计算机应用研究杂志

计算机应用研究杂志2019年第3期

• 数据库系统性能模型建模方法综述

  张锦文,牛保宁,

  当前的性能模型主要分为分析型和统计型两种。分析型模型需要深入研究数据库系统查询执行过程，对动态查询的适应性较好，无须成本高昂的采样实验，但在查询并行执行情景下建模复杂，对不同的数据库系统有不同的理论模型。统计型模型无须分析查询执行过程，通过采集查询执行参数并训练某个数学模型。统计型建模过程简单，能够较好地描述查询交互，预测效果较好，但采样成本很高，对动态查询的适应性差。对数据库系统性能建模的主要文献进行综述，重点介绍数据库系统性能建模的主要方法，并讨论这两类模型各自的优缺点、建模的难点以及应对策略。在此基础上，对数据库系统性能模型领域的研究进行展望，为有关该领域的研究提供参考。

• 神经网络模型压缩方法综述

  曹文龙,芮建武,李敏,

  由于存储空间和功耗的限制，神经网络模型在嵌入式设备上的存储和计算仍然是一个巨大的挑战。模型压缩作为一种有效的解决方法，受到了越来越多研究者的关注。针对卷积神经网络模型进行了研究，分析了模型中存在的冗余信息，并对国内外学者在神经网络模型压缩方面的研究成果整理，从参数剪枝，权重共享和权重矩阵分解等方面总结了神经网络压缩的主要方法。最后针对神经网络模型发展现状及目前面临的若干主要问题进行了讨论，指出了下一步的研究方向。

• 稀疏条件下的重叠子空间聚类算法

  邱云飞,费博雯,刘大千,刘兴,

  现有子空间聚类算法不能很好地平衡子空间数据的稠密性和不同子空间数据稀疏性的关系，且无法处理数据的重叠问题。针对上述问题，提出一种稀疏条件下的重叠子空间聚类（OSCSC）算法。算法利用l1范数和Frobenius范数的混合范数表示方法建立子空间表示模型，并对l1范数正则项进行加权处理，提高不同子空间的稀疏性和同一子空间的稠密性；然后对划分好的子空间使用一种服从指数族分布的重叠概率模型进行二次校验，判断不同子空间数据的重叠情况，进一步提高聚类的准确率。在人造数据集和真实数据集上分别进行测试，实验结果表明，OSCSC算法能够获得良好的聚类结果。

• CNN-ELM混合短文本分类模型

  韩众和,夏战国,杨婷,

  针对目前自然语言处理研究中，使用卷积神经网络（CNN）进行短文本分类任务时可以结合不同神经网络结构与分类算法以提高分类性能的问题，提出了一种结合卷积神经网络与极速学习机的CNN-ELM混合短文本分类模型。使用词向量训练构成文本矩阵作为输入数据，然后使用卷积神经网络提取特征并使用Highway网络进行特征优化，最后使用误差最小化极速学习机（EM-ELM）作为分类器完成短文本分类任务。与其他模型相比，该混合模型能够提取更具代表性的特征并能快速准确地输出分类结果。在多种英文数据集上的实验结果表明，提出的CNN-ELM混合短文本分类模型比传统机器学习模型与深度学习模型更适合完成短文本分类任务。

• 面向数据流的多任务多核在线学习算法

  裴乐,刘群,

  对于数据流的处理，现有的在线学习算法在准确性上仍有欠缺，故提出一种新的多任务多核在线学习模型用于提高数据流预测的准确性。在保持多任务多核学习的基础上，将其扩展到在线学习中，从而得到一个新的在线学习算法；同时为输入数据保持一定大小的数据窗口，用较小空间换取数据的完整性。实验部分对核函数的选取以及训练样本集的大小进行了较为详细的分析，通过对UCI数据和实际的机场客流量数据进行分析，很好地保障了流数据处理的准确性及实时性，有一定的实际应用价值。

• 求解并行机拖期与能耗成本优化调度的混合教—学算法

  王永琦,吴飞,江潇潇,王春媛,

  针对加工时间可控的并行机调度，提出了一类考虑拖期与能耗成本优化的调度问题。首先对调度问题进行了问题描述，并建立了整数线性规划模型以便于CPLEX求解。为了快速获得问题的满意解，提出了一种混合教—学算法。结合问题的性质，设计了编码与解码方法以克服标准教—学算法无法直接适用于离散问题的缺点。同时，构建了基于变邻域搜索的局部搜索算子以强化混合算法的搜索性能。最后，对加工时间可控的并行机调度问题进行了仿真实验，测试结果验证了构建的整数线性规划模型和混合算法的可行性和有效性。

• 基于CARLA-PSO组合模型的智能控制器参数学习优化

  谷学静,张明儒,王志良,郭宇承,

  对连续动作强化学习自动机（CARLA）进行了改进，应用改进后的CARLA结合粒子群优化算法（PSO）优化PID参数。以CARLA为基础，建立了CARLA和PSO的组合优化学习模型CARLA-PSO，该模型包含CARLA学习环路和PSO学习环路两个部分，通过优化策略选择器进行学习环路的选择，通过与环境进行相互作用，获得最优控制。对连铸结晶器液位控制进行了仿真实验，实验结果表明，CARLA-PSO在进行PID参数优化时寻优效率高，全局搜索能力强，能够达到理想的控制效果，具有较好的应用前景。

• 基于人工蜂群算法的指控结构适应性调整方法

  孙鹏,武君胜,陈冠宇,张杰勇,

  为应对战场环境的复杂性和不确定性，指挥控制结构的适应性调整成为研究重点。描述了兵力组织的基本实体和指挥控制结构，给出决策实体负载测度的方法，建立两种战场情况下的指挥控制结构适应性调整优化模型，设计求解问题模型的人工蜂群算法，并给出人工蜂群算法的具体步骤和流程，最后进行案例仿真，基于人工蜂群算法的调整方法得到了良好的指控结构调整效果，证明了人工蜂群算法在指挥控制结构适应性调整方面的可行性。

• 基于分布的中文词表示研究

  曹学飞,李济洪,王瑞波,

  针对基于分布的中文词表示构造过程中的参数选择问题进行了系统性的研究。选择了六种参数进行对比实验，在中文语义相似度任务上对不同参数设置下得到的中文词表示的质量进行了评估。实验结果表明，通过选择合适的参数，基于分布的词表示在中文语义相似度任务上能够得到较高的性能，而且这种高维的词分布表示的质量甚至优于目前流行的基于神经网络（Skip-gram）或矩阵分解（GloVe）得到的低维的词表示。

