计算机应用研究杂志

计算机应用研究杂志2019年第2期

• 镜像上肢康复机器人研究

  陈书立,张景景,陈海洋,朱西昆,韩昕哲,刘豪杰,刘艳红,逯鹏,

  近80%的脑卒中存活者会发生肢体残疾，其中以上肢问题影响更为剧烈。康复医学与机器人学、生物医学、人工智能等学科高度交叉的镜像康复机器人，是解决患者康复训练问题的前沿技术途径。针对基于镜像机理形成的康复机器人，研究分析了镜像上肢康复机器人的现状以及其中关键技术路线、核心实现方式，阐述了主要功能与技术特点。在此基础上，分析了在研究中存在的瓶颈问题，并提出相应的解决策略，以期为今后的镜像机器人研究提供方向。

• 物联网中大规模RFID标签盘存方法研究

  陈毅红,王锦,贺春林,何嘉林,

  面向物联网应用，对大规模RFID标签盘存方法进行分析研究。首先介绍RFID系统基本原理，特别是大规模RFID标签盘存方法，分析标签盘存中所包括的移动标签识别、丢失标签监测和未识别标签监测问题；然后从现实信道环境角度考虑，着重综述标签盘存方法研究现状，包括对移动标签识别方法、丢失标签监测方法、未识别标签监测方法进行对比分析，并指出本领域存在的主要问题及未来研究给出建议。

• 基于概率软逻辑的多层次识别和推理

  张嘉,张晖,杨春明,赵旭剑,李波,

  随着全球老龄化人口增长，老年人的日常行为监管和护理也成为极具挑战性的社会问题。为了应对这种不断增长的社会需求，提出了一种由数据和知识共同驱动、使用概率软逻辑（probabilistic soft logic）和多层次分析对老年人的日常活动进行建模的方法，来解决老年人护理中的活动识别问题。实验表明，该方法在活动识别和异常活动检测上比隐马尔可夫模型能产生更高的精度，并且比非层次识别方法具有更快的响应速度。

• 基于深度学习的判决结果倾向性分析

  王业沛,宋梦姣,王譞,赵志宏,

  判决结果的倾向性分析对于裁判文书的规范化、推荐诉讼律师等后续工作有着重大的意义，但是缺少有效的分析模型。为了充分利用海量数据的裁判文书，提出了一个判决结果倾向性分析的模型。从半结构化的裁判文书中抽取出关键特征，利用模糊匹配的方式对判决结果中的多重实体进行识别和清洗，将处理结果交由基于LSTM的深度学习神经网络进行倾向性判断。通过对三种案由的数据集进行实验，该模型的准确率最高可达98.3%，验证了该模型在判决结果的倾向性分析任务中具有很高的有效性。

• 基于随机子空间的多标签类属特征提取算法

  张晶,李裕,李培培,

  目前多标签学习已广泛应用到很多场景中。在此类学习问题中，一个样本往往可以同时拥有多个类别标签。因为类别标签可能带有的特有属性（即类属属性）将更有助于标签分类，所以已经出现了一些基于类属属性的多标签学习算法。针对类属属性构造会导致属性空间存在冗余的问题，提出了一种多标签类属特征提取算法LIFT_RSM。该算法基于类属属性空间通过综合利用随机子空间模型及成对约束降维思想提取有效的特征信息，以达到提升分类性能的目的。在多个数据集上的实验结果表明，与若干经典的多标签算法相比，提出的LIFT_RSM算法能得到更好的分类效果。

• 改进遗传算法优化BP神经网络的语音情感识别

  陈闯,RyadChellali,邢尹,

  为了更为有效地识别语音信号中的情感类型，提出一种改进遗传算法优化BP神经网络的识别算法（IAGA-BP）。该算法一方面改进了自适应遗传算法中的选择算子，另一方面更改了自适应遗传算法中的交叉和变异概率公式。通过对自适应遗传算法的改进，提升了遗传算法的寻优性能，并以此对BP神经网络初始的权阈值进行优化。实验结果表明，在与BP、GA-BP和AGA-BP网络的比较中，IAGA-BP网络能够有效提高语音情感识别率，并加快了网路收敛速度。

• 基于深度学习的ADHD儿童和正常儿童脑电信号分类研究

  田博帆,严瀚莹,王苏弘,邹凌,

  针对注意缺陷多动障碍（attention deficit hyperactivity disorder，ADHD）儿童和正常儿童的分类问题，实验采用经典干扰控制任务范式对两类儿童的事件相关电位（event-related potential，ERP）进行了研究，旨在通过ERP特征实现其分类。实验首次使用长短期记忆（long-short term memory，LSTM）方法分析两类儿童前额叶与顶枕叶脑区最佳电极（p<0.05）潜伏期（200~450 ms）的脑电信号，并自动学习和分类其ERP特征。相比常规分类方法，LSTM方法的分类率略高，可达95.78%。研究结果表明LSTM方法有助于ADHD儿童脑电信号的分类，为ADHD儿童个体诊断技术提供了一种新思路。

• 基于B-list的最大频繁项集挖掘算法

  张昌,文凯,郑云俊,

  针对现有的最大频繁项集挖掘算法挖掘时间过长、内存消耗较大的问题，提出了一种基于构造链表B-list的最大频繁项集挖掘算法BMFI。该算法利用B-list数据结构来挖掘频繁项集，并采用全序搜索树作为搜索空间，然后采用父等价剪枝技术来缩小搜索空间；最后再结合基于MFI-tree的投影策略实现超集检测来提高算法的效率。实验结果表明，BMFI算法在时间效率与空间效率方面均优于FPMAX与MFIN算法。该算法在稠密数据集与稀疏数据集中进行最大频繁项集挖掘时均有良好的效果。

• 图优化的低秩双随机分解聚类

  张涛,胡恩良,余景丽,

  低秩双随机矩阵分解聚类（low-rank doubly stochastic matrix decomposition for cluster analysis，DCD）通过最小化KL（Kullback-Leibler）散度准则：KL（A，S），从图关联矩阵S中获得一个非负低秩双随机矩阵分解：A=UUT（U≥0），并以U作为类标签矩阵进行聚类。在DCD方法中，因矩阵S是固定不可变的，故S初始取值选取的好坏对聚类结果有极大影响，这导致了它缺乏稳定性。针对这一问题，提出了一种基于图优化的DCD方法，将图关联矩阵S和DCD的优化集成在统一框架中，这改进和拓展了原始的DCD方法。实验结果表明，与DCD方法相比，图优化的DCD方法具有更好的聚类精确度和稳定性。

