计算机应用研究杂志

计算机应用研究杂志2020年第1期

• 数据流集成分类算法综述

  许冠英,韩萌,王少峰,贾涛,

  详细介绍了国内外集成分类算法，对集成分类算法的两个部分（基分类器组合和动态更新集成模型）进行了详细综述，明确区分不同集成算法的优缺点，对比算法和实验数据集。并且提出进一步的研究方向和考虑的解决办法。

• 基于图优化的视觉SLAM研究进展与应用分析

  王录涛,吴林峰,

  为了对SLAM技术有更为全面的把握，在回顾过去三十年里视觉SLAM技术发展历程基础上，详细分析了视觉SLAM问题的本质与求解的复杂性。重点对在提高位姿估计精度、构建全局一致地图与提升算法求解效率上的最新研究成果进行了介绍，并对当前代表性的算法实现方案进行了分析与比较。针对未来大尺度环境、全生命周期应用需求，对现有算法框架的不足与最新研究趋势进行了归纳总结。最后，探讨了深度学习技术与视觉SLAM问题求解的关联性。

• 基于深度学习的中文微博作者身份识别研究

  徐晓霖,蔡满春,芦天亮,

  作者身份识别一直在公安行业和文检工作中起着重要的作用。现有的作者语言风格建模过程繁琐、文本特征工程没有普适性。针对此问题，在无须专家进行特征建模的情况下，提出CABLSTM中文微博作者身份识别模型，并在公开微博语料集测试该模型准确度。该模型为最大化提取短文本特征，融合attention机制于CNN中并去除池化层，通过双向LSTM以获取上下文相关信息，身份识别结果通过softmax层进行输出。实验结果表明，该模型在进行中文微博作者身份识别任务中与传统机器学习算法、TextCNN和LSTM算法相对比，在准确率、召回率、F值方面都有一定的提升。

• 基于开放域抽取的多文档概念图构建研究

  盛泳潘,付雪峰,吴天星,

  在信息过载的背景下，如何从拥有共同主题的多篇文档中挖掘并组织核心概念及其语义连接已成为当前信息抽取任务中的一项重要挑战。为此，提出了一种新颖的基于开放域抽取的多文档概念图构建方法。首先基于预定主题挖掘主题词，通过改进的TF-IDF算法对文档进行排序；然后通过共指消解、篇章权重计算、三元组实例抽取等一系列步骤从多篇文章中抽取出大量具有事实表达能力的三元组实例。为去除开放域方法本身的噪声以及提高信息抽取的准确率，提出一种三元组实例过滤算法。通过该算法可有效提取高置信度且具有良好语义兼容性的显著关系实例集合，并构成多个概念子图。最后，将不同子图中的等价概念以及关系进行合并，形成一张具有较好主题表达能力的连通概念图。通过在signal media新闻数据集上进行验证，实验结果表明，所提出的方法能够跨文档组织重要的主题信息，形成的概念图在主题概念覆盖率、关系实例的兼容性等指标上均取得了较好的效果。在实际的应用场景中，概念图作为一种重要的多文档内容表现形式，对于用户进一步探索指定主题的发展脉络以及生成自动文档摘要均具有重要的参考价值。

• 基于关键词相似度的短文本分类方法研究

  张振豪,过弋,韩美琪,王吉祥,

  在传统的文本分类中，文本向量空间矩阵存在维数灾难和极度稀疏等问题，而提取与类别最相关的关键词作为文本分类的特征有助于解决以上两个问题。针对以上结论进行研究，提出了一种基于关键词相似度的短文本分类框架。该框架首先通过大量语料训练得到word2vec词向量模型；然后通过TextRank获得每一类文本的关键词，在关键词集合中进行去重操作作为特征集合。对于任意特征，通过词向量模型计算短文本中每个词与该特征的相似度，选择最大相似度作为该特征的权重。最后选择K近邻（KNN）和支持向量机（SVM）作为分类器训练算法。实验基于中文新闻标题数据集，与传统的短文本分类方法相比，分类效果约平均提升了6%，从而验证了该框架的有效性。

• 基于自然最近邻相似图的谱聚类

  刘友超,张曦煌,

  传统谱聚类算法经常在处理一些结构复杂的数据集时效果不太理想，并且其相似度矩阵构造时参数的选取往往需要依靠多次实验及个人经验。在这种情况下，提出一种基于自然最近邻相似图的谱聚类（NSG-SC）算法。自然最近邻是一种新颖的最近邻概念，可以有效地避免K最近邻以及ε-最近邻方法需要人为设置参数的缺点。该算法构造相似度矩阵时依靠数据集自身的特性进行搜索，避免了参数选取不当以及离散点所带来的影响，更加真实地反映了数据集的结构关系。实验结果表明，提出的NSG-SC算法具有可行性和有效性。

• 基于潜在标签挖掘和细粒度偏好的个性化标签推荐

  李红梅,刁兴春,曹建军,张磊,冯钦,

  为进一步提高个性化标签推荐性能，针对标签数据的稀疏性以及传统方法忽略隐藏在用户和项目上下文中潜在标签的缺陷，提出一种基于潜在标签挖掘和细粒度偏好的个性化标签推荐方法。首先，提出利用用户和项目的上下文信息从大量未观测标签中挖掘用户可能感兴趣的少量潜在标签，将标签重新划分为正类标签、潜在标签和负类标签三类，进而构建〈用户，项目〉对标签的细粒度偏好关系，在缓解标签稀疏性的同时，提高对标签偏好关系的表达能力；然后，基于贝叶斯个性化排序优化框架对细粒度偏好关系进行建模，并结合成对交互张量分解对偏好值进行预测，构建细粒度的个性化标签推荐模型并提出优化算法。对比实验表明，提出的方法在保证较快收敛速度的前提下，有效地提高了个性化标签的推荐准确性。

• 基于MAC-LSTM的问题分类研究

  余本功,许庆堂,张培行,

  针对问句文本通常较短、语义信息与词语共现信息不足等问题，提出一种多层级注意力卷积长短时记忆模型（multi-level attention convolution LSTM neural network，MAC-LSTM）的问题分类方法。相比基于词嵌入的深度学习模型，该方法使用疑问词注意力机制对问句中的疑问词特征重点关注。同时，使用注意力机制结合卷积神经网络与长短时记忆模型各自文本建模的优势，既能够并行方式提取词汇级特征，又能够学习更高级别的长距离依赖特征。实验表明，该方法较传统的机器学习方法和普通的卷积神经网络、长短时记忆模型有明显的效果提升。

