计算机应用研究杂志

计算机应用研究杂志2020年第12期

• 离群点检测技术综述

  梅林,张凤荔,高强,

  为了深入了解离群点检测技术发展状况，对近年离群点检测技术进行综述，首先介绍与总结了离群点的定义、引起离群的原因和离群点挖掘算法的分类；其次，对基于邻近性的离群点检测算法、分布式架构下的离群点检测算法以及基于深度学习的离群点检测算法进行综述与总结，尤其对该领域目前最有代表性的方法进行了探讨，指出了其优缺点；最后展望了离群点检测技术未来的研究方向。

• 面向大数据的K-means算法综述

  任远航,

  聚类作为一种重要的数据挖掘方式，如何在海量数据下更快获得一个有理论保证的K-means的近似解是一个关键问题。首先，定义K-means问题并介绍相关背景；然后，从理论保证和加速两个方面分别介绍国内外先进研究成果；最后，总结现有成果并对未来面向大数据的K-means研究方向予以展望和预测。

• 基于LBS系统的位置轨迹隐私保护技术综述

  张青云,张兴,李万杰,李晓会,

  基于位置的服务（LBS）方式为用户生活带来了便捷，同时也存在着位置轨迹隐私泄露的风险。如何对这些隐私数据加以保护，成为目前的研究热点。对现有隐私保护方法系统架构进行总结，对位置隐私保护技术和轨迹隐私保护技术进行综述，分类介绍了基于扭曲技术、加密技术、匿名技术以及差分隐私技术的隐私保护方法，对各种隐私保护技术下的最新算法进行整理归纳。根据对已有技术的了解，提出了现有研究中存在的不足以及未来研究的方向。

• 面向大数据的图模式挖掘概率算法

  姜丽丽,李叶飞,豆龙龙,陈智麒,钱柱中,

  在当今大数据时代，MapReduce等大数据处理框架处理数据能力有限，其在处理有关图的数据时常常显得缓慢低效，典型如3-clique计数问题，故需要探究一种高效的算法处理这类clique计数问题。由于在前人文献中对3-clique计数问题已有深入探讨，故针对该问题的扩展版本（4-clique计数问题）进行探究。在一个启发式的想法下提出了基于邻边采样的概率采样算法，利用切诺夫不等式证明该算法在近似条件下只需要一定数量的采样器作为相对误差的性能保证。通过实验评估对比发现，相对于传统精确算法，概率采样算法虽然在结果上损失了少量的精度，但在算法运行时间和空间占用上具有巨大的优势。最后得出其在实际应用中具有巨大实践价值的结论。

• 科研社交网络中基于异质网络分析的列表级排序学习推荐方法研究

  岳峰,王含茹,张馨悦,王刚,

  针对现有学术论文推荐方法不能充分利用科研社交网络中实体间的异质关系，且大多聚焦于预测评分的准确性，忽略用户偏好顺序的问题，提出一种基于异质网络分析的列表级排序学习推荐方法。首先采用异质网络分析充分探究科研社交网络中实体之间的关系，在此基础上将异质网络分析获取的信息融入列表级排序学习框架中，对学术论文的推荐排序列表进行优化，最终得到为科研人员推荐的学术论文列表。在科研社交网络科研之友数据集上的实验结果表明所提方法较其他传统推荐方法取得了更好的结果，验证了该方法的有效性。

• 基于时间序列聚类的轨迹停留点检测算法

  兰志辉,陈莉,段治州,

  针对采样不规则轨迹的停留点检测准确性不高的问题，提出了一种基于时间序列聚类的停留点检测算法。首先基于数据场理论设计了一种综合考虑时空特性的混合特征密度测量方法，然后根据停留点中心密度比入口大的特性，采用过滤—精炼策略提取停留点。在过滤阶段，将时间连续且满足最小密度阈值的点作为候选停留点。在精炼阶段，通过最大阈值筛选出实际停留点。实验结果表明，该方法能够有效检测采样不规则轨迹中的停留点，相较于已有方法具有较高的准确性和较低的时间消耗。

• 改进的不平衡贝叶斯学习分类模型研究

  韩忠明,刘聃,段大高,杨伟杰,张珣,

  基于函数逼近的方法存在少数类样本不足时分类效果不佳的问题，针对此问题提出了不平衡贝叶斯学习分类模型。模型引入类间隔似然函数，用于降低后验分布在参数空间上存在的偏态性，以采样到对各类样本分类精确的参数点。在UCI、KEEL上的公开不平衡数据集中的实验结果验证了所提方法的有效性；基于MINIST数据集构建了两个不平衡数据集，在这两个数据集中几何均值分别达到92.4%和81.6%。

• 融合协同过滤和主题模型的弹幕视频推荐算法

  高茂庭,杨涛,

  针对弹幕视频网站通常不为用户提供评分功能并且使用弹幕池策略以降低存储压力导致的缺少用户评分和无法准确建模用户主题的问题，提出融合主题模型和协同过滤的弹幕视频推荐算法（DRCFT）。首先根据用户行为构造隐式评分矩阵，并得到项目评分相似度；其次建立LDA主体模型，生成项目主题，计算项目主题相似度；再加权生成综合项目相似度，由此结合评分矩阵计算用户—项目预测评分；然后对项目主题相似度矩阵进行sigmoid惩罚，结合用户历史记录得到用户—项目主题相似度；最后将用户—项目主题相似度作为权重，与预测评分相乘，得到最终的预测评分。对比实验表明，该算法能够得到合理的推荐结果，提高推荐的准确性。

• 一种基于改进的巴氏系数的协同过滤推荐算法

  王伟,周刚,

  传统基于邻居的协同过滤推荐方法必须完全依赖用户共同评分项，且存在极为稀疏的数据集中预测准确性不高的问题。巴氏系数协同过滤算法通过利用一对用户的所有评分项进行相似性度量，可以有效改善上述问题。但该种方法也存在两个很明显的缺陷，即未考虑两个用户评分项个数不同时的情况以及没有针对性地考虑用户偏好。在巴氏系数协同过滤算法的基础上进行了改进，既能充分利用用户的所有评分信息，又考虑到用户对项目的积极评分偏好。实验结果表明，改进的巴氏系数协同过滤算法在数据集上获得了更好的推荐结果，提高了推荐的准确度。