• 互联网金融平台中高违约风险用户识别算法

  阳晓慧,郭炳晖,米志龙,郑志明,

  以某互联网金融平台的用户交易数据为对象，通过分析其中借贷逾期违约的传播行为，提出通过传播特征构建模型算法识别互联网金融平台的高风险用户。在构建基于阈值传播和随机传播的SIS和SIR模型的基础上，将模型转换为可评价用户风险值的算法，并进一步与实际违约数据进行验证对比。对比结果显示，在前5%和10%高风险群体划分条件下，算法具有较高的召回率和良好的结构关联性。

• 基于核学习方法的短时交通流量预测

  王秋莉,李军,

  基于核学习的强大非线性映射性能，针对短时交通流量预测，提出一类基于核学习方法的预测模型。核递推最小二乘（KRLS）基于近似线性依赖（approximate linear dependence，ALD） 技术可降低计算复杂度及存储量，是一种在线核学习方法，适用于较大规模数据集的学习；核偏最小二乘（KPLS）方法将输入变量投影在潜在变量上，利用输入与输出变量之间的协方差信息提取潜在特征；核极限学习机（KELM）方法用核函数表示未知的隐含层非线性特征映射，通过正则化最小二乘算法计算网络的输出权值，能以极快的学习速度获得良好的推广性。为验证所提方法的有效性，将KELM、KPLS、ALD-KRLS用于不同实测交通流数据中，在同等条件下，与现有方法进行比较。实验结果表明，不同核学习方法的预测精度和训练速度均有所提高，体现了核学习方法在短时交通流量预测中的应用潜力。

• 基于意见领袖的微博生命周期预测模型研究

  黄贤英,杨林枫,刘小洋,高民东,

  为了有效研究社交网络中意见领袖在新浪微博传播所起的作用及微博的生命周期和传播模式，提出了一种OLB微博传播预测模型。通过爬取微博数据进行数据分析，拟合出与影响力有关的四个因素的数学表达式，并通过层次分析法给出权重计算方法；利用计算的影响力以及转发数与相关因素的关系，构建出OLB模型，从而对意见领袖传播作用及微博生命周期进行实验预测分析。仿真结果表明，在微博信息传播中意见领袖影响力与其微博的传播作用成正比例关系，通过误差分析得到四组数据的平均误差值分别为1.0%、5.0%、2.4%及5.1%，提出的OLB模型对于预测微博传播模式合理、有效。

• 地震前后基准站GPS数据异常提取算法

  李南,孔祥增,林岭,

  目前对地震前兆异常的研究主要集中在“热”和“电”等方面，很少涉及基准站的GPS数据。然而已经有学者证明震中附近基准站的GPS时间序列坐标数据中也蕴涵着大地震的前兆信息。针对2001—2010年间美国本土发生的具有代表性的三个地震进行了研究，将Martingale理论运用于GPS数据处理，提出一种异常提取算法，进而对地震前后震中附近多个基准站的GPS数据进行分析。实验结果表明，算法能够有效地反映大地震前后GPS数据中异常的变化趋势，为使用GPS数据对大地震进行预报提供了更多可能。

• 基于贝叶斯网络的民航突发事件因果关系分析方法研究

  王红,郭笑丹,祝寒,

  针对民航突发事件因果关系无法有效评估与关联分析的问题，提出了一种基于贝叶斯网络的民航突发事件因果关系分析方法。在民航突发事件应急管理领域本体的基础上引入贝叶斯理论，通过规则设计实现了领域本体中概念、关系与实例的贝叶斯网络转换；然后采用贝叶斯网络知识合成算法E-IPFP构建贝叶斯网络节点的条件概率表，并通过消息传递机制计算父子节点间的概率关系，获得民航突发事件因果关系的概率分布。采用民航突发事件应急管理领域本体和世界民航事故调查跟踪报告中的案例作为实验数据，给出了民航突发事件因果间关系的分析，为基于大数据的突发事件关联分析与推理提供了方法支持。

• 基于差异路径权重的二部图网络推荐算法

  高长元,段文彬,张树臣,

  针对二部图网络结构推荐算法中资源分配不合理的现象，同时为了丰富推荐结果多样性和促进冷门物品的推荐，提出了一种利用差异路径权重改变资源传递的二部图网络结构算法。利用用户相似性构造路径权重改变第一阶段资源传递规则，使资源较多地流向与目标用户相似的用户节点。通过物品属性相似的构造路径权重，使第二阶段资源更多地流向与目标用户已购物品具有相似属性的物品。实验结果表明，该算法相对于其他流行网络结构算法提高了推荐的综合性能，并且更好地解决了推荐中的相关问题。

• 改进PF算法在煤与瓦斯突出AE信号去噪中的研究

  付华,齐晓娟,

  煤与瓦斯突出会产生声发射（acoustic emission，AE）信号。针对提取较纯净有效的AE信号问题，提出一种邻域动态调整（D）果蝇算法（fruit fly algorithm，FOA）智能优化粒子滤波（particle filter，PF）的去噪方法。利用果蝇个体表征PF中的每个信号点粒子，优化粒子滤波的重采样过程，并通过动态调整邻域粒子数量来改善果蝇算法的寻优能力和收敛速度。以均方根误差和信噪比为评价指标，对信号采集系统获取的煤与瓦斯突出AE信号分别使用标准粒子滤波、果蝇优化粒子滤波、改进粒子滤波去噪。结果表明，改进粒子滤波法的信噪比提升了15.3 dB左右，且均方根误差最低。与其他两种方法相比，改进粒子滤波去噪效果最优。

• 基于属性优化矩阵补全的抗托攻击推荐算法

  周宇轩,陈蕾,张涵峰,

  托攻击是当前推荐系统面临的严峻挑战之一。由于推荐系统的开放性，恶意用户可轻易对其注入精心设计的评分，从而影响推荐结果，降低用户体验。基于属性优化结构化噪声矩阵补全技术，提出一种鲁棒的抗托攻击个性化推荐（SATPR）算法。将攻击评分视为评分矩阵中的结构化行噪声，并采用L2,1范数进行噪声建模，同时引入用户与物品的属性特征以提高托攻击检测精度。实验表明，SATPR算法在托攻击下可取得比传统推荐算法更精确的个性化评分预测效果。

