计算机应用研究杂志

计算机应用研究杂志2020年第11期

• 对抗样本生成及攻防技术研究

  刘小垒,罗宇恒,邵林,张小松,朱清新,

  基于对抗样本的攻击方法是机器学习算法普遍面临的安全挑战之一。以机器学习的安全性问题为出发点，介绍了当前机器学习面临的隐私攻击、完整性攻击等安全问题，归纳了目前常见对抗样本生成方法的发展过程及各自的特点，总结了目前已有的针对对抗样本攻击的防御技术，最后对提高机器学习算法鲁棒性的方法作了进一步的展望。

• 视觉—语言—行为：视觉语言融合研究综述

  李睿,郑顺义,王西旗,

  通过语言给予智能体指示使其完成通用性的任务是人工智能领域的愿景之一。近年来有越多越多的学者试图通过融合计算机视觉与自然语言处理领域的相关技术以期实现此目标。为了及时跟进相关领域的研究，把握视觉与语言融合方向前沿，对于视觉—语言—行为最新进展进行综述。首先简单介绍了融合视觉与语言的弱耦合尝试，之后重点综述了视觉—语言—行为这一最新方向相关的视觉语言导航、具身问答及其相似研究，最后总结了制约此领域发展的关键问题及可能的解决方案。

• 基于视频的人体动作识别算法综述

  黄晴晴,周风余,刘美珍,

  以基于视频的人体动作识别为核心，首先对传统RGB动作识别领域的算法进行了全面回顾，包括传统算法和基于深度学习的算法，基于RGB视频的动作识别易受背景光照的影响识别精度不高，但有丰富的颜色外观信息；然后对RGB-D动作识别领域的算法进行分析总结，主要分为深度序列、骨骼和多特征融合三个方面，RGB-D视频具有多个模态可以为动作识别提供更多的信息，可以弥补基于RGB视频的不足但也带来了新的挑战；最后对常用数据集和未来可能的发展方向进行了展望。

• 基于深度学习的行人重识别研究综述

  冯霞,杜佳浩,段仪浓,刘才华,

  随着深度学习的发展，研究人员开始探索将深度学习应用于行人重识别任务并提出了大量方法，随之也迎来了新的挑战。为系统地了解这一领域的研究现状和发展趋势，首先对行人重识别任务以及存在的问题进行简单介绍；其次，根据训练方式的不同，分别探讨监督学习、半监督学习/弱监督学习以及无监督学习上行人重识别任务的研究进展，并根据现有研究热度介绍生成对抗网络和注意力机制在行人重识别上的应用；之后，列举了该领域中常用的经典数据集，并对比了深度模型在这些经典数据集（Market-1501、CUHK03等）上的表现；最后，对行人重识别领域的未来方向进行了展望。

• 基于自注意力机制的方面情感分类

  王拂林,刘丹,昌茜,

  基于方面的情感分类方法判断句子中给定实体或属性的情感极性。针对使用全局注意力机制计算属性词和句子其他词的注意力分数时，会导致模型关注到与属性词不相关的词，并且对于长距离的依赖词、否定词关注不足，不能检测到并列关系和短语的问题，提出了基于自注意力机制的语义加强模型（SRSAM）。该模型首先使用双向长短时记忆神经网络模型（bidirectional long short-term memory，BiLSTM）获取文本编码，其次用自注意力机制计算文本编码的多个语义编码，最后将属性词和语义编码交互后判断属性词在句中的情感极性。使用SemEval 2014数据集的实验表明，由于模型能发现长距离依赖和否定词，对并列关系和短语有一定检测效果，相比基础模型在分类精度上有0.6%~1.5%的提升。

• 基于强化学习的电动车路径优化研究

  胡尚民,沈惠璋,

  针对有路径总时长约束、载重量约束和电池容量约束的电动车路径优化问题（EVRP），考虑其途中可前往充电站充电的情境，构建以最小化路径总长度为目标的数学模型，提出一种基于强化学习的求解算法RL-EVRP。该算法用给定的分布生成训练数据，再通过策略梯度法训练模型，并保证在训练过程中路径合法即可。训练得到的模型可用于解决其他数据同分布的问题，无须重新训练。通过仿真实验及与其他算法的对比，表明RL-EVRP算法求解的路径总长度更短、车辆数更少，也表明强化学习可成功运用于较复杂的组合优化问题中。

• 具有通信时延的二阶多智能体系统有限时间一致性跟踪控制

  崔艳,李庆华,

  针对具有通信时延的二阶多智能体系统的有限时间一致性控制问题，分别研究了具有固定拓扑和切换拓扑网络结构情形下的二阶多智能体系统的有限时间一致性。为使多智能体系统能在有限时间内可以达到一致，引入一致性控制增益矩阵并设计了相应的基于相对位置和相对速度的时延状态误差有限时间一致性控制算法，利用系统模型转换，泛函微分方程稳定性理论和有限时间Lyapunov稳定性定理得到了使系统在有限时间内达到一致跟踪的最大时延上界值。最后，仿真实验结果验证了所得理论的正确性和有效性。

• 基于改进模糊神经推理的武器装备系统组合决策

  李瑞阳,何明,王智学,邓巧雨,

  针对武器装备系统组合决策问题，提出了一种新的基于自适应模糊神经推理的组合决策模型。首先用由高斯函数表示的模糊集定量描述武器系统的作战效能和敏捷性；接着基于波士顿投资组合矩阵进行武器系统模糊分类，建立自适应神经网络；最后利用鸟群算法优化模型相关参数。在样本数据库上的仿真结果表明，该方法可以反映武器系统组合状态，使决策者可以根据需求对组合策略进行调整更新。此外鸟群算法优化后的模型能够在一定程度上提高分类精度，与传统模型相比，具有更低的均方误差和更高的误差容忍率。

• 工业机器人遥操作系统的空间映射与控制策略

  贺文人,刘霞,任磊,

  针对工业机器人遥操作系统中存在的主从机器人工作空间差异以及运动控制精度与安全问题，提出了一种工作空间映射算法与位置—速度混合控制策略。首先，将遥操作划分为自由运动和交互两个阶段，在自由运动阶段采用映射算法使主从机器人的工作空间高度覆盖，使主机器人可操控的从机器人运动范围最大化。进一步，在交互阶段设计了一种位置—速度混合控制策略对工业机器人的运动进行准确的控制，使主从机器人的实际位置轨迹准确的跟随，并进一步引入反馈引导力以实现安全的控制。最后在Touch-ABB IRB120主从机器人遥操作实验平台上对所提控制方法进行验证，实验结果表明该方法使得主从机器人运动范围在高度覆盖的同时可以保证遥操作控制的精度。

