计算机应用研究杂志

计算机应用研究杂志2020年第2期

• 基于深度学习的单图像超分辨率重建研究综述

  南方哲,钱育蓉,行艳妮,赵京霞,

  为深入了解基于深度学习的单图像超分辨率重建（SISR）的发展，把握当前研究的热点和方向，针对现有基于深度学习的单图像超分辨率重建模型进行了梳理。介绍了相关深度学习算法和基于深度学习的模型以及评价指标，并通过实验对比分析现有模型的性能，其目的在于从本质上了解基于深度学习的单图像超分辨率重建模型的优势；对单图像超分辨率重建的关键问题进行了总结，并对未来的发展趋势进行了展望。

• 基于激光雷达的同时定位与地图构建方法综述

  危双丰,庞帆,刘振彬,师现杰,

  首先分解激光SLAM的基本框架，分别对前端扫描匹配、后端优化、闭环检测与验证、地图构建四个模块近年来的主流算法进行总结；然后对基于滤波器和基于图优化两种激光SLAM框架下的代表性方案进行深入分析和比较；最后对激光SLAM的发展趋势进行展望。

• 基于卷积神经网络和贝叶斯分类器的句子分类模型

  李文宽,刘培玉,朱振方,刘文锋,

  针对传统句子分类模型存在特征提取过程复杂且分类准确率较低等不足，利用当下流行的基于深度学习模型的卷积神经网络在特征提取上的优势，结合传统句子分类方法提出一种基于卷积神经网络和贝叶斯分类器的句子分类模型。该模型首先利用卷积神经网络提取文本特征，其次利用主成分分析法对文本特征进行降维，最后利用贝叶斯分类器进行句子分类。实验结果表明在康奈尔大学公开的影评数据集和斯坦福大学情感分类数据集上，所提模型优于只使用深度学习的模型或传统句子分类模型。

• 基于混合互信息算法的文本情感分析

  王义,戴月明,

  针对互信息（MI）特征选择方法存在的正负相关性现象，以及未考虑特征项在不同类别内词频的问题，提出了一种混合互信息特征选择算法（hybrid mutual information，HMI）。引入逆文档频率系数和类间词频信息系数，使得整个文档中的词频信息以及每个类之间的词频信息得以有效利用；引入正负相关性系数，区分正相关性和负相关性并进行有效的利用。通过实验对比表明，混合互信息算法可以有效地提高特征选择的质量，进而提高文本情感分析的效果。

• 基于性格的微博情感分析模型PLSTM

  袁婷婷,杨文忠,仲丽君,张志豪,向进勇,

  不同性格用户所具有的语言表达方式不尽相同，现有情感分析工作很少考虑到用户性格，针对此问题，提出一种基于性格的微博情感分析模型PLSTM。该模型首先采用性格识别规则将微博文本分为五个性格集合和一个通用集合，其次针对每种性格文本集合分别训练出一个情感分类器，最后对六个基本情感分类器进行融合，得出最终的情感极性。实验结果显示PLSTM方法的F1值可以达到96.95%，表明PLSTM比起基准情感分析模型在准确率、召回率、F1值上都有较大提高。

• 基于支持向量机的中文极短文本分类模型

  王杨,许闪闪,李昌,艾世成,张卫东,甄磊,孟丹,

  为了有效提取极短文本中的关键特征信息，提出了一种基于支持向量机的极短文本分类模型。首先对原数据进行数据清洗并利用jieba分词将清洗过的数据进行处理；再将处理后的数据存入数据库，通过TF-IDF进行文本特征的提取；同时，利用支持向量机对极短文本进行分类。经过1-0检验，验证了模型的有效性。实验以芜湖市社管平台中的9 906条极短文本数据作为样本进行算法检验与分析。结果表明在分类准确率方面，该方法相比于朴素贝叶斯、逻辑回归、决策树等传统方法得到有效提高；在误分度与精确度指标上匹配结果更加均衡。

• 融合语言特征的抽象式中文摘要模型

  胡德敏,王荣荣,

  为了解决传统抽象式摘要模型生成的中文摘要难以保存原文本语义信息的问题，提出了一种融合语言特征的抽象式中文摘要模型。模型中添加了拼接层，将词性、命名实体、词汇位置、TF-IDF等特征拼接到词向量上，使输入模型的词向量包含更多的维度的语义信息来确定关键实体。结合指针机制有选择地复制原文中的关键词到摘要中，从而提高生成的摘要的语义相关性。使用LCSTS新闻数据集进行实验，取得了高于基线模型的ROUGE得分。分析表明本模型能够生成语义相关度较高的中文摘要。

• 基于字簇的多模型中文分词方法研究

  李对红,王裴岩,张桂平,张少阳,

  字标注分词方法是当前中文分词领域中一种较为有效的分词方法，但由于中文汉字本身带有语义信息，不同字在不同语境中其含义与作用不同，导致每个字的构词规律存在差异。针对这一问题，提出了一种基于字簇的多模型中文分词方法，首先对每个字进行建模，然后对学习出的模型参数进行聚类分析形成字簇，最后基于字簇重新训练模型参数。实验结果表明，该方法能够有效地发现具有相同或相近构词规律的字簇，很好地区别了同类特征对不同字的作用程度。

• 基于CRT机制混合神经网络的特定目标情感分析

  孟威,尉永清,刘文锋,

  特定目标情感分析的目的是从不同目标词语的角度来预测文本的情感，关键是为给定的目标分配适当的情感词。当句子中出现多个情感词描述多个目标情感的情况时，可能会导致情感词和目标之间的不匹配。由此提出了一个CRT机制混合神经网络用于特定目标情感分析，模型使用CNN层从经过BiLSTM变换后的单词表示中提取特征，通过CRT组件生成单词的特定目标表示并保存来自BiLSTM层的原始上下文信息。在三种公开数据集上进行了实验，结果表明，该模型在特定目标情感分析任务中较之前的情感分析模型在准确率和稳定性上有着明显的提升，证明CRT机制能很好地整合CNN和LSTM的优势，这对于特定目标情感分析任务具有重要的意义。

• 一种H.265视频带宽实时预测模型

  刘江涛,李泽平,杨炳钊,

  针对视频直播过程中带宽抖动导致视频帧丢失造成用户体验降低问题，提出了一种H.265视频带宽实时预测（VBRP）模型。模型基于马尔可夫链，专注于H.265编码的直播视频流，研究了在GOP（group of pictures）编码模式下B帧出现的统计特性，发现B帧大小对视频流传输速率的影响较大。应用此特性可预测出直播流中B帧的大小，并根据网络带宽选择性丢弃B帧，同时引入步长调整因子AF和误差阈值FT，均衡模型在预测B帧时的训练频率和预测帧数。最后基于模型实现VBRP预测算法并在直播系统中验证算法的有效性。