• 一种基于自注意力机制的组推荐方法

  刘浩翰,任洪润,贺怀清,

  基于自注意力网络和神经协同过滤模型（neural collaborative filtering，NCF）提出一种基于自注意力机制的组推荐系统模型SAGR（self-attention group recommendation），用于建模用户交互数据以及学习群组潜在偏好的表示。通过在用户级和项目级分别使用自注意力机制，动态调整组中每个用户的权重，解决偏好融合问题从而得到组表示。再通过多层神经网络框架NCF从数据中挖掘组和项目之间的交互，最终完成群组推荐。在CAMRa2011和MovieLens数据集上与同类方法进行对比，实验结果表明SAGR方法能够取得更好的组推荐结果。

• 改进填补法和多权重相似度相结合的推荐算法

  邹洋,吴和成,姜允志,赵应丁,

  针对传统推荐算法中存在的数据稀疏性问题，国内外许多研究人员都提出了相应的推荐算法。然而，在个性化推荐方面，其中大多数并没有取得很好的推荐效果。因此，提出改进填补法和多权重相似度相结合的推荐算法，该算法首先采用改进填补法填充缺失值并对数据降维，接着分别计算社交网络用户信任度和改进的二部图用户关联度，最后采用多权重因子将这两者相似度进行结合。基于此，该算法根据相似度高低获取邻居用户并对目标用户进行商品推荐。实验结果表明，在数据稀疏性以及个性化推荐情况下，该算法的平均绝对误差（MAE）优于其他推荐方法。

• 基于多重降噪自编码器模型的top-N推荐算法

  方义秋,俞晨曦,葛君伟,

  针对传统降噪自编码器（DAE）中加噪操作的随机性影响预测精度的问题，以及数据矩阵忽视用户具体评分信息的问题，提出了一种结合用户评分的多重降噪自编码器（MDAE）。首先，在输入矩阵中引入具体评分信息，增加输入矩阵信息量；其次，为了在获得鲁棒性数据的前提下减轻加噪操作对预测精度的影响，构建了MDAE模型，将经过不同层次降噪得到的预测矩阵结合非降噪预测矩阵得出最终的预测结果；最后，将模型与其他模型在不同数据集上作实验对比。实验结果表明，结合用户具体评分的MDAE模型可以获得更优质的推荐结果。

• 基于绕质心聚类算法的大数据挖掘

  田华,何翼,

  针对大数据分析在大规模并行分布式系统和软件平台上可扩展的问题，提出了一个基于无参数围绕质心二进制分裂聚类（clustering using binary splitting，CLUBS）的大数据挖掘技术。该技术以完全无监督的方式工作，基于最小二次距离的准则进行分裂聚类将数据与噪声分离，通过中级精炼来识别仅包含异常值的块并为剩余块生成全面的簇，设计CLUBS的并行化版本以实现对大数据进行快速有效的聚类。实验表明CLUBS并行算法不受数据维度和噪声的影响，比现有算法具有更好的可扩展性且速度较快。

• 改进利益驱动神经网络在欺诈信息的应用研究

  孙林娟,贾月辉,

  为了研究个体收益和代价实现总体净收益的最大化问题，提出了利益驱动的人工神经网络（ANN）分类方法。该方法引入了惩罚函数，根据实例不同的重要程度对不同实例的误分类给予可变惩罚，并在之后对净利益进行最大化处理。为了生成对个体的惩罚，参照每个实例的收益，通过改变函数值对误差平方和函数进行了修改，提出了七个不同版本的ANN模型。两个欺诈信息的实验结果表明，与原ANN、决策树和朴素贝叶斯分类器相比，所提模型的不同版本在净利润项上的性能优于其他方法，而且能够针对不同的数据集采用不同的权值生成方式。

• 基于语义依存分析的图网络文本分类模型

  范国凤,刘璟,姚绍文,栾桂凯,

  针对目前已有的文本分类方法未考虑文本内部词之间的语义依存信息而需要大量训练数据的问题，提出基于语义依存分析的图网络文本分类模型TextSGN。首先对文本进行语义依存分析，对语义依存关系图中的节点（单个词）和边（依存关系）进行词嵌入和one-hot编码；在此基础上，为了对语义依存关系进行快速挖掘，提出一个SGN网络块，通过从结构层面定义信息传递的方式来对图中的节点和边进行更新，从而快速地挖掘语义依存信息，使得网络更快地收敛。在多组公开数据集上训练分类模型并进行分类测试，结果表明，TextSGN模型在短文本分类上的准确率达到95.2%，较次优分类法效果提升了3.6%。

• 基于长短期记忆网络的社区演化预测

  蒋乐乐,刘厚泉,张楠,

  现实生活中的网络通常是动态的，网络结构随着时间的推移而改变，检测社区演化可以深入了解网络的基本行为。针对动态社区演化预测问题，提出一种结合演化树和长短期记忆网络的社区演化预测方法，从动态网络中提取社区的多元特征，并使用长短期记忆网络对特征进行学习分类，最终预测社区下一时间段的变化情况。在两个真实数据集上进行了实验，实验结果证明该方法可以有效地预测社区演化行为，与其他方法相比具有较好的准确性。

• 融合动态社交关系的距离度量推荐算法

  葛君伟,岁飒,方义秋,

  目前，用户的好友关系及其自身呈现的动态变化趋势，使得基于静态社交关系的推荐算法难以满足现今瞬息万变的世界。为解决准确度较低等问题，提出利用用户购买物品的时序行为挖掘隐式社交关系的方法。首先将隐式社交与相似度算法相融合，其次针对近邻评分的稀疏性，提出改进的近邻评分填补方法，然后使用填补后的近邻评分对模型预测评分进行修正，最后生成预测评分。实验部分采用MovieLens数据集评估提出的方法，并与现存算法作对比分析。结果表明，该算法与传统算法及改进算法相比更稳定，也更有效地预测了目标用户的真实评分。

• 基于可变损失和流形正则化的生成对抗网络

  丁赛赛,吕佳,

  针对生成对抗网络中鉴别器在少量标记样本上的分类精度较差以及对流形局部扰动的鲁棒性不足的问题，提出一种基于可变损失和流形正则化的生成对抗网络算法。当标记样本较少时，该算法在鉴别器中利用可变损失代替原有对抗损失以解决训练前期分类性能较差的鉴别器对半监督分类任务的不利影响。此外，在鉴别器可变损失的基础上加入流形正则项，通过惩罚鉴别器在流形上分类决策的变化提高鉴别器对局部扰动的鲁棒性。以生成样本的质量和半监督的分类精度作为算法的评价标准，并在数据集SVHN和CIFAR-10上完成了数值实验。与其他半监督算法的对比结果表明，该算法在使用少量带标记数据的情况下能得到质量更高的生成样本和精度更高的分类结果。

