计算机应用研究杂志

计算机应用研究杂志2019年第12期

• 深度学习及其在计算机视觉领域中的应用

  李国和,乔英汉,吴卫江,郑艺峰,洪云峰,周晓明,

  首先回顾了计算视觉发展的历史，介绍了神经元、多层感知机和反向传播等人工神经网络的基本知识以及卷积神经网络的发展史及其卷积、池化等基本操作；讨论了AlexNet、VGGNet、GoogLeNet和ResNet等经典卷积神经网络结构，并重点介绍了CapsNet；总结了卷积神经网络在图像分类、语义分割、目标检测以及图像生成等领域的研究进展；最后提出了卷积神经网络研究所面临的挑战以及对CapsNet未来研究的展望。

• 视觉惯性SLAM综述

  孙永全,田红丽,

  对视觉SLAM、惯性导航和视觉惯性SLAM进行了介绍，详细介绍了视觉SLAM的框架结构和细分部分，罗列了近年来出色的视觉SLAM模型。最后在视觉惯性里程计的（visual inertial odometry，VIO）基础上对现有的不同派别的开源视觉惯性SLAM进行深入分析与比较，探讨视觉惯性SLAM的发展趋势与动向。

• 基于稀疏分布式表征的英文著者姓名消歧研究

  翟晓瑞,韩红旗,张运良,李仲,

  为将稀疏分布式表征理论应用到著者姓名消歧，了解其在解决姓名消歧问题时的效果，提出了基于稀疏分布式表征的英文文献著者姓名消歧方法。该方法选择论文摘要文本信息作为消歧特征，将其生成二进制表示的SDR码。根据待消歧论文的SDR与同名作者的论文SDR相似度对比来实现著者姓名消歧。最终得到的结果为准确率98.21%，召回率76.75%，F值86.17%，证明提出的消歧方法具有较好的效果。通过将该方法与利用合著者特征进行消歧的方法进行对比，说明该方法能够较好地解决文献著者姓名歧义问题。此外，该方法还可将作者未收录在作者库中的论文识别出来并将其指派给新作者，无须重新学习和更新模型。

• 基于序列到序列神经网络模型的古诗自动生成方法

  黄文明,卫万成,邓珍荣,

  计算机写诗是实现计算机写作的第一步。目前计算机写诗普遍存在主题不明确、诗的内容与写作意图不一致的问题。为改善这些问题，效仿古人写诗的过程，提出了一种两个阶段生成古诗的方法。第一阶段获取写诗大纲，采用TextRank算法对用户输入文本提取关键词，并提出一种基于注意力机制的序列到序列神经网络模型用于关键词扩展；第二阶段根据写诗大纲生成每一行诗句，并提出一种包含双编码器和注意力机制的序列到序列神经网络模型用于古诗生成。最后通过对实验结果的评估验证了提出方法的有效性。与基准方法相比，该方法生成的古诗的主题意义更加明确，诗所表现的内容和写作意图更加一致。

• 基于LDA耦合空间模型的作文跑题检测方法研究

  孟超颖,宋文爱,富丽贞,

  传统的跑题检测方法大部分是将文本转换为向量空间的向量表示，再计算与正确文章之间的相似度来得到是否跑题的结果，然而这种方法仅针对文章语句结构上的表示，却忽略了文章语义上的关联，并且对于题目发散度较高的作文跑题检测效果较低。针对以上问题，利用题目与正文主题词在耦合空间计算其相关度，再通过聚类的方法实现无监督的作文跑题检测。实验结果表明，基于耦合空间模型的作文跑题检测方法不论对于题目发散度较低还是较高的作文的检测准确度都有一定程度的提高，其中对于题目发散度较高的作文更为明显。

• 维吾尔文情感分类特征建设研究

  热西旦木·吐尔洪太,吾守尔·斯拉木,

  由于目前缺乏维吾尔文情感分类特征表示方面的系统性研究，以传统n-gram特征为基础，按不同规模从维吾尔文情感标注语料库中提取了新特征及其组合特征，基于支持向量机（SVM）分类器对维吾尔文情感语料库进行了正负情感分类。实验结果表明，所提取的基本特征中unigram特征的分类效率最佳；unigram特征与词组特征的组合可以进一步提高分类效率，其最佳分类效果比unigram特征的分类效果提高了1.78%。首次在统一标注数据集上对不同特征的分类性能进行了综合评价，研究成果可以为今后的维吾尔文情感分类研究提供指导。

• 基于语义分布相似度的主题模型

  居亚亚,杨璐,严建峰,

  潜在狄利克雷分布（LDA）以词袋（bag of words，BOW）模型为基础，简化了建模的复杂度，但使得主题的语义连贯性较差，文档表征能力不强。为解决此问题，提出了一种基于语义分布相似度的主题模型。该模型在EM（expectation maximization）算法框架下，使用GPU（generalized Pólya urn）模型加入单词—单词和文档—主题语义分布相似度来引导主题建模，从语义关联层面上削弱了词袋假设对主题产生的影响。在四个公开数据集上的实验表明，基于语义分布相似度的主题模型在主题语义连贯性、文本分类准确率方面相对于目前流行的主题建模算法表现得更加优越，同时该模型提高了收敛速度和模型精度。

• 基于BiGRU-attention神经网络的文本情感分类模型

  王伟,孙玉霞,齐庆杰,孟祥福,

  针对双向长短时记忆神经（BiLSTM）模型训练时间长、不能充分学习文本上下文信息的问题，提出一种基于BiGRU-attention的文本情感分类模型。首先，利用双向门控循环（BiGRU）神经网络层对文本深层次的信息进行特征提取；其次，利用注意力机制（attention）层对提取的文本深层次信息分配相应的权重；最后，将不同权重的文本特征信息放入softmax函数层进行文本情感极性分类。实验结果表明，所提的神经网络模型在IMDB数据集上的准确率是90.54%，损失率是0.2430，时间代价是1100 s，验证了 BiGRU-attention模型的有效性。

• 面向微博热点事件的话题检测及表述方法研究

  周炜翔,张仰森,张良,

  针对微博文本数据稀疏导致热点话题难以检测的问题，提出了一种基于IDLDA-ITextRank的话题检测模型。首先，通过引入微博时间序列特征和词频特征，构建了IDLDA话题文本聚类模型，利用该模型将同一话题的文本聚到一个文本集合TS；然后，通过采用编辑距离和字向量相结合的相似度计算方法，构建了ITextRank文本摘要和关键词抽取模型，对文本集合TS抽取摘要及其关键词；最后，利用词语互信息和左右信息熵将所抽取的关键词转换成关键主题短语，再将关键主题短语和摘要相结合对话题内容进行表述。通过实验表明，IDLDA模型相较于传统的BTM和LDA模型对话题文本的聚类效果更好，利用关键主题短语和摘要对微博的话题进行表述，比直接利用主题词进行话题表述具有更好的可理解性。

• 基于矩阵保留策略的邻域粗糙集属性约简算法

  高阳,刘遵仁,纪俊,

  在基于邻域粗糙集的属性约简算法中，正域计算是保证其有效性的重要依据，也是影响其时间开销的最主要部分。为了减少算法时间开销，通过对现有算法FHARA的正域计算进行改进，采取保留策略，利用矩阵保留度量计算值的平方，将原本n维上的计算改进为1维上的计算，从而缩减了每次度量计算的时间，并在此基础上提出了基于矩阵保留策略的邻域粗糙集属性约简算法，最后通过多个UCI数据集验证了该算法。与现有算法相比较，实验结果表明，对大部分数据集而言，该算法能有效且更快速地得到数据集的属性约简。

