计算机应用研究杂志

计算机应用研究杂志2020年第3期

• Spark环境下K-means初始中心点优化研究综述

  行艳妮,钱育蓉,南方哲,赵京霞,

  为了能够及时了解Spark环境下经典聚类算法K-means的最新研究进展，把握K-means算法当前的研究热点和方向，针对K-means算法的初始中心点优化研究进行综述。首先介绍了内存计算框架Spark和K-means算法，并分析了K-means算法聚类不稳定性的成因和影响，其目的在于指出优化K-means算法的重要性；详细介绍了目前在Spark环境下优化K-means初始中心点的主要方法和最新研究现状，并展望了K-means初始中心点优化问题的未来研究方向。

• 移动界程演算理论及应用研究综述

  林荣德,江华,黄建新,

  移动界程演算通过界程这一核心概念来表达有边界的计算场所，并提供界程移动、认证和授权等能力，从最基础层次刻画移动计算的本质，成为了移动计算系统形式化理论和应用领域内的重要研究分支。对移动界程演算的理论及应用方面的研究和发展进行了概述，对移动界演算的扩展语义和代数性质的分析方法、移动界演算的空间逻辑和模型检测算法以及移动界程在计算系统建模方面应用现状进行了整理和分析，并对该领域未来进一步研究的方向进行了展望。

• 基于双通道特征融合的WPOS-GRU专利分类方法

  余本功,张培行,

  为提高专利文本自动分类的效率和准确度，提出一种基于双通道特征融合的WPOS-GRU（word2vec and part of speech gated recurrent unit）专利文本自动分类方法。首先获取专利摘要文本，并进行清洗和预处理；然后对专利文本进行词向量表示和词性标注，并将专利文本分别映射为word2vec词向量序列和POS词性序列；最后使用两种特征通道训练WPOS-GRU模型，并对模型效果进行实验分析。通过对比传统专利分类方法和单通道专利分类方法，双通道特征融合的WPOS-GRU专利分类方法提高了分类效果。提出的方法节省了大量的人力成本，提高了专利文本分类的准确度，更能满足大量专利文本分类任务自动化高效率的需要。

• 基于递归投影的结构性网络嵌入

  孟亚文,傅洛伊,王新兵,

  近些年来，在网络嵌入（network embedding）领域的大多数研究都着眼于基于网络节点邻接关系的社区身份，如node2vec和DeepWalk；而基于网络拓扑结构的结构身份研究则十分匮乏，前沿方法如struc2vec等，通常效率很低。提出了递归结构性网络嵌入（recurrent structural network embedding，RSNE），一种新颖而高效的结构特征学习方法。RSNE递归式地把节点的结构身份定义为其邻居结构身份的非线性投影。为了避免退化为基于邻接关系的聚类，采用了一种有效而鲁棒的初始化方法。理论分析显示RSNE在时间复杂度上显著优于现有的结构性网络嵌入方法，可视化与量化实验结果也表明RSNE在分类准确性和鲁棒性上达到了最新方法相同或更好的效果，同时消耗的计算时间与空间消耗也远远更少。

• 基于DMD-LSTM模型的股票价格时间序列预测研究

  史建楠,邹俊忠,张见,汪春梅,卫作臣,

  针对股票市场关系复杂导致的有效特征提取困难、价格预测精度低等问题，提出一种基于动态模态分解—长短期记忆神经网络（DMD-LSTM）的股票价格时间序列预测方法。首先通过DMD算法对受市场板块联动效应影响的关联行业板块样本股数据进行分解计算，提取包含整体市场和特定股票走势变化信息的模态特征；然后针对不同市场背景，采用LSTM网络对基本面数据和模态特征进行价格建模预测。在鞍钢股份（SH000898）上的实验结果表明，该方法相较于传统预测方法，在特定的市场背景下能实现更高的价格预测精度，更为准确地描述股票价格的变化规律。

