计算机应用研究杂志

计算机应用研究杂志2020年第10期

• 时空序列预测方法综述

  黎维,陶蔚,周星宇,潘志松,

  随着数据采集技术的进步，带有地理位置信息的时空数据迅速增长，迫切需要探索有效的时空数据建模方法。时空序列预测是时空数据建模的基础方法之一，它广泛应用于很多领域。目前缺乏对它进行综述的中文文献，因而对这些方法进行归纳和总结具有重要的研究意义。针对时空序列预测问题进行了研究，首先回顾了其应用背景和发展历程，介绍了它的相关定义及特点。然后按其类别介绍了传统的时空序列预测方法、基于传统机器学习的时空序列预测方法和基于深度学习的时空序列预测方法，并分析了这些方法的应用范围和优缺点。最后对时空序列预测未来的研究方向进行了梳理和展望，为研究者们进一步深入研究时空序列预测问题奠定了理论基础。

• 基于流量特征的流调度策略研究综述

  陈珂,刘亚志,王思晗,

  软件定义网络将网络的数据层和控制层相分离，具有可编程性强和全局网络视图的优点，这一优点被越来越多地应用于数据中心网络流调度中。然而，数据中心网络中大象流和老鼠流共存的流量特征是流调度技术的一大挑战。对基于流量特征的流调度策略进行了综述，首先梳理了基于软件定义网络的数据中心网络的理论基础，然后对大象流、老鼠流、大象流与老鼠流三个方面的流调度策略进行了分析和总结，并探讨了相比于传统的流调度技术，在软件定义网络架构下基于流量特征的流调度策略的优势。最后针对目前基于流量特征的流调度技术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。

• SDN故障分析研究综述

  赵会,吕光宏,杨洋,贾创辉,

  软件定义网络（software defined networking，SDN）架构的三大基本特性成为了网络故障发生的主要影响因素，从而引入新的故障威胁和风险，降低网络可靠性。首先，介绍了SDN的基本架构及其三大基本特性可能引发的安全问题；其次，从架构的物理角度出发，分别探讨控制平面域、控制通道域和数据平面域所面临的故障风险；随后，基于各故障域的故障类型，探讨现有的解决方案；最后，对未来的研究工作进行了展望。

• 基于参与冲突分析次数的动态学习子句评估策略

  孙菁,钟小梅,徐扬,

  针对现有学习子句评估策略的单一性，提出一种基于学习子句参与冲突分析次数的评估策略，并将该策略分别与经典的文字块距离评估策略和活跃值评估策略结合，形成两个动态学习子句评估策略。基于2018年SAT国际竞赛部分基准实例，将动态评估策略与原评估策略进行参数适应性对比实验，并通过2018和2017年的基准实例进行评估。结果表明动态评估策略能更好地评估学习子句的质量，由此生成的求解器在求解数量和速度方面表现出较好的求解性能。

• KEC：基于cw2vec的中文专利关键词提取方法

  谭婷婷,陈高荣,徐建,

  关键词提取是诸多文本挖掘任务的前置任务，其精度直接影响了下游任务的性能。 以中文专利为研究对象，针对专利文本的特点，将关键词提取问题转换成词向量聚类问题，提出了一种基于cw2vec词向量的关键词提取方法，称为KEC。该方法首先利用科技文献的关键词以及开源词典构建领域词典；接着，基于领域词典对专利文本进行预处理获取候选关键词，并采用构建cw2vec模型获得候选关键词的词向量表示；最后，采用聚类算法提取最终的关键词。在真实的专利数据集上进行了实验验证，结果表明KEC在精确率、召回率、综合指标F1等指标项上优于现有的其他基于词聚类的关键词提取方法。

• 基于节点属性和信息价值的V-UKIR传播模型研究及仿真

  张楠,刘厚泉,蒋乐乐,

  为更有效地在网络中进行广告信息推广和谣言控制，针对真实社交网络信息传播的特点，对信息传播机制进行了研究。首先，在传统SIR模型的基础上，将节点状态分为未知、阅读、感染、免疫状态。然后，考虑节点自身属性的差别和不同信息在不同社区中的价值，定义了自适应节点状态转移概率函数，建立了更加符合社交网络真实传播特点的V-UKIR模型。最终，通过不同信息传播过程对比，验证了该模型的有效性。同时，通过在不同模型下的实际传播对比，证明了该模型在新浪微博和Twitter上有较好的信息推广和谣言控制效果。

• TSPT：基于预训练的三阶段复合式文本摘要模型

  吕瑞,王涛,曾碧卿,刘相湖,

  抽取式方法从源文本中抽取句子，会造成信息冗余；生成式方法可能生成非源文词，会产生语法问题，自然性差。BERT作为一种双向Transformer模型，在自然语言理解任务上展现了优异的性能，但在文本生成任务的应用有待探索。针对以上问题，提出一种基于预训练的三阶段复合式文本摘要模型（TSPT），结合抽取式方法和生成式方法，将源本文经过预训练产生的双向上下文信息词向量由sigmoid函数获取句子得分抽取关键句，在摘要生成阶段将关键句作为完形填空任务重写，生成最终摘要。实验结果表明，该模型在CNN/Daily Mail数据集中取得了良好效果。

• 一种结合评分重合度的协同推荐算法

  任磊,

  协同推荐是信息个性化服务中广泛应用的推荐算法，协同推荐算法以宿主系统所观测到的用户评分作为实现推荐的数据依据。用户评分矩阵的稀疏性问题对协同推荐的各工作过程可产生直接或间接的影响，导致推荐服务的准确性下降。通过对稀疏性问题影响推荐系统方式的分析发现，一般协同推荐方法的项目相似度计算只注重项目在评分数值上的相关性，而忽视了项目之间评分的重合度对提高推荐质量所起的重要作用。通过将评分重合度融入到相似度计算中，提出了一种结合评分重合度的改进协同推荐算法，并在稀疏评分环境下将其与已有协同推荐算法进行了对比实验与分析，实验结果验证了所提算法在提高预测准确性上的有效性。