• 基于人工鱼群算法的分数阶PIλ控制器参数整定

  张学典,王富彦,秦晓飞,

  针对分数阶PIλ控制器的参数整定，提出图像法和人工鱼群优化算法相结合的方法来对分数阶PIλ控制器进行参数整定。分别以一阶系统和二阶系统来模拟典型的速度伺服系统，以此模型为被控对象进行分数阶PIλ控制器的设计。在频域内，根据系统的相对稳定性和增益变化的鲁棒性等条件，推导出方程式；再根据图像法解出分数阶PIλ控制器的参数，以解出的参数为中心位置，指定寻优的范围，进而用人工鱼群算法对其周围进行寻优。仿真表明，通过人工鱼群算法寻优得到的控制器，比单纯用图像法得到分数阶PIλ控制器能使系统具有更好的动态响应特性，并且满足增益变化鲁棒性的条件。

• 基于梯度提升决策模型的空间占用检测研究

  徐新卫,丁敬安,柳智才,王多梅,腾翔,邵瑞瑞,

  随着绿色建筑和绿色生态城区经济激励机制基本形成，面对大量多维空间占用数据，大数据绿色建筑节能体系应运而生。然而大量多维的建筑数据却没有被充分利用，且传统空间占用检测模型分类精度还不够准确，模型时间复杂度较高。利用UCI占用检测数据集，在原始数据集上加入时间戳，使模型分类精度均获得提高，同时利用MCMR（最大相关最小冗余）方法进行特征选择，通过随机森林作为分类器验证分类效果，获取最优特征子集。利用选取的特征子集构建占用检测模型，其中XGBoost模型与随机森林模型（RF）进行比对，分类精度较高，且时间复杂度更低。

• 政策血缘关系网络构建与传播演化机理研究

  刘刚,李涛,路彩霞,崔一冬,

  通过挖掘政策血缘关系对政策系统进行建模，将数量庞大的政策形式化为政策血缘网络。在此基础上构建PCL模型，通过机器学习确定模型中节点的容量定义，实现政策网络中脆性点挖掘。该方法通过挖掘政策间的相关概念，将政策体系形式化为政策谱系树模型，再由政策谱系树的节点对之间发生“树影相吸”，最终形成基于政策血缘关系的政策血缘网络。通过政策血缘网络的传播演化机理，构建了PCRL模型，通过机器学习对容量参数进行参数训练，挖掘传播演化机理。最后选取政策实例进行仿真实验，验证了方法的有效性。

• 基于直线型反λ基本图的交通流分配模型及算法

  何胜学,

  针对现有交通流分配理论难以处理路段拥挤状态的问题，以直线型反λ交通流量、密度和速度基本关系图为基础，提出了给定路段交通状态下的静态交通流分配新方法。通过分析基本关系图，得到两阶段的路段行程时间函数；通过引入路段交通状态指标量，构建节点流量守恒方程，建立了系统最优和用户均衡交通流分配模型；针对非凸的用户均衡模型，通过线性化目标函数中的非凸项，设计了一种有效的分支定界求解算法。数值算例验证了新模型和算法的有效性；新理论扩展了现有路段行程时间函数过于片面的单调递增特征假设，可有效处理路段拥挤状态，提高现有理论的实用性。

• 多类型分类器融合的文本分类方法研究

  李惠富,陆光,

  传统的文本分类方法大多数使用单一的分类器，而不同的分类器对分类任务的侧重点不同，就使得单一分类方法有一定的局限性，同时每个特征提取方法对特征词的考虑角度不同。针对以上问题，提出了多类型分类器融合的文本分类方法。该模型使用了word2vec、主成分分析、潜在语义索引以及TFIDF特征提取方法作为多类型分类器融合的特征提取方法。在多类型分类器加权投票方法中忽略了类别信息的问题，提出了类别加权的分类器权重计算方法。通过实验结果表明，多类型分类器融合方法在二元语料库、多元语料库以及特定语料库上都取得了很好的性能，类别加权的分类器权重计算方法比多类型分类器融合方法在分类性能方面提高了1.19%。

• 基于recurrent neural networks的网约车供需预测方法

  安磊,赵书良,武永亮,陈润资,李佳星,

  以网约车订单等真实数据为数据源，结合TensorFlow深度学习框架，利用循环神经网络（recurrent neural networks）方法，预测网约车在未来某时间某地点的订单需求量。提出改进LSTM RNN（长短时记忆循环神经网络）模型，经过对其优化和训练，能够有效预测网约车未来某时间某地点的供需量。对数据源进行可视化分析，排除不相关数据源干扰，以此为基础设计仿真实验。仿真实验表明，该模型的正确率比反向传播神经网络（BPNN）、回归决策树（DTR）、非线性回归支持向量机（SVR）以及随机漫步（RW）等模型高，同时，对长短间隔不同的历史数据有较好的记忆能力，在测试数据上有较强的泛化能力。

• 基于增强学习的网格化出租车调度方法

  何胜学,

  高度信息化的网格化城市管理可以为出租车运营优化提供新的实时动态乘客需求信息和车辆位置信息。以此为契机，针对城市出租车空驶率高和司乘匹配率低的问题，提出了一种网格化的出租车实时动态调度的增强学习控制方法。通过为出租车提供空驶巡游的动态最佳路线，新的控制方法旨在提高出租车的服务效率，并降低乘客的等待时间。首先，以城市单元网格为基础，明确出租车调度的关键问题；其次，以空驶路线的动态调整为控制手段，建立调度的增强学习模型；最后，给出求解模型的Q学习算法，并通过算例验证新调度方法的有效性。研究表明新方法可以有效提高司乘匹配率、增加总的出租车运营收入、减少乘客平均等车时间和总的出租车空驶时间。

• 多粒度时序特征在离网预测中的应用

  石鸿斌,严建峰,白瑞瑞,徐彩旭,徐广根,

  电信运营商为了发现可能离网的客户，针对不同的场景研究开发了多种离网预测模型。目前的离网预测模型首先选择一种时间粒度抽取特征，之后使用机器学习算法对抽取的数据建模。这类方法只考虑了模型对分类性能的影响，没有充分考虑数据的作用。针对上述问题，提出一种使用多种时间粒度抽取特征的方法，并尝试在模型训练的不同阶段对不同粒度的特征进行融合。实验结果表明，使用多种粒度抽取特征训练出来的模型性能会明显优于使用单一粒度抽取特征的模型。