• 注意力协同辅助变分推荐算法

  康雁,王沛尧,李浩,李晋源,杨其越,崔国荣,

  针对推荐算法中辅助信息和用户评论输入的高维度和样本不足的问题，基于变分自动编码器的非线性建模能力，与注意力机制的关联数据增强的特质，提出了注意力协同辅助变分自编码器推荐模型（sVAE-a）。该模型采用协同辅助变分自动编码来对辅助信息进行建模；同时通过注意力机制将辅助信息结合到协同变分自动编码器架构中，对隐变量进行加强，为解码器提供更干净的特征；最后通过变分推断来对辅助信息和用户评论近似分布，通过训练参数得到推荐模型。在MovieLens-20M数据集上的实验结果表明，该方法无论在基本的召回率，还是进一步的覆盖率和归一化折损累计增益度（NDCG）指标上都有相应的提升。该模型易于实现，可结合不同类型的输入与辅助信息，提升推荐效能。

• 轨迹图谱：一种基于知识图谱结构的轨迹信息抽取方法

  吴瑕,赵小明,余建坤,

  现有的这些方法对轨迹数据需根据不同的应用设计不同的数据结构、存储结构、查询算法等，缺少通用性。为了使得轨迹数据更具有通用性，提出了将轨迹转换为知识图谱结构的方法。该方法结合轨迹数据的特点及知识图谱的定义，分别抽取出轨迹数据的实体、关系、属性并构造了轨迹图谱。转换为轨迹图谱后的轨迹数据具有通用的图结构，可直接支持轨迹的基本查询、范围查询、最近邻查询、关键词查询、模式查询等，并可轻易地将其添加到各种现有的知识库中。最终通过在真实数据集上的实验，对比了各类轨迹查询在轨迹图谱方法及普通数据库方法中的表现，证明了轨迹图谱方法的高效性及通用性。

• 基于状态空间模型和概率矩阵分解的推荐算法

  曹玉琳,李文立,

  传统的矩阵分解算法在时间上将全部训练数据作为整体进行计算以获得用户兴趣特征，忽略了用户兴趣漂移问题。针对此问题，提出一种基于状态空间模型和概率矩阵分解的推荐算法。首先将用户兴趣特征向量与用户评分数据的矩阵分解映射到线性高斯状态空间中；然后使用EM算法和卡尔曼滤波器对模型参数进行动态求解；最后根据前后获得用户兴趣特征向量确认用户兴趣是否发生漂移，并进行相应推荐。实验结果表明，该算法与传统的矩阵分解推荐算法相比，能更好地感知用户兴趣漂移，提高推荐质量。

• 基于多权重相似度的随机漫步推荐算法

  邹洋,吴和成,赵应丁,姜允志,

  在传统个性化推荐算法的基础上，提出了一种基于多权重相似度的随机漫步推荐算法。为了解决传统协同过滤算法中忽略社交网络、热门项目以及共同评分项目之间影响等问题，通过引入万有引力公式计算社交网络中的用户相似度，并对传统协同过滤算法中的相似度进行改进，采用权重因子结合这两者相似度，最后开拓性地结合随机漫步算法进行商品推荐。实验结果表明，提出算法具有比其他推荐算法更好的推荐性能。

• 基于高斯映射和小孔成像学习策略的鲸鱼优化算法

  徐航,张达敏,王依柔,宋婷婷,王栎桥,

  针对鲸鱼优化算法（WOA）容易陷入局部最优解、收敛速度慢等缺陷，提出一种基于小孔成像反向学习策略的鲸鱼优化算法。首先采用高斯映射生成的混沌序列取代原始算法中随机产生的初始种群，增加种群的多样性；其次，提出了一种小孔成像反向学习策略，并结合最优最差反向学习思想，增加了寻优位置的多样性，提高了算法跳出局部最优的能力；最后，在算法中加入了一个非线性收敛因子和一个对数形式的概率阈值，在保留鲸鱼算法优点的前提下，协调了算法的全局搜索和局部开发能力。通过对10个基准函数进行仿真测试，实验结果表明改进算法在收敛速度和收敛精度等方面有明显的提高。

• 基于自适应扰动的疯狂蝴蝶算法

  王依柔,张达敏,徐航,宋婷婷,樊英,

  蝴蝶优化算法作为新提出的自然启发算法，其寻优方式模拟了蝴蝶利用嗅觉来确定花蜜或交配对象位置的行为。针对蝴蝶优化算法求解精度不高和收敛速度慢等问题，提出一种基于自适应扰动的疯狂蝴蝶算法（CIBOA）。首先，在自身认知飞行部分引入自适应惯性权重，平衡算法的局部与全局搜索能力；其次，在全局最优位置引入扰动策略，避免算法陷入局部最优；最后，在花蜜位置引入疯狂因子以增加种群多样性，获取更好的最优解。通过八个基准函数对五种算法搜索性能在10、30和50维的情况下进行对比分析，仿真实验结果表明改进算法的综合表现要优于其他算法。

• 基于加权模糊隶属度的二叉树多分类算法

  沈洋,戴月明,

  针对二叉树支持向量机多分类算法准确率与分类效率较低的问题，提出了一种基于加权模糊隶属度的二叉树支持向量机多分类算法（binary tree support vector machines multi-classification algorithm based on weighted fuzzy membership，PF-BTSVM）。该算法依据最大最小样本距离与质心距离构造出一个近似完全二叉树，提高了整体结构的分类效率；利用模糊隶属度函数以及正负辅助惩罚因子对训练集进行筛选，剔除掉对分类无用的样本与噪声值，实现了训练集的提纯并且削弱了不平衡分类时超平面的偏移。在数据集上的实验结果表明，与其他二叉树多分类算法相比，该算法在提高分类准确率以及稳定性的同时，还加快了训练与分类的速度，而且当分类的不平衡度越大时这种优势越明显。

• 改进的CK-means优化及并行策略

  赵鑫,汪丽娟,行艳妮,赵燚,赵京霞,钱育蓉,

  针对大数据背景下K-means存在选取质心导致的局部最优解、聚类速度慢的问题，提出一种Flink平台下的CK-means聚类优化及并行策略。从算法优化层面，采用Canopy算法确定聚类数目k并选取初始质心；从并行化加速层面，基于Flink平台设计了一种面向CK-means的并行加速策略，并分析不同并行度对计算耗时的影响。经实验，相较于K-means算法，CK-means算法的准确率与迭代次数间的比值更高，算法性能更优，在iris数据集中性能比提升44.79%，在wine数据集中性能比提升32.03%；同时证明了不同并行度下CK-means算法的聚类耗时呈现先下降后上升的趋势，其聚类耗时的最小值与数据集的大小相关。