• 基于知识图谱用户偏好传播的实体推荐模型

  刘勤,陈世平,霍欢,

  将知识图谱作为辅助信息引入到推荐系统中，可以有效地增强推荐系统的学习能力，提高推荐系统的精准度和用户满意度。针对知识图谱上的偏好传播问题，提出一种基于知识图谱用户偏好传播的实体推荐模型，目的是在传播偏好的同时兼顾传播强度，提高推荐效果。通过提取不同特定属性的基本特征控制用户偏好在知识图谱上的传播强度，然后根据每个用户的历史偏好传播强度在知识图谱上迭代计算，得到用户—项目对的偏好传播模型，最终通过排序学习进行top N推荐。最后，在三个不同类型数据集上的对比实验验证该模型算法的有效性。实验证明，在偏好传播的同时控制传播强度可以很好地提升推荐系统的准确率、召回率以及F1值，同时具有很强的灵活性和可解释性。

• 一种改进项目多属性类别划分的推荐算法

  邱宁佳,薛丽娇,贺金彪,王鹏,杨华民,

  针对传统度量相似性方法中忽略项目多属性类别差异的问题，提出一种改进项目多属性类别划分的推荐算法。首先构建项目—用户隶属矩阵挖掘用户间的隶属关系，并创建相似邻居FP-Tree以提取最近邻居集；然后分析用户间共同项目相似性和项目多属性类别划分的差异性，通过权重因子将共同项目和多属性类别融合，构建CNB度量模型度量邻居相似程度；最后对所得相似用户进行降序排列，获取更加精准的相似用户，完成推荐工作。结合医药数据集验证该算法的有效性，结果表明其时间复杂度、推荐准确性和平均精度均值均有较好的提升。

• 大规模多视图数据的自降维K-means算法

  曹卫东,蔡浩天,

  为了提升传统多视图K-means算法在高维数据中的聚类性能，提出了一种鲁棒性大规模多视图数据的自降维K-means算法RMSKMC（robust multi-view subKmeans clustering）。通过寻找单个视图上的最优子空间实现高维数据的自降维，利用非负矩阵分解（NMF）对损失函数进行重构，使不同视图共享相同的聚类指示矩阵从而实现多视图信息互补，完成大规模多视图数据的聚类。实验结果表明，在大规模多视图数据集上，该算法比其他多视图聚类算法资源消耗更小，并且能够进行更为准确的聚类。

• 基于加权网络的客户需求聚类方法

  耿秀丽,樊志娟,

  针对高端制造业客户需求数据庞大、需求间相关关系复杂的问题，提出了基于加权网络的客户需求聚类方法。将客户需求看做加权网络的节点，将客户需求之间的相关关系看做加权网络的边，构建客户需求的加权网络，并在加权网络的基础上结合聚类算法对客户需求进行聚类处理，从而将杂乱无章的客户需求根据相关程度进行分类。考虑到需求之间关系的主观性和模糊性，采用三角模糊数来量化加权网络的边权，最后以客户对塔式起重机的需求为例对所提方法的有效性进行了验证。

• 面向票房预测的影评情感可视分析

  谢治海,朱敏,牛红宇,梁晶,夏婷,

  针对电影上映前后影评情感会发生较大变化，导致电影行业分析者分析影评情感对票房预测的影响具有一定难度的问题，提出一种基于影评情感类型与强度的自回归票房预测模型，并构建了面向票房预测的影评情感可视分析系统MRS-VIS。系统基于时空特征，提出一种空间插值可视化视图，并结合多种可视化经典视图，帮助电影行业分析者对一部电影在上映前后的影评情感进行多角度探索与分析。系统支持分析者在情感分析的基础上，通过交互操作对情感类型与强度进行编辑，进一步提高票房预测模型的准确性和可靠性。案例分析结果表明，提出的模型和构建的系统可以有效帮助电影行业分析者分析影评情感类型和修正情感。

• 基于多语义因子分层聚类的文本特征提取方法

  王靖,柳青,张德海,赵华,杨云,

  针对同类文本中提取的关键词形式多样，且在相似性与相关性上具有模糊关系，提出一种对词语进行分层聚类的文本特征提取方法。该方法在考虑文本间相同词贡献文本相似度的前提下，结合词语相似性与相关性作为语义距离，并根据该语义距离的不同，引入分层聚类并赋予不同聚类权值的方法，最终得到以词和簇共同作为特征单元的带有聚类权值的向量空间模型。引入了word2vec训练词向量得到文本相似度，并根据Skip-Gram+Huffman softmax模型的算法特点，运用点互信息公式准确获取词语间的相关度。通过文本的分类实验表明，所提出的方法较目前常用的仅使用相似度单层聚类后再统计的方法，能更有效地提高文本特征提取的准确性。

• 基于近邻用户评论的推荐辅助网络

  冯兴杰,曾云泽,崔桂颖,

  评论数据存在稀疏问题，不足以支撑学习出更全面的用户偏好。针对评论稀疏问题进行了研究，并提出一种应对评论稀疏的即插即用辅助网络（NRSN），其能与不同的模型进行结合，以添加辅助信息的方式，来重新调整当前模型输出的用户偏好向量。首先根据目标用户，使用aspect-attention机制从其近邻用户评论中学习出近邻用户的偏好，然后采用co-attention机制将近邻用户和目标用户进行契合度匹配，调整出目标用户新的偏好向量。在三组公开数据集下的实验结果表明，NRSN不仅能提高所结合模型的推荐性能，且能有效应对“冷启动”场景下的评论稀疏问题。

• 基于FT-LSTM模型的临床事件诊断序列预测研究

  王露潼,王红,宋永强,王倩,

  针对不同患者的临床数据信息难以得到合理表示，且事件之间时间间隔不同，从而导致预测困难等问题，提出一种基于词向量表示，并添加时控单元的时控长短期记忆神经网络（FT-LSTM）预测模型。首先通过FastText方法对医学事件进行可解释性的向量表示，用以更有效地捕获富含医学信息的概念关系；然后针对临床数据对时间戳有着强依赖性的现象，在原有LSTM模型的基础上设计时控门，以更好地捕获长短期信息，对事件信息进行建模，从而改善预测表现。在MIMIC-Ⅲ数据集上的实验结果表明，使用FT-LSTM模型预测的召回率、准确率皆高于多种对比模型，证明了该方法的有效性。