• 基于多蚁群同步优化的多真值发现算法

  冯钦,曹建军,郑奇斌,张磊,翁年凤,李红梅,

  为提高在多真值场景下真值发现的准确性，提出一种多蚁群同步优化的多真值发现算法（multi-ant co-lonies synchronization optimization based multi-truth discovery algorithm，MAC-SO-MTD）。以最大化各数据源提供的观测值集合与该对象真值集合之间相似度的加权和为目标，将多真值发现问题建模为求解子集问题。在此基础上设计蚁群算法进行求解：根据对象个数设置相应的蚁群，构造子集问题的有向图，利用路径概率转移公式进行同步搜索真值；将信息素更新分为本次迭代最优更新和本次迭代不更新，提高了算法的收敛速度。最后，通过算法复杂度分析和在真实数据集上的实验验证了该算法的优越性。

• 一种基于遗传算法优化的大数据特征选择方法

  张文杰,蒋烈辉,

  提出了一种基于遗传算法的大数据特征选择算法。该算法首先对各维度的特征进行评估，根据每个特征在同类最近邻和异类最近邻上的差异度调整其权重，基于特征权重引导遗传算法的搜索，以提升算法的搜索能力和获取特征的准确性；然后结合特征权重计算特征的适应度，以适应度作为评价指标，启动遗传算法获取最优的特征子集，并最终实现高效准确的大数据特征选择。通过实验分析发现，该算法能够有效减小分类特征数，并提升特征分类准确率。

• 基于MapReduce并行化计算的大数据聚类算法

  张文杰,蒋烈辉,

  面对大数据规模庞大且计算复杂等问题，基于MapReduce框架采用两阶段渐进式的聚类思想，提出了改进的K-means并行化计算的大数据聚类方法。第一阶段，该算法通过Canopy算法初始化划分聚类中心，从而迅速获取粗精度的聚类中心点；第二阶段，基于MapReduce框架提出了并行化计算方案，使每个数据点围绕其邻近的Canopy中心进行细化的聚类或合并，从而对大数据实现快速、准确地聚类分析。在MapReduce并行框架上进行算法验证，实验结果表明，所提算法能够有效地提升并行计算效率，减少计算时间，并提升大数据的聚类精度。

• 基于线特征的单目SLAM中的迭代数据关联算法

  魏鑫燏,黄俊,杨晓飞,彭俊杰,

  针对基于线特征的单目SLAM（同时定位与地图构建）中的数据关联问题，提出了一种基于线段端点patch确认的迭代数据关联算法。算法依据近似共线和端点近似重合两个指标来获取线特征的最近邻关联对，使用基于线段端点patch的定向匹配确认机制来剔除最近邻关联对中的错误项，同时以迭代处理的方式提高数据关联的准确性，综合利用了线特征间的几何约束和图像相似性约束。上述算法在公开数据集上进行了测试，与现有线特征数据关联算法的对比实验结果表明，该算法在满足系统实时性的前提下，在线特征关联对数目和关联准确率上均达到了较好效果。

• 融合协同过滤和XGBoost的推荐算法

  崔岩,祁伟,庞海龙,赵辉,

  协同过滤在数据处理中存在数据稀疏问题，影响推荐算法的准确性。提出融合协同过滤和XGBoost的推荐算法，根据用户对项目的评价以及项目本身所具备的自身特点，挖掘项目和用户的潜在关系，提高算法的推荐准确性。采用百度深度学习框架PaddlePaddle在Book-Crossings数据集上进行实验，实验结果表明，提出的算法和文献中两种算法相比，准确性有显著提升。

• 融合兴趣的微博用户相似度计算研究

  黄贤英,阳安志,刘小洋,刘广峰,

  针对传统基于用户的博文内容和共同好友数在计算微博用户的相似度时存在潜在误差过大的问题、而基于用户多源背景信息的相似度计算模型有计算复杂度高且忽略了用户的兴趣等问题，提出了一种结合用户兴趣和背景信息的综合相似度计算方法（BIBS）。首先从用户的标签中提取用户的兴趣，当用户的标签缺失时，通过对用户关注关系网络中的重要用户聚类来间接获取用户的兴趣点，以此计算用户的兴趣相似度；其次根据用户的性别、年龄和地点等背景属性计算用户的背景相似度，层次化地挖掘出最相似的用户；最后基于新浪微博的数据进行实验分析。结果表明，与基于多源信息相似度的微博用户推荐算法（MISUR）相比，该方法在用时更少的情况下，准确率、召回率和F值分别提高了8.1%、16.7%和13.6%，证明了提出的BIBS方法的有效性和准确性。

• 一种基于单纯形搜索的粒子群优化算法

  胡锦帆,张晓伟,袁岐江,张为军,程崇东,

  为了改善粒子群优化算法的求解性能，提出了一种基于单纯形搜索和粒子群优化的混合算法。该算法一方面自适应地确定惯性权重、认知以及社会参数来达到免参数目的，另一方面利用单纯形搜索来引导部分粒子的搜索方向，从而加速算法收敛。数值实验结果表明，与传统的粒子群算法和其他基于单纯形的粒子群算法相比，提出算法在评估次数、求解精度方面表现良好。

• 基于差分进化的多目标粒子群特征选择算法

  李敏,章国豪,陈梓樑,郭志勇,胡晓敏,

  特征选择技术在大数据分析、图像处理、生物信息学等领域具有重要作用。在实际应用中，降低分类错误率和减少提取出的特征数量便于后续数据的利用，往往是两个冲突的目标。基于拥挤、变异和支配策略的多目标粒子群特征选择（crowding，mutation，dominance particle swarm optimization for feature selection，CMDPSOFS）算法是一种面向特征选择应用中特征数量最小和分类错误率最低的双目标优化算法。它使用三种不同的变异机制，用于保持群体多样性和平衡全局、局部搜索的能力，但其中的均匀变异使算法的随机性大大增加，产生较多适应值差的解，降低了算法收敛速度。改进的CMDPSOFS-Ⅱ算法将差分进化算法中的变异算子和选择操作引入到CMDPSOFS算法中，实验结果表明，CMDPSOFS-Ⅱ算法在特征选择上得到比原来的方法更优的结果，更好地平衡了全局和局部搜索能力。

• 基于节点属性的社区发现博弈算法

  张贤坤,任静,刘渊博,苏静,

  提出一种基于节点属性的社区发现博弈算法G_NA（game algorithm based on node attributes for community detection）。将社区发现的过程看做网络中节点的博弈，当所有节点都不能提高自身收益时，博弈结束。首先，G_NA提出基于节点度属性的收益函数；然后，在迭代过程中，节点按照重要度从大到小排序，并依次选择策略提高收益；最后，将提出的算法与现有算法分别在不同的真实网络和人工网络上进行对比实验，结果表明提出的算法优于其他算法。

