计算机应用研究杂志

计算机应用研究杂志2019年第9期

• 视觉里程计算法研究综述

  慈文彦,黄影平,胡兴,

  视觉里程计通过分析相机获取的图像流信息估计移动机器人的位姿。为了深入分析视觉里程计算法的发展现状，结合一些先进的视觉里程计系统，综述了视觉里程计的相关技术以及最新的研究成果。首先简述了视觉里程计的概念和发展历程，介绍了视觉里程计问题的数学描述和分类方法；然后，详细阐述了视觉里程计的关键技术，包括特征模块、帧间位姿估计和减少漂移；此外，还介绍了基于深度学习的视觉里程计的发展动态。最后，总结了视觉里程计目前存在的问题，展望了未来的发展趋势。

• 无向图中连通支配集问题的精确算法

  周晓清,叶安胜,张志强,

  图G=(V,E)的一个支配集D?V是一个顶点子集，使得图中每一个顶点要么在D中，要么至少与D中的一个顶点相连。连通支配集问题是找到一个顶点数最小的支配集S，并且S的导出子图G[S]是连通图。该问题是一个经典的NP难问题，可应用于连通设施选址、自适应网络等领域。针对无向图中连通支配集问题，仔细分析该问题的图结构性质，挖掘出若干有效的约简规则和分支规则，设计了一个分支搜索算法，并采用了测量治之方法分析算法的运行时间，最终得到了一个运行时间复杂度为O*(1.93n)的精确算法。

• 一类非光滑非凸优化问题的神经网络方法

  喻昕,陈昭蓉,

  提出了解决一类带等式与不等式约束的非光滑非凸优化问题的神经网络模型。证明了当目标函数有下界时，神经网络的解轨迹在有限时间收敛到可行域。同时，神经网络的平衡点集与优化问题的关键点集一致，且神经网络最终收敛于优化问题的关键点集。与传统基于罚函数的神经网络模型不同，提出的模型无须计算罚因子。最后，通过仿真实验验证了所提出模型的有效性。

• 求解0-1背包问题的混合蝙蝠算法

  万晓琼,张惠珍,

  针对基本蝙蝠算法易陷入局部最优、收敛速度慢等缺点，对其进行优化研究。基于0-1背包问题的具体特征，在基本蝙蝠算法原有概念和框架的基础上，引入遗传算法中的交叉机制以及反置算子建立全新的位置转移方式和局部搜索规则；加入贪心策略进行解的可行化和充分利用，增强局部搜索能力，加快算法收敛速度，构建全新的混合蝙蝠算法。将混合蝙蝠算法应用于两组0-1背包算例，仿真实验结果优于自适应元胞粒子群算法、基本蝙蝠算法和贪心二进制蝙蝠算法。结果验证了该混合算法求解0-1背包问题的可行性和有效性。

• 基于改进的鸡群算法在云计算资源调度中的研究

  陈暄,龙丹,

  针对云计算中的资源调度效率低的问题，提出将改进后的鸡群算法用于调度。引入反向学习概念对鸡群种群进行初始化，提高全局搜索能力。对小鸡的位置引入了粒子群算法中的权重值和学习因子的概念进行改进，优化了鸡群个体位置，通过差分算法对鸡群算法整体的个体位置进行优化，最后通过边界处理从整体上预防了算法中个体位置可能出现的越界。在仿真实验中，将优化后的鸡群算法与基本鸡群算法、粒子群算法和蚁群算法进行在完成时间、花费成本、能量消耗和负载均衡中进行了对比，取得了较好的效果。

• 一种移动众包系统在线激励机制优化算法

  张永棠,

  为提高移动众包系统的有效性和可靠性，设计了一套完整的在线激励机制优化算法，针对用户到达和参与任务的异步行为，提出一种改进的多阶段反向拍卖算法，通过在线学习自适应确定密度阈值，动态选择最优用户集，并在每次交易后对用户的信誉进行更新，以指导下次任务分配。仿真结果表明，该优化算法满足计算有效性、利益双方正收益性和真实性，能在一定预算和时间约束下获得更好的性能。

• 基于遗传算法的港口设备事后维修的单机调度

  陈晨,林丹萍,苌道方,

  针对港口设备在损坏后的维修调度问题，即事后维修的调度问题，通过对港口设备的事后维修调度安排进行分析，建立维修设备的调度模型。模型中使用BP神经网络算法来量化港口待维修设备的权值，并利用遗传算法来最小化维修作业任务的总加权完成时间，获得优化后的维修调度顺序和相对应的维修时间安排。通过港口吊具设备的维修算例，展示了优化的调度模型在港机设备中的运用，模型明确了港机的维修顺序，并在保证维修任务完成的情况下节约了维修时间，为港口设备维修计划提供参考。

• 结合改进的CHI统计方法的TF-IDF算法优化

  马莹,赵辉,李万龙,庞海龙,崔岩,

  为了克服传统的CHI统计方法存在特征项出现频率与类别负相关的情况和某一个特征项存在于某一个文本中的概率问题，针对传统的CHI统计方法引入了负相关判定、频度等重要因素进行了改进，并结合语义相似度的计算方法对TF-IDF算法进行了优化，在WEKA软件上采用了KNN（K-nearest neighbor）分类器和支持向量机（SVM）分类器分别对微博情感语料进行分类，该实验结果表明，新方法在文本分类的准确性上有明显的提高。

• 利用PSO-SA混合优化支持向量回归的径流预报模型研究

  蒋林利,李洁,吴建生,

  为了有效提高径流预报的准确度，提出一种有效的融合优化策略，采用基于粒子群和模拟退火算法相结合的混合方法同时优化支持向量回归核函数类型和内核参数，以此建立一种有效的混合优化支持向量回归径流预报模型，为核函数选择和参数优化提供了一种有效途径。通过对广西柳州柳江径流实例分析，并与纯粹的支持向量回归模型对比，研究结果表明，该模型预测稳定，具有较高泛化性能和预测准确度，为径流预报提供了一种有效预测方法。

• 一种求解动态优化问题的免疫文化基因算法

  杨洲,袁亦川,罗廷兴,秦进,

  针对传统免疫网络动态优化算法局部寻优能力弱、寻优精度低及易早熟收敛的缺点，提出一种求解动态优化问题的免疫文化基因算法。基于文化基因算法基本框架，将人工免疫网络算法作为全局搜索算法，采用禁忌搜索算法作为局部搜索算子；同时引入柯西变异加强算法的全局搜索能力，并有效防止早熟收敛。通过对经典动态优化函数测试集在相同条件下的实验表明，该免疫文化基因算法相较于其他同类算法具有较好的搜索精度和收敛速度。