• LBSN中融合时空信息的连续兴趣点推荐

  李丹霞,马乐荣,何景,

  针对位置社交网络（location-based social networks，LBSN）中连续兴趣点（point-of-interest，POI）推荐系统面临的数据稀疏性、签到数据的隐式反馈属性、用户的个性化偏好等挑战，提出一种融合时空信息的连续兴趣点推荐算法。该算法将用户的签到行为建模为用户—当前兴趣点—下一个兴趣点—时间段的四阶张量，并利用LBSN中的地理信息定义用户访问兴趣点的地理距离偏好，最后采用BPR（Bayesian personalized ranking）标准优化目标函数。实验结果表明该算法相比其他先进的连续兴趣点推荐算法具有更好的推荐效果。

• 基于用户偏好优化模型的推荐算法研究

  邱宁佳,何壮,王鹏,李岩芳,

  传统的个性化推荐算法普遍存在数据稀疏性问题，影响了推荐的准确度。Slope One算法具有简单、高效等特点，但该算法只是根据用户—项目评分矩阵进行数据分析，对所有用户采用一致性的权重进行计算，忽视了用户对项目类型的喜好程度。针对上述问题进行了研究，提出LR-Slope One算法。首先根据用户—项目评分矩阵和项目类型信息构建用户对项目类型的偏好矩阵；然后利用线性回归模型计算用户对每个类型的权重，采用随机梯度下降算法优化权重；最后结合Slope One算法预测评分，填充评分矩阵，提高推荐的质量。实验结果表明，所提算法提高了推荐的精度，有效缓解了稀疏性问题。

• 基于word2vec和双向LSTM的情感分类深度模型

  黄贤英,刘广峰,刘小洋,阳安志,

  针对社交网络文本传统情感分类模型存在先验知识依赖以及语义理解不足的问题，提出一种基于word2vec和双向长短时记忆循环神经网络的情感分类模型——WEEF-BILSTM。采用基于CBOW（continuous bag-of-words）方式的word2vec模型针对语料训练词向量，减小词向量间的稀疏度，通过双向LSTM神经网络获取更为完整的文本上下文信息从而提取出深度词向量特征，继而使用one-versus-one SVM对其进行情感分类。实验结果表明，提出的WEEF-BILSTM模型较其他模型分类效果更好，能达到更优的准确率和F值。

• 基于可能度容差关系的多粒度粗糙决策分析方法

  骆公志,许鑫鑫,

  在不完备区间值决策信息系统中，针对可能度容差关系和多粒度决策粗糙集的各自优点，提出一种基于可能度容差关系的多粒度决策粗糙模型。首先提出可能度的概念，定义新的容差关系；然后构建了基于可能度容差关系的乐观和悲观多粒度决策粗糙集模型，给出模型的上下近似，并对相关性质和定理进行证明；最后以实例验证了模型的有效性与适用性。结果表明，通过调整属性相似度阈值ω，可使模型具有一定的容错能力和很强的分类能力。

• 面向新闻推荐的用户兴趣模型构建与更新

  袁仁进,陈刚,李锋,

  针对新闻推荐系统中用户兴趣模型构建与用户兴趣漂移问题，提出了一种面向新闻推荐的用户兴趣模型构建与更新方法。首先采用向量空间模型与bisecting K-means聚类算法构建了原始用户兴趣模型；然后以艾宾浩斯遗忘曲线为基础构造了遗忘函数，并以此对用户兴趣模型进行时间加权，从而达到对用户兴趣模型更新的目的。实验以基于用户的协同过滤推荐、基于物品的协同过滤推荐为baseline，实验结果表明所构建的原始用户兴趣模型推荐性能更优，在F值上提升了4%，更新后的模型与原始模型相比F值提高了1.3%。

• 基于改进特征加权的朴素贝叶斯分类算法

  丁月,汪学明,

  传统朴素贝叶分类算法没有根据特征项的不同对其重要程度进行划分，使得分类结果不准确。针对这一问题，引入Jensen-Shannon（JS）散度，用JS散度来表示特征项所能提供的信息量，并针对JS散度存在的不足，从类别内与类别间的词频、文本频以及用变异系数修正过的逆类别频率这三个方面考虑，对JS散度进行调整修正，最后计算出每一特征项的权值，将权值代入到朴素贝叶斯的公式中。通过与其他算法的对比实验证明，基于JS散度并从词、文本、类别三方面改进后的朴素贝叶斯算法的分类效果最好。因此基于JS散度特征加权的朴素贝叶斯分类算法与其他分类算法相比，其分类性能有很大提高。

• 基于信息熵和用户行为一致性的协同过滤分组推荐

  苏梦珂,杨煜普,

  在仅以输入评分矩阵作为唯一算法输入的协同过滤推荐算法研究中，针对数据的质量不同带来的差异性对推荐结果的影响这一问题，包括对数据质量方面的重视与关注、如何刻画质量差异性以及如何针对不同质量数据的用户组别进行分组推荐建模等问题。提出针对数据质量的刻画，综合考虑用户行为一致性和用户信息熵两个指标对数据质量进行评价并对用户进行分组。对于不同组别的用户在分析其历史行为的基础上可以进行更精准的推荐建模。实验结果表明，数据质量的差异性确实对推荐精度的提升有着重要的影响，同时论证了对用户进行分组推荐的必要性。实验结果同时表明，运用用户行为一致性和用户信息熵两个指标的综合刻画带来的精度提升效果最为显著。

• 基于关联规则策略加权的Slope One算法改进

  薛宇彤,陈海龙,葛苗苗,

  针对Slope One推荐算法在数据稀疏性高时推荐结果不够精准的问题进行研究，将关联规则思想与加权分析的方法相结合，提出基于关联规则策略加权的Slope One算法，从用户评分和项目特征两个角度对算法进行改进。实验采用FilmTrust数据集，其中包含1 508个用户对2 071部电影共35 497条评分记录。经多次实验测试分析，提出的方法切实达到了预期优化效果，也为后续算法的更多元化改进方案探究提供了研究基础。

• 基于综合信任的社会化混合推荐算法

  杨丰瑞,吴晓浩,万程峰,

  推荐系统是处理信息过载问题的重要手段，现有的基于信任网络推荐算法没有充分挖掘用户信任关系信息，影响推荐效果。提出了综合评估信任（CETrust）的模型，该模型综合考虑了用户间的直接信任和间接信任等因素。结合推荐项目的特征属性信息，集成到概率矩阵的因式分解模型中推荐。实验表明，新提出的推荐算法（H-CETrust）推荐精度高于现有推荐算法。

• 基于多维关联规则的区域能源安全外生警源隐含特征分析

  胡健,蒲东,孙金花,

  针对现阶段我国区域能源安全突发事件频现的问题，对区域能源安全外生警源隐含特性展开了研究。通过对区域能源安全事件案例抽取，构建了能源安全外生警源属性集和数据集。依据数据集的特点设计了能源安全外生警源多维关联规则挖掘模型。该模型首先基于多维属性融合的思路，通过把属性划分为事务项，将外生警源多维属性映射为一维，然后利用Apriori算法的基本原理进行规则挖掘；在此基础上，将该模型应用于能源安全外生警源隐含特征分析中，研究警源属性间的关联关系，实现强关联规则输出。研究结果表明，多维关联规则方法可以发现隐藏在外生警源数据中的规律，通过对挖掘出的规则集的归纳分析，得出区域能源安全外生警源爆发时具有衍生性、季节性、危害性和持续性等共性特征。

• 基于改进多层次模糊关联规则的定量数据挖掘算法

  张定祥,张跃进,

  针对单一层次结构实现规则提取具有规则提取准确性不高、算法运行时间长、难以满足用户使用需求的问题，提出一种基于改进多层次模糊关联规则的定量数据挖掘算法。采用高频项目集合，通过不断深化迭代的方法形成自顶向下的挖掘过程，整合模糊集合理论、数据挖掘算法以及多层次分类技术，从事务数据集中寻找模糊关联规则，挖掘出储存在多层次结构事务数据库中定量值信息的隐含知识，实现用户的定制化信息挖掘需求。实验结果表明，提出的数据挖掘算法在挖掘精度和运算时间方面相较于其他算法具有突出优势，可为多层次关联规则提取方法的实际应用带来新的发展空间。