• 拟合矩阵与两阶融合迭代加速推荐算法

  王帅,孙福振,王绍卿,张进,方春,

  传统的矩阵分解模型无法充分探索用户与物品在均值、偏置和特征之间的内在联系，提出拟合矩阵模型，通过构建用户与物品矩阵分别代表用户与物品特性来提高预测性能。矩阵分解模型在推荐系统领域有精度优势，但求解模型参数最常用的梯度下降法收敛速度缓慢，因此考虑与拟牛顿法融合，加快收敛速度。提出的算法命名为拟合矩阵与两阶融合迭代加速推荐算法（fitting matrix and two orders fusion iterative，FAST），实验表明，FAST算法比传统的非负矩阵分解（NMF）、奇异值矩阵分解（SVD）、正则化奇异值矩阵分解（RSVD）在平均绝对误差（MAE）与均方根误差（RMSE）上有下降，在迭代效率上有显著提高，缓解了精度与迭代效率难以平衡的问题。

• 基于语义位置和区域划分的兴趣点推荐模型

  刘辉,万程峰,吴晓浩,

  针对现有的位置社交网络研究工作对兴趣点相关的用户语义位置信息挖掘不够充分，且大多推荐算法忽略了兴趣点所在区域对推荐结果的影响，提出了一种新型兴趣点推荐模型（USTTGD）。首先采用分割时间的潜在狄利克雷分配主题模型（latent Dirichlet allocation，LDA），基于签到记录中的语义位置信息挖掘时间主题下的用户时间偏好，然后将兴趣点所处区域划分为网格，以评估区域影响；接着应用边缘加权的个性化PageRank（edge-weighted personalized PageRank，EwPPR）来建模兴趣点之间的连续过渡；最后将用户时间偏好、区域偏好和连续过渡偏好融合为一个统一的推荐框架。通过在真实数据集上实验验证，与其他传统推荐模型相比，USTTGD模型在准确率和召回率上有了显著的提升。

• 基于用户关系的跨社交网络用户身份关联方法

  刘奇飞,杜彦辉,芦天亮,

  为识别出不同社交网络平台中属于同一自然人的账号，提出了一种基于用户关系的跨社交网络用户身份关联方法。首先，设计了基于网络表示学习的用户关系提取模块，将大规模用户关系转换至低维向量空间进行表示；然后，针对异构信息网络改进了传统网络表示学习算法，提出了CSN_LINE算法，实现融合跨社交网络先验关联关系的网络表示；最后，构建了基于多层感知机的用户身份关联模型。实验结果表示，提出的方法与目前先进的方法相比，综合指标F1值和正确率的提高均超过12%，证明了该方法的合理性和有效性。

• 基于FP-Growth的智能家居用户时序关联操控习惯挖掘方法

  梁天恺,曾碧,刘建圻,

  针对传统关联规则挖掘算法无法高效且准确地挖掘出隐含于用户操作记录中的时序关联操控习惯，提出一种基于FP-Growth的智能家居用户时序关联操控习惯挖掘算法。该算法分为三个阶段，分别为基于用户操控动作森林、改进的FP-Growth算法和一种时间约束规则进行事务集的生成、时序频繁项集的生成以及最终时序关联操控习惯的生成。最后，使用真实用户操控记录进行对比实验，结果表明该算法能提高生成事务集的效率，并能更准确地发现用户操控家居设备的时序关联习惯。

• 基于蚁群聚类的动态加权PPI网络复合物挖掘

  胡健,朱海湾,毛伊敏,

  针对基于蚁群聚类的蛋白质复合物挖掘算法中，静态PPI网络难以真实反映细胞的动态特性，收敛速度较慢、聚类准确性和召回率不高等问题，提出一种基于模糊粒度和紧密度的蚁群聚类动态加权PPI网络复合物挖掘方法（FGCDACC-DPC）。首先基于动态PPI网络的拓扑特性和生物特性设计了综合性权值度量（comprehensive weight metric，CWM），准确描述了蛋白质之间的相互作用；其次根据复合物的基本特征，构建一组稠密且高度共表达的复合核，然后设计模糊粒度和紧密度的拾起放下模型对其余节点聚类，降低了计算复杂度和随机性，加快聚类速度；最后基于功能信息传递和时序功能相关的思想分别构建了局部和全局权值更新策略，实现不同代蚁群和不同时刻网络之间的功能信息传递，提高聚类准确性。将FGCDACC-DPC算法应用在DIP数据上进行复合物挖掘，实验结果表明该算法的精度和召回率较高，能够较准确地识别蛋白质复合物。

• 基于二进制编码的Apriori改进算法

  胡世昌,李劲华,王常颖,

  Apriori算法在挖掘频繁项集时需要多次扫描数据库，这样会因为频繁的IO操作而导致效率低下。为了改进算法的执行效率，提出BE-Apriori（binary encoded Apriori）算法，其充分利用了二进制数相比编程语言中各种数据结构在内存及运算速度上的优势，对事务记录进行二进制编码后加载到内存，然后利用等效的二进制数之间运算代替集合之间的运算。分析了算法性能，并利用UCI数据集中的毒蘑菇数据对BE-Apriori算法进行实验验证。结果表明BE-Apriori可以正确挖掘频繁项集，并且相比Apriori算法有着更好的性能。

• 融合隐含信任度和项目关联度的矩阵分解推荐算法

  李全,许新华,刘兴红,林松,

  随着社交网络的发展，融合社交信息的推荐系统在一定程度上解决了协同过滤推荐系统的冷启动和数据稀疏等问题，但是在信任数据稀疏情况下，仍会造成推荐精度降低等问题。为此，提出了一种融合隐含信任度和项目关联度的矩阵分解推荐算法。首先，利用矩阵分解模型将信任数据进行分解，得到用户的潜在被信任矩阵，在此基础上引入用户的影响力，从而提出了基于隐含信任度的推荐模型；然后，为了更好地利用项目间的关联信息，反映项目间的有向性，提出了基于项目关联度的推荐模型；最后，综合两种推荐模型并构建了一种推荐算法TCRMF。实验结果表明，所提算法在评分数据和信任数据稀疏的情况下仍然可以有效地提高推荐算法的精度，具有良好的应用前景。

• 基于加权TextRank的中文自动文本摘要

  黄波,刘传才,

  现有中文自动文本摘要方法主要是利用文本自身信息，其缺陷是不能充分利用词语之间的语义相关等信息。鉴于此，提出了一种改进的中文文本摘要方法。此方法将外部语料库信息用词向量的形式融入到TextRank算法中，通过TextRank与word2vec的结合，把句子中每个词语映射到高维词库形成句向量。充分考虑了句子之间的相似度、关键词的覆盖率和句子与标题的相似度等因素，以此计算句子之间的影响权重，并选取排序最靠前的句子重新排序作为文本的摘要。实验结果表明，此方法在本数据集中取得了较好的效果，自动提取中文摘要的效果比原方法好。