• 结合用户兴趣度聚类的协同过滤推荐算法

  黄贤英,龙姝言,谢晋,

  针对传统的协同过滤算法忽略了用户兴趣源于关键词以及数据稀疏的问题，提出了结合用户兴趣度聚类的协同过滤推荐算法。利用用户对项目的评分，并从项目属性中提取关键词，提出了一种新的RF-IIF （rating frequency-inverse item frequency）算法，根据目标用户对某关键词的评分频率和该关键词被所有用户的评分频率，得到用户对关键词的偏好，形成用户—关键词偏好矩阵，并在该矩阵基础上进行聚类。然后利用logistic函数得到用户对项目的兴趣度，明确用户爱好，在类簇中寻找目标用户的相似用户，提取邻居爱好的前N个物品对用户进行推荐。实验结果表明，算法准确率始终优于传统算法，对用户爱好判断较为准确，缓解了数据稀疏问题，有效提高了推荐的准确率和效率。

• 稀疏和标签约束半监督自动编码器的分类算法

  王慧玲,宋威,王晨妮,

  自动编码器通过深度无监督学习能够表达数据的语义特征，但由于其隐含层节点个数难以有效确定，所处理的数据进一步用于分类时常会导致分类准确度低、稳定性弱等问题。针对这些问题，提出了一种稀疏和标签约束的半监督自动编码器（SLRAE），以实现无监督学习与监督学习的有机结合，更准确地抽取样本的本质特征。稀疏约束项针对每个隐含节点的响应添加约束条件，从而在隐含神经元数量较多的情况下仍可发现数据中潜在的结构；同时引入标签约束项，以监督学习的方式比对实际标签与期望标签，针对性地调整网络参数，进一步提高分类准确率。为验证所提方法的有效性，实验中对多个数据集进行广泛测试，其结果表明，相对传统自动编码器（AE）、稀疏自动机（SAE）以及极限学习机（ELM），SLRAE所处理的数据应用于同一分类器，能明显提高分类准确率和稳定性。

• 融合地理社交和时间序列信息嵌入排名位置推荐模型

  张松慧,熊汉江,

  在基于社会化媒体的位置推荐中，建模用户签到的位置序列建模十分必要。已有的相关算法大多都忽略了这样一个事实，即不同日子的签到序列表现出了不同的时间特征。为解决上述问题，提出一个地理社交时间序列嵌入排名（GSTSER）模型用于基于社会化媒体的位置推荐。该统一模型中的时间位置嵌入模型用于捕获序列中的上下签到信息以及不同日子的各种时间特征。同时，也提出了一种新的方法，根据地理—社交信息区分未访问的位置，将地理—社交影响纳入成对偏好排序方法。最后，基于一个统一的框架来结合这两种模型用于推荐位置。为了验证提出方法的有效性，在两个真实的数据集实验结果表明，GSTSER模型优于主流先进位置推荐算法。

• 基于经验分布和KL散度的协同过滤推荐质量评价研究

  张文,姜祎盼,张思光,崔杨波,杜宇航,

  提出了一种基于经验分布和KL散度的协同过滤推荐质量评价方法RQE-EDKL（recommendation quality evaluation based on empirical distribution and KL divergence）。RQE-EDKL首先利用历史用户—商品数据生成不同商品数量下的商品历史使用概率分布；然后，利用该分布与各个协同过滤推荐方法得到的用户商品使用概率进行比较，计算其KL散度；最后，将KL散度最小的推荐结果视为最佳推荐结果并推送给用户。在TalkingData数据集上的实验结果表明，RQE-EDKL评价方法能够有效地在不同的推荐结果中选择更为切合用户真实需求的推荐结果，从而提高了协同过滤推荐的质量。

• 主动纠错式半监督聚类社区发现算法

  张贤坤,刘渊博,任静,张高祯,

  经典的无监督聚类算法快速、简单且可以直接对大规模数据集进行划分，但是由于网络结构较为复杂，划分的准确度并不高。为此，提出一种基于主动学习的纠错式半监督社区发现算法ESCD（error correction semi-supervised community detection algorithm），将传统的K-means算法进行分步计算，并且在聚类的过程中加入成对约束。根据先验信息保留正确的划分，纠正错误的划分来改变网络的连接关系，使网络具有更明显的块结构，当节点与聚类中心的距离不再变化时划分结束。实验结果表明，与现有的社区发现算法相比，ESCD算法具有更高的精度，且所需的监督信息远远小于其他半监督算法。

• 基于图遍历的局部社区发现算法

  吴建,王梓权,易亿,孙海霞,

  针对当前局部社区发现算法扩张速度慢不适用于大规模网络的问题，提出了一种基于图遍历的局部社区发现算法。该算法首先找出网络中度数最低的节点，以该节点为起点通过影响力函数将网络中的节点分为社区节点和边界节点，形成初步的社区划分，然后通过适应度函数确定边界节点的社区得到最终划分结果。实验结果表明，该算法在真实网络上进行测试时不仅能够有效地挖掘网络中的社区结构而且具有较快的速度。

• 面向众核结构的并行Comba乘法研究

  黄皓冉,徐江峰,

  为发挥众核处理器性能优势及求解更大规模问题，针对大整数乘法在众核处理器上的并行化进行研究。在对笔算乘法和Comba乘法并行性进行分析的基础上，针对Comba乘法并行化时面临的负载均衡问题提出了多种解决方法；然后针对SW26010的结构特征，选择借鉴笔算乘法改进的Comba乘法，并且实现过程使用了向量化、寄存器通信等优化方法。测试结果说明改进后的并行Comba算法具有较好的并行性，能够很好地利用SW26010众核处理器的性能优势。

• 基于文本分析的故障序列模式挖掘算法

  常文兵,苑星龙,周晟瀚,李磊,

  针对结构化程度差、表达形式各异的文本数据，提出了一种基于文本信息的故障序列模式挖掘算法，用于发掘故障之间的时序关系。为从文本记录的故障信息中挖掘故障规律，首先将文本信息向量化，对故障文本信息进行相似度衡量，将表达相同意义的故障归为一类。在此基础上根据故障特性，提出最大窗口阈值、最小共现度阈值的概念，构建故障序列模式挖掘算法框架。最后对某型飞机文本故障信息进行序列模式挖掘，找出了正确的故障序列关系。实例验证了所提算法是正确有效的。

• 基于表情符注意力机制的微博情感分析模型

  谭皓,邓树文,钱涛,姬东鸿,

  为了对中文微博进行有效的情感极性识别，基于表情符能改变或加强微博文本的情感极性这一认知事实，提出基于表情符注意力机制的微博情感分析神经网络模型。该模型在使用双向循环神经网络模型（Bi-LSTM）学习文本的特征表示时，利用表情符注意力机制，得到文本结合表情符后新的特征表示，从而实现微博情感识别。实验结果显示，与输入纯文本和表情符的Bi-LSTM模型相比，基于表情符注意力机制的模型准确率提高了4.06%；与仅输入纯文本的Bi-LSTM模型相比，基于表情符注意力机制的模型准确率提高了6.35%。