• 用户兴趣变化和类别关联度的混合推荐算法

  陈海龙,谢晟,薛宇彤,

  协同过滤算法是目前推荐系统中最普遍的个性化推荐技术。针对传统算法相似性度量方法不足的问题，提出了融合用户兴趣变化和类别关联度的混合推荐算法。算法根据用户的评分项目信息来对项目进行类别划分，挖掘出用户对不同类别项目的喜爱关注程度；同时将基于时间的兴趣度权重函数引入项目相似度计算之中来进一步提高计算的精确度；最后将改进后的相似度计算方法融入到用户聚类方法中，用户聚类之后，其所在的类别将对用户推荐准确度产生极大的作用。实验结果表明，在MovieLens-1k数据集上运行该算法，在运行效率和精确度上都有所提高。

• 基于二分搜索密度峰算法的RBFNN在月降水预报中的应用

  蒋林利,吴建生,丁立新,

  针对径向基函数（RBF）网络结构和初始数据中心难以客观确定的不足，采用二分搜索密度峰聚类算法（TSDPCA）找到数据中心值及数据簇类个数作为RBF神经网络的初始参数和隐藏层节点数，再利用梯度下降法优化RBFNN结构及各个参数建立预报模型，并应用于广西月降水预报中，以检验该模型的有效性。结果表明，与K-RBFNN和OLS-RBFNN的模型相比，TSDPCA-RBFNN预报平均相对误差值下降了10%~35%，具有更好的预报性能。

• 基于动态加权PPI网络的关键蛋白质识别算法

  杨书新,鲁纪华,汤达荣,

  与静态PPI网络相比，动态PPI网络更能体现蛋白质之间相互作用的真实情况，并有效降低PPI网络中的假阴性。现有的关键蛋白质预测方法主要应用在静态PPI网络，忽视了PPI网络的动态特性。为有效预测关键蛋白质，利用基因表达数据提取蛋白质的动态信息，再结合静态PPI网络构建动态PPI网络，然后引入GO术语对网络加权，并基于动态加权PPI网络提出一种新的预测方法——DWE。该方法以蛋白质在动态网络中的动态加权边之和与蛋白质在动态网络中出现的次数的比值衡量蛋白质在网络中的关键性。实验结果表明动态加权PPI网络有助于提高关键蛋白质的预测精度，且DWE方法优于其他几种关键蛋白质预测方法。

• 基于预读及简单注意力机制的句子压缩方法

  鹿忠磊,刘文芬,周艳芳,胡学先,王彬宇,

  针对英文句子压缩方法进行研究，提出一种基于预读及简单注意力机制的压缩方法。在编码器—解码器（encoder-decoder）框架下，以循环门单元（gated recurrent unit，GRU）神经网络模型为基础，在编码阶段对原句语义进行两次建模。首次建模结果作为全局信息，加强二次语义建模，得到更全面准确的语义编码向量。解码阶段充分考虑删除式句子压缩的特殊性，适用简单注意力（3t-attention）机制，将编码向量中与当前解码时刻最相关的语义部分输入到解码器中，提高预测效率及准确率。在谷歌新闻句子压缩数据集上的实验结果表明，所提压缩方法优于已有公开结果。因此，预读及简单注意力机制可有效提高英文句子压缩精度。

• 异构环境下的多子阵合成孔径声呐距离多普勒成像算法

  钟何平,唐劲松,黄攀,

  为解决多子阵合成孔径声呐成像效率低的问题，提出了一种异构环境下的多子阵合成孔径声呐快速成像方法。根据多子阵合成孔径声呐距离多普勒成像算法特点以及CPU和GPU各自计算特点，通过将算法中距离向脉冲压缩、固定相位补偿、距离徙动校正和方位向脉冲压缩密集型运算采用GPU计算，极大提高了多子阵合成孔径声呐成像效率。最后通过实测数据的成像实验对所提算法的正确性和高效性进行了验证，与串行计算方法相比加速比高达14.45。

• 动态分级的改良蚂蚁算法及其应用研究

  陈佳,游晓明,刘升,李娟,

  针对蚂蚁算法处理机器人路径规划问题时收敛速度慢、协同机制不够完善的问题，结合狼群算法思想提出一种动态分级的改良蚂蚁算法。首先，根据动态分级算子建立种群分级模型；然后，为了改善协同机制，通过结合轮盘赌的头狼影响策略来增加种群间交流；最后，为了提高收敛速度，在保留蚂蚁算法信息素更新公式的同时，通过采取归一化处理的动态信息素更新策略来体现精英作用。为验证效果，采用栅格法对机器人运动空间进行建模，将该算法运用于路径规划问题求解中，并与另外几种智能算法进行比较。仿真结果表明，该算法的收敛速度较快，能以较少的迭代次数找到最优路径，效率较高。

• 结合基因遗传和贪婪搜索的布谷鸟社区检测算法

  王小刚,闫光辉,周宁,

  为了提高复杂网络社区结构挖掘的精度，结合基因遗传和贪婪搜索提出一种面向模块度优化的布谷鸟社区检测算法（GGCSCA）。布谷鸟种群在有序邻居表上逐维随机游走，并采用优质基因遗传策略，使得种群高效优化，同时应用局部模块度增量最大化的贪婪偏好搜索算法快速提升种群质量，以取得好的社区划分结果。GGCSCA在基准网络和经典网络上进行了实验，并与一些典型算法进行对比，结果说明了本社区发现算法的有效性、准确性和快速收敛性，具有较强的社区识别能力，能够精细地检测出网络社区结构。

• 约束条件下BN参数最大熵模型扩展学习算法

  郭文强,李然,侯勇严,高文强,

  在很多智能系统的参数建模时，用户往往面对建模样本稀少的困境。针对在小数据集条件下贝叶斯网络（BN）参数建模的问题，提出了一种约束数据最大熵BN参数学习算法（CDME）。首先利用小数据集估算BN参数，随后把定性的专家经验转换为不等式约束，并利用Bootstrap算法生成满足约束的一组参数候选集，再根据信息最大熵进行加权计算出BN参数。实验结果表明，当数据量充分时，CDME参数学习算法与经典的MLE算法的学习精度近似，表明了算法的正确性；在小数据集条件下，利用CDME算法可以对BN进行参数建模，学习精度优于MLE和QMAP算法。CDME算法在实际故障诊断样本数据相对稀缺的条件下，获取了诊断BN模型参数，在此基础上完成的诊断推理结果也印证了算法的有效性，为小数据集条件下的参数建模提供了一条新途径。

• 面向基因选择的结合Relief-F和决策树的APSO算法

  叶超超,潘巨龙,

  由于基因表达数据高维度、高噪声、小样本的特点，基因选择一直是肿瘤分类的一大挑战。为了提高肿瘤分类的精度，同时保证基因选择的效率，提出一种结合Relief-F和CART决策树的自适应粒子群优化（APSO）算法（R-C-APSO）。该方法首先利用Relief-F快速过滤大量无关基因和噪声，缩小基因选择范围；然后以CART决策树为适应度函数，用APSO算法对基因进行最终搜索。通过六个数据集的分析实验，结果表明R-C-APSO拥有较高的分类精度和较快的基因选择速度，且具有良好的稳定性。

