学习模型，并引入独立权重思想调节惯性权重大小，平衡算法全局与局部搜索能力，提高算法性能；然后，建立协同多任务分配问题模型，采用多余负载竞拍方案减少非法劣解，通过实数编码建立粒子和实际分配方案之间的映射关系，解决实际分配问题。实验结果表明，该算法能够有效解决复杂约束条件下多无人机协同任务分配问题，得到最优分配序列，具有一定的理论以及实际意义。

• 多任务学习的不平衡SVM+算法

  周国华,过林吉,殷新春,

  处理不平衡数据分类时，传统支持向量机技术（SVM）对少数类样本识别率较低。鉴于SVM+技术能利用样本间隐藏信息的启发，提出了多任务学习的不平衡SVM+算法（MTL-IC-SVM+）。MTL-IC-SVM+基于SVM+将不平衡数据的分类表示为一个多任务的学习问题，并从纠正分类面的偏移出发，分别赋予多数类和少数类样本不同的错分惩罚因子，且设置少数类样本到分类面的距离大于多数类样本到分类面的距离。UCI数据集上的实验结果表明，MTL-IC-SVM+在不平衡数据分类问题上具有较高的分类精度。

• 基于分块存储格式的稀疏线性系统求解优化

  程凯,田瑾,吴飞,汪茹,李洪芹,

  针对基于GPU求解大规模稀疏线性方程组进行了研究，提出一种稀疏矩阵的分块存储格式HMEC（hybrid multiple ELL and CSR）。通过重排序优化系数矩阵的存储结构，将系数矩阵以一定的比例分块存储，采用ELL与CSR存储格式相结合的方式以适应不同的分块特征，分别使用适用于不对称矩阵的不完全LU分解预处理BiCGStab法和对称正定矩阵的不完全Cholesky分解预处理共轭梯度法求解大规模稀疏线性系统。实验表明，应用HMEC格式存储稀疏矩阵并以调用GPU kernel的方式实现前述两种方法，与其他存储格式的实现方式作比较，最优可分别获得31.89%和17.50%的加速效果。

• 三维灰体辐射传递系数蒙特卡罗的GPU计算

  刘硕,朱希安,王占刚,厉夫兵,

  为了计算漫反射灰体表面之间的辐射传递系数，建立了三维灰立方体模型，在所建立的三维立体空间内表面选取发射表面，利用蒙特卡罗方法生成发射光线，并对光线进行光线追踪，计算发射表面与其他表面之间的辐射传递系数。针对基于蒙特卡罗法计算三维灰体表面之间辐射传递系数时耗时过长的问题，进行了基于显卡GPU实现蒙特卡罗并行计算的研究。利用统一编程架构CUDA对蒙特卡罗法进行了编程实现，采用CUDA随机数发生算法并行处理了求解辐射传递系数中的光线追踪过程，实现了计算辐射传递系数的并行方案。实验结果表明，相对于CPU串行计算方法，基于CUDA架构的并行蒙特卡罗法求解辐射传递系数可以取得高达80倍的计算加速比。

• 基于遗传算法优化的OCSVM双轮廓模型异常检测算法

  闫腾飞,尚文利,赵剑明,乔枫,曾鹏,

  针对Modbus工业总线协议的特殊性及工控数据样本的不均衡性，利用单类支持向量机（OCSVM）分别构建正常OCSVM模型和异常OCSVM模型，即双轮廓模态来模拟系统通信的正常模式和异常模式，从而实现工控系统异常检测。同时将遗传算法优化自变量降维应用于工控网络入侵检测场景，实现对输入自变量的降维压缩处理，防止OCSVM模型出现过拟合现象及分类准确率低的问题，提高异常检测的精度，缩减建模时间。通过仿真验证了该算法对工控网络异常检测的有效性。