• 基于理想点—矢量余弦投影的多属性决策方法

  孔造杰,李斌,赵啸天,耿立沙,孙可远,

  针对现有的多属性问题决策过程大多无法体现决策者对产品的个人多等级偏好以及缺乏一个客观合理的多属性评价基准的不足，提出一种基于矢量余弦投影的多属性偏好决策方法。通过多等级成对比较法来确定决策者对各项属性的偏好度；再根据理想点来确定理想评价对象各项属性的理想值；利用矢量余弦投影法计算一般多属性问题矢量在理想多属性问题矢量方向上的投影强度，根据强度的大小确定各个方案的优先级排序结果。通过一个算例验证了所提方法的有效性和可行性。

• 基于知识与数据驱动的高速路车辆速度计算方法模型研究

  彭大芹,罗裕枫,范兴容,

  由于目前通过蜂窝基站定位的精度不够高和信令数据产生的不确定性，所以通过手机信令数据估计交通信息参数的精确度仍然是一个巨大的挑战。高速路车辆速度参数是评估道路服务质量最常研究的参数之一，目前基于手机信令数据的交通参数估计基本步骤为数据收集及预处理、地图匹配、用户路线匹配确定和交通信息参数估计。在此基础上，根据物理运动学知识，针对手机信令数据产生的不确定性和容易参杂平行公路噪声用户数据的影响，提出一种融合距离加权的改进车辆速度计算方法，并在此方法上进一步提出一种消除平行公路干扰数据的车辆速度计算方法，提高计算准确度。利用某移动公司提供的平台进行实例验证，并采用平均绝对误差（MAE）、均方根误差（RMSE）、平均绝对百分比误差（MAPE）作为性能指标，该方法模型性能均优于传统方法模型，并且平均绝对百分比误差比传统方法降低10%左右，具有重要的应用价值。

• 右转车流及对向行人影响下的行人过街延误模型

  陶薇同,崔荣一,金璟璇,

  通过分析车头时距随交通流量而变化的统计特性，提出了基于车头时距分布的自适应的行人过街冲突延误计算模型。根据低交通流量情况下车头时距服从负指数分布时的行人过街冲突延误，分别推导出中等交通流量及高交通流量情况下的行人过街冲突延误计算模型；结合无干扰条件下的相位延误和对向行人流阻滞延误得到干扰条件下的行人过街总延误计算模型；通过Vissim仿真实验对模型进行了准确性验证，其偏差小于3%。此外，将提出的行人过街延误模型与以机动车到达间距服从负指数分布为假设前提的行人过街延误模型进行误差比较，结果表明所提出的延误模型误差更小。

• 基于旋转基技术的多目标粒子群优化算法

  戴永彬,纪川川,康伟伟,

  为了解决多目标优化求解的问题，提出一种基于旋转基技术的多目标粒子群优化算法（rtMOPSO）。改进了旋转基可视化技术，并将Pareto前沿映射到改进的旋转基扇形平面上，采用差熵指标监测种群进化状态。为平衡归档集的收敛性和多样性，提出了角度支配和角度支配力度两种新的概念，并设计归档集新的排序方法。在融合了旋转基角度和距离的概念的基础上，提出了一种改进的全局引导粒子的选择策略。改进算法采用两个类别的测试函数，与五种多目标优化算法进行了对比实验。实验结果表明，改进算法在收敛性和多样性方面优势明显。

• 考虑基站选址的UAV交通巡视路径超级时空网络模型

  王冬冬,何胜学,路扬,

  针对考虑基站选址的无人机交通巡视路径优化问题，提出一个超级网络与时空网络相结合的方法，并通过该方法建立模型。通过在时空网络添加虚拟起降点，与全部时刻的备选基站相连接构成超级时空网络，可将考虑基站选址的路径规划转换为一个单纯的多UAV路径规划问题。与不考虑基站选址的路径规划相比，考虑基站选址能够使最大单机飞行时间和总飞行时间分别减少5.71%和11.59%。数值分析表明，基站选址和交通巡视路径规划整合可有效减少UVA的巡视成本。

• 基于频繁主题集偏好的学术论文推荐算法

  李冉,林泓,

  针对学术论文推荐中项目冷启动问题，提出了一种基于频繁主题集偏好的协同主题回归模型。该算法考虑到用户在选择学术论文时对研究热点的偏好，使用频繁主题集代表研究热点，将用户对研究热点的偏好表示成用户对频繁主题集的偏好。通过潜在狄利克雷分布主题模型挖掘得到论文—主题概率分布矩阵，并筛选出论文中概率较高的主题；然后挖掘出频繁出现的主题集合，并得到论文—频繁主题集矩阵；最后在预测未知评分时融入用户对频繁主题集的偏好。在CiteULike数据集上的实验表明，相比于矩阵分解模型和协同主题回归模型，该算法在召回率、准确率和RMSE三个指标上都有所提升。

• 基于循环神经网络的模糊测试用例生成

  徐鹏,刘嘉勇,林波,孙慧颖,雷斌,

  模糊测试用例常规的生成方法是随机变异和人工协议分析构造，其分别存在变异盲目效率低和构造复杂代价高的问题。针对上述问题提出运用深度学习技术辅助测试用例生成。利用循环神经网络处理字符文本序列的优势，通过样本数据学习训练结构特征，并预测生成符合结构特征的新数据，与随机变异算法结合构造了自动生成模型。通过以LSTM和GRU算法模型对PDF文件输入型测试用例生成和效果评估，生成的测试用例总体优于常规方法，具有较好的通过率和覆盖率。该方法通过循环神经网络的辅助实现了生成快速高效和构造难度低的优点，达到了生成效果和花费代价的平衡。

• API文档缺陷自动检测和修复方法

  王长志,周宇,闫鑫,

  为了完善应用程序编程接口（application programming interface，API）文档，提出了基于程序静态分析和自然语言处理的自动检测和修复API文档缺陷的方法。该方法能够自动检测和修复API文档缺陷。实验中缺陷检测结果的准确率和召回率分别达到74.6%和81.4%，能够较为准确地检测到Java API的文档缺陷。在进一步的实验中还对API文档的修复功能进行了评估，结果表明生成的文档正确且简洁，可以有效地修复API文档缺陷。