• 多最小效用阈值的频繁高效用项集快速挖掘算法

  王斌,吕瑞瑞,房新秀,马俊杰,

  针对多最小效用阈值高效用项集挖掘算法（MHUI）中出现的重复计算、挖掘的结果项集不是频繁的问题，提出两个新的快速挖掘算法FMHUI和SFMHUI。FMHUI算法在计算项集的最小效用阈值时利用前一次计算结果，避免了项之间的重复比较；另外定义了项的扩展项的最小效用阈值表EMMU-table快速计算出扩展项的最小效用阈值，提高了运行效率。SFMHUI算法在FMHUI的基础上增加了支持度约束，使挖掘的项集既是高效用的也是频繁的。通过仿真实验验证了所提出算法的高效性和可行性。

• 基于Faster-RCNN的回环检测优化算法

  徐建鹏,卜凡亮,

  如何提高回环检测（loop closure detection）的准确率，是同时定位与地图构建系统（simultaneous localization and mapping，SLAM）中实现更高位姿恢复精度的关键问题之一。基于传统的词袋模型原理，构建了一个全新的算法框架。该算法使用预处理的Faster-RCNN对图像序列进行检测，利用所检测出的图像语义特征种类、像素位置及特征图等信息来构建具有标志性的二维语义特征向量图，并使用非线性的累积误差来计算二维语义特征向量图之间的相似度，且据此计算初始回环，经位姿验证后得到最终回环结果。通过与传统词袋模型算法的分析比较，实验结果验证了所提算法的有效性，实现了更高精度和效率的回环检测。

• 基于自适应吸引半径的萤火虫算法的粒子滤波

  王航星,潘巍,

  针对粒子滤波算法对粒子数目的大量需求等弊端，提出一种基于改进的萤火虫算法的粒子滤波。首先，在萤火虫的亮度公式中引入观测值信息以提高算法跟踪的准确性；其次，提出自适应吸引半径参数来控制萤火虫群寻优时的吸引范围，使算法的实时性更好；最终利用萤火虫算法的迭代寻优来进行粒子更新。对比实验表明，该算法在跟踪精度和运行时间上都有所优化，说明该算法即使在粒子数目较少的条件下也能保证目标跟踪的准确性和实时性。

• 基于曲线自适应和模拟退火的蝗虫优化算法

  李洋州,顾磊,

  针对蝗虫优化算法容易陷入局部极值点、收敛速度慢、精度较差等缺点，提出曲线自适应和模拟退火蝗虫优化算法。首先，引入曲线自适应代替蝗虫优化算法关键参数的线性自适应，提高了算法的全局搜索能力；其次，在此基础上引入模拟退火算法，对蝗虫算法的劣势解具有一定概率的接收，使算法具有跳出局部最优，实现全局最优的能力。自适应缩小模拟退火中蝗虫位置随机解的范围，有利于进一步提高蝗虫算法的开发能力。通过测试函数测试，实验结果表明，改进的新算法具有更好的求解质量和收敛速度。

• 改进狼群算法求解旅行商问题

  黄海松,任竹鹏,魏建安,

  为了找到一条最短路径，并克服传统算法在路径规划中不适合离散域求解以及收敛速度慢等问题，提出一种改进的狼群算法。通过在初始化阶段引入位置—次序编码的方法，研究了离散域的路径优化；同时在迭代过程中引入二次搜索来提高算法求解速度与精度，以实现在达到最大迭代次数前出现最优解。结果表明，改进的狼群算法相比已有的算法求解精度更高，收敛速度更快，更加有效地避免陷入局部最优。可见改进狼群算法可以很好地应用于求解最优路径规划问题。

• 基于混合策略改进的鲸鱼优化算法

  何庆,魏康园,徐钦帅,

  针对传统鲸鱼优化算法收敛速度慢、易陷入局部最优等问题，提出一种基于混合策略改进的鲸鱼优化算法。首先，引入非线性调整策略改进收敛因子，平衡算法的全局探索与局部开发能力并加快算法收敛速度；然后，将自适应权重系数引入鲸鱼位置更新式中，从而提高算法的寻优精度；最后，结合人工蜂群算法的limit阈值思想，使算法能够有效跳出局部最优，改善算法早熟收敛现象。通过对14个基准测试函数在不同维度上的仿真实验表明，改进算法具有较高的寻优精度和较快的收敛速度。

• 基于信息熵和时间趋势的音频关注区域提取算法研究

  刘宇,张聪,杭波,王松,赵涵捷,朱华东,

  音频信号某区域的关注情况受音频特征的影响，目前主要自下而上的关注区域提取算法大多将一维音频信号转至二维图像利用图像显著性算法进行分析，往往忽略了关注事件在时间维度上的持续性特征。针对此问题，基于音频信号的信息熵特征同时引入统计学时间趋势相关算法，通过对信号分帧求取信息熵值，再进行指数移动平均等计算得到关注度值，从而确定高关注区域。与当前的主流关注度提取算法进行对比，在很好检测到关注区域的起止点基础上，计算得到的关注度值整体更平滑，同时考虑了人耳听觉系统对某事件关注的持续性特点，通过对一段脱口秀节目音频进行实验，得到整体掌声笑声片段检出率为81.6%。

• 基于案例推理和启发式Q学习的资源分配算法

  徐琳,赵知劲,

  针对集中式认知网络的信道和功率分配问题，提出了一种基于案例推理和启发式Q学习算法。为了提高Q学习算法的收敛速度，将当前分配问题与存储的历史案例进行相似度匹配，选取最相似案例的Q值，归一化处理后作为启发式Q学习算法的初值。为了提高启发式Q学习的算法性能，引入一个基于信息强度的指导函数，通过强调动作的重要性来改变动作策略；设计的奖赏函数反映了认知系统的能量效率。仿真结果表明，该算法可以明显提高认知网络信道和功率分配的认知系统能量效率和收敛速度。

• 一种深度Q网络的改进算法

  夏宗涛,秦进,

  深度Q网络存在严重的过估计问题，导致智能体寻找最优策略的能力下降。为了缓解深度Q网络中存在的过估计问题，提出一个更正函数用于对深度Q网络中的评价函数进行改进，当选择的动作为最优动作时更正函数为1，不对当前状态—动作值进行修改，当选择的动作不是最优动作时更正函数小于1，缩小当前状态—动作值，从而使得最优状态—动作值与非最优状态—动作值的差异增大，减少过估计问题的影响。实验证明改进的算法在Playing Atari 2600视频游戏以及OpenAI Gym中取得了更好的性能。说明改进的算法比深度Q网络寻得了更优的策略。

• 单隐层神经网络输入权值的新算法

  刘金澎,田大钢,

  针对传统极端学习机输入权值与隐层阈值随机设定的问题，提出了输出值反向分配算法，其在传统极端学习机的基础上，通过优化方法得到最优输出值分配系数，并利用最小二乘法确定网络输入参数。将该算法应用到常用数据集进行实验，并与其他极端学习机改进算法进行比较，显示其具有良好的学习以及泛化能力，能够得到简单的网络结构，证明了算法的有效性。

• 采用半初始化和概率扰动策略改进的遗传算法

  郭晓金,郭彩杏,柏林江,

  针对遗传算法在函数寻优过程中收敛速度慢、易陷入局部最优解的问题，提出一种采用半初始化和概率扰动策略改进的遗传算法DIAGA。首先，通过引入概率扰动策略增加了算法迭代后期的种群多样性，采用半初始化从根本上改变了算法在全局最优解比较过程中的局限性；然后利用马尔可夫链理论证明了DIAGA的收敛性；最后，对六个标准测试函数进行仿真测试。仿真实验结果表明，DIAGA有效摆脱了局部收敛，在搜索精度、收敛速度上具有明显优势，就多维测试函数而言，寻优精度提高了约29%。

