计算机应用研究杂志

计算机应用研究杂志2019年第8期

• 异构环境下纠删码的数据修复方法综述

  钟凤艳,王艳,李念爽,

  在大规模云存储系统中，由于磁盘或网络故障造成的存储节点失效事件频发，系统需要数据冗余技术以保证数据的可靠性和可用性。目前针对纠删码的冗余数据修复研究大多是无差别地对待每个存储节点，然而在实际分布式存储系统中，节点通常在带宽资源、计算资源、存储容量资源等方面存在差异性，这些资源的异构性对冗余数据修复性能影响很大。指出了影响修复性能的关键因素，选取带宽开销、磁盘访问开销、修复时间、参与修复的节点数量和修复代价作为修复性能的评价标准；分析了现有研究方法如何降低这五种开销，重点讨论了这些方法的优缺点；阐述了当前异构分布式存储系统中纠删码修复技术的研究现状，并指出了纠删码数据修复技术中尚未解决的一些难题和未来纠删码修复技术可能的发展方向。

• 基于深度学习的图像风格迁移研究综述

  陈淑環,韦玉科,徐乐,董晓华,温坤哲,

  为推进基于深度学习的图像风格迁移的技术研究，对目前基于深度学习的图像风格迁移的主要方法和代表性工作进行了归纳与探讨。回顾了非参数的图像风格迁移，详细介绍了目前主要的基于深度学习的图像风格迁移的基本原理和方法，分析了图像风格迁移在相关领域中的应用前景，最后总结了基于深度学习的图像风格迁移目前存在的问题与未来的研究方向。

• 基于信息熵的混合属性数据谱聚类算法

  姜智涵,朱军,周晓锋,李帅,

  针对传统的聚类算法只能处理单属性的数据，不能很好地处理混合属性数据的聚类问题，以及目前大多数混合属性数据聚类算法对初始化敏感，不能处理任意形状的数据的问题，提出一种基于信息熵的混合属性数据谱聚类算法，用于处理混合类型数据。提出了一种新的相似性度量方式，利用谱聚类算法中的数值型数据构成的高斯核函数矩阵与新的基于信息熵的分类型数据构成的影响因子矩阵相结合代替了传统的相似度矩阵，新的相似度矩阵避免了数值属性与分类属性数据之间的转换和参数调整；把新的相似度矩阵运用到谱聚类算法中，以便于处理任意形状的数据，最终得出聚类结果。通过在UCI的数据集上的实验表明，该算法能有效地处理混合属性数据的聚类问题，且具有较高的稳定性以及良好的鲁棒性。

• 文本分类中一种特征选择方法研究

  赵婧,邵雄凯,刘建舟,王春枝,

  针对文本分类中传统特征选择方法卡方统计量和信息增益的不足进行了分析，得出文本分类中的特征选择关键在于选择出集中分布于某类文档并在该类文档中均匀分布且频繁出现的特征词。因此，综合考虑特征词的文档频、词频以及特征词的类间集中度、类内分散度，提出一种基于类内类间文档频和词频统计的特征选择评估函数，并利用该特征选择评估函数在训练集每个类别中选取一定比例的特征词组成该类别的特征词库，而训练集的特征词库则为各类别特征词库的并集。通过基于SVM的中文文本分类实验表明，该方法与传统的卡方统计量和信息增益相比，在一定程度上提高了文本分类的效果。

• 基于LDA主题模型的用户电信轨迹恢复算法

  徐广根,杨璐,严建峰,徐彩旭,石鸿斌,

  随着移动通信技术的发展和移动设备的普及，关于人们日常移动行为的轨迹数据记录愈发丰富起来。海量的轨迹数据背后隐藏着关于人们及人类社会的有价值的知识模式。为了使基于轨迹数据产生的知识模式更精准有效地服务用户，能够准确、可靠地恢复缺失电信轨迹显得尤为重要。目前大多数方法主要针对GPS轨迹等连续轨迹进行建模，而缺乏对移动通信场景中产生的电信轨迹恢复的研究。因此，针对电信轨迹缺失恢复问题，将电信轨迹恢复问题转换为矩阵补全问题，提出了一种基于LDA主题模型的恢复算法。实验中，与传统矩阵补全算法进行综合比较，并观察了不同参数对轨迹恢复效果的影响。实验结果表明，与传统矩阵补全算法相比，运用LDA主题模型能够显著提高缺失电信轨迹的恢复精度。

• 基于BP和朴素贝叶斯的时间序列分类模型

  王会青,郭芷榕,白莹莹,

  针对传统时间序列分类方法需要较为繁琐的特征抽取工作以及在只有少量标记数据时分类效果不佳的问题，通过分析BP神经网络和朴素贝叶斯分类器的特点，提出一种基于BP和朴素贝叶斯的时间序列分类模型。利用BP神经网络非线性映射能力和朴素贝叶斯分类器在少量标记数据下的分类能力，将BP神经网络抽取到的特征输入到朴素贝叶斯分类器中，可以较为有效地解决传统时间序列分类算法的问题。实验结果表明，该模型在标记数据较少情况下的时间序列分类中具有较高的分类准确度。

• 在线用户打分行为长记忆效应与信任关系研究

  郭昕宇,郭强,刘建国,

  对在线打分行为的动态研究能够帮助深入理解社交网络用户集群行为和信任关系的演化机制，当前许多在线系统用户能够通过对物品进行打分传达自己的观点。通过去趋势波动分析法研究了用户打分行为在信任关系建立前后的长记忆效应，并通过随机化打分时间和信任时间建立零模型，最后进行用户打分行为异质性分析。采用Epinions数据集进行实证研究，结果表明用户打分的长记忆效应在信任关系建立前出现下降趋势（8.06%），并于之后逐步回升（8.43%），而在两个零模型中赫斯特指数分别稳定在0.5和0.6左右，且用户长记忆效应变动与用户度呈正相关，Pearson相关系数分别为0.935 8和0.927 8。该工作有助于深入理解用户集群行为和信任关系的动态演化机制。

• 基于EK-medoids聚类和邻域距离的特征选择方法

  孙印杰,张新乐,孙林,

  针对传统聚类算法中只注重数据间的距离关系而忽视数据全局性分布结构的问题，提出一种基于EK-medoids聚类和邻域距离的特征选择方法。首先，用稀疏重构的方法计算数据样本之间的有效距离，构建基于有效距离的相似性矩阵；然后，将相似性矩阵应用到K-medoids聚类算法中，获取新的聚类中心，进而提出EK-medoids聚类算法，可有效对原始数据集进行聚类；最后，根据划分结果所构成簇的邻域距离给出确定数据集中的属性重要度定义，应用启发式搜索方法设计一种EK-medoids聚类和邻域距离的特征选择算法，降低了聚类算法的时间复杂度。实验结果表明，该算法不仅有效地提高了聚类结果的精度，而且也可选择出分类精度较高的特征子集。