• 嵌入式应用中的循环级线程推测并行性分析

  卜得庆,王耀彬,李凌,杨洋,程一鸣,刘志勤,吴亚东,

  如何有效利用多核提供的丰富晶体管资源对串行程序的执行进行加速是当前研究中的热点问题。线程级推测（thread-level speculation，TLS）技术旨在充分利用多核资源，最大化地开发出串行代码中存在的潜在并行性。目前TLS技术已经在多种串行应用的并行化工作中得到有效利用，但嵌入式应用程序仍未在推测并行化方面进行有效的分析。因此，选取了八个具有代表性的嵌入式应用，对其在循环级推测并行化中的性能提升潜力和运行时特征（数据依赖、线程粒度和并行覆盖率）进行探讨。实验结果表明，利用线程级推测并行化嵌入式应用的加速效果优于指令级并行技术，实验中的最大加速比达到了13.29；在嵌入式应用领域，该技术可以有效地利用4~8核的计算资源。

• 神经网络补偿算法在基于MEMS的姿态检测中的应用

  孙玉杰,贺思艳,徐小龙,田新诚,

  针对基于微机电传感器的姿态检测领域存在的姿态测量误差问题，为进一步提高姿态检测的精度，提出了一种基于神经网络的姿态估计误差补偿方法。采用开源的微型飞行器在室内环境进行真实飞行实验采集的数据集，借助BP神经网络的非线性映射能力，建立了关于微机电传感器的输出与姿态估计误差之间的姿态误差补偿模型；根据微机电传感器的输出信息，直接预测得到横滚角、俯仰角和偏航角的误差补偿角度。实验结果表明，利用所提出的神经网络进行姿态补偿之后，姿态估计误差大大减小，表明神经网络对于提高姿态检测的精度具有一定的作用。

• 嵌入式Forth操作系统实时调度算法研究

  黄忠建,代红兵,王蕾,

  针对目前嵌入式Forth操作系统中缺乏实时调度机制的问题，对基于Forth虚拟机架构的嵌入式操作系统中多任务调度的关键技术进行了研究。采用Forth虚拟机技术，新定义了一种中断任务类型来处理实时突发事件，并给出了一种新的任务调度算法来调度 Forth系统中终端任务、后台任务以及中断任务顺利运行。实验结果表明，改进后的 Forth 系统能够通过实时调度处理突发事件，并且实时响应度高，尤其适用于对实时性有要求的嵌入式环境中，以满足日趋复杂的嵌入式环境对高效操作系统和 Forth 技术的应用需求。

• 基于扩展规则与统计特征的未登录词识别

  曾浩,詹恩奇,郑建彬,汪阳,

  为提高各行业领域未登录词识别效果，提出一种基于扩展规则与统计特征的未登录词识别方法。分析行业领域未登录词构词特点，制定扩展规则，根据扩展规则对分词项进行扩展得到复合词，通过词频、互信息、邻接熵等统计特征判别复合词是否为未登录词。若为未登录词，则对其继续扩展和识别。六个行业领域和通用领域未登录词识别实验结果表明，提出的方法取得了较好的未登录词识别效果，具有较好的移植性。

• 基于SADE的混合核LSSVM在压缩机故障预测中的应用

  杜洁,吴静,

  螺杆式制冷压缩机存在种类多样性以及故障的复杂性，难以获得有效的预测模型。针对该问题，本文提出了一种基于自适应差分进化算法（SADE）优化的混合核最小二乘支持向量机（LSSVM）的预测模型，该模型的SADE相比其他智能寻优算法理论，其结构简单、参数设置少且搜索能力强。在寻优过程中，SADE分别从差分策略、缩放因子、交叉概率做到了自适应，保证了寻优初期的全局搜索能力和种群多样性，提高了局部搜索能力和收敛速度；利用SADE对核参数、LSSVM参数、混合核调节参数进行寻优，提高了混合核LSSVM预测模型的精度。将该模型运用到压缩机的故障预测实验中，结果表明，该模型能有效地预测出压缩机的故障，验证了该模型的可行性。

• 基于KNE-BPNN的电务设备故障预测

  李晨光,乔帅,杨晓杰,解伟凡,李川子,李俊红,

  针对铁路电务设备故障频发、运行效率低且无有效故障预测方法等现实问题，提出一种基于K-均值—邻域近似条件熵与BP神经网络（KNE-BPNN）的电务设备故障预测模型。首先，采用基于K-均值聚类的样例约简算法约简设备故障决策表中的冗余样例；其次，运用邻域近似条件熵属性约简方法对样例约简后故障决策表中的非必要属性进行约简；最后，使用经过样例和属性约简后的样本集训练BP神经网络并进行模型预测，直到模型输出结果满足预设条件为止。实验结果表明KNE-BPNN故障预测模型的预测精度和泛化性能均满足电务设备管理的实际需求。

• 基于AMSFLA的配电网故障定位研究

  朱亚伟,孙岩洲,赵来军,韦延方,

  随着电网的不断发展，其网络架构趋于复杂，电网线路发生故障的概率也随之增加，目前配电网故障指示器作为对线路故障检测的主要工具，仍然具有故障识别率低、易发生误动的缺点。为了解决故障指示器目前存在的问题，针对其现状进行分析，构建了配电网故障定位模型，提出一种基于AMSFLA（自适应变异混合蛙跳算法）的故障指示器定位方法，并结合IEEE33节点配电网模型来进行仿真验证。结果表明，该算法能够在故障信号畸变的情况下准确定位故障区域，为运维工作人员故障排查提供帮助。

• 利用N-gram和语义分析的维吾尔语文本相似性检测方法

  张莹,亚森·艾则孜,吴顺祥,

  为了实现维吾尔语文本的相似性检测，提出一种基于N-gram和语义分析的相似性检测方法。根据维吾尔语单词特征，采用了N-gram统计模型来获得词语，并根据词语在文本中的出现频率来构建词语—文本关系矩阵，并作为文本模型。采用了潜在语义分析（LSA）来获得词语及其文本之间的隐藏关联，以此解决维吾尔语词义模糊的问题，并获得准确的相似度。在包含重组和同义词替换的剽窃文本集上进行实验，结果表明该方法能够准确有效地检测出相似性。

• 一种综合性论文查重评估方法

  谢兆贤,叶淑祯,黄沈权,

  论文查重对高校的毕业论文质量管控的过程是有其必要性的。针对互联网的查重系统过程过于极端的状况，提出一种新型综合性方法，使用此方法检测出异常，再要求进行人工检测。其目标是要减少误判，使原本不是抄袭却被判定为抄袭的论文得到申请审核的机会。当同一篇论文在不同的查重网站中检测出的重复率相差较大时，可以采用论文新型综合性查重方法，在判定论文最后的重复结果中加入人为判断的权重，降低论文重复率被网站所控制的因素，使得查重结果不完全被网站或人工控制，这种网站/人工的双重混合式检测弥补了网站资源库问题对查重结果产生的影响，提升了论文查重结果的准确性和可信度。