• 混合策略改进正弦余弦算法

  林杰,何庆,

  为提高正弦余弦算法在求解函数优化问题的性能，提出混合策略改进正弦余弦算法。首先，利用正切函数作为调节因子代替原本线性变化的参数，用于平衡算法的全局探索和局部开发；然后，引入权重系数，用于控制位置更新处个体上一代位置的影响力，有效提高算法开发能力和寻优速度；最后，构建逐维交叉学习策略，克服最优解无更新的缺点，对最优个体进行扰动更新，跳出局部最优，避免早熟收敛。在不同维数的八个基准函数上进行仿真实验。实验表明，该算法相对于其他群智能优化算法具有更高的寻优精度和收敛速度，相比于最新的正弦余弦改进算法，也表现出更好的收敛性能和稳定性。

• 一种改进的鲸鱼优化算法

  武泽权,牟永敏,

  针对鲸鱼优化算法（whale optimization algorithm，WOA）容易陷入局部最优和收敛精度低的问题进行了研究，提出一种改进的鲸鱼优化算法（IWOA）。该算法通过准反向学习方法来初始化种群，提高种群的多样性；然后将线性收敛因子修改为非线性收敛因子，有利于平衡全局搜索和局部开发能力；另外，通过增加自适应权重改进鲸鱼优化算法的局部搜索能力，提高收敛精度；最后，通过随机差分变异策略及时调整鲸鱼优化算法，避免陷入局部最优。实验选取九个基准函数，所有算法均迭代30次，结果表明：改进的鲸鱼优化与原鲸鱼优化算法以及五种改进的鲸鱼优化算法相比，其均值和标准差均优于其他算法，收敛曲线也优于其他大多数算法。说明改进的鲸鱼优化算法收敛精度和算法稳定性最佳，收敛速度较其他大多数改进的鲸鱼优化算法明显加快。

• 混合策略改进的鲸鱼优化算法

  郝晓弘,宋吉祥,周强,马明,

  针对标准鲸鱼优化算法易出现搜索速度慢、寻优精度低及早熟收敛等问题，提出一种混合策略改进的鲸鱼优化算法。首先采用混沌映射生成初始种群增加种群多样性，为算法全局搜索奠定基础；然后引入非线性策略改进收敛因子和惯性权重，平衡算法的全局探索与局部开发能力并加快收敛速度；最后根据群体适应度方差设定阈值进行变异操作，避免算法出现早熟收敛的现象。通过对12个典型基准函数进行三方面的性能测试，实验结果表明，改进算法在搜索速度、收敛精度等方面有显著提高，且摆脱陷入局部最优解的能力强。

• 一种新的直觉模糊集距离及其在决策中的应用

  许昌林,沈菊红,

  首先针对直觉模糊集距离中是否包含直觉模糊集通过隶属度、非隶属度以及犹豫度这三种信息，以及直觉模糊集距离是否满足相应距离度量的条件对其进行了详细分析，发现现有方法都是将犹豫度直接引入到直觉模糊集距离中，从而产生不一致性。鉴于此，定义了一种新的直觉模糊集距离度量方法，不仅考虑隶属度和非隶属度信息，同时还考虑犹豫度对隶属度和非隶属度的分配，从而间接地将犹豫度也引入到直觉模糊集距离中。其次，证明了所提距离度量满足距离度量条件，并结合实例将其与现有距离度量方法进行比较分析，说明了新方法的合理性。最后，将所提出方法应用于多准则模糊决策中，进一步说明了新方法的有效性和可行性。

• 多agent分层强化学习在数据定位中的应用研究

  洪壮壮,万仲保,张薇,黄兆华,

  为了在领域文本中实现数据定位，将文本视为环境，针对文本环境中存在的动态性以及不确定性等问题，提出了基于多agent分层强化学习的数据定位方法。该方法利用分层结构的特点，将系统任务分解为多个子任务，个体agent分别对对应子任务学习，以此将策略更新限制在规模较小的局部空间；同时利用多agent系统中单agent与系统远期目标的同一性，引入策略协调机制，通过agent之间交换信息来发现趋势性信息，并利用shaping技术，将在线获取的动态知识对各个agent进行趋势性启发，加快agent的收敛速度。实验将该方法应用于司法领域的判决文书上，实验结果表明：该方法能够在大规模复杂未知的文本环境中对目标数据进行高效准确定位，平均准确率与F值能够达到96.6%和98.2%，且具有较好的收敛速度。因此可以看出，该方法能够很好地在领域文本中实现数据定位，具有较大的理论以及实际意义。

• 基于框架表示学习的汉语框架排歧

  侯运瑶,曹学飞,崔军,王瑞波,李济洪,李茹,

  为了改善框架排歧模型的性能，区别于传统分类算法人工提取特征的做法，直接从语料中的例句出发，使用神经网络模型给出了一种框架表示学习的算法，并将学习到的框架表示向量用于框架排歧任务，显著提升了框架排歧的性能。该算法充分利用CFN中例句库、词元库，基于hinge-loss的神经网络，学习到能最大区别正确框架与错误框架的框架表示向量。此外，还使用WSABIE算法学习到目标词及其上下文的表示向量，排歧时以上下文表示向量与框架表示向量做余弦夹角来判决。在CFN中88个有歧义的词元上进行3组2折交叉验证（3×2 BCV）实验，框架排歧精度最好达到72.52%，t-检验结果表明该方法性能显著高于其他框架排歧方法。

• 双层规划下考虑环境侵害的垃圾分拣中心选址研究

  张晨,刘勤明,叶春明,李冠林,

  针对含有害垃圾分拣任务的垃圾分拣中心选址主从博弈问题，提出具有上层奖励机制的双层规划选址方案。首先，将收集点与有害垃圾处理企业作为回收物流发起方构建上层模型，将分拣中心与回收点作为接收方构建下层模型。其次，上下层均引入因有害垃圾存在而带来的环境侵害成本，考虑奖励等级为决策方案使上下层成本相互制约。最后以遗传算法求解算例，通过与单层双目标模型比较，讨论该双层成本模型的设计机制在成本控制上的优势与不足。

