计算机应用研究杂志

计算机应用研究杂志2019年第7期

• 车联网仿真测试评价技术研究综述

  王润民,邓晓峰,徐志刚,赵祥模,

  车联网的大规模部署及其在智能网联汽车领域的广泛应用前需要对其性能及功能进行全面、深入的测试评价，其中通过仿真技术对其进行评价分析是当前的主流测试评价手段。从车联网研究及应用过程中的测试评价需求出发，总结了主流的网络仿真器和交通仿真器，对现有车联网仿真平台进行了分类，研究并对比分析了典型的车联网仿真平台；针对车联网的应用特性，研究并归纳了影响车联网仿真性能的车辆移动模型、信道传播模型及驾驶员行为等；从网络仿真指标、车联网应用相关指标归纳了车联网功能及性能测试的典型评价指标；最后探讨了车联网仿真测试的发展方向。

• 基于视觉的人体行为识别算法研究综述

  陈煜平,邱卫根,

  主要讲述人体行为识别的基础流程，归纳了人体行为识别常用的数据集，总结了时域分割的发展现状和常用的方法，讲解了人体行为识别比较经典的方法，并归纳了人体行为识别最新、最热的深度学习方法。引入了动作分割，再结合行为识别，能够实现连续的人体行为识别，使得行为识别适用于实际场景，而不再是对经过人工剪辑好的单个视频进行识别，这在实际应用中意义重大。

• 基于区块链的数字货币演化

  谢开斌,

  区块链是数字货币研究的主流技术和重要前提。作为一种去中心化的分布式计算技术，区块链具有共同维护、防窜改、可追溯等中心化技术所不具备的优势。以区块链的基本原理为基础，主要分析了哈希加密、共识机制以及智能合约方面的关键技术；以区块链中的首个应用比特币为基础，分析了以太坊、达世币、卡尔达诺、比特股等数字货币的发展演化历程。根据数字货币的研究现状及其所面临的诸多挑战，展望了区块链未来在数字货币的发行与监管、交易跟踪和海量交易数据分析方面的研究趋势。

• 基于最优近似粗糙集的属性约简

  罗来鹏,刘二根,范自柱,

  为了更好地获取由边界域产生的不确定性规则知识，提出最优近似粗糙集的属性约简方法。给出了近似空间上粗糙集最优近似集的判定与计算，然后引入最优近似分布协调集、最优近似分布约简概念。讨论了Pawlak属性约简、分布约简、最优近似分布约简之间的关系，最后得到在协调决策表中它们是等价的，在不协调决策表中最优近似分布约简是分布约简子集。从UCI数据集选取五个数据集进行实验，结果表明基于最优近似分布约简能够获得较少的约简属性。

• 流计算模式下概率粗糙集三支决策的快速计算

  徐健锋,王喜秋,刘斓,汤涛,

  针对流计算模式中的动态对象增量与减量同步发生的现象，提出了一种概率粗糙集三支决策的快速流计算方法。首先讨论了流计算模式中决策信息系统的单对象增减更新模式的数据模式；然后基于流计算数据变化模式分别提出了数据增量与数据减量时三支决策域的变化推理；最后基于上述理论给出了一种流计算模式下的三支决策动态增减快速学习算法。通过八种UCI数据集的对比实验，证明了该算法不但在时间消耗上明显优于经典三支决策算法，而且对于三支决策阈值具有较强的稳定性。

• 基于密度峰值优化的谱聚类算法

  薛丽霞,孙伟,汪荣贵,杨娟,胡敏,

  针对经典谱聚类算法无法自适应确定聚类数目，以及在处理大数据量的聚类问题时效率不高的问题，提出了一种基于密度峰值优化的谱聚类算法。该方法首先计算数据对象的局部密度，以及每个数据对象与其他数据对象的最小距离，并依据一定的规则自适应产生初始聚类中心，确定聚类数目；然后使用Nystr?m抽样来降低特征分解的计算复杂度，以达到提高谱聚类算法的效率。实验结果表明，该方法能够准确地得到聚类数目，并且有效提高了聚类的准确率和效率。

• 基于改进SimRank的产品特征聚类研究

  刘臣,段俊,

  针对在线用户评论中产品特征的提取和聚类问题进行了研究，提出一种改进的SimRank算法。将情感词—特征对放入二分网中，在二分网中使用改进后的SimRank算法计算特征词之间的相似度；再通过谱聚类算法对特征相似度进行聚类，提取网络产品的特征集合。以某电脑评论为例，从中提取情感词—特征对进行研究。实验结果显示，改进后的算法准确率更高。改进后的特征相似度检测方法可以作为检测特征相似度的有效方法，实验采用在线产品的评论语料。实验结果表明，使用改进后的SimRank相似度对特征词进行聚类提取出特征更加准确。

• 基于分解和多策略变异的多目标差分进化算法

  童旅杨,董明刚,敬超,

  差分进化是一种有效的优化技术，已成功应用于多目标优化问题，但也存在Pareto最优集合的收敛慢和多样性差等问题。针对上述不足，提出了一种基于分解和多策略变异的多目标差分进化算法（MODE/DMSM）。该算法利用基于分解的方法将多目标优化问题分解为多个单目标优化问题；通过高效的非支配排序方法选择具有良好收敛性和多样性的解来指导差分进化过程；采用了多策略变异方法来平衡进化过程中的收敛性和多样性。在ZDT和DTLZ的10个测试函数上的仿真结果表明，所提算法在Parato最优集合的收敛性和多样性方面优于其他六种代表性多目标优化算法。

• 一种有效的动态网络节点影响力模型

  韩忠明,毛锐,郑晨烨,赵振东,段大高,

  网络节点影响力度量对社会网络研究具有重要的价值。静态网络的影响力度量是目前研究的主要问题。实质上，社会网络属于动态网络。静态网络节点影响力度量模型虽然可以对动态网络不同时间点上的快照进行度量，但这种机制很难刻画动态网络节点影响力的变化过程。将动态网络建模为不同时间点网络的叠加快照，然后构建了动态网络边权重衰减和节点影响力衰减机制，基于该机制提出了动态网络节点影响力模型。该模型可应用于加权或无权动态网络节点影响力度量。为了客观地衡量所提模型的性能，在一个模拟网络和三个真实网络上进行了不同实验。实验结果表明所提模型不仅可以较好地刻画动态网络节点影响力的变化过程，还可以准确度量动态网络节点影响力。