• 基于模体演化与社区一致性的时序链路预测方法

  刘书新,刘群,杜凡,

  针对动态有向网络中的时序链路预测问题，充分分析动态有向网络中微观结构三元组模体的演化规律，使用指数平滑法季节加法（Holter-Winter-Additive）时序分析方法预测三元组模体的转换概率，引入牛顿法寻求时序分析方法中的最优参数；同时考虑到节点的社区属性对链路预测产生的影响，定义模体内节点的社区结构一致性重要指标，对三元组模体的影响力进行评估。基于此，首先使用时间序列分析方法对模体的转换概率进行预测，进而结合模体社区结构一致性的指标提出一种新的链路预测方法。使用不同的方法在三个真实的有向网络中进行验证，实验结果显示该方法能够达到更好的链路预测效果。

• 动态选择策略的和声教与学混合算法

  黎延海,拓守恒,雍龙泉,

  为提高对多种不同类型问题的优化性能，提出了一种基于和声搜索和教与学优化的混合优化算法（HHSTL）。在不同的进化阶段，HHSTL算法依据种群活跃率及种群最优个体更新率动态地确定和声算法或教与学算法作为下一周期种群更新方式的比例，并在标准教与学算法中增加了“自学”策略来提高算法的全局寻优能力。对16个不同类型的Benchmark函数进行仿真，并与七种优秀算法进行结果比较及Wilcoxon秩和检验分析，结果表明HHSTL算法汲取了和声搜索和教与学优化算法的优点，具有求解精度高、稳定性好等特点，能够求解更多的较为复杂的优化问题。

• OSM/高德路网匹配融合技术在道路空间化中的应用

  王康,朱欣焰,呙维,盛光晓,

  “六合一”道路编码是交管业务中用来定位事故和违法的基础文本数据，缺乏空间位置信息，而已有的常用路网数据如高德路网，都是基于多车道路段表达的路网且现势性相对于OSM（OpenStreetMap）路网较低，难以满足交管业务的需求。针对上述问题，以高德路网作为基础、高现势性的OSM路网作补充，将轨迹聚类分析中的LCSS（longest common subsequence）算法应用在路网匹配过程中，并对匹配后的路网使用Stroke方法进行路网融合。实验结果表明，使用LCSS算法可以达到良好的路网匹配效果。最后基于此开发了一套路网匹配融合程序，并在武汉市交通管理局投入使用。

• 基于改进QPSO算法的电动汽车模糊控制器参数优化

  袁小平,金鹏,周国鹏,

  目前电动汽车常以无刷直流电机（BLDCM）作为驱动器，但BLDCM调速控制系统中模糊控制器的量化因子和比例因子采用传统方法，自调节能力弱。针对该问题提出一种改进QPSO算法（AMF-QPSO）实现对量化因子和比例因子的自适应调节。AMF-QPSO算法以收缩—扩张（contraction expansion，CE）系数控制方式为研究重点，提出粒子活性概念，并以其作为反馈量实现动态自适应调节CE系数； 同时，为防止种群高度聚集，采用精英群体随机交叉学习机制，对部分活性低的精英粒子进行扰动，增强种群后期多样性。最后，通过LabVIEW实验平台，以具体案例验证AMF-QPSO算法性能。实验结果表明，AMF-QPSO优化的模糊PID控制器具有比标准模糊PID控制器和QPSO优化的模糊PID控制器更好的控制性和自适应性。

• 基于多指标模糊综合评价的交通拥堵预测与评估

  晏雨婵,白璘,武奇生,叶珍,

  针对各交通时段对交通拥堵的不同影响、单因素无法准确表征交通拥堵状态的问题，提出了一种采用多指标模糊综合评价的交通拥堵评价预测方法。该方法利用粒子群算法优化支持向量回归机对道路平均速度和交通流量进行预测，得到三个因素指标平均速度v、交通流密度D、道路饱和度S的预测值。将三个因素指标输入到多指标模糊综合评价模型中，即首先建立交通拥堵状态的因素集和评价集，通过熵值法确定早高峰、晚高峰、其他时段下三个因素指标的权重系数，再通过梯形隶属度函数确定各指标在各时段的隶属度，最终将交通拥堵状态划分为六个级别。通过对美国PeMS数据库中I405高速路交通数据的预测评价实验，证明采用该方法预测的交通拥堵状态基本与实际状态吻合，具有较高的预测精度，正确率可达94.79%。

• 大数据下的分布式精确模糊KNN分类算法

  邹劲松,李芳,

  针对K近邻（KNN）方法处理大数据集的效率问题进行了研究，提出了一种基于Spark框架的分布式精确模糊KNN分类算法， 创新性地将Spark框架分布式map和reduce过程与模糊KNN结合。首先对不同分区中训练样本类别信息进行模糊化处理，得到类别隶属度，将训练集转换为添加类隶属度的模糊训练集；然后使用KNN算法对先前计算的类成员测试集计算得到k个最近邻；最后通过距离权重进行分类。针对百万级大数据集样本的实验，以及与其他算法的对比实验表明，所提算法是可行的和有效的。

• Spark框架下利用分布式NBC的大数据文本分类方法

  臧艳辉,赵雪章,席运江,

  针对现有面向大数据的计算框架在可扩展性机器学习研究中面临的挑战，提出了基于MapReduce和Apache Spark框架的分布式朴素贝叶斯文本分类方法。通过研究MapReduce和Apache Spark框架的适应性来探索朴素贝叶斯分类器（NBC），并研究了现有面向大数据的计算框架。首先，基于朴素贝叶斯文本分类模型将训练样本数据集分为m类；进一步在训练阶段中，将前一个MapReduce的输出作为后一个MapReduce的输入，采用四个MapReduce作业得出模型。该设计过程充分利用了MapReduce的并行优势，最后在分类器测试时取出最大值所属的类标签值。在Newgroups数据集进行实验，在所有五类新闻数据组上的分类都取得了99%以上的结果，并且均高于对比算法，证明了提出方法的准确性。

• 基于有向含权复杂网络的城市交通路网关键路段识别

  尹小庆,莫宇迪,林云,胡攀峰,汪浩,

  针对目前基于复杂网络识别城市交通路网关键路段缺乏考虑现实影响因素和路段方向性问题，提出了一种基于有向含权复杂网络的关键路段识别方法。第一阶段利用复杂网络理论将城市交通路网构建成有向含权复杂网络模型；第二阶段利用LinkRank算法对复杂网络中边进行重要度排序，以此识别关键边，即城市交通路网关键路段；第三阶段利用变异的易感—感染（susceptible-infective，SI）模型对关键路段进行影响评估。通过对浙江省海宁市城区的城市交通路网分析，验证了本方法的实用性和有效性。

• 云制造环境下基于双层规划的资源优化配置模型

  陈友玲,段克华,刘舰,王龙,

  为了解决云制造环境下制造资源的优化配置问题，综合考虑需求与服务双方以及云平台运营方的利益，提出了一种基于双层规划的资源优化配置模型。该模型以前景理论结合多约束多属性评价体系求解出的供需双方满意度作为上层规划的优化目标；以云平台资源利用率最大化为下层规划的优化目标；通过双层规划并采用改进的i-NSGA-Ⅱ-JG算法对多目标制造资源配置问题进行求解。最后，通过算例仿真实验证明了该模型的可行性和优越性。

• 改进引力搜索最小二乘支持向量机交通流预测

  徐钦帅,何庆,魏康园,

  为了提高基于最小二乘支持向量机的交通流预测模型的精度，提出一种新的改进引力搜索算法（TCK-AGSA）对其进行参数寻优。首先，基于tent映射改进Kbest函数，使算法具有跳出局部最优的机制；然后，引入全局最优引导策略，使粒子加速朝向最优解移动；接着，将进化度因子和聚合度因子引入速度更新权重系数，使算法具有较强的自适应能力。针对12个基准函数的仿真结果表明，TCK-AGSA的性能优于GSA及其改进算法。最后，建立基于TCK-AGSA寻优的最小二乘支持向量机模型，并选取2016年贵州省高速公路真实交通流数据进行预测实验，结果表明该模型具有更好的预测精度、鲁棒性和泛化能力。