• 基于多层注意力机制—柔性AC算法的机器人路径规划

  韩金亮,任海菁,吴淞玮,蒋欣欣,刘凤凯,

  针对行动者—评论家算法存在的经验学习样本维度高、策略梯度模型鲁棒性低等问题，依据多代理系统的信息协作优势，构建注意力机制网络并作为代理体，引入多层并行注意力机制网络模型对AC算法进行改进，提出一种基于多层并行注意力机制的柔性AC算法。将其用于解决动态未知环境下的机器人路径规划问题，可增强行动者的策略梯度鲁棒性并降低评论家的回归误差，实现机器人路径规划最优方案的快速收敛。实验结果表明，该算法有效克服机器人路径规划的局部最优，具有计算速度快、稳定收敛的优点。

• 基于GAED-MADDPG多智能体强化学习的协作策略研究

  邹长杰,郑皎凌,张中雷,

  目前多智能体强化学习算法多采用集中学习，分散行动的框架。该框架存在算法收敛时间过长和可能无法收敛的问题。为了加快多智能体的集体学习时间，提出多智能体分组学习策略。通过使用循环神经网络预测出多智能体的分组矩阵，通过在分组内部共享智能体之间经验的机制，提高了多智能体的团队学习效率；同时，为了弥补分组带来的智能体无法共享信息的问题，提出了信息微量的概念在所有智能体之间传递部分全局信息；为了加强分组内部优秀经验的留存，提出了推迟组内优秀智能体死亡时间的生灭过程。最后，在迷宫实验中，训练时间比MADDPG减少12%；夺旗实验中，训练时间比MADDPG减少17%。

• 基于改进变异树的工控协议模糊测试用例生成方法

  李文轩,尚文利,和晓军,陈春雨,曾鹏,

  针对现有应用层工控协议在模糊测试过程中用例冗余度高、测试效率低和随机性强等问题，提出一种基于改进变异树的测试用例生成方法。该方法将协议样本数据序列进行树结构化，同时提取协议规约中字段优先级信息，并利用其有效地控制树中各节点属性值的变异程度，从而达到降低测试成本、提高测试效率以及增大发掘漏洞几率的目的。实验结果表明，该测试用例生成方法对提高协议模糊测试性能具有显著的优化效果和漏洞检测能力。

• CPU+MIC异构系统中动态请求处理模型研究

  尤国华,刘媛,高东,

  为满足日益增加的服务器端的计算需求，更多的协处理器（如GPU和MIC）成为服务器端的新成员，参与服务器端计算，但是传统的服务器端软件（如Web服务器软件等）不能充分发挥协处理器的性能。为充分利用MIC的性能，提升单台Web服务器的服务质量，针对CPU+MIC的异构硬件体系提出了一种新的动态请求处理模型。该模型基于事件驱动模型和线程池模型，可将部分动态请求调度至MIC执行，并行处理动态请求，兼顾了CPU和MIC间的负载均衡。仿真实验表明，该模型在平均响应时间、吞吐量和99%响应时间等方面均优于现有的Web服务器软件模型。

• 3D-ACC：基于3D集成电路的卷积神经网络加速结构研究

  王吉军,郝子宇,李宏亮,

  在深亚微米工艺下，通过持续增大芯片规模来提升计算能力，会导致芯片工作频率降低、功耗剧增、计算效率下降等问题。因此，利用3D集成电路技术，提出并量化研究了一种将二维脉动阵列映射到3D集成电路上的卷积神经网络加速器3D-ACC，并设计了一种高效的卷积映射计算方法，构建了其性能模型，量化分析了不同设计参数对3D-ACC性能和效率的影响。实验结果表明，当采用四层64×64脉动阵列的堆叠结构时，3D-ACC的峰值计算性能达32 TFLOPS，测试VGG-16、ResNet-50以及Inception V3模型时的实际计算效率可达47.4%、37.9%及40.9%。与相同计算单元规模的二维加速器2D-ACC相比，3D-ACC的计算效率及性能优势明显，实际计算性能分别是后者的1.51、1.69以及1.61倍。探索了3D集成电路在神经网络加速器设计的优势，对进一步提升神经网络加速器性能具有一定参考价值。

• Hilbert包络谱的熵特征在辐射源个体识别中的应用

  岳嘉颖,郑娜娥,蒋春启,

  针对基于时频统计参数的特征提取方法存在测量准确性要求高，特征维数大的问题，提出了一种基于Hilbert包络谱的熵特征。利用Hilbert法对信号提取包络谱后，求解包络谱的信息熵和指数熵特征，并联合包络方差识别辐射源个体。在仿真实验中对比功率谱熵特征识别正确率显著提高；对QAM、ASK以及频率成分适量的信号识别率在3 dB左右达到80%以上。该算法具有一定高效性和鲁棒性。此外应用特征于FM手持机信号，实测结果表明，算法具有一定实用性。

• 数据失衡下基于WGAN和GAPCNN的轴承故障诊断研究

  薛振泽,满君丰,彭成,邓河,

  针对轴承故障数据严重失衡导致所训练的模型诊断能力和泛化能力较差等问题，提出基于Wasserstein距离的生成对抗网络来平衡数据集的方法。该方法首先将少量故障样本进行对抗训练，待网络达到纳什均衡时，再将生成的故障样本添加到原始少量故障样本中起到平衡数据集的作用；提出基于全局平均池化卷积神经网络的诊断模型，将平衡后的数据集输入到诊断模型中进行训练，通过模型自适应地逐层提取特征，实现故障的精确分类诊断。实验结果表明，所提诊断方法优于其他算法和模型，同时拥有较强的泛化能力和鲁棒性。

• 基于区块链智能合约的代币系统

  方燚飚,周创明,

  针对传统代币中存在的公信力不足、监管困难等问题，结合区块链和智能合约技术，设计了一种去中心化的区块链代币系统。以此区块链代币系统为基础，通过部署代币合约、众筹合约，构建了一个基于区块链的众筹系统，实现了基本的众筹功能。同时设计了资金管理合约，实现了众筹成功后对发起者的监督和资金的管理。最后通过以太坊平台进行系统测试，分析了该代币系统的功能性、安全性以及时间性能。结果表明，基于区块链的代币系统在实现代币基本功能的同时，能够有效提升代币的安全性和功能性。

• 基于区块链的游戏软件产品版权保护研究

  贾晓霞,智路平,魏海蕊,

  目前关于区块链应用场景和理念设计的研究较多，但基于供应链协调视角揭示区块链应用的影响仍较缺乏。以游戏软件产品供应链为例，探讨了区块链场景下在线渠道消费者购买效用折扣系数和盗版用户效用折扣系数对均衡价格、均衡利润的影响。结果表明，供应商的利润提高幅度最大，提高量弥补了零售商的损失量，因此供应链整体利润得到优化。此外，通过构建并求解区块链场景下某类仿制软件供应链均衡价格和均衡利润模型，发现仿制软件供应商的价格优势不再明显，甚至消失。最后，考虑到零售商在区块链场景下均衡利润减少的事实，针对性地提出各成员基于供应链协调分配利润角度的相关对策建议。