• 命名数据网络中分组报文缓存优化方法

  智江,李俊,吴海博,

  传统网络缓存系统中数据包级别的缓存难以实现，信息中心网络的出现使这个难题得以缓解，但数据包级别的缓存仍然面临严重的扩展性问题。通过分析当前限制数据包级别缓存实现的若干问题，提出了一种分组报文缓存优化方法。该方法通过根据分组前缀而非单个报文前缀建立索引来减少高速存储器的使用量，同时分组级别的流行度也用于优化缓存决策。定义了大量的评估指标，并通过广泛的实验来评估此方案的性能。实验结果表明，与之前的数据包级别的缓存方案相比，该方法可以大大减少高速存储器使用量，并且在服务器负载减少率、平均跳数减少率和平均缓存命中率方面取得显著改善。

• 网络服务功能链技术研究与建模

  李源灏,毛玉明,韦云凯,

  伴随着数据业务量的急剧增长，传统的静态网络服务模型日渐不能满足应用的需求，其构架中网络服务与专用硬件设备之间一一对应的紧耦合关系造成了网络资源不能共享、新业务难以融合等弊端。当网络规模扩大时，传统的管理和部署方式需要投入更多的成本来部署新业务。随着网络虚拟化的兴起与软件定义网络研究的推进，网络服务功能链这一概念应运而生。网络服务功能链由一个或多个虚拟网络功能组成，旨在降低网络建设与运维成本、提高网络资源利用率、提升网络与业务部署速度。针对当前服务功能链体系的研究及建模和应用进行了阐述，并对业内主流的服务功能链优化模型进行抽象建模。同时针对时延优化问题进行仿真，以启发式贪婪算法为代表，通过不同的启发值，从算法时间复杂度与优化效果的角度将服务功能链中启发式算法与穷举法进行对比。在网格状网络的环境下，启发式算法能取得更快的响应速度，并且能取得与穷举法相当的优化效果。因此，得出在大规模工业互联网中部署服务功能链过程中启发式算法能有更快的响应速度，且能达到或者接近最优解的结论。最后，就当前建模与部署存在的问题以及服务功能链未来的研究方向进行论述。

• SCMA与极化码的联合检测译码技术

  符杰林,张剑波,王俊义,

  将极化码与SCMA多址系统相结合，并针对传统的独立检测译码方案（independent detection and decoding，IDD）因缺乏对译码输出信息的再利用而导致系统性能不佳的问题，提出了SCMA以及极化码联合检测译码方案（joint detection and decoding，JDD）。该方案在接收端借助译码获得的内信息辅助更新SCMA多用户检测器的初始先验信息，在检测器与译码器之间实现软信息的回溯迭代，从而得到更显著的系统性能增益。仿真结果表明采用了JDD方案的系统性能相比IDD方案得到了显著的提升，误码率相较IDD方案提升了大约2 dB。

• UFMC系统载波干扰抑制改进算法

  龙恳,陈和力,段思睿,周志义,

  针对ICI自消除算法导致UFMC系统频带利用率过低的问题，提出一种联合部分自消除和加升余弦窗的改进方案。该方案具体通过在UFMC系统发射端子带边界插入自消除子载波，并在UFMC系统接收端进行时域加窗来达到抑制UFMC系统干扰、提升系统频带利用率的目的。对算法进行MATLAB仿真实验，当子带两侧设置4个自消除子载波时，相较自消除算法，系统载波干扰比增大，同时系统的频谱利用率也提升了10%。仿真结果表明，所提算法能够有效抑制ICI，提高系统抗干扰性能，同时提升系统频带利用率。

• 基于MD5-KNN的Wi-Fi室内定位算法研究

  苗云龙,陆彦辉,尹峰,杨守义,

  为降低RSSI指纹数据库中指纹数据量和AP数量对KNN算法的运算效率的影响，提出一种基于MD5-KNN的Wi-Fi室内定位算法，对大型场所构建的RSSI指纹数据库进行优化。在离线阶段，将RSSI指纹数据库中的每条指纹转换成包含32位16进制表示的MD5序列。在线上阶段，该算法完成定位所需时间与AP数量无关，且不随指纹数量的增加而线性增加，降低了定位所需时间和运算量。同时，该算法自适应地匹配出合适的K值，有效解决了RSSI-KNN算法需手动设定K值的问题。实验结果表明，该算法有效提高了基于Wi-Fi的室内定位技术的定位精度以及定位效率。

• 基于异常数据预处理和自适应估计的WSN数据融合算法

  郑宝周,吴莉莉,李富强,袁超,

  针对无线传感器网络（wireless sensor network，WSN）存在节点能量受限、测量精度低、生存期短等问题，提出一种基于异常数据预处理和自适应估计加权融合算法（abnormal data-preprocessing adaptive estimation weighting fusion，ADAEWF）。为了提高算法可靠性，提出了基于异常数据检测、简单多数原则和节点综合支持度函数的数据预处理机制；为了减小测量误差对融合精度的影响，基于分批估计和自适应理论对节点测量值进行自适应估计加权数据融合；然后，建立了WSN仿真模型，并分别获得了ADAEWF、自适应预测加权数据融合算法（adaptive forecast weighting data fusion，AFWDF）和算术平均值法下融合结果的均方误差和网络有效生存期。仿真结果显示：ADAEWF算法融合精度和网络有效生存期均优于AFWDF和算术平均值法，表明ADAEWF算法在提高融合数据有效性、网络有效生存期和融合精度方面具有优越性。

• 认知无线电网络中多目标频谱分配与功率控制

  韩韧,高阳,叶孟宇,

  针对Underlay接入方式的认知无线电网络中的功率控制问题进行了研究，提出同时考虑频谱分配和功率控制两个因素。为了同时满足用户的多种需求，将网络容量和功耗效率构建成一个多目标优化问题，然后提出了一种基于NSGA-Ⅱ的改进多目标优化算法对该问题进行建模求解，得到了适合用户不同需求的Pareto最优解集。最后将所提方法与SPEA-Ⅱ算法进行了实验对比，仿真结果表明，所提方法能够有效地搜索到优化解，并且能够满足不同情况下的频谱和功率分配要求。

• 基于压缩感知和循环谱理论的信号载频估计方法

  谢瑶,李思敏,唐智灵,

  为实现在低信噪比的情况下对载频进行参数估计，提出了一种算法。首先，根据循环谱理论计算出信号的循环谱；然后，采用压缩感知的方法重新构造信号的循环谱切面；最后，根据信号循环谱切面中的离散谱线位置与信号的载频的关系采用平均法来计算载波频率。数值仿真显示在信号稀疏度较高的情况下，对载波频率的估计精度能控制在103 Hz以下。在低信噪比的情况下，该算法能够有效地实现对信号载频的估计，在工程上具有一定的实用价值。