• 基于尺度不变局部特征的零低频信息隐藏算法

  任帅,贺媛,柳雨农,徐振超,张弢,王震,慕德俊,

  针对目前信息隐藏算法抵抗隐写分析能力弱的问题，提出一种基于尺度不变（BRISK）局部特征的零低频信息隐藏算法。首先，对载体图像进行一阶CL多小波变换，在低频LL2中提取BRISK特征点生成图像特征矩阵；其次，利用zig-zag和Logistic混沌置乱对秘密信息进行去相关性处理；再次，将图像特征与加密信息通过对比特征值形成关联序列；最后，将关联序列嵌入到高频HL2、HH2的低3位。算法将高能量区域的特征矩阵与两次加密信息所构建的关联信息隐藏于高频区域，有利于算法的鲁棒性和抗分析性。在高阶统计量对200幅图片的分析测试下，最大检出率低于7.516%，表明所提算法具有良好的抗分析性。

• 基于改进的CAT置乱与Henon_Kent混沌系统的彩色图像自适应加密算法

  谢国波,陈志伟,

  为了解决彩色图像加密算法中密钥与明文图像不关联的安全性不足以及CAT映射成立条件的问题，提出一种基于改进的CAT置乱系统与Henon_Kent混沌扩散系统的彩色图像自适应加密算法。该算法首先利用明文图像特征信息生成密钥；然后通过改进的CAT置乱系统对图像进行像素位置的三维置乱，再将Henon_Kent混沌系统所产生的三个混沌序列分别对RGB三个通道的像素灰度值进行扩散；重复以上两个步骤，以密文图像的信息熵大于7.99为结束条件。仿真表明该算法能够抵抗现有的攻击方法，具有较强的加密性能。

• 基于无证书签密技术的NFC移动支付方案

  柳毅,余浩,

  针对现有的大部分NFC移动支付方案中存在的证书管理复杂、消费者隐私保护力度不大和运行效率不高等问题，结合无双线性对的无证书签密技术和匿名技术，提出了一个高效安全的NFC移动支付方案。该方案使用动态更新的匿名交易账户实现消费者匿名交易的同时实现了交易的不可链接性，商户作为消费者和移动支付服务提供商的通信桥梁，实现了消费者离线支付。分析结果表明，该方案在提供了高安全性交易和高质量的个人隐私保护的同时，实现了高效率的移动支付。

• 用于Hadoop平台的混沌加密研究与实现

  谢国波,姚灼琛,

  为解决传统单机模式串行加密方法存在的不足，设计了一种基于Hadoop平台的混沌加密算法的运行方案。该方案运用MapReduce并行框架和混沌加密伪随机数以及初值敏感的原理，提出一种针对MapReduce框架和混沌加密优化的并行混沌加密方案，即用明文长度作为初值，分别对Chen、Lorenz、R?ssler三种超混沌系统进行初始迭代，同时提出对明文数据按1 MB进行分块的设计理念，通过根据偏移量，判断每个分块生成长度为1 MB的Chen、Lorenz、R?ssler三个密钥序列的方法，达到提升数据密度安全性、减少运行内存占有量等目的。该设计框架中，Chen序列用于明文置乱操作，Lorenz序列用于异或的扩散操作，R?ssler序列用于取模的辅助扩散操作。实验证明，针对MapReduce并行框架特性和混沌系统特性的优化算法，在有效减小内存占用量、提高加密速度的同时，明文关联的加密操作达到了有效防御选择明文攻击的目的。

• 可追踪密钥的策略隐藏属性基加密方案

  欧毓毅,刘春龙,

  传统的属性基加密方案中存在着访问策略所包含的属性会泄露用户的敏感信息以及恶意用户泄露私钥获取非法利益而不会被追责的问题。同时私钥长度、密文长度和解密运算量均会随属性数量增加而带来较大的通信开销和计算开销。针对以上问题提出了一种可追踪且隐藏访问结构的属性基加密方案。该方案在不影响加/解密效率的前提下提高了加密算法的安全性，并采用双因子身份认证机制实现了更安全高效的访问控制。并且引入一个安全的签名机制用于支持可追踪密钥来追踪恶意用户。该方案基于DBDH假设，在标准模型下被证明是安全的。