• 不完备系统多准则决策的云PDR方法

  袁旭梅,王亚娜,张旭,

  针对多准则决策问题的意义以及经典粗糙集方法在不完备系统方案排序问题中的不足，在前人基于概率优势关系（PDR）排序方法的基础上，结合云理论提出了基于云概率优势关系的不完备系统多准则决策方法，即云PDR排序法。将期望、熵、超熵等参数引入PDR方法，充分考虑了决策的模糊性、波动性和随机性，评价过程和结果更加客观全面。以煤炭资源型城市为例进行应用研究，获得其中各城市发展水平及其波动情况的排序，并通过与其他方法结果的比较验证了该方法的优势与有效性。

• 供应商竞争关系下的第三方物流融资及物流服务决策

  马中华,徐学勤,

  研究第三方物流企业（3PL）在处于竞争关系中的供应商面临资金约束时的融资策略选择问题。考虑由两个竞争关系的供应商和一个零售商构成的两级供应链，3PL企业为供应链提供代采购、物流及融资服务，分别考虑在代采购中向供应商提供融资能够获得价格折扣和代采购中考虑额外资金成本情况下，3PL融资意愿选择，向供应商提供（不提供）融资。建立3PL、供应商和零售商在不同情况下的收益模型，并给出供应商和零售商的最优定价，以及3PL的最优物流服务收费决策，通过比较融资前后各个企业的收益分析3PL参与供应链融资的积极作用。研究发现3PL向处于竞争环境下的资金短缺供应商提供融资能够增加3PL、零售商和供应链整体的收益，且3PL更愿意在考虑自身资金成本的情况下向供应商提供融资，并且供应商之间竞争越激烈，3PL和零售商的获益越大。

• 一种水下群机器人路径规划算法的形式化研究

  张杰,刘耕阳,关永,

  为了增强基于遗传算法的水下群机器人路径规划算法正确性的说服力，使用定理证明对其进行形式化研究，给出算法在定理证明器HOL4中的形式化模型。基于算法形式化的一般步骤，对算法的设计进行了详细的分析，指出算法设计的核心步骤和建模难点。在此基础上建立了总体形式化建模框架，然后对其进行化简，得到种群初始化、选择、交叉三个核心模块。给出了模型中要用到的基本数据类型的形式化描述，并分别对三个模块进行形式化描述，最终得到算法的形式化模型。通过证明与模型相关的97条性质，说明了模型的合理性及有效性，在此模型的基础上，可以完成对算法的形式化验证，同时还能拓展HOL4的应用范围。

• 基于多素数和参数替换的改进RSA算法研究

  周金治,高磊,

  为了提高RSA公钥算法在消息加密过程中的安全性，在深入分析传统RSA算法的基础上，对其进行了一些改进性研究，提出了一种比传统RSA算法更加有效的方法来优化其安全性。在将传统RSA改进为四素数RSA的基础上，再运用数学变换进行参数替换，消除了在公钥中对传输两个随机素数的乘积n的需要，引入了一个新的参数x代替原参数n。针对改进后的算法在运算效率方面的不足，采用中国剩余定理CRT优化大数模幂运算。实验结果证实了改进算法的可行性，为通过公钥加密消息发送和接收提供了更安全的路径；同时，对改进算法与传统RSA 和四素数RSA算法的解密（签名）时间进行比较分析。实验结果表明改进后的算法对消息发送方和接收方之间签名效率也有一定程度的优化。

• 张量数据中的多密集块检测方法

  范卫俊,程艳云,

  过去的许多研究表明在实际张量数据中密集的部分存在着异常或者欺诈行为，如微博僵尸粉行为、网络攻击等。因此，研究人员提出了各种各样的方法来针对密集块的提取，但是这些方法存在低准确率和低召回率的缺点。针对这些缺点，提出了一种基于二叉树搜索的多密集块检测方法（DDB-BST），通过对张量数据进行基于评价指标的局部搜索，找到评价指标最高的子张量数据，将数据分成左右子节点，通过不断比较父节点和左右子节点评价指标值的数值关系，判断二叉树生长是否终止。同时对终止条件给出了严格的数学证明。在合成数据集以及真实数据集上进行实验，发现DDB-BST比现有的M-zoom多密集块方法的F1值提高了近30%。

• 面向安全的轮流中继选择方案

  秦小刚,邹羿,黄开枝,

  针对多中继轮流中继系统被窃听的问题，提出面向安全的轮流中继选择方案。首先提出了遍历的最优中继选择方案，并推导得到了保密速率的理论值；然后为降低复杂度，分别从降低计算复杂度和信道估计开销的角度设计了两种两阶段的次优中继选择方案，先缩小中继选择范围再进行搜索。仿真结果表明K-最大主信道中继选择方案能够以较低的复杂度实现最优保密速率。

• 基于中心化相似度矩阵的词向量方法

  徐帆,王裴岩,蔡东风,

  对基于矩阵分解的词向量方法进行了研究，发现降维前相似度矩阵质量与词向量质量存在线性相关性，提出了一种基于中心化相似度矩阵的方法。该方法使得相似（不相似或弱相似）词间的相似程度相对增强（减弱）。在WS-353和RW数据集的词语相似性实验中验证了所提出方法的有效性，两个数据集下词向量质量最高提升0.289 6和0.180 1。中心化能够提升降维前相似度矩阵质量，进而提升词向量质量。

• 基于LDA和word2vec的英文作文跑题检测

  曲强,崔荣一,赵亚慧,

  针对目前国内的英语作文辅助批阅系统缺少准确而高效的跑题检测算法的问题，提出了一种结合LDA和word2vec的跑题检测算法。该算法利用LDA模型对文档建模并通过word2vec对文档进行训练，利用得到的文档主题和词语之间的语义关系，对文档中各主题及其特征词计算概率加权和，最终通过设定合理阈值筛选出跑题作文。实验中通过改变文档的主题数而得到不同的F值，确定了最佳主题数。实验结果表明，所提出的方法比基于向量空间模型的方法更具有效性，可以检测到更多的跑题作文，并且准确率较高，F值达到89%以上，实现了作文跑题检测的智能化处理，可以有效地应用在英语作文教学中。

• 二阶非线性多智能体系统领导跟随一致性研究

  张振华,彭世国,

  为减少通信时延对系统一致性的影响，针对有领导者的二阶非线性多智能体系统的领导跟随一致性进行了研究，新颖地提出近似随机脉冲时延的概念并应用于新协议。相比于传统协议，新协议在脉冲输入时延较小时，各智能体基于时延态对自身当前时刻状态进行预测，并以自身未来预测状态取代时延态发送给各邻接智能体，同时补偿自身反馈通道时延，从而使系统更快实现一致性。基于Lyapunov稳定性理论，利用一类再推广的Halanay不等式的性质给出两个保证系统实现一致性的充分条件。最后，实例仿真证明了新协议的优越性。