• B-树和bloom filter相结合的IPv6路由查找算法

  姚明,赵晶晶,贺兴亚,杨云,

  为了提高IPv6的路由查找效率，针对IPv6路由前缀分布不均匀的问题，提出了一种基于B-树和bloom filter相结合的IPv6路由查找算法（BTBF）。BTBF分为B-树和bloom filter查找两部分，利用B-树查找路由前缀的前16 bit值，然后通过B-树节点中位向量的映射，将下一步链接到bloom filter，再利用bloom filter位数组的值映射提取下一跳。实验结果表明，BTBF算法与其他树型和bloom filter类算法相比有效减少了空间和时间占用，在路由表项数变化较大的情况下也能维持稳定的查找性能。

• 基于渗流理论的三维无线传感网络的渗流密度与覆盖节点密度研究

  康琳,韩亚君,高文华,

  为保证无线传感器网络的覆盖与连通，探索通信半径和感知半径的比值对三维无线传感网络覆盖与连通的影响。基于渗流理论，得到三维无线传感器网络中协作传输路径的重叠体积函数。考虑到通信半径和感知半径的比值与重叠体积函数的关系，得到重叠体积函数与通信半径和感知半径的比值对三维无线传感器网络渗流密度的影响。在此基础上，当通信半径和感知半径相等时，将得到的渗流密度与覆盖的节点密度结合，得到指定的覆盖率与覆盖的节点密度的关系。仿真实验证明，在三维无线传感器网络中，重叠体积与渗流密度成正比；通信半径和感知半径的比值与渗流密度成反比；随着指定的覆盖率的增加，所得到的覆盖的节点密度也随之增加。

• 伽罗瓦域GF(28)上高矩阵为密钥的Hill加密衍生

  刘海峰,卢开毅,梁星亮,

  针对传统的Hill加密算法仅是利用伽罗瓦域GF（p）上可逆的数字方阵作为密钥矩阵与明文向量作模p乘法进行加密运算，提出了一种新的在伽罗瓦域GF（2）［x］/p（x）上以多项式高矩阵作为密钥矩阵的Hill加密衍生算法。在Hill加密衍生算法中，明文向量为明文字符对应的多项式构成的多项式向量，随机选取密钥矩阵的一列作为加密时的平移增量，在GF（2）［x］/p（x）上进行密钥矩阵与明文向量的模8次不可约多项式p（x）的乘法和加法，然后获得元素为多项式的密文向量，从而实现明文信息加密。当攻击者在不知道p（x）、密钥矩阵以及随机抽取的平移向量的情况下由密文破解得到明文的难度更大，从而提高了伽罗瓦域GF（2）[x]/p(x)上Hill加密衍生算法的抗攻击能力。

• 支持动态操作的多副本数据完整性验证方案

  刘洪宇,丁奕文,陈雷霆,

  针对云存储环境下外包数据面临的安全隐患，并结合现有云数据完整性验证方案的不足，提出了支持动态操作的多副本数据完整性验证方案。方案考虑了多副本应用场景，并在现有云数据完整性验证方案的基础上以较小的代价实现了文件的多副本验证，并通过引入认证的数据结构—基于等级的Merkle哈希树，实现了文件的可验证动态更新。通过对多副本进行关联，可以实现多个副本的同步更新。安全性分析与实验表明了该方案的安全性与有效性，实现了数据的安全存储与更新，并有效保证了数据多副本的隐私安全。

• 基于区块链的身份认证机制的效率优化方法研究

  汤凌韬,许敏,金玉荣,

  基于区块链的去中心化PKI使用区块链替代传统的CA，借助区块链的权威性和公开性，实现了认证的去中心化。目前的研究大多使用遍历区块链的方法查询身份—公钥对，从而验证某公钥是否属于通信对方，效率较低。提出了一种基于密码累加器的身份认证方式，将链上身份和公钥信息映射为累加值，实现认证功能的同时提高了身份—公钥对的验证效率，同时解决了区块链体积不断增长的情况下轻节点存储空间不够的问题，并通过实验验证了该方法的可行性和有效性。

• 一种基于信用的改进PBFT高效共识机制

  徐治理,封化民,刘飚,

  基于联盟链的特点和要求，分析共识机制的协议性能和资源的使用，在实用拜占庭容错技术（practical Byzantine fault tolerance，PBFT）的基础上，对共识过程中的协议进行了针对性的改进。新共识机制中，首先引入了信用评价，配合简化的一致性协议促进系统进入良性循环；修改检查点协议，使节点能动态地加入、离开系统，提高系统灵活性。实验结果表明，新的共识机制能在长期运行中缩短交易确认时间、减少通信资源的使用、提高系统的效率。

• 移动云环境下高效属性基加密方案研究

  付雨萌,孙磊,李作辉,

  目前适应移动云的属性基加密研究主要集中在单一机构，并不满足现实中的属性授权情况。针对以上问题提出了一个新的多机构属性基加密方案，该方案无中央权威，各授权机构可互不影响，分发的属性可添加；利用预计算、外包解密的方法降低用户端的计算开销；方案在随机预言模型下证明是静态安全的。实验结果表明，移动端在云环境下实施数据共享时，该方案可以减少移动设备端20%的计算开销，更符合于移动云环境实际应用场景。

• 基于单根I/O虚拟化的密码设备中断频率优化方法

  李帅,孙磊,郭松辉,

  针对虚拟化环境下中断频率过大影响密码设备密码运算性能的问题，提出了一种降低中断频率的性能优化方法。首先建立了中断频率控制模型，通过实验验证了该模型的合理性和正确性；然后基于单根I/O虚拟化，在虚拟功能驱动层加入速度监测模块来实时监测加密速度的变化，并且当该模块监测到加密速度降低时自动调整虚拟功能中断频率上限，降低由中断频率过大带来的I/O传输消耗。实验结果表明，中断频率上限的调整显著提高了I/O密集型加密过程的加密速度。

• 一种抗几何旋转攻击零水印算法

  刘万军,孙思宇,曲海成,冯琳,何牧泽,

  为了解决零水印算法存在抗几何攻击能力弱的问题，提出了一种抗几何旋转攻击的零水印算法。首先根据尺度不变特征变换（SIFT）旋转校正后图像像素失真情况，在中心地带确定像素近似无损的安全区域；其次将该区域进行二级冗余离散小波变换提取低频区域，对该低频区域进行分块并提取每个块的最大奇异值，同时利用每块最大奇异值构建过渡矩阵；然后通过比较过渡矩阵的每个元素值与其均值关系构造特征矩阵；最后将加密后的水印图像与特征矩阵共同构建零水印。实验结果表明，与仅利用SIFT校正算法相比，抗旋转攻击鲁棒性平均提高了13.26%，与GH旋转矩和伪Zernike正交矩算法相比，抗旋转攻击鲁棒性分别提高了1.1%和0.94%；对常规攻击、缩放攻击和循环平移以及小范围的剪切攻击均具有较强鲁棒性。