• 融合MHS与AIM-RT的谱聚类优化推荐算法

  邱宁佳,王宪勇,王鹏,杨华民,

  传统协同过滤推荐算法存在时序性过低以及用户过多时数据稀疏相似用户计算复杂度高等问题。为此，提出融合最小哈希签名（MHS）与时序模型预测（AIM-RT）的谱聚类优化推荐算法。首先使用MHS与Levenshtein距离测度对用户—项目评分矩阵提取相似用户；然后利用时序模型进行权重拟合的AIM-RT预测算法预测评分补全相似用户稀疏矩阵；最后结合谱聚类进行相似用户优化，找到最优相似用户集合完成最终推荐。通过实验分析验证表明，所提推荐算法能够在计算复杂度、评分预测精度、数据缺失填补等方面提高整体推荐性能。

• 融合句子结构的抽象式文本摘要方法

  宋长平,李婧,

  传统序列到序列（seq2seq）模型未充分利用输入文本的句子结构，导致其无法生成结构严谨、语法更好的摘要，因此提出了一种融合句子基本结构的摘要生成方法。首先，明确提出融合句子结构生成文本摘要的概念。再者，在摘要生成器上增添了句子基本结构模块和监督模块，句子基本结构模块从输入文本中捕捉一系列句子结构，监督模块评估已捕获句子结构的重要性，以此协助句子基本结构模块从中提取可用的句子结构。最后，摘要生成器融合可用的句子结构生成最终摘要。在数据集LCSTS上的实验表明，此方法的ROUGE得分相较于seq2seq皆有提高，即其生成摘要的准确性优于seq2seq模型。实验也验证了句子基本结构模块和监督模块存在的必要性。

• MapReduce平台上面向大规模Web服务组合问题的并行引导变异进化算法

  谷南南,姚佩阳,焦志强,

  大规模服务组合是一种通过将不同领域的大量服务按照一定的流程组合起来以满足用户需求的策略。然而，在当今服务数量巨大并且种类颇多，外加用户需求日益复杂的情况下，快速生成一个满足用户要求的最佳QoS的复合服务是一项值得研究的问题。对此提出了以MapReduce模型为基础的引导变异进化算法（MR-GMEA），该算法能够更好地适用于当前大规模服务组合的主观与客观需求并且可以缩短执行时间，此外其中引入的skyline算子在开始阶段剔除了大量冗余服务，从而提高了效率。最后通过仿真验证，证明了该方法的可行性与优越性。

• 节点加权的Steiner树问题的降阶回溯算法

  胡沁,宁爱兵,苟海雯,张惠珍,

  节点加权的Steiner树问题是组合优化中一个经典的NP-hard问题，现有算法研究该问题时存在时间复杂性高或无法得到最优解的缺点。针对现有算法的不足，提出了一个基于降阶技术的回溯算法。首先研究该问题的数学性质，利用数学性质对该问题进行降阶以缩小问题的规模；接着提出上界子算法和下界子算法，利用上下界子算法对该问题的解空间树进行剪枝，提高搜索效率；最后利用上下界子算法和数学性质设计了一个回溯算法求解该问题。示例分析以及实验的结果表明，该算法不仅时间复杂性较低而且可以得到问题的最优解。

• 面向决策可托管应用的行为提取与分析方法

  高铭,李淑琴,孟坤,丁濛,郑蓝舟,

  游戏平台为优化游戏体验常提供决策AI托管功能，这导致平台在对用户进行画像时面临数据质量低的问题。日志中混合了托管AI和玩家自主作出的决策行为，有时还存在行为缺失的情况。提出一种面向决策可托管应用的行为提取与分析方法，通过基于启发式规则的行为特征提取方法从日志中提取玩家自主行为。最后使用多种画像方法在原始数据集和精简数据集上分别进行分析并比较其结果，得出该方法可在大幅度缩减数据量的同时较好地保留玩家的行为特征信息。

• 基于回跳层数的SAT求解器学习子句删除策略

  沈雪,陈树伟,徐扬,吴贯锋,

  目前学习子句删除策略广泛采用的是基于LBD的评估方式，LBD评估方式在每次执行删除时都会删除前一半LBD值大的学习子句，这种方式对LBD值大的学习子句的删除过于激进。针对此问题，提出了一种利用冲突回跳层数（back-jump levels）的评估方式来保留LBD值较大的有用学习子句。以CDCL（conflict driven clause learning）完备算法为框架，在子句删除环节形成了BJL删除算法。通过测试2017年SAT国际竞赛例，对新改进的版本与原版求解器进行了对比实验。实验表明，所提策略可显著提高求解器的求解性能和求解效率。

• 基于实体排序和联合事实选择的知识库问答

  刘月峰,张丽娜,杨宇慧,张公,张晨荣,

  针对大多数简单知识库问答模型没有充分利用候选实体排序，并且往往忽略实体和关系之间依赖的问题，提出了基于实体排序和联合事实选择的方法。整个过程分为模式抽取、实体排序和联合事实选择三个步骤。首先，通过BILSTM-CRF算法对自然语言问题进行模式提取，将其划分为实体提及（mention）和问题模式（pattern）两部分；然后，同时利用subject（主题实体）和mention的字面和语义相似性对候选实体进行排序，抽取相关事实；最后，为了能在候选事实池中选择出最正确的实体—关系对，联合事实选择模型利用多级别编码增强整个过程。实验证明，该方法在simple questions dataset的准确率、召回率都有明显的提升。实验结果表明所提方法在知识库的简单问答上具有可行性。

• 基于生成模型的Q-learning二分类算法

  尚志刚,徐若灏,乔康加,杨莉芳,李蒙蒙,

  对于二分类问题，基于判别模型的分类器一般都是寻找一条最优判决边界，容易受到数据波动的影响。针对该问题提出一种基于生成模型的Q-learning二分类算法（BGQ-learning），将状态和动作分开编码，得到对应各类的判决函数，增加了决策空间的灵活性，同时在求解参数时，采用最小二乘时序差分（TD）算法和半梯度下降法的组合优化方法，加速了参数的收敛速度。设计实验对比了BGQ-learning算法与三种经典分类器以及一种新颖的分类器的分类性能，在UCI数据库七个数据集上的测试结果表明，该算法有着优良的稳定性以及良好的分类精确度。