• 不确定性数据中基于GSO优化MF的模糊关联规则挖掘方法

  章武媚,董琼,

  针对不确定性数据中模糊关联规则的挖掘问题，提出一种基于群搜索优化（GSO）算法优化隶属度函数（MF）的模糊关联规则挖掘方法。首先，将不确定性数据通过三元语言表示模型进行表示；然后，给定一个初始MF，并以最大化模糊项集支持度和语义可解释性作为适应度函数，通过GSO算法的优化学习获得最佳MF；最后，根据获得的最佳MF，利用改进型的FFP-growth算法来从不确定数据中挖掘模糊关联规则。实验结果表明，该方法能够根据数据集自适应优化MF，以此实现从不确定数据中有效地挖掘关联规则。

• 一种改进的个性化查询引文推荐方法

  李飞,张宏鸣,蔡晓妍,刘斌,郭蓝天,

  为充分利用文本内容的上下文信息，结合图模型及查询向量的构建方法，提出一种融合查询内容信息的个性化引文推荐方法。通过三种论文信息构建三层图模型，并在不同层上设置不同参数，调整节点向不同层次的跳转概率；利用word2vec技术构建的查询向量，可以有效利用文本上下文内容信息，使相似的文章在距离上更加接近，进而对候选文章进行评分预测与论文推荐。在association of computational linguistics anthology network数据集上进行计算分析，相同查询下与原有的方法相比在recall@N上平均提高约7%，在NDCG@N上平均提高约11%。实验结果表明该方法可以使引文推荐的质量得到有效的提升，能够获得较好的推荐效果。

• 基于标签分类的协同过滤推荐算法

  朱峥宇,曹晓梅,

  传统的协同过滤根据用户的行为去预测可能喜欢的产品，是当前应用最广泛的推荐算法之一。但随着用户规模的急剧扩大，有价值的信息占比较少，存在稀疏性等问题，导致推荐质量不高。针对这一问题，提出了一种基于标签分类的协同过滤推荐算法。将不完整的数据样本根据标签进行分类，使分解的矩阵依赖于类，随后使用迭代投影寻踪的方法计算类依赖矩阵的线性组合及其对应的权重。开放数据集实验表明，该方法在保持一定分类准确率的前提下，平均降低了35.23%的插补误差，优于传统协同过滤推荐算法。

• 基于注意力机制的音乐深度推荐算法

  张全贵,张新新,李志强,

  在海量音乐中，如何根据用户的历史收听记录分析用户需求以实现歌曲推荐是音乐推荐领域具有挑战性课题之一。现有的音乐推荐方法仅简单地将用户听过的所有音乐均作为音乐推荐的上下文，导致不同类型音乐学习到的上下文权重分配相同，其严重影响了音乐推荐精度。针对此问题，提出了一种基于注意力机制的音乐深度推荐方法，针对不同用户的历史收听音乐动态分配不同的注意力，即学习出不同的上下文权重，使推荐结果更符合用户的实际偏好。通过在公开音乐数据集million song dateset上的测试，所提方法的推荐准确率有很大的提升。

• 利用ε-贪婪学习和用户行为反馈的搜索引擎网页排序算法

  张春玲,姜成晶,

  为了提高网页排序的准确性，提出一种基于ε-贪婪学习和用户点击行为的网页排序算法。首先，根据用户查询，通过轮盘赌策略向用户推荐相关网页列表；然后，根据用户点击网页的行为进行ε-贪婪学习，计算得到排序系统中的强化信号，通过奖励和惩罚机制为每个网页计算相关性程度值；最后，根据相关性程度对网页进行重新排序。随着用户反馈的信息越来越多，相关网页会排列在列表的最高等级上。实验结果表明，提出的算法能够准确地推荐出相关网页，在P@n、NDCG和MAP性能指标上都获得了较优的性能。

• 基于差分进化的改进狼群算法研究

  王盈祥,陈民铀,程庭莉,盛琪,董龙昌,李哲,

  针对传统狼群算法（WPA）存在易陷入局部最优解、计算资源耗费大、鲁棒性低等问题，提出一种基于差分进化的改进狼群算法（DWPA）。首先，通过引入探狼搜索因子、猛狼最大奔袭次数、自适应围攻步长、差分进化策略等对传统狼群算法进行了改进，在降低算法计算耗费的同时提高了算法的全局搜索能力；然后，运用马尔可夫链理论证明了DWPA的收敛性；最后，对13个测试函数进行寻优测试，并与WPA等四种算法进行对比分析。测试结果表明，DWPA具有良好的鲁棒性和全局搜索能力，在求解多峰、高维、不可分函数方面的寻优能力尤为突出。

• 自组织多目标粒子群优化算法

  梁静,郭倩倩,岳彩通,瞿博阳,

  针对多目标粒子群优化算法收敛性和多样性难以平衡的问题，提出一种利用问题的结构信息来解决多目标问题的自组织多目标粒子群算法。通过自组织映射网络发现种群和非支配解集分布的结构，构造出当前粒子的邻域关系，从邻域中选出非支配解，从而引导种群局部和全局的搜索。提出了精英学习策略，通过对精英粒子进行变异，引导算法跳出局部最优。实验结果表明，所提算法可以兼顾收敛性和多样性，有效地解决多目标优化问题。

• 全局优化的改进鸡群算法

  韩斐斐,赵齐辉,杜兆宏,刘升,

  在基本鸡群算法的基础上提出了一种改进版鸡群算法（ECSO），在公鸡位置的更新过程中引入自适应变异策略用于平衡算法迭代后期下降的种群多样性，提升收敛速度；在母鸡移动过程中引入偏好随机游动策略来平衡算法的开发与探索阶段，增强算法的稳定性；在小鸡位置更新时引入领导者策略，减少算法搜索的盲目性；最后，通过测试多组函数，并与基本蝙蝠算法和鸡群算法以及已有改进的鸡群算法进行对比，验证了改进算法的有效性。