• 基于改进弦截法的FastICA算法研究

  张启坤,刘宏哲,袁家政,龚灵杰,

  针对FastICA算法的收敛性易受初始解混矩阵的初值选择影响，引入梯度下降法降低初值选择敏感性，并且提出改进弦截法，加快收敛速度。实验结果显示，基于改进弦截法的FastICA算法与其他FastICA算法相比，不但提高了算法的分离性能，而且减少了迭代次数，增强了收敛稳定性。所以，改进的FastICA算法克服了初值选择敏感的影响，获得更快速、更鲁棒的语音分离性能。

• 基于交织预取率的帮助线程预取质量调节算法

  张建勋,古志民,

  预执行帮助线程在预取过程中需要进行动态预取调节，而传统静态枚举控制参数值的控制方法在预取执行过程中保持固定不变，从而使得该方法不能够有效地为主线程提供预取质量保证（quality of service，QoS）。针对该问题，提出了一种基于交织预取率的帮助线程预取质量参数调节方法。首先，对帮助线程的预取QoS优化进行了建模分析；其次，在前期交织预取工作的基础上，提出了基于交织预取率的帮助线程参数值调节算法；最后，在真实的商用多核平台上对所提出帮助线程预取调节算法进行了评测和分析。实验结果是所提出的帮助线程预取调节算法使得基准测试程序的几何平均性能加速比为1.114，而传统静态枚举方法的几何平均性能加速比为1.135。实验结果表明，所提出的帮助线程预取质量调节算法解决了帮助线程预取过程中的参数值自动调节问题，算法无须静态枚举参数值便可以快速获得与之相近似的预取性能提升。

• 动态视角下的城市道路交通网络失效评价模型

  袁鹏程,林徐勋,

  利用可靠性相关理论，在对交通网络状态变化规律分析的基础上，给出了城市道路交通单元及交通网络的“失效—非失效”态的表达方法；分析了路段单元及交通网络的状态从观察起始点t0到首次演变到“失效态”的时间分布规律，并以此为基础推导了城市道路单元及交通网络的失效概率、平均失效时长、失效率以及条件失效时长等失效评价模型，给出了模型标定的方法。以国内某城市核心城区五条道路单元组成的路网为实例，对首次失效时间进行了分布拟合及检验，对模型进行了标定，并将模型计算结果与实际观察结果进行了对比。结果表明，利用对数正态分布来拟合首次失效时间较为理想，而且模型的计算结果与实际观察结果也非常接近，表明模型具有良好的实用性。

• 基于贝叶斯网络的遥感云用户行为认证方法

  成路肖,阎继宁,焦阳,马艳,王玉柱,

  针对遥感云服务平台中不可信用户的入侵现象，结合遥感云用户行为特点和贝叶斯网络算法设计了一种用户行为认证方案。该方案论述了遥感云平台用户的行为认证机制，并且根据用户行为特点建立了用户行为认证集，结合贝叶斯网络算法预测特点和用户行为属性建立了用于认证等级预测的贝叶斯网络模型，把该模型中分析得出的用户行为属性的权重信息应用到用户等级预测算法中，使该算法针对遥感云用户认证更安全准确，从而实现对用户行为认证等级的预测。仿真实例表明该方法能够准确识别出不可信用户，有效保证遥感云服务平台的安全性。

• 集群协同制造服务匹配策略的计算实验比较研究

  王纪才,薛霄,

  针对如何准确评估各种服务匹配策略、选择出最优的服务策略，以实现集群协同制造过程中的动态环境下的服务供需匹配这一问题，提出了一种集群协同制造服务匹配策略计算实验方法。该方法从三个方面对集群协同制造服务匹配策略进行了深入研究，包括服务匹配策略的设计（只考虑服务资源QoS（quality of service）属性变化的服务匹配策略、只考虑客户需求变化的服务匹配策略、综合考虑服务资源QoS属性变化及客户需求变化的服务匹配策略）、集群协同制造实验系统模型的构建、服务匹配策略的分析评估。实验结果表明，在供需稳定及供需波动的市场环境下，综合考虑服务资源QoS属性变化及客户需求变化的服务匹配策略表现最优，能够很好地实现动态环境下制造服务的供需匹配。

• 基于MODCPSO算法的三值FPRM电路面积与延时优化

  王铭波,汪鹏君,符强,张会红,

  针对三值固定RM（fixed polarity Reed-Muller，FPRM）逻辑电路面积与延时综合优化问题进行了研究，提出了一种基于竞争行为多目标离散粒子群算法（multi-objective discrete competitive particle swarm optimization，MODCPSO）的极性搜索方案。首先在MODCPSO算法中引入竞争行为机制，将种群划分为不同的团队，从各个团队中随机抽取两个粒子进行比较，令较差的粒子向着较好的粒子进行速度和位置的更新；同时引入变异机制，令种群粒子能够跳出局部最优解，继续更新进化；然后结合三值FPRM极性转换技术和MODCPSO算法搜索电路面积与延时的最佳极性；最后利用PLA格式的MCNC Benchmark电路实现算法测试，并与DPSO、MODPSO算法进行了性能对比。实验结果验证了MODCPSO算法的有效性。

• 信息物理系统在变压器稳压调节控制中的应用研究

  许刚,赵妙颖,

  考虑到现有变压器电压调节方法受调压档位限制，且电压调整判断依据为调度部门确定的电压曲线，难以实现灵活、高效、高精度的变压器输出电压稳定调节，提出一种基于信息物理融合系统的稳压动态调节方法，以更好地解决变压器运行过程中出现的电压偏移问题。建立变压器的物理模型与信息模型，通过物理参数与信息属性的相互映射，利用动态链接对物理模型与信息模型在统一仿真平台上进行整合，建立变压器的信息物理融合系统模型，通过信息量对物理量的实时反馈作用机制，控制变压器原副线圈匝数比的自动调节，实现变压器输出稳压。仿真实验结果表明，信息物理融合方法在变压器输出电压稳定调节应用中具有一定的有效性。

• 基于国际头痛诊断标准的原发性头痛辅助决策系统

  尹梓名,董钊,孔祥勇,

  针对原发性头痛在我国发病率较高但诊断准确率较低的问题，提出了一种将文本化的国际头痛诊断标准转换为计算机可执行推理的临床知识建模和知识库构建方法。该方法首先将基于诊断标准绘制的诊断思维流程图转换为规范化的临床知识表达模型，再将临床知识表达模型通过规则映射技术转换为计算机推理诊断所用的规则，形成知识库，并以此为基础开发了覆盖完整头痛诊断流程的原发性头痛辅助决策系统。临床评估显示，该系统可正确地识别出91.3%的偏头痛、87.2%的紧张型头痛和90.0%的丛集性头痛病人，对常见的原发性头痛具有较高的诊断准确率。