• DAG分割模型下的云工作流调度策略

  薛凡,

  为了优化云工作流调度的经济代价和执行效率，提出一种基于有向无环图（DAG）分割的工作流调度算法PBWS。以工作流调度效率与代价同步优化为目标，算法将调度求解过程划分为三个阶段进行：工作流DAG结构分割、分割结构调整及资源分配。工作流DAG结构分割阶段在确保任务间执行顺序依赖的同时求解初始的任务分割图；分割结构调整阶段以降低执行跨度为目标，在不同分割间对任务进行重分配；资源分配阶段旨在选择代价最高效的任务与资源映射关系，确保资源的总空闲时间最小。利用五种科学工作流DAG模型对算法进行了仿真实验。结果表明，PBWS算法仅以较小的执行跨度为开销，极大降低了工作流执行代价，实现了调度效率与调度代价的同步优化，其综合性能是优于同类型算法的。

• 基于贝叶斯最小风险的癫痫脑电自动检测算法

  卫作臣,邹俊忠,张见,陈兰岚,

  提出一种新的不平衡分类算法，基于增减序列合并周期分割算法提取时域特征，引入随机映射优化了旋转森林的计算效率，进而计算基于海林格距离的贝叶斯最小风险来给出测试样本标签。该算法在1 s片段上得到了90.66%灵敏性，92.52%特异性，F2分数为0.905 5，并且检出了98.56%的癫痫发作，检测延迟为1.32 s，在不平衡的癫痫脑电数据集上表现出了良好的性能，对于癫痫辅助诊断有着极大的临床意义。

• 基于电子病历的实体识别和知识图谱构建的研究

  黄梦醒,李梦龙,韩惠蕊,

  针对中文电子病历中命名实体识别和实体关系抽取研究方法中存在的问题，提出了一种基于双向长短时记忆网络（bidirectional long short-term memory）与CRF（conditional random field）结合的实体识别和实体关系抽取方法。该方法首先使用词嵌入技术将文本转换为数值向量，作为神经网络BiLSTM的输入，再结合CRF链式结构进行序列标注，输出最大概率序列，并对识别结果知识图谱化。实验证明，该方法对中文电子病历进行实体识别和实体关系抽取时的准确率、召回率、F值有明显的提升。实验结果满足临床中系统应用需求，对帮助研究构建临床决策支持系统、个性化医疗推荐服务有引导作用。

• 融合softmax的偏最小二乘法及中药数据分析研究

  李欢,聂斌,杜建强,余日跃,周丽,黄强,

  偏最小二乘判别分析（partial least squares discriminant analysis，PLS-DA）是一种线性分类方法，不能充分表达数据之间的非线性关系，难以适应非线性数据的分类识别。针对该问题，结合softmax回归能够表达非线性特征，提出融合softmax回归的偏最小二乘判别分析算法（PLS-S-DA）。为了验证PLS-S-DA对非线性数据的有效性，以准确率、运行时间、查准率、查全率和F1-score为评价指标，采用四组UCI数据集和中药寒热药性数据集测试PLS-S-DA的性能，并与PLS-DA等五种分类算法对比。结果表明，对具有非线性特征的数据，PLS-S-DA相比于其他算法有更高的准确率，并对寒药和热药有更强的识别能力。

• 基于双向LSTM和GBDT的中医文本关系抽取模型

  罗计根,杜建强,聂斌,熊旺平,刘蕾,贺佳,

  为解决采用softmax作为长短期记忆网络分类器导致实体关系识别模型泛化能力不足，不能较好适用中医实体关系抽取等问题，提出一种融合梯度提升树的双向长短期记忆网络的关系识别算法（BILSTM-GBDT）。先采用word2vec对中医文本进行向量化表示，再利用基于注意力机制的双向长短期记忆网络提取高阶特征，最后采用集成分类模型梯度提升树作为特征分类器，提高关系识别效果。在中医等多个关系语料库上的实验结果表明，该模型与传统SVM方法、GBDT方法及其深度学习方法相比，均有更高的精确率、召回率和F值。

• 基于E-CNN和BLSTM-CRF的临床文本命名实体识别

  曹春萍,关鹏举,

  在生物医学临床病历文本的命名实体识别任务中，传统的解决方案由于对实体的边界划分不够精确，影响了部分复合实体的识别。通过研究复合实体的特性，提出一种集成的卷积神经网络（E-CNN）模型与双向长短期记忆网络（BLSTM）和条件随机场（CRF）结合的模型，通过对CNN中的卷积层设定不同卷积窗口的大小，来捕获多个词语之间更丰富的边界特征信息。然后将集成的特征信息传递给BLSTM模型进行训练，最后由CRF模型得到最终的序列标注。实验结果表明，该方法针对临床病历文本中的复合实体识别具有良好的效果。

• 基于Stackelberg博弈的车载云计算任务卸载优化

  郭剑岚,陈俞强,

  针对车辆计算资源闲置浪费的情况，整合车辆计算资源组建车载云计算（vehicular cloud computing，VCC）范式，从而提高车辆总体资源利用率，提升车载服务质量。从经济学的角度，研究车载云计算中请求车辆和协助车辆之间的计算任务卸载定价与定量的问题。针对此问题，首先设计动态组建车载云的安全通信协议；在此基础上，利用Stackelberg博弈建模计算任务卸载分配的问题，激励协助车辆主动参与任务计算；同时设计了一种简单有效的分布式迭代算法求解最终的Stackelberg均衡状态，最小化请求车辆的服务开销并兼顾最大化协助车辆的收益。通过实验仿真，验证所提方案的有效性和可靠性。

• 基于群智能算法的自动化码头协同调度研究

  仲美稣,杨勇生,周亚民,马泽宇,

  为了提高码头作业效率和服务水平，保障港口在激烈竞争中的生存和发展，研究自动化码头自动引导车、岸桥和自动化轨道吊的协同调度问题。根据边装边卸作业模式，建立混合整数规划模型，以完成船舶装卸时间最小化为目标，利用群智能算法中多种算法进行求解。通过数值实验证明了该模型的有效性，获得优化的调度方案，并对不同算法的性能进行比较。结果表明启发式的混合遗传粒子群算法能够在最短的时间内获得最优解，其在求解的质量和速度方面都表现得更为优秀，可以应用于码头的实际作业中。

• 基于改进NSGA-Ⅱ算法的微电网多目标优化研究

  张军,任豪,刘廷章,

  在解决微电网分布式电源多目标优化运行问题时，针对传统NSGA-Ⅱ算法在逼近性、运算效率等方面的局限性，考虑进化过程个体相似度的差异及算法陷入局部最优的可能性，提出了一种改进型的NSGA-Ⅱ算法。新算法引入信息熵机制改进算子，将交叉概率、变异概率分别近似为递减函数模型、柯西分布模型，通过算法性能测试证明了新算法有效性。以分布式电源接入IEEE30节点电力系统为例进行仿真实验，通过与传统NSGA-Ⅱ多目标优化算法对比，证明了改进型算法在提高收敛速度、改善优化指标方面的优越性。

• 新型教与同伴学习粒子群算法求解作业车间调度问题

  董君,叶春明,

  针对最小化最大完工时间的单目标作业车间调度问题，提出了新型教与同伴学习粒子群算法。通过教学阶段融合多邻域搜索，采用多样性变异策略以及同伴学习阶段采用混合学习策略三个方面的改进操作，扩大了种群的多样性，避免算法陷入局部最优，算法收敛速度和寻优性能有了显著提高。通过作业车间调度问题FT、LA系列测试实例的对比实验，验证了新型教与同伴学习粒子群算法是解决单目标作业车间调度问题的有效方法。