• 基于几何规则的异类蚁群优化算法

  赵江,薛文艳,郝崇清,

  针对复杂环境下自动导引小车路径规划存在收敛速度慢、极易陷入局部最优的缺点，提出一种基于几何规则的异类蚁群优化（GR-HFACO）算法。首先，为加快算法收敛速度，利用几何规则非均匀分配初始信息素，设置双向并行搜索机制；其次，引入具有观点采择能力的蚂蚁高效协同工作，改善路径全局的随机搜索特性；最后，为平衡算法的收敛性及全局性，在更新环节引入信息素负反馈环节以及交叉操作，并证明了GR-HFACO算法具有全局收敛性。仿真结果表明，该算法的收敛速度以及全局搜索性能显著优于目前流行的ACON、TWPSS-ACO、SoSACO-v2、Sci-ACO和HHACO算法。

• 基于训练样本评估的CSP滤波器增量更新方法

  韩震宇,刘锦,吴小培,

  由于脑电图（electroencephalo gram，EEG）能反映不同状态下大脑的思维活动，所以，基于EEG的运动想象识别已经成为一个新的研究热点。为了降低低质量样本对CSP（common spatial pattern）滤波器模型的组间传输性能的影响，提高正确率，提出了一种基于样本筛选的CSP滤波器增量更新方法。首先通过样本筛选的方法对EEG数据进行质量评估，然后剔除低识别率对应的单次训练数据，最后对优化后的样本所设计的CSP滤波器进行增量更新。实验室环境下，对EEG信号进行运动想象识别，其平均正确率达到80.92%，相比传统的CSP方法，五位受试者测试集的平均识别率分别提高了5.4%、5.6%、1.5%、8.6%和7.7%，实验结果验证了所提算法的有效性。

• 一种综合事件本体相似度计算方法

  朱文跃,刘炜,刘宗田,

  事件本体相比于传统本体具有更加丰富的语义信息，在面向事件的大数据集成中更具优势，然而用传统的本体相似计算方法计算事件本体相似度存在很多不足。提出了一种综合的事件本体相似度计算方法。该方法以词语相似度、集合相似度、层次结构相似计算为基础，然后从事件类名称、事件类要素、事件类层次结构和非层次结构讨论事件本体的相似度，最终获得事件本体的综合相似度。实验表明该方法相比传统本体相似度计算方法准确率更高，语义信息更加丰富。

• 考虑供应商选择的选址—库存—路径的联合优化

  张得志,潘立红,李双艳,

  针对装配型制造企业供应链集成优化问题，建立了随机需求情形下整合供应商选择和各层级之间运输方式选择的多层级选址—库存模型。该模型通过对供应商的选择、装配厂和分销中心的选址、相邻两层级之间的分配服务关系及运输方式的确定，实现整体供应链网络成本最小化。为求解此混合整数非线性规划模型，设计了一种矩阵编码的改进自适应遗传算法。仿真实验表明，该算法的解的寻优能力明显优于标准遗传算法，得出了供应链总成本与装配厂的最大提前期存在一定规律性的结论。

• 公交网络路径规划问题中的一种高效索引方法

  马慧,汤庸,梁瑞仕,

  TTL是在公交网络中求解最早到达路径、最晚出发路径和最短耗时路径的一种高效索引。TTL采用Time-dependent为核心算法构建索引，存在两个不足：a）大量的昂贵的出堆操作拖慢了建立索引的效率；b）所求得的路径具有较多的换乘次数。针对这两个不足，提出了一种基于旅程的索引TAIL。TAIL预先生成部分路径，在查询阶段通过匹配部分路径得到最优解，避免在原图上进行查询，提高效率。TAIL并不是基于图结构，而是以旅程为单位存储公交数据。在生成路径时，首先扫描路过起点的旅程，找到从起点直达的站点；然后扫描从直达站点出发的旅程，找到一次换乘可达的站点；如是这般，从可达站点出发扫描旅程，发现更多的可达站点。为了在早期找到最早到达路径，从而减少旅程的扫描量，TAIL并没有严格按照换乘次数的顺序扩展站点。这种方法避免了昂贵的堆操作，也保留了旅程的完整性。在真实数据集上测试表明，与TTL相比，TAIL有较短的建立索引的时间，生成的路径的换乘次数也较少。

• 自动化集装箱港口考虑AGV伴侣的AGV调度优化问题研究

  程聪聪,梁承姬,李晔,

  为提高自动化集装箱港口设备的工作效率，提出了一种新的集装箱进出口工艺：堆场—场桥—AGV伴侣—AGV—岸桥。在考虑AGV伴侣容量限制的基础上，建立了带时间窗约束的AGV调度混合整数规划模型，设计了启发式算法求解AGV伴侣时间窗，采用粒子群算法进行求解，得出了相应AGV调度优化方案。求解结果表明，AGV伴侣的设置能有效地改善AGV与场桥间的协调性及设备间的等待时间，并且AGV伴侣容量一定时，场桥的等待时间随着AGV的数量增加而减少。

• 地铁列车环境中多依赖复杂事件处理研究

  乔雅正,程良伦,王涛,黄田安,

  针对多源海量实时数据的复杂事件检测中，原始事件流的分流处理存在事件检测准确率低及效率慢的问题，提出一种基于事件树的复杂事件检测方法。首先给出事件依赖关系的明确定义，然后根据原子事件间存在的多依赖关系生成原子事件树，以事件树为节点构造依赖事件树链表，提升复杂事件处理引擎的有效检测次数，使得事件检测的匹配效率得到提升。同时该方法减少了事件检测过程的内存消耗，提高了事件检测的吞吐量。仿真实验与案例研究证明了提出方法在海量数据处理上的优异性及可行性。

• 基于第三方回收模式考虑互惠偏好的闭环供应链决策分析

  谢萍萍,李芳,

  研究制造商委托第三方进行产品回收模式，考虑制造商与零售商之间具有互惠偏好特征，以及这种互惠偏好特征对闭环供应链成员的利润及效用的影响，并利用Stackelberg 博弈模型对成员决策进行分析。最后使用数值仿真进行证明。研究表明，制造商与零售商之间的互惠偏好行为对闭环供应链系统利润是有利的，而零售商产品销售价格与制造商对零售商的互惠偏好行为呈负相关，第三方产品的回收率与制造商对零售商的互惠偏好行为呈正相关，零售商对制造商的互惠偏好行为对整个系统的影响效果不明显。

• 基于动态平衡策划下的集装箱堆场箱位分配方案研究

  倪敏敏,苌道方,

  针对集装箱在码头堆存时存在的箱位分配问题，在研究了原有多场桥同时作业方案的基础上，提出了多场桥分区域动态平衡策划方案，弥补了原方案中因保证场桥间的安全距离而带来的缺陷。以合理利用堆存空间，提高场桥作业效率为目标，建立数学模型，结合遗传算法对所提方案进行验证。结果表明，分区域动态平衡策划方案能有效减少场桥的无效作业时间，提高场桥的工作效率，并能充分地利用堆场贝位，更好地利用堆场空间。