• 基于加权K近邻的改进密度峰值聚类算法

  杨震,王红军,

  密度峰值聚类算法是一种新颖的密度聚类算法，但是原算法仅仅考虑了数据的全局结构，在对分布不均匀的数据集进行聚类时效果不理想，并且原算法仅仅依据决策图上各点的分布情况来选取聚类中心，缺乏可靠的选取标准。针对上述问题，提出了一种基于加权K近邻的改进密度峰值聚类算法，将最近邻算法的思想引入密度峰值聚类算法，重新定义并计算了各数据点的局部密度，并通过权值斜率变化趋势来判别聚类中心临界点。通过在人工数据集上与UCI真实数据集上的实验，将该改进算法与原密度峰值聚类、K-means及DBSCAN算法进行了对比，证明了改进算法能够在密度不均匀数据集上有效完成聚类，能够发现任意形状簇，且在三个聚类性能指标上普遍高于另外三种算法。

• 基于药物和疾病特征关联的药物重定位混合推荐算法

  刘杰,金柳颀,景波,

  针对基于协同过滤的药物重定位算法进行了研究，考虑到数据稀疏性对协同过滤算法的巨大影响，提出一种基于药物和疾病特征关联的药物重定位混合推荐算法。该算法不仅使用了药物和疾病关系数据，还利用了药物结构、靶蛋白、副作用以及药物—疾病特征矩阵等信息计算药物之间的相似性，降低了数据稀疏性对推荐效果的影响，提高了推荐精度。经过对比实验发现，该算法具备较好的推荐效果，并能够发掘具有潜在联系的药物—疾病组合，进一步验证了该算法可以有效地应用于药物重定位。

• 结合项目流行度加权的协同过滤推荐算法

  魏甜甜,陈莉,范婷婷,吴小华,

  针对传统协同过滤算法中存在的流行度偏差问题，提出一种结合项目流行度加权的协同过滤推荐算法。在项目协同过滤算法的基础上，分析项目流行度和流行度差异对相似度的影响；设置流行度阈值，对大于该阈值的流行项目设计惩罚权重，降低其对项目间相似度的贡献。通过在MovieLens 1M和Epinion数据集上进行实验验证和对比，结果表明，所提算法的预测准确度和覆盖率均优于传统算法，有效提高了推荐的多样性和新颖性，一定程度上缓解了流行度偏差问题。

• 结合评分比例因子及项目属性的协同过滤算法

  李淑芝,李志军,邓小鸿,

  针对传统的协同过滤算法存在用户评分矩阵稀疏及未考虑项目属性之间关系的问题，提出了结合评分比例因子及项目属性的协同过滤算法。首先利用评分矩阵得出项目之间的共同与非共同评分用户数量比矩阵，以此增加项目共同评分用户的影响度，减少用户—项目评分矩阵的稀疏性对项目相似度计算带来的误差；然后对项目属性量化得出其对项目相似度的影响权重，提高项目相似度计算的准确性，根据以上两点提出了一种结合评分比例因子及项目属性权重作为项目相似度权重的算法。实验结果表明，该算法在召回率和准确率上相比现有的方法分别提高了5.1%和4.7%，适用于电商类网站的个性化推荐。

• 受限玻尔兹曼机与加权Slope One的混合推荐算法研究

  沈学利,赫辰皓,孟祥福,

  针对传统协同过滤算法所面临的稀疏性及预测准确度不高的问题，提出一种基于受限玻尔兹曼机与加权Slope One的混合推荐算法。首先通过受限玻尔兹曼机对评分矩阵的初步填充，缓解数据的稀疏性问题；然后通过一种混合项目相似度计算方法，引入项目属性信息；最后通过加权Slope One算法的二次预测，提升推荐效果。在MovieLens100K数据集上的实验表明，两种算法的结合提高了推荐的准确度。

• 基于密度聚类算法的校园人群聚集和移动规律分析

  郭玉彬,吴宇航,周哲帆,李西明,

  针对某高校无线网日志数据进行挖掘分析，获取校园人群聚集点分布和人群移动规律。首先利用分布式统计算法统计校园内各建筑物的无线网络连接人次；然后建立校园建筑物的中心点经纬坐标的R树索引，并对R树叶子节点分组，以此将校园分成几个部分；再利用密度聚类算法对校园每一个部分中的建筑物中心点经纬坐标进行聚类得到校园区域划分；最后结合聚类结果和统计结果获取人群聚集区域和区域之间人群移动规律。研究结果可为学校校车路径规划、共享单车部署和校园功能区规划等工作提供参考。