• 全局优化的蝴蝶优化算法

  高文欣,刘升,肖子雅,于建芳,

  针对基本蝴蝶优化算法中存在的易陷入局部最优值、收敛速度慢等问题，提出一种全局优化的蝴蝶算法，引入limit阈值来限定蝴蝶优化算法陷入局部最优解的次数，从而改变算法易陷入早熟的问题，结合单纯形策略优化迭代后期位置较差的蝴蝶使种群能够较快地找到全局最优解；将正弦余弦算法作为局部算子融入BOA中，改善迭代后期种群多样性下降的缺陷，加快算法跳出局部最优。在仿真模拟实验中与多个算法进行对比，结果表明改进算法的寻优性能更好。

• 基于GACO的群智感知参与者选择方法研究

  李建军,汪校铃,杨玉,付佳,

  参与者选择方法作为群智感知研究的重要内容之一，现有研究还存在不足，即只单一考虑任务发布时间或任务区域覆盖等属性，导致选择的参与者执行任务效率较差。因此针对这一问题综合考虑任务时间和任务区域覆盖等约束条件下，为实现任务执行效率最高和群智感知平台激励成本最少的优化目标，提出一种基于贪婪蚁群算法的群智感知参与者选择方法（PS-GACO）。该方法主要通过候选参与者聚集蚂蚁信息素浓度的多少准确选出适合执行发布任务的参与者，大大提高了任务执行效率。最后通过仿真实验将提出的PS-GACO方法与普通参与者选择方法进行比较，实验结果表明PS-GACO在算法运行时间、任务执行效率以及激励成本等方面都优于其他两种方法，对于群智感知参与者选择有很好的应用前景。

• 基于权值优化神经网络的交通拥堵程度决策方法

  李波,

  针对现有的交通拥堵程度决策方法在证据不确定和不完备情况下评价准确率低的问题，提出了一种基于权值优化神经网络方法。首先，采用二次型隶属度描述了各类交通拥堵证据的不确定性与不完备性。其次，由信息熵计算证据的贡献度，并作为优化神经网络的输入层权值。接下来，由初始权值与前序时刻的梯度和自适应更新各隐层与输出层的神经元权值，以期降低不确定和不完备证据给整个网络带来的累积误差。最后，结合实际交通状况进行算例分析，验证了该方法的准确性与收敛性。结论分析表明，提出的方法能作出准确的交通拥堵程度决策。

• 跨境物流联盟稳定性研究

  付帅帅,陈伟达,王丹丹,

  为解决跨境物流联盟稳定性不高，效率低下等问题，对跨境物流联盟特征及稳定性因素进行分析，通过构建联盟稳定性的演化博弈模型，分析跨境物流联盟内企业的演化稳定策略及稳定路径，并结合系统动力学仿真分析不同影响因素对联盟稳定性的影响。研究表明，联盟利益分配机制、成员企业投入的物流资源规模、组织成本对提升联盟稳定性有显著影响。而联盟运作效率、企业机会主义及合作协同度对提升联盟稳定性影响相对较弱。并据此提出增强跨境物流联盟稳定性的建议。

• 考虑交通时变特性的城乡快递无人机配送优化研究

  林驿,吕靖,蒋永雷,

  针对农村快递网点运营成本高、网点建设滞后导致的电商物流配送成本高的问题，提出了城乡客运班车+无人机的快递配送模式。在考虑了配送过程中路网交通时变特性的情况下，以无人机—车辆配送系统总成本最小为优化目标，建立了时变网络下带时间窗的无人机—车辆路径问题（TDVRPDTW）模型，并提出一个由基于最近邻思想的改进CW算法和动态规划启发式算法构成的两阶段启发式算法来求解TDVRPDTW。最后，通过算例求解验证构建模型的合理性和求解算法的有效性，为制定农村物流配送的城乡客运班车+无人机快递配送方案提供决策支持。

• 基于区间粗糙数的多属性决策方法及应用

  张文宇,杨媛,刘嘉,赵松敏,

  针对传统多属性决策模型中大量指标的复杂性和模糊性导致实际决策结果不准确的问题，提出了一种基于区间粗糙数的改进DEMATEL-VIKOR多属性优化决策模型。首先，在区间粗糙数的基础上对传统的DEMATEL和VIKOR方法分别进行改进；其次将一种新的归一化加权几何Bonferroni平均算子运用在改进的DEMATEL-VIKOR混合模型中，根据量化结果对各准则进行影响因素分析进而计算折中的可行解；最后，分别从敏感性分析、理论分析及方法比较三种角度对备选方案进行排序，从而得到最优备选方案，应用城市滨水区景观后期综合评价的算例结果表明，该改进算法在不确定和不完备信息环境下的决策结果更具可行性和有效性。

• 基于单值中智集的投资决策方案优选模型

  刘庆,化小会,

  为了优化投资决策方案优选模型，提出一个基于单值中智环境下的多属性决策问题的新方法。首先给出一个基于单值中智集的广义距离公式，然后通过语言变量确定了决策专家和属性指标的权重，接着构建了加权的综合决策矩阵，进一步得到各备选方案与正负理想方案的距离，利用相对贴近度系数对各备选方案进行综合排序，得到最优决策方案。最后通过一个投资决策的实例，验证了该模型的有效性和实用性。

• 考虑决策者心理行为的概率语义术语集多属性决策方法

  张永政,叶春明,耿秀丽,

  概率语义术语集可以通过给语义赋予概率以表达不同程度偏好，采用概率语义术语集获取专家犹豫和不确定的评价信息。针对传统多属性决策中指标权重确定没有考虑指标间相互影响关系的问题，采用概率语义DEMATEL方法分析指标间的相互影响关系，其中采用二元语义将指标间关联关系概率语义术语集的得分函数转换为精确数值，得到指标的权重。考虑决策者的不同偏好和心理行为，采用改进的概率语义TODIM方法对决策对象进行排序。最后以某班轮公司的综合竞争力评估为例，验证了该方法的有效性。