• 一种改进的深度置信网络在交通流预测中的应用

  赵庶旭,崔方,

  针对现有交通流预测方法忽视对交通流数据自身特征的有效利用以及不能模拟更复杂的数学运算，提出了一种改进深度置信网络（deep belief network，DBN）的交通流预测方法。该方法结合深度置信网络模型与softmax回归作为预测模型，利用连续受限玻尔兹曼机（continuous restricted Boltzmann machines，CRBM）处理输入特征向量，利用自适应学习步长（adaptive learning step，ALS）减少RBM训练网络模型时重建误差所需的时间，用改进的深度置信网络模型进行交通流特征学习，在网络顶层连接softmax回归模型进行流量预测。实验结果表明，在实际的交通流数据预测中，改进的DBN模型的预测准确率以及时间复杂度相比传统预测模型都得到了较好的改善。

• 卷积神经网络在乐器板材优劣识别中的应用研究

  黄英来,李晓霜,赵鹏,

  目前民族乐器板材振动信号识别算法存在特征提取复杂且耗时长等缺点，针对此问题，提出了一种基于卷积神经网络的木材振动信号分类识别算法，实现了乐器板材优劣的判别。卷积神经网络将特征提取和分类过程结合来进行神经网络的训练，具有识别度高、鲁棒性好等优点。首先重点分析和讨论了提取木材振动信号的语谱图特征，然后应用卷积神经网络结合网格搜索的方法进行参数调优。为了防止过拟合，还应用了ReLU和dropout等新技术，得到最终分类结果。实验证明，测试样本准确率达到96%，明显优于传统方法。该方法可减小人工测量的误差，加快板材的选取时间，为民族乐器制造领域的选材提供了一种更加实用的方法。

• 基于IVHFWHM算子的犹豫关联多属性决策方法

  张颖,燕轶纯,

  针对决策属性为区间犹豫模糊数（IVHFN）且属性间相互关联的多属性决策（MADM）问题，提出一种基于区间犹豫模糊加权Heronian平均（IVHFWHM）算子的新型决策方法。同时基于IVHFN运算法则和Heronian平均（HM）算子，提出了区间犹豫模糊Heronian平均（IVHFHM）算子和IVHFWHM算子。研究了IVHFHM算子的置换不变性、幂等性、单调性、有界性和参数对称性等性质。建立基于IVHFWHM算子的多属性决策模型，通过MADM数值实验验证了模型的可行性与有效性。

• 实数编码量子共生演算法及其在云任务调度中的应用

  李昆仑,关立伟,

  针对共生演算法收敛慢和易陷入局部最优的问题，结合量子遗传算法理论，提出一种实数编码的量子共生演算法（real-coded quantum symbiotic organisms search，RQSOS）。首先依据三角模糊数提出差异度概念，并依此构造一个以自变量向量的分量和一对概率幅为等位基因的三倍染色体，使一条染色体携带更多信息并增强解的多样性；然后提出一种基于阿基米德螺旋线的探索学习模式，加强对解空间的探索精度；最后使用共生演算法更新差异度值并依据差异度值对种群进行学习和变异操作，促使整个种群快速向最优方向进化且减小了陷入局部最优的概率。利用数值优化问题和云任务调度问题对算法进行验证，仿真结果表明，RQSOS算法在收敛速度和寻优能力上均有明显提升，是一种可行有效的算法。

• 应用于机器人路径规划的双向时效A*算法

  高民东,张雅妮,朱凌云,

  针对时效A*算法为了大幅减少算法时间，导致路径规划长度增加和路径锯齿过多的问题，提出一种改进的双向时效A*算法，该方法从起点和终点同时运行时效A*算法寻找路径，并采用多近邻栅格距离计算方案；同时，根据不同环境地图对传统A*算法、时效A*算法和双向时效A*算法运行结果进行对比研究及分析；最后，制定算法时间、路径长度两个指标来评判算法的优劣。实验结果显示，双向时效A*算法相对于传统A*算法，算法时间最大减少76.8%，相对于时效A*算法，时间最大减少55.4%，并解决了时效A*算法规划路径距离增加、路径不够平滑的问题。

• 基于GPU加速的粒子滤波多说话人跟踪算法及其应用

  曹洁,黄开杰,王进花,

  为了解决粒子滤波多说话人跟踪过程中粒子易发散导致多目标跟踪精度低的问题，提出了并行粒子滤波和基于GPU的K-均值聚类的多声源定位方法。该方法首先分析了粒子滤波在实现多目标跟踪时进行数据关联的过程产生较大的计算量，并且出现多个目标时，粒子会逐渐发散。针对计算量大和粒子发散的问题，提出了一种并行粒子滤波和K-均值聚类的方法。实验表明，随着粒子数和目标数的增加，计算量以指数增加，并且粒子发散严重，采用基于GPU的K-均值聚类方法的粒子滤波多说话人跟踪方法，相比传统粒子滤波跟踪方法具有更收敛的粒子集并且跟踪精度较高。

• 基于稀疏表示的脑电(EEG）情感分类

  邓欣,高峰星,米建勋,李丹妮,王进,唐云,

  计算机对人类情绪与情感的识别研究已经成为了脑机接口领域的研究热点。通过分析人类在生活中的各种情感状态，提取脑电信号的特征并对情感状态进行识别、分类是情感智能化领域的重要方向。针对基于音乐视频诱导的情感数据集DEAP进行了研究，提取脑电信号的频域特征后，提出了采用加速近邻梯度（APG）算法和正交匹配（OMP）算法求解稀疏编码的稀疏表示分类模型进行情感分类，并与支持向量机（SVM）算法进行效果比较。实验结果表明，APG算法通过l1范数正则近似求解以其快速的收敛速度在情感数据集上有着较好的分类表现，而OMP算法与SVM算法的分类效果相差无几，实现了情感脑电信号的分类。

• 面向不平衡数据分类的KFDA-Boosting算法

  王来,樊重俊,杨云鹏,袁光辉,

  数据分布的不平衡性和数据特征的非线性增加了分类的困难，特别是难以识别不平衡数据中的少数类，从而影响整体的分类效果。针对该问题，结合KFDA（kernel Fisher discriminant analysis）能有效提取样本非线性特征的特性和集成学习中Boosting算法的思想，提出了KFDA-Boosting算法。为了验证该算法对不平衡数据分类的有效性和优越性，以G-mean值、少数类的查准率与查全率作为分类效果的评价指标，选取了UCI中10个数据集测试KFDA-Boosting算法性能，并与支持向量机等六种分类算法进行对比实验。结果表明，对于不平衡数据分类，尤其是对不平衡度较大或呈非线性特征的数据，相比于其他分类算法，KFDA-Boosting算法能有效地识别少数类，并且在整体上具有显著的分类效果和较好的稳定性。