• 基于Pi演算的Android App权限提升攻击检测

  王涛,马川,

  针对Android App权限提升攻击的问题，基于Pi演算构建了一个形式化的权限提升攻击检测模型。利用扩展后的Pi演算对Android App及其运行时环境进行建模，得到形式化的行为模型；通过将权限安全策略形式化的表示为包含进程表达式的IF-THEN规则，并利用Pi演算的性质进行进程演算和迁移，构建了检测模型，并给出了权限提升攻击检测的方法。理论分析和实验表明，该方法具有线性的时间和空间复杂度，并可以非常容易地将现有的权限安全策略应用在该模型中，保证了模型的精确性。相比其他方法，该方法在提高检测精确性的同时并没有牺牲检测的效率。

• 基于LSTM-CNN的容器内恶意软件静态检测

  金逸灵,陈兴蜀,王玉龙,

  针对现阶段容器环境下恶意软件检测研究较少且检测率较低的问题，提出了一种基于LSTM-CNN的容器内恶意软件静态检测方法，用以在恶意软件运行前进行检测，从源头阻断其攻击行为，降低检测过程给容器运行带来的性能损耗。该方法通过无代理的方式获取容器内待测软件，提取其API调用序列作为程序行为数据，利用word2vec模型对程序API调用序列进行向量化表征，并基于LSTM和CNN分别提取其语义信息及多维局部特征以实现恶意软件的检测。在容器环境下实现了该方法，并基于公开数据集VirusShare进行测试，结果表明该方法可达到99.76%的检测率且误报率低于1%，优于同类其他方法。

• 基于信任评估的量子区块链网络匿名选举协议

  郑涛,昌燕,张仕斌,

  为了在量子通信网络中实现效率更高且具备信任评估功能的匿名选举协议，引入了区块链技术与节点信任评估模型。区块链技术架构具有去中心化、去信任、匿名性、防窜改等优势，节点信任评估模型在选举协议开始前完成任意两节点间的身份可信评估，使选举协议更加高效且可信。协议安全模型分析与对比结果表明，与现有协议相比该协议安全性能更好，且具有更好的匿名性、不可窜改性、可验证性等优点，在现有的技术条件下也更容易实现。

• 无对的去中心基于属性指定证实者签名

  张健,黄振杰,陈群山,

  为拓展指定证实者签名的应用范围，将基于属性和指定证实者签名相结合，并引入去中心的概念，研究了去中心基于属性指定证实者签名，给出其正式定义和安全模型，并构造一个具体方案。方案主要基于Cramer等人的证据隐藏证明协议，选择Schnorr协议作为其基础Σ协议，使用Shamir门限方案作为其秘密分享方案，再使用Fiat-Shamir转换得到一个门限签名方案，然后再进行指定证实、防共谋和去中心化处理，最后得到一个无双线性对的去中心基于属性指定证实者签名方案，并在随机预言机模型下证明其安全性。方案可应用于多用户环境下的电子投标等实用场景。

• 适于软硬件实现的安全轻量S盒的设计

  李凡,张文英,邢朝辉,

  随着物联网的发展，轻量级分组密码算法的设计显得尤为重要。S盒是对称密码算法的关键部件。许多加密算法的硬件实现过程易受侧信道攻击，门限实现是一种基于秘密共享和多方计算的侧信道攻击对策。通过简单地对三次布尔函数中的变量进行循环移位，构建密码性质最优的4×4安全轻量S盒，并且为所构造的S盒设计了门限实现方案来抵御侧信道攻击，该方案是可证安全的。该方法构造的S盒的四个分量函数的实现电路相同，极大地降低了硬件实现的复杂度。给定S盒的一个分量，其余的三个分量可通过该分量的循环移位获得，这样大大降低了硬件实现成本，易于快速软件实现。

• 基于ZooKeeper的全网统一信任锚模型研究

  史博轩,章峰,蒋文保,

  由于现有的TCP/IP没有对地址、身份等信息进行认证，造成源地址欺骗、路由劫持等大量攻击的发生，严重威胁到网络安全。而现有基于PKI体系的CA认证机构的管理效率低、没有统一性，不适合在全网统一范围进行认证。为了能够高效地管理、认证和存储公钥信息，建立全网统一的网络层可信身份认证与管理机制，提出了基于ZooKeeper的全网统一信任锚模型。该模型利用ZooKeeper的负载均衡、数据一致性等优点，采用分布式架构来共同管理信任锚，以一种全网统一的ID标志信息来解决身份与地址真实性鉴别问题，实现网络的平等互联、安全可信。

• 基于改进型Henon映射的快速图像加密算法

  赵洪祥,谢淑翠,张建中,吴桐,

  为了解决传统Henon映射在密码系统中实现时混沌空间小和安全性低的缺陷，设计了一种改进型Henon映射。通过分岔图、混沌轨道、Lyapunov指数和近似熵分析表明改进型的Henon映射具有更大的混沌空间、更好的遍历性和更高的混沌复杂度，使其更加适用于设计安全的密码系统。基于改进型的Henon映射，提出了一种快速图像加密算法，该算法由多级块置乱和双向块扩散过程构成。在多级块置乱过程中，明文图像被分成几个大小不等的图像块，然后对图像块进行置乱操作。在双向块扩散过程中，置乱后的图像重新被分成若干个大小相同的图像块，最后对图像块进行块扩散操作得到密文图像。仿真结果和安全性分析表明该算法是安全高效的。

• 任意二粒子纠缠态的受控量子通信

  彭家寅,

  为了解决任意二量子通信问题，首先给出了五粒子和七粒子纠缠态的构造方法，并提供了它们的量子线路图。其次，以该五粒子纠缠态为量子信道，提出一个任意二粒子未知量子态的受控隐形传态协议。该协议在监察者Charlie的控制下，Alice进行四粒子投影测量和经典通信，Bob采用简单酉变换就能以100%的概率成功重构一个任意二粒子纠缠态。最后，利用七粒子纠缠态为量子信道，提出了任意二粒子纠缠态的联合受控远程制备方案。在此方案中，发送者Alice用自己掌握被制备态的部分信息构造测量基，发送者Bob采用前馈测量策略，接收者Diana在监控者Charlie的帮助下，通过简单幺正变换就能确定性地恢复原始态。