• 融合社交行为和标签行为的推荐算法研究

  蒋云,倪静,房宏扬,

  针对传统推荐算法忽略用户社交影响、研究角度不全面和缺乏物理解释等问题，提出一个融合社交行为和标签行为的推荐算法。首先用引力模型计算社交网络中用户节点之间的吸引力来度量用户社交行为的相似性；其次通过标签信息构建用户喜好物体模型，并使用引力公式计算喜好物体之间的引力来度量标签行为的相似性。最后，引入变量融合两方面信息，获取近邻用户，产生推荐。采用Last.fm数据集进行实验研究，结果说明推荐算法的准确率和召回率更高。

• 基于广义分形插值理论的多尺度分类尺度下推算法

  李佳星,赵书良,安磊,李长镜,

  多尺度数据挖掘多应用于空间遥感图像数据，以图像的分辨率或者区域分割为依据进行尺度划分，然后在每个尺度层进行分析。近期，有不少学者将多尺度数据挖掘应用于一般数据集上，以等级理论、概念分层以及包含度理论等为尺度划分依据，研究不同尺度层的分布规律，进而发现有意义的事实，如多尺度关联规则以及多尺度聚类。但是在一般数据集下很少将多尺度数据挖掘应用于分类算法领域。定义了广义分形插值理论的概念，打破了局限于迭代函数系统（iterative function systems，IFS）的缺憾，拓展了分形插值的应用；提出了基于广义分形插值理论的多尺度分类尺度下推算法（multi-scale classification scaling-down algorithm，MSCSDA）。仿真实验建立在四个UCI基准数据集和一个H省部分人口真实数据集上，并将MSCSDA与KNN、decision tree以及LIBSVM算法进行对比分析，实验结果表明，MSCSDA在不同的数据集上均优于其他算法。

• 基于filter+wrapper模式的特征选择算法

  周传华,柳智才,丁敬安,周家亿,

  特征选择是数据挖掘、机器学习和模式识别中始终面临的一个重要问题。针对类和特征分布不均时，传统信息增益在特征选择中存在的选择偏好问题，提出了一种基于信息增益率与随机森林的特征选择算法。该算法结合filter和wrapper模式的优点，首先从信息相关性和分类能力两个方面对特征进行综合度量，然后采用序列前向选择（sequential forward selection，SFS）策略对特征进行选择，并以分类精度作为评价指标对特征子集进行度量，从而获取最优特征子集。实验结果表明，该算法不仅能够达到特征空间降维的效果，而且能够有效提高分类算法的分类性能和查全率。

• 基于变异交叉方程与进化选择机制的回溯优化改进算法

  赵琳敬,葛宝臻,陈雷,

  针对回溯搜索优化算法存在的收敛速度慢、容易陷入局部最优等问题，提出了一种改进算法。利用t分布产生变异尺度系数，加快了算法收敛速度；完善交叉方程结构，引入最优个体控制种群搜索方向，有效提高了算法开发能力；最后提出进化选择机制，引入差分进化算法变异因子，一定概率下以较差解替换较优解，避免算法陷入局部最优。在数值实验中，选取了15个测试函数进行仿真测试，并与五种表现良好的算法进行了比较，结果表明，该算法在收敛速度及搜索精度方面有明显优势。

• 基于改进贝叶斯优化算法的CNN超参数优化方法

  邓帅,

  CNN框架中，如何对其模型的超参数进行自动化获取一直是一个重要问题。提出一种基于改进的贝叶斯优化算法的CNN超参数优化方法。该方法使用改进的汤普森采样方法作为采集函数，利用改进的马尔可夫链蒙特卡罗算法加速训练高斯代理模型。该方法可以在超参数空间不同的CNN框架下进行超参数优化。利用CIFAR-10、MRBI和SVHN测试集对算法进行性能测试，实验结果表明，改进后的CNN超参数优化算法比同类超参数优化算法具有更好的性能。

• 误差环境中参数识辨前测量信息的熵描述

  李静,丁海洋,任学尧,

  在逆问题的参数识辨中，测量信息包含的信息量直接影响参数的重构精度，如何度量测量信息中的信息量，对选取参数识辨所需的测量点个数具有重要的指导作用。根据贝叶斯方法，将体现先验信息的先验概率和反映测量信息的似然概率融合得到待识辨参数样本出现的概率，结合信息熵和最大熵计算评价因子，将评价因子用于描述参数识辨前带有误差的测量信息所包含的信息量。计算实例表明，该计算方法可以有效地描述误差环境中的测量信息，对实际应用中测量信息的选取具有重要的指导意义。

• 基于FIUT的并行频繁项集增量更新算法

  张航,张欣,张平康,李琪,

  针对目前大数据快速增加的环境下，海量数据的频繁项集挖掘在实际中所面临的增量更新问题，在频繁项超度量树算法（frequent items ultrametric trees，FIUT）的基础上，引入MapReduce并行编程模型，提出了一种针对频繁项集增量更新的面向大数据的并行算法。该算法通过检查频繁超度量树叶子节点的支持度来确定频繁项集，同时采用准频繁项集的策略来优化并行计算过程，从而提高数据挖掘效率。实验结果显示，所提出的算法能快速完成扫描和更新数据，具有较好的可扩展性，适合于在动态增长的大数据环境中进行关联规则相关数据挖掘。

• 基于Lévy分布的柔软自适应演化采样算法

  张海鹏,张扬帆,孙俊,

  已经有相关工作将演化思想引入采样算法中，并结合Lévy分布提出了自适应的采样算法。针对Lévy分布的参数设置和厚尾特性的关系进行了研究，改进了基于Lévy分布的演化采样算法，通过设置该分布的参数α值为1.0、1.3、1.7、2.0，分别对应四种转移概率分布，从而增加了生成的候选样本的多样性。理论分析和实验表明，改进算法在收敛速率和精度上优于基于高斯分布、柯西分布，对称指数分布的演化采样算法和其他自适应的演化采样算法。

• 基于GEP的高速公路通行费预测方法研究

  刘宁,黄樟灿,谈庆,

  高速公路通行费未来收入状况的预测对于高速公路运营管理、建设规划有着重要的指导意义。通行费收入水平的变化受到多方面因素的影响，具有较强的非线性和复杂性，传统预测模型无法准确表达通行费收入的发展规律。针对复杂的高速公路通行费预测问题，建立了基于基因表达式编程算法（GEP）的高速公路通行费预测模型。该模型利用GEP算法建立通行费当前收入与历史数据之间复杂的函数关系，准确地刻画通行费收入随时间发展的规律。此外，针对节假日期间通行费减免政策的影响，提出了有效的修正模型。最后，采集了浙江沪杭甬高速公路股份有限公司等12家公司通行费收入的历史数据进行仿真实验，对比传统的ARIMA以及神经网络预测模型，结果充分验证了该算法的有效性和准确性。