• 基于VGGNet卷积神经网络的加密芯片模板攻击新方法

  郭东昕,陈开颜,张阳,张晓宇,李健龙,

  针对传统模板分析在实际攻击中的难解问题，重点研究了在图像识别领域具有优异特征提取能力的VGGNet网络模型，提出了一种基于VGGNet网络模型的模板攻击新方法。为了防止信号质量对模型准确率带来较大影响，采用相关性能量分析方法对采集到的旁路信号质量进行了检验；为了适应旁路信号数据维度特征，对网络模型结构进行适度调整；在网络训练的过程中，对梯度下降速率较慢、梯度消失、过拟合等问题进行了重点解决，并采用5折交叉验证的方法对训练好的模型进行验证。最终实验结果表明，基于VGGNet模型的测试成功率为92.3%，较传统的模板攻击效果提升了7.7%。

• 时空特征分析结合随机密钥的压缩域数字视频水印嵌入和提取方法

  邱一城,薛峰,唐晶磊,

  针对现有水印嵌入和提取算法对滤波、压缩和噪声条件较为敏感的问题，提出了一种鲁棒的基于时空特征的压缩域数字视频水印嵌入和提取方法。提出的框架由一个公共密钥和一个私有密钥组成，用于阻止自我共谋攻击。算法对视频进行时空分析，并从压缩视频的时空特征中提取公共密钥，在本质上具有鲁棒性。首先，利用一个随机密钥从事先选取的块集合中选取候选块，进而确保水印框架的安全；然后基于压缩视频的时空特征选取出适合嵌入水印的4×4子块；最后，利用非零量化系数嵌入水印位。该水印框架允许视频位速率有限增加，并且降低了计算的开销。实验结果显示，相比其他几种对比方法，该方法具有较强的鲁棒性和安全性。

• 复杂场景文本段识别

  王孝男,张利,何思楠,

  针对背景复杂或者存在字符黏连时文本段图片无法准确切分的情况进行了研究，提出了一种复杂场景文本段识别方法。该方法利用图像和文字序列的相关性设计双向递归神经网络对图像特征序列进行编码，然后设计集成的连接时间分类（CTC）和注意力（attention）模块对编码特征进行解码输出。该算法在多个数据集（公开数据集ICDAR2013和ICDAR2003以及验证码数据集）上进行测试，得到识别准确率分别为90.2%、87.4%和92.5%，从而证明了该算法的有效性。实验结果对文本段识别和应用有重要意义。

• 基于多尺度支撑域描述子的多光谱图像匹配算法

  赵恩波,史泽林,刘云鹏,

  针对现有多光谱图像匹配算法鲁棒性不强的问题，提出一种新的基于多尺度支撑域描述子的多光谱图像匹配算法。该算法首先提取Harris角点作为特征点；然后分别统计特征点不同尺度邻域内的边缘方向直方图，组合构成特征描述子；以欧氏距离为相似度准则，使用比值法获得初始匹配结果；最后提出了一种基于RANSAC算法的外点去除算法。实验结果表明，该算法可有效匹配多光谱图像，且与已有算法相比鲁棒性更强，获取的正确匹配对更多。

• 基于深度残差学习的自动驾驶道路场景理解

  宋锐,施智平,渠瀛,邵振洲,关永,

  随着道路场景理解技术的快速发展，自主驾驶领域取得了长足的进步。在相关任务中，包括道路分割、分类和车辆检测的实时性和准确性是安全性的一个关键问题。为此，提出了一个具有编/解码器网络结构的基于深度残差学习的方法。一方面，编码器网络结构使用不同层次的残差网络来提取高维中的抽象特征，这些特征在接下来的三个任务中共享使用；另一方面，解码器网络结构采用一种子任务的并行计算机制，即道路分割、车辆检测和道路分类任务同时执行。此外，全卷积神经网络用于对提取的图像特征进行上采样以解决道路分割问题。最终，实验结果表明在保证高精度的前提下处理帧率可达到15 fps以上。

• 基于分区的破损颅骨性别判别方法

  杨稳,刘晓宁,朱菲,耿国华,赵倩娜,

  颅骨性别鉴定是法医人类学在进行身份认证中首要而重要的一步，在实际应用中破损颅骨性别鉴定更具有研究价值。为鉴定破损颅骨性别，缩小刑事案件搜索范围，提出一种不完整颅骨性别判别模型。首先，将颅骨划分为七个分区，标记特征点，量化不可测量特征；然后，利用基于最大似然估计的前向逐步回归方法选择每个分区的最优特征子集，通过logistic回归建立七个分区的性别判别模型，并通过留一法进行验证；最后，实现了女性和男性不完整颅骨的最终性别判别。实验结果表明，各个分区都可以确定颅骨性别，分区数组合越多，判别准确率越高。

• 基于非线性渐变式颜色映射的LIC改进算法

  高茂庭,董红周,周凡,

  线积分卷积（LIC）算法展现的纹理反映了整个矢量场的方向结构，却不能展现矢量场的强度大小。针对此问题提出基于非线性渐变式颜色映射的LIC改进算法，将矢量场强度与白噪声结合作为LIC的输入纹理，运用FastLIC思想并划分纹理区域同步执行LIC运算来提高算法效率；再将矢量场强度作非线性变换，根据渐变式颜色映射方案使用OpenCV处理引擎并行实现矢量场强度的颜色映射； 最后由LIC得到的灰度纹理和颜色映射结果确定合成系数并构造累计函数增强两者结果，再进行线性合成运算得到最终可视化效果。在对全球海洋流场和风场两种典型的矢量场进行可视化以及与其他算法对比实验表明，改进算法得到的可视化效果纹理清晰，较好地展示出矢量场的方向和强度，能够更准确地反映矢量场的全方位信息和局部变化情况。

• 基于遗传算法的B样条曲线拟合改进算法

  高茂庭,冯莉,

  B样条曲线拟合应用于绘制离散数据点的变化趋势，一般采用数据逼近或者迭代的方法得到，是图像处理和逆向工程中的重要内容。针对待拟合曲线存在多峰值、尖点、间断等问题，提出一种基于遗传算法的B样条曲线拟合算法。首先利用惩罚函数将带约束的曲线优化问题转换为无约束问题，然后利用改进的遗传算法来选择合适的适应度函数，再结合模拟退火算法自适应调整节点的数量和位置，在寻优的过程中找到最优的节点向量，持续迭代直到产生最终的优良重建曲线为止。实验结果表明，该算法有效地提高了精度并加快了收敛速度。