• 基于组合赋权VIKOR方法的网络节点重要性评价

  刘欣,徐桂琼,杨平乐,

  针对节点重要性受多个因素的影响，将多属性决策理论中的VIKOR方法拓展应用到复杂网络的关键节点识别。基于AHP和TOPSIS方法，从主客观两个维度综合考虑评价指标的权重，给出一个优化的组合赋权策略，进而提出网络节点重要性评价的组合赋权VIKOR （combination weighting VIKOR，CW-VIKOR） 方法。在四个不同类型的实际网络中进行了仿真实验，结果表明，CW-VIKOR方法可以有效识别网络中的重要节点，在节点传播影响力和网络效率上均表现出更好的性能。

• 移动云计算中能效感知的计算卸载机制研究

  杨凡,任丹,

  移动云计算可以将任务从移动设备计算卸载至云端以增强设备计算能力，而如何实现能效计算卸载机制是当前的主要挑战。为了解决该问题，以降低移动设备能耗和应用完成时间为目标，将计算卸载问题形式化为满足任务顺序与截止时间约束的能效代价最小化问题，并提出一种动态能效感知计算卸载算法。算法由计算卸载选择、时钟频率控制及传输功率分配三个子算法组成。实验结果表明，通过局部计算时优化调整移动设备CPU时钟频率以及云端计算时自适应分配传输功率，新算法可以有效降低应用执行能效代价，同时确保满足约束条件，提高执行效率。

• 融合图片相似度缓解新项目冷启动问题的研究

  周强,胡燕,

  针对推荐系统中因新项目的加入而造成的冷启动问题，在矩阵分解模型的基础上提出了融合项目图片相似度和类别属性的协同过滤推荐模型USPTMF-CFIA。首先，采用基于用户偏好和时间权重的矩阵分解模型，对评分缺失项进行预测填充；然后，利用VGG16神经网络提取项目图片特征，并结合类别属性计算新项目与历史项目的相似度，得到近邻项目；最后，根据新项目与近邻项目之间的相似度预测用户对新项目的评分，将评分高的前N个项目推荐给对应用户；通过在GroupLens提供的数据集上的实验证明，该模型的推荐准确率比MAP-BPR模型高0.006~0.015，比传统协同过滤模型高0.02~0.028，比没融合图片相似度的USPTMF-CFA模型高0.001~0.003，比ACMF模型高0.001~0.002。

• Wright分数阶时滞微分方程的离散化过程

  刘杉杉,高飞,

  引进了一种离散化方法对分数阶时滞微分方程进行离散化求解。首先考察Wright分数阶时滞微分方程；其次分析相应具有分段常数变元的Wright分数阶时滞微分方程，并应用离散化过程对模型进行数值求解；然后根据不动点理论讨论该合成动力系统不动点的稳定性；最后借助MATLAB对模型进行数值仿真，并结合Lyapunov指数、相图、时间序列图、分岔图探讨模型更多复杂的动力学现象。结果显示，提出方法成功地对Wright分数阶时滞微分方程进行了离散。

• 负荷作用下的相依网络鲁棒性研究

  李甍娜,郭进利,

  针对所构建的三种耦合方式下的无标度相依网络，引入节点负荷作用，通过计算机仿真对相依网络的鲁棒性问题进行研究。研究发现，相比随机耦合和异配耦合，相依网络在同配耦合方式下具有最强鲁棒性。节点容忍系数和子网络同配性系数对相依网络的鲁棒性具有显著影响，为使相依网络更加鲁棒，应适当增大节点容忍系数或减小子网络同配性系数。另外，耦合强度的增加也能在一定程度上提高相依网络的鲁棒性，且随机耦合方式下的相依网络对耦合强度的变化更加敏感。

• 多路GNSS欺骗干扰互相关噪声模型

  陈建华,陈树新,吴昊,何仁珂,

  为开展GNSS欺骗干扰源定位研究，构建了多路GNSS欺骗干扰互相关噪声模型。分析了欺骗干扰原理并给出了信号模型；通过对噪声构成和规律的分析，研究建立了PRN码间互相关噪声模型；利用信噪比和欺骗信号方位角分布进行描述。仿真结果显示，多路GNSS欺骗干扰中码间互相关噪声，在接收通道噪声中的比重随欺骗信号功率增加趋于100%。这表明测向精度与多路GNSS欺骗信号功率是一组矛盾，实际测向结果可通过欺骗信号信噪比寻优。

• Femtocell中基于负载预测的基站休眠节能方案

  代红英,孙霞,周朋光,

  为达到5G中绿色节能通信的目标，在Femtocell网络下提出一种基于负载预测的基站节能方案。首先收集Femtocell基站（Femtocell base station，FBS）下的吞吐量数据，根据小数据量法证明其存在混沌特性，并对FBS的负载进行学习和预测；然后在负载预测的基础上定义吞吐量率，根据吞吐量率设计一种用户终端切换流程，以保证用户终端的通信服务质量和能效；最后计算FBS的实时发射功率，并对FBS的发射功率作了预测和控制。仿真结果显示，该方案可以较为准确地预测FBS的吞吐量变化态势，在此基础上的休眠节能方案也可以很好地提升系统的能效，减小整体能耗。

• 基于并行干扰抵消的UFMC系统信道均衡

  余翔,高燕妮,段思睿,

  通用滤波多载波（UFMC）技术作为5G的一种候选波形，传输中不加循环冗余（CP），多径衰落信道下会产生符号间干扰（ISI）以及子载波间干扰（ICI）。针对该问题，提出一种基于并行干扰抵消的均衡算法。首先，根据分析得到多径信道下UFMC系统干扰数学表达式；其次，在采用迫零均衡后，对可靠区间外的数据，根据剩余干扰表达式，近似重构相邻载波及符号间干扰；最后，对各载波并行地进行迭代干扰抵消。通过仿真实验表明，在多径信道下，该算法能够在一定程度上降低误码率，提高UFMC系统性能。