• 基于动态EM-SHSMM的异常数据下设备健康预测研究

  吴健飞,刘勤明,

  针对设备退化过程中异常数据下的剩余有效寿命预测问题，提出了一种基于动态的期望最大化算法（EM）-分段隐半马尔可夫模型（SHSMM）预测方法。基于SHSMM的理论框架，采用期望最大化参数自适应估计算法估计模型中的未知参数；基于WGM（1，1）模型，提出动态前向后向灰色填充算法处理样本中的异常数据，并利用健康预测过程预测设备的剩余有效寿命；通过实例分析对模型进行评价和验证。结果表明，提出的设备健康预测方法能有效解决异常数据的问题。

• 一种改进K-means聚类的FCMM算法

  杨明极,马池,王娅,张竹,

  针对K-means算法易受初始聚类中心影响而陷入局部最优的问题，提出一种基于萤火虫智能优化和混沌理论的FCMM算法。利用最大最小距离算法确定聚类类别值K和初始聚类中心位置，以各聚类中心为基准点，利用Tent映射构建混沌空间，通过混沌搜索更新聚类中心，以降低初始聚类中心过于临近的影响，并改善算法易陷入局部最优的问题。仿真结果表明，FCMM算法的平均聚类精度相较于经典K-means算法和FA算法分别提高了7.51%和2.2%，成功避免算法陷入局部最优解，提高了划分初始数据集的效率和寻优精度。

• 不协调决策信息系统的知识约简及决策规则优化研究

  汪凌,

  针对不协调决策信息系统的知识约简及决策规则的优化问题，引入分布约简和最大分布约简理论，提出一种基于分布区分对象集的知识约简算法，并得到具体的优化决策规则获取方法。该算法通过求解分布区分对象集和最小析取范式从而得到知识约简集，依据属性约简集挖掘出最优决策规则集。理论分析和实例结果表明该方法的有效性和实用性。

• 一种云存储环境下的资源调度改进算法

  徐建鹏,李欣,赵晓凡,

  如何将用户的海量数据以最小的耗时存储到数据中心，是提高云存储效益、解决其发展瓶颈所需考虑的关键问题。证明了云存储环境下资源调度方案的存储最小耗时问题属于一个NPC问题，再针对现有算法对存储调度因素考虑不全面、调度结果易陷入局部最优等问题，提出了一种全新的资源调度算法。该算法利用三角模糊数层次分析法全面分析调度影响因素，得到存储节点的判断矩阵，用于构造后续的遗传算法目标函数，再将简单遗传算法从解的编码、交叉变异操作及致死染色体自我改善等角度进行创新，使其适用于云存储环境下的大规模资源调度。最后与OpenStack中的Cinder块存储算法及现有改进算法进行了分析比对，实验结果验证了所提算法的有效性，实现了更加高效的资源调度。

• 基于改进的经验模态方法脑电信号分解

  王成龙,韦巍,李天永,

  针对经验模态分解（empirical mode decomposition，EMD）过程中存在的包络拟合问题，提出了一种消减欠冲现象的改进算法。该算法通过引入伪极值点增加了极值点的数目，构成了新的极值序列；然后利用新的极值序列插值拟合得到新的包络线；最后通过仿真实验对比所提算法和经典拟合算法包络拟合产生的欠冲点数目。实验结果显示，与经典拟合算法相比，改进的算法产生的欠冲点数目减少了大约77.5%。实验结果表明，此算法可以有效地消减欠冲点的数目，拟合出的包络线更加贴近原始信号，拥有更好的平滑性。

• 基于语义关系约束和词语关系信息的句向量研究

  夏小强,邵堃,

  针对现有的句向量学习方法不能很好地学习关系知识信息、表示复杂的语义关系，提出了基于PV-DM模型和关系信息模型的关系信息句向量模型（RISV）。该模型是将PV-DM模型作为句向量训练基本模型；然后为其添加关系信息知识约束条件，使改进后的模型能够学习到文本中词语之间的关系，并将关系约束模型（RCM）作为预训练模型，使其进一步整合语义关系约束信息；最后在文档分类和短文本语义相似度两个任务中验证了RISV模型的有效性。实验结果表明，采用RISV模型学习的句向量能够更好地表示文本。

• 生产过程中人的极限工作时间研究

  崔铁军,李莎莎,

  操作工人在长时间的工作过程中，由于精神和身体的疲劳会产生失误，人的可靠性降低，导致生产残次品，甚至危及人身安全。为了了解在保证可靠性的前提下操作者最长可持续的工作时间（极限工作时间），提出了一种结合统计过程控制图（statistical process control chart，SPCC）和差分自回归移动平均（autoregressive integrated moving average，ARIMA）模型的方法。用连续时间中单位时间间隔内的次品率衡量人的可靠度，并形成次品率时序序列（defective rate time series，DRTS）。一方面使用该数列基于ARIMA构建SPCC，并确定样本的上控制线（up control line，UCL）、下控制线（low control line，LCL）和极限时间范围；另一方面使用ARIMA和支持向量机（support vector machine，SVM）配合实时跟踪算法（realtime tracing algorithm，RTA）对需要确定极限工作时间（limit working time，LWT）的某一操作者的DRTS进行预测。最后将预测曲线置于SPCC中来确定该操作者LWT的范围。通过对10个操作者8 h，每隔10 min采样得到的DRTS分析，表明该类工作参数的范围为UCL=［3.89，4.66］、LCL=［-4.98，-3.90］、LWT=［393，450］ min，确定了一个新操作者的LWT为［435，452］ min，即435 min时该操作者就应该停止工作进行休息。

• 基于深度玻尔兹曼机的乐器分类问题研究

  周畅,米红娟,

  应用传统浅层模型处理乐器分类任务存在非线性拟合能力较差的问题，使分类准确率得不到有效保证，有必要引入深度学习方法来提升复杂任务的非线性建模能力。将深度玻尔兹曼机作为特征提取器提取表达能力更强的数据特征，分别以SVM与softmax分类器作为深度神经网络的顶层设置形成DBM+SVM组合模型与DBM+softmax组合模型，引入平均场理论和动量项因子优化网络训练过程。将上述两组模型及单一SVM分类器在五类乐器音频数据上进行对比实验，两种深度学习组合模型的分类准确率分别达到89.29%和87.5%，与传统浅层分类方法SVM的73.21%的准确率相比优势明显。实验结果表明深度玻尔兹曼机在乐器分类领域的应用颇具前景。