• 基于(n,r,k) fork-join队列分析的NWR数据库写延时模型

  王华进,黎建辉,沈志宏,

  NWR数据库的写延时估计，可用于发现实现集群构建和运行成本最小化的节点数量、副本因子的配置组合。现有基于基准测试或模拟队列的方法受限于特定的测试配置和测试环境，只能给出写延时随配置变动的粗略结果。从分析NWR数据库Cassandra的写操作的（n，r，k）fork-join队列结构入手，给出了该类队列期望逗留时间的解析解和NWR数据库写延时的理论模型，可用于建立更完备的写延时结论。分别在模拟队列和Cassandra集群上验证了（n，r，k）队列解析解和写延时模型的准确性。

• 嵌入式Forth虚拟机架构的多任务调度算法设计与实现

  代红兵,周永录,安红萍,黄忠建,

  针对嵌入式应用领域对操作系统在重构、扩展、移植、交互、安全、高效等方面日趋苛刻的现实需求及Forth系统所固有的特性，采用Forth虚拟机技术，对基于Forth虚拟机架构的嵌入式操作系统关键技术进行探索，提出一种具有良好扩展和移植特性、高效精简的基于Forth虚拟机架构的嵌入式多任务操作系统调度算法。该算法采用了以Forth虚拟机指令同步的协同式多任务调度机制，缩短了任务切换时间，将上下文切换操作简化为只需保存数据堆栈指针。实验结果表明，基于Forth虚拟机架构的多任务调度算法发挥了Forth系统所固有的特性，针对特定应用，提高了效率，适合资源有限的嵌入式环境。

• 基于Forth虚拟机的嵌入式多任务操作系统体系架构研究

  代红兵,周永录,安红萍,梅浩,

  面对越来越复杂的嵌入式应用需求，以及当今嵌入式操作系统研究领域中亟待解决的重构、移植、维护、可信、多核、众核等诸多难题，采用Forth虚拟机技术，对基于Forth虚拟机架构的嵌入式操作系统关键技术进行探索，提出一种具有良好扩展和移植特性且高效精简的基于Forth虚拟机的嵌入式多任务操作系统体系架构。该架构采用分类存储映射、Forth向量定义和用户变量分离，实现了代码共享和多任务管理。实验结果表明，基于Forth虚拟机架构的嵌入式操作系统在发挥Forth系统固有特性的同时，减少了资源占用，提高了系统的灵活性及运行效率。

• 基于UML类图的模糊时空数据建模

  陈旭,严丽,马宗民,李卫军,

  模糊性广泛存在于时空应用领域，现有的时空数据模型缺乏描述和表达模糊时空对象内在机制和语义关系的能力。通过研究模糊时空数据语义，给出了模糊时空数据模型的形式化定义，在此基础上对UML类图进行扩展，提出一种模糊时空UML数据模型，并用例子说明了模糊时空数据模型的可用性。

• 基于Spark的两表等值连接过程优化

  张子栋,郑延斌,

  在数据统计分析查询中表间的等值连接是常用的操作之一，但代价较高。大数据环境下大表之间等值连接的效率更低。为了解决该问题，提出了一种基于Spark的两表等值连接过程优化方法。首先根据数据价值密度特征构建Bloom filter完成表的过滤操作；其次结合simi-join和partition join两者的优势，对过滤后的单侧表使用贪心算法进行拆分；最后对拆分后的子集进行连接，因此把两大表的连接过程转换为分阶段进行的两小表连接。代价分析和实验结果表明，该算法与现有基于Spark的连接操作相比，不仅在性能上得到了提升，而且当出现数据倾斜时对算法效率影响较小。

• 一种基于支持向量机的跨站脚本漏洞检测技术

  黄娜娜,万良,

  跨站脚本是一种常见的针对Web应用程序安全的漏洞攻击方式。恶意用户利用漏洞将恶意脚本注入网页之中，当用户浏览该网页时，便会触发脚本，导致攻击行为产生。为此，针对各种变形跨站脚本攻击难以检测问题，对一种基于正则表达式和支持向量机的递归特征消去算法（RE-SVM-RFE）进行了研究。首先采用正则表达式匹配算法，为训练集选择有代表性的特征，即对数据预处理；再利用RE-SVM-RFE特征选择算法选择出最优特征，对具有攻击性的关键词进行特征排序；最后通过总结特征关键字的出现频率，发现频率越高漏洞存在可能性越大。实验结果表明，数据经过RE-SVM-RFE递归特征消去算法选择之后的SVM特征，预测的准确率更高，敏感度和特异度也更好，该算法能够有效地检测出跨站脚本漏洞。

• 基于序列极值点分段的空中签名身份认证

  任妍,汪阳,郑建彬,詹恩奇,

  空中签名序列长，为了解决传统的全局匹配方法造成的匹配慢、签名的局部信息丢失的问题，提出了对签名数据进行极值点分段再进行距离度量的方法。并针对传统DTW算法在极值点匹配中产生的不同极性极值点错匹配问题，提出了一种基于极值点匹配的改进DTW算法，约束DTW算法的匹配路径规则，避免错误匹配情况。在本地数据库上，系统的误拒率（FRR）和误纳率（FAR）分别达到了4.15%和3.82%。实验结果表明，与传统的全局匹配算法相比，先分段再进行相似度度量的方法使系统的认证精度和效率得到了提高。

• 对混合属性数据表可行的差分隐私保护方法

  丁永善,李立新,

  为加强隐私保护和提高数据可用性，提出一种可对混合属性数据表执行差分隐私的数据保护方法。该方法首先采用ICMD（insensitive clustering for mixed data）聚类算法对数据集进行聚类匿名，然后在此基础上进行ε-差分隐私保护。ICMD聚类算法对数据表中的分类属性和数值属性采用不同方法计算距离和质心，并引入全序函数以满足执行差分隐私的要求。通过聚类，实现了将查询敏感度由单条数据向组数据的分化，降低了信息损失和信息披露的风险。最后实验结果表明了该方法的有效性。

• 基于不完全信息多阶段博弈的入侵路径预测

  杨峻楠,张红旗,张传富,杨超,

  随着入侵的推进入侵者掌握的信息会逐步增加，依据新信息入侵者会找到更好的入侵路径并作出调整。为了使防御方能准确预测入侵路径，首先基于超图理论建立动态防御图并提出动态防御图更新方法，对入侵者的信息更新进行预测；然后建立不完全信息多阶段博弈模型对不同阶段入侵者的入侵路径调整进行预测；最后设计基于博弈的动态防御图路径预测算法，对完整的入侵路径进行预测。实验给出对入侵路径进行预测的典型实例，对实例结果的分析说明了模型的合理性与准确性。