• 基于超混沌的图像零水印算法

  张海涛,张思博,

  针对已有的零水印算法鲁棒性差、安全性低的问题进行了研究，提出了一种基于超混沌的图像零水印算法，首先利用Chen三维超混沌系统对水印信息进行加密预处理，通过解析各个位平面在分解后对图像的影响，将载体图像中的最低有效位初始化为零；采用块均值二值量化的方法进行特性提取；最后通过对加密水印与Anorld置乱后的特征矩阵进行异或处理得到零水印。仿真攻击实验及与以往零水印算法对比表明，该算法在保持鲁棒性良好的同时，能够抵御噪声、滤波、压缩、剪切等多种攻击。

• 非线性尺度空间自适应均衡水印算法

  齐向明,李爽,李玥,候明君,

  针对线性尺度空间水印算法嵌入水印位置定位不够精确，嵌入强度参数选取随机，提出一种非线性尺度空间自适应均衡水印算法。利用KAZE算法提取并筛选出非线性尺度空间稳定性强的特征点，构建嵌入水印区域；将水印图像奇异值分解，构造新矩阵作为待嵌入水印载体，通过调整果蝇优化算法的适应度函数计算嵌入强度，结合DWT-SVD算法自适应完成嵌入水印过程。对受到攻击的水印图像提取特征点，合成特征区域矩阵，使用嵌入水印的逆过程，提取水印。实验结果表明，PSNR值均达到44 dB以上，平均NC值高达0.99，有效均衡了水印算法的不可见性和鲁棒性。

• 基于复合混沌序列的图像加密方法

  张晓博,陈家慧,彭进业,习敏,

  针对低维度混沌系统的密钥空间小、加密系统安全性较低的不足。提出一种由sine混沌改变均匀分布logistic混沌排列次序形成复合混沌序列的图像加密方法。首先，产生服从均匀分布的logistic混沌序列，用sine混沌序列重排该序列整数化后的重复部分，以此无重复数值的复合混沌序列进行像素位置置乱；之后，由于仅进行位置置乱不能改变图像的灰度统计直方图特征，用sine混沌重排整个logistic混沌序列形成复合混沌序列，以此进行像素扩散完成图像加密。对方法安全性从密钥空间、密钥敏感性、差分分析、统计直方图、相邻像素相关性、信息熵方面进行了测量。实验结果表明该方法密钥空间大、敏感性高，能有效地抵抗穷举分析、差分分析和统计分析。

• 基于明文相关的混沌映射与SHA-256算法数字图像的加密与监测

  刘西林,严广乐,

  针对数字图像的传播安全性问题，以及数字图像加密脱离明文、过分依赖混沌系统的问题，提出了基于明文相关的混沌映射与SHA-256算法数字图像的加密与监测算法。算法通过使用SHA-256算法计算明文图像的哈希值，作为摘要来监测数字图像的传播；使用前向扩散、关联明文的置乱与后向扩散的方法对数字图像进行加密，Lorenz混沌映射产生相应的密码。结果表明该算法具有较好的抵抗各种攻击的能力，达到了图像传播的安全性与隐蔽性的目的。

• 移动群智感知中支持隐私保护的动态激励机制

  梁艳,安健,胡先智,司海峰,

  针对移动群智感知中高质量感知数据与参与用户隐私之间的矛盾，提出一种支持隐私保护的动态激励机制。首先，采用轻量级隐私保护方法，利用安全加密哈希函数为竞标用户生成不少于256位的可变地址序列，并结合随机数对候选用户节点的效用报价进行隐匿和约束；其次，通过定义区域热度、时间热度、数据完整率和数据质量等多维参数，实现任务价值与用户效用报价的动态平衡；最后，依据用户提交的效用报价和任务预算，并利用逆向拍卖思想，完成对任务参与节点的最优选择和动态激励。在群智感知系统模拟平台上进行仿真实验，结果表明所提机制不仅增强了隐私保护度和数据精确度，同时提升了时间效率和激励效果。

• 维语网页中n-gram模型结合类不平衡SVM的不良文本过滤方法

  如先姑力·阿布都热西提,亚森·艾则孜,郭文强,

  提出了一种结合n-gram统计模型和类不平衡支持向量机（SVM）分类器的维语文本过滤方法。首先，将网页文本进行预处理操作，通过n-gram统计模型来初步提取词干；然后，对词干进行语义分析，将具有相似含义的词干聚合为一类，以此降低词干维度；最后，在传统SVM中引入一个控制超平面之间距离的参数，构建一种类不平衡SVM，使其能够很好地分类具有非线性不可分和不平衡性的维吾尔语文本。实验结果表明，该方法能够准确分类出不良文本，且具有较短的分类时间。