• 划时区分段的动态时间规整算法

  康军,许卫强,段宗涛,黄山,

  轨迹聚类是城市交通数据挖掘的重点之一，交通轨迹聚类算法是按照一定的相似度指标将轨迹划分成若干个类簇。在复杂的路网环境下，针对目前如DTW、SDTW等相似度计算方法准确性不高的问题进行了研究，提出了一种划时区分段的动态时间规整算法（SDTW+）进行相似度计算。该算法充分考虑了轨迹形状因素，能有效提高准确性。实验部分利用不同相似度算法，并结合层次聚类算法对实际车辆轨迹进行聚类，最终以平均轮廓系数和聚类成功率为评价指标，判断不同相似度算法的聚类效果。实验结果表明，采用所提算法相对于采用DTW、SDTW的平均轮廓系数分别提高33.86%、12.94%，同时聚类成功率也得到一定提高。

• 求解最长循环公共子序列问题的两个算法

  郑子君,王洪,余成,

  最长循环公共子序列（LCCS）是两个字符串在所有可能的循环移位操作下能得到的最长公共子序列（LCS）。针对穷举移位量求解LCCS效率过低的问题，设法对候选移位量进行筛选。通过证明循环移位操作对两字符串间LCS长度增量影响的上下限，得到最优移位量的必要条件，从而减小了求解LCCS的枚举量；在此基础上，建立了求解LCCS的迭代方法，只经过少数几次迭代便可消除绝大部分无效候选移位量；此外，还提出一个可在O（mn）时间复杂度下快速估算LCCS长度的近似算法。大量随机模拟表明，当两字符串间的相似度明显高于随机字符串的相似度时，提出的两种算法表现良好。

• 一种基于图像特征的移动流量分类方法

  张丽华,刘秉楠,王俊峰,

  随着移动设备的快速发展和应用激增，其产生的移动流量也迅猛增加且众多操作系统皆存在着巨大的安全风险，能够从巨大的网络流量中有效地区分出来自移动端的流量并识别其操作系统对后续的移动安全的分析有着重大的安全意义。基于传统特征的流量分析技术存在着因过分依赖特征选择而导致无法稳定有效地分类移动流量的问题，提出了一种基于图像特征的移动流量分类方法。该方法将流量样本进行可视化转换成灰度图像，从而提取其图像的GLCM特征进行分类。实验结果表明，该方法较传统方法精确率最高提升22.4%，有效地解决了传统方法的特征选择以及没有良好的扩展性等问题。此外，研究了流量研究粒度（flow到stream）、分类粒度（二分类到多分类）和数据集的均衡性（均衡与不均衡）对移动流量检测方法的影响，结果表明分类粒度对分类准确率的影响极小，准确率最大降低2.6%。该实验结果进一步说明了提出方法的扩展性，能够有效地用于后续移动流量的安全研究。

• 加入目标指导的强化对抗文本生成方法研究

  张志远,李媛媛,

  针对有监督的深度神经网络文本生成模型容易造成错误累积的问题，提出一种基于强化对抗思想训练的文本生成模型。通过将生成对抗网络鉴别器作为强化学习的奖励函数及时指导生成模型优化，尽量避免错误累积；通过在生成过程中加入目标指导特征帮助生成模型获取更多文本结构知识，提升文本生成模型真实性。在合成数据和真实数据集上的实验结果表明，该方法在文本生成任务中，较之前的文本生成模型在准确率和真实性上有了进一步的提高，验证了加入目标指导的强化对抗文本生成方法的有效性。

• 基于高阶差分和网格划分算法的DBSCAN参数自动选取算法

  兰红,朱合隆,

  针对DBSCAN算法中的两个参数eps和minPts通常依靠经验选取所带来的不足，提出一种高阶差分和网格划分相结合的快速DBSCAN自动参数选取算法。首先分析数据集中数据点与参数的关系，通过引入高阶差分算法自动获取eps和minPts两个参数；然后利用网格划分对数据集建立网格索引，优化算法的运行效率，最后针对噪声点过多的数据集提出去极化操作，增强算法的鲁棒性。算法应用于flame等九个数据集，分别与传统DBSCAN和AGD-DBSCAN算法选取的参数进行聚类效果和算法运行效率的对比分析。结果表明提出的基于高阶差分自动选取参数算法是一种有效的DBSCAN 参数自动选取方法，网格划分显著提升了高阶差分算法的性能，去极化操作必要且有效，具有很好的实用性。

• 移动互联网流量分类的多特征集合和多类别标签研究

  黄燚,刘珍,王若愚,陈洁桐,

  移动互联网流量分类/聚类是有效管理网络流量的重要基础，但是已有文献采集的移动互联网流量数据来源不同、流量数据标签级别不同、描述流量数据的特征集合不同，所获得的实验结果无法进行直接比较。借助于MobileGT系统采集移动App产生的网络流量数据，从两种粒度标记流量数据（App级别和功能级别），以单向流和双向流分别获取不同的特征集合，进而综合性实验分析各种机器学习算法在不同标记粒度和不同特征集合描述的移动互联网流量数据上的分类/聚类性能。实验结果表明，在流统计特征方面，基于单向流的统计特征更优；在分类算法方面，随机森林和AdaBoost算法更优；在聚类算法方面，K-均值方法更优。

• 基于BiLSTM-CRF的中医文言文文献分词模型研究

  王莉军,周越,桂婕,翟云,

  由于中医文献内容繁杂数目庞大、专业术语词汇较多，且包含使用文言文、古人口语等多样的书写方式，使用通用领域的分词器进行分词的效果较差。为了解决这一问题，构建了基于BiLSTM-CRF的模型对中医领域的文献尤其是文言文文献进行分词，并在中医领域文献上对比了BiLSTM-CRF模型、BiLSTM模型及主流通用中文分词器jieba、Ansj的分词结果。结果表明基于Bi-LSTM-CRF模型的分词取得了更优秀的分类性能和鲁棒性。

• 基于深度强化学习的固体放射性废物抓取方法研究

  周祺杰,刘满禄,李新茂,张华,

  针对固体放射性废物分拣作业中，放射性废物杂乱无序、远程遥操作抓取效率低、人工分拣危险性大等典型问题，提出一种基于深度强化学习的放射性固体废物抓取方法。该方法使用改进深度Q网络算法，通过获取的图像信息，使机器人与环境不断进行交互并获得回报奖励，回报奖励由机械臂动作执行结果和放射性区域内放射性活度的高低构成，根据Q值的大小得到机械臂的最佳抓取位置。用V-REP软件对UR5机械臂建立仿真模型，在仿真环境中完成不同类型固体放射性废物抓取的训练与测试。仿真结果表明，固体废物在松散放置时该方法可使机械臂抓取成功率大于90%，在紧密放置时抓取成功率大于65%，机械臂不会受到废物堆叠的影响，并且会优先抓取放射性区域内具有高放射性活度的物体。