• 分布式入侵检测中基于能力与负载的数据分割算法

  张润莲,李豪,叶志博,赵新红,

  针对高速网络环境下分布式入侵检测中海量数据并行检测处理的效率和检测率问题，提出一种基于能力与负载的数据分割算法。该算法依据采集到的集群内各数据分析节点的系统性能指标及运行状态，评估节点的数据处理能力与负载程度。基于节点的能力与负载适应因子，权衡节点在集群中检测和分析数据能力的权重，实现海量数据在集群内各数据分析节点间的动态数据分割，为节点分配适应其能力与实时负载的数据粒度。仿真测试结果表明，该算法具有较好的负载均衡性，降低了系统的检测时间，提高了数据并行处理的效率和检测率。

• 结合纹理复杂度和JND模型的图像水印算法

  李淑芝,龙香玉,邓小鸿,周永新,

  针对目前基于灰度共生矩阵相关水印算法存在容量较小的问题，提出一种将纹理复杂度和DCT域JND模型相结合的图像水印算法。首先将原图像分成子块，利用各子块灰度共生矩阵的四个纹理特性计算其纹理复杂度，并据此对子块进行排序以确定水印嵌入的子块位置后对原图像素矩阵进行DCT变换，结合新的分区方式计算各块JND值，根据JND值以及新的嵌入规则确定子块内水印嵌入方式。算法有效考虑了图像块的纹理特性和人眼视觉敏感性，加强了嵌入水印后的图像质量，提高了水印嵌入容量。实验结果表明，所提方法在嵌入相同容量的水印时，图像平均峰值信噪比（PSNR）较现有方法高出4.27%左右，在嵌入超过原方法容量上限一倍的水印时，图像平均PSNR仍有53.449 8 dB。

• 基于Curvelet-DSVD和视觉密码的强鲁棒零水印算法

  曲长波,吴德阳,

  为了更好地表现自然图像的曲线特性，进一步提高数字水印算法的鲁棒性，提出一种基于Curvelet-DSVD和视觉密码相结合的强鲁棒零水印算法。对原始图像进行Arnold置乱；进行Curvelet变换得到低频域信息，对低频域信息进行分块并对各个块进行双奇异值分解（DSVD），利用块最大奇异值与整体奇异值均值之间的关系构造特征矩阵，同时利用视觉密码将水印信息生成两个共享份；最后将其中一个共享份进行Arnold置乱后与特征矩阵进行异或运算生成零水印。实验结果表明，该算法能够有效地抵抗常规攻击，与现有的零水印算法相比，鲁棒性更强，安全性更高。

• 基于音频基频特征的鲁棒零水印算法

  郑梦怡,李晨,田丽华,

  为了将数字音频水印技术与音频内容相结合，基于人声和乐器的基频稳定的特点，从音乐中提取出基频并据此设计一种鲁棒零水印方法。首先通过正规化分谐波叠加算法提取基频，然后采用K-means算法对基频特征进行编码加强其稳定性，最后与水印图像异或生成零水印序列。此外，发生恶意窜改时，对比零水印中的基频信息得到不一致的部分，即可确定恶意窜改区域。实验结果表明，此算法在常规攻击及抖动攻下均具有良好的稳定性，且可实现窜改检测。

• 面向高密度Wi-Fi部署环境下的抗干扰策略

  贺泽宇,张伟,

  高密度Wi-Fi部署环境如银行、写字楼、mall等，普遍存在的同质干扰问题是制约用户体验及网络质量提升的痛点。首先，针对该问题研究了干扰检测技术并提出一种识别和度量Wi-Fi节点干扰的干扰程度评估模型。随后提出了“容忍+避让”的抗干扰策略，容忍策略基于捕获效应理论及无线资源管理技术，提升了干扰条件下数据通信质量；避让策略采用局部化信道自协调算法和去中心分布式架构，解决同质干扰中的冲突问题。最后，实现了抗干扰机制WifiAAS。测试结果表明，该机制可提升10%设备性能，且未带来过大开销。

• 地空信道基于OFDM/OQAM系统的波形自适应算法

  李环宇,杨超,李燕龙,王波,

  传统的正交频分复用/偏移正交幅度调制（OFDM/OQAM）系统波形自适应设计主要针对具有非指数型时延功率谱和非U型多普勒功率谱的信道模型对波形进行优化，而实际中，波形自适应设计会因不同的信道模型产生不同的信道匹配准则系数。结合地空信道模型和扩展高斯函数的特性，在传统基于信干噪比（SINR）优化的OFDM/OQAM系统波形自适应算法的基础上提出一种新的OFDM/OQAM 系统波形自适应设计算法。该算法引入信道匹配系数β，通过信道匹配准则建立波形时频域间隔与信道最大多径时延、最大多普勒频移的关系，再结合传统SINR优化函数计算扩展因子参数，将参数反馈给发送端并调整发送端和接收端的滤波器达到波形自适应的目的。仿真结果表明，4QAM和16QAM调制下，信道匹配系数β的引入在系统误码性能上均有1.0 dB以上的改善。

• 高速铁路移动通信下基于IMT-A的时变信道建模

  廖勇,樊卓宸,沈轩帆,胡异,姚海梅,张楠,

  信道建模及其仿真方法是高速铁路移动通信系统设计的难点，同时已有的面向高速移动下IMT-A时变信道建模的研究仍存在不足。针对上述挑战，提出了一种高铁移动下具有时变参数的基于IMT-A信道的建模方法。首先，针对IMT-A的城市宏小区场景，设计了一个马尔可夫过程来模拟时变簇的数量变化，接着推导出随时间变化的信道参数的表达式，其中包括簇的延迟、功率、离开角和到达角，并得到了信道冲激响应；其次，分析了信道的时变空时域互相关函数、时变自相关函数以及平稳间隔；最后，对所提信道模型的统计性质进行了仿真，验证了该模型具有时变性且高速铁路信道具有的非平稳性，并证明了所提信道模型可用来模拟高速铁路信道的可行性。

• 引入加权系数消除ICI的二次快时变信道估计算法

  尹燕,王敏,王传云,

  针对高速移动环境下由多普勒频移引起的子载波间干扰（inter-carrier interference，ICI），提出一种引入加权系数消除ICI的二次快时变信道估计算法。该算法进行两次信道估计，第一次估计用于提供信道状态信息，在保证符号率的前提下消除ICI，第二次估计在ICI消除的情况下进行，可以提高信道估计精度；并对简化的并行干扰消除（parallel interference cancellation，PIC）算法进行改进，基于最小均方误差准则引入加权系数，使得ICI消除后的残余误差最小。仿真结果和理论分析达到很好的一致性，当信道信噪比为0 dB时，归一化均方误差（normalized mean square error，NMSE）性能增益最大约为0.071 4，提高了快时变信道估计的精度。