• 一种基于叠加编码的协作传输协议

  芮雄丽,曹雪虹,

  针对传统三节点协作通信模型虽简单易行，但其中两阶段协作传输过程中中继节点通常无偿为源节点转发数据，存在频谱效率低的缺点，基于解码转发（decode and forward，DF）协作协议，以提高系统传输速率为目标，利用链路层控制信息的交换获得链路状态信息（channel statue information，CSI），提出一种基于叠加编码的协作通信机制。协作中，允许中继节点在转发源节点数据的同时，利用叠加编码进行自身数据的发送，通过灵活调整叠加编码时的功率分配，保证系统的传输速率。仿真结果表明，该机制能有效提高系统的传输速率。

• 边缘计算中基于博弈论的数据协作缓存策略研究

  王朝,高岭,高全力,牛秀娟,马景超,

  针对边缘计算中服务器存储能力有限的问题，提出一种基于博弈论的数据协作缓存策略。该策略根据基站覆盖范围将边缘计算环境划分为多个区域，每个区域与相邻区域协作缓存数据资源。在每个区域中，计算每个数据块对本地区域及相邻区域的缓存价值，根据待缓存资源的缓存价值进行缓存决策，最小化用户获取数据资源的延迟。仿真实验结果表明，提出的缓存策略比现有非协作缓存策略数据资源平均获取延迟降低了36.55%，有效降低了数据资源平均获取延迟。

• 基于拓扑稳定性的有向网络链路预测方法

  李治成,吉立新,刘树新,普黎明,

  作为复杂网络研究的热门方向，有向网络链路预测旨在挖掘网络中未知的连边。网络演化机制是许多链路预测方法的理论来源和依据。现有有向相似性指标计算节点间存在连边的可能性时，忽略了实际网络演化过程中节点自身拓扑稳定性和网络结构稳定性。基于此，提出了基于拓扑稳定性的预测方法。该方法首先计算趋于稳定节点对之间的相似度，然后计算预测节点对之间的拓扑稳定性。在三个衡量标准AUC、precision和排序分下，九个真实网络中的实验分析表明，提出的方法具有较高的预测精度。

• 基于机器学习数据流突变型服务功能链构建策略

  赵季红,季文君,曲桦,赵建龙,王珂,吴豆豆,

  在SDN/NFV协同的未来网络架构下，针对增强移动宽带场景中因数据流突变造成的服务功能链低可用问题进行了研究，并提出了一种基于启发式闭环反馈算法的服务功能链动态构建策略。该算法分服务功能链的部署模块和反馈调整模块两部分。首先，基于资源优化模型实现服务功能链的初始化部署，其中对资源优化模型的求解选择利用遗传算法；然后，通过引入机器学习算法随机森林回归对当前服务功能链可承载的数据流量大小进行实时预测，以实现相应的反馈调整。整个服务功能链的构建策略是一种基于遗传和随机森林回归预测的启发式闭环反馈算法设计。仿真结果表明，在应对突变数据流时与现有的遗传和禁忌搜索算法相比，所提算法的用户接受率提高了12%，对底层资源的占用降低了19%。

• 任务序列强度感知的大规模集群服务器控制模型

  蔡文伟,朱嘉贤,张会兵,

  异构云数据中心各类服务器的控制成本和性能上的差异将影响其运维管理成本及QoS博弈平衡关系，针对任务序列强度具有的时效性，提出了任务序列强度感知的大规模任务调度模型。依据当前到达数据中心的任务序列强度以及集群中服务器的当前状态，在任务调度中强调节约服务器运维管理成本和各服务器负载均衡的基础上实现优化数据中心对任务序列处理的平均响应时间和系统的吞吐量。通过对实验结果的分析，验证了集群服务器控制模型在任务调度中的可信度大于95%，同时通过与当前应用广且具代表性的算法——最短任务优先、公平分发机制进行比较分析，其效果是三者中最好的，也验证了模型的有效性和可行性。

• 一种新的无线传感网络干扰攻击检测技术

  陈涛,刘姗姗,梁修荣,

  为了解决现有干扰攻击检测技术存在数据包丢失、高开销和网络吞吐量的问题，提出了一种基于群集和时间戳的无线传感器网络干扰攻击检测技术。该技术基于聚类算法对传感器节点进行分组，利用时间戳识别恶意节点，通过判断签名是否匹配来检测干扰。如果任何节点被识别为恶意节点，就安排新群集绕过堵塞的区域，通过备用路由来继续通信。实验表明与现有技术相比，基于时间戳的干扰检测技术在数据包传输率（packet delivery ratio，PDR）、网络吞吐量、能量消耗和路由开销方面均优于现有方法性能。

• 基于软件定义网络的触觉互联网端到端系统

  魏萌,吕廷勤,

  针对现有蜂窝系统无法满足触觉互联网延迟问题，提出一种基于软件定义网络的触觉互联网端到端系统。首先给出了触觉互联框架；然后提出一种基于软件定义网络（SDN）的多层触觉互联网端到端体系结构，该结构基于5G蜂窝系统，将硬件和软件分离，并提供API以便于系统的控制和管理，网络核心采用SDN并启用网络功能虚拟化（NFV），系统在多级云单元中使用移动边缘计算（MEC），减少通信过程中涉及中间节点的数量，从而减少延迟。实验结果表明该架构在5G高速率下能够得到毫秒级延迟，说明所提框架的可行性和有效性。

• WSN中基于中继选择的DH-MSMR-CARQ时延与吞吐量分析

  周永强,代蕾,王波,黎锁平,

  为提高无线传感器网络（WSN）的时延和吞吐量性能，提出了一种两跳多源多中继协同自动重传请求（DH-MSMR-CARQ）协议。建立最大比合并（MRC）下两种不同中继选择的DH-MSMR-CARQ协议Markov链模型，分别给出状态空间。基于截短，由各自的平均分组差错率和状态转移概率矩阵推导协议的平均传输时延和吞吐量解析表达式。数值模拟结果表明，源节点数、分组长度及最佳中继节点到目的节点的分组差错率是影响平均传输时延的关键因素，采用第一种中继选择方式具有更高的吞吐量。另外，在非极端恶劣信道环境下（源节点到中继节点的分组差错率小于0.8），DH-MSMR-CARQ协议比可直达的SSSR-CARQ、MSSR-CARQ和MSMR-CARQ协议具有更高的吞吐量。