• 系统故障演化过程描述方法研究

  崔铁军,

  为了解系统故障演化过程，提供可行的描述方法，进一步对空间故障网络理论进行研究。将原有空间故障网络结构W=（V，L，R，H，B）改为W=（O，S，L，X），即用四要素对象、状态、连接和因素描述故障演化过程构建空间故障网络。提出枚举法和实例法具体进行故障演化过程描述。研究三级往复式压缩机的第一级故障过程，并辨识了事件的对象、对象的状态及事件的逻辑关系，绘制了空间故障网络。以V10和V2为例得到了转换的空间故障树，并以V2为例研究了故障演化过程。得到了127种故障模式，其中64种有利于V2发生，剩余63种不利于发生。根据演化过程描述需要将故障演化过程进一步分类，论述了故障演化机理。

• 基于组合关系路径的知识图谱补全方法研究

  张德亮,孙更新,宾晟,

  现有的知识图谱补全方法往往只考虑直接连接的两个节点所组成的路径，忽略了节点与其他多个节点组成的关系路径所带来的信息。针对该问题，基于节点之间连接的方向，定义了在三节点结构下三种不同的关系路径连接模式，提出知识图谱中以三节点为主的组合关系路径补全模型（composite relational path completion，CRPC）。最后，在WordNet和FreeBase数据集上验证了该模型的准确性。

• 基于移动云计算的计算迁移能效算法

  谢兵,

  移动云计算可以通过应用任务的计算迁移降低执行延时和改善移动设备能效，但面对多云站点选择时，迁移决策是NP问题。针对该问题，提出一种能效计算迁移算法。为了实现截止期限和预算约束下执行时间与代价的多目标优化，算法将优化过程分解为三步进行。首先根据用户对时间与代价参数的偏好，设计一种CTTPO算法对应用进行分割，生成迁移模块（云端站点执行）和非迁移模块（移动设备执行）；然后为了实现云端多站点间的迁移模块调度，设计一种基于教与学最优化方法的MTS算法，进而产生效率最优的应用调度解；最后设计一种基于动态电压缩放方法的ESM算法，通过多站点的性能缩放进一步降低应用执行能耗。通过两种随机应用结构图进行了仿真实验，实验结果证明，该算法在执行效率、执行代价以及执行能耗上要优于对比算法。

• 基于动态偏好机制的学生群体演化合作研究

  彭雨松,郑巍,潘浩,

  社交网络具有随机性和复杂性的特点，针对大学生群体中社交关系的异质性以及动态变化情况，构建博弈模型并设计动态偏好机制用于模拟和促进学生在交互网络中的合作行为。在该机制中，首先构建了加权网络用于描述学生交互网络的异质性；然后通过学生动态的交互关系，模拟学生的社交偏好。仿真结果表明，该机制能够有效促进合作者密度。为了进一步验证该机制在学生群体交互中的有效性，通过线下社交网络收集系统收集学生群体的交互行为信息并构建交互网络，通过数据分析发现学生群体在动态偏好机制下更愿意与其他个体进行交流。研究结果对学生合作行为演化具有参考作用。

• 不确定环境下项目拆分和带缓冲时间的多项目协同调度研究

  欧阳凌霞,倪静,

  针对不确定环境下移动式装配的项目存在项目工期随机延长的问题，首先引用项目拆分思想，将单项目虚拟拆分成多项目；在加入最大鲁棒性约束下，以最小化项目工期为目标建立数学优化模型。提出了改进的两阶段循环算法求解：项目划分阶段通过子项目拆分算法进行子项目划分；项目调度阶段以布谷鸟算法为框架对划分后的多项目调度进行求解，并将调度结果反馈至上阶段。最后选取PSPLIB算例库中不同规模的算例，分析各种参数在不同规模下对项目计划的影响。实例验证结果表明，所提方法能在不确定环境下提高项目资源利用率并缩短工期。

• 新的动态记忆网络的视觉问答

  王永琦,吴飞,王春媛,江潇潇,

  视觉问答任务旨在给机器输入一幅图像和一相关问题，计算机能够准确作答。针对这一任务，对记忆和注意力机制的神经网络结构进行了深入研究，这类网络显示出问题回答所需的某些推理能力。在分析动态记忆网络的基础上，提出了一种新的动态记忆网络，对原来的DMN内存和输入模块进行改进。结合这些变化，一个新的图像输入模块引入到视觉问答系统中。在DAQUAR-ALL、COCO-QA和VQA数据集上验证了该方法的有效性。实验结果表明，所提出的新的动态记忆模型取得了很好的结果，比一些经典深度方法都更出色。

• 基于分数阶积分器的分数阶混沌系统状态观测器同步研究

  贾雅琼,蒋国平,俞斌,

  提出了一种基于分数阶积分器的分数阶混沌系统状态观测器同步算法。通过引入一个新的变量，该变量是将驱动系统的输出信号与传输信道中干扰的和进行分数阶积分处理，然后再作为输入信号加到观测系统中，以便实现分数阶混沌系统的状态观测系统同步。然后利用Lyapunov稳定性理论和线性矩阵不等式证明了该方法的正确性。将该同步方法应用于分数阶Chen混沌系统，得出了同步误差曲线，仿真结果表明了该同步方法的有效性，最终实现了分数阶混沌系统的状态观测器同步。

• 基于DKNPE方法半导体蚀刻过程健康状态监视

  张成,戴絮年,郭青秀,李元,

  针对传统方法对非线性或多模态间歇过程的故障检测率低的问题，提出一种基于K近邻邻域保持嵌入得分差分（difference of K nearest neighbors score associated with neighborhood preserving embedding，DKNPE）的健康状态监视方法。首先，通过NPE方法计算训练数据集的得分矩阵，称其为样本的本质得分。然后，在训练数据集计算每个样本的K近邻均值，并将其投影到低维空间以获得样本的估计得分。接下来，在差分子空间（diffe-rence subspaces，DS）和差分残差子空间（difference residual subspaces，DRS）中分别建立两个新的统计量对样本进行过程监控。将本方法在两个模拟数值例子和半导体蚀刻过程中进行测试，并与PCA、FD-KNN和NPE等传统方法进行对比分析， 测试结果验证了该方法的有效性。