• 基于混沌Duffing振子的BPSK信号K-means聚类解调方法

  蒋亮亮,江虹,曾闵,

  针对二进制相移键控（binary phase shift keying，BPSK）信号在低信噪比下解调误码率较高的问题，提出了一种基于混沌Duffing振子的K-means解调方法。该方法的思想是根据混沌Duffing振子系统对初值的敏感性以及对噪声的免疫特性，低信噪比下Duffing振子系统输入BPSK信号时，由于BPSK信号相位在0°和π之间的跳变从而导致Duffing振子输出相轨迹状态发生改变。针对相轨迹状态的变化，采用K-means聚类算法对相轨迹进行迭代求质心，根据收敛后的质心间距大小对BPSK信号进行判决解调。仿真结果表明，与现有的几种解调方法相比较，基于混沌Duffing振子的BPSK信号K-means聚类解调方法在低信噪比下解调速度、解调精度等方面都有了较大的提高。

• 基于低秩矩阵恢复的DOA稀疏重构方法

  房云飞,王洪雁,裴炳南,

  为提高非均匀噪声下波达方向（direction of arrival，DOA）角估计算法的估计精度和分辨率，基于低秩矩阵恢复理论，提出了一种二阶统计量域下的加权l1稀疏重构DOA估计算法。该算法基于低秩矩阵恢复方法，引入弹性正则化因子将接收信号协方差矩阵重构问题转换为可获得高效求解的半定规划（semidefinite programming，SDP）问题以重构无噪声协方差矩阵；而后在二阶统计量域下利用稀疏重构加权l1范数实现DOA参数估计。数值仿真表明，与传统MUSIC、l1-SVD及加权l1算法相比，所提算法能显著抑制非均匀噪声影响，具有较好的DOA参数估计性能，且在低信噪比条件下，所提算法具有较高的角度分辨力和估计精度。

• 基于最大互相关熵UKF的传感网目标状态和系统偏差联合估计算法

  赵季红,谢志勇,曲桦,王明欣,刘熙,

  针对空天地一体化传感网络中传感器观测目标时观测噪声具有重尾或突变性质的问题以及系统偏差对目标状态估计的影响，提出一种基于最大互相关熵无迹卡尔曼滤波（MCUKF）的目标状态和系统偏差联合估计（ASMCUKF）算法。MCUKF算法首先通过无迹变换（UT）获得预测状态估计值和协方差矩阵，然后使用基于最大互相关熵准则（MCC）的非线性回归方法重新构建观测信息，增强了UKF对重尾噪声的鲁棒性。ASMCUKF算法通过目标状态向量扩维的方法建立状态方程和带有系统误差的非线性观测方程，根据估计的系统偏差进行偏差配准，改善了系统偏差对目标状态估计的影响。仿真结果表明，ASMCUKF在重尾非高斯观测噪声的环境下对通信目标状态和系统偏差的估计效果比传统方法更好。

• 基于安全信任的网络切片部署策略研究

  牛犇,游伟,汤红波,

  5G移动通信网虚拟化场景下，如何安全部署网络切片是未来5G大规模商用的前提。针对5G网络切片部署的安全性，提出一种基于安全信任的网络切片部署策略。该部署策略通过提出安全信任值概念来有效量化分析VNF和网络资源的安全性，并以此为基础，利用0-1整数线性规划方法构建网络切片部署的数学模型，利用启发式算法进行求解，找到网络切片部署成本最小的部署方案。仿真实验表明，该部署策略在保证部署安全的前提下，减少了部署成本，同时获得了较好的安全收益和部署收益率。

• 面向车载容迟网络的连通性建模与仿真研究

  毕俊蕾,李致远,

  针对车载容迟网络连通性建模进行了研究。假设车辆驶入道路的过程服从泊松分布，以及车辆在道路上的行驶速度服从正态分布。对基于泊松过程的车间时距分布进行推导，并以此导出行驶车辆在道路上的连通概率。为了验证所提假设和连通模型的正确性及有效性，以欧洲城市卢森堡在7:30 am~8:30 am时间段内的交通数据为实验场景，在城市交通仿真平台（simulation of urban mobility，SUMO）对车辆速度的概率分布、车辆到达率、道路中的平均车辆数及网络连通概率进行了理论计算和仿真实验分析。实验结果表明理论模型的计算值和仿真结果是一致的，所提出的假设和连通模型具有合理性和正确性。

• 基于萤火虫优化的副本放置方法

  李君,侯孟书,

  针对现有副本放置策略中存在的副本访问开销大的问题，提出一种基于离散型萤火虫优化的副本放置算法。考虑副本放置对用户访问性能的影响，对其建立数学模型，计算萤火虫位置的适应度函数，并朝着荧光素值最大即最优值移动，进而得到合适的副本放置节点。通过仿真实验评估提出的方法，并与基于蚁群算法的副本放置策略进行比较。实验结果证明该算法能够选择合适的副本放置节点，具有较好的收敛性，并有效降低了存储系统的副本访问开销。

• 基于GASA-FCM混合聚类与霍夫变换的欠定混合矩阵估计

  李虎,徐岩,

  针对模糊C-均值聚类（fuzzy C-means clustering，FCM）算法在欠定混合矩阵估计中精度低、鲁棒性差的缺点，提出一种基于遗传模拟退火优化FCM（GASA-FCM）混合聚类和霍夫变换的欠定混合矩阵估计算法。该算法结合了模拟退火算法（simulated annealing algorithm，SA）全局搜索、高精度的优点和遗传算法（genetic algorithm，GA）强大的空间搜索能力，将经遗传模拟退火算法得到的聚类中心点赋给FCM，避免了初值选择的随机性。再利用霍夫变换对聚类得到的每一类数据的中心进行修正，提高混合矩阵的估计精度。实验结果表明，该算法明显改善了算法的稳定性和混合矩阵估计精度，具有一定的有效性和可行性。

• 尺度无关的级联卷积神经网络人脸检测算法

  郑成浩,刘兵,周勇,

  卷积神经网络在进行图片处理时需要输入固定尺寸大小的图片，该限制会导致原图在缩放过程中损失大部分信息。另外，目前人脸检测算法多用单一结构网络进行特征提取，这就使得算法的泛化能力较弱。针对以上两个问题，提出了一种将级联卷积神经网络与空间金字塔池化相结合的人脸检测算法。该方法将三级卷积神经网络模型连接起来，其中三级神经网络模型之间各不相同，结构从简单到复杂，在不同层次的神经网络上提取不同的人脸特征并筛选图片，完成对图片中人脸区域的检测。同时，在每级网络层次中加入空间金字塔池化层，这种池化策略无须固定尺寸大小的输入，增加了模型输入的尺寸选择。在标准人脸数据集中，该方法相对于传统方法实现了模型的多尺度输入，提升了检测性能，并降低了检测人脸的时间。

• 基于深度学习的大蒜鳞芽朝向识别研究

  方春,孙福振,任崇广,

  针对目前大蒜自动播种机难以解决直立播种的问题，而已有鳞芽朝向识别算法过于复杂，提出了基于深度学习的方法来解决大蒜鳞芽朝向识别问题。该方法不用特意提取蒜瓣的轮廓特征，也不用计算蒜尖和质心位置，而是直接将蒜瓣图像作为输入，模型自行抽取图像特征，隐式地从训练数据中进行学习来自动识别大蒜鳞芽朝向。实验结果表明，当使用1 700张蒜瓣图片作为训练集时，模型在400张图片组成的独立测试集上的识别准确率达到97.5%。此方法简单、高效、可靠，为大蒜直立播种问题提供了一种新的解决方案，同时也可以用于农业选种等其他模式识别问题上。