• 含积分环节过程对象模型的频域辨识方法

  张迁,王亚刚,王凯,

  由于考虑系统的安全性和经济性无法进行开环实验，而目前最常用的闭环继电反馈辨识方法需要进行数次的继电反馈实验，并且该方法只能辨识固定结构的低阶模型，无法满足实际工业的需要。针对这一情况，提出了一种新的含积分环节过程对象的频域模型辨识方法，其能快速找到对象模型的主要频率段，分析频率段内的频率特性，从而准确地辨识出含积分环节对象的模型。仿真实验的结果表明，该辨识方法能够高效且准确地辨识出含积分加环节的对象。

• 基于组合模型的交通事故严重程度预测方法

  石雪怀,戚湧,张伟斌,李千目,

  由于各个单一分类模型对道路交通事故严重程度预测的局限性，为提升模型预测性能，致力于建立一种组合模型。结合卷积神经网络提取时空维度中的特征信息，采用stacking方式将CNN与XGBoost组合，最终生成道路交通事故严重性的分类模型（多层提升算法）。实验结果表明，此模型在测试集上预测精度为91.51%，组合模型比单一分类模型具有更好的分类结果。基于组合模型的分类结果，对交通事故特征进行重要性排序，开展特征相关性分析，为减少道路交通事故及减轻道路交通事故严重等级的管理措施提供参考依据。

• 空间故障网络及其与空间故障树的转换

  崔铁军,李莎莎,朱宝岩,

  空间故障树是一种研究系统可靠性与影响因素关系的理论体系，用树型结构描述元件与系统之间的可靠性关系，但实际故障发生过程是复杂的，难以表示成树型结构，而更为广泛的是网状结构。因此，尝试将空间故障树中的树型结构转换为网络结构，进而形成空间故障网络。给出空间故障网络的定义、性质及其与空间故障树的转换方法。目的是将空间故障网络转换为空间故障树，以利用空间故障树已有研究结果。给出一般结构和多向环结构的空间故障网络及其转换为空间故障树的方法，为使用空间故障树理论研究一般网络结构故障发生过程提供方法。

• 基于方差最大化旋转变换的K近邻故障诊断策略

  张成,郭青秀,李元,

  为了提高FD-KNN针对潜隐变量在非线性和多模态过程中的故障检测能力，提出一种基于方差最大化旋转变换的K近邻故障检测与诊断策略。通过方差最大化方法建立旋转变换将原始数据变换到新的正交空间，在该正交空间中执行FD-KNN方法进行故障检测，并结合贡献图方法给出基于贡献图的故障诊断策略。通过一个非线性模拟实例，证明方法对潜隐变量故障诊断是有效的；同时，在典型非线性工业过程田纳西过程进行测试，与PCA、FD-KNN和PC-KNN方法进行对比，实验结果进一步证明了方法的有效性。

• 云环境下面向负载均衡的数据密集型工作流的数据约简策略

  胡志刚,李佳,郑美光,

  如何对数据密集型工作流应用进行高效合理地调度成为云计算领域亟待解决的关键问题之一。针对此问题，构造数据密集型工作流的有向超图模型，提出了数据支持能力概念，通过基于数据支持能力的合并操作对模型进行约简。最后优化超图多层剖分算法，提出数据约简的数据密集型工作流调度策略HEFT-P。研究结果表明，HEFT-P相比典型的工作流调度策略HEFT、CPOP、MCP，能够很好地对数据密集型工作流进行约简优化，获得较少的调度时间。

• 基于分位函数的直方图符号数据非负主成分分析法

  李竹婷,陈秀宏,孙慧强,

  针对已有的符号数据主成分分析法大多采用部分代表性信息来代替符号数据的缺点，提出一种直方图符号数据的主成分分析法。直方图数据以概率分布的形式表示符号数据更全面准确。根据直方图数据特点将其用分位函数表示，引入充分考虑直方图数据概率分布的Wasserstein距离，计算直方图变量协方差矩阵，从而进行主成分分析。但该方法求得的前若干个最大特征所对应的特征向量不一定为非负，这样在用分位函数表示主成分时不能保证它也是分位函数。为此，结合DSD（distribution and symmetric distribution）回归模型，对每个直方图变量定义相应的对称分布变量，根据Wasserstein距离下的广义协方差矩阵得到具有非负系数的所有主成分。通过实验说明了该算法的有效性。该方法同时克服了直方图PCA系数可能为负的缺点，更多地保留了原始数据的信息。

• 基于多层感知机的蛋白质变性温度预测

  丁雪松,黄立群,张步忠,杨洋,吕强,

  准确预测蛋白质变性温度在蛋白质工程和药物研制等领域具有重要意义。将全局特征和序列特征作为初始特征向量，利用提出的基于权值的降维算法对初始特征向量进行降维，降维后的特征输入多层感知机模型预测蛋白质变性温度。在盲测数据集上，该方法预测结果与实验测定结果的PCC值由降维前的0.77增加到0.8，RMSE值由降维前的0.17降低到了0.16，蛋白质变性温度预测值的分类准确率与现有方法比较有明显提升。

• 基于熵编码的JPEG压缩域脆弱图像水印算法

  李晨,喻枭,田丽华,

  为了解决JPEG图像水印算法在嵌入容量、不可感知性、实时性和窜改定位方面的问题，提出了一种基于熵编码的JPEG压缩域脆弱图像水印算法。首先选择JPEG熵编码阶段进行水印嵌入，这样就可避免正向和逆向的DCT和量化运算，保证算法在嵌入阶段对图像的改变量较小且具有较好的实时性；接着根据熵编码过程中某些比特不会参与哈夫曼编码这一原则，在其中选择符合条件的系数嵌入水印，将水印信息嵌入到这些系数的最低有效位中，以规避修改哈夫曼编码系数后带来的编码误差，进一步加强了算法的透明性。实验表明，该算法不仅具有较大的嵌入容量和很好的不可感知性，而且脆弱性较高，能够对恶意窜改进行准确定位。

• 动态分组混沌伪随机数发生器

  曹艳艳,杨波,

  为了克服计算机处理数据的有限精度导致混沌特性退化的缺陷，改善随机数发生器输出序列的随机性能，设计了一种新的基于logistic混沌映射生成伪随机数的方法。在提出的方法中，采用四个一维logistic混沌映射，每次迭代随机选择扰动源对其他三个logistic映射进行扰动，加入可变扰动参数，组合时随机动态分组，从而提高序列的随机性能，扩大序列周期，避免序列的重复出现。以新方法设计的伪随机数发生器易于软件实现，生成的序列通过随机数检测标准NIST SP800-22，从而具有良好的随机性，可用于保密通信等信息安全领域。