• 面向解决民航虚占座位的改进PoA共识机制区块链系统研究

  李国,张洁慧,臧金梅,

  为了解决航空机票销售过程中某些机票代理商或旅客恶意“虚占座位”的问题，提出了一种基于改进PoA （proof of authority） 共识机制的区块链系统方案。该方案使用联盟区块链作为各航空公司之间的沟通平台；采用信用积分、动态分级，形成新的PoA共识机制；使用哈希算法保护旅客的隐私信息；依靠智能合约实现航空公司数字身份信息的存储、旅客身份注册、旅客订票信息的存储和共享。原型系统试运行表明，该系统可以及时发现并有效制止虚占座位行为。经分析评估得出，该方案具有保护隐私、去中心化、高安全性的特点，为解决民航领域存在已久的虚占座位问题提供了新的借鉴思路。

• 支持撤销的外包加解密CP-ABE方案

  欧毓毅,汪倩倩,顾国生,

  属性基加密（ABE）方案在云存储中得到了越来越广泛的应用，它能够实现细粒度的访问控制，但是现有的大多数ABE方案存在撤销方案效率低、开销大的问题。为了解决这一问题，提出一种更高效、细粒度的支持属性撤销的属性基加密方案。该方案将部分加解密运算外包给代理服务器，从而降低用户的加解密计算量。同时还提出了一种有效的属性撤销方法，该方法只需更新与撤销属性相关联的密文和用户密钥，所以属性撤销的代价很小。并结合了双因子身份认证机制，提高算法的安全性。该方案基于DBDH假设，在标准模型下被证明是安全的。

• 基于一次性环签名的区块链电子投票方案

  郑剑,赖恒财,

  针对当前电子投票系统在匿名性、透明性、公开计票等方面存在的问题，提出了一种基于一次性环签名和区块链的电子投票方案。通过引入一次性环签名解决了投票者匿名、重复投票、公开验证等问题，通过区块链技术解决了投票过程的公开透明问题，为保证任何人或机构无法在投票结束前获得投票中间结果，引入了匿名地址技术。为提高计票效率，采用密钥共享的方法，对计票算法进行了改进。通过安全和性能分析，该方案符合电子投票系统的基本安全标准。

• 可应用于联盟链的拜占庭容错共识算法

  王日宏,张立锋,徐泉清,周航,

  针对联盟链应用场景，分析了目前应用最广泛的PBFT算法中的高通信成本和主节点选取的问题，提出了OBFT算法。首先，针对高通信成本问题，OBFT算法通过动态超时时间实现了乐观同步拜占庭容错，并且结合了PBFT算法中的检查点协议，当触发超时时，说明此时节点处于异步状态，为了实现拜占庭容错，算法切换回部分同步拜占庭容错，即执行PBFT算法的commit阶段，并且以stable checkpoint为新一轮乐观拜占庭容错的起点。其次利用积分制优化了主节点选取过程，保证可供选择的主节点符合区块链最长链原则。最后通过本地多节点仿真实验表明，OBFT算法提升了数据吞吐量和可拓展性，并且有效地降低了交易延迟。

• 云环境下基于混合密码体系的跨域控制方案

  江泽涛,时晨,张少钦,徐娟娟,

  针对当前云环境下用户跨域控制方案不能满足不同密码体系之间的相互跨域访问的需求，借鉴PKI认证体系的思想构造了一种基于混合密码体系的跨域控制方案。该方案以PKI认证体系为不同密码体系安全域的管理框架，以CA（certificate authority）为不同安全域用户的公共跨域认证中心，对不同安全域的用户进行认证，并根据验证结果为其分配公共跨域身份和身份控制标签。它不仅实现了对不同密码体系之间的相互访问，并且根据签发的身份控制标签完成用户的实时控制，一旦发现恶意用户便撤销用户公共跨域身份，并对恶意用户的实名身份进行标注。分析结果表明，新方案在满足正确性、不可伪造性、高安全性的同时可以抵抗重放攻击、替换攻击和中间人攻击，并且降低了计算开销。

• 路网环境下基于双锚点的位置隐私保护方法

  周宇航,柳毅,

  针对SpaceTwice方案中查询结果分布不均衡的缺陷，通过结合路网环境提出一种基于双锚点的位置隐私保护方法。该方法采用分布式系统结构，摆脱了可信第三方的性能瓶颈，用户可根据自身的隐私需求构建匿名区，并以锚点作为查询点进行基于双锚点的增量近邻查询，使查询结果分布更均衡，提高查询准确率。通过在不同路网环境下对该方法进行大量实验结果表明，该方法在保证查询准确率的同时提高了查询效率。

• 基于集成降噪自编码的在线网络入侵检测模型

  吴德鹏,柳毅,

  针对神经网络在线入侵检测模型训练时易出现过拟合和泛化能力弱的问题，提出基于改进的集成降噪自编码在线入侵检测模型以区分正常和异常的流量模式。降噪自编码减少了训练数据与测试数据的差别，缓解过拟合问题，提高模型的性能。同时阈值的选择方法直接影响网络入侵检测模型检测精度，该阈值采用随机方法确定，无须于离线入侵检测，无须通过完整的数据集即可选择最佳的阈值。采用CICIDS2017中的异常的数据流对模型进行测试，准确率分别为90.19%。结果表明，作为一种在线检测模型，提出的异常检测模型优于其他异常检测方法。

• 基于双区块链及物联网技术的防伪溯源系统

  李宣,柳毅,

  在产品安全日益重要的今天，传统的产品溯源系统依旧存在着中心化存储、数据可信度低、数据易窜改及责任人定位困难等问题。区块链技术凭借其分布式存储、链式结构、不可窜改和高容错性等特点，能在信息的搜集、存储和共享等过程中实现数据溯源功能，并借助物联网技术保证区块链源头数据的真实可靠，以实现对产品信息的实时跟踪。基于此，提出了使用双区块链和物联网技术的产品防伪溯源系统，分析了该溯源系统的安全性并通过仿真实验验证了该系统的可行性，对区块链技术和产品安全领域的进一步结合提供了参考和借鉴。