• Spark中一种高效RDD自主缓存替换策略研究

  魏赟,丁宇琛,

  由于并行计算框架Spark缓存替换算法的粗糙性，LRU（least recently used）算法并未考虑RDD的重复使用导致易把高重用数据块替换出内存且作业执行效率较低等问题。通过优化权重模型和改进替换策略，提出了一种高效RDD自主缓存替换策略（efficient RDD automatic cache，ERAC），包括高重用自主缓存算法和缓存替换分级算法，可实现高效RDD的自主缓存和缓存目标的分级替换。最后利用SNAP（Stanford Network Analysis Project）提供的标准数据集将ERAC和LRU、RA（register allocation）等算法进行了对比实验，结果显示ERAC算法能够有效提高Spark的内存利用率和任务执行效率。

• 飞机复杂机构虚拟培训场景运动建模方法

  肖文磊,冯江伟,崔家浩,赵罡,

  针对含有飞机复杂机构的虚拟培训场景建模过程复杂、生成的场景帧率低、交互性差等问题，提出一种虚拟场景建模方法。首先，对原动件在其运动范围内进行运动状态采样；然后利用机构仿真平台进行运动学建模与解算，获取所有零件的运动状态作为机构的运动状态库，并对运动状态库进行压缩；最后，在虚拟现实引擎中将库文件与经过材质编辑的网格模型融合，采用索引、插值替代实时解算，以获取零件的位置姿态数据，生成虚拟场景。使用起落架收放机构与后缘襟翼收放机构进行实验，结果表明，该方法可以实现真实感强、交互性好的飞机复杂机构虚拟培训场景运动建模。

• 嵌入式软件系统体系结构可靠性分析方法

  曲以堃,张伟,

  AADL是嵌入式领域对SA进行建模、评估的常用方法，但其属于一种半形式化开发语言，无法直接对SA的可靠性进行验证。为此，提出一种基于AADL的可靠性分析框架，对SA的可靠性进行形式化验证。首先通过分析系统体系结构的元素关系，建立AADL可靠性模型；然后设计转换模型及其规则，将AADL模型转换为连续时间马尔可夫链模型；最后采用概率模型检验工具对连续时间马尔可夫链模型进行可靠性定量分析。仿真结果表明，与现有可靠性分析方法相比，该方法在计算效率和转换效率上都有明显的提高。基于AADL的可靠性分析框架实现在软件系统开发早期对SA进行可靠性定量计算，为AADL在嵌入式软件系统可靠性定量分析方面提供了一种新的验证思路。

• 基于场景元模型的软件产品线追踪方法

  周琳,魏长江,

  针对软件产品线需求追踪方法进行了研究，基于软件产品线领域需求分析、设计、实现三个阶段的信息传播，提出了一种基于场景元模型的多层次软件产品线追踪模型，完整描述了追踪信息变化的整体框架；建立了需求—用例追踪矩阵、用例—动作追踪矩阵、动作—构件追踪矩阵；根据矩阵运算，描述了具体追踪实现过程，通过一个ATM案例验证了该方法对于软件产品线领域需求获取以及需求变更等问题的解决有较好的效果。

• 基于比特可分性的BORON和Khudra积分区分器搜索

  李艳俊,梁萌,

  分别针对近年来提出的SPN结构的BORON密码算法和Feistel结构的Khudra密码算法进行积分性质的评估。根据各自算法线性层和非线性层的结构，建立基于比特可分性的混合整数线性规划（MILP）模型。根据最终搜索的目标轮数生成相应的目标函数，利用Gurobi优化器进行求解，并进行积分区分器的搜索，分别得到了BORON算法的6轮积分区分器和Khudra算法的7轮积分区分器，均是目前已知的最长区分器。利用积分区分器，可以对密码算法进行更多轮数的积分性质评估。

• PDMP：εk个性化数据脱敏保护方法

  刘振鹏,孙静薇,王烁,王文胜,尹文召,张彬,

  通过对k-匿名数据脱敏和l-多样性匿名数据脱敏模型分析，提出一种更加有针对性的个性匿名保护方法（PDMP）来解决数据泄露问题。PDMP根据不同的敏感程度来找到不同的k值，通过相应的约束方法对数据进行泛化从而实现敏感数据的脱敏，减少真实数据的攻击率，更好地实现隐私数据的保护。实验表明，该方法降低了信息敏感度的同时，满足了个性化需求，有效地提高了数据隐私的安全性。

• 基于非零和随机博弈的APT攻击主动防御策略选取

  李静轩,朱俊虎,邱菡,郭伟,

  为解决APT（高级持续性威胁）攻防对抗过程中的防御滞后性问题，并在有限资源下作出最优主动防御决策。针对APT攻击过程中攻防双方意图、可行策略集随攻击阶段推进而演变的特点进行了研究，基于非合作博弈理论构建了多阶段APT攻防随机博弈模型AO-ADSG（APT-oriented attack-defense stochastic game）。针对APT攻防对抗中双方效用不对等的现象引入非零和思想，设计符合APT攻击特征的全资产要素效用量化方法；在分析博弈均衡的基础上给出最优防御策略选取算法。最后，通过“夜龙攻击”模拟实验验证了提出方法的可行性及正确性。

• 面向结构化数据集的敏感属性识别与分级算法

  何文竹,彭长根,王毛妮,丁兴,樊玫玫,丁红发,

  如何对生产环境中经代码混淆的结构化数据集的敏感属性（字段）进行自动化识别、分类分级，已成为对结构化数据隐私保护的瓶颈。提出一种面向结构化数据集的敏感属性自动化识别与分级算法，利用信息熵定义了属性敏感度，通过对敏感度聚类和属性间关联规则挖掘，将任意结构化数据集的敏感属性进行识别和敏感度量化；通过对敏感属性簇中属性间的互信息相关性和关联规则分析，对敏感属性进行分组并量化其平均敏感度，实现敏感属性的分类分级。实验表明，该算法可识别、分类、分级任意结构化数据集的敏感属性，效率和精确率更高；对比分析表明，该算法可同时实现敏感属性的识别与分级，无须预知属性特征、敏感特征字典，兼顾了属性间的相关性和关联关系。