• 对一维复合混沌图像加密算法的安全分析和改进

  朱淑芹,王文宏,

  针对Park等人提出的基于一维复合混沌的图像加密算法进行了安全性分析，发现该算法的两个等效密钥流，从而使得循坏移位操作成为无效操作。通过选择明文攻击依次破解出算法中的两个等效密钥流，恢复出了明文图像。理论分析和实验结果验证了选择明文攻击策略的可行性；此外提出了一种改进算法，克服了原有算法的缺陷。改进后的方案不仅能保持原算法的优点，还能抵抗选择明文的攻击。

• 无线体域网中节点认证方案研究

  朱斌,朱帅,

  针对无线体域网中节点身份认证问题，在传统椭圆曲线签名算法的基础上，提出了一种新的在线/离线椭圆曲线签名方案。该方案在未确定签名消息之前进行离线签名，在确定要加密的消息和身份私钥之后进行在线签名。对该方案进行了安全性分析，证明了其具有正确性、不可伪造、不可否认、抵御重放攻击、轻量级的优点，同时通过运算量的对比分析，表明该方案由于取消了求逆运算，具有较大的计算优势。

• 基于BP网络判断传感器数据可信度研究

  刘小久,袁丁,梁瑷云,严清,

  传统方法使用对称及非对称加密对传感器网络系统进行安全保障，需要大量的加/解密计算且在密钥被破解后不能准确判断数据的可信性，不能有效保证无线传感器网络系统安全。为保障无线传感器网络系统安全，针对无线传感器网络中节点信息可信度问题，提出了一种基于BP网络判断节点信息可信度的方法。该方法在边界路由器上使用BP神经网络，对采集的多特征值数据进行训练，然后用训练所得结果判断节点可信度，进而筛选出数据。该方法具有较低的系统开销与较高的安全保证，能够筛选出问题节点，并保证传感器网络的安全运行。实验结果表明，该方法认证时间短，能达到预期效果。

• 基于特征值的黑盒子意义下的特殊门限秘密共享方案

  张艳硕,李文敬,史国振,蒋华,陈雷,杨涛,

  基于Shamir(n,t)秘密共享方案，提出一个新的门限秘密共享方案。利用n阶矩阵的特征方程具有重根的特点，实现了不同集合中参与者的秘密共享。同一参与集合所对应的次主密钥是相同的，即特征值是相同的，将同一个特征值所对应的不同特征向量作为子密钥，分发给同一参与集合的参与成员。利用黑盒子，同一集合内部成员可以验证自己手中子密钥的真实性，从而达到了防欺诈的目的。分析结果表明，该方案是安全的理想秘密共享方案。

• 一种基于秘密分享的高质量(k,n)可视加密算法

  丁海洋,

  (k,n)可视加密算法是一种重要的信息隐藏算法。应用Shamir秘密分享的概念，将一幅二进制秘密图像隐藏在n幅分享图像中，通过在分享过程中增加随机性控制来保证生成的分享图像是接近噪声图像的无意义图像；从n幅无意义分享图像中任意选取k幅分享图像，使用拉格朗日插值可提取秘密图像。该算法应用Shamir秘密分享来实现(k,n)可视加密，不需要码书，不会造成无限制的像素扩展。实验结果显示，该算法能实现(k,n)可视加密，秘密图像的提取正确率能保证100%。

• 网络攻击检测的门控记忆网络方法

  王家宝,徐伟光,周振吉,李阳,苗壮,

  针对互联网大规模网络攻击检测难题，结合词向量特征表示与循环神经网络提出了一种门控记忆网络检测方法。首先将网络请求数据转换为低维实值向量序列表示，然后利用门控循环神经网络的长时记忆能力提取请求数据的特征，最后采用logistic回归分类器实现了对网络攻击的自动检测。在CSIC2010公开数据集上达到了98.5%的10折交叉验证F1分数。与传统方法相比较大幅度地提高了网络攻击检测的准确率和召回率。所提方法可自动检测网络攻击，具有良好的检测效果。

• 基于EBNF和二次爬取策略的XSS漏洞检测技术

  黄文锋,李晓伟,霍占强,

  跨站脚本（XSS）攻击是目前互联网安全的最大威胁之一。针对传统基于渗透测试技术的漏洞检测方法中攻击向量复杂度低易被过滤、整体检测流程繁琐等问题，提出了一种基于扩展的巴科斯范式（EBNF）的攻击向量自动生成方法和XSS漏洞二次爬取策略。通过定义EBNF规则生成规则解析树，按层次遍历获得高复杂度攻击向量。在首次爬取页面时，将输入点信息嵌入到攻击向量后请求注入，之后进行二次爬取，请求合法参数获得返回页面。最后设计实现了原型系统，并使用两个平台进行漏洞检测。通过对比实验证明，该系统检测流程简单，在一定程度上提高了漏洞检测数，降低了漏洞误报率。

• 格式化字符串漏洞自动检测与测试用例生成

  黄钊,黄曙光,邓兆琨,黄晖,

  格式化字符串漏洞是一种危害高、影响广的软件漏洞。当前漏洞检测方式存在人工依赖度高、误报率高、检测模型单一、未能充分考虑格式化字符串漏洞特点等多种局限性。针对以上问题，对格式化字符串漏洞特征进行分析，设计并实现了一种基于符号执行的格式化字符串漏洞自动检测与测试用例生成的系统。该方法可自动检测Linux下二进制程序中格式化字符串漏洞的存在性，判定其是否可能导致任意内存读写危害，并生成稳定有效的测试用例。

• 基于统计学特征的Android恶意应用检测方法

  冷波,李建彬,

  针对Android恶意应用检测中忽略特征统计学意义的问题，提出一种基于统计学特征的Android恶意应用检测方法。该方法提取应用统计学特征作为训练数据集，并采用聚类算法预处理恶意数据集以降低个体差异性对实验结果的影响；另一方面，该方法结合特征和多种机器学习算法（如线性回归、神经网络等）建立了检测模型，提出的两个模型准确率均能达到95%以上，检测时间相比于对比实验也能大幅度降低。实验结果表明，应用的统计学特征能够很好地区分良性和恶意应用，并且通过聚类算法预处理数据能够提高检测精度。