• 基于可信期望的跨域访问安全性研究

  郁宁,王高才,

  访问控制作为保护信息安全的主要手段，能够有效保证用户合法地访问网络资源。随着移动互联网的发展，跨域和跨系统等多域环境下的安全问题面临严峻挑战。为了满足云计算多域环境的访问需求，基于角色访问控制技术，提出一种适用于云计算多域环境的访问控制模型。该模型利用贝叶斯理论得出访问者的可信期望值，然后与预先设定的访问阈值进行比较，决定用户的访问请求是否被允许，且访问权限随着用户可信度动态变化而改变，避免了之前获得高信任值的用户因信任度变化而进行恶意攻击的风险。实验结果表明，提出模型不仅能减少高风险用户的访问请求量，且能满足为用户动态授权的需求。因此该模型可以有效解决云计算多域环境中的安全问题。

• 基于冗余代码的控制流混淆算法

  乐德广,赵杰,钱振江,

  目前的平展控制流主要是结合不透明谓词使用的，例如混沌映射和同余方程算法，这些算法会引起大量额外开销。此外，这种结合不透明谓词的平展控制流混淆方法难抵御动态逆向攻击。针对这些问题，提出了在插入与原基本块结构类似、但数据随机生成且与原基本块不同的冗余块，使攻击者难以区分实际执行基本块的基础上，对实际执行基本块和冗余块进行控制流平展化处理，进一步混淆控制流结构。此外，构建分支函数动态赋值算法，对分支变量进行强化，提高混淆弹性。该控制流混淆算法在mbed TLS程序测试集上进行控制流、逆向工程和性能测试与分析，测试与分析结果表明该混淆算法不仅能大大提高混淆强度，还能有效保护程序控制流信息，抵抗动静态逆向分析。

• 基于改进双跳无线体域网的身份认证方案

  罗峰,陈云,

  在无线体域网（WBAN）的身份认证中，针对原方案通信传感器节点可追踪和不具备匿名性的缺点，提出一种改进双跳身份认证方案，并保留了原方案的高效运算特性。引入了二级节点N的保密密钥和核心节点HN的身份验证参数两个独立的保密参数，并让二级节点N的保密密钥独立。并与原方案保密值组成三个保密值，通过三个保密值来确保参数的保密性和新鲜性。安全性分析和BAN逻辑表明所提方案具备不可追踪性和匿名性，且计算成本与原方案相近，通信成本更低，存储成本略有上升。所提方案是原方案的有效改进。

• 一种可证安全无对运算的签密方案分析与改进

  方光伟,

  Chen等人提出了无对运算的无证书签密方案，通过加解密双方私钥和公钥相结合生成密文加密密钥，并在随机预言机模型下证明了该方案满足适应性选择密文攻击下不可区分性和适应性选择消息攻击下不可伪造性。对Chen方案进行安全分析，发现其方案在选择明文攻击下存在密钥泄露和不能抵抗恶意KGC的不可伪造性攻击问题。由此，基于椭圆曲线群上计算性Diffie-Hellman问题和离散对数问题提出了新的无证书签密方案。新方案避免了原方案的密钥泄露等安全问题。在保证安全性的前提下，新方案运行效率未降低。

• 基于Pregel的分布式保护节点影响力匿名算法

  李健,张晓琳,刘娇,高鹭,张换香,

  针对当前社会网络图数据规模不断增加，现有匿名算法大多只考虑匿名隐私强度，忽略匿名后节点影响力变化的问题进行了研究。基于Pregel模型提出分布式保护节点影响力的匿名算法（anonymous protecting influence of nodes，APIN）。算法分解社会网络图得到k-核图，核数代表节点影响力，分裂节点匿名的同时保证原节点核数不变，从而保证节点影响力不变。为了提高APIN算法隐私保护强度，针对社区结构提出保护社区中节点影响力的社会网络匿名算法（anonymous protecting influence of nodes in community，APINC），基本思想是在社区中实现δ-shell安全分组，从而达到δ-核匿名。在真实社会网络数据实验表明，所提出的算法在保持节点影响力的同时很好地保护了图结构性质；最后展望了下一步研究方向。

• 四维混沌系统及其在图像加密中的应用

  杨可心,吴昭辉,郝瑞斌,司云公,臧鸿雁,

  传统基于低维混沌系统的图像加密算法往往具有密钥空间较小、安全性较差的问题。针对这些问题，首先提出了一类新的平衡点不稳定的四维离散混沌系统，通过数值仿真对该类系统进行了动力学行为分析，正的Lyapunov指数的个数可以达到三个。同时并基于该类混沌系统设计了一个新的图像加密方案，并进一步对明密文的分布直方图、相关系数、信息熵以及加密方案对参数的敏感性进行了分析。分析结果表明，该加密方案抵抗外来攻击的能力强，密钥空间可达2996，具有较高的安全性。

• 基于RLWE的生物特征认证密钥交换协议

  赵宗渠,黄鹂娟,汤永利,

  在后量子密码学中，针对密钥交换协议存在口令容易丢失以及难以实现相互认证的安全缺陷，提出了一个新的基于环上误差学习的生物特征认证密钥交换协议。该协议根据环上误差学习问题构造的密码体制具有密钥及密文尺寸短、运行效率高等优势，并采用生物特征和口令作为长期密钥，同时通过Peikert式错误协调机制从各自的环元素中协调出随机均匀的会话密钥，实现了服务器对客户的显式认证。性能分析结果表明，该方案可抵抗用户假冒攻击，安全属性更高，提高了通信效率。

• 单向链路无线传感器网络的强连通多跳控制集

  李艳艳,梁家荣,

  强连通控制集常被用来代表具有不同传输范围的无线传感器网络的虚拟骨干，较小的虚拟骨干更能高效地进行数据收集和节约无线网络的能量。为了计算强连通控制集，提出了一种新的多跳宽度优先搜索树强连通控制集算法（d-hop BFS_SCDS）。该算法首先使用贪婪策略找到一个多跳控制集（d-DS），然后利用宽度优先搜索树连接d-DS中的节点形成一个强连通多跳控制集。该算法的近似比为（2.4d2+3.6d+1.2）（dk+1/2）2，其中k是网络的传输范围比。仿真实验表明该算法是有效的，符合预期的结果。

• 基于信号相位搜索的WSN节点定位算法

  蒋锐,徐加轩,徐友云,

  节点定位是无线传感器网络（wireless sensor network，WSN）研究的热点问题之一，基于信号相位信息与物理距离间的关系提出了基于信号相位搜索的WSN节点定位算法。该算法首先根据节点间信号相位信息，基于余弦相似性算法原理构建目标函数，将WSN节点定位问题转换为目标函数最优解搜索问题；然后基于质心定位算法原理确定搜索初始像素单元；最后利用梯度下降法替代逐像素单元的遍历搜索，在不影响定位精度情况下进一步提高定位效率，减小定位功耗。仿真实验结果表明，该算法的各项指标良好，适用于WSN的节点定位。