• 基于虚拟力的LoRa浮标网络覆盖优化算法

  刘侠,郑建道,吴华锋,张倩楠,

  无线传感网络（WSN）节点部署问题是目前无线传感网络应用研究的关键点。针对传统网络节点部署存在收敛速度慢、全局优化性能不强、感知角度受限的问题，提出一种虚拟力导向的全向感知覆盖算法（VFOPCA）。该算法在传统虚拟力算法的基础上提出热点区域与节点间的受力模型，并采用0/1圆盘覆盖模型，对网络节点部署作进一步优化。实验仿真表明，虚拟力导向的全向感知覆盖算法能快速有效地实现网络节点全局优化部署，与VFA、DACQPSO等全向感知模型算法相比，该算法覆盖程度更好、收敛速度更快、能耗程度更低。

• 基于软件定义网络的边缘控制部署机制

  路亚,

  针对软件定义网络（software-defined networking，SDN）中单一控制器容易发生过载导致较长时延的问题，提出一种基于SDN的边缘控制模型，该模型采取分层部署方式将边缘计算集成到SDN中，每个边缘控制器控制其覆盖范围内部署的所有子边缘控制器和交换机，负责区域内网络设备的通信量。为了方便管理边缘控制器之间的交互，该模型引入一个控制器代理模块，将设备请求转发给父控制器或将路由信息发送给子控制器来协调控制器之间的工作。实验结果表明，与基于SDN的传统网络相比，该方法依托部署在网络设备边缘的计算和存储服务，减轻了SDN主控制器上的负载，降低了转发平面和控制平面之间的延时，显著地改善了总处理延时和带宽使用情况。

• 结合空洞卷积的CNN实时微表情识别算法

  赖振意,陈人和,钱育蓉,

  随着CNN等基于深度特征的人脸自发式微表情识别分类方法逐渐完善，相比于传统的特征提取方法更易满足应用实时性，针对微表情持续时间短、动作幅度细微，在多卷积层叠加会丢失图像中的细微信息的问题，为了完善细节信息，充分提取微表情细微特征，提出结合空洞卷积核及人脸自动校正算法，完善CNN特征提取过程，通过自动人脸矫正适应实际应用中的实时识别分类，在CASME及CASMEⅡ微表情公开数据集上完成模型训练及测试，通过损失函数方案对比提高模型鲁棒性，CASME中准确率为70.16%，CASMEⅡ中准确率为72.26%；实时识别帧率在60 fps。该方法能有效地提高微表情识别准确率，满足实时性要求，且具有较好的鲁棒性和泛化能力。

• 基于动态密集条件随机场增量推理计算的多类别视频分割

  张晓翔,卢先领,周洪钧,

  针对现有基于条件随机场（CRF）的多类别视频分割计算量随帧数不断增加的问题，提出了一种用于密集（全连接）CRF推断的快速、全动态推理（inference）算法，并有效地推断出了增量式多类别视频分割中动态密集CRF的最大后验概率（MAP）解决方案。与传统的密集CRF处理视频相比，该方法更适合于在线的机器人增量式视频分割的处理计算。实验结果表明，在多类别视频分割应用中，该动态算法明显快于广为人知的标准密集CRF算法，其计算精度与标准密集CRF算法保持不变。几个多类别视频分割测试证实了本算法的推理效率。该算法不仅限于视频分割，还可应用于诸多类似的增量式动态变化CRF模型中MAP推理计算的优化解决方案。

• 用于图像超分辨的密集跳跃注意连接网络

  吴荣贵,蒋平,

  为解决现有基于深度学习的超分辨算法模型没有充分利用各个层次的特征信息导致重建精度不高、参数量大的问题，提出了一个内外双重密集连接结构——密集跳跃注意连接网络。内层结构中，对原始密集级联结构进行改进，提出了通道可分密集级联块；外层结构采用密集残差连接结合注意力机制将由密集块提取的特征进行融合，从而达到更少卷积层、更高精度的效果。在多个基准数据集上测试，提出的网络较其他网络层数体量相近的算法精度更高、参数量更少。

• 基于邻域回归的医学图像超分辨率重建

  端木春江,沈碧婷,

  为了提高医学图像的分辨率，提出一种基于内部样例的邻域回归超分辨率方法。首先，把输入的低分辨率图像当做高分辨率图像去构造基于自身实例的内部图像训练集，不再依赖外部训练集；然后，把高分辨率重建分成高频重建和低频重建，用邻域回归方法重建图像高频细节部分，用双三次插值方法重建低频部分；最后，用迭代组合的方法联合高频分量和低频分量来获得最终输出的高分辨率图像。实验结果表明，该方法性能优于传统的超分辨率重建算法，重建出的医学图像视觉效果更真实。

• 基于聚类框架与局部感受野的实时人脸疲劳检测

  刘君扬,王金凤,

  针对在自然环境下人脸疲劳识别遇到的问题，如人脸检测率不高、判别疲劳的特征过于单一、检测速度慢等，提出了一种基于聚类框架与局部感受野的实时人脸疲劳检测方法。首先对人脸尺寸进行聚类分析，根据聚类类别决定检测层个数并设置先验框大小，根据预测特征图的感受野与人脸尺寸匹配的原则设置网络层数，最后通过最小化损失函数学习多种疲劳特征。实验证明，在驾驶室等环境下基于聚类框架与局部感受野的方法在保持识别准确率的同时提高了检测速度，使用GPU GeForce GTX TITAN能达到125 fps，满足了实时性要求。

• 基于字典学习的卫星图像压缩算法研究

  卢光跃,翟皎皎,李珅,

  针对卫星图像的特点及当前卫星图像在传输和存储上面临的问题，提出了一种基于稀疏表示的卫星图像二级无损压缩算法。通过传输稀疏表示后的稀疏系数来代替图像本身的传输，完成对卫星图像的第一级压缩；对非零稀疏系数先作预处理后实现聚类，然后依据聚类索引对原始非零稀疏系数的位置排序；最后对处理后的非零稀疏系数和位置数据分块，并利用改进的自适应哈夫曼算法对非零稀疏系数的数据块编码，利用差分编码和改进的自适应哈夫曼算法对位置数据块编码，完成对图像数据的第二级压缩。实验结果表明，与传统算法相比，所提算法具有明显优势，改进算法的压缩率是传统算法的1/3~1/2，且可同时实现卫星图像的高倍无损压缩与高分辨率重建。