• 基于蒙特卡罗仿真的湖库水质预测及富营养化风险评估方法

  王小艺,周宇琴,赵峙尧,王立,许继平,于家斌,

  已有的水质预测研究通常是单值预测，并以此为依据分析富营养化状态，具有一定的偶然性和不确定性。结合水质动力学模型，提出了一种基于蒙特卡罗仿真的湖库水质预测及富营养化风险评估方法。在已知水质动力学模型水质指标和模型参数的先验分布基础上，利用蒙特卡罗仿真预测水质指标的演化过程，获得未来时刻水质指标取值的概率分布，实现水质预测。进一步，构造综合营养状态指数，结合水质指标预测结果，计算综合营养状态指数的概率分布和处于不同营养程度的概率，实现富营养化风险评估。仿真结果表明，该方法能够有效实现水质预测和富营养化分析，且考虑更加全面、准确，克服了单值预测结果带来的偶然性。

• 基于循环卷积神经网络的实体关系抽取方法研究

  万静,李浩铭,严欢春,张雪超,

  针对目前大多数关系抽取中对于文本语料中较长的实体共现句，往往只能获取到局部的特征，并不能学习到长距离依赖信息的问题，提出了一种基于循环卷积神经网络与注意力机制的实体关系抽取模型。将擅长处理远距离依赖关系的循环神经网络GRU加入到卷积神经网络的向量表示阶段，通过双向GRU学习得到词语的上下文信息向量，在卷积神经网络的池化层采取分段最大池化方法，在获取实体对结构信息的同时，提取更细粒度的特征信息，同时在模型中加入基于句子级别的注意力机制。在NYT数据集的实验结果表明提出的方法能有效提高实体关系抽取的准确率与召回率。

• 基于时间分数阶非线性扩散模型的平滑方法

  李远禄,赵伟静,蒋民,

  针对信号降噪问题，结合经典非线性扩散滤波和分数阶导数，提出了一种时间分数阶非线性扩散的平滑方法，该方法是在经典非线性扩散模型的基础上将时间导数改为分数阶导数得到的。首先，给出了时间分数阶扩散滤波的数值算法；然后，与经典平滑方法（非线性扩散滤波、正则化方法、Savitzky-Golay法和小波法）进行了比较。结果表明，时间分数阶扩散模型在信噪比和均方根误差方面均有更大的改善；与经典平滑方法相比较，所提方法明显具有更优越的性能。

• 基于条件随机场与信息熵的特定领域概念发现

  付瑶,万静,邢立栋,

  针对特定领域内自动化识别既有概念和发现新概念的问题，提出一种基于条件随机场和信息熵的抽取方法。通过使用条件随机场对文本中的概念词进行边界预测，与词典中的概念对比，筛选出新概念的候选项并找出其大概位置，然后由互信息和左右熵分别判断概念窗口内的概念内部结合度和概念边界自由度，从而发现新的专业概念。实验表明，使用该方法进行概念发现比单独使用条件随机场的方法有更好的效果，基于字和词的模型概念发现的准确率分别提升了20.06%和46.54%。

• 基于二部图多权重投影的大数据推荐算法

  高薇,何可期,

  基于网络结构的推荐算法存在多样性不足的问题，提出了一种基于二部图多权重投影的大数据推荐算法。首先，提取出数据集的基础信息，将所有的项目—用户数据输入莱文斯坦距离程序，计算各个属性之间的相似性；然后，计算二部图网络中节点之间相同邻居的数量、节点之间的共同邻居度以及每个节点的度，计算二部图网络中每条边的三重权重；最后，采用增强的二部图投影技术提取二部图网络的潜在链接，实现基于相似性的链接预测。在大数据集与小数据集上分别开展了实验，结果显示该算法的准确率与覆盖率均优于其他几种类型的推荐算法，并且优于同类型的推荐算法。

• 情景感知的物联网服务推荐方法研究

  刘志中,郭思慧,张振兴,

  如何根据用户实时的情景高效地为其推荐最为合适的物联网服务，已经成为当前服务计算与物联网领域亟待解决的关键问题之一。针对这一问题，提出了一种基于情景感知的物联网服务推荐方法。首先基于改进的FolkRank算法生成当前用户可用的物联网服务列表；之后，依据用户当前关键的情景构建用户情景信息模型，根据用户的情景模型从服务列表中筛选出最能满足用户当前情景的物联网服务。实验结果表明，所提出的情景感知的物联网服务推荐方法是可行与有效的。