• 邻近敏感区域随机变换的隐私保护方法

  王超,张磊,张春玲,

  针对现有基于位置服务的隐私保护方法缺乏对邻近匿名用户的保护，因而攻击者可利用尚未被保护的匿名用户通过分析剔除的方式识别用户的真实位置，进而造成用户位置隐私泄露的问题，基于邻近敏感区域随机选择计算提出了一种邻近位置保护方法。该方法基于随机变换，实现对用户当前位置及其邻近位置的隐私保护，以此防止攻击者通过剔除的方式识别和获得用户隐私。通过模拟实验比较，可证实该方法具有较好的隐私保护能力和算法适用性。

• DPOS共识机制的改进方案

  高迎,谭学程,

  针对委托权益证明（DPOS）共识机制节点投票不积极以及恶意节点勾结现象提出了一种改进方案。首先，引入非结构化网络信任模型，根据每个节点的历史记录和其他节点的推荐值计算综合信任值。根据综合信任值进行投票，使得选择的节点更可信。引入推荐算法，节点的权益得到了分散，降低了中心化程度。其次，加入了奖惩机制，针对积极投票的节点给予信用值的奖励，使其有机会成为共识节点，针对恶意节点给予信任值的惩罚。实验结果表明，基于综合信任值投票计算的DPOS共识机制能够快速剔除错误节点，维护系统稳定性，具有较高的安全性。

• 基于自适应投影的指纹模板生成算法

  党力,张雪锋,赵强,

  针对现有指纹模板生成算法存在的准确性较低、安全性较差的问题，提出一种基于自适应投影的指纹模板生成算法。该算法将有效细节点对之间的距离垂直投影到自适应圆上，并对投影后的向量进行量化得到比特串。此外，为增强数据的安全性及隐私性，采用异或和随机索引置乱变换对比特串进行处理，最终生成指纹模板。在数据库FVC2002 DB1和DB2中的实验结果表明，该算法相较于对比算法，具有较高的准确性和安全性。

• 基于属性分组的访问控制策略检索方法

  黄美蓉,欧博,

  细粒度授权需要设置大量访问控制策略，由此带来了检索效率方面的问题。针对现有检索方法应用于大规模访问控制策略时检索效率低下的问题，提出了一种基于属性分组的访问控制策略检索方法，通过对策略集进行基于属性的分组而缩减策略检索的范围，从而减少不必要的计算以及比较过程，由此实现对访问控制策略的高效率检索。实验结果表明，相对于现有方法，基于属性分组的访问控制策略检索方法具有更高的检索效率。

• 基于静态行为特征的细粒度Android恶意软件分类

  许逸超,袁倩婷,徐建,

  由于Android系统的开放性，恶意软件通过实施各种恶意行为对Android设备用户构成威胁。针对目前大部分现有工作只研究粗粒度的恶意应用检测，却没有对恶意应用的具体行为类别进行划分的问题，提出了一种基于静态行为特征的细粒度恶意行为分类方法。该方法提取多维度的行为特征，包括API调用、权限、意图和包间依赖关系，并进行了特征优化，而后采用随机森林的方法实现恶意行为分类。在来自于多个应用市场的隶属于73个恶意软件家族的24 553个恶意Android应用程序样本上进行了实验，实验结果表明细粒度恶意应用分类的准确率达95.88%，综合性能优于其他对比方法。

• 改进的高效云存储数据去重方案

  柳毅,陈添笑,

  针对Chen等人提出的云存储数据去重方案BL-MLE的计算开销过大的问题，对其方案进行了改进，提出了一种更高效的数据去重方案。首先对BL-MLE方案进行了分析，指出其在计算效率等方面的不足；随后通过使用hash函数和标签决策树对BL-MLE的块标签生成过程以及块标签比较过程进行改进；最后，通过实验仿真了改进的方案。结果表明，改进后的方案在块标签比较所需次数更少，且块标签生成上时间开销更低，能更好地适应当前的云存储环境。

• DC规则的高效实现方法

  张伟,李卓,耿海军,尹霞,

  被动恢复方法应对网络故障的恢复时间较长，无法满足实时应用对网络时延和丢包率的要求。因此，路由器厂商普遍采用DC规则来处理网络中的故障。然而，已有的实现DC规则算法的时间复杂度普遍较高，并且随着网络节点平均度的增加而增加。因此，研究了如何降低实现DC规则的复杂度，提出了一种高效的DC实现方法（efficient DC implementation scheme，EDCS）。首先对DC规则进行了扩展，然后在构造最短路径树的过程中实现扩展DC规则，最后从理论上分析了算法的时间复杂度。实验结果表明，EDCS不仅具有较小的计算开销，并且可以计算出所有符合DC规则的备份下一跳。

• 基于区域分割和Voronoi图的区域覆盖算法

  张景昱,刘京菊,叶春明,

  针对无线传感器网络区域已知的区域覆盖问题，提出了一种基于区域分割和Voronoi图的覆盖算法（RSV）。算法首先分析已知区域的地理信息和兴趣点，根据传感器感知能力，构造合适大小的网格将已知区域细化分割。然后基于分割后的各个区域，根据兴趣点的数量划分其为不同权重部分，并初步设计传感器位置。根据初步部署位置和权重，对不同权重位置构造Voronoi图填补覆盖空洞，直至所有空洞被填补完毕，并为了延长运行寿命设计了合适的节点休眠策略。仿真实验显示，基于区域分割和加权Voronoi图的目标区域覆盖算法相较于现有算法，在节点数量增加较少的情况下，延长了网络的运行寿命，同时使节点能量消耗更加平均，在节点数量受限情况下，算法对有效区域的覆盖效果也更佳。

• 无线传感器网络中利用改进型SDN-WISE协议的大数据处理方法

  李云飞,李雪,邢丘丹,

  针对无线传感器网络（WSN）中数据量大、处理成本高的问题，提出了一种基于软件定义网络（SDN）和多播数据流路由算法的大数据方法，在WSN中实现大数据技术并计算其通信成本。首先，将MapReduce接口动态加载到WSN的适合节点中。然后，通过在控制器和传感器节点上改进SDN-WISE协议，在网络内实现map和reduce功能。最后，采用多播路由算法找到网络中MapReduce的最优部署方案，以确保部署方案的通信成本最小。通过操作系统Contiki集成上述功能和组件，在WSN中实现提出的方法并计算相应成本。在不同限制条件下的WSN中实现大数据处理实验，实验结果表明，该方法具有较好的经济性。