• 基于视觉颜色感知—光学相似的图像去雾方法

  赵雪青,师昕,

  针对雾霾环境影响致使户外获取的图像质量严重下降问题，提出了一种基于视觉颜色感知—光学相似的图像去雾方法。充分利用人眼感知颜色的视觉机理，结合图像的相似性原理，构造了光学相似度函数，建立了新的基于视觉颜色感知—光学相似的图像去雾模型并设计相关算法。仿真实验结果表明，提出的方法在对有雾图像清晰化处理过程中效果明显，并与现有的图像去雾方法在主观视觉和客观量化方面进行图像去雾效果对比，进一步表明提出的方法在清晰化含雾图像处理中取得了较好的效果。

• 结合灰度直方图和细胞自动机的多模态MRI脑胶质瘤分割

  衣斐,龚敬,段辉宏,苏冠群,田海龙,聂生东,

  为了解决脑胶质瘤边界模糊、复杂而导致的分割不准确问题，提出了一种将灰度直方图（GLH）与改进细胞自动机相结合的脑胶质瘤分割算法。首先，对脑胶质瘤的T2加权图像和液体衰减反转（FLAIR）图像进行融合；然后，利用灰度直方图特性增强脑胶质瘤区域；最后，以加权距离为特征向量用改进的细胞自动机进行分割，并得到脑胶质瘤各组织分割结果。在20组BraTS2015（brain tumor segmentation）数据库数据和10组临床脑胶质瘤数据上进行分割实验，整个肿瘤区域及核心肿瘤区域的平均分割准确率分别达到90.76%和89.73%。实验结果表明，相对于对比方法，所提算法不仅能更好地分割出对比度明显的胶质瘤区域，还在一定程度上解决了模糊胶质瘤区域分割不准确的问题。该算法在保持不增加算法复杂度的同时，亦提高了算法分割的准确性和鲁棒性。

• 基于粒子群优化算法和模糊熵的多级阈值图像分割算法

  吕福起,李霄民,

  针对现有阈值分割算法利用穷举搜索寻找最优阈值而造成的计算成本较大的问题，提出了一种基于粒子群优化算法和模糊熵的多级阈值图像分割算法。图像分割是图像分析中非常重要的预处理步骤，在提出的方法中，首先选择香农熵和模糊熵作为优化技术的目标函数；然后建立一种基于粒子群优化算法的多层次图像阈值分割，通过最大化香农熵或模糊熵进行图像分割。最后从图像分割数据库中选取Lena、baboon和airplane作为测试图像进行性能分析（包括鲁棒性、效率和收敛性），并与现有的几种阈值分割算法进行比较。结果显示，提出的算法得到了更高PSNR值和更少的分类误差，证明了该算法是一种高效的多级阈值图像分割算法。

• 一种面向表情识别的ROI区域二级投票机制

  文元美,欧阳文,凌永权,

  针对如何更有效地使用卷积神经网络从训练图像中学习到的分布式特征进行研究，提出了一种面向人脸表情识别的ROI区域二级投票机制。将图像划分成一系列感兴趣区域（ROI）图像输入到卷积神经网络中进行训练；然后将测试图像的ROI图像输入到卷积神经网络中，统计所有ROI图像的判别结果；最后采用二级投票机制确定测试图像的最终类别，得到最终判别结果。针对卷积神经网络不能从人脸图像中学习到旋转等空间位置信息，引入了STN（spatial transformer network），提高算法在解决复杂情况下的表情识别问题的能力。实验表明，ROI区域二级投票机制能够更有效地使用卷积神经网络从训练图像中学习到的分布式特征，比直接使用ROI图像进行投票的方法准确率提升了1.1%，引入STN能够有效提升卷积神经网络的鲁棒性，比未引入STN的方法准确率提升了1.5%。

• 面向Web图像检索的基于语义迁移的无监督深度哈希

  许胜,陈盛双,谢良,

  当前主流的Web图像检索方法仅考虑了视觉特征，没有充分利用Web图像附带的文本信息，并忽略了相关文本中涉及的有价值的语义，从而导致其图像表达能力不强。针对这一问题，提出了一种新的无监督图像哈希方法——基于语义迁移的深度图像哈希（semantic transfer deep visual hashing，STDVH）。该方法首先利用谱聚类挖掘训练文本的语义信息；然后构建深度卷积神经网络将文本语义信息迁移到图像哈希码的学习中；最后在统一框架中训练得到图像的哈希码和哈希函数，在低维汉明空间中完成对大规模Web图像数据的有效检索。通过在Wiki和MIR Flickr这两个公开的Web图像集上进行实验，证明了该方法相比其他先进的哈希算法的优越性。

• 基于混合损失联合调优与多尺度分类相结合的肺结节检测算法

  姚宇瑾,张利,

  针对CT图像的肺结节自动检测任务中检测灵敏度低及存在大量假阳性的问题，提出了一个基于混合损失的三维全卷积网络与基于注意力的多尺度三维残差网络相结合的肺结节检测方法。首先，基于相似度损失预训练三维全卷积网络，利用该网络筛选难例样本，并基于混合损失将难例与正样本进行联合调优得到候选结节检测网络，用于快速筛选疑似结节；然后，利用基于注意力的多尺度三维残差卷积网络对疑似结节进行分类，从候选结节中精确地分辨出真正结节。在LUNA16数据集上，候选结节检测阶段的灵敏度在每个病例的假阳数目为59.1时达到97.18%，检测系统的平均灵敏度为0.880，表明本算法可以提高肺结节检测的灵敏度并有效控制假阳性，在LUNA16数据集上获得了更优的性能。

• 基于改进单深层神经网络的自然场景中维吾尔文检测

  彭勇,哈力旦·阿布都热依木,丁维超,

  针对自然场景中维吾尔文检测难度大的问题，改进单深层神经网络对自然场景中维吾尔文进行检测。该网络结构由维吾尔文特征提取组件和多层特征融合的文本检测组件组成，以端到端的方式训练学习预测维吾尔文文本框的位置以及置信度。维吾尔文特征提取组件利用卷积神经网络提取自然场景维吾尔文图像中的多尺度和多层级维吾尔文特征。多层特征融合的文本检测组件则使用维吾尔文特征提取组件提取的特征，预测文本框的位置和维吾尔文类别的置信度。分析发现与中英文检测不同，维吾尔文文本具有更特殊的特征，针对这种特性设计了多宽高比和多尺寸大小的默认框并调整了部分卷积核的大小。经在自然场景中具有维吾尔文的图片集实验表明，改进的单深层神经网络方法考虑了图像的多尺度和多层级特征对检测精度的影响，算法的准确率和F值分别达到了0.723 4和0.611 5，提高了检测的准确率。