• 考虑建议零售价的双渠道供应链批发价格模式选择

  刘昊,王志平,李桃迎,

  对由制造商网络直销渠道和零售商传统渠道构成的双渠道供应链系统进行研究。首次在建议零售价背景下研究了批发价格模式选择问题，运用制造商主导的Stackelberg博弈，得出了供应链各成员的价格均衡策略。综合考虑零售商谈判能力和消费者对渠道的偏好度，对比分析了不同批发价谈判模式下的制造商利润、零售商利润和供应链利润。结果表明，制造商可通过建议零售价调整市场价格；从供应链总体或者零售商角度，以直销价格为基准确定批发价格是最优的；制造商倾向于单独确定批发价格，但当零售商谈判能力较弱，且网络渠道基本市场份额偏大时，也可接受以网络直销价为基准确定批发价格。

• 利用帕累托非支配关系实现高效三目标差分进化的方法

  许玉龙,潘旭,王忠义,盛梦园,王林景,

  在多目标进化算法中，时间复杂度过高是普遍的问题，特别是三个目标函数以上时，解的等级分配占用了过多的运算时间。针对三目标问题，利用帕累托支配关系，对解的等级分配进行研究，发现经典的等级排序及分配方法存在一定的冗余操作，需对全部的解先排序后，才能再分配等级并选择下一代，造成部分不必要的运算。为减少该冗余，利用帕累托非支配关系结合差分进化，实现高效三目标进化算法。算法每次迭代对种群中最高等级的个体进行计算，在分配等级同时进行选择后代个体操作，当后代种群生成时便跳出计算，从而减少个体的计算数量，降低运算量；同时给出该方法的相关理论分析和证明过程。针对一系列三目标优化问题，将提出方法与著名排序方法NSGAⅡ及近年来优秀的ENS方法进行对比实验。仿真实验结果表明，提出方法在时间复杂度和收敛速度上优于经典方法，稍差于ENS方法。在标准测试函数DTLZ1-DTLZ6的性能上，提出方法近似于ENS方法，优于NSGAⅡ算法，从而验证了提出方法的有效性和正确性。

• 温室移动机器人复合栅格地图构建方法研究

  史兵,段锁林,李菊,王朋,朱益飞,

  针对温室环境中机器人依靠自身携带的传感器无法获取全面的环境信息，从而常导致路径规划错误的问题，提出了一种结合外部传感器系统获取温室环境信息，构建复合栅格地图的方法。利用无线传感器网络定时采集对机器人通过性有影响的温度、湿度环境信息，并发送给机器人；当温度或湿度数据的变化率达到设定阈值时，机器人利用阈值分割和插值法分别建立温度和湿度栅格地图；将温度栅格地图、湿度栅格地图与室内障碍物栅格地图相结合，构建动态更新的复合栅格地图。经测试，采用常规A*算法规划路径时，基于环境数据变化率阈值设定为±10%的复合栅格地图的成功率和完成时间，分别是基于普通栅格地图成功率的2.5倍和1.05倍。结果表明，复合栅格地图能提高路径规划的成功率，并且不会由于动态更新复合栅格地图，导致机器人响应时间明显增加，实时性能满足系统的实际需求。

• 基于并行C4.5的铁路零散白货客户流失预测研究

  张斌,彭其渊,刘帆洨,

  为了提高铁路零散白货客户流失预测的准确性和高效性，根据铁路零散白货客户的流失特征，提出了基于CDL模型的客户流失识别方法；在此基础上，针对数据量大的问题，提出了基于Hadoop并行框架的C4.5决策树客户流失预测模型。通过仿真实验证明，该模型具有较好的准确性和预测能力，并且随着样本数量的增加，Hadoop并行框架的效率得到了明显的提升，且不影响客户流失预测模型的准确性和预测能力。

• 面向空间应用的数据对象存储与检索系统研究

  公丕金,吕从民,宫永生,

  针对当前标准对象存储系统的数据对象属性存储和检索方面的不足，结合空间应用数据对象特点，进行了对象属性设计，提出了一种基于HBase数据库的属性管理方法。该方法利用HBase数据库对数据对象及其属性进行集中管理，同时采用分段散列索引实现利用对象属性快速检索对象数据。测试结果表明，基于HBase数据库对象管理方法性能优于现有的属性管理方法，具有较高的对象属性检索效率。

• 一种高效基于模式图的数据库关键字查询方法

  费云峰,丁国辉,滕一平,李景,孙莎莎,

  针对基于模式图的数据库关键字查询方法中普遍存在的查询效率较低的问题，提出了合并网络查询方法（CCNE）。该方法设计了一种合并网络结构，可以有效地避免传统方法中因候选网络之间的重复结构造成的冗余操作；同时，给出一种改进的候选网络生成策略，可以避免产生冗余候选网络并缩小遍历范围，从而提高效率；最后在合并网络的基础上，设计一种合并网络执行算法，在很大程度上减少了传统方法所需执行的大量复杂数据库查询操作，进一步提高了查询效率。多组基于真实数据集的实验结果表明，CCNE可以在保证查询结果无缺失的情况下有效提高查询效率。

• 一种多元台风时间序列的相似性度量方法

  黄冬梅,郑霞,赵丹枫,王丽琳,

  台风相似性度量方法的研究对防灾减灾、辅助决策等具有重要意义，台风相似性的研究大多集中在台风路径的相似性度量上。首先，梳理影响台风相似性度量的多个要素，提出了基于多元时间序列的台风数据描述方法；其次，提出了台风时间序列完整性、一致性评估与修复方法；最后，针对台风时间序列的不等长问题，设计了一种基于主成分分析和动态时间弯曲距离的相似性度量方法。通过实验验证，该方法能够实现台风相似性的有效度量。

• 大型停车场空闲车位短时预测方法

  佘飞,邱建东,汤旻安,

  为了提升智能交通系统性能及停车场利用率，针对大型停车场空闲车位短时预测进行了研究，提出了一种基于灰色理论、BP神经网络和马尔可夫链的组合预测方法以提高预测精度与时效性。该方法使用灰色理论处理数据，弱化其随机性，再通过人工神经网络训练得到数量预测结果，最后使用马尔可夫链消除系统产生的随机误差得到最终结果。实验表明，这种组合预测方法有效提高了预测精度，预测结果符合实际停车场数据变化规律，为驾驶员提前作出合理的停车场选择提供了可靠依据，能有效提高停车场车位利用率。