• 基于sentence2vec与半监督算法的中文问答提问模式抽取

  张金壬,章韵,王宇,

  关系抽取是信息抽取中的一项重要任务。在处理问答对形式的文本时，除了文本中实体间的关系抽取之外，作为连接问句与答句之间关系的提问模式同样需要抽取。通过有监督的标注算法（条件随机场）与基于模板元组自举的半监督算法的结合在抽取实体间关系时有不错的表现，但传统半监督中发现句式模板的方式难以迁移到提问模式抽取中。针对这种情况，通过引入句向量计算文本相似度并选取句式模板，提出一种基于sentence2vec技术与半监督算法结合的模型。对于最终实验，采用随机抽样进行验证。实验结果表明，相较于传统的半监督算法，该方法得到了更高的准确率和召回率。

• 基于改进匈牙利算法的机场航班时刻优化研究

  胡明华,裔田园,任禹蒙,

  航班时刻是我国治理航班延误、管理空中交通流量最为重要的基础数据之一。针对我国枢纽机场运营高峰时段时刻资源紧张、超负荷运行、放行顺序不合理等情况，分析机场航班运行规律和存在问题，在保证正班航班运输需求的基础上提出基于历史数据的航班时刻优化模型，并改进匈牙利算法求解，以达到航空公司申请时刻调整量和航班地面等待时间整体最小的目标。结合杭州萧山国际机场历史运行数据，验证了航班时刻优化模型的可行性和适用性，对减少地面延误、提高放行正常率、增加机场容量具有重要作用。

• 基于分段的移动对象轨迹简化算法

  张甜,杨智应,

  GPS的高采样率使轨迹的数据规模巨大，在实际应用中难以处理，需要依赖轨迹简化算法对原始数据进行压缩。针对此问题，提出了一种新的基于速度分段的轨迹简化算法，即STS算法，在保留速度特征的同时保留了给定轨迹的时空特征。STS算法将速度值分组成若干间隔，将轨迹分割成速度保留段，计算各轨迹段的SED阈值，通过在每个子轨迹段上应用TD-TR算法导出简化的轨迹。通过真实的数据集进行广泛实验，验证所提出的算法比ATS算法具有更好的性能。

• 事件触发非均匀传输NCS少保守性鲁棒H∞主动优化选择容错控制

  李炜,陈文婧,

  在DETCS下，针对具有执行器故障严重程度可区分的NCS，研究了少保守性鲁棒H∞容错控制器的离线设计及其在线主动优化选择的主被动融合容错控制问题。首先，应用“偏序”的概念对故障进行严重程度区分，构建了主被动融合容错控制结构框架；其次，基于建立的模型，针对正常、轻微、中度及重度四类不同严重程度故障模式集，通过构造Lyapunov-Krasovskii泛函，利用改进的Wirtinger不等式、互反凸引理等技术，给出了离线设计少保守性鲁棒H∞容错控制器集合的方法；然后，在线运行时根据故障诊断的严重程度，按性能最优及少切换的选择策略优化投切对应的容错控制器；最后，通过仿真算例验证了所提方法的可行性和有效性。

• 针灸铜人三维可视化研究与应用

  张文元,李晓旭,谈国新,孙传明,

  针对针灸铜人这类文化遗产数字化保护手段单一、体验性差和传播力不强等问题，提出了一种综合利用三维激光扫描、三维可视化和虚拟现实等技术的数字化方法。以湖北省博物馆珍藏的腧穴针灸铜人为对象，首先采用三维激光扫描技术进行数据采集和三维建模；然后使用XML语言对其承载的传统中医知识进行存储与表达，重点利用基于改进的二次误差度量和递进网格算法实现铜人多分辨率简化模型的自动生成；最后利用Unity引擎开发了一套针灸铜人虚拟交互展示系统，实现了穴位、经络和常见疾病等传统中医知识在三维场景下的快速可视化与交互查询，为历史文物与非物质文化遗产的数字化保护及传播提供了借鉴。

• 基于拟态计算的大数据高效能平台设计方法

  李斌,周清雷,斯雪明,聂凯,

  针对当前大数据应用主要以通用处理器为计算核心，且系统结构单一、能效比低，无法充分满足大数据的计算需求，基于拟态计算模型，提出了一种大数据高效能平台的设计方法。以算粒为基本研究对象，深入剖析大数据应用算法的特征，合理划分各计算子任务；其次，构造体系结构匹配矩阵，将子任务分配到合理的处理部件上；最后，利用动态电压/频率调节技术和数据布局算法实现非关键任务的电压控制，并优化关键任务的结构布局。实验结果表明，拟态计算能深度融合各异构计算部件，建立具有灵活、可拓展的体系结构，充分发挥系统整体执行效率，降低功耗，提高能效比。

• 基于MF-R和AWS密钥管理机制的物联网健康监测大数据分析系统

  臧艳辉,赵雪章,席运江,

  带有传感器的可穿戴式医疗设备不断生成大量数据，由于数据的复杂性，难以通过处理和分析大数据来找到有价值的决策信息。为了解决这个问题，提出一种新的物联网体系结构，用于存储和处理医疗应用的可扩展传感器数据（大数据）。所提出的架构主要由Meta fog重定向（MF-R）架构和AWS密钥管理机制两个子架构组成。MF-R架构使用Apache Pig和Apache HBase等大数据技术来收集和存储不同传感器设备生成的传感器数据，并利用卡尔曼滤波消除噪声；AWS密钥管理机制使用密钥管理方案，目的是保护云中的数据，防止未经授权的访问。当数据存储在云中时，所提出的系统能够使用随机梯度下降算法和逻辑回归来开发心脏病的预测模型。仿真实验表明，与其他几种算法相比，提出的算法具有更小的误差，且在吞吐量、准确度等方面具有一定的优越性。

• 考虑排错过程引进故障的开源软件可靠性模型研究

  米晓萍,王金勇,

  如何评估开源软件的可靠性是一个重要的问题，与传统的闭源软件相比，在建立开源软件可靠性模型时必须考虑故障引入和故障检测与排错之间的延迟时间这两个因素。考虑了排错过程和不完美调试现象，提出了相应的开源软件可靠性模型，并且用两个开源软件故障数据集实验来验证提出模型的拟合性能与预测性能。实验结果表明，提出的模型在开源软件可靠性评估中具有良好的拟合和预测性能，以用于开源软件在实际的开发过程中的可靠性评估。