• 基于节点地位和相似性的社交网络边符号预测

  卢志刚,叶美丽,

  边符号预测即根据网络拓扑结构挖掘符号相关隐含信息，旨在揭示用户之间的潜在关系。节点地位和相似性能够较好地体现边符号属性，为改善预测效果提供了理论基础。通过探究两者与边符号属性之间的强相关性，建立符号预测模型。首先，利用排序算法prestige评估用户节点的社会地位，同时使用余弦相似度表示用户的社交偏好；然后，在逻辑回归学习模型的基础上融合两者建立边符号预测模型LR-SN；最后，在模型训练过程中采用随机梯度上升算法优化求解。三个真实网络数据集的实验结果表明，相比于现有基准方法，LR-SN模型的符号预测准确率显著提高且具有一定的推广性，说明通过融合局部信息与全局信息能够进一步改善预测效果。

• 基于轨迹聚类的航空器轨迹模式挖掘研究

  郭威,唐慧丰,

  轨迹模式是航空器在某段时间或某个区域内相对稳定的飞行模式，对理解和判断目标在一段时间或一定区域内的行为有着重要的意义。针对目标轨迹的特点，在基于点密度聚类算法的基础上，设计并实现了一种基于线段密度的轨迹聚类方法。该方法使用最小描述长度原则将目标的历史轨迹分割为若干轨迹段，通过计算轨迹段之间的相似度对飞行轨迹进行聚类，最后运用扫描线算法生成目标的轨迹模式。实验证明，该方法可以较为准确地从大量轨迹数据中发掘出航空器目标的轨迹模式。

• 基于网络社团划分方法的多维数据聚类研究

  吴行斌,郭强,张林兵,梁耀洲,刘建国,

  为了解决传统聚类方法在多维数据集中聚类效果不佳的问题，提出将网络社团划分的方法应用到多维数据聚类分析中。对于一个多维数据集，首先对分析对象进行特征提取，构建出每个对象的特征向量，通过计算皮尔森相关系数来度量不同特征向量之间的相似性，从而构建出一个相似性网络，采用Blondel算法对该网络进行社团划分达到聚类的效果。实验结果表明，该方法可以在多维数据聚类中得到较好的聚类结果，准确率达到92.5%，优于K-means算法的75%。

• 基于矩阵分解的DeepWalk链路预测算法

  冶忠林,曹蓉,赵海兴,张科,朱宇,

  现有的链路预测方法的数据来源主要是基于邻居、路径和随机游走的方法，使用的是节点相似性假设或者最大似然估计，尚缺少基于神经网络的链路预测研究。基于神经网络的一些研究表明，基于神经网络的DeepWalk网络表示学习算法可以更加有效地挖掘到网络中的结构特征，已有研究证明DeepWalk等同于分解目标矩阵。因此，提出了一种基于矩阵分解的DeepWalk链路预测算法（LPMF）。该算法首先基于矩阵分解的DeepWalk算法分解得到网络的表示向量；然后通过余弦相似度计算每对节点之间的相似度，构建目标网络的相似度矩阵；最后利用相似度矩阵，在三个真实的引文网络中进行链路预测实验。实验结果表明，提出的链路预测算法性能优于现存的20余种链路预测算法。这充分表明了LPMF能够有效地挖掘网络中节点之间的结构关联性，而且在实际网络的链路预测中能够发挥出较为优异的性能。

• 基于局部结构学习的非线性属性选择算法

  李佳烨,张乐园,雷聪,甘江璋,吕治政,

  针对大多数高维数据之间不仅有相似性，而且还有非线性关系等特点，提出一种基于局部结构学习的非线性属性选择算法。该算法首先通过核函数把数据映射到高维空间，在高维空间中表示出数据属性之间的非线性关系；然后在低维空间中通过局部结构学习来充分挖掘属性之间的相似性，同时通过低秩约束来排除噪声的干扰；最后通过稀疏正则化因子来进行属性选择。其通过核函数映射来找出数据属性之间的非线性关系，运用局部结构学习来找出数据属性之间的相似性，是一种嵌入了局部结构学习的非线性属性选择算法。实验结果表明，该算法相比其他对比算法有更好的效果。

• 基于Spark的改进K-means算法的并行实现

  杜佳颖,段隆振,段文影,卜秋瑾,

  针对K-means聚类算法存在的不足，提出了改进K-means来提高算法的性能，利用简化后的轮廓系数作为评估标准衡量K-means算法中k值，采用K-means++完成K-means算法初始中心点的选择。设置好k值以及初始中心点后使用形态学相似距离作为相似度测量标准将数据点归属到距离最近的中心点形成的簇中，最后计算平均轮廓系数确定合适的k值，并在Spark上实现算法并行化。通过对四个标准数据集在准确性、运行时间和加速比三个方面的实验表明，改进后的K-means算法相对于传统的K-means和SKDK-means算法不仅提高了聚类划分质量，缩短了计算时间，而且在多节点的集群环境下表现出了良好的并行性能。实验结果分析出提出的改进算法能有效提高算法执行效率和并行计算能力。

• 基于LLVM中间表示的数据依赖并行计算方法

  朱燕,衷璐洁,

  底层虚拟机（LLVM）是一个广泛使用的编译框架，其中间表示（IR）中包含有丰富的程序分析信息，众多以LLVM为平台的相关工作均以IR为基础开展。数据依赖关系在错误检测、定位及程序调试等领域有着重要应用，基于IR的数据依赖关系计算多采用串行迭代方式，但在应对较大规模IR文件时可扩展性不够理想。对此进行了数据依赖关系计算中指令读写的可并行性挖掘，结合图形处理器并行计算优势，提出一种基于LLVM IR的数据依赖关系并行计算方法DRPC。以IR为输入，采用CPU-GPU双端协同方式实现程序数据依赖关系的高效计算。实验结果表明，针对基准程序集SPEC，DRPC分别在直接及传递数据依赖关系计算上最高获得了3.48x和4.91x的加速比。

• 基于改进块稀疏贝叶斯学习算法的波达方向估计

  王书豪,阮怀林,

  针对传统的基于稀疏表示的DOA估计算法单纯利用信号的空域稀疏性，导致在低信噪比时稀疏性能变差，影响信号稀疏重构效果的问题，使用分块稀疏理论对信号进行稀疏分解。随着目标增多及作战任务改变，DOA估计往往呈现目标群测向的特点，为了能够更好地利用信号的结构特征和统计特征，提出了基于空时联合的块稀疏DOA估计算法，使用块稀疏理论挖掘信号的内部结构，充分利用了信号的块内稀疏性和块间相关性，提高稀疏重构性能，进而对DOA估计效果有很大的提升。仿真实验表明，相比于经典的DOA方法，本方法有更好的估计效果。