• 基于相关性分析的瓦斯灾害选择集成预测模型

  贾澎涛,吕巧林,

  针对瓦斯灾害危险性预测中预测性能低的问题，对一种基于矿井内瓦斯浓度与环境因素相关性分析的瓦斯灾害选择集成预测方法进行了研究。首先，分析实验数据中样本属性与瓦斯浓度的相关性，并根据相关性分析结果进行属性约简得到新的数据集；其次，训练基学习器并应用优化集成前序选择方法建立选择集成回归学习模型；最后，将模型应用于瓦斯灾害预测。实验结果表明，基于相关性分析的选择集成回归学习模型对瓦斯灾害危险性的识别率比未进行相关性分析的四个基学习器平均提高了24%，比未进行相关性分析的选择集成回归学习模型提高了7.6%。

• 集成本体和BN的跑道侵入态势评估方法

  王洁宁,庾睿,

  为预测机场场面运行安全态势，提出一种本体和贝叶斯网络（BN）集成建模方法来评估跑道侵入严重度值，并进行最优风险把控措施决策。首先，基于威胁与差错管理（threat and error management，TEM）模型构建跑道侵入态势评估领域本体并完成BN转换；然后，利用融合本体语义信息的BN模型学习历史数据，提出跑道侵入事故征候严重度值评价指标；最后，分析实际案例并进行最优风险把控决策。结果表明，跑道侵入态势评估系统能够有效地描述事故征候的形成进而演化为跑道侵入事故的动态过程，并为最优风险控制决策提供客观依据。

• 基于差分的动态加权SVDD在多模态过程故障检测中的应用

  谢彦红,刘文静,李元,

  传统SVDD作为一种单模态静态故障检测算法，对多模态动态过程故障的检测难以保证其检测的准确性和实时性。为了解决这一问题，提出一种基于近邻差分加权动态SVDD检测方法（NND-DWSVDD）。首先利用NND剔除数据多模态结构，保证过程数据服从单峰分布；对差分处理后的数据引入动态方法并加入权值将有用的信息凸显出来；最后利用SVDD方法建立监测模型实现在线监测。NND-DWSVDD提高了多模态动态过程故障检测率，对于多模态动态过程故障检测，NND-DWSVDD不要求多模型建模，只需单独的一个模型，符合单模态故障检测要求。通过多模态数值例子和半导体生产过程数据对该方法的有效性进行了验证。

• 基于I-PSO算法和Simulink的湿式离合器优化设计

  钱煜,程准,陈兵兵,鲁植雄,

  为提高湿式离合器的轻便性和可靠性，提出了一种I-PSO算法与MATLAB/Simulink相结合的湿式离合器优化设计新方法。对湿式离合器进行动力学分析，并基于MATLAB/Simulink搭建湿式离合器动力传递的仿真模型。引入模拟退火算法中对粒子进行扰动的思想对改进的粒子群算法再度进行改进，并基于某测试函数验证了算法改进的效果，选择离合器的滑磨功与体积为优化目标。最终联合改进粒子群算法与MATLAB/Simulink中建立的湿式离合器仿真模型对某具体型号湿式离合器进行多目标优化设计。结果表明，改进后的粒子群算法在寻优的速率和精度上有一定效果；优化后的湿式离合器与原设计相比，总目标函数缩小约40.12%，滑磨功减小了约61.8%，优化效果明显。

• 基于ABB机器人的遥操作控制系统设计

  贺文人,刘霞,

  工业机器人传统的编程与控制方式受距离空间限制，不便对机器人进行远程控制、控制不灵活。针对工业机器人的远程控制进行了研究，设计了基于ABB工业机器人的遥操作控制系统。在本地上位机上设计操作者界面，实现本地和远程程序的变量同步，以TCP/IP协议与ABB机器人控制柜通信，直接通过以太网对远程端的机器人进行控制和管理。在仿真和实验中，通过分析机器人对上位机给定轨迹的跟踪效果验证了系统的有效性。仿真和实验结果表明该系统能对远程ABB机器人进行有效的控制，可以让机器人代替人在恶劣的工作环境中作业，并提高工业生产效率。

• 改进滑模模型参考自适应的PMSM无传感控制

  陈威,董秀成,周单,冯禹铭,

  针对MRAS（模型参考自适应）观测器对PMSM（永磁同步电机）参数变化和外部干扰敏感的缺点，设计了一种用于PMSM无传感控制的软开关滑模模型参考自适应观测器。该观测器将滑模控制与MRAS相结合，并构造了边界层可变的正弦饱和函数，以抑制由于滑模控制引起的系统抖动，增强系统鲁棒性。同时引入sigmoid函数，以提高滑模软切换速度控制器的稳定性。实验仿真结果表明，软开关滑模模型参考自适应控制不仅可以实现边界层内的快速收敛、弱化抖动，而且跟踪能力强。

• 具有时变时延的网络化LPV系统的容错控制

  黄可望,陈冬杰,潘丰,

  针对一类具有时变时延以及Lipschitz非线性项的网络化线性参数变化系统，研究了系统中存在外部扰动、执行器和传感器同时发生随机故障时的容错控制问题。用Bernoulli分布序列描述执行器和传感器发生的随机故障，利用自由权矩阵方法处理时变时延。根据Lyapunov-Krasovskii稳定性定理和线性矩阵不等式（LMI）方法求出H∞容错控制器存在的充分条件，然后通过利用近似基函数和网格化技术将无限维的LMI求解问题转换为有限维的LMI问题，得到了相应的容错控制器增益。最后，通过数值仿真验证了所设计方法的有效性。

• ZUC-256算法的快速软件实现

  李建鹏,张艳硕,董秀则,史国振,

  ZUC-256算法在ZUC算法的基础上，其初始化阶段、消息认证码生成阶段均采用了新的设计方法，进一步提升了算法的安全性。为了探讨ZUC-256算法的快速软件实现优化方法，首先介绍了该算法的总体结构和工作流程，参考原算法草案，通过软件编程实现了该算法的基本功能。在此基础上，结合软件编程函数中数组形参的传递执行过程和算法自身的计算特点，分析了影响其软件代码执行效率的因素，并对之前所编写的基本功能实现代码作出了改进。经过实际编程测试，分别验证了两种优化方法的有效性。总体而言，在两种不同的软件运行参考机环境下，结合两种优化方案的优化代码执行效率较基本功能实现代码分别提升了8%~9%、18%~36%，对于ZUC-256密码算法今后的软件工程使用具有实际性意义。

• MC-OLA：基于马尔可夫链的多表连接在线聚集技术

  史英杰,杜方,

  多表连接查询是大数据分析领域重要的查询类型之一，然而连接查询的实现代价很高，从而影响了大数据分析结果的时效性。在线聚集能够在查询完成前反馈具有统计意义的估计结果具有重要的意义。目前已有的多表连接在线聚集算法从各表进行统一随机采样，导致连接结果的产出率低，并且导致分组连接查询的估计准确率低。针对这一问题，提出了基于马尔可夫链的多表连接在线聚集技术，将多表连接的实现过程转换为马尔可夫链上的随机游走过程，确定好连接顺序后在游走起始层创建分层样本，并设计了相应的采样策略及结果估计方法。将所提出技术在在线化Hadoop平台上实现，实验结果证明所提出方案的响应时间优于已有算法，并且具有良好的扩展性。

• 基于行键的HBase大数据文件存储转换与快速检索研究

  圣文顺,徐爱萍,

  针对传统关系型数据库很难满足数据的快速存储与检索的问题，研究了基于数据文件字段映射表、文件对象字段、HBase列映射表和存储转换执行方案映射表解决文件对象的异构性和存储转换的通用性问题。提出了自定义RowKey行键的规则与生成算法，给出了基于映射表与行键的数据转换与存储流程及算法；最后基于行键前缀匹配或关键字匹配方式实现了不同需求的数据快速访问与检索，且具有较强的通用性。