• 基于激活标志位的改进RFID密钥无线生成算法

  杨俊,邹志革,

  针对现有三种常见无线射频识别密钥无线生成场景下，设计的相应密钥生成算法中存在的算法理论证明缺失、重放攻击、密钥伪造攻击以及RFID标签身份ID泄露的安全性问题，设计了更安全的基于激活标志位的改进RFID系统密钥无线生成算法。改进算法仅基于多种超轻量级位运算来组合构建安全的算法框架、降低成本和提高效率；利用激活标志位AckBit机制以及新鲜性机制抵抗重放、密钥伪造攻击；通过完整GNY逻辑证明过程与安全性对比进行分析，证明了目标算法的安全可行性。最后，给出原算法与改进算法之间的标签成本代价对比，表明改进算法在满足低成本的条件下具有更高的安全性。

• 基于动态bloom filter的云存储安全去重方案

  王平雁,柳毅,

  现有的所有权证明去重方案容易遭受诚实但好奇服务器的威胁影响，借助可信第三方解决该问题将导致开销过大。基于动态bloom filter提出一种改进的、无须可信第三方的所有权证明安全去重方案，采用收敛加密算法抵抗诚实但好奇的服务器，并通过服务器检查数据块密文和标签的一致性来防止数据污染攻击。此外，采用密钥链机制对收敛密钥进行管理，解决了现有方案中收敛密钥占用过多存储空间的问题。分析与比较表明，该方案具有较小的密钥存储开销和传输开销。

• 分布式SOM结合K-均值聚类的软件定义网络泛洪攻击检测方法

  汪海涛,余松森,

  针对软件定义网络（SDN）泛洪攻击导致的上层性能瓶颈和过载问题，提出一种分布式自组织映射（DSOM）结合K-均值聚类的网络流量攻击检测方法。首先，位于应用层的DSOM控制器将现有数据集发送给集成了DSOM扩展包的交换机，在每个交换机上分别训练DSOM映射；然后，在预定时间内合并DSOM映射；最后，DSOM控制器将合并后的DSOM映射发送到所有OpenFlow交换机，利用K-均值聚类完成最终的分类。实验结果表明，DSOM方案能够有效检测异常流量、解决瓶颈问题，相比传统方法具有一定的优势。此外，该方法提高了系统对攻击流量的反应速度，同时给网络系统带来较小的开销。

• 基于贝塞尔函数的莱斯因子矩估计算法改进

  何怡刚,刘楚环,袁莉芬,

  针对传统的莱斯K因子一二阶矩估计方法因贝塞尔函数存在计算复杂度大、实用性低的问题，提出一种基于贝塞尔函数阶数的莱斯因子矩估计算法。该算法首先根据原矩估计公式计算K值对应的矩估计值，然后根据不同阶数的贝塞尔近似公式计算矩估计值并求解对应的K值，计算估计准确率，进而确定贝塞尔函数阶数的选择，简化矩估计算法。实验研究表明，所提方法与原方法相比降低了时耗，在K值较小时效果更优。

• 判决反馈的车车通信快时变信道估计算法

  丁青锋,韦民,

  针对车车通信中快时变无线通信不稳定性和追踪的复杂性，提出一种基于盲信道估计过程中的判决反馈信道估计方法。借助来自接收机端解调器的输出判定符号，利用噪声衰落信道传输数据的统计特性追踪快速变化的信道传递函数；使用时间截断技术对获得的信道估计值进行判决反馈降低噪声影响，对载波间干扰进行消除，从而提高快时变信道的估计精度。仿真表明，相对于传统的信道估计算法，所提出的算法具有更优的误码率和均方误差性能。