• 基于元胞自动机的动态回溯搜索优化算法

  杨军,张达敏,潘志远,刘冬,陈娟敏,

  针对传统回溯搜索优化算法存在收敛速度慢、搜索精度不高等问题，提出了一种基于元胞自动机和正交实验设计的改进算法。首先将正交实验设计方法引入算法的交叉算子中，得出具有代表性的优质子代个体；然后在元胞自动机邻居模型的基础上，对个体展开领域内多父代正交交叉操作，提高算法的开采能力和搜索效率；最后对参与交叉的种群引入动态优秀个体比例权重进行选择更新，并采用新的动态变异方程，平衡算法的全局搜索和局部搜索能力。通过对12个标准测试函数进行仿真实验，并与其他六种表现良好的算法进行比较，结果表明，改进的算法在收敛速度以及寻优精度方面都具有明显优势。

• 倒立摆的自适应积分反步控制策略

  刘成基,陶玉帆,郭思雯,陈艺航,

  针对直线单级倒立摆在模型参数不确定和外部扰动情况下的稳定控制问题，提出一种自适应积分反步控制策略。采用拉格朗日方程建立倒立摆系统的运动学模型，为减少稳态误差，将误差积分项引入反步法，设计了倒立摆的控制器；对含有未知参数的系统非线性状态微分方程，设计适当的Lyapunov函数推导出系统未知参数的自适应更新律，削弱了参数不确定性的影响。将自适应积分反步控制与一般的反步法控制、模糊控制及神经网络控制的仿真结果进行了对比，并在LabVIEW开发环境下进行了实物实验。结果表明，自适应积分反步法可以较为迅速且精确地完成稳定控制，较好地克服系统参数不确定及外部扰动的影响，具有较强的鲁棒性。

• 突发事件下的医院应急资源动态分配模型研究

  万志远,刘勤明,叶春明,刘文溢,

  针对突发事件下医院里应急资源供需不平衡的问题，进行了医院应急资源动态分配模型研究。考虑到病人数量增多以及病人伤情演变导致医院应急资源供应相对紧缺的现象，基于序贯决策理论，将病人需求的变化设计成一个马尔可夫决策过程，建立了医院应急资源动态分配模型。使用基本粒子群算法求解，通过某次地震发生后医院的救援实例进行分析。案例分析表明，马尔可夫决策过程可以动态地满足伤情演变下不同状态病人的需求，使得应急救援中整体的资源利用达到最优。

• 基于EEMD能量矩与邻域粗糙集的转子故障数据集分类方法

  孙泽金,赵荣珍,

  针对旋转机械故障辨识准确率偏低的问题，将经验模态分解（ensemble empirical mode decomposition，EEMD）与能量矩、邻域粗糙集（neighborhood rough set，NRS）结合，提出一种转子系统故障模式辨识的方法。首先利用EEMD将采集到的振动故障信号自适应分解成若干个平稳的本征模态函数（intrinsic mode function，IMF）分量并计算其能量矩；以此能量矩作为描述故障状态的条件属性建立故障识别决策表；然后利用邻域粗糙集对决策表进行属性约简消除冗余的属性；最后将约简后的敏感特征子集输入所设计的决策树（decision tree，DT）C4.5 算法中进行模式识别。通过典型转子实验台的故障特征集验证了该方法的有效性。

• 基于雾计算和强化学习的交通灯智能协同控制研究

  安萌萌,樊秀梅,蔡含宇,

  针对路口交通拥堵现象，结合雾计算和强化学习理论，提出了一种FRTL（fog reinforcement traffic light）交通灯控制模型，该模型根据实时的交通流信息进行交通灯智能协同控制。雾节点将收集到的实时交通流信息上传到雾服务器，雾服务器在雾平台实现信息共享，雾平台结合处理后的共享数据和Q学习制定交通灯控制算法。算法利用检测到的实时交通数据计算出合适的交通灯配时方案，最终应用到交通灯上。仿真结果表明，与传统的分时段控制方式和主干道控制方式（ATL）相比，FRTL控制方法提高了路口的吞吐量，减少了车辆平均等待时间，达到了合理调控红绿灯时间、缓解交通拥堵的目标。

• 棋盘局面数据标定方法研究

  丁濛,张亦鹏,李淑琴,

  基于深度学习模型的有监督训练依赖于大量高质量标定数据，但众多小众计算机博弈比赛棋种存在缺少人类对局记录作为训练样本的问题，因此在使用深度学习模型前如何生成一个合理标定的局面数据集是值得研究探讨的问题。针对点格棋博弈问题，提出了一种数据哈希去重以及局面标定方法。根据不同阶段回合局面数据的特点，通过alpha-beta完全搜索、回溯标定、并行化MCTS算法标定以及对称扩展技巧，收集并标定不同回合数的点格棋局面样本。实验共获得了包含15 000 000个带标定点格棋局面样本的数据集，为基于深度学习模型的点格棋有监督训练提供了保障。此外，所提方法也为其他棋种训练数据的获取提供了有价值的借鉴。

• 基于几何形态群组特征的R波检测算法

  刘炜,王林,李润川,佘维,蒋建豫,

  针对R波检测问题，提出了基于几何形态群组特征的R波检测算法。算法首先用滤波器组对心电信号进行预处理，然后通过整体与局部兼顾的信号处理方式计算几何形态特征值，并使用群组中三个几何形态特征值检测R波，最后采用MIT-BIH标准心律失常数据库验证算法。实验结果表明，算法对R波检测的错检率为1.07%，灵敏度为99.38%，精确率为99.61%，准确率为98.99%。

• 采用位置混沌重构的入侵杂草优化在盲源分离的应用

  李著成,黄祥林,

  传统盲源分离（blind source separation，BSS）优化算法的应用场合非常有限，而且分离性能不高，为此提出了一种新的采用位置混沌重构的入侵杂草优化算法（invasive weed optimization，IWO），并对其在盲源分离的应用进行了研究。新算法在每轮更新的初期驱动选出的较优个体向此时种群的最优个体做适当距离的移动，这样不仅会增加种群的多样性，避免算法出现早熟，而且也能够加快收敛速度。盲信号分离仿真实验证实，与标准IWO、粒子群优化算法（particle swarm optimization，PSO）和自然梯度算法（natural gradient，NG）相比，新算法的性能优势明显，收敛速度较快，分离精度较高。

• 融合人工求解策略的数独回溯求解法

  江顺亮,唐祎玲,徐少平,叶发茂,

  数独有唯一解，回溯法可以保证获得正确结果。为了提高回溯法求解效率，向前搜索用最基础的人工策略进行求解，这样只需要两三个正确的候选数就可求解成功。基础人工策略求解的结果分为求解成功、求解失败和求解不确定三种情况，只有在求解不确定时才继续向前搜索，从而达到高效剪枝的目的；同时在算法实施方面采用大量位运算，大量9×9数独的实验结果表明对于绝大部分数独，平均计算时间不超过0.15 ms，对于那些极端困难的数独平均求解时间为2 ms；求解一个16×16数独的平均时间为224 ms。通过实验还发现17个提示数的9×9数独数据集在各方面具有较好的分散性，建议作为标准测试用数据集。