• 基于搜索的分层回归测试数据集扩增方法

  王曙燕,高露,孙家泽,

  针对在回归测试中原有的测试数据集往往难以满足新版本软件的测试需求问题，提出一种基于搜索的分层回归测试数据集扩增方法，主要包含覆盖目标方法集获取模块和测试数据生成模块。首先对新版本程序进行抽象分析，提取出方法调用图，利用方法调用轨迹和已有测试数据建立方法覆盖信息，获取目标方法集，并通过计算贝叶斯条件概率对目标方法集进行优先选择；利用Hadamard矩阵设计正交种群，同时结合已有测试数据集进行种群初始化，采用文化基因算法对目标集中方法生成测试数据。该方法针对四个基准程序与随机法和遗传算法以及基于粒子群算法测试数据扩增方法相比较，测试数据的生成效率平均提高了95.2%、78.2%和50.5%，测试数据检错能力平均提高了47.9%、33.6%和18.2%，实验结果表明该方法更适合回归测试数据扩增。

• 基于Windows Azure云并行计算的期权定价SaaS

  林溢星,赵地,迟学斌,姜金荣,

  计算速度对于期权交易者至关重要，关系到如何有效地制定价格并评估相应的风险，而云并行计算提供的随收随付制（pay-as-you-go）可以实现低成本运行。在微软云平台Windows Azure的基础上，开发了基于云并行计算的期权定价试点云软件AzureOP，该软件以较低的费用提供了低风险和高速度，并给出了AzureOP对于美式期权价格的模拟结果，绘制了对应的期权价格定价曲线和定价曲面。最后，对云并行计算在金融应用上的优势和不足进行了总结和讨论，同时举例说明了试点云软件AzureOP的具体细节。

• 一种利用情感词统计信息构造文本特征表示的方法

  韩彤晖,杨东强,马宏伟,

  数据表达方法和文本分类的效果密切相关。文本分类中常用的数据表达方法主要包括基于词典的共现频率方法、基于隐性语义空间（LSA/SVD）的方法、基于神经网络语言模型的方法。提出一种利用单词的统计特征创建文本分类中特征空间的表达方法。该方法利用单词的七种常见的统计特征，通过相关性分析选取相对独立的统计特征创建特征空间。该方法能够有效降低文本向量空间的维度，同时降低了语义空间内的计算复杂度。情感分类实验的结果表明，与现有的单词的数据表达方法相比，该方法能够显著提高分类算法的准确率和召回率。

• 基于HRV分析的可穿戴心电仪精神疲劳检测

  黄诗童,张威强,张朋柱,

  精神疲劳是许多慢性疾病如心血管疾病、糖尿病和癌症的关键原因，然而又难以量化评估及测量，提出了一种通过智能穿戴设备检测脑力劳动者疲劳程度的工程可行性的方案。为了检测脑力疲劳程度，通过Man-Whitney U检验评估了HRV各项指标在判断精神疲劳状态的统计显著性，并使用随机森林进行特征选择以确定HRV各项指标的重要性。研究发现，最重要的HRV指标分别是NN.mean、PNN50、VLF、LF和TP。最后采用SVM、na?ve Bayes、KNN和逻辑回归四种机器学习算法对疲劳状态进行识别，实验证明了KNN分类器最为有效，其交叉验证准确率为75.5%和AUC为0.74。

• 基于跨层全连接神经网络的癫痫发作期识别

  王凤琴,卢官明,柯亨进,肖新凤,

  在缺乏足够先验知识下，自适应癫痫发作期识别异常困难。提出一种新的度量通道之间的同步特征计算方法（聚类划分互信息），以相关矩阵方式组织单窗口内全局同步特征模式，进而设计一种跨层全连接神经网络分类器，对非平稳同步特征模式实现自适应分类。实验表明该方法可获得［98.19%±0.24%］精确度，［98.27%±0.51%］敏感度和［98.11%±0.36%］特异度，超过了现有大部分方法的分类性能。另外，该方法无须去噪和去伪迹等预处理过程；而且其仅需设置一个超参数（时间窗），避免了过多的潜在错误参数设置而导致的分类性能的降低。

• 基于节点社会性的无线网络编码传输策略研究

  张晓军,李领治,朱艳琴,

  延迟容忍网络是一种缺乏持续连接的新型网络体系结构，选择合适的转发节点是实现延迟容忍网络高效的转发和投递消息的关键问题。由于节点移动性和网络拓扑动态变化等会对延迟容忍网络的传输效率产生影响，提出了一种基于节点社会性和利用随机线性网络编码的DTN模型NSNC-DTN。NSNC-DTN模型利用网络中的社团结构、社团紧密度以及节点活跃度，选择出最合适的转发节点。离线计算节点的社会性，对源节点和center节点进行随机线性网络编码，在线完成转发，从而达到高效转发和投递的目的。仿真结果表明NSNC-DTN能够有效地提高信息投递成功率，减小端对端的网络延迟和网络开销。

• 基于GMD-DPC/THP的两组Alamouti非线性预编码系统

  尚应博,赵悠悠,穆晓敏,张建康,

  针对Alamouti空时块编码复用增益损失的问题，提出了两组Alamouti编码方案。在此基础上，为了改善系统的误码率（BER）性能和简化接收端复杂度，提出了将几何均值分解（GMD）算法和非线性预编码技术相结合的两组Alamouti传输方案。该方案的设计方法为：首先等效出两组Alamouti空时块编码系统的信道矩阵；进而，通过GMD算法对等效信道矩阵进行收发端联合设计；最后，在发射端应用脏纸（dirty paper coding，DPC）和Tomlinson-Harashima precoding（THP）非线性预编码技术，消除发送信号间的干扰，从而使系统获得更好的误码率性能。通过仿真结果对比发现，提出的系统可以显著地改善误码率性能。

• 广义空—码联合索引调制

  冯胜,杨勤,郑鹤,葛利嘉,

  针对空间调制天线利用率低、广义空间调制传输速率低等问题，将广义空间调制和码索引调制相结合，提出广义空—码联合索引调制（generalised space code joint index modulation，GSCJIM）。信息比特在发射端经串并转换后分别映射为伪随机（pseudo noise，PN）码索引、天线索引以及调制符号，调制符号的实部和虚部分别选择激活的伪随机码进行扩频，并通过激活的天线组合将信号发射出去。广义空间调制和码索引调制的结合，提升系统传输速率的同时也提高了天线的利用率，并且抗干扰性能显著增强。分析与仿真结果表明，在传输速率相同时，GSCJIM比广义空间调制节省了索引资源，并且当误比特率为10-3时具备5 dB的性能优势。