• 混合信道下译码转发中继系统性能研究

  王豪,董增寿,康琳,王珍妮,

  针对中继协作系统，研究瑞利信道和Nakagami-m信道的混合信道下解码转发（decode-and-forward）中继系统性能。结合信息传输过程中可能发生的数据平均误包率，推导出以源节点和中继节点的调制等级为设计变量的双中继端到端频谱效率表达式以及系统稳定性表达式，同时还分析了不同信道参数m对于链路频谱效率以及系统稳定性的影响，对表达式进行高阶变量推导演变可得出多中继频谱效率表达式及系统稳定性表达式，最后通过仿真验证了端到端表达式所得结果优于传统的自适应算法。

• 宽带大规模MIMO-OFDM系统自适应稀疏信道估计方案

  黄灿,李素月,王安红,

  大规模MIMO-OFDM系统下行链路利用压缩感知算法获得信道状态信息需要已知信号的稀疏度作为先验条件，然而实际环境中，无线信道的稀疏度是未知的。利用大规模MIMO信道的空时共同稀疏性的特点与不同SNR下设置不同停止迭代阈值的思想改进压缩感知重构算法，目的在于使所提算法不仅提升估计性能，还可以准确获得信道的动态稀疏度。通过实验可知，相比传统的CoSaMP算法和S-CoSaMP算法，SSA-CoSaMP算法在同等信噪比下具有更良好的信道估计性能，并且可以自适应地获取稀疏度，更适合实际工程中应用。

• 多径CD3S信号的多滤波器联合估计解调

  袁国刚,陈鹏,王永川,高喜俊,闫云斌,

  针对多径衰落信道下混沌直接序列扩频（CD3S）信号的解调问题，提出一种基于卡尔曼滤波（KF）、无损卡尔曼滤波（UKF）与最小均方误差（MMSE）滤波联合估计的多径CD3S信号解调算法。算法根据混沌码同步、信道估计与信息码解调间的差异性与关联性，利用UKF估计混沌码、KF估计信道参数，并通过MMSE滤波重构信息码。三个滤波器均将彼此的估计结果作为系统参数交替工作，通过联合估计实现信息码的解调。仿真结果表明，无论对时不变信道还是时变信道，算法均可以克服多径衰落与信道噪声的影响，实现了多径信道下CD3S信号的解调。

• 基于聚类和流量传播图的P2P流量识别方法

  苏阳阳,孙冬璞,李丹丹,孙广路,

  为有效监管网络，快速精确识别P2P流量，通过分析P2P网络流量中节点与节点、节点与链路之间的交互和行为特征，将聚类方法与流量传播图方法相结合，提出了一种基于网络行为特征的P2P流量识别方法。该方法首先通过采集网络流的包级和流级统计特征对不同种类的网络应用的流量进行聚类，然后利用流量传播图对P2P流量进行识别。实验结果表明，提出的方法在骨干网络数据上能够有效识别P2P网络应用流量，F1-measure达到95%以上。

• 区分站点状态的轮询系统E(x)特性分析

  孙洋洋,杨志军,

  针对提高轮询控制系统的工作效率和资源利用率，提出了站点休眠活动状态的限定（K=2）轮询控制系统。运用概率母函数与嵌入式马尔可夫链的方法研究了系统的数学模型。仿真实验结果表明，理论值与实验值近似相等，表明该分析方法正确合理。系统在限定（K=2）策略基础上，根据站点所处的休眠活动状态，服务器对站点进行服务。采用限定（K=2）服务策略保障系统公平性不受损害，而区分站点的休眠活动状态又避免了对无信息分组的休眠站点的服务。与已有的服务策略相比较，系统性能明显改善。

• 5G中基于穷举搜索的D2D资源分配算法

  孙琦,陈桂芬,

  D2D（device to device）作为5G通信的核心技术，在满足用户通信需求与提高用户连通数量等方面具有至关重要的作用。针对传统复用算法的系统中断概率过高和用户资源消耗较大的问题，提出一种基于穷举搜索的D2D资源分配算法。该算法引入穷举搜索法初步确定用户发射功率；同时参考蜂窝与D2D用户状态以确定复用组合；应用调整功率步骤降低中断概率。仿真结果表明，小蜂窝用户数时基于穷举搜索的D2D资源分配算法相比于传统算法，在多D2D用户数情况下的连通概率平均提高了15.7%，用户资源消耗平均降低了10.5%。