• 基于新的适应度函数和多搜索策略的高维多目标进化算法

  代才,石晓琪,

  为提高高维多目标进化算法的性能，提出了一个基于新的适应度函数和多搜索策略的高维多目标进化算法。该算法提出了一个新的适应度函数来平衡多样性和收敛性，并且设计了一个多搜索策略来帮助交叉算子产生优秀的后代进而提高收敛性。该适应度函数首先从当前种群和新产生的后代中挑出收敛性较好的个体，然后计算这些个体的稀疏程度；该多搜索策略选择稀疏且收敛的解来执行全局和局部搜索。数值实验测试了CEC2018高维多目标竞赛的15个测试问题，每个测试问题的目标个数分别为5、10、15。实验结果表明，该算法能找到一组比四种代表性算法（如NSGAIII、MOEA/DD、KnEA、RVEA）具有更好的多样性和收敛性的解集。

• 基于云环境下新产品开发团队优选研究

  陈友玲,王龙,左丽丹,牛禹霏,

  针对云环境下新产品开发团队优选问题，充分考虑团队的研发能力、协调能力和服务质量，建立了包含知识相似度评价模型、协同效应评价模型和服务质量评价模型的综合评价模型；对算法的适应度函数和搜索方式加以改进，提出了改进的人工蜂群算法，对所建立的模型进行求解，为服务需求方选择出最优团队组合；最后，以自动引导运输车（AGV）的新产品开发为例，通过模型求解和算法对比，验证了所提方法的可行性和有效性。

• 基于申威众核处理器的NSGA-Ⅱ并行和优化方法

  刘垚,郑琳,郑凯,王肃,廖启丹,

  由申威众核处理器组成的“神威·太湖之光”是我国当前性能最高的超级计算机，可为大规模NSGA-Ⅱ求解提供硬件平台。基于硬件架构特点，设计了分岛/主从增强混合并行NSGA-Ⅱ。在主从模式基础上，利用从核间寄存器通信，实现核组内从核局部数据存储的共享。优化流程，实现更多算法模块在从核上的并行。运用DMA传输、向量化、双缓冲、存储优化等方法显著提高加速比。实验表明，优化的并行NSGA-Ⅱ在申威众核处理器上具有良好的加速比和扩展性。

• 数据驱动的通勤团体配对共享停车方法研究

  何梦园,刘正熙,熊运余,李征,

  随着机动车保有量日益增加，停车难愈发成为城市交通的通病，但当上班地点停车场大排长龙时，周边居住区车位却大量处于空闲状态，车位资源得不到合理利用，而现有的共享停车方法由于其随机性实施难度较大。为减少其随机性，降低共享停车的实施难度以及减少车位资源的浪费，基于毗邻办公楼与居住区的通勤团体之间出行时间具有的天然互补性，提出数据驱动一对一的配对共享解决方案。通过分析车场车辆进出记录数据对问题进行求解，分析进出口数据，得到关于居住区车位的空闲时长特征与办公楼车辆的使用时长特征，进而根据时长最大化的匹配方法得到配对车位与车辆。针对选取的停车场进行实验，完全匹配的车位占比37.66%，所有匹配车位利用率平均提高15.24%，其中最大提高57.84%。结果表明配对共享方法具有较大可行性。

• 基于灰关联分析的V-MDAV算法研究

  张岐山,郑丽君,

  距离度量会影响微聚集算法的聚类效果，为了提高算法的隐私保护能力，采用灰关联分析中的均衡接近度替代V-MDAV算法中的欧氏距离度量记录间的距离，提出基于灰关联分析的V-MDAV算法，即V-GRAV算法。由于均衡接近度既包含灰关联度对整体接近性的测度，又具有均衡度对序列均衡性测度的特点，克服了欧氏距离受局部奇异值影响较大的问题，所以V-GRAV算法在保证信息损失与V-MDAV相近的同时，较大程度地降低隐私泄露风险，实验证明了算法的有效性。

• FlexRay静态段消息调度优化研究

  陈珊,尚丽辉,张凤登,

  为提高FlexRay网络的静态段带宽利用率，对基于时隙复用的FlexRay静态段进行优化研究。将传输的信号编码成消息帧，把编码问题转换为数学意义上的带约束装箱问题，将发送周期呈倍数关系的信号封装成一个消息帧，并运用BFD算法求解。之后基于封装的消息帧，提出一种调度方法使静态段带宽利用率最大化和帧ID数目最小化。最后在FlexRay底盘综合控制系统上验证该方法。结果证明，该算法使带宽利用率提升了18.7%，将每个通信周期内所占的FID个数降低了90.47%，并且把循环周期内静态时隙利用率提升了41.52%。

• 带加性时变时滞的不确定神经网络鲁棒散耗性研究

  杨飞,唐乾,林果园,

  针对加性时变时滞不确定神经网络的时滞相关鲁棒耗散性问题，提出了一种更一般化的激活函数。与以往研究不同，充分考虑了关于神经元激活函数和加性时变时滞的充分信息，通过使用一些新的积分项构造合适的Lyapunov-Krasovskii泛函（LKF），并利用新生成的单积分不等式来计算其导数，包括延森不等式和维特林积分不等式的特殊情形。利用线性矩阵不等式（LMI）技术建立了一个新的时滞相关的不守恒全局渐近稳定性和耗散准则。最终通过计算和数值仿真验证了所提理论的有效性。

• 基于Givens变换和二阶振荡W-C-PSO优化的盲源分离算法

  张华伟,张天骐,刘董华,

  针对智能算法在实现盲源分离时容易陷入局部最优且收敛速度缓慢的问题，提出一种基于Givens变换和二阶振荡粒子群优化的盲源分离算法。该算法首先将惯性权重与学习因子两个参数构造函数关系，使之共同调节算法迭代来提高算法的整体性与全局搜索能力；再引入二阶振荡环节增加种群的多样性，这样算法不易陷入局部最优；此外，采用Givens变换将分离矩阵转换成旋转角度表示形式来降低算法的复杂度。仿真表明，该算法能有效实现机械振动信号和语音信号的盲分离，并且相比其他算法具有更快的收敛速度和更好的分离性能。

• 基于GLRGMM的间歇过程在线监控策略

  赵小强,周文伟,

  针对间歇过程的非线性和动态性，提出了全局—局部正则化高斯混合模型 （GLRGMM）算法。首先引入邻域保持嵌入算法提取局部流形结构，通过寻求一种低维投影对非线性过程进行全局结构保持，同时最大限度地保留局部流形特征；然后通过对高斯混合模型引入正则项来在线监控更新高斯模型，获取非线性数据流形结构，解决数据动态性问题；最后集成全局—局部监控指标实现在线监控。通过青霉素发酵过程进行了验证，结果表明所提算法比DPCA、GLNPE具有更好的在线监控效果。