• 无线传感器网络的3连通多跳控制集

  李艳艳,梁家荣,

  无线传感器网络的一个虚拟骨干是一个节点子集，虚拟骨干中的节点负责相关的路由任务。设计的虚拟骨干越小，网络的相关开销就越少，虚拟骨干的大小是衡量虚拟骨干质量的关键因素。通常，单位圆盘图被用来模拟一个无线传感器网络。在无线传感器网络中寻找最小虚拟骨干问题可以抽象为求单位圆盘图中的最小连通控制集问题。然而，求单位圆盘图中的最小连通控制集问题是NP难问题，许多工作都是致力于寻找最小连通控制集的近似算法。无线传感器网络中构造3连通多跳控制集可以有效地减小连通控制集的大小和节点间转发的信息总数，是寻找最小虚拟骨干的有效近似。为此提出了一个无线传感器网络中构造3连通多跳控制集的算法，获得一个大小不超过5（2r+2β+1）（r+1）β|U*|-10（2+β）（r+1）-5r-12的3连通多跳控制集。最后通过仿真实验对提出的算法性能进行了相应分析，实验结果符合算法的预期效果。

• 基于深度强化学习的服务功能链映射算法

  金明,李琳琳,张文瑾,刘文,

  针对服务功能链映射对网络时延和部署失败率的影响，提出了一种基于深度强化学习的服务功能链映射算法DQN-SFC。首先构建了一个多层次NFV管理编排架构，以满足算法对资源感知和设备配置的需求；然后基于马尔可夫决策过程建模，对SFC映射问题进行形式化描述；最后构建了一个深度强化学习网络，将网络平均时延和部署失败产生的运维开销作为奖惩反馈，经过训练后可根据网络状态决定虚拟网络功能的部署位置。通过仿真实验，对该算法的正确性和性能优势进行了验证。实验表明：与传统算法相比，该算法能有效降低网络平均时延和部署失败率，同时算法运行时间具有一定优势。

• 一种基于车联网的车辆定位方法

  杨阳,林菲,俞定国,杨晨,林强,

  车辆群体行为态势能够准确描述车辆在车联网中的运动规律，车联网中GPS信号强的车辆可以利用通信能力、邻居位置关系，对位于一定距离范围内、出行目的地相同或相近、GPS信号弱的车辆进行实时位置计算。该方法首先提出车辆目的地伴随标签的标签簇划分算法，将有相同或相近目的地的车辆，其目的地视做标签，通过挖掘标签重叠结构与层次结构划分至同一标签簇，使之聚类成为车辆群体；然后提出基于标签划分结果的定位算法与结果修正算法，对亟待定位的车辆进行实时位置计算。实验结果表明，该方法较同类方法定位误差降低15%~35%，不同交通状况结果稳定性提高25%以上，所以提出的定位方法是有效的。

• 无线传感器网络中移动节点辅助的数据采集效率优化研究

  陈琪,陈宏滨,

  为了提高无线传感器网络中数据采集效率，提出了一种基于节点分级的混合多跳数据采集（hybrid multi-hop data collection，HMDC） 算法。该算法首先基于数据量将所有节点均匀划分成簇，然后在簇内采用节点分级的思想进行数据的多跳传输，最后使用移动采集器沿着最短路径访问簇头节点，对指定节点进行数据集采集。仿真结果表明，HMDC算法有效地提高了数据采集效率，均衡了能量消耗，延长了网络的生命周期，且更加适用于较大规模的数据采集。

• 基于改进加权空间平滑的凸优化协方差估计

  邸敬,李煜,马黎文,申东,李翠然,

  针对相干信号受到非均匀噪声的干扰，在低信噪比环境中常规DOA估计存在估计效果较差甚至失效的情况，基于改进加权空间平滑，提出一种使用凸优化构造最优权重矩阵的方法。改进加权空间平滑算法解相干的同时构造权重矩阵，再用凸优化重构无噪声权重矩阵，将平滑过的协方差矩阵加权，并用MUSIC算法进行DOA估计。仿真结果证实，所提方法相对于空间平滑（spatial smoothing，SS）、基于特征空间MUSIC的空间平滑估计（spatial smoothing and eigen space based MUSIC，SS-ESMUSIC）以及接收信号协方差矩阵秩最小化（spatial smoothing based covariance rank minimization，SS-CRM）算法能更好地抑制非均匀噪声和解相干，且减少了低信噪比的干扰，展现出更优良的分辨力和准确性。

• 基于Legendre多项式展开的双基SAR二维频域成像算法

  李梦慧,谭鸽伟,孟亭亭,杨晶晶,

  针对任意构型双基SAR基于传统Taylor级数展开斜距方法的边缘点散焦问题，提出了一种基于Legendre正交多项式逼近的双基SAR二维频域成像算法。该算法基于对斜距函数的Legendre多项式展开推导了点目标二维频谱，解除了回波信号距离—方位的耦合，使成像处理更高效。在二维频域对场景区域的点目标采用二维频域成像算法进行成像。该算法改善了场景边缘点的聚焦效果，增加了场景边缘点的聚焦深度。理论推导和仿真结果验证了该算法的有效性和可行性。

• 一种基于卷积神经网络的疲劳驾驶检测方法

  史瑞鹏,钱屹,蒋丹妮,

  疲劳驾驶检测具有重要的警示作用，对检测方法的准确性和实时性均有较高要求。为此，提出了一种基于卷积神经网络的疲劳驾驶检测方法。首先，针对车内特定使用环境，对MTCNN算法进行了加速优化，在保证高准确率的同时检测速度提升高达27倍。其次，在实现人脸特征点精确定位的基础上，提出了一种基于稀少特征点快速准确提取目标区域图像的ERFP（extracting images based on rare feature points）方法。再次，利用构建的眼、嘴数据集EMSD（eye and mouth state date sets）完成了眼、嘴部状态分类模型的训练。最终，利用训练得到的模型，结合相应的判定算法，实现了疲劳驾驶的检测判定。实验结果表明，该方法在实车环境下对瞌睡和哈欠行为的判定准确率均达到了96%以上，且每秒可完成约50帧图像的检测，具备良好的实时性。