• 面向智能车联网的缺失数据估计新方法

  张婷,张德干,高瑾馨,

  数据丢失是面对智能车联网中的一个常见问题。鉴于此，考虑了大型和多样化车联网中的缺失数据问题。通过在智能车联网中提取公共交通模式，比较了函数估计和张量分解等方法来估计这些缺失值的优劣后，提出了张量低秩近似估计新方法，该方法在缺失数据的情况下获得流量模式，得到大规模车联路网的低秩表示。通过不同的道路车联网实验测试，表明该新方法的估计精度、数据集的偏差达到了较好的效果。

• 基于活动区域的移动无线传感器网络路由协议

  冉涌,李芳,

  为了解决移动无线传感器网络中能量效率问题，提出了一种基于活动区域的移动无线传感器网络（WSN）路由协议。本方法使用源和sink节点相对位置来形成路由的活动区域，网络中的移动节点使用睡眠唤醒模式来节约能源。移动向量信息（如当前位置、方向和速度）以及节点的剩余能量，用于选择能够提供最大连接保留时间的邻居，移动向量信息也被用来唤醒活动区域中的移动节点。实验表明，与其他路由协议进行比较，该方法在分组传输过程中具有更高的可靠性。

• PMC模型下网络故障的节点可诊断研究

  刘峰,梁家荣,郭杨,谢敏,莫海淼,

  传统故障诊断研究大多忽略了系统局部特征。PMC模型下，针对于这一问题，引入了节点可诊断的概念，并通过节点可诊断方法的研究得到了节点可诊断度的充分条件和t-可诊断新算法STFDA。最后，对n维超立方网络和n维星状网络从节点可诊断的角度进行了分析，验证了所得充分条件的正确性，并将算法应用到这两种网络中进行故障诊断。其中，充分条件和STFDA算法的实现借助了新的结构ST。STFDA算法的时间复杂度为O(Nδ)，δ为网络中节点的最大度。相比于其他算法，算法的时间复杂度得到显著降低。

• 基于多尺度池化卷积神经网络的疲劳检测方法研究

  顾王欢,朱煜,陈旭东,郑兵兵,何林飞,

  针对视觉特征分析疲劳检测问题，设计了一种级联深度学习的检测系统结构，并提出基于多尺度池化的卷积神经网络疲劳状态检测模型。首先通过深度学习模型MTCNN进行人脸检测，提取出眼睛和嘴巴区域；针对眼睛和嘴巴的状态表征和识别问题，提出一种基于ResNet的多尺度池化模型（MSP）对眼睛和嘴巴状态进行训练；实时检测时，将眼睛嘴巴区域通过训练好的卷积神经网络模型进行状态识别，最后基于PERCLOS和提出的嘴巴张合频率（FOM）对驾驶员进行疲劳判定。实验结果表明，该算法具有较高的检测准确率，同时满足实时性要求，且对复杂环境具有较高的鲁棒性。

• 基于时序性面部动作信息的驾驶员状态检测框架

  崔子岩,汪剑鸣,金光浩,

  通过网络摄像头获取驾驶员面部视频输入网络进行检测的方法主要通过分析驾驶员口型等面部表情来判断是否疲劳驾驶，但说话等很多类似的状态也被误检为疲劳。针对以上问题提出了一种基于时序性面部动作信息的检测框架，对驾驶员状态进行检测，从而提高检测准确率、降低误检率。该框架通过检测视频中的脸部轮廓，提取脸部的多种特征，形成面部动作单元；通过训练对应的LSTM网络，形成时序性的面部动作单元，根据其相关性进行多种动作单元融合，检测最终驾驶员的状态。在公共YawDD数据集上的检测结果表明，相比现有方法，该检测方法的准确率提高到了93.1%，同时大幅降低了疲劳状态的误检率。