• 基于蜂窝网络结构的数据融合算法

  宋蕾,

  针对无线传感网中节点能耗同数据精确度之间不均衡的问题，提出一种能够基于蜂窝网络结构的数据融合算法（DFACN）。在基于蜂窝网络的分簇结构中，首先筛选最小能耗的簇头；之后通过数据精确度和节点能耗的计算判断融合因子的大小，动态选取参与融合的簇内节点数；最后簇头完成数据的融合处理。在OPNET仿真环境下，与EECDA和IDDOA算法进行实验对比，DFACN算法的数据精确度分别提高了2.6%和4.7%，节点能耗分别降低了2.7%与3.4%。结果表明，DFACN算法在降低能耗的同时，有效地提高了数据的融合精确度，并且延长了网络的生命周期。

• 基于双门限能量检测的认知车联网协作频谱感知

  尚佳庆,郑国强,马华红,冀保峰,吴红海,

  为了解决认知车联网环境下无线频谱资源短缺的问题，提出一种基于双门限能量检测的认知车联网协作频谱感知方法。该方法在单门限值的基础上引入范围内车辆数改进为双门限值，设置双门限中间部分为不判决区域，舍弃了受到噪声严重干扰而落在不判决区域的车辆次用户本地判决结果，达到增加次用户频谱感知成功率的目的，从而提高频谱利用率。仿真实验结果证明，提出的频谱感知方法可以在不同车辆密度、信噪比条件下有效提高频谱检测概率。

• 面向物联网移动终端设备的用户轨迹异常检测研究

  李健,付雄,王俊昌,

  为了有效地从物联网移动设备的数字信息中挖掘出用户在日常行为的轨迹异常，针对现有用户异常轨迹检测算法效率低的问题，提出了一种双层聚类的用户轨迹异常检测方法。考虑到移动终端设备中的轨迹信息数据量大、分布不均匀等特点，该方法在特定的空间距离与时间间隔下提取出停留点集合，并对这些点进行层次聚类，根据结果划分出停留区域，进而发现其中的异常停留区域。最后，对停留区域之间发生的运动轨迹段进行二次层次聚类，发现异常轨迹段。实验结果表明，该方法在发现异常轨迹时，相较于传统算法，既全面地检测出异常轨迹，又加快了异常检测的速度。

• 自适应的ICN移动性机制

  王学芹,李双远,史岚,尹鹏,

  信息中心网络（ICN）内在地支持兴趣请求者移动而不支持内容提供者移动，然而在实际的场景中往往发生的是内容提供者移动。当前的移动性解决方案存在一些缺憾，如没有真正地考虑移动设备的加入/离开、机制过于单一不能应对各种移动场景、网络切换时延过长等。为解决上述问题，面向区域划分设计一种自适应的移动性机制，包括基于汇聚点的域内移动解决方案、基于兴趣转发的域间移动解决方案和基于回溯的基站间移动解决方案。仿真在GTS网络拓扑上进行，实验结果表明所提的移动性机制较基准机制有高的分发率、低的切换时延和少的路由跳数，说明所提的移动性机制具有广泛的应用价值，为推动诸如5G应用的全面落地具有现实的意义。

• 基于近邻情景认知的软件定义网络多域协同控制机制

  周宁,胡涛,胡宇翔,汪斌强,

  针对软件定义网络（SDN）分布式多控制器部署中存在的控制器负载不均衡问题，提出了一种基于近邻情景认知的多域协同控制机制。首先，通过改进现有的近邻传播（affinity propagation，AP）聚类算法，以跳数为原则，对网络中节点进行聚类操作，形成SDN子域并在聚类中心部署控制器；然后基于控制器—交换机之间的协同映射对网络连接关系进行优化，以增强网络的稳定性。仿真表明，相比其他方法，该机制能够实现网络区域的合理划分，控制器负载均衡率至少提高了26.7%。

• 基于SDN的动态负载均衡策略

  刘毅,李凯心,李国燕,潘玉恒,

  针对SDN中静态网络结构不能适应动态流量变化所引起的控制器负载不均衡问题，提出一种阶段式动态负载均衡策略。阶段一以控制器负载均值化为目标，确定迁入控制器候选集，且综合考虑时延、负载，设计指标函数，选取待迁移交换机；阶段二考虑网络节点间的连通性，以最小迁移代价为目标，提出改进的EMD模型，并用线性逼近算法快速求解，实现了交换机的快速并行迁移。实验结果表明，与现有的负载均衡策略相比，其改善了迁入控制器和交换机的选取过程，优化了网络性能，控制器的负载均衡度提升了约31.4%。

• 考虑实时状态的网络层转发策略

  杜国真,季泽旭,

  为了解决转发层接口状态过时或失效的问题，提出了一种基于实时状态的网络层转发策略。针对内容中心网络自适应转发层存在的信息失效现象及其导致的SRTT慢收敛和探测摆动问题，通过改进自适应转发策略中定期探测和触发top-N探测机制来增强获取网络信息的实时性。通过理论分析和实验仿真表明，该策略可以有效降低SRTT慢收敛的时间，并大幅降低探测摆动问题产生的丢包率。

• 基于交叠组合稀疏高阶全变分的图像复原

  范梦佳,周先春,

  针对传统全变分进行扩展，提出了一种高阶全变分结合交叠组合稀疏的新算法，将像素级别梯度信息推广为高阶交叠组合稀疏梯度信息，更好地抑制了因全变分产生的阶梯效应并保存了图像边缘等细节信息。为了解决提出的图像复原新算法的优化问题，采用交替方向乘子算法（ADMM）来交替求解优化问题。将新算法与其他几种相关算法相比，并用峰值信噪比（PSNR）和结构相似性（SSIM）两个评价指标来评价图像复原后的质量，从而论证了新算法的优越性。

• 谱归一化Wasserstein distance迁移网络

  王孝顺,陈丹,林垒城,

  现有的Ｗasserstein distance在迁移学习中已经取得了巨大的成功，然而，以往方法对Lipschitz约束实施方式不好。为了克服这一问题，提出一种能够学习领域自适应能力的新方法，即谱归一化Wasserstein distance迁移网络（spectral normalization Wasserstein distance transfer network，SNWDTN）。该方法首先求出权值矩阵的谱范数，然后利用谱范数再对权值矩阵进行谱归一化处理，以设计出能够满足Lipschitz约束条件的谱归一化层，从而为Wasserstein distance的使用提供更好的约束条件满足。通过公共数据集的实验结果表明，SNWDTN取得了比以往方法更好的效果。