• 旅游高峰期交通流量的多时间尺度预测方法及应用

  李凌雁,赵欣,翁钢民,

  对旅游交通需求进行准确的短时预测难度很大，其时空分布规律更加难以估计。为了解决该问题，提高预测精度，首先分析了旅游交通流量的多时间尺度可预测性，进而运用多时间尺度预测方法对旅游交通流量进行了预测。结果表明，模型预测性能良好、精度较高，从分类和分层的角度构建旅游交通多时间尺度预测模型、分析旅游交通流量分布和旅游交通流量动态分配，能够为旅游高峰期的道路交通运行态势快速评估和制定应急交通组织管理方案提供精确参考。

• 面向汉维机器翻译的双语关联度优化模型

  潘一荣,李晓,杨雅婷,董瑞,

  针对汉语—维吾尔语的统计机器翻译系统中存在的语义无关性问题，提出基于神经网络机器翻译方法的双语关联度优化模型。该模型利用注意力机制捕获词对齐信息，引入双语短语间的语义相关性和内部词汇匹配度，预测双语短语的生成概率并将其作为双语关联度，以优化统计翻译模型中的短语翻译得分。在第十一届全国机器翻译研讨会（CWMT 2015）汉维公开机器翻译数据集上的实验结果表明，与基线系统相比，在使用较小规模的训练数据和词汇表的条件下，所提方法可以同时有效地提高短语级别和句子级别的机器翻译任务性能，分别获得最高2.49和0.59的BLEU值提升。

• 基于句子跨度的哈萨克语句法分析研究

  柴伟,古丽拉·阿东别克,

  由于目前哈萨克语句法分析准确率较低并缺乏基于神经网络的哈萨克语句法分析的相关研究，针对哈萨克语短语结构的句法分析，使用基于移进—归约的方法，采用在栈中存储句子跨度而不是部分树结构，从而在进行句法树解析时不需要对句法树进行二叉化。该研究在句子特征提取时使用双向LSTM对句子跨度特征进行提取，得到句子跨度在整个句子上下文中信息，再使用多层感知机对句法分析模型进行训练，最后在解码时使用动态规划选取最优句法分析结果；最终使得哈萨克语短语句法分析准确率达到了76.92%。研究成果对哈萨克语句法分析准确率有了进一步的提高，并为后续的哈萨克语机器翻译及语义分析奠定良好的基础。

• 一种针对机器阅读理解中答案获取的序列生成模型

  霍欢,邹依婷,金轩城,黄君扬,薛瑶环,

  针对机器阅读理解任务中的答案问题获取提出一种序列生成模型SGN。首先，SGN在问题矩阵空间获取问题与文章的匹配表示，并参照潜在的问题信息生成当前节点的词向量；然后使用一个选择门结构从文章或者字典中选择当前词汇，并且自发学习和归纳OOV（out-of-vocabulary）单词，解决语义表述不准确的问题；最后使用改进的覆盖机制消除生成序列中的冗余问题，从而提高可读性。实验通过人工数据集SQuAD进行验证，其结果表明，在阅读理解任务上SGN生成的目标序列与基准模型seq2seq相比可读性更加优异，并且与原文语义更贴近。

• 基于神经网络与领域知识的外交国际合作元素抽取

  张子靖,万常选,刘德喜,刘玉,刘喜平,江腾蛟,

  为了能够实时了解国际双边合作中有价值的信息，高效地智能提取Web外交新闻中的国际合作元素就显得至关重要。将国际合作元素抽取抽象为类似命名实体识别的问题，首先，界定国际合作元素的内涵；其次，提取了蕴涵领域知识的规则；再次，结合神经网络与领域知识提出了面向外交新闻文本的国际合作元素抽取方法；最后在相同语料库中与神经网络方法以及自身规则组合进行了比较，实验结果表明该方法具有更好的效果。

• 动态环境下改进人工势场法的仓储机器人自主导航系统研究

  罗强,王海宝,崔小劲,徐洪泽,

  为了解决仓储机器人在全动态环境中的自主导航问题，在分析自主导航技术基础上建立了机器人和动态障碍物的数学模型，搭建了以二维激光雷达为主的环境感知平台，提出了一种改进的人工势场法。在传统人工势场法中同时引入相对速度和相对加速度因素得到改进的人工势场模型，实现机器人在全动态环境中的自主移动。设计了无障碍物和多动态障碍物两种移动环境。经仿真验证，应用改进的人工势场法进行路径规划能高效地避开动态障碍物、跟踪动态目标，且运动路径光滑。