• 基于改进PBAS算法的级联特征行车检测

  孙渊,侯进,

  随着车辆迅速增加，智能交通系统中的监控系统需要在复杂环境中快速、准确地检测车辆，在现有研究的基础上提出一种高效的车辆检测方案。首先选取像素自适应分割算法对其背景模型作线性优化，减少运算复杂度，提取前景斑点为定义区域；然后通过设定阈值确定感兴趣区域；在感兴趣区域里，选取哈尔（Haar-like）特征和方向梯度直方图特征，输入到优化后的AdaBoost+支持向量机（support vector machine，SVM）级联分类器中进行车辆检测。大量的实验证明了线性化像素自适应分割算法的优越性、AdaBoost+SVM级联分类器的快速性、整体车辆检测算法在检测车辆时的实时性和光照鲁棒性。

• 复杂大交通场景弱小目标检测技术

  华夏,王新晴,马昭烨,王东,邵发明,

  针对现有基于大数据和深度学习的目标检测框架对于高分辨率复杂大场景中低分辨率小目标识别效果较差、多目标检测的精度和实时性难以平衡的问题，改进了基于深度学习的目标检测框架 SSD（single shot multibox detector），提出一种改进的多目标检测框架DRZ-SSD，将其专用于复杂大交通场景多目标检测。检测以从粗到细的策略进行，分别训练一个低分辨率粗略检测器和一个高分辨率精细检测器，对高分辨率图像进行下采样获得低分辨率版本，设计了一种基于增强学习的动态区域放大网络框架（DRZN）；动态放大低分辨率弱小目标区域至高分辨率再使用精细检测器进行检测识别，剩余图像区域使用粗略检测器进行检测，对弱小目标的检测与识别精度以及运算效率的提高效果明显；采用模糊阈值法调整自适应阈值策略在避免适应数据集的同时提高了模型的决策能力，显著降低了检测漏警率和虚警率。实验表明，改进后的DRZ-SSD在应对弱小目标、多目标、杂乱背景、遮挡等检测难度较大的情况时均能获得较好的效果。通过在指定数据集上的测试，相比于其他基于深度学习的目标检测框架，各类目标识别的平均准确率提高了4%~15%，平均准确率均值提高了约9%~16%，多目标检测率提高了13%~34%，检测识别速率达到38 fps，实现了算法精度与运行速率的平衡。

• 基于改进PSO算法的MAP图标定点选择新方法

  程准,陆凯,钱煜,卢震,鲁植雄,

  为提高基于MAP图的控制系统驱动效果，并有效减小控制系统内的存储量，提出了一种基于改进粒子群算法的MAP图中标定点择优选取新方法。以液压机械无级变速传动比控制系统中采用的MAP图为例，将其横坐标的两个变量在其定义域内等分，并采用改进粒子群算法选取等分后每段内的坐标点数量和位置。选取过程采用多目标优化原理结合了随机产生100个点的实际值与MAP图线性插值的平均误差以及选定的标定点数量。为提高算法执行效率，对粒子群算法的迭代准则、惯性权重和学习因子进行改进。结果表明，改进后的粒子群算法收敛速度快，寻优精度高，仅需较少的标定数据即可制作控制效果较佳的MAP图。

• 融合高光谱影像三维空谱特征的子空间聚类算法

  李文洲,邓秀勤,刘富春,

  为提高高光谱遥感影像的聚类精度，将三维空谱特征和子空间聚类算法相结合，提出一种新的稀疏子空间聚类模型，在关注高光谱影像光谱信息的同时也关注了空间上下文信息。首先提取高光谱影像像素点的三种三维空谱特征；然后通过特征对子空间聚类模型的系数矩阵进行加权，使得像素点可被与它最为相似的像素点稀疏表示，从而获得更好的系数矩阵；最后由系数矩阵通过谱聚类获得更好的聚类结果。算法对四个经典高光谱数据集进行实验，并将实验结果与六种聚类算法进行比较，结果表明，所提出的3DF-SSC算法在四个数据集上获得的聚类精度都比其他算法要高，对于同样是利用三维空谱特征的M3DF3、3DF-SSC算法最高能提高8.62%的精度，而与同样是利用空间上下文信息对子空间聚类算法进行改进的L2-SSC和SS-LRSC算法相比，最高能提高25.18%的精度。