• 强序列关系保持二值编码

  王振,孙福振,张龙波,刘萍萍,

  针对相对相似性保持哈希进行了研究，提出强序列关系保持二值编码，旨在保证数据点对在汉明空间和欧氏空间内的相对近邻关系具有较高的一致性，从而确保能在汉明空间内得到较优的近邻检索性能。针对相对近邻关系保持性能较弱的问题，提出建立基于四元组的相对相似性保持约束目标，并利用张量序列图构建满足特定序列约束条件的训练数据集，可有效降低训练复杂度。在训练过程中，迭代提升无法准确保持相对近邻关系数据点的权重值，使其在之后的训练过程中能够引起足够的重视，达到最小化残余性能损失的目的。在三个常用海量数据集上的近似近邻检索对比实验表明，强序列关系保持二值编码能够在汉明空间内获得较优的近似近邻检索性能。

• 硬件优化的高清视频实时去雾算法

  陆斌,严利民,陈志恒,

  去雾技术已经在单幅图像上取得了较大的进展，但是由于时间复杂度较高，无法满足高清视频去雾的实时性要求。针对该问题，提出了基于硬件架构优化的暗通道先验去雾算法，通过硬件导向的双尺度联合滤波法和阈值比较法来简化透射率和大气光值的计算复杂度，同时利用帧间依赖性约束来抑制视频去雾中的闪烁噪声。实验结果表明，所提算法的去雾速度达到了148.2 Mpixel/s，相比软件的方式提高了约55倍，实际对1920×1080分辨率全高清视频的去雾速度达到69 fps，满足实时性要求且去雾质量高。

• 基于卷积神经网络和语义相关的协同显著性检测

  张华迪,樊玮,黄睿,

  针对目前协同显著性检测方法中存在的语义特征类相差悬殊的物体被误检测为协同对象等问题，提出了一种基于卷积神经网络和语义相关的协同显著性检测算法CSCCD。首先，采用引导超像素滤波方法对SLIC分割出的超像素区域和DSS生成的显著性区域进行处理，清晰地显示了目标边界轮廓；然后使用Mask R-CNN提取语义特征，给出了图像语义特征和语义一致性的定义，并针对提取语义特征过程中出现的同一语义类别的物体在不同形态下被检测为不同语义类别的问题，提出了图像组语义相关类的概念，在此概念的基础上定义了图像组语义关联类，解决了多幅图像的语义关联问题；最后融合显著性检测区域和图像组语义一致性区域得到协同显著性检测结果。在公开基准数据集上的实验结果表明，该算法能够有效凸显目标整体及轮廓，在客观量化方面的综合性能有明显提升。

• 基于ResNeXt和WGAN网络的单图像超分辨率重建

  曾庆亮,南方哲,尚迪雅,孙华,

  为解决现有基于生成对抗网络的单图像超分辨率重建模型SRGAN网络训练不稳定、学习速率慢等问题，提出了一种基于ResNeXt和WGAN的单图像超分辨率重建模型Res_SRGAN。该模型参考ResNeXt网络结构构造生成器，降低了生成器的复杂度，仅为SRGAN的1/8；通过WGAN来构造判别器解决了SRGAN模型不稳定的问题；实验结果表明，在四个公开数据集上所提模型相较于现有单图像超分辨率重建模型在主客观评价中均取得了更加优越的性能。

• 基于SPNet的视频运动放大方法

  周飞,杜振龙,

  视频运动放大技术在很多领域应用广泛，但是由于关注的运动过于微弱，很容易与视频噪声混淆，容易产生伪影和模糊噪声。为了克服传统算法在细节上的缺失和基于学习的算法在放大倍数上的限制，将手动设计滤波器与课程学习策略相结合，提出了基于可控金字塔分解的网络结构（SPNet），它在处理大幅度运动场景的同时也能具有更大的放大范围，且能保留更多细节。结果表明，在图像细节上优于传统算法，并且与基于机器学习的视频运动放大方法相比也有很大的优势。

• 引入多尺度特征图融合的人脸关键点检测网络

  齐国强,姚剑敏,胡海龙,严群,林志贤,

  人脸关键点的精确检测对于人脸姿态矫正、表情识别、疲劳监测等任务具有重要意义。针对当前人脸关键点检测算法对于网络的设计越来越复杂、对计算资源的需求越来越大，网络整体速度变慢，不利于移动端部署的问题，提出了一种基于多尺度关键点热度图融合的人脸关键点检测网络。通过特征图与关键点热度图的融合使网络更多地关注关键点及其周边像素的信息，同时引入了多尺度的关键点热度图融合不断加强网络对于关键点相关信息的学习能力，使用较浅的网络结构就可实现好的检测效果。实验表明该网络在WFLW数据集上取得的检测精度和速度均达到较好的效果。

• 学习小波超分辨率系数的人脸超分算法

  刘颖,孙定华,公衍超,

  目前基于卷积神经网络的超分方法虽然在峰值信噪比和结构相似性评价指标上能取得优异的结果，但是得到的超分图像视觉质量较差，会丢失人脸五官区域的细节信息。针对这一现象，设计了一种新的深度神经网络来预测超分小波系数以获得信息丰富的超分辨率人脸图像。首先利用人脸图像的先验知识手动地给予五官区域更多的关注，然后在网络中引入线性低秩卷积运算，最后利用长距离依赖的思想补充超分图像的细节。实验验证该算法可以在获得较高的峰值信噪比和结构相似性的同时，使超分人脸图像五官区域更加清晰、视觉质量更优。

• 基于新的残差沙漏网络的人脸对齐

  阳邹,邵雄凯,高榕,王春枝,

  针对传统沙漏网络每一层使用单一感受野来提取特征，缺乏对关键点整体和局部关联信息描述的问题，提出了新的残差沙漏网络（NRHG）方法。该方法通过增加新的卷积分支来增加网络的感受野以更好地提取到不同尺度下的特征信息，同时新的感受野增加了网络对整体信息的描述；针对网络不同层相应调整新增卷积分支感受野大小来平衡feature map分辨率和感受野之间的关系，在更好地保留从局部到整体的结构化信息的同时，突出了网络对局部细节特征信息的描述。最后沙漏网络之间采用中间监督，对每一个沙漏网络输出的结果都进行loss计算，以避免网络深度造成梯度消失的问题。通过在300W、IBUG、COFW数据集上大量的实验证明了该方法的有效性，并且实验结果优于传统的沙漏网络。