• 面向耗材节省的三维打印路径规划算法研究

  江志伟,李耀棠,

  为降低三维打印（three-dimensional printing）耗材费用并进一步提高打印效率，给出一种面向熔融沉积制造的三维打印路径规划算法。该算法综合考虑打印耗材、打印效率以及打印表面质量等因素，通过网格模型及其支撑的相邻层片轮廓关系求得可稀疏打印区域；基于多边形扫描线算法以及多边形单调链关系，得到能够连续打印的路径区域；最终通过区域路径稀疏化得到改进的打印路径。通过复杂网格模型的三维打印路径规划实例，验证了算法的有效性。该算法能够降低打印耗材数量，并进一步提高打印效率。

• 云—边缘系统中跨域大数据作业调度技术研究

  徐超,吴波,姜丽丽,金熠波,张胜,

  为了降低因处理这些跨域大数据带来的作业完成时延，首先提出了以最小化系列跨域作业平均完成时间为优化目标的在线随机调度算法ranTA。ranTA基于跨域资源的异构性在线地计算出各计算任务调度至不同位置的偏好，并以此偏好作为概率调度每个计算任务；更进一步，为了避免将“热点”数据积压在边缘集群造成性能瓶颈，提出基于ranTA的捎带式数据重分布机制ranTA-data，其将部分数据随任务执行留存至云数据中心。ranTA-data不仅优化了当前作业的完成时间，也能证明在该机制下系列作业的平均完成时间以大概率汇聚于最优解附近。大规模仿真实验表明，所提出的在线随机化算法与数据重部署机制相比传统方法，平均降低系列作业完成时间近30%。

• 基于改进匈牙利算法的航路网络延误优化

  王莉莉,王航臣,

  针对我国航路网络流量分配依靠管制员经验，缺乏量化模型协助决策这一问题，对航路网络的延误优化模型及其求解算法展开研究。首先，建立了目标函数为总航行时间最小、带容量约束的流量指派模型；其次，针对经典匈牙利算法只适用于中小型运算的问题，在效率矩阵的计算上作出加圈的零元素个数最大概率与效率矩阵的阶数相等的改进；再次，根据航路运行效率随时间和流量变化的特点，使用M/M/C排队论模型构建了航路的费用函数，用变化的费用替代效率矩阵中不变的效率值，使效率矩阵随时间和流量变化；最后，以中南空管局与西南空管局2016年11月部分空域的实际运行数据作为算例验证该模型与算法。结果表明，在通行能力优化方面，算法能将进场通行能力提升8.372%，离场通行能力提升8.999%；在延误优化方面，能降低每架航空器平均延误；在算法性能方面，具有比经典匈牙利算法迭代次数少、求解时间短的优点，更适用于实际的管制运行。

• 基于调度历史数据在线预测作业执行时间

  许伦凡,熊敏,肖永浩,

  传统基于用户预估的执行时间通常准确性较差。结合分类和基于实例的学习方法，综合使用模板相似和数值相似方法，在历史调度数据中获取当前作业的相似作业，并使用其历史信息预测当前作业执行时间。使用调度历史中的用户名、分组名、队列名、应用名、用户请求处理器数、用户请求（预估）执行时间和用户请求内存量等属性进行训练和预测，算法中涉及的参数使用遗传算法确定。数值实验表明，相较于已有文献，本方法在使用更少参数的前提下得到了与文献结果中相近的低估率，并获得了更低的平均绝对误差。在HPC2N04和HPC2N05日志数据集上，平均绝对误差分别降低了43%和77%。研究了使用在线预测替换用户估计对作业调度的影响，对结果进行了初步分析并指出了今后的改进方向。

• 基于混合布谷鸟算法的不确定手术调度模型求解

  杨枫,叶春明,汪顶玉,

  针对应急救援情境下手术调度中存在不确定性因素导致无法获得精确的手术时间和结束期的问题，设计了一种灰色调度模型和求解该问题的混合灰色布谷鸟算法。首先引入三参数和四参数区间灰数来描述不确定手术时间和不确定结束期，并定义了可能性测度和必然性测度，提出了拖期可信度指标用于度量手术发生拖期的概率；然后建立了以最小化手术平均拖期可信度为目标的灰色混合整数规划模型，提出了一种混合灰色布谷鸟算法的求解方法，并以规模为6（3）×3的经典算例为例进行仿真测试。实验表明该算法能很好地解决问题，比基本布谷鸟求解算法有更好的性能。