• 基于SDWN的负载感知终端多点关联方案研究

  池亚平,李晓,许萍,杨建喜,

  软件定义无线网络（SDWN）是一种控制与转发分离的无线网络架构。该架构可以快速获取全局拓扑，并且其可编程性结合资源虚拟化技术可以对网络接入进行动态控制。针对现有WLAN网络接入负载不均衡问题以及移动终端与AP硬关联导致的切换速度较慢的问题，基于SDWN架构提出了一种负载感知终端多点关联方案。该方案对SDWN网络架构下的终端接入算法进行改进，采用多点关联技术，即终端在感知AP负载数据后，可关联多个虚拟AP，达到动态分流并提高网络吞吐量的目的。最后在SDWN的开源Odin平台上验证了方案的可行性。实验表明，相比无缝切换至另一AP，此方案可改变原有终端与AP接入一一对应的接入关系，根据AP负载动态接入能有效提升网络吞吐量。

• NOMA中基于非规则码片映射的稀疏多用户检测算法

  詹德满,李燕龙,王俊义,

  针对非正交多址接入系统灵活性不高的问题，基于码片映射码分多址（CM-CDMA）系统，设计了一种非规则结构的码片映射矩阵。根据不同场景需求，该映射矩阵可为各用户分配不同数量的传输码片，提高了系统灵活性。同时分析了非规则映射矩阵的引入满足压缩感知RIP条件，并对该系统模型进行了验证。仿真结果表明，该系统能够利用压缩感知理论可靠地检测出活跃用户和数据，过载率可达300%，有效提升了频谱利用率。

• 基于区域划分的混合式NDN缓存策略

  宋彩风,李翀,刘学敏,

  针对NDN（命名数据网络）中确定性缓存和概率性缓存进行研究，提出一种确定性缓存和概率性缓存相结合的混合式NDN缓存策略（HDP）。基于区域划分的思想，在网络边缘采用基于热度的确定性缓存策略，在网络核心采用基于缓存收益和内容热度的概率性缓存策略，从而将两种缓存策略的优势相结合，进一步提高NDN缓存性能。仿真实验表明该策略与现有NDN缓存方法相比，能有效提高缓存服务率和命中率，并有助于降低内容访问延迟，改善用户体验。

• 一种多带多chirp基调制解调技术

  肖绵合,郑霖,杨超,

  多带线性调频二进制开关键控（chirp-BOK）调制是在线性调频（chirp）信号基础上合成的，其传统的检测方案匹配滤波法存在非相关项自干扰问题，在子带个数较多或chirp基的时带宽积较小情况下误码性能较差。建立了一种多带chirp信号的数学模型并提出一种简易的调制流程。基于该模型，采用最小二乘法解决了匹配滤波法自干扰问题，相比于匹配滤波法具有较好的信干噪比增益。更进一步地，通过分析多带chirp-BOK技术缺陷提出一种多带多chirp基调制技术（MMCM）。MMCM技术可以灵活地调整码率与扩频增益之间的关系。仿真表明，扩频增益为0 dB情况下，MMCM与OFDM技术有相同频带利用率；对于MMCM的信源组个数为J与时带宽积为P的情况，系统处理增益为P/J。

• 基于Petri网的APT攻击模型生成方法

  杜镇宇,刘方正,李翼宏,

  在严峻的APT（advanced persistent threat）攻击防御背景下，针对现有网络攻击建模方法无法反映APT攻击的攻击特点的问题，建立了基于Petri网的APT攻击模型。借助Petri网，针对APT攻击的特点及生命周期，建立APT攻击的基本Petri网模型；然后设计并实现针对具体APT攻击的APTPN（advanced persistent threat petri nets）模型的生成算法，该算法能够生成具体APT攻击的完整的攻击路径，并能够对APT攻击进行检测及预测。实验通过模拟极光攻击验证了算法的有效性及正确性，并能够根据收集到的报警信息预测攻击者下一步的攻击手段。

• 基于虚拟移动的IPv6主动防御方案

  孔亚洲,张连成,王振兴,

  现有通过地址跳变对IPv6节点进行防护的技术依赖时间同步或事件同步。利用IPv6的良好移动特性和多转交地址注册机制，提出一种基于虚拟移动的IPv6主动防御方案。通过为IPv6节点分配动态变化的转交地址，使其呈现出在网络内不断移动的特征，在降低攻击者对其实施攻击概率的同时保证通信的持续。理论分析和实验测试表明，方案具有良好的抗攻击能力，且系统开销较小。

• SDN场景中基于双向流量特征的DDoS攻击检测方法

  陈超,曹晓梅,

  传统网络资源的分布式特性使得管理员较难实现网络的集中管控，在分布式拒绝服务攻击发生时难以快速准确地检出攻击并溯源。针对这一问题，结合软件定义网络集中管控、动态管理的优势和分布式拒绝服务攻击特点，引入双向流量概念，提出了攻击检测四元组特征，并利用增长型分层自组织映射算法对网络流中提取的四元组特征向量快速准确地分析并分类，同时提出了一种通过自适应改变监控流表粒度以定位潜在受害者的检测方法。仿真实验结果表明，提出的四元组特征及下发适量监控流表项的检测算法能以近似96%的准确率检出攻击并定位受害者，且对控制器造成的计算开销较小。

• 基于多类型数据包的IPv6防火墙防护能力评测方法

  辜苛峻,张连成,郭毅,孔亚洲,王振兴,

  为测试IPv6防火墙对潜在IPv6网络威胁的防护能力，研究了IPv6防火墙防护能力评测方法。通过对IPv6协议的研究，构造了针对ICMPv6、单一扩展报头、多扩展报头、分片、地址范围的五类存在安全隐患的测试数据包，构建了C/S架构的防火墙测试框架；基于框架和测试数据包构建了用于各类测试的独立测试模块，搭建了可用于测试有状态防火墙的测试环境，并提供了相应的测试方法。利用所提出的方法，对思科ASA5505防火墙进行了测试，发现了它的一些优点与不足。

• 动静结合的网络恶意代码检测技术研究

  邓兆琨,陆余良,黄钊,

  针对互联网服务器的攻击行为常利用程序存在的未知漏洞展开，且手法不断更新，使得防御技术的更新往往长时间滞后于攻击行为的发生。提出了一种动静结合的网络数据检测方法，在传统静态分析的基础上优化了检测算法，同时引入了动态模拟运行的检测方式；通过动静结合的双重检测提高了恶意代码的识别率，并能够在代码传入实际被保护程序运行前检测并确定其恶意性，实现防御系统策略的快速自动化更新，缩短了策略更新时间，提高了防御效果。结合该技术实现了一个N-A detecting（网络数据检测）防御系统，实验证明，该系统能够很好地防范针对网络程序的恶意代码攻击行为。