• 基于排序优先经验回放的竞争深度Q网络学习

  周瑶瑶,李烨,

  为减少深度Q网络（DQN）算法的训练时间，采用结合优先经验回放机制与竞争网络结构的DQN方法，针对Open AI Gym平台cart pole和mountain car两个经典控制问题进行研究，其中经验回放采用基于排序的机制，而竞争结构中采用深度神经网络。仿真结果表明，相比于常规DQN算法、基于竞争网络结构的DQN方法和基于优先经验回放的DQN方法，该方法具有更好的学习性能，训练时间最少。同时，详细分析了算法参数对于学习性能的影响，为实际运用提供了有价值的参考。

• 第四方物流协同路径定制问题研究

  崔妍,马跃,王兴伟,黄敏,

  为了解决第三方物流（3PL）供应商面临的高运输成本问题，以第四方物流（4PL）供应商的角度，提出了多第三方物流供应商协同为客户定制路径的问题。针对该问题在模型求解上要同时考虑路径与3PL供应商的特点，设计了基于K-短路的混合粒子群（K-PSO）算法。实验分析中，通过K-PSO算法与遗传算法和枚举算法对不同节点数目以及不同3PL供应商个数下仿真算例的计算，表明了算法的有效性。最后，通过对3PL转运成本的改变，展示了4PL协同运输的优势。

• 可并行识别的UHF RFID防碰撞算法研究

  何怡刚,佘培亮,佐磊,张超群,

  针对传统的动态帧时隙ALOHA多标签防碰撞算法（DFSA）的系统吞吐率低、系统识别率低等问题进行了研究，提出一种可并行识别的UHF RFID防碰撞算法（OVSF-DFSA）。该算法通过基于正交可变扩频因子（OVSF）码作为扩频码的码分多址技术和DFSA协议相结合，突破了传统算法中单一时隙中只能识别一个标签的局限性，实现了标签碰撞到码碰撞的转变。以理论分析和仿真实验为基础，探究了该算法下的系统吞吐率、系统总时隙数及系统识别率等方面的性能。仿真结果表明，当帧长fs>2且OVSF码长m>2，当标签数目大于200时，OVSF-DFSA算法下系统吞吐率是DFSA算法的m倍，且与DFSA、MS-DFSA、PIGDFSA算法相比，OVSF-DFSA算法在上述性能方面效果更佳。

• 一种轻量级的雾计算属性基外包加密算法

  曾萍,钱进,穆成新,高原,胡荣磊,

  为减少属性基加密算法占用的资源，在安全数据访问控制的属性基加密算法的基础上提出了一种改进的属性基外包加密算法。改进算法将加密算法中的复杂双线性对计算外包给雾节点以减少用户的计算开销；同时通过简化系统参数，减少属性中心为属性生成的随机因子以缩短密文和密钥长度，降低了用户和雾节点的存储和通信开销。同时对提出的改进算法进行了安全性证明，证明了该改进算法是安全的。

• 基于模糊SVM模型的入侵检测分类算法

  汪生,金志刚,

  为解决入侵检测分类遇到的训练样本数量少、分类准确率低的问题，提出基于模糊支持向量机的多级分类机制。该分类机制训练模糊SVM模型将数据粗分为正常与攻击大类，采用DBSCAN算法产生细分模型进行攻击子集的自动聚类，将有关数据细分得到攻击的具体细类。在机制设计中，优化了隶属度函数的计算、设计了数据标准化与归一化等过程，并训练了高效分类器。实验表明，针对网络入侵检测数据中常见的孤立点干扰、噪声多，并且负样本占比多的网络业务数据集，新算法在保持分类准确率高的前提下，分类过程的计算时间较短。

• 基于MILP方法的LED密码安全性分析

  刘波涛,彭长根,吴睿雪,丁红发,谢明明,

  基于自动化搜索算法求解差分特征与线性逼近，成为了分组密码的差分与线性攻击研究热点。提出一种面向半个字节MILP模型自动化搜索密码算法的差分特征与线性逼近方法，对轻量级LED密码进行分析，以较少的变量与约束不等式求解活跃S盒数量，4轮运算至少有25个活跃S盒，这个结果与算法设计者给出的活跃S盒理论值相同，验证了该方法的正确性。最后，计算LED算法的最大差分特征及线性逼近概率，证明其能够抵抗差分与线性攻击。

• 一种基于三维模型冗余贴图的信息隐藏技术

  任帅,王震,张弢,徐振超,贺媛,苏东旭,柳雨农,

  针对传统三维模型信息隐藏技术鲁棒性不强的缺点，提出了一种基于三维模型冗余贴图的信息隐藏算法。首先，对正交投影纹理映射规则进行面片贴图的可行性进行验证；其次，构造带有表面颜色属性的四元数小波变换空间并选取传输的关键信息进行加密；最后，将隐秘消息嵌入鲁棒空间后生成含密OBJ模型，贴图纹理与状态信息保存至MTL文件中，以RSA编程手段进行含密模型文件加密处理。仿真实验表明，与不含表面贴图属性的三维模型水印以及隐写方法相比，该算法在特殊渲染环境下具备较强的抗攻击能力。

• 基于中国剩余定理的区块链投票场景签名方案

  王利朋,胡明生,贾志娟,公备,张家蕾,

  电子投票协议的底层密码学技术主要基于盲签名、环签名、代理签名进行实现，然而传统的上述签名算法在应用到区块链时可能会出现依赖中心节点、效率低下等问题。基于中国孙子定理提出了一种适用于区块链投票场景的门限签名方案，通过成员之间协作，生成份额签名并合成签名。签名方法支持节点加入和退出，签名过程无须中心节点参与，提升了方案的可用性；加入了对通信数据的验证功能，同时在通信过程中不暴露密钥信息，保证了数据在区块链不安全通信信道传输时的安全性；算法优化了通信效率，不仅节省了网络带宽资源，同时提升了系统吞吐率。安全性分析表明，攻击难度等价于求解离散对数问题，能够有效抵抗冒名攻击。计算复杂度分析表明，算法计算量较低，能够有效适配到区块链应用场景。

• 可公开验证的属性基数据可恢复性证明方案

  任燕,唐春明,

  数据可恢复性证明方案可以有效解决用户将数据存储在不诚实的服务器上时，需要对数据的完整性进行验证的问题。针对目前存在的大部分方案都是使用的基于身份的密码体制的问题，采用更直观灵活的基于属性的密码体制设计了基于属性的数据可恢复性证明方案。给出了方案的相关定义、安全模型和具体的构造，同时证明了方案的正确性和安全性。