• 基于混合式注意力机制的语音识别研究

  李业良,张二华,唐振民,

  为了解决语音识别中基于卷积位置信息的混合式注意力机制无法提取长期有效位置信息的问题，提出了一种捕捉长期有效位置信息的新型混合式注意力机制。首先，对当前时刻生成的注意力得分作卷积来提取多通道特征图，并通过全局平均池化来得到恒定维度的特征向量；接着，引入长短期记忆网络（long short-term memo-ry，LSTM）单元作为外部记忆模块，并以生成的特征向量作为输入，生成下一时刻的位置信息向量；最后，结合经典的LAS（listen，attend and spell）模型来验证提出方案的有效性。实验结果表明，该方案能充分考虑过去多个时刻的注意力得分。相对于基于卷积位置信息的LAS模型，该方案在纯净和含噪语音数据集上取得的标签错误率分别减少了1.8%和2.21%。

• 基于叠层循环神经网络的语义关系分类模型

  郝志峰,陈培辉,蔡瑞初,温雯,王丽娟,

  基于循环神经网络结合句法结构的方法被广泛运用于关系分类，利用神经网络对输入的编码信息自动获取特征并实现关系分类；然而，目前已有的方法主要是基于单一特定句法结构的模型，而特定句法结构的模型不能够迁移到其他句法结构类型上。针对该问题，提出一种融合多句法结构的叠层循环神经网络模型。该叠层循环神经网络分为两层进行网络构建，首先在序列层进行实体预训练，通过Bi-LSTM-CRF融合attention机制，提高模型对文本序列上实体信息的关注度，从而获取更加准确的实体特征信息，促进关系层阶段更好地分类；其次在关系层，将Bi-Tree-LSTM嵌套在序列层之上，并将序列层的隐状态与实体特征信息传入关系层，利用共享参数对三种不同的句法结构进行加权学习，通过端到端的模型训练并实现语义关系分类。实验结果表明，该模型在SemEval-2010 Task8语料库上的marco-F1值达到了85.9%，并进一步地提升了模型的鲁棒性。

• 协同过滤推荐中一种改进的信息核提取方法

  张文静,李锦屏,杨军,

  针对协同过滤推荐算法中存在的可扩展性问题，在原有基于频率（frequency-based，FB）和排名（rank-based，RB）的信息核提取方法的基础上，提出了改进的提取信息核方法IFB（IFrequency-based）和IRB（IRank-based，IRB），在寻找最相似邻居环节中提出了一个优化集的概念，在优化集上为每个用户寻找最相似的邻居。从实验结果看出，通过该方法能够得到更加准确的推荐结果，有效降低了绝对平均误差（MAE），同时具有更高的准确率和召回率，推荐效果更优。

• 情境特征及其在情感分类模型中的应用

  刘栋,张彩环,

  研究情境特征在文本分类中的作用，提出了一种层级双向LSTM模型用于情感分类问题。该模型首先将句子分词，把词向量作为第一层双向LSTM模型的输入；其次从文档中提取出稠密、连续的向量作为情境特征；然后将第一层模型的输出向量和情境向量共同输入第二层双向LSTM；最后将这种层级双向的LSTM模型的输出向量通过sigmoid函数进行分类。情境向量作用于每个句子，一致的情感得到增强，不一致的情感被弱化，从而提高了分类的精度。在两个公开数据集上的实验表明，整合了情境特征的层级双向LSTM取得较优的精度。除此之外，通过在一个包含两万余条中文评论的公开数据集上对模型进行测试，表明该模型测试正确率相比于普通的LSTM和双向LSTM都有提升，说明情境特征对于提升情感分类的作用比较显著。

• 基于模糊理论的最优序贯拍卖策略研究

  纪颖,马刚,屈绍建,

  基于模糊理论，通过将之前拍卖的类似物品回报进行模糊参数化，采用均值—方差对其进行收益和风险的刻画及度量。针对这两个准则提出基于柯布—道格拉斯生产函数的多准则优化函数，进而构建了基于模糊理论的序贯拍卖的顺序策略优化模型；其次，通过集成模糊模拟算法和多准则0-1遗传算法，用于求解该顺序策略优化模型；最后，算例分析比较了五种顺序策略以及优化策略，显示通过模型求解得到的最优策略能够以较低风险取得较高收益。

• 毕达哥拉斯模糊Heronian算子的多属性决策方法

  彭定洪,杨扬,

  针对毕达哥拉斯模糊环境下的多属性决策问题中的信息集成问题，其中方案的属性间相互关联相互影响，提出了一种毕达哥拉斯模糊Heronian算子的多属性决策方法。首先将毕达哥拉斯模糊数与Heronian算子相结合，提出了毕达哥拉斯模糊Heronian算子和毕达哥拉斯模糊加权Heronian算子，并讨论了这些算子的性质，给出了相应的证明。在此基础上，提出了基于毕达哥拉斯模糊Heronian算子的多属性决策方法；最后将其应用到国内四家航空公司服务质量评价中，说明了该算子的有效性和可行性。

• 引入隐式反馈的多维度推荐算法

  刘美博,满君丰,彭成,刘鸣,

  针对显式反馈信息作出的推荐在准确率和数据稀疏性处理上还存在缺陷的问题，引入隐式反馈信息，设计和实现了一种引入隐式反馈的多维度推荐算法（iMCF）。该算法涵盖用户、项目和隐式反馈三个维度的信息。对于前两个维度的信息，通过云模型相似度建模；而隐式反馈维度的信息主要是结合概率矩阵分解模型进行处理。之后再把这三个维度得出的预测评分根据权值进行平衡，得出最终预测评分并作出推荐。实验数据表明，该算法在召回率和准确率上的表现相对于其他算法有了较为明显的提升，且适合大数据环境。

• 基于Spark并行的密度峰值聚类算法

  孙伟鹏,吴锡生,孟斌,

  针对FSDP聚类算法在计算数据对象的局部密度与最小距离时，由于需要遍历整个数据集而导致算法整体时间复杂度较高的问题，提出了一种基于Spark的并行FSDP聚类算法SFSDP。首先，通过空间网格划分将待聚类数据集划分成多个数据量相对均衡的数据分区；然后，利用改进的FSDP聚类算法并行地对各个分区内的数据执行聚类分析；最后，通过将分区间的局部簇集合并，生成全局簇集。实验结果表明，SFSDP与FSDP算法相比能够有效地进行大规模数据集的聚类分析，并且算法在准确性和扩展性方面都有很好的表现。