• 工业控制网络通信异常检测的改进鱼群算法优化方法

  陈万志,唐雨,张静,

  针对工业控制网络中典型的攻击类型，提出一种利用深度学习预测工控网络通信异常的方法。首先，利用主成分分析方法对原始数据降维，消除原始数据集的相关性；其次，构建人工神经网络并利用万有引力搜索算法中粒子惯性质量计算思想改进的鱼群算法来优化极限学习机的输入权值和阈值。测试实验结果表明，异常检测的准确率有所提升，同时有效地缩短了检测时间，实现了利用深度学习预测工控网络通信异常的行为。

• 基于传播能力差异的IWSR垃圾信息传播模型

  冉茂洁,刘超,黄贤英,刘小洋,曹琼,

  为研究用户传播能力差异性对垃圾信息传播的影响，根据仓室建模思想，将传播网络中的人群划分为I（ignorant）、W（weakly spreader）、S（strongly spreader）、R（removal）四个仓室并提出状态转换规则，运用微分动力系统理论建立一个具有传播能力差异的IWSR垃圾信息传播模型。通过计算模型的基本再生数，利用Hurwitz判据、Lyapunov稳定性定理和LaSalle不变性原理，得出垃圾信息传播平衡点的局部稳定和全局稳定条件。最后通过数值仿真与新浪微博真实数据集的对比实验证明所得结论的合理性和有效性。

• 基于虚拟机迁移的DoS攻击防御方法

  张淼,季新生,刘文彦,杨超,霍树民,程国振,

  利用云计算资源共享的特性，攻击者可以通过不停消耗带宽资源，使得同一物理主机上的其他用户无法接受正常服务，造成拒绝服务（denial of service，DoS）攻击。这种攻击区别于传统网络体系中的DoS攻击，因此难以应用传统防御方法解决。针对这一问题，提出一种基于虚拟机迁移的DoS攻击防御方法。通过选择迁移目标、设计触发机制和选择迁移目的地，形成迅速减轻DoS攻击影响的虚拟机迁移策略。实验结果表明，针对攻击者的不同攻击方式，该方法均可有效地快速防御DoS攻击，保证云服务的正常运行。相比其他策略，所提方法在迁移开销上略有增加，但防御效果明显，可行性更高。

• 云存储中基于MHT的动态数据完整性验证与恢复方案

  李敬伟,朱命冬,

  针对云服务器上存储数据完整性验证过程中的高通信开销和动态数据验证问题，提出一种基于Merkle哈希树（MHT）的动态数据完整性验证与恢复方案。首先，基于MHT构建了一种新型分层认证数据结构，将数据块的每个副本块组织成副本子树，以此大幅降低多副本更新验证的通信开销。然后，在数据验证中融入了对服务器安全索引信息的认证，以此避免服务器攻击。最后，当发现数据损坏时，通过二分查找和Shamir秘密共享机制来恢复数据。实验结果表明，该方案在验证过程中能有效降低计算和通信开销，并能够很好地支持数据的动态操作。

• SIMECK密码代数故障攻击研究

  黄长阳,王韬,陈浩,王晓晗,马云飞,陈财森,

  针对SIMECK密码给出一种代数故障攻击方法。首先给出SIMECK加密轮函数和密钥生成策略等效代数方程创建方法；分别设定故障已知模型和故障未知模型，并在故障未知模型下提出基于故障注入差分和基于正确/故障密文差分确定故障索引值两种策略创建故障信息方程；利用基于SAT问题求解方程组。结果表明，在SIMECK32/64第24轮注入单比特翻转故障，故障已知模型和基于故障注入差分的故障未知模型均仅需两次注入即可恢复完整64 bit主密钥；在第27轮注入故障，基于密文差分的未知模型需九次注入可恢复完整主密钥。与已有研究相比，该攻击密钥搜索复杂度更低，所需故障注入样本量更少。

• 基于多碱基组合映射编码和DNA计算的一次一密算法

  彭维平,程丹华,宋成,

  为增强密码方案安全性，利用多碱基组合映射编码，采用模拟DNA生物操作的方式，提出了一种一次一密加/解密方案。方案主要采用分段加密的机制，利用多碱基组合映射编码规则编码明文信息，通过logistic逻辑映射系统生成随机数构造一次一密密钥本，为每一个明文段选择不同的密钥。加/解密算法运用DNA碱基运算规则，并将部分参数和最终密文经过处理后通过安全信道传送给解密方。对图像仿真和安全性的分析表明，密钥本的制作基于混沌映射和多碱基DNA编码规则两层操作，密钥空间足够大，并且攻击者在密文图像中得不到任何有用的统计数据。另外，随着需要加密的明文数据量增加，攻击者完全破解所需计算的密钥空间量呈指数级增长，增强了算法安全性。

• 基于结构感知深度神经网络的显著性对象检测算法

  李鑫,陈雷霆,蔡洪斌,

  由于现有的基于深度神经网络的显著性对象检测算法忽视了对象的结构信息，使得显著性图不能完整地覆盖整个对象区域，导致检测的准确率下降。针对此问题，提出一种结构感知的深度显著性对象检测算法。该算法基于一种多流结构的深度神经网络，包括特征提取网络、对象骨架检测子网络、显著性对象检测子网络和跨任务连接部件四个部分。首先，在显著性对象子网络的训练和测试阶段，通过对象骨骼检测子网络学习对象的结构信息，并利用跨任务连接部件使得显著性对象检测子网络能自动编码对象骨骼子网络学习的信息，从而感知对象的整体结构，克服对象区域检测不完整问题；其次，为了进一步提高所提方法的准确率，利用全连接条件随机场对检测结果进行进一步的优化。在三个公共数据集上的实验结果表明，该算法在检测的准确率和运行效率上均优于现有存在的基于深度学习的算法，这也说明了在深度神经网络中考虑对象结构信息的捕获是有意义的，有助于提高模型准确率。

• 基于Canopy聚类的噪声自适应模糊C-均值算法

  陈凯,陈秀宏,孙慧强,

  针对局部空间信息的模糊C-均值算法中空间影响因子容易受到噪声影响出现错误标志的问题，提出一种融合局部和非局部空间信息的模糊C-均值聚类图像分割算法（NLWFLICM）。在WFLICM算法的模糊影响因子中引入非局部空间信息，根据噪声程度自适应地设置局部和非局部信息权重，并重新标记中心点的模糊影响因子。实验结果表明，NLWFLICM算法具有比WFLICM算法更强的鲁棒性和自适应性，并在一定程度上提高了WFLICM算法对含有大量噪声图像进行分割的鲁棒性，同时保留了图像的纹理。为了提高算法的聚类性能和收敛速度，结合Canopy算法能够快速对数据进行粗聚类的优点，提出基于Canopy聚类与非局部空间信息的FCM图像分割改进算法（Canopy-NLWFLICM），可以在NLWFLICM算法聚类前对聚类中心进行预处理，从而提高收敛速度和图像分割精度。