• 基于边缘点对特征的板型物体识别与定位系统

  赵银帅,吴清潇,付双飞,张正光,

  针对工业环境中板型物体（如钢板），在基于投票策略的匹配算法基础上加入了边缘点对特征，提出了一种基于边缘点对特征的三维目标识别与定位方法，并利用该算法设计实现了一个钢板识别与定位系统，已成功应用于工业机器人自动钢板打磨项目中。另外，对匹配结果使用位姿聚类以及位姿验证与优化，进一步提高了算法的准确性和鲁棒性。根据系统在工作现场的运行统计结果得出，该方法不仅定位精度在项目容忍范围之内，而且满足项目对实时性的要求。

• 改进金字塔融合技术的低照度图像色彩恢复和细节提取

  谢伟,胡欢君,王莉明,涂志刚,

  针对低照度图像亮度大、色彩不均衡的现象进行了改进金字塔融合技术的低照度图像色彩恢复算子的研究。该算法将原图和用去雾模型或MSRCR改善后的预处理图用金子塔技术将色彩对比度、饱和度、曝光亮度三者融合到金字塔算法中，并根据图像的信息赋予了不同的权重参数，从而能够有效地解决传统低照度图像色彩增强存在的问题。提出一种CIELAB通道内用加权最小二乘数的保边平滑滤波器平滑L通道的图像，设置不同的色调映射的参数值来提升图像细节信息的算子，使夜视中图像的信息更显眼和真实。实验结果表明，所提算法在低照度图像色彩增强中有了很好的效果，并在信息熵和PSNR评价取得了约10%的质量提升。所选择三种不同类型的图像进行实验，图形质量都得到了提高，也表明所提算法具有一定普适性。

• 面向拷贝检测的图像哈希算法

  沈麒,赵琰,

  为了准确、快速地将拷贝图像识别出来，提出一种基于CS-LBP（centrally symmetric local binary pattern）纹理与位图像统计的图像哈希算法。算法首先对图像作预处理；然后利用三级小波分解得到近似图像和高频信息，对第二、三级近似图像利用Ring分割，提取每一环的统计特征，对第二、三级高频信息的水平方向分量和垂直方向分量进行位图像分解，提取统计特征；最后将所有的低频和高频特征联合起来生成图像哈希序列。实验结果表明所提算法的分类性能优于现有的一些哈希算法，在拷贝检测应用上具有很好的准确率。

• 面向移动终端的三维建筑物模型简化方法

  王权,宋春花,牛保宁,

  目前，针对单体建筑物的模型简化算法主要考虑单独简化墙面和屋顶房檐结构。但对于建筑物组，这些方法忽视邻接建筑物的特征以及与周围特征间的相互连接关系。针对这些问题，利用屋顶结构特征，提出一种能自动生成保持建筑物组结构特征的模型简化方法。通过底面平面图的邻接关系将建筑物分割成不同的结构部分，通过判断屋顶特征，采用自顶向下的投影方法，重构建筑物模型，最后将各部分联合形成简化模型。实验表明，该简化方法在建筑物的顶层和墙面特征较好保留的基础上，能充分利用模型的拓扑结构，用较少的数据量描述模型，生成适合移动端应用需求的精度模型。

• 一种多尺度平衡深度哈希图像检索方法

  张艺超,黄樟灿,陈亚雄,

  传统监督哈希方法将图像学习的手工特征或机器学习特征和二进制码的单独量化步骤分开，并未很好地控制量化误差，并且不能保证生成哈希码的平衡性。为了解决这个问题，提出了新的多尺度平衡深度哈希方法。该方法采用多尺度输入，这样做有效地提升了网络对图像特征的学习效果；提出了新的损失函数，在很好地保留语义相似性的前提下，考虑了量化误差以及哈希码平衡性，以生成更优质的哈希码。该方法在CIFAR-10以及Flickr数据集上的最佳检索结果较当今先进方法分别提高了5.5%和3.1%的检索精度。

• 基于稀疏贝叶斯估计的单图像超分辨率算法

  袁桂霞,周先春,

  针对现有超分辨率方法对不同低分辨率图像的超分辨率效果差异较大的问题，提出了一种基于稀疏贝叶斯估计的单图像超分辨率方法。该方法将单图像超分辨率问题看做是回归问题，采用Kronecker脉冲函数作为回归基函数，综合利用图像的局部信息和全局信息寻找特定预测的最优稀疏解决方案，采用贝叶斯方法估计权重，据此重构超分辨率图像。实验结果表明，采用该方法对14幅测试图像运行单图像超分辨率算法，得到的平均峰值信噪比高、方差小、耗时少，证实了该方法的超分辨率效果好、适应性强，且运算效率高。

• 适用于迭代型去模糊算法的自适应迭代终止条件

  江顺亮,姜尹楠,曾小霞,唐祎玲,徐少平,

  由于缺乏有效的迭代终止条件（iterative stopping criterion，ISC），目前大多数去模糊算法简单采用固定的迭代次数实现，存在着执行效率低、去模糊效果不够理想等问题。为此，提出一种基于残差图像（迭代过程中所获得的中间估计图像和模糊核卷积后与模糊图像之间的差值）的去模糊效果度量（deblurring measure，DM），并在该DM度量的基础上设计了一种自适应的迭代终止条件（adaptive ISC，AISC）。将所提出的AISC迭代终止条件应用于经典的NCSR（nonlocally centralized sparse representation） 迭代型去模糊算法中。在均匀模糊、高斯模糊和运动模糊三种典型模糊失真类型下大量的实验数据表明，与采用固定迭代次数的原NCSR算法相比，采用自适应迭代条件后NCSR算法执行效率得到显著提升，且所复原图像在PSNR、SSIM和FSIM图像指标值上与原算法差别不大。

• 基于对偶图正则化的多层概念分解算法

  张显,叶军,

  为了进一步挖掘数据间的隐藏信息，在多层概念分解算法的框架下，考虑每一层分解下的数据流形和特征流形，提出了一种基于对偶图正则化的多层概念分解算法。该算法通过对数据的逐层分解，以分层的方式学习，并在每一层分解数据中构建数据空间和特征属性空间的拉普拉斯图，用于反映数据流形和特征流形的多元几何结构信息，从而能够更好地从复杂数据中提取出更有效的特征。采用交替迭代的方法求解算法的目标函数并证明了算法的收敛性。通过在三个真实数据库（TDT2、PIE、COIL20） 上的实验表明，该方法在数据的聚类表示效果方面优于其他方法。