• 基于多尺度CNN-RNN的单图三维重建网络

  张冀,郑传哲,

  现有基于深度学习的三维重建算法主要从深度网络的单一层进行特征获取，二维图像特征提取不完整，造成三维重建效果不理想。为提高三维重建模型的精度及准确度，充分利用二维图像细节特征，使其有效转换为三维网络，提出一种基于多尺度CNN-RNN的单图三维重建网络。模型网络主要由二维编码器、转换器及三维编码器三部分组成。模型借鉴高斯金字塔模型，构建多尺度网络，保留二维图像不同尺度上的特征值，通过RNN将其转换为三维特征。模型使用公共的ShapeNet数据集进行训练和测试，通过前后对比，发现使用多尺度特征提取方法的模型具有更好的鲁棒性。与现有方法进行对比，该模型在飞机、柜子、汽车、显示器、灯、音响、沙发等模型的三维重建中拥有更好的重建效果。

• 基于卷积特征融合的通用目标检测方法

  王伟,潘秋羽,王明明,王道顺,

  针对现有目标检测算法在检测时易受到图像尺度变化、目标间遮挡或截断等因素影响的问题，对卷积神经网络（convolutional neural network，CNN）中不同层次的特征进行了研究，提出了一种融合深度网络卷积特征的目标检测算法。算法采用多阶段的特征复用和特征融合减少特征间相关性的损失，最终在PASCAL VOC 2007测试数据集上mAP（mean average precison，平均精度均值）值达到了84.21%；与未使用特征融合方法以及使用传统特征融合的方法相比，提出的方法将mAP分别提高了4.41%和2.71%。

• 基于图像风格迁移的人脸识别域适应方法

  王通平,傅可人,程鹏,

  监控场景下的带标签人脸数据难以获取，尽管可以利用已有的公开数据集或合成数据，但这些数据与真实的监控人脸数据在图像风格上存在较大的域间差异。针对该问题，不同于基于特征或公共子空间的域适应方法，提出一种基于图像风格迁移的解决方法。具体地，基于CycleGAN网络改进得到Face-CycleGAN，在保持身份属性的前提下，对现有带标签数据进行风格迁移，使其在背景、光照、皮肤材质等方面与监控场景更接近，并进一步通过联合滤波对迁移图像进行后处理。最后，利用迁移得到的数据优化人脸识别算法，减小域间差异带来的负面影响。提出的方法在公开数据集EK-LFH和自建数据集3DProj-Sur上进行了实验评估，分别取得了21.93%和4.77%的识别率提升，证明了该方法在解决域适应问题上是有效的。

• 利用多特征混沌粒子滤波的视觉目标跟踪方法

  马圆媛,党正阳,张恒汝,

  随着摄像终端的增多以及自动视频分析需求量的增大，针对视频序列中存在突然运动、遮挡、运动模糊等干扰因素时传统视觉目标跟踪方法很难获得鲁棒性高、精确稳定的目标跟踪的问题，提出了利用多特征混沌粒子滤波的视觉目标跟踪方法。首先，基于非线性动力学预测进行混沌建模，利用混沌映射的梯度优化函数来搜索状态空间以找到参考轨迹；然后设计了一种用于视觉跟踪的混沌粒子滤波器，并改进运动表观模型，引入颜色、纹理和深度的特征完善滤波器的性能；最后，将多特征混沌粒子滤波器与其他视觉目标跟踪方法应用于VOT17和TB 数据集进行对比分析，以论证该方法的准确性。结果表明，提出的多特征混沌粒子滤波方法显著减少了粒子数量、搜索空间和滤波器发散，其精度高出其他方法约10%，在突然运动、遮挡和运动模糊等情况下整体性能优于其他几种对比方法。

• 结合引导解码和视觉注意力的图像语义描述模型

  马坤阳,林金朝,庞宇,

  针对输入的图像视觉信息不能在每一步解码过程中动态调整，同时为了提高图像语义描述模型的精度和泛化能力，提出了一种结合引导解码和视觉注意力机制的双层长短时记忆（long short term memory，LSTM）网络的图像语义描述模型。将提取到的图像的视觉和目标特征通过一个引导网络建模后送入LSTM网络的每一时刻，实现端到端的训练过程；同时设计了基于图像通道特征的视觉注意力机制，提高了模型对图像细节部分的描述。利用MSCOCO和Flickr30k数据集对模型进行了训练和测试，结果显示模型性能在不同的评价指标上都得到了提升。

• 基于多频稀疏噪声的流场运动方向可视化算法

  徐庆,张军,

  针对现有流场可视化算法存在的矢量场运动指向二义性以及缺乏对矢量场速率区分等问题进行了研究，提出了一种基于多频稀疏噪声纹理的改进线积分卷积算法，用来提高流场可视化后的信息表达效果。该方法首先根据矢量场速率量级的大小划分频率不同的噪声群，并合成适用于该向量场的特定多频噪声纹理；然后使用斜坡卷积核根据向量场流线对噪声纹理进行卷积；最后生成一幅同时具有矢量场运动方向和运动速率信息的彩色图像。实验结果表明，该方法可以增强用户对流场流量大小和矢量场方向的感知效果，在大规模风场数据可视化的验证实验上取得了良好的可视化效果。

• 一种融合多级特征信息的图像语义分割方法

  冯兴杰,孙少杰,

  卷积神经网络因为其强大的学习能力，已经在语义分割任务中取得了显著的效果，但是如何有效地利用网络在浅层次的视觉特征和深层次的语义特征一直是研究的热点，以此为出发点，提出了一种融合多级特征信息的图像语义分割方法。通过空洞卷积提取各层级的特征，并不断迭代深层特征来丰富低级视觉信息，最后与高级语义特征合并融合，得到精细的语义分割结果。实验在PASCAL VOC 2012数据集上与主流的五种方法进行了比较，在GTX1080Ti的环境下该方法与其中性能第二的模型mIoU（mean intersection-over-union）值相比提高了2.1%，与其中性能第一的模型mIoU值仅相差0.4%，表明该方法能有效利用多层级的特征信息，实现了图像语义分割的目的。

• 基于代价敏感卷积神经网络的人脸年龄识别方法

  徐东明,任娅琼,马宣,

  当年龄识别被看做分类问题时，基于卷积神经网络（CNN）的方法通常直接采用一般图像分类的CNN进行年龄识别，常常忽略了进行人脸年龄识别时需要考虑的误分类代价问题。基于上述观察，提出一种基于代价敏感卷积神经网络（CS-CNN）的人脸年龄估计方法。具体来讲，基于期望类最大原则（desired class maximum principle，DCMP）提出了一种能够使CNN学习到鲁棒人脸特征的代价敏感交叉熵损失函数（CS-CE），最后通过理论与实验的方法进行验证。相较之前的人脸年龄识别方法，该算法提升的效果是显著的。