• 基于存储改进的分区并行关联规则挖掘算法

  王永贵,谢南,曲海成,

  针对现有算法存储结构简单、生成大量冗余的候选集、时间和空间复杂度高、挖掘效率不理想的情况，为了进一步提高关联规则算法挖掘频繁集的速度，优化算法的执行性能，提出基于内存结构改进的关联规则挖掘算法。该算法基于Spark分布式框架，分区并行挖掘出频繁集，提出在挖掘过程中利用布隆过滤器进行项目存储，并对事务集和候选集进行精简化操作，进而达到优化挖掘频繁集的速度、节省计算资源的目的。算法在占用较少内存的条件下，相比于YAFIM和MR-Apriori算法，在挖掘频繁集效率上有明显的提升，不但能较好地提升挖掘速度，降低内存的压力，而且具有很好的可扩展性，使得算法可以应用到更大规模的数据集和集群，从而达到优化算法性能的目的。

• 面向云端FPGA的卷积神经网络加速器的设计及其调度

  蔡瑞初,余洋,钟椿荣,卢冶,陈瑶,

  卷积神经网络的高计算复杂性阻碍其广泛用于实时和低功耗应用，现有软件实现方案难以满足其对运算性能与功耗的要求，传统面向FPGA的卷积神经网络构造方式具有流程复杂、周期较长和优化空间较小等问题。针对该问题，根据卷积神经网络计算模式的特点，提出一种面向云端FPGA的卷积神经网络加速器的设计及其调度机制。通过借鉴基于HLS技术、引入循环切割参数和对卷积层循环重排的设计，采用模块化方式构造网络，并进行参数拓展以进一步优化加速器处理过程；通过分析系统任务和资源的特性总结调度方案，且从控制流和数据流两方面对其进行优化设计。与其他已有工作相比，提出的设计提供了一种同时具有灵活性、低能耗、高能效和高性能的解决方案，并且探讨了加速器的高效通用调度方案。实验结果表明，该加速器可在有效提高运算整速度的同时减少功耗。

• 宠物知识图谱的半自动化构建方法

  袁琦,刘渊,谢振平,陆菁,

  提出一种宠物知识图谱的构建框架。通过自顶向下的方式设计并构建了schema（概念）层，从半结构化和非结构化数据中进行知识抽取构建了数据层。在对非结构化数据的实体抽取方面，提出了一种条件随机场（CRF）与宠物症状词典相结合的症状命名实体识别方法。该方法利用症状词典对文本进行识别，获取语义类别信息，CRF结合语义信息实现对症状实体的识别抽取。实验结果表明了该方法的有效性。在知识表示方面，选用OrientDB数据库支持的属性图模型来表示。知识图谱采用OrientDB图数据库来完成知识的存储，并实例展示了构建的宠物知识图谱。

• 基于多重因素的个性化学习推荐系统

  匡容,杨振国,刘文印,

  为解决现有学习推荐算法中存在的忽略对学生知识点掌握情况的分析、不能将知识掌握程度概率化等问题，提出一种基于多重因素的学习推荐方法。该方法综合考虑知识点的综合权重、错误率和失分率多个因素构建知识点掌握概率模型，并应用所提出的策略实现一个在线的个性化学习推荐系统。系统评估上对200名高中生进行了一项调查，本系统推荐top-8知识点的准确率达到91.2％，F1达到78.4％。系统调查的结果显示了提出策略的有效性和可靠性。

• 基于自适应控制的八个混沌系统的多级组合同步

  孙军伟,李楠,王延峰,

  针对传统的混沌系统结构样式单一和系统变量少的问题，设计了一种混沌电路系统，该电路有较为复杂的动力学行为、较高的敏感性和较强的抗干扰性。随着电路参数的变化，结合自适应稳定性判据和混沌运动理论详细分析了该系统的不同动力学行为；此外，根据电路图搭建了相应的电路并利用示波器观察该电路的动力学行为，其行为与MATLAB的仿真结果相一致，进一步证明了电路的可行性和灵活性。在此基础上，重点提出并研究了基于本系统的多级组合同步，通过构造不同的控制器实现了八个系统之间的多级组合同步。仿真结果表明，该同步方案在收敛速度和精度上具有很好的效果。

• 加快排序文档的剪枝决策树和分块方法

  李卫疆,常伟,余正涛,

  检索系统利用排名学习算法从训练集中产生一个排名模型。而减少检索数据需要的时间则是检索系统的一个重要研究方向。为了减少检索的时间，对排名模型的剪枝策略和缓存进行了研究。利用决策树的冗余特性和高速缓冲存储器，提出了剪枝决策树模型和分块算法。最后，在两个公开的数据集上进行了实验，主要关注了是否可以在不影响模型效果的条件下，提高排名模型的效率问题。实验结果表明，剪枝决策树模型和分块算法可以有效地减少每个查询的排名时间。

• 基于SimHash和混合相似度的多模式匹配方法

  曹卫东,胡炜,王家亮,王静,

  为了解决多源异构民航旅客服务数据集成过程中存在多模式匹配的效率不高、精确性不足、完整模式信息获取难度较大等问题，提出了一种基于SimHash和混合相似度的多模式匹配方法。该方法首先基于PMI计算特征单元权重，并通过SimHash算法构造属性列的签名来表示属性特征，以降低特征维度，进而引入K-means++算法对属性聚类并生成候选匹配集。最后基于属性的混合相似度构建属性映射图，以直观的方式展示属性间的匹配关系，同时提高多模式匹配效率。实验结果表明该方法具有可行性，为高效地解决多源异构民航旅客服务数据集成中的模式冲突问题提供新的解决方案。

• 基于比特可分性的PRIDE和RoadRunneR积分区分器搜索

  李艳俊,赵京鸣,

  PRIDE和RoadRunneR是近几年提出的两种轻量级分组密码算法，在2016 亚密会上，向泽军等人提出利用基于比特可分性的MILP（混合整数线性规划）模型搜索积分区分器。利用该思想，针对两种不同类型的轻量级分组密码算法，为了评估该算法积分性质，验证新方法的实用性，根据其不同密码算法结构分别建立MILP模型，利用Gurobi优化器求解此模型，搜索可用的积分区分器。结果分别得到9轮和5轮的积分区分器，是PRIDE和RoadRunneR目前已知最长的积分区分器，利用该区分器可进行更多轮的积分攻击。

• 适用于物联网通信的无证书聚合签密算法

  胡荣磊,李文敬,蒋华,曾萍,王庆瑞,陈雷,

  针对目前无证书聚合签密（CLASC）方案计算效率较低的问题，提出了一个适合于物联网的无双线性对的聚合签密方案。与目前较好方案相比，运算效率提高了近六倍，在聚合签密阶段只需要2n+1次点乘运算，在聚合解签密阶段需要5n+1次点乘运算。基于离散对数问题，在随机预言模型下证明了方案满足机密性和不可伪造性；在聚合签密验证阶段，不需要第三方的秘密信息，方案满足可公开验证性。最后，指出该方案能以较低的计算速率实现较高的安全性，更适合用于物联网。