• 基于自适应角度损失函数的深度人脸识别算法研究

  姬东飞,丁学明,

  角度空间损失函数往往因需要手动调节超参数而引起算法训练的不稳定，类别标签数量的不同也将导致算法的移植性较差。针对这些问题，提出一种带有下界判断的自适应角度空间损失函数并应用于人脸识别。该方法以假设人脸表达特征分布在超球体空间为切入点，通过分析不同超参数对训练结果的影响，使预测概率公式的二阶导数为零并动态地计算当前mini-batch角度分布的去尾平均数； 为了提高算法的可移植性，根据类别中心的最小期望后验概率给出自适应调节超参数的下界。通过在LFW和MegaFace百万级人脸数据集上进行算法评估，证明提出的方法可以有效地提高人脸识别精度以及模型收敛率，在亚洲人脸数据集上的实验证明该方法具有较好的鲁棒性与移植性。

• 基于目标检测和语义分割共享单车类别与违停检测

  严广宇,刘正熙,熊运余,李征,赵逸如,

  目前道路违规事件检测多在固定摄像头下人工框定区域进行检测，但人工框定工作量大，并且摄像头转动会使得框定区域失效。针对此问题，率先提出一种目标检测与语义分割相结合的违停检测方法。该方法首先使用目标检测Faster R-CNN，采取迁移学习、多阶段训练等方法建模，提取共享单车的类别与检测框位置信息。再使用group normalization改进语义分割DeepLab v3+网络模型，提高其在小batch size下训练的模型精度，用于分割图像获得道路的语义和区域信息。最后综合两部分信息，根据单车检测框内不同道路区域所占比例判定共享单车是否属于违规停放。实验结果表明，该方法对共享单车类别的mAP为72.36%，对共享单车违规停放的平均检测率为89.11%，适用于真实城市道路监控环境中。

• 加权模型下的相似匹配跟踪方法

  刘万军,李放,

  针对传统跟踪方法易受相似物遮挡而导致丢失目标问题，提出一种加权模型下的相似匹配跟踪方法。首先，将目标区域分割成局部特征块，并为其分配权重，建立带权局部特征块组成的外观模型；然后，利用目标的颜色、位置特征进行相似性匹配，为了避免复杂背景干扰，在匹配前划分前景区域，从而实现较准确跟踪；最后，提出一种遮挡决策模型更新机制，通过对目标发生严重遮挡进行判定，保证模型的匹配鲁棒性。实验结果表明，利用加权模型以及多特征相似匹配，使得该方法能够得到较高的跟踪准确率，平均误差仅为13.21，跟踪重叠率为0.71。

• 基于核稀疏表示的多流形判别分析

  杨洋,王正群,徐春林,鞠玲,

  针对单样本人脸识别中非线性可分性的问题，提出了一种基于核稀疏表示的多流形判别分析（KSRMMDA）算法。首先，对数据图像进行分块，构建多流形模型；其次，运用核稀疏表示方法刻画各流形数据点之间的关系，学习流形内部图和流形间图；再次，在每个流形空间中分别寻找最佳的投影来保持流形内部图的特征，同时抑制流形外部图的特征；最后，通过计算测试样本流形到训练样本流形的距离进行分类识别。在extended Yale B和CMU PIE数据集上的实验研究表明，与其他同类算法相比，所提算法对光照、遮挡变化具有更强的鲁棒性。

• 基于改进PointNet网络的三维手姿估计方法

  马利,金珊杉,牛斌,

  针对单幅深度图像三维手姿估计中由于手部复杂结构捕捉困难导致的精度低和鲁棒性较差的问题，提出一种基于改进PointNet网络的三维手姿估计方法。该方法首先采用边界框定位网络预测三维边界框，从而准确裁剪手部区域。然后将手部深度图像表示为点云，模拟手部可见表面，有效地利用深度图像中的三维信息。最后将手部点云数据输入改进的PointNet网络，准确地进行三维手姿估计。改进的PointNet网络通过引入跳跃连接，充分利用不同层次的特征，更好地捕捉手部的复杂结构。在NYU手姿数据集上进行验证，实验结果表明，提出的方法优于现有的大部分方法，并且网络结构简单、易于训练，运行速度快。

• WMSN中的分布式视频编码GOP大小控制方法

  田波,蔡述庭,王军,陈荣,

  针对分布式视频编码（DVC）序列在无线多媒体传感器网络（WMSN）中传输可靠性较低的问题，提出了一种考虑节点能耗的图像组（GOP）大小控制方法。该方法分析了DVC编码框架及节点的能量消耗情况，定义了节点的可用度和帧的活动度，并对分布式视频编码序列在编码和传输过程的能耗进行了计算。在此基础上，综合考虑帧的活动度与节点能耗，实现了对分布式视频编码GOP大小的有效控制。仿真实验结果表明，与现有的GOP大小控制方法相比，该方法提高了无线多媒体传感器网络中的DVC序列的峰值信噪比，降低了节点的平均能耗，其传输可靠性也得到了显著改善。

• 融合特征关联性的深度哈希图像表示方法

  朱杰,张楠楠,刘太行,刘博,吴树芳,

  针对深度描述子无法提供图像特征之间关联性的问题进行了研究，提出了一种融合特征关联性的深度哈希图像表示方法，这种方法将深度描述子之间的关系融入到图像内容的描述中，用于提高图像检索性能。首先，通过预训练网络生成图像的特征映射，并在此基础上提取出深度特征描述子。然后，将深度特征描述子映射为深度视觉词，从而用于深度视觉词的频繁项集发现。接下来将离散值的深度视觉词图像表示和哈希值的频繁项集图像表示连接生成图像表示。最后，算法通过图像类内、类间的相似性关系构造优化，得到最优的阈值，用于将图像表示变为哈希值。实验中，将提出的方法与一些优秀的图像表示方法在holiday、Oxford和Paris图像集的图像检索任务中进行了性能比对，用于证明此方法的有效性。