• 基于显著性定位和动态自适应区域生长的HRMR图像斑块分割

  严静,刘启榆,周莹,张顺源,刘知贵,

  为了解决HRMR图像斑块边界模糊及灰度不均匀造成的分割难问题，提出了一种结合显著性定位与改进动态自适应区域生长的斑块分割方法。使用非局部均值滤波算法、平滑梯度实现图像去噪与斑块模糊边缘增强；通过显著性检测获得显著图像，采用形态学开重构得到斑块定位图像；利用改进的动态自适应区域生长算法，实现颅内斑块的准确分割。本实验对象为34组脑血管狭窄患者的HRMR图像，通过与专家手动分割结果对比，斑块的平均分割准确度达到90.16%。研究结果表明，本方法不仅能够提高斑块的分割精度，完整地保留颅内斑块的弱边缘信息，同时还可以避免不同医生手动分割造成的主观差异性，或可用于辅助脑血管狭窄患者的临床诊断与治疗。

• 基于小波阈值和全变分模型的图像去噪

  张弘,周晓莉,

  针对小波阈值函数去噪不彻底并且造成图像边缘模糊的问题，提出一种自适应小波阈值和全变分模型相结合的去噪方法。利用小波变换的时频域特性将含噪图像分解得到各维度小波系数，对低频小波系数利用全变分模型去噪，对于高频系数根据不同分解尺度选择不同的最佳阈值去噪，克服了统一阈值的不足，增强了算法的自适应性。理论分析和仿真实验结果表明，所提方法兼顾了小波变换和全变分模型的去噪优点，在有效去除噪声的同时更完整地保留了图像的边缘和细节信息，有较高的结构相似度和峰值信噪比。

• 自适应不同条件的车牌检测算法

  杨秀杰,李芳,

  针对不同条件下车牌检测速度慢和检测精度低的问题，提出了一种改进自适应形态闭和开操作的车牌检测算法。该算法首先采用局部直方图对车牌图像均衡化处理，使用自适应形态闭操作对所有灰度化区域进行平滑处理，之后引入局部自适应阈值处理，能得到平滑图像和被分离的车牌，最后采用形态学开操作，将外部区域和车牌数连接部分分离。实验结果表明，所提方法的检测精度高于其他算法，同时，平均检测时间少于其他算法，适合不同条件下实时车牌检测。

• 基于改进Faster R-CNN和3D DCNN的肺结节检测算法

  胡新颖,陈树越,焦竹青,

  针对传统肺结节检测准确率低，且存在假阳性高的问题，提出了一种改进Faster R-CNN检测候选结节，以及改进的3D DCNN去除假阳性的算法。考虑到结节的形状大小等因素，在Faster R-CNN上更改锚点数量和尺寸检测结节的鲁棒性，并在特征提取器的最后一层添加一个反卷积层，在网络特征图上根据结节尺寸添加小型滑动网络以使网络自适应生成感兴趣区域，获取候选结节。为了去除假阳性结节，在2D DCNN基础上调整卷积核参数，引入时间维度生成3D DCNN，并利用Adam算法调整网络学习率更改网络权重参数，采用数据增强策略进一步提取结节的全局特征。LIDC-IDRI数据集上的实验结果表明，所提出的算法平均检测准确率达到97.71%，同时降低了误诊率和漏诊率。

• 几何距优化质心结合隶属度约束RFCM的脑MRI图像分割算法

  南丽丽,邓小英,

  针对现有图像分割算法聚类复杂以及分割精度不够高的问题，提出了基于几何距优化质心和粗糙模糊C-均值（RFCM）相结合的医学图像聚类分割算法。首先建立软集表示的像素集，并计算每个像素与质心之间的距离，然后基于像素和质心之间的最小距离，将像素分组到聚类中。为了将软集应用到粗糙模糊C-均值中，定义了一个模糊软集，进一步将输入图像转换为二值图像，通过计算连通区域的几何距选择适当的质心。最后利用这些新的质心计算更新像素的隶属度值，从而完成模糊聚类划分。在Allen Brain Atlas等三个医学数据库上评估了所提出混合算法的性能，获得的Jaccard系数和分割精度（SA）都优于几种对比算法。实验证明，提出的聚类分割算法具有良好的性能。