• 稀疏正则化逆向神经网络在双陷波超宽带天线设计中的应用

  南敬昌,王梓琦,高明明,

  在双陷波超宽带天线的设计过程中，直接逆向神经网络模型精度较低，而BP逆向神经网络泛化能力较差，若单独使用HFSS仿真软件需要不断优化天线各参数增加了设计时间。针对以上问题，提出一种将HFSS与稀疏正则化逆向神经网络联合的方法。该方法在逆向神经网络性能函数中增加l1/2范数和l2范数，l1/2范数引入了新的权系数，扩充了输入样本向量，使网络更易得到稀疏性解，逆模型精度更高，l2范数能有效避免过拟合现象，使网络泛化能力更强。应用于双陷波超宽带天线设计中，采用在辐射贴片上开弧形槽的方式产生陷波特性，根据天线目标电压驻波比逆向求解对应的开槽尺寸。仿真实验结果表明，与BP逆向神经网络方法相比，求得的与天线电压驻波比对应的开槽角度相对误差减小了69.3%，开槽半径相对误差减小了88.7%，网络运行时间减少了15.9%；最终设计的天线带宽为2.4~11 GHz，实现了3.31~3.8 GHz和4.98~6.05 GHz的良好陷波特性，缩短了整个天线的设计周期。

• VANET中基于公平性的多信道MAC协议

  汤媛媛,朱琦,

  随着车载无线通信需求的增加，车载自组织网络（VANET）将成为现代智能交通系统的一个重要组成部分。对VANET中多信道MAC层协议进行了研究，提出了一种提升网络公平性的退避算法。车辆通过比较自身已成功发送的业务量与平均业务量的大小，确定不同的退避方案，一定程度上实现了网络中车辆的接入公平。考虑到该退避算法在提升公平性的同时，牺牲了一定的网络吞吐量，使得服务信道不饱和，进一步提出根据车辆密度调整服务预约时期长度的算法，以提高服务信道的利用率，增大网络的吞吐量。仿真结果表明，提出的退避算法公平性指数相比于二进制退避算法，提升了约2.3倍，而相比于倍数增线性减退避算法，提升了约2.05倍，网络的吞吐量提高了约16%。

• 基于脉冲成形扩频信号伪码周期盲估计

  李群,张天骐,袁帅,

  针对基带扩频信号的频谱范围较宽，信号在带限的信道中传输时需要对信号进行带宽限制，从而造成码间干扰和频谱泄露的问题，将基带扩频信号通过脉冲成形器处理后对其主要参数的抗截获性能进行了研究，并使用两次功率谱的方法对该类信号的伪码周期进行了估计。理论分析证明，做两次功率谱以后的信号以脉冲串的周期来扩展谱线，且信号主要能量将会聚集在一些类似于基带成形脉冲二次谱形状的尖锐脉冲处，通过测量这些尖锐脉冲间的间距即可估计出基带扩频信号的伪码周期。仿真结果证明，两次功率谱的方法可以在低信噪比的条件下实现对带脉冲成形基带扩频信号伪码周期的估计，且该算法对伪码周期估计的正确率比文献［1］算法约提高7 dB左右。

• 基于多对一Gale-Shapley算法的D2D通信资源分配

  李中捷,谢东朋,

  针对D2D通信复用异构蜂窝网络上行信道产生的干扰和频谱资源优化问题进行研究，提出一种基于多对一Gale-Shapley算法的D2D通信资源分配方案。方案允许多个D2D用户共享一个蜂窝用户信道资源，通过设置信干噪比（SINR）门限保证用户的通信服务质量（QoS）。根据信道分配情况，构建D2D用户和信道的偏好列表，最大化系统总容量。仿真结果表明，该方案收敛较快、复杂度较低，能够有效保证用户的通信服务质量，系统总容量接近最优解。为实现D2D用户和蜂窝用户的频谱资源共享，提高频谱利用率提供了一种有效方案。

• 多中继协作无线网络中基于随机线性网络编码的调度方案

  王练,白佳洁,王萌,任治豪,

  为进一步提升多中继协作无线网络传输效率，提出一种基于随机线性网络编码的动态规划方案，以最小化重传次数为目标，综合考虑各中继节点的有效信息与链路传输可靠性，实现多中继协同转发，以提升传输有效性。在各转发链路相互独立的情况下，针对整个传输过程，自适应地选取状态转移路径，确定最优转发节点。仿真结果表明，方案相比随机调度机制能显著提升平均吞吐量，减少重传次数。在降低对反馈信息依赖和减少反馈开销的同时，其性能皆逼近完全反馈下基于贪心算法的调度机制。

• 异构网络下基于混合保护子帧的干扰协调方案

  刘辉,宋家旺,

  增强型小区间干扰协调（enhanced inter cell interference coordination，eICIC）引入几乎空白子帧（almost black subframes，ABS）来降低异构网络中小区间的干扰，然而过多的ABS会损失宏蜂窝用户性能。为了提高异构网络的性能，联合考虑ABS和低功率几乎空白子帧（low power-ABS，LP-ABS），提出了一种基于混合保护子帧（hybrid protected subframes，HPS）的干扰协调方案。该方案综合考虑用户资源分配、HPS密度、HPS混合比例以及用户接入策略，以最大化系统比例公平效用为目标。仿真结果显示，所提方案在系统负载均衡、用户吞吐量以及用户公平性等指标上都优于传统增强型小区间干扰协调方案。

• 基于CMAES-SVR的WLAN室内定位算法研究

  饶华,王忠,李欣,

  针对传统WLAN指纹定位算法中存在的定位精度低、稳定性差、实时性不高等问题，提出一种基于CMAES-SVR的WLAN室内定位算法。该算法首先对接入点（AP）的接收信号强度（RSS）进行统计分析，采用高斯滤波对信号进行预处理，然后利用K-means聚类算法将原始指纹数据库中的定位区域进行聚类分块；其次采用协方差矩阵自适应进化策略（CMAES）优化支持向量回归机（SVR）参数，从而建立CMAES-SVR室内定位学习模型，通过该模型分别构建各定位子区域中RSS信号与物理位置非线性映射关系；最后判断测试点所属类簇，根据该类簇中训练好的CMAES-SVR模型进行回归预测。实验结果表明，与WKNN、传统SVR以及PSO-SVR算法相比，该算法在定位精度、稳定性以及实时性方面均有所提高。

• 基于二分图的两级动态异构网络选择方案

  王文兵,于永生,

  针对异构无线网络频谱资源日益紧缺的问题，提出了由用户端和网络端共同参与的两级动态网络选择方案。该方案包括灰度关联分析法和二分图联合优化匹配算法，通过用户端和网络端的共同决策，在有效满足移动用户业务服务质量需求的前提下优化了系统吞吐量、均衡了网络负载。仿真实验表明，相对于传统算法，该方案极大地提高了异构网络频谱资源利用率，并降低了用户在无线网络间的切换概率，实现了用户需求和网络资源的合理配置。