• 基于多核FPGA的压缩文件密码破译

  陈晓杰,周清雷,李斌,

  目前，破解WinRAR传统方法是使用CPU和GPU，而潜在的密码空间非常大，需要更高性能计算平台才能在有限的时间内找到正确的密码。因此，采用四核FPGA的硬件平台，实现高效能的WinRAR破解算法。通过在全流水架构下增加预计算和保留进位加法器结合的方法优化SHA-1算法，提升算法吞吐率；利用状态机的控制优化数据拼接，提升算法并行性；同时，采用异步时钟和多个FIFO缓存读写数据优化算法整体架构，降低算法内部的耦合度。实验结果表明，最终优化后的算法资源利用率为75%，频率达到200 MHz，4位长度的密码破译速度为每秒102 796个，是CPU破解速度的100倍，是GPU的3.5倍。

• 支持撤销的位置分层属性加密研究

  沈学利,崔海韵,陈鑫彤,

  基于属性加密的位置分层访问方案允许用户依据自身情况灵活设置自己的位置访问信息，不仅解决了社交网络中位置共享问题，还在算法上进行改进使解密效率得以提升。但在系统运行过程中，存在用户有更正自己属性信息的需求或运行过程中部分私钥遭泄露的可能，因此支持撤销对于系统安全非常必要。基于此提出了一种支持撤销的位置分层属性加密方案，将部分解密运算外包给解密服务器，并结合了双因子身份认证的方法。该方案在减少用户计算代价的同时，提高了算法的安全性。

• 基于双线性映射的三因子远程身份认证协议研究

  魏春英,郭中华,

  为了提高多服务器环境身份认证的安全性，降低计算复杂度，提出一种基于双线性映射的三因子认证协议，这些因子包括生物信息、智能卡和双线性映射密码。该协议包括系统设置、服务器注册、用户注册、登录、认证和密钥协商，以及密码更新六个阶段，其中，生物因子和智能卡作为核心因子涉及注册、登录、认证和更改阶段。Oracle形式化证明验证了该协议的安全性，攻击者无法得到标志、密码、生物特征信息等，可以实现密钥协商和双向身份认证。与其他相关协议相比，该协议在安全特征、智能卡存储成本、通信成本等方面具有一定优势。

• 利用区块链构建公平的安全多方计算

  黄建华,江亚慧,李忠诚,

  针对安全多方计算（MPC）中大部分参与者不诚实情况下无法获得公平性这一问题，基于区块链智能合约构造惩罚机制，提出了公平的安全MPC协议。协议分为两个阶段，分别为基于可验证秘密共享的MPC阶段和公平的秘密重建阶段，参与方只要收集t+1个正确份额即可得到最终输出。协议利用同态承诺来验证秘密份额的正确性，使用超时机制来判别恶意参与方的提前终止行为，并对恶意方进行经济惩罚。安全性分析表明诚实参与方能够获得最终输出，否则将得到经济补偿；性能分析表明参与方只需缴纳一轮押金并且大量复杂的秘密份额验证工作都在链下，协议的执行效率得到保证。

• 基于海绵函数的快速伪随机序列生成方法

  赵磊,郑东,任方,

  针对2SC（sponge code-based stream cipher）伪随机序列生成方法效率低、速度慢等问题，结合编码理论，提出了一种基于海绵函数的快速伪随机序列生成方法。使用一个通用的状态转换将其安全性归约为正则校验子译码问题，其计算能力相比于正则编码更好。理论分析和实验结果表明，该伪随机序列生成器保留了海绵函数特性的同时，效率大大提高，对于160 bit的安全级别，其速度比原方案提高了5倍以上。同时NIST统计测试及序列的平衡度、互相关性等测试结果表明生成的伪随机序列具有良好的随机特性。

• 保持细节特征的带纹理模型的高质量简化算法

  李世俊,姜晓彤,唐慧,

  针对大多算法在简化率较大的情况下易丢失模型细节特征的问题，引入顶点尖锐度的概念，并基于QEM折叠代价给出一种改进的折叠代价，能更多地保留模型的细节特征；同时针对大多简化算法不包含纹理处理的问题，引入纹理变化因子，更多地保留纹理细节部分。在简化的基础上，还提出一种网格局部优化算法，解决了简化后网格质量不高的问题。实验结果表明，该算法不仅可以保持模型的细节特征和纹理的完整性，同时还能得到高质量的模型网格。

• 基于深度学习的人体动作识别方法

  李玉鹏,刘婷婷,张良,

  针对人体动作深度视频的四维信息映射到二维空间后，动作分类容易发生混淆的问题，提出一种基于深度学习的人体动作识别方法。首先构建空间结构动态深度图，将深度视频的四维信息映射到二维空间，进行信息降维处理；然后提出基于联合代价函数的深度卷积神经网络，结合交叉熵损失函数与中心损失函数作为联合代价函数，指导卷积层学习到更具分辨力的深度特征，以进行更精确的分类。在MSRDailyActivity3D和SYSU 3D HOI两个数据集的实验结果表明，与现有方法相比，该方法识别率得到了较明显的提升，验证了其有效性和鲁棒性。该方法较好地解决了动作分类容易发生混淆的问题。

• 基于鸽子视顶盖神经元响应对不同颜色背景字符图像的重建研究

  王治忠,闫文明,王松伟,

  解析脑神经元动作电位（spike）表征的视觉信息是重要的科学问题，从spike信号中重建视觉刺激是解决该问题的重要途径。提供了一种从神经元spike信号重建视觉刺激的方法，通过提取四种颜色背景下五种字符图像刺激的鸽视顶盖（OT）神经元的spike发放率特征，构建线性逆滤波器和随机森林重建模型，优化模型参数，从而实现不同颜色背景的字符图像重建并分析了背景颜色对重建结果的影响。结果表明，最优参数条件下，线性逆滤波器模型对白、红、绿、蓝背景下字符图像的平均重建正确率达到0.9225±0.0268、0.9027±0.0204、0.9358±0.0235、0.8170±0.0313，随机森林模型对应的图像平均重建正确率为0.9499±0.0255、0.9228±0.0303、0.9472±0.0239、0.7913±0.0255。方差分析发现，白色、红色和绿色背景图像重建结果无显著性差异，但这三种颜色背景图像重建结果与蓝色背景重建结果有显著性差异。