• 异构资源环境下Hadoop节点能力自适应调度算法

  沈学利,盛方严,

  为了解决当前Hadoop集群在异构资源环境下固有的调度分配方法的不足，提出了一种基于节点能力的自适应调度算法NCAS（node capacity adaptive scheduling）。首先，NCAS算法根据节点性能、任务特征计算得到调度因子；然后，由调度因子确定各节点应分得的数据量与任务槽数；最后，将数据和任务多分给快节点同时少分给慢节点。实验结果表明，与传统的调度算法相比，NCAS算法大幅度减少了备份任务的启动数量，明显减少了作业完成时间，提升了任务执行效率。

• 一种针对RPL入侵检测的自适应节能算法

  张荣槟,张健,唐彰国,李焕洲,

  RPL（IPv6 routing protocol for low power and lossy networks）是IPv6低功耗有损无线网络的路由层协议，缺乏健全的安全保护机制且运行于资源受限的物联网设备导致容易受到网络攻击，因此在进行安全检测时应尽可能减少消耗设备资源。针对上述问题，分析了RPL网络的拓扑结构、RPL的入侵检测技术和常见网络攻击的原理，论证并提出了能够降低设备功率和网络负载的自适应节能算法，最后基于Contiki 3.0和Cooja实现并验证了该算法的有效性。实验结果表明，该算法能够根据网络拓扑挑选出有效的检测节点，在保证检测率的情况下降低约12%的设备平均功率。

• 一个改进的强指定验证者签密方案

  李元晓,周彦伟,杨波,

  Sujata等人在2012年提出了一个基于离散对数的强指定验证者签密方案，然而分析可知Sujata 等人的方案无法抵抗授权攻击，并且验证权具有可委托性。针对上述不足，给出了一个改进的强指定验证者签密方案，仅有指定的验证者才能验证签密密文的有效性；此外，指定的验证者能够生成一个与原始签密密文不可区分的签密副本。安全分析表明，该方案不仅能够抵抗适应性选择明文攻击，而且在提供认证的同时可保证签密密文的不可伪造性。由于该方案的上述优越性能，在实际生活中具有广泛的应用前景，如区块链、电子投票、电子招标等场景。

• 一种适用于分布式审批工作流的多重短签名方案

  左黎明,陈兰兰,周庆,

  传统单路线性工作流难以满足高并发、时效性高的管理事务需求，而采用多层网状分布式架构可以有效解决此类问题。针对分布式审批工作流业务系统中存在的数据交互安全问题，提出了一种安全性较高、签名长度较短的多重短签名方案。首先，在随机预言机模型和CDH困难问题假设下，证明了签名方案的安全性；基于此方案设计了分布式审批工作流交互协议，并进行了安全性分析；运用C语言实现了签名方案，并与同类签名方案进行了效率比较；最后对基于此签名方案的应用系统的优势进行了分析。结果表明，该签名方案效率较高、计算量小，因此，基于此方案的分布式审批工作流适用于高并发、时效性要求高的电子政务系统。

• 基于SDR平台的噪声聚合物理层安全传输方案的设计与实现

  秦鹏翔,任品毅,杜清河,孙黎,

  噪声聚合物理层安全方案通过编码设计，结合反馈控制可以充分地挖掘无线链路中引入的固有噪声资源，恶化窃听者的信道质量，增强通信系统的安全性能。为了在实际系统中验证与评估该方案的性能，基于软件无线电平台设计并实现了融合噪声聚合抗窃听功能的发射机、接收机方案；在此基础上，搭建了包含源节点、目的节点与窃听节点的抗窃听测试环境。以图像传输业务为测试案例，对误帧率、峰值信噪比等客观指标以及图像主观效果进行了评估。测试结果表明，合法接收端相比于窃听端在同一误帧率条件下可获得良好的信噪比增益；在同一信噪比条件下具有高峰值信噪比且清晰可辨的接收图像，验证了噪声聚合方案的有效性。

• 基于2D sine logistic混沌映射的医学图像频域加密算法

  邓小鸿,梁涤青,刘惠文,

  针对现有医学图像加密算法在加密效率和安全性上的不足，提出一种基于2D sine logistic混沌映射的医学图像小波域加密算法。算法首先利用整数小波变换将医学图像从空域转换为频域，充分打破像素间的相关性；其次，利用2D sine logistic混沌映射生成混沌序列，选取三级小波分级的低频系数LL3进行扩散和置乱加密，提高加密效率；并且将二级小波分解的中高频系数HL2和LH2进行扩散加密，解决加密图像中存在的明显轮廓问题；最后将加密后的小波系数进行小波逆变换得到加密图像。实验仿真结果表明，算法具有高安全性和加密效率，与现有空域方法相比，加密时间约为1/40；与现有频域方法相比，在保证加密效率情况下具有更好的加密图像隐蔽性。

• 可验证第三方的量子秘密信息平等互换协议

  邵婷婷,张仕斌,昌燕,

  为了实现通信双方的信息交换，提出一种可验证第三方的量子秘密信息平等互换协议。该协议中，由第三方制备GHZ态，将其中的两个粒子分别发送给通信的双方。通信双方分别对收到的粒子进行泡利操作，然后发送给第三方；第三方对新的GHZ态进行测量并公布测量结果，通信双方根据公布的测量结果能够推测出对方的秘密信息。通过分析可知，该协议能够实现通信双方秘密信息的平等互换，可以对第三方的身份进行认证，第三方负责进行粒子的分发和测量，但不能获得秘密信息。该协议能够检测窃听，同时能够抵御截获重发攻击、中间人攻击和参与者攻击。

• 减轻CMT中乱序程度的发送端数据分配方案

  王振朝,李海潇,侯欢欢,

  为减轻多径并行传输（concurrent multipath transfer，CMT）系统中的接收端数据包乱序对系统传输性能的影响，提出一种新的发送端数据分配方案。方案基于路径带宽、往返传输时延和拥塞窗口预测数据包前向传输时延，并将其作为划分系统中路径传输优先级的度量因子，发送端根据路径传输优先级和发送缓存区状态为各路径分配待发送队列中不会导致接收端乱序的数据包。仿真结果表明，与轮询和一种基于分组到达时间的负载均衡（arrival-time matching load-balancing，ATLB）算法相比，所提发送端数据分配方案可有效减少接收端乱序数据包个数。

• 基于单个移动信标节点的路径规划方法

  乔学工,段亚青,

  针对现有路径规划方法没有充分考虑到网络内未知节点的分布情况，存在定位覆盖率低且网络成本高的问题，设计了一种基于单个移动信标节点的路径规划方法。首先通过网络内未知节点的分布情况确定虚拟信标节点的位置以及数目；然后提出了一种基于高斯递减策略的非线性动态变化收敛因子改进灰狼优化算法，用于TSP求解路径规划问题，获得移动信标节点最短移动路径。仿真结果表明，该方法有效地提高了网络内未知节点的定位覆盖率，并节省了网络成本。