• 基于视觉感知的快速雾天图像清晰度复原

  付辉,吴斌,张红英,

  针对雾霾恶劣天气状况下获取的图像视觉效果差，提出了一种基于视觉感知的快速雾天图像清晰度复原方法，以测算大气光学物理模型的两个重要参量。首先采用阈值分割结合二叉树分割的方法拟合较为精准的大气光值，进而采用自适应各向异性型高斯滤波与色调调整方法优化透射率。与已有方法对比实验结果表明，所提算法的去雾效果图饱和清晰，能够保留清晰的边缘细节和较高的对比度，算法的处理效率高，能满足实际应用需求。

• 无人机影像与地形指数结合的梯田信息提取

  薛牡丹,张宏鸣,杨江涛,李星恕,

  通过卫星遥感和低空遥感影像自动、半自动化解译梯田信息有一定的研究进展，但是受数据获取成本、精度、解译方法单一等限制，只限于大面积提取梯田区域，低成本地进行梯田的田面精准提取以及面积统计仍需进一步研究。基于面向对象方法分别对0.5 m分辨率的无人机正射影像和地形指数及两种数据的结合进行梯田区域分割、提取及面积统计，结果表明将正射影像数据与地形指数结合的梯田田面提取结果优于基于单一数据源。

• 改进的单幅图像自学习超分辨率重建方法

  王晓明,黄凤,刘少鹏,徐涛,

  针对传统超分辨率重建方法稀疏表示依赖大训练样本字典的局限性问题，基于L2范数的弱稀疏性特点，提出一种改进的单幅图像自学习超分辨率重建方法。通过自学习建立非金字塔阶梯式训练图像集，采用自定义的方法分别提取训练集中低分辨率和相应高分辨率图像特征块及特征像素值；结合L2范数的协作表示（collaborative representation，CR）理论和支持向量回归（support vector regression，SVR）技术学习多层超分辨率映射模型。实验结果表明，提出的超分辨率方法不仅可行有效，而且与传统的单幅图像的超分辨率方法比较，其PSNR平均提高了0.06~3.92 dB，SSIM平均提高了0.002 4~0.034 8，从客观数值和主观视觉证明了所提方法的优秀性。

• 基于散度—形状引导和优化函数的显著性目标检测

  梁丽香,夏晨星,王胜文,张汗灵,

  为了准确地进行显著性目标检测，提出了一种基于散度—形状引导和优化函数的显著性检测有效框架。通过考虑颜色、空间位置和边缘信息，提出了一种有辨别力的相似性度量；再利用散度先验剔除图像边界中的前景噪声获得背景集，并结合相似性度量计算得到基于背景显著图。为了提高检测质量，形状完整性被提出，并通过统计在分层空间中区域被激活的次数期望生成相应的形状完整显著图。最后，利用一个优化函数对两个显著图融合后的结果进行优化从而获得最终的结果。在公开数据集 ASD、DUT-OMRON和ECSSD上进行实验验证，结果证明所提方法能够准确有效地检测出位于图像任意位置的显著性物体。

• 基于改进高斯—拉普拉斯算子的噪声图像边缘检测方法

  代文征,杨勇,

  针对现有梯度算子在图像边缘检测中存在的对噪声比较敏感的问题，提出了一种改进的高斯—拉普拉斯算子的边缘检测方法。噪声图像中的边缘检测是一项关键任务，然而目前常用的几种梯度算子，包括已经提出的高斯—拉普拉斯算子都没能取得理想效果。提出的方法对传统的拉普拉斯边缘检测算子作了改进，并与高斯滤波器相结合，应用高斯滤波器平滑图像，抑制噪声，再基于拉普拉斯梯度边缘检测器进行边缘检测。最后，在imagenet数据集中选取了10幅图像进行实验，将提出的高斯梯度边缘检测器与传统的边缘检测器进行比较。评估结果显示，提出的方法所获得的峰值信噪比（PSNR）高于对比算法，而均方误差（MSE）更小。实验结果表明，提出的方法在实际应用中能够有效提高噪声图像边缘检测的质量。

• 基于线性与非线性特征融合的J波自动识别

  毋凡铭,李灯熬,赵菊敏,

  临床研究表明，J波可作为一些心脏疾病的高危预警指标。针对当前医生诊断J波仅通过经验进行识别，易造成误诊的问题，从信号处理角度，提出了一种J波自动识别方法。通过提取心电数据极点对称模态分解后的能量特征与高阶累计量特征，融合线性与非线性特征，并采用主成分分析进行特征降维，最后利用人工蜂群算法优化后的支持向量机进行分类，实现J波的自动识别。对比实验结果，提出的方法平均准确率为97.3%，可有效地识别J波。

• 基于辨识特征后融合的行人再识别

  刘琦,侯丽,彭章友,

  跨摄像机行人因光照、视角、姿态的差异，会使其外观变化显著，给行人再识别的研究带来严峻挑战。基于多特征融合和距离度量学习技术，提出辨识特征后融合的算法，并将其应用于行人再识别中。对跨摄像机行人样本图像分别提取局部最大出现频次（LOMO）特征和基于显著颜色名称的颜色描述子（SCNCD）特征，表示跨摄像机行人的外观。基于所提取的LOMO和SCNCD特征，分别去训练跨视图二次判别分析（XQDA）距离度量学习模型，分别获取跨摄像机每对行人每个特征优化的距离；应用最小最大标准化距离融合的算法，获取跨摄像机行人最终的距离，用于跨摄像机行人的匹配。在具有挑战性的VIPeR和PRID 450S两个公开数据集上进行实验，实验结果表明所提出的行人再识别算法有效地提高了行人再识别的准确率。

• 改进随机子空间LDA结合多补丁集成学习的鲁棒人脸识别算法

  冯代高,张友俊,

  针对化妆对人脸识别准确率的负面影响，提出了基于补丁集成学习的改进鲁棒人脸识别算法。将每张人脸图像嵌入补丁中，并用一组特征描述符描述每个补丁，即本地梯度Gabor模式（LGP）、Gabor空间定序定比测量直方图（HGSFRM）和密集采样局部多值模式（DSLMP）。使用改进的随机子空间线性判别分析（SRS-LDA）方法采样补丁，并在化妆之前与化妆之后图像之间建立多个公共子空间进行集成学习。利用协作和稀疏表示分类器比较这个子空间中的特征向量，同时通过求和规则联合得到分数。实验将提出的算法在多种化妆数据集上进行评估分析，结果表明提出的算法相比于其他专为妆后人脸识别设计的算法有更高的识别精度。