• 易腐品多周期闭环物流网络鲁棒优化模型

  郭健全,杨晓华,

  针对不同周期的易腐品需求与退货不确定性问题，构建了易腐品多周期闭环物流网络，并设计了对应的混合整数线性规划（MILP）模型，以实现最低系统总成本、最佳设施选址以及最优配送车辆运输路径的决策。为有效规避不确定参数的影响，采用基约束鲁棒方法，将模型中的部分清晰约束转换为鲁棒对应式。以上海市果蔬农产品企业为实例，通过遗传算法对模型进行求解。结果表明，相对单周期而言，多周期系统具有动态性、系统成本更低的优点，同时通过不确定预算参数的变化分析，验证了鲁棒模型的可行性与有效性，进而为不确定环境下构建多周期闭环物流网络及降低系统成本提供了借鉴。

• 基于ARM+FPGA平台的二值神经网络加速方法研究

  孙孝辉,宋庆增,金光浩,姜文超,

  现有的卷积神经网络由于其结构复杂且依赖的数据集庞大，难以满足某些实际应用或者计算平台对运算性能的要求和能耗的限制。针对这些应用或计算平台，对基于ARM+FPGA平台的二值化算法进行了研究，并设计了二值神经网络，该网络减少了数据对存储单元的需求量，也降低了运算的复杂度。在ARM+FPGA平台内部实现时，通过将卷积的乘累加运算转换为XNOR逻辑运算和popcount等操作，提高了整体的运算效率，降低了对能源和资源的消耗。同时，根据二值神经网络中数据存储的特点提出了新的行处理改进算法，提高了网络的吞吐量。该实现方式在GOPS、能源和资源效率方面均优于现有的FPGA神经网络加速方法。

• 融合模拟退火的随机森林房价评估算法

  丁旸钧天,曹怀虎,

  传统的随机森林房价评估算法存在着大量参数组合计算问题，参数的优劣对算法准确度影响很大。针对此问题，结合随机森林和模拟退火算法提出一种融合模拟退火的随机森林房价评估算法。首先通过10次10折交叉验证法对参数进行敏感性测试，选择出对随机森林算法敏感的参数；然后结合模拟退火算法对敏感的参数迭代寻优，通过与网格搜索算法、随机搜索算法进行对比分析发现，在参数组合计算过程中，模拟退火算法在运行时间和算法准确率方面更优，弥补了网格搜索算法耗时过长和随机搜索算法低准确率的缺陷；最后将融合模拟退火的随机森林算法应用于房价评估问题，构成新的房价评估算法。将新算法与传统随机森林房价评估算法进行了对比实验分析，结果表明，融合模拟退火的随机森林房价评估算法误差值减少，拟合优度值增加，评估的准确度得到了显著提升。

• 考虑制造商公平关切的强势零售商自有品牌导入策略研究

  黄宗盛,冯婷,

  研究了制造商公平关切下强势零售商的自有品牌导入策略，在有强势零售商存在的供应链中，考虑弱势一方制造商的公平关切对供应链决策的影响。将零售商是否导入自有品牌以及制造商是否具有公平关切行为进行组合，得到了四种情景，分析了四种情景下的供应链博弈模型，得到均衡策略、利润以及相应自有品牌的导入条件；进一步对模型进行比较分析，探讨自有品牌导入以及制造商公平关切对供应链成员决策以及利润的影响。研究发现，制造商的公平关切会使其批发价格和利润提高；零售商导入自有品牌会使零售商和供应链的利润增加，当自有品牌产品替代率较大时也会有利于制造商利润水平的提高。