• 基于CMFS-MIC特征选择的跳频电台个体识别方法

  杨银松,郭英,李红光,眭萍,于欣永,

  针对跳频电台细微特征集中存在冗余特征等导致电台识别时存在计算量大、识别准确率低等问题，提出了一种基于CMFS-MIC特征选择的跳频电台个体识别方法。首先计算采集到的各个跳频电台信号样本的细微特征集，然后采用关联信息熵度量特征子集的组合效应，兼顾考虑特征间的关联关系和冗余关系对各个特征进行降序排序。在此基础上，采用最大信息系数度量的近似马尔可夫毯方法删除冗余特征，实现对特征子集进行优化和降维。最后，设计了投票组合分类器实现对四部跳频电台信号的识别。仿真结果表明，本文算法具有更高的分选识别率。

• 基于DAE+CNN辐射源信号识别算法

  叶文强,俞志富,张奎,

  针对利用卷积神经网络进行辐射源信号识别过程中时间复杂度高的问题进行研究，提出一种基于降噪自编码器和卷积神经网络结合的算法。首先对雷达辐射源信号进行短时傅里叶变换，获取时频图像；然后对图像进行灰度和阈值二值化处理，将处理后的图像向量化操作输入到降噪自编码器中，提取降噪自编码器隐藏层特征数据完成降维处理，再重构成图片矩阵输入到卷积神经网络中，利用常用的softmax分类器进行分类识别。通过仿真表明，添加降噪自编码器降维处理后的模型相比原模型，时间复杂度大幅度下降；在SNR=-6 dB时，识别效果能达到80%以上；与利用传统降维方式性能相比，识别效果明显提高。

• 无线Mesh网中QoS流量均衡策略研究

  周创明,于明秋,邢瑞康,

  由于现有的无线Mesh网路由研究多寻求当前时刻的最优路径，缺少流量均衡机制，影响了网络资源的使用效益。针对这一问题，提出基于QoS的流量均衡策略。通过研究蚁群算法，重新定义启发信息和信息素更新规则，将节点和链路负载加入到路径选择的权衡因素中；同时，考虑到Mesh节点到骨干网的通信，提出针对网关节点的流量均衡机制。改进算法以业务QoS要求作为约束条件，使路径规划倾向于负载度低的链路和节点，为后续业务的路由选择提供良好的网络环境。实验结果表明，随着数据量的增多，该算法始终可以保证业务QoS，实现了严格的QoS约束，并且能有效提高链路利用率，在路由质量方面优于中心节点法和改进信息素法。

• 机会中继协同通信系统在Nakagami-m衰落信道中的折中性能分析及系统优化

  彭磊,臧国珍,高媛媛,沙楠,蒋炫佑,

  针对外部窃听者对多中继协同通信系统中信息传输带来的安全威胁，提出一种由中继节点在转发信息的同时发送人工干扰信号的协同安全传输方案，并对该方案在Nakagami-m衰落信道中的安全性能进行了分析，推导出用于评估机会中继系统可靠性的中断概率和安全性截获概率的闭式表达式，并在此基础上从可靠性和安全性两方面对系统的折中性能进行了讨论。通过仿真，验证了推导的正确性，明确了中继个数对系统折中性能的影响。最后，为进一步提高系统折中性能，讨论了系统中人工干扰信号与通信信号间的功率分配问题，并通过仿真得到了能使系统折中性能达到最优的功率分配因子。

• 改进迭代限幅滤波TDCS峰均比抑制算法

  李夏昭,任清华,孟庆微,

  针对现有变换域通信系统存在较高峰均比及传统迭代限幅滤波算法峰均比收敛缓慢的问题，提出了改进迭代限幅滤波变换域通信信号峰均比抑制算法。该算法通过引入限幅噪声，对其进行滤波，减少峰均比回升的同时有效消除带外频谱扩散，并在迭代过程中获得更好的峰均比抑制效果。仿真结果表明，该算法一方面能获得更好的峰均比抑制效果，一次迭代较传统算法获得约1 dB的性能增益，三次迭代效果优于传统算法四次迭代；另一方面改善带外频谱性能，加入滤波后降低带外频谱功率约5 dB。误码率的对比结果表明，改进算法所损失的系统传输性能非常低。

• 一种基于备份代价重要度的虚拟网络功能备份方法

  王琛,汤红波,游伟,牛犇,

  为了保证网络服务的可靠性，降低备份资源成本开销，首先在初始映射视图中计算每个虚拟网络功能的备份代价重要度，每次迭代选择具有最大和次大备份代价重要度的虚拟网络功能进行联合备份，通过相应的选择和更新模型最终得到最优的备份策略。最后，将该方法与其他三种方法进行对比实验，所提算法在备份成本开销、占用的物理节点数量、服务请求接受数量和备份资源利用率上具有良好的性能。

• 基于PF-LSTM网络的高效网络流量预测方法

  李校林,吴腾,

  传统网络流量预测模型存在泛化能力弱和预测准确度低等缺点。为解决此问题，提出一种基于长短期记忆（LSTM）循环神经网络的网络流量预测模型。首先，用距离比较和优化组合策略改进粒子滤波算法（PF）的重采样过程；然后搭建PF-LSTM网络的网络流量预测模型，将改进的PF算法用于模型训练，提高其训练速率，克服传统LSTM网络中收敛于局部最优的缺点；最后将提出的模型用于网络流量预测。实验结果表明，相比传统的LSTM模型，提出的PF-LSTM模型具有较好的预测精度和收敛效率，能够更好地描述网络流量的变化趋势。

• 基于蚁群算法的SDN数据中心网络大象流调度研究

  李宏慧,杨光,路海亮,付学良,申志军,

  针对传统方法调度大象流时容易造成数据中心网络拥塞和负载不均衡等问题，提出一种基于蚁群算法的SDN（software defined network）数据中心网络流量调度算法ACO-SDN。对大象流调度问题建立整型线性规划ILP（integral linear programing）模型，优化目标为最小化最大链路利用率。通过重定义蚁群算法的参数和操作求解ILP模型，得到大象流重路由的最优路径。实验结果表明，与ECMP（equal-cost multi-path routing）和GFF（global first fit）流量调度算法相比，ACO-SDN算法降低了网络最大链路利用率，有效地提高了网络对分带宽。

• 面向少样本网状结构体的候选区域自适应检测方法

  牟磊,陈黎,

  在仅有少量标签数据的图像网状结构检测任务中，需要大量训练数据的目标检测模型，检测性能大幅下降。基于区域候选的目标检测模型在预测时，检测目标越多，检测时间越长。若基于区域候选的目标检测模型产生候选框的数量固定不变，而不同图像中网状结构目标数量不同，造成目标检测中额外的时间消耗。针对该问题，通过对训练样本中网状结构目标在图片中的密度分析以及根据网状结构体在图片中的特征分布，提出一种面向少样本网状结构体的候选区域自适应检测方法。该方法通过基于二值标签图标注方法得到大量训练样本，由候选区域自适应方法选取合理的候选框数量。与未改进的模型相比，在几乎不损失准确率的情况下，其加快了检测速度，尤其在目标数量稀少的数据中优势更为明显。

• 融合宽残差和长短时记忆网络的动态手势识别研究

  梁智杰,廖盛斌,

  针对现有的动态手势识别方法对长时间序列的时空特征难以精确匹配的问题，提出了一种基于宽残差和双向长短时记忆网络的时空特征一致手势识别方法。首先使用已经训练好的3D卷积神经网络从视频的空间和时间维度同步提取出短时特征，再经双向空间长短时记忆网络同步解析后形成长时空特征连接单元，并作为残差网络的输入。为了验证算法的有效性，使用Kinect传感器构建了一个全新的多模式手势数据集，在三个手势识别公开数据集SLVM、Montalbano和SKIG上的实验表明，提出的方法有很好的性能表现，识别精度超越了目前已公开的最佳识别率。