• 超网络的全终端可靠性分析

  张科,赵海兴,冶忠林,朱宇,

  网络的可靠性是复杂网络研究的一个重要领域，能有效刻画某些复杂系统的超网络属于复杂网络的研究范畴。基于超网络的拓扑结构——超图，提出了超网络在边失效下的全终端可靠度的定义，并给出了计算可靠度的两种基本方法，即状态枚举法和因式分解法，依据因式分解法对一些具有特殊结构的超网络进行化简。作为超网络可靠性的应用，研究了连通生成子网络的数目；在与普通复杂网络的对比中可以得知，超网络的可靠性研究不能用其转换后的普通复杂网络可靠性作替代研究，该研究是对超网络可靠性研究的初步探索，有着广阔的研究空间和应用前景。

• 基于修正后矩阵分解的最优协方差DOA估计

  邸敬,马黎文,申东,蒋占军,李翠然,

  针对传统来波方向（direction-of-arrival，DOA）估计在信号相干、低信噪比与噪声非均匀环境下性能差的问题，基于修正后的矩阵分解，提出一种利用凸优化的协方差矩阵最优DOA估计方法。修正后的矩阵分解方法，解相干的同时克服了孔径损失；然后，利用凸优化，重构出无噪声的协方差矩阵；最后，利用最小化搜索计算出DOA。仿真结果表明，所提算法与矩阵分解（matrix decomposition，MD）算法、基于l1范数的奇异值分解（l1-norm singular vector decomposition，l1-SVD）算法以及基于空间平滑的协方差秩最小化估计（spatial smoothing based covariance rank minimization，SS-CRM）算法比较，能更好地抑制非均匀噪声，且在低信噪比条件下，依然性能良好。

• 次用户信道使用公平和QoS保障原则的FQMAC协议

  苏凡军,张聪,

  针对异构认知无线电网络（cognitive radio networks，CRN）共存的情况，提出了FQMAC（fair and QoS guaranted MAC）协议。采用信标帧同步，将时间划分为信标周期，在信标周期内分别进行信道感知、信道协商和数据传输；将被其他异构网络的次用户（secondary user，SU）占用的信道也作为可用信道。根据信道质量将所有可用信道划分等级，根据次用户业务特征将次用户划分等级。等级高的次用户优先预约等级高的信道。对信道协商阶段的合理时长通过建立马尔可夫链模型进行了理论分析，得出其合理时长的理论值。仿真实验结果证明FQMAC可以较好地提升网络的吞吐量，保障了用户的QoS（quality of service），并实现了较好的公平性。

• 基于蚁群优化与独立特征集的遥感图像实时分类算法

  赵芳,索岩,彭子然,

  为了提高遥感图像的实时分类准确率与效率，提出了一种基于蚁群优化算法与独立特征集的遥感图像集实时分类算法。首先，提取遥感图像的小波域特征与颜色特征，并且组成特征向量；然后，采用蚁群优化算法对特征空间进行优化，独立地选出每个分类的显著特征集，从而降低每个子特征空间的维度；最终，每个分类独立地训练一个极限学习机分类器，从而实现对遥感图像集的分类。基于公开的遥感图像数据集进行了仿真实验，结果显示本算法实现了较高的分类准确率，并且实现了较高的计算效率。

• 基于级联体素纹理的VCT全局光照算法

  张菁,王鹤,张晓东,

  针对大规模场景的全局光照渲染往往因为计算量过大而无法满足实时性要求的问题进行了研究，提出一种高性能的体素圆锥追踪（voxel cone tracking，VCT）全局光照算法。算法包括：a）在体素化阶段，提出一种新型的场景光照信息表示级联体素纹理结构，该结构极大地减少了存储场景的内存消耗而且具有各向异性，在处理大规模场景时具有速度快、质量高的优势；b）在光照计算阶段，基于级联体素纹理结构提出一种改进的圆锥追踪滤波器，能够提高光照注入和反射光计算的效率；c）改进场景的体素化更新策略进一步提高了算法的运行时帧率。实验证明，本算法在降低内存占用空间和提高速度方面均远优于原VCT算法，满足了大规模场景中全局光照计算的实时性要求。

• 基于多层融合和细节恢复的图像增强方法

  龙鑫,何国田,

  针对部分图像在光照不均匀、过亮或过暗下出现的对比度低、细节不可见等问题，提出了一种基于多层融合和细节恢复的图像增强方法。首先在HSV图像空间中将V通道等价复制为Retinex模型增强层、亮度增强层、细节突出层三层。在Retinex增强层中，利用加权引导滤波和形态学结合来消除光晕现象，并通过改进Retinex模型增强图像亮度和细节；在亮度增强层中，通过自适应归一化函数进一步增强亮度；在细节突出层中，人工蜂群算法优化改进局部线性增强模型来突出图像细节。最后根据Gamma校正特性和邻域像素关系，提出细节恢复方案避免融合后造成的部分细节模糊。实验数据表明，该算法能更有效地突出图像细节和提高对比度，并与现有算法在客观量化方面进行对比，综合性能更为优越，尤其在清晰度指标上远高于其他算法。

• 基于多重特征匹配的点云配准算法

  李强,高保禄,窦明亮,

  针对最近点迭代（iterative closest point，ICP）算法搜索匹配点对规则单一、准确度低的问题，提出一种基于多重特征匹配的点云配准算法。首先采用改进自适应八叉树算法分割点云，通过移动最小二乘法（moving least squares，MLS）对其叶节点进行局部拟合后，计算点的多重特征；然后提出了基于多重特征的点对相似度，选取满足相似度约束的点对作为匹配点对，进而求取旋转矩阵和平移矩阵实现点云配准。实验表明，该算法能在保持点云配准速度较高的基础上，有效提升配准的准确度，且准确度的提升幅度随着点集数量的增大呈升高趋势。

• 基于改进PVANet的实时小目标检测方法

  段秉环,文鹏程,李鹏,

  现有目标检测算法主要以图像中的大目标作为研究对象，针对小目标的研究比较少且存在检测精确度低、无法满足实时性要求的问题，基于此，提出一种基于深度学习目标检测框架PVANet的实时小目标检测方法。首先，构建一个专用于小目标检测的基准数据集，它包含的目标在一幅图像中的占比非常小且存在截断、遮挡等干扰，可以更好地评估小目标检测方法的优劣；其次，结合区域建议网络（RPN）提出一种生成高质量小目标候选框的方法以提高算法的检测精确度和速度；选用step和inv两种新的学习率策略以改善模型性能，进一步提升检测精确度。在构建的小目标数据集上，相比原PVANet算法平均检测精确度提高了10.67%，速度提升了约30%。实验结果表明，该方法是一个有效的小目标检测算法，达到了实时检测的效果。