• 基于Spark的混合协同过滤算法改进与实现

  王源龙,孙卫真,向勇,

  针对传统协同过滤在推荐过程中存在的稀疏性、扩展性以及个性化问题，通过引入算法集成的思想，旨在优化和改进一种新型的基于Spark平台下的混合协同过滤。借鉴Stacking集成学习思想，将多个弱推荐器线性加权组合，形成综合性强的推荐器。算法基于近邻协同过滤，结合分类、流行度、好评度等对近邻相似度计算策略进行优化，旨在改善相似度的合理性以及相似度计算的复杂度，在一定程度上改善了评分稀疏性的问题；算法结合Spark分布式计算平台，充分借鉴分布式平台的优点，利用其流式处理以及分布式存储结构等特性，设计并实现一种推荐算法的增量迭型，解决了协同过滤算法扩展性和实时性问题。实验数据采用UCI公用数据集MovieLens和NetFlix电影评分数据。实验结果表明，改进算法在推荐个性化、准确率以及扩展性上都有不错的表现，较以前同类型算法均有不同程度的提高，为推荐系统的应用提供一种可行的算法集成方案。

• 一种加强SSD小目标检测能力的Atrous滤波器设计

  温捷文,战荫伟,李楚宏,卢剑彪,

  针对实时目标检测SSD（single shot multibox detector）算法对小目标检测能力偏差的问题，提出了一种提高特征图分辨率的Atrous滤波器设计策略。改进算法在SSD网络结构的基础上，把第三、四层卷积层产生的特征图经过规范化后连接在一起，然后通过Atrous卷积运算提高这些特征图分辨率。这些特征图共同提供小目标所需的特征。另外该SSD改进算法还加入SeLU（scaled exponential linear units）激活函数，并在数据预处理阶段设计了一套数据增广方法。实验表明，该改进算法框架相对于原SSD算法框架具有更高的检测精度、更优良的鲁棒性，以及在小目标检测上效果明显。

• 单词统计特性在情感词自动抽取和商品评论分类中的作用

  韩彤晖,杨东强,马宏伟,

  单词的统计特征在自然语言处理中具有广泛应用。针对统计特征对关键词抽取和文本分类精确度的影响，分析了八种常见的统计特征，通过情感词抽取和商品评论分类，研究统计特征在情感分析领域中的作用。利用八种统计特征构造文本向量空间模型，替代基于单词构造文本向量空间模型的方法，能够降低文本向量的维度，具有隐形语义空间（LSA/SVD）的压缩效果，在保证分类结果准确率的前提下有效降低了算法的复杂度，能够替代传统的向量空间模型。情感词提取实验的结果表明，通过结合统计特征与词性，情感词提取的准确率能够达到76.4%，显著高于基于统计特征或单词词性的情感词提取算法；商品评论分类的测试结果表明，与传统的基于单词的文本情感分类相比，基于统计特征的商品评论分类的准确率提高了10.8%。

• 软件定义天地一体化网络接入认证架构与方法

  胡志言,杜学绘,曹利峰,

  天地一体化网络因结构复杂存在网络异构动态、间歇连通、节点高度暴露等特性。为了保证安全，需要研究专有的接入认证架构与方法。利用软件定义网络控制面与数据面分离的思想将其与天地一体化信息网络相结合提出一种新的接入认证架构，对认证架构与过程进行详细描述，可以实现对网络的安全防护与资源的优化控制；根据架构特点，提出七个影响接入点决策的属性，给出各个属性的计算公式，将层次分析法与逼近理想解的排序方法相结合提出一种接入点决策算法。实验仿真结果表明，接入点决策准确，可以实现资源的合理利用。

• 虚拟化与数字仿真融合的网络仿真任务划分

  吴文燕,姜鑫,王晓锋,刘渊,

  为提升网络仿真性能，面向虚拟化与数字仿真融合的网络仿真体系架构，研究相应的网络仿真任务划分方法。综合考虑虚拟化与数字仿真各自优势，将网络拓扑分为虚拟化拓扑区域与数字仿真拓扑区域，结合给定物理资源，以负载均衡与远程通信量最小化为目标，对两种区域进行融合划分。实验表明，通过该方法进行网络仿真任务划分相对于随机算法与均衡负载平衡算法，远程通信量平均降低了33.7%、25.1%，负载均衡度平均提升了56.3%、38.0%。该方法可有效降低远程通信量与提升负载均衡度。

• 基于MCM的多径非相关无线信道改进模型研究

  殷礼胜,任帅,刘冬梅,何怡刚,

  为了改善瑞利衰落信道单径自相关统计特性，提出了一种改进的多径非相关无线信道仿真模型。该模型在蒙特卡罗法（MCM）的到达角（AOA）中引入多径因素k，改进了模型AOA的取值方法。通过对信道模型参数AOA、k、低频振荡器个数N以及均方误差（MSE）的仿真分析，结果表明，该模型在相关统计特性方面与参考模型相比具有极好的吻合性；与MCM相比，在实现开销相同的情况下，改进的新模型在最大允许时间间隔内，衰落信道单径自相关函数的MSE约为MCM的四分之一，精度有了明显的提高，能更加准确地描述无线信道。新模型为无线信道仿真器的设计、频率选择性信道的建模等提供了一种新的方法。

• 基于二级控制器和线性模型的自适应带宽分配算法

  赵海军,张雷,何先波,崔梦天,

  针对虚拟化网络中存在的带宽分配问题，提出了一种基于二级控制器系统的自适应带宽分配算法。该控制器系统由包含VN子控制器的一组SP控制器和InP控制器构成。首先把每个VN在每个控制间隔的特性用一个线性模型来局部近似，以得到其过去、当前的带宽分配以及过去包时延性能之间的关系；然后基于物理链路容量的限制，系统对每个VN所请求的带宽作出响应并进行动态调整，以达到灵活的分布式自治控制，保证为每个VN分配合理的带宽。仿真结果表明，提出的算法不仅能够在多个VN之间合理、动态地分配可用链路容量，而且能够提高总带宽的利用率和分配的公平性，满足每个VN的QoS需求。