• 一种用户偏好的美学图像推荐方法

  许永波,苏士美,樊隆庆,

  在众多的图像信息资源中快速、有效地寻找用户最喜欢的图像，提出了一种用户偏好的美学图像推荐方法，通过使用深度卷积神经网络提取图像的深层特征，并经过SVMrank后得到一个图像排序得分，同时使用手工标记的图像美学因素（如色调法、图像组合规则、清晰度以及简洁性）计算并得到图像的美学特征，得到一个美学得分，最后进行加权交叉验证得到一个令用户满意的推荐结果。通过实验表明该算法为一种有效的美学偏好推荐方法。

• 基于CNN和LSTM混合模型的人体跌倒行为研究

  厍向阳,苏学威,

  目前深度学习模型不能较好地把监控视频中跌倒行为的空间和时序特征有效结合起来。为此，提出基于CNN（convolutional neural network）和LSTM（long-short term memory）混合模型的人体跌倒行为识别方法。该模型采用两层结构，将视频以每5帧为一组输入到网络中，CNN提取视频序列的空间特征，LSTM提取视频时间维度上的特征，最后使用softmax分类器进行识别。实验表明，该方法可以有效提高跌倒识别的准确率。

• 融合视频亮度优化的目标相关滤波跟踪方法

  李垣江,谢娟,黄振华,叶维杨,

  针对相关滤波器在目标跟踪过程中因亮度变化导致输出失效的问题，提出了一种基于视频亮度优化的相关滤波跟踪方法。该方法采用变异及种群多样化策略，提升了粒子群算法的全局寻优能力。通过建立视频序列平均亮度与相关滤波器输出结果方差之间的映射关系，获得不同亮度条件下相关滤波器输出方差的最佳表达；同时，通过计算相邻搜索框之间的相似度来确定相关滤波器模板的更新速度，减少了跟踪失效的概率和计算量。实验证明，优化后的跟踪框架在不同亮度和背景条件下具有更强的目标适应性和鲁棒性。

• 自适应尺度特征融合与模型更新的跟踪算法

  王日宏,李永珺,张立锋,

  在核相关滤波器跟踪算法中，为了减少背景相似物等杂波对跟踪器的干扰，以及解决不同跟踪结果置信度下的模型更新问题，提出了自适应尺度特征融合与模型更新的跟踪算法。通过多特征融合和尺度变化策略改进了多特征的尺度核相关滤波器，使用多峰检测对响应图的整体振荡程度进行判断，再对峰值进行跟踪结果置信度评估；在遮挡、形变等跟踪结果置信度低的情况下及时停止模型更新，在高置信度模型更新时，引入初始模型进行对齐操作，减少模型的更新误差，抑制模型漂移。比较核相关滤波器算法，本算法准确度较高，且在目标尺度变化、遮挡和形变时稳定性更好。在OTB-50数据集上的实验结果表明，该算法在精度和成功率上都比核相关滤波器算法表现更优。

• 基于熵和运动偏移量的野生动物遮挡检测方法

  王越,陈建促,朱小飞,何源,

  针对野生动物实时目标检测过程中因遮挡导致的目标检测准确率降低的问题，考虑到视频特有的时间序列关系，提出了一种基于熵和运动偏移量的野生动物遮挡检测方法。该方法通过YOLOv3模型对目标进行特征提取，根据位置偏移量与视频序列中最低信息熵对应的图像，获取待检测遮挡目标的检测位置与类别。实验结果表明，结合YOLOv3、信息熵、时间序列关系以及位置偏移量的实时目标检测方法能够很好地解决野生动物遮挡的检测问题，提升了实时目标检测的稳定性与准确率。

• 一种在激光雷达无回波区域的地图构建算法

  张国强,韩军,陈方杰,王祖武,成坚炼,

  在许多场景下，激光雷达测量范围内存在着无回波区域，导致机器人无法构建完整的地图，降低了建图的效率，同时也为导航造成了不便。为了弥补激光SLAM完全依靠激光回波数据建图的不足，对有回波区域的激光信息进行聚类和信息类的端点特征提取确定无回波区域，通过更新该区域的栅格占用概率来构建完整的地图。借助机器人操作系统（robot operating system，ROS）进行实际测试，实验表明算法能够精确地完成无回波区域的建图任务，在构建局部楼道地图（10 m×2.5 m）时可节约建图时间183.6 s，增加建图面积56.7%，建图误差低于1.2%。

• 基于深度学习的异噪声下手写汉字识别的研究

  任晓文,王涛,李健宇,赵祥宁,郭一娜,

  针对手写汉字字符图像识别率受随机噪声影响的问题，提出了一种基于深度学习与抑制噪声相结合的新算法。该算法主要应用于拥有随机噪声的手写汉字字符图片，是其在Python环境下，利用Caffe平台建立抑制噪声与卷积神经网络相结合的模型，通过模型移除噪声并正确识别手写汉字。另外，新算法去除噪声的同时对字符形态没有改变，保留了汉字的原始信息。结果在其两种不同的噪声（高斯噪声和椒盐噪声）下，逐渐提升其噪声强度，进行多次实验，同时与其他方法对比，最终得到其平均识别率为97.05%。实验结果表明，该模型和算法具有效率快、识别能力强的优点。

• 一种模板匹配与高适应性的裂缝骨架提取算法

  瞿中,徐芳琳,安世全,

  在对裂缝图像骨架进行提取时，已有的算法通常存在细化后骨架主体信息缺失、毛刺去除效果随图像规模增大而快速下降等问题。针对上述问题，该算法提出一种模板匹配与高适应性的裂缝骨架提取算法。首先，结合模板匹配对Rosenfeld细化算法进行改进，以保留骨架主体结构；然后提出一种高适应性毛刺去除算法，以分支像素点数量与细化后骨架图像目标像素点数量之比作为判断标准，可以高效适应不同目标像素点密度和规模的裂缝图像。实验结果表明，该算法能够有效实现单一像素宽度骨架并尽可能去除骨架毛刺，有一定的可行性及优越性。

• 基于最大似然估计准则的特征匹配点提纯算法

  史素霞,杨会君,杨茜,张建锋,

  图像特征匹配的准确度直接影响着图像分析与处理的效率与性能，所以要对图像的特征匹配点进行提纯和过滤。首先使用SIFT算法从图像中提取显著特征，建立粗略的匹配关系，利用最近邻比策略初始化特征匹配点的匹配概率，然后基于混合模型的最大似然估计采用EM算法建立匹配点之间的空间转换模型。EM迭代收敛之后，通过其对应关系过滤掉错误的匹配点。实验数据表明，本方法提纯的平均精度可以达到96.8%，平均召回率为81.6%，平均时间消耗为3.1 s。采用该方法提取到的正确匹配点数高于其他算法，同时对包括大视角差、光线变化和仿射变换等大多数变换具有鲁棒性。

• 基于深度置信网络的实木板材缺陷及纹理识别研究

  胡忠康,刘英,周晓林,赵乾,沈鹭翔,

  针对在现代木材加工企业中，实木板材以缺陷及纹理为主要品质分级要素的需求，提出利用基于局部二值模式、自学习的深度置信网络与softmax分类器组合的深度学习算法，实现对实木板材缺陷及纹理的分类。首先提取实木板材的缺陷及纹理特征，在此基础上利用深度置信网络对经过局部二值化处理的特征进行训练学习，并采用可自学习的学习率算法优化收敛速度、减少训练时间，最后使用softmax分类器获取常见缺陷及直纹、花纹的分类结果。通过与BP神经网络、支持向量机、极限学习机等几种经典算法的比较，采用深度置信网络得到的实木板材缺陷及纹理识别的误差率在3.59%左右，在实木板材缺陷和纹理上取得了更好的识别效果。