• 基于L1/2正则化和局部纹理约束的人脸超分辨率图像重建

  王宝成,李波,

  为了更好地利用低分辨率人脸图像，提出了一种基于L1/2正则化和局部纹理约束的人脸超分辨率重建。在人脸重建的过程中，使用非负矩阵分解将人脸图像放大到合适的中等分辨率，使用局部纹理约束加强纹理特征提取；然后使用局部稀疏先验进行人脸图像重建，再次加入重建约束和局部纹理约束。为了使获取的人脸图像稀疏系数更加稀疏，使用L1/2正则化求解稀疏表示系数。实验结果表明，重建的人脸图像保持了原图像的结构，可以实现很好的重建结果，并且具有更好的鲁棒性。

• 基于图像级标签及超像素块的弱监督显著性检测

  谭台哲,轩康西,曾群生,

  针对获得训练数据集代价高昂问题，提出了一种用于图像显著性检测的弱监督新方法，在训练网络模型时仅使用图像级标签。方法分为两个阶段，在第一阶段，根据图像级标签训练分类模型，获得前景推断图；在第二阶段，对原图像进行超像素块处理，并与阶段一得到的前景推断图进行融合，从而细化显著对象边界。算法使用了现有的大型训练集和图像级标签，未使用像素级标签，从而减少了注释的工作量。在四个公共基准数据集上的实验结果表明，性能明显优于无监督的模型，与全监督模型相比也具有一定的优越性。

• 改进的Gabor小波变换特征提取算法

  刘胜昔,程春玲,

  针对基于Gabor小波幅值与相位的人脸特征提取方法的特征级联方式使得特征向量维度较高的问题，提出了一种改进的Gabor小波变换特征提取算法。该算法计算局部幅值特征和局部相位特征，增强了每个像素的局部关联性；然后通过实验选定加权系数，将幅值特征与相位特征进行加权融合。实验结果表明，该算法与改进前的算法相比，降低了特征向量的维度，且提高了最终的人脸识别率。

• 基于核函数与马氏距离的FCM图像分割算法

  王燕,亓祥惠,段亚西,

  针对模糊聚类算法邻域信息与空间信息利用率低易受噪声影响的问题，提出一种结合核函数与马氏距离的FCM算法，即FCMKM算法。首先，将图像像素点由低维空间通过核函数非线性映射到高维空间；然后，利用马氏距离替换原有的欧氏距离作为高维空间距离量度；最后，利用改进后的算法对图像进行分割。为验证FCMKM算法的性能，选取Bezdek划分系数、Xie-Beni系数、重构错误率、运行时间、迭代次数五个评测指标作为对比实验的评价标准。实验结果表明，与传统FCM算法、基于核函数的FCM算法、基于马氏距离的FCM算法相比，FCMKM算法能有效地提高模糊聚类算法的抗噪性。

• 基于递归神经网络的视频多目标检测技术

  华夏,王新晴,马昭烨,王东,邵发明,

  针对现有基于大数据和深度学习的目标检测框架难以实现在低功耗移动和嵌入式设备上实时进行视频目标检测的问题，改进了基于深度学习的目标检测框架SSD，提出一种改进的多目标检测框架LSTM-SSD，将其专用于交通场景视频多目标检测。将单图像检测框架与递归神经网络-LSTM网络相结合，形成交织循环卷积结构，通过采用一种Bottleneck-LSTM层提炼传播帧间的特征映射实现了网络帧级信息的时序关联，极大降低了网络计算成本；将时间感知信息与改进的动态卡尔曼滤波算法结合起来，实现了对视频中受光照变化、大面积遮挡等强干扰影响目标的追踪识别。实验表明，改进后的LSTM-SSD在应对多目标、杂乱背景、光照变化、模糊、大面积遮挡等检测难度较大的情况时，均能获得较好的效果，相比于其他基于深度学习的目标检测框架，各类目标识别的平均准确率提高了5%~16%，平均准确率均值提高了约4%~10%，多目标检测率提高了4%~19%，检测帧率达到43 fps，基本满足实时性的要求。其实现了算法精度与运行速率的平衡，取得了较好的检测识别效果。

• 基于SSU-SGD的动态手持物体识别

  赵文仓,陈聪聪,郑鸿磊,

  连续目标中包含更加丰富的信息，为了更好地获取动态手持物体中的视觉信息，以不同背景下的动态手持物体为目标，基于步长自学习更新的SGD算法（简称SSU-SGD）提出了适用于动态手持物体识别的三个基准，通过自学习出不同的步长，分别在已知类、未知类和已知对象的基础上进行巩固训练，用于后续的动态手持物体识别中。用AlexNet和VGG网络对三个不同基准下的naive策略和累积策略进行了编程实验与仿真，经实验验证，该方法可以有效提高运行速度和训练精确度，并且有效提高了动态手持物体识别过程的实时性，可以进一步应用于实际。

• 基于DCNN分类的图像相关度度量

  王会勇,谢春杰,张晓明,孙晓领,

  在衡量图像之间的相关度时，图像的物理特征（颜色分布、灰度值等）所能表达的内容可能并非十分全面，因此有必要参考图像视觉所包含的语义信息衡量图像之间的相关度。为此提出了一种基于深度卷积神经网络（deep convolutional neural network，DCNN）分类模型的度量图像相关度的方法，利用模型为图像绑定来自于WordNet的语义标签，并参照WordNet结构对标签进行过滤和扩展，利用概念集合计算图像相关度。与人工判定的样本数据作比较，Pearson相关系数峰值能够达到0.73，证明该方法在衡量图像相关度时具有一定的效果。

• 基于复合特征和动态阈值圆法的手势识别算法研究

  王梅,张震,张曦,屠大维,

  针对传统手势识别中用肤色分割手部区域效果的局限性，采用Kinect获取深度信息来分割手掌，能得到较好的效果。对手掌轮廓进行多边形逼近，将凸包点作为候选指尖点。利用非零像素（白）到最近零像素的距离提取掌心，用线性回归动态调整阈值圆半径，将无用凸包点过滤，实现指尖点的准确提取。在分类识别中，将图像的Hu矩和指尖点个数组合起来，作为复合手势特征，导入KNN分类器中，实现手势识别。实验证明，基于复合特征和动态阈值圆法的手势识别算法具有较好的识别率和实时性。

• 一种双水平集模型分割左心室膜的方法

  李林,李军华,邵晓宇,

  针对目前左心室内外膜分割方法存在分割出的轮廓正则性差、分割心室膜模糊边缘不完全和分割效率低等问题，提出新双阱势函数和各向异性梯度矢量流（AGVF）改进水平集模型能量函数，用融合0水平集和k水平集的双水平集同时分割左心室内外膜的方法。首先，用改进Hough变化圆检测算法定位心室内外膜初始位置；然后利用双水平集模型同时分割内外膜。观察和对比分析实验结果，该方法能够分割出平滑的左心室内外膜轮廓；能够分割出符合临床定义的左心室内外膜轮廓，且分割MRI图像左心室内外膜轮廓重叠率平均提高到0.956 9。