• 安全服务链中虚拟网络功能分配与调度算法研究

  黄睿,张红旗,

  安全服务链中的虚拟网络功能（virtual network function，VNF）将传统网络安全功能与硬件设备解耦，使得服务功能的部署更具动态性和可扩展性。然而VNF向节点的合理分配以及节点上VNF的高效调度问题仍亟待解决。为此，基于软件定义网络（software defined network，SDN）和网络功能虚拟化（network function virtualization，NFV）环境，提出基于优化算法的解决方案。对资源分配与调度问题进行举例并形式化定义问题的优化目标，提出基于贪心算法的资源分配方案和基于混合蜂群算法的资源调度方案，统一协调解决VNF的资源分配与调度问题。仿真实验验证，所提算法的时间复杂性和在总资源成本及总服务收益方面的提升，对比混合蜂群算法和传统蜂群算法，结果显示前者具有更快的收敛速度。

• 基于可变粒度机会调度的网络大数据知识扩充算法

  黄金国,刘涛,周先春,严锡君,

  为了满足网络大数据背景下，大数据传播的数据知识高精度要求和清除劣质数据干扰，基于粒度可变调整方案提出了机会调度的网络大数据知识扩充算法。在分析网络大数据特征基础上，通过自适应向量编码，捕捉网络大数据的异构特性，采用多阶反向传播将异构网络大数据归一化处理，再通过机会调度实现网络大数据实时传输。同时，基于网络大数据组成的知识工程系统分割细粒度大数据，将多维特征进行降维处理，使得知识粒度转变为已知，接着调整粒度动态特性，使得知识工程的大数据集具有线性特征和明确的几何特性，通过知识扩充提高知识获取精度。实验结果通过与基于细粒度的知识获取算法进行对比，证明了所提算法的网络数据传输的高可靠性、实时性和知识获取的高效率。

• 基于马尔可夫链的IEEE 802.15.4网络防丢包信道访问机制研究

  程宏斌,乐德广,王晓喃,王海军,孙霞,

  为了降低IEEE 802.15.4MAC层数据帧丢包率，在分析丢包率的原因基础上，提出了一种基于Markov链的信道竞争机制模型。通过对网络发送、退避和信道检测状态的稳态概率进行数学推导，研究了信道碰撞和数据帧的丢包率分析式，研究了参数数据包到达速率、节点数量、误码率、后退指数、后退等待次数对碰撞概率和丢包率的影响。实验结果表明，与节点无休眠态的IEEE 802.15.4网络相比，节点丢包率平均降低了23.7%，模型较好地描述了提出的MAC层信道访问机制，合理的网络参数设置能够优化数据帧丢包率，研究结果对无线传感网的应用提供了可靠传输优化参考。

• 毫米波5G网络中一种D2D通信的资源分配方案

  文凯,陈永丽,郑文倩,颜飙,

  在5G系统中，毫米波（mmWave）与终端直通技术（device-to-device，D2D）有利于提升系统容量和频谱利用率。针对73 GHz下underlay蜂窝网络中的D2D资源分配进行了研究。为了降低彼此间的干扰，提出对基站和D2D用户接收机进行区域限制，利用线性相关的方法选出可复用的蜂窝用户，最后在满足蜂窝通信和D2D通信服务质量（QoS）的要求下提出一种基于干扰控制的资源分配，以提升系统的吞吐量。仿真结果表明所提算法的性能优于参考算法。该算法能够有效提升系统吞吐量和频谱效率。

• 可证安全的无对运算的无证书签密方案

  陈虹,赵悦,肖成龙,肖振久,宋好,

  无证书签密体制继承了基于身份签密体制无须使用公钥证书的特点，又对其密钥托管问题进行了改进，具有一定优越性。针对已有的无证书签密方案计算效率低、安全性差等缺点，基于一种安全的签名方案，提出一类新的无对运算的无证书签密方案。采用将哈希函数与用户身份绑定以及公钥与私钥相结合生成新密钥的方法进行构造。在随机预言模型下基于计算椭圆曲线上的离散对数困难问题证明了方案的机密性和不可伪造性。与已往方案进行对比，在保证安全性的同时，该方案不使用双线性对和指数运算，效率较高。

• 软件定义网络可信连接设计与实现

  李兆斌,刘梦甜,魏占祯,王守融,

  软件定义网络（software defined networking，SDN）将控制层和数据转发层分离，由控制层对数据转发层进行统一管理。目前控制层及数据转发层设备间完整性认证机制尚不完善，若平台完整性损坏的设备接入网络，会给整个SDN网络带来严重的安全问题。为确保双方设备在完整可信的前提下建立连接，进而在源头上保障设备安全、网络可信，提出了一种新的SDN可信连接方案。该方案以可信网络远程设备认证技术为基础，利用可信平台模块作为可信支撑，在SDN数据转发设备与控制器的连接过程中添加完整性认证环节。测试分析表明，该方案有效可行，符合实际应用。

• 一种针对BitTorrent协议中have消息的隐写分析方法

  徐心怡,翟江涛,戴跃伟,

  网络隐写是一种以计算机网络通信数据为载体的隐蔽通信技术。BitTorrent协议的巨大流量使其成为一种极佳的隐写载体，基于BitTorrent协议have消息的隐写即在此背景下提出，目前公开文献尚无有效的检测算法。基于此，提出了一种基于多特征分类的检测方法。该方法首先提取正常have消息数据流，接着提取均值、方差与直方图特征，最后基于AdaBoost分类器给出了检测结果。实验结果表明，所提方法在观测窗口达到 1 000个数据包时对该隐写的识别正确率可达96%，在检测基于have消息的隐写时具有良好效果。

• 基于软件定义网络的域内路由保护方案研究

  张举,耿海军,

  软件定义网络（SDN）是一种将控制平面和转发平面分离的新型网络体系结构。由于其灵活性和可控性得到了业界的青睐。目前SDN采用最优路径转发报文，很难应对网络中频繁出现的节点或者链路故障。因此，为了提高SDN的可用性，提出了一种基于软件定义网络的域内路由保护方案（intra-domain routing protection scheme based on software defined network，RPBSDN）。该方案可以为网络中的每个源—目的对计算出多个备份下一跳，利用节点加入到最短路径树的偏序关系来保证转发路径没有路由环路。实验结果表明，该方案不仅具有较小的计算复杂度，而且大大提高了网络的可用性。