• 基于改进网络编码的匿名通信机制研究

  杨康,翟江涛,戴跃伟,

  针对现有基于网络编码的匿名系统，由于转发节点的不稳定性以及匿名消息的多路径转发，使得数据发送的成功率较低的问题，提出了一种基于网络编码与数据冗余方法的新匿名通信机制ACSNC（anonymous communication system based on network coding）。首先采用数据冗余机制对要发送的数据进行冗余分片，并沿多条路径发送；然后中间转发节点对信息进行随机编码后转发，使信息通过节点前后的统计特性发生变化；最后，目的节点根据收到的数据片与编码系数恢复匿名信息。仿真结果表明，该机制在显著提高数据发送成功率的基础上，能够有效地保障通信的匿名性与安全性。

• 基于分布式压缩感知和散列函数的数据融合隐私保护算法

  寇兰,刘宁,黄宏程,张艳,

  针对群智感知网络数据融合传输过程中隐私泄露、信息不完整、数据窜改等安全问题，提出了一种基于分布式压缩感知和散列函数的数据融合隐私保护算法。首先，采用分布式压缩感知方法对感知数据进行稀疏观测，去除冗余数据；其次，利用单向散列函数求取感知数据观测值的散列值，将其和不受限的伪装数据一起填充到感知数据观测值中，达到隐藏真实感知数据的目的；最后，在汇聚节点提取伪装数据之后，再次获取感知数据的散列值并验证数据的完整性。仿真结果表明，该算法兼顾了数据的机密性和完整性保护，同时大大降低了通信开销，在实际应用中具有很强的适用性和可扩展性。

• 基于点扩散和误差扩散的半色调自隐藏算法

  丁海洋,

  将秘密图像隐藏在一幅基于点扩散或误差扩散的半色调图像中，实现基于点扩散和误差扩散的半色调自隐藏算法；以基于点扩散的双向共轭信息隐藏算法为基础实现基于点扩散的灰度半色调自隐藏算法，将该算法扩展到基于误差扩散的灰度半色调图像，提出基于误差扩散的灰度半色调自隐藏算法；以最新的基于点扩散和误差扩散的新共轭数据隐藏算法为基础，提出基于点扩散和误差扩散的彩色半色调自隐藏算法。将四类自隐藏算法进行实验验证，对不同半色调自隐藏算法的性能进行了比较。结果表明在相同参数下，基于误差扩散的彩色半色调自隐藏算法具有最好的性能。

• 移动群智感知中时间窗口相关的参与者选择机制

  张立燊,孙学梅,邢倩,

  目前许多移动群智感知应用要求参与者收集一段时间内连续的感知数据，而现有研究在这方面却考虑不足。针对上述应用场景提出了时间窗口相关的参与者选择机制，主要包括基于动态规划算法设计了一种时间窗口相关的参与者选择方法，目标为覆盖任务时间段的同时最大化数据效益；参与者信誉值更新机制，根据参与者参与任务的意愿程度和数据质量更新参与者的信誉值。最后通过仿真实验与两种普遍应用的参与者选择方法作比较，实验证明所提出的参与者选择机制在数据可靠性、数据效益和感知成本等方面具有更好的效果，因此所提出的参与者选择机制在时间窗口相关的任务中有更好的应用前景。

• 基于中间盒的SDN信息服务中心策略实施架构

  李海龙,张钊,董思岐,胡磊,

  中间盒是一种网络管理员手动设置行为策略的设备；软件定义网络（software-defined network，SDN）的出现使得中间盒实施策略的可能性变得多样化。为改善信息服务中心的安全防护，提出一种无须管理员参与即可响应网络事件的基于SDN的动态中间策略实施架构，提出可以满足控制器与中间盒之间通信的接口。在虚拟机中实施了具有防火墙和入侵防御系统（intrusion prevention system，IPS）的中间盒原型来评估策略执行体系，验证原型获得的实验效果。结果表明，该体系结构能够在不影响网络性能的前提下动态执行中间盒策略，使网络应用程序能够正常运行。

• MIMO-PLC系统中基于条件数阈值选择的信号检测算法

  聂熊波,李想,林欢,

  为了满足电力线通信（power line communication，PLC）对更大容量和更广覆盖范围的需求，多输入多输出（multiple-input multiple-output，MIMO）技术已逐渐应用于PLC中，实现了高速率的数据传输，但MIMO-PLC信道具有严重的多径效应和频率选择性衰减的特性，而且不同子载波的信道质量差异性大，使现有的信号检测算法不能获得良好的性能。提出一种基于条件数阈值选择的检测算法，利用信道矩阵的条件数来衡量信道质量的好坏，设置最佳条件数阈值，在信道条件数小于或者等于阈值时，选择CLLL-MMSE-SQRD检测算法，而在信道条件数大于阈值时，选择QRD-M检测算法。通过仿真验证，该算法能够达到最优检测算法的性能，而且在16QAM调制方式下，该算法复杂度相比于QRD-M检测算法降低了44%，且随着调制阶数的增加复杂度降低更为明显。

• 空间相关信道下大规模MU-MISO系统频谱效率分析

  胡耀文,曾桂根,

  针对大规模MU-MISO系统中频谱效率受信道和功率分配的影响，研究在空间相关信道下的频谱效率问题。首先通过发射信号的波程差确定导向矩阵得出用户发射相关矩阵，结合大尺度阴影衰落和具有高斯分布的散射环境建立空间相关信道；然后基于空间相关信道，通过预编码减少多用户之间的干扰，并仿真预编码对频谱效率的影响；最后在发射功率受限、各用户接收信号具有一定信干比场景下提出一种功率分配算法，使得系统的频谱效率总和最大化。仿真结果表明，在空间相关信道下RZF预编码的频谱效率优于MRT预编码频谱效率；与平均功率分配方式相比，提出的算法在频谱效率上有了明显的提升，并具有较强的理论价值和实践意义。

• 线性扫频干扰检测算法及抗干扰方法研究

  韩晨,牛英滔,夏志,逄天洋,

  提出一种考虑虚警概率和漏检概率指标的低复杂度线性扫频干扰检测算法，并对算法性能进行了理论分析，为实际通信系统判断受扰情况提供依据；提出一种基于Q学习的抗扫频干扰算法，可在无线通信系统遭遇扫频干扰时，自主选择最佳通信信道和最长驻留时间。仿真结果表明所提检测算法可有效检测出线性扫频干扰信号，以较低复杂度得到与理论分析结果相近的检测性能。所提抗扫频干扰学习算法可在干扰环境中自主选择通信信道，高效规避扫频干扰，实现持续可靠的信息传输。

• 一种基于快速重路由的域内节能路由算法

  耿海军,尹霞,

  降低互联网的能耗成为亟待解决的一个科学问题，已有的路由节能方案存在会不同程度地降低网络性能，如网络拥塞、路由振荡、路由可用性和流量分布不均匀等问题，以及需要网络的实时流量信息，从而导致算法复杂度较高的问题。设计了一种基于快速重路由的绿色节能方案EEIPFRR，兼顾节能、网络性能和算法复杂度。实验结果表明，与DLF算法比较，EEIPFRR算法不仅可以降低网络能耗，并且具有较小的路径拉伸度、较低的算法复杂度和较小的最大链路利用率。