• 基于树型结构网格矢量量化的点云渲染算法

  石祖旭,曾安,VincentRicordel,NicolasNormand,

  针对3D模型海量点云数据存在的空间冗余问题，提出一种基于TSLVQ （tree structure lattice vector quantization）的静态点云有损渲染算法。算法旨在利用层级嵌套网格的集合，解决渲染低效的问题。首先对整个点云进行包围盒封装，多层量化，把数个较小尺度的截断包围盒嵌入到一个较高尺度的截断包围盒单元中，每一步量化过程采用8叉树方法将包围盒分割为八个最佳尺寸的空或非空小包围盒；最后在最高深度的层级里，用包围盒来代替整个小包围盒中全部的点。同时，算法可自行设定8叉树的深度，从而任意控制编码的复杂度和精度，满足渲染的实时性要求。实验结果表明，与现有的网格有损压缩算法相比，提出的算法能在保证模型重建精度的基础上具有较好的空间分解优势，实现实时渲染效果。

• 结合学习率调整的自适应特征融合相关滤波跟踪算法

  成悦,李建增,

  针对单一特征存在的缺陷和目标快速变化时易跟丢的问题，提出了一种结合学习率调整的自适应特征融合相关滤波跟踪算法。采用互补的梯度特征和颜色特征进行特征融合，通过计算滤波响应的大小来决定下一帧在融合特征中各自所占的权重，凸显优势特征，使目标与背景更具区分度；提取目标后需要更新滤波器，为了避免滤波器跟不上目标变化的情况发生，引入学习率调整机制，使滤波器更新速度能够随目标外观变化进行在线调整。相较同类特征融合算法，提出的算法准确高效，且对于快速形变目标的鲁棒性更强。实验证明，该算法在精度和成功率上都比现有相关滤波算法更优，具有一定的应用价值。

• 基于HVS的视频监控目标提取方法研究

  赵潇,刘畅,田霖,韩雪,周继华,吴坚,

  目标识别是实现视频监控智能分析的基础，但在光照、阴影以及杂乱背景等场景中，往往会出现目标误判以及不合理聚类等问题。针对上述问题，提出一种基于人类视觉系统（HVS）的视频监控目标提取方法。结合HVS视觉关注原理，优化背景差法检测结果中存在的重复检测和错误分割问题，并根据HVS的跟踪特点以及目标运动的连续性，结合相邻帧检测结果以达到目标区域的完整准确提取。最后，基于实际采集视频进行仿真实验，证明所提目标检测算法结果准确性更高，在复杂背景下也有良好的检测效果。

• 基于似物目标的快速行人检测算法

  刘倩,李策,杨峰,刘立波,

  针对传统滑动窗口行人检测速度慢、无效窗口数量大和识别率低的问题，提出基于似物目标的快速行人检测算法。该算法首先使用改进的二值化赋范梯度算法生成目标候选集，再利用NDOG特征描述子计算目标特征。通过在INRIA和Caltech-USA两个行人数据库的分析实验，证明该算法可有效减少待检测窗口数量，提高特征表示能力，且计算时间显著降低，使用线性支持向量机作为分类器可获得较高的行人检测率。

• 利用卷积神经网络改进迭代深度学习算法的图像识别方法研究

  孙平安,祁俊,谭秋月,

  针对图像识别算法中图像集上几何曲面的特定分类会导致判别信息丢失的问题，提出一种融合卷积神经网络的改进型迭代深度学习算法（IIDLA）。该算法采用混合卷积网进行底层的平移不变特征学习，以层次化的方式迭代应用卷积神经网络对输入图像集的不同非线性特征进行学习。算法的图库和查询实例中包括了不同视角、背景、面部表情、解析度和照明度的人脸或物体图像集。采用数据集将提出的算法与其他算法进行评估对比，实验结果表明提出的算法在被测数据集上的性能最优。

• 改进的形态学与Otsu相结合的视网膜血管分割

  汪维华,张景中,吴文渊,

  针对视网膜图像采集过程中由于疾病引起的图像光照反射过强问题，提出了一种修正的形态学与Otsu相结合的无监督视网膜血管分割算法。首先运用形态学中的高低帽变换增强血管与背景的对比度；然后提出了一种修正方法，消除部分由视网膜疾病引起的光照问题；最后使用Otsu阈值方法分割血管。算法在DRIVE和STARE视网膜图像数据库中进行了测试，实验结果表明，DRIVE数据库中的分割精度为0.938 2，STARE数据库中的分割精度为0.946 0，算法的执行时间为1.6 s。算法能够精确地分割出视网膜血管，与传统的无监督视网膜血管分割算法相比，算法的分割精度高、抗干扰能力强。

• 动作识别中基于深度神经网络和GA合并算法的分类决策方法

  赵雪章,席运江,黄雄波,

  针对人体动作识别中传统方法在分类决策方面存在的问题和缺陷，提出了一种新颖的基于深度神经网络（DNN）和遗传算法（GA）合并算法的非线性分类决策方法。首先提出的合并算法在整个训练集合上对特征提取器进行组合，进而组合成不同的两个独立网络，再利用DNN对两个独立网络进行初始化，进一步利用GA对两个网络进行合并；然后将网络的偏差和权重表示为每层网络间的一个矩阵；最后利用DNN对网络的偏差和权重进行训练，并在合并过程中将矩阵中的每一行当做一个染色体。实验采用了标准MNIST数据集对提出算法的性能进行评估。评估结果显示实验过程中的交叉和突变操作增加了神经元节点，提高了识别性能，并且弱化了不相关和相关神经元节点。因此，提出算法的错误率更低，网络性能更优异。

• 基于双重压缩协议的医学图像压缩方法研究

  苏宁,禹晓辉,

  针对医学图像数据量大、存储和传输对内存和带宽要求高的问题，提出一种基于双重压缩协议的医学图像压缩方法。首先，使用方形网络对图像进行缩小处理；然后，利用数字水印技术在缩小图像的每个像素中嵌入该像素最佳放大方法的编码；最后，对水印图像利用JPEG-LS无损压缩得到最终的压缩图像，并进行存储和传输。对磁共振（MR）图像和计算机断层（CT）图像两种医学图像进行实验，实验结果表明，与其他方法相比，所提方法具有明显的优势，在高压缩比的情况下能够保留良好的图像质量。