• 维吾尔文论坛中基于术语选择和Rocchio分类器的文本过滤方法

  如先姑力·阿布都热西提,亚森·艾则孜,艾山·吾买尔,阿力木江·艾沙,

  针对维吾尔文网页论坛中的文本过滤问题，提出一种基于术语选择和Rocchio分类器的文本过滤方法。首先，将论坛文本进行预处理以删除无用词，并基于N-gram 统计模型进行词干（术语）提取；然后，提出一种均衡考虑相关性和冗余性的均衡型互信息术语选择方法（BMITS），对初始术语集合进行降维，获得精简术语集；最后，将文本特征术语作为输入，通过Rocchio分类器进行分类，以此过滤掉论坛中的不良文本。在相关数据集上的实验结果表明，提出的方法能够准确地识别出不良类型文本，具有有效性。

• 群智感知网络个性化位置隐私保护算法

  胡敏,张艳,黄宏程,

  群智感知网络中现有隐私保护算法对所有位置采用相同的隐私保护策略，导致位置隐私或保护过度或保护不足，且获得的感知数据精度较低。针对这一问题，提出了一种满足用户个性化隐私安全需求的位置隐私保护算法。首先，根据用户的历史移动轨迹，挖掘用户对不同位置的访问时长、访问频率以及访问的规律性来预测位置对用户的社会属性；然后，结合位置的自然属性，预测用户—位置的敏感等级；最后，结合用户在不同的位置有不同的隐私安全需求的特点，设置动态的隐私判定方案，在每个位置选择敏感度低的用户参与感知任务，以确保用户在隐私安全的前提下，贡献时空相关性精确高的感知数据。仿真结果表明，该算法在提高隐私保护水平的同时还提高了感知数据的精度。

• 基于距离限定优化的人脸识别

  周胜阳,邹华,肖春霞,

  针对现有人脸识别方法对人脸角度、表情、姿态等因素较为敏感且准确率低的问题，提出了一种基于距离限定优化算法的人脸识别模型。该模型对人脸识别方法的改进有两点：a）利用LBP算子提取人脸图像纹理谱特征图，然后与原始人脸图像的R、G、B通道进行融合，将融合后的图像矩阵作为神经网络的输入，丰富了人脸的纹理特征；b）对误差函数进行改进，使用阈值和边界值约束特征向量的距离，对模型构建新的优化目标，使得相同对象的人脸图像在特征空间中具有较小的欧氏距离，不同对象的人脸图像在特征空间中具有较大的欧氏距离。通过在非限制场景下的LFW人脸库上进行实验，表明该模型准确率分别达到99.15%，能有效地提高人脸识别准确率，具有很好的鲁棒性。

• 基于多层特征融合可调监督函数卷积神经网络的人脸性别识别

  石学超,周亚同,池越,

  为了进一步提高性别识别的准确率，提出了一种基于多层特征融合与可调监督函数机制结合的卷积神经网络（L-MFCNN）模型，并将之用于人脸性别识别。与传统卷积神经网络（CNN）不同，L-MFCNN将多个浅层中间卷积层特征输出与最后卷积层特征输出相结合，融合多层卷积层的特征，不仅利用了深层卷积的整体语义信息，还考虑了浅层卷积的细节局部纹理信息，使得性别识别更加准确。此外L-MFCNN还引入具有可调目标监督函数机制的large-margin softmax loss作为输出层，利用其调节不同的间隔（margin）的机制来有效引导深层卷积网络学习，使得同种性别间的类内间距更小，不同性别间的类间距更大，获得更好的性别识别效果。在多个人脸数据集上的性别识别实验结果表明，L-MFCNN的识别准确率要高于其他传统的卷积网络模型。L-MFCNN模型也为将来的人脸性别识别研究提供了新的思路与方向。

• 基于改进的深度卷积神经网络的人体动作识别方法

  陈胜娣,魏维,何冰倩,陈思宇,刘基缘,

  针对现有的动作识别算法的特征提取复杂、识别率低等问题，提出了基于批归一化变换（batch normalization）与GoogLeNet网络模型相结合的网络结构，将图像分类领域的批归一化思想应用到动作识别领域中进行训练算法改进，实现了对视频动作训练样本的网络输入进行微批量（mini-batch）归一化处理。该方法以RGB图像作为空间网络的输入，光流场作为时间网络输入，然后融合时空网络得到最终动作识别结果。在UCF101和HMDB51数据集上进行实验，分别取得了93.50%和68.32%的准确率。实验结果表明，改进的网络架构在视频人体动作识别问题上具有较高的识别准确率。

• 基于OpenMP的高效多子阵合成孔径声呐距离多普勒成像算法

  钟何平,黄攀,唐劲松,

  为充分利用多核CPU计算资源解决多子阵合成孔径声呐成像效率低的问题，提出了一种共享内存环境下的距离多普勒成像算法并行解决方案。在分析多子阵合成孔径声呐距离多普勒成像算法并行性的基础上，对算法中预处理、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进行了OpenMP并行化设计，充分利用多核CPU计算资源实现了大数据量合成孔径声呐图像快速重构。对实测数据的成像实验结果表明，并行成像算法加速比高达19.86，满足实时合成孔径声呐系统成像需求。

• 基于粒子群算法的三维CAD模型相似性计算

  高雪瑶,陈育南,张春祥,

  为了更加准确地度量两个模型之间的形状差异，提出了一种基于粒子群的模型相似性计算方法。利用面的组成边数来构造面相似度矩阵，通过粒子群算法对该矩阵进行搜索，得到了两个模型之间的最优面匹配序列。根据这个最优面匹配序列，从面相似度矩阵中提取对应的面相似性值。通过累积面之间的相似性来计算模型之间的整体相似性，以此为基础来度量模型之间的差异。实验结果表明，该方法能够准确地度量两个模型之间的相似程度。

• 模糊加权的高效鲁棒人体动作视频检索

  张涵,韩毅,李跃新,

  为了提高人体动作视频检索的鲁棒性和效率，提出了一种模糊加权的人体动作视频检索方法。该方法采用3D Harris算子检测视频中的时空兴趣点，提取这些兴趣点的梯度信息，构建特征向量；然后采用模糊聚类方法构建聚类特征向量，提高特征向量的抗干扰能力；匹配聚类特征向量中的梯度向量对，构建模糊权重矩阵，计算查询视频与数据库中各个视频的相似度；最后在KTH数据库上进行视频检索实验，结合精确度、召回率和检索耗时三个指标进行评价，证明该方法的有效性。