• 基于节点多样性的域内路由保护算法

  张伟,耿海军,

  已有的路由保护方案都没有考虑网络中节点的重要程度，然而在实际网络中不同节点在网络中的重要程度是不相同的。针对该问题，提出一种基于节点多样性的域内路由保护算法（intra-domain routing protection algorithm based on node diversity，RPBND）。计算节点构造以目的为根的最短路径树（shortest path tree，SPT），从而保证RPBND算法和目前互联网部署的路由算法的兼容性；在该最短路径树的基础上构造特定结构的有向无环图（directed acyclic graph，DAG），从而最大化路由可用性。实验结果表明，RPBND极大地提高了路由可用性，降低了故障造成的网络中断时间，为ISP部署域内路由保护方案提供了充分的依据。

• 基于IEEE 802.15.6的无线体域网自适应MAC协议

  袁德颖,郑国强,马华红,吴红海,李济顺,

  针对无线体域网MAC协议自适应性不高且能效低的问题，提出一种基于IEEE 802.15.6的无线体域网自适应MAC协议（A-MAC）。对IEEE 802.15.6的超帧结构进行改进，竞争接入阶段和非竞争接入阶段的长度根据产生各优先级数据的节点所占的比例进行调整。竞争接入阶段又被划分为三个子阶段，子阶段的长度根据数据优先级情况进行动态调整。所有节点在竞争接入阶段按照信道接入策略竞争接入信道。最后仿真结果表明，在吞吐量、能耗和网络时延方面，使用A-MAC协议的网络性能明显优于使用IEEE 802.15.6 MAC和CA-MAC协议的网络性能。

• Ad hoc云中基于移动预测的多准则任务卸载算法

  田广东,葛东玉,

  为了提升Ad hoc云中任务卸载的效率，针对节点随机移动性及资源异构性对任务卸载的影响，提出一种基于移动预测的多准则任务卸载算法。根据时间序列分析预测节点逃离时间，并将其作为节点移动性衡量指标；运用层次分析法得到CPU速度、核心数、负载及移动性的权重；最后根据任务大小及计算得到的组合权重进行任务卸载。仿真结果表明，相比于随机任务分配和Min-Min调度算法，该算法能够有效降低任务执行时间和能量消耗。

• 深度图辅助的主动轮廓分割算法

  刘骥,曾文亮,梁晓升,

  针对由前后背景相似而导致从图像中很难分割出精确图像的问题，以主动轮廓分割方法为基础，结合深度图为辅助，提出了一种新的深度图辅助的基于区域的主动轮廓图像分割方法。首先，使用滤波算法对深度图进行修补，得到较为完善的深度图；然后使用混合高斯模型计算得到彩色图和深度图的置信图；最后使用置信图，计算给定区域中颜色与深度的权重，从而指导分割过程。提出的算法能够正确使用彩色信息和深度信息来指导分割，更准确地实现前后背景的分离。实验结果表明，该方法得到的分割结果较为接近真实情况，提高了图像分割的准确率。

• 基于CNN和DLTL的步态虚拟样本生成方法

  支双双,赵庆会,金大海,唐琎,

  针对步态识别在反恐、安防领域亟待解决的小样本问题，提出了一种基于深度卷积神经网络（convolutional and neural network，CNN）和DLTL（dual learning and transfer learning）的步态虚拟样本生成方法。首先用基于VGG19的深度卷积神经网络模型低层响应提取步态风格特征图，然后利用基于对抗网络的对偶学习（dual learning，DL）对风格特征图进行风格训练，得到风格特征模型；其次利用VGG19模型的高层响应提取步态内容特征图，然后让步态内容特征图对风格特征模型中的风格特征进行学习；最后使用迁移学习（transfer learning，TL）获得步态虚拟偏移样本。实验结果表明，经过DLTL风格学习生成的步态虚拟样本虽然整体风格发生改变，但人体步态特征没有改变，可有效扩充小样本容量；当虚拟样本增加到一定数量时，步态识别率有所提升。该方法与现有步态虚拟样本生成方法进行对比实验，结果表明该算法优于现有方法，能够大量生成虚拟样本且稳定提高步态识别的识别率。

• 图像灰度密度分布计算模型及肺结节良恶性分类

  VanbangLE,朱煜,郑兵兵,杨达伟,任晓东,ThiminhchinhNgo,

  提出一种基于密度分布的特征评估算法，同时引入模式识别模型来评估该方法的效率。首先，从肺部肿瘤图像中随机提取像素块集，通过K-均值聚类算法将其分为10类，根据CT图像中肺结节像素值和聚类中心的关系，提取出10维特征向量，利用随机森林分类器进行模型训练，进而判断肺结节良恶性水平。在CT图像公开数据集LIDC-IDRI上的实验表明，分类平均精度达到0.900 8。实验结果对比分析表明，提出的特征表达方法具有更优的分类效果和更高的鲁棒性。

• 基于权值分布的多模型分类算法研究

  蒋梦莹,林小竹,柯岩,魏战红,

  为了提高卷积神经网络对图像分类的正确率，对网络结构进行研究，提出了多模型融合卷积神经网络。通过提取单个模型的输出特征向量，进行融合后得到新的输出特征向量，再搭建单层分类器进行图像分类，提高分类准确率。将单个模型与多模型融合的分类准确率进行比较，多模型融合卷积神经网络的分类准确率有所提高。分析了卷积神经网络最后一层全连接层的权值分布，发现同一模型在不同数据集上的权值分布曲线相似，分类效果好的网络模型其权值分布曲线更平缓。

• 基于深度双向模型和特征融合的视频转文字研究

  宁培阳,史景伦,张荣锋,邱威,

  自动生成视频的自然语言描述是一个非常具有挑战性的研究热点。基于深度BLSTM模型和CNN特征的方法，能够学习到视频序列的全局时空关联信息。针对视频转文字时面临的准确率低以及计算复杂度高的问题，提出了深度BMGU模型，从而在保持深度BLSTM模型结构优势的同时提高计算效率；还将原始视频帧的CNN特征与经过Haar特征预处理后的视频的CNN特征进行后期融合，从而增加了训练特征的多样性，进而提升了视频转自然语言的实验效果。在M-VAD和MPII-MD数据集中，相对原S2VT模型，所提方法分别将METEOR分数从6.7和7.1提高到8.0和8.3。结果表明所提方法有效地改善了原S2VT模型的准确率和语言描述效果。