• 多通道三维视觉指导运动想象脑电信号特征选择算法

  胡敏,王志强,黄宏程,李冲,

  针对基于三维视觉指导的运动想象脑机接口多通道冗余信息较多、分类准确率差的问题，提出了一种基于小波包分解（WPD）—共空间滤波（CSP）—自适应差分进化（ADE）的模式脑电信号特征提取与选择分类方法。首先，对采集的多通道运动想象脑电信号进行WPD变化，划分出精细的子频带；然后，分别将WPD变换后的每个子空间作为CSP的输入，得到对应的特征向量；最后，使用ADE算法对特征向量进行选择，选择出用于分类的最佳特征子集。采用WPD-CSP-ADE模式进行特征提取与选择，较经典的WPD-CSP方法在分类正确率、特征个数方面有着更好的表现。同时，所提算法分类性能明显优于遗传算法、粒子群算法。实验结果表明，WPD-CSP-ADE方法能够有效地提高分类正确率，同时减少了用于分类的特征个数。

• 基于交叉迁移和共享调整的改进蝴蝶优化算法

  孙林,陈岁岁,徐久成,王振华,

  针对蝴蝶优化（monarch butterfly optimization，MBO）算法易陷入局部最优和收敛速度慢等问题，提出了一种基于改进的交叉迁移和共享调整的蝴蝶优化（MBO with cross migration and sharing adjustment，CSMBO）算法。首先，利用基于维度的垂直交叉操作来替换标准MBO算法的迁移算子，形成交叉迁移算子，有效提升其搜索能力；其次，将原始调整算子改为具有信息分享功能的共享调整算子，以加快算法的收敛速度；最后，采用贪婪选择策略取代标准MBO算法中的精英保留策略，减少一次排序操作进而提高其计算效率。为了验证CSMBO算法的优化能力，在30维和50维函数上进行优化实验，并与三种优化算法进行比较，其实验结果表明CSMBO算法具有良好的优化性能。

• 基于用户兴趣的跨网络用户身份识别算法

  邓诗琦,李雷,施化吉,

  针对现有算法对用户兴趣在跨网络用户身份识别中作用的忽视以及时间复杂度高的问题，提出了基于用户兴趣的跨社交网络用户身份识别算法（UI-UI）。首先利用分块思想对用户节点进行初筛选，以提升算法效率、降低时间复杂度；其次，根据用户产生内容（UGC）和用户社交关系对用户兴趣进行建模，并计算兴趣相似度作为身份识别的依据；最后利用半监督学习的方法进行跨网络用户身份识别。通过在真实社交网络中进行实验，结果表明UI-UI算法能有效识别跨网络用户，且准确率和召回率稳定，运行时间显著减少。

• 具有学习机制的正弦余弦算法

  方旭阳,武相军,游大涛,

  针对标准正余弦算法在求解函数优化问题时易陷入局部最优、收敛精度较差等问题，提出了一种具有学习机制的正弦余弦算法。该算法引入精英反向学习策略构造精英及反向群体，对其混合群体进行择优保留，从而优化了种群中的个体位置，提高了算法的寻优精度；同时，利用个体的反思学习能力防止个体盲目地向当前最优解学习，使算法停滞在局部最优，从而有效地避免了算法的未成熟收敛。在13个标准测试函数上进行仿真实验，实验结果证明，该算法相比于对比算法具有较强的鲁棒性和函数优化能力。

• 基于XGBoost方法的社交网络异常用户检测技术

  袁丽欣,顾益军,赵大鹏,

  针对传统社交网络异常用户检测算法应用于现实中非平衡数据集时存在召回率低、运行效率低等问题，对社交网络数据集提取用户内容、行为、属性、关系特征，应用梯度增强集成分类器XGBoost算法进行特征选择，建立分类模型，构造非平衡数据集并识别三类垃圾广告发送账号。实验结果表明，该方法与随机森林等传统分类方法相比，对平衡及非平衡数据集进行异常用户检测均实现召回率和F1值的有效提升；同时其选取少量特征同样可达到较高检测水平，证明了该方法的有效性。

• 在小波域中实现的奇异谱分析音频隐藏算法

  陆诗依,高勇,

  针对许多语音隐藏算法隐藏容量不大、透明性不高等问题，提出了一种新的语音隐藏算法。将隐蔽信息通过G.729A进行压缩编码，再将提升小波变换和奇异谱分析应用于音频信息隐藏。实验表明，通过该算法嵌入隐蔽信息后的音频文件不仅在隐蔽信息容量上有显著的提高，而且具有很好的透明性，也能抵抗一定的攻击，算法在隐蔽容量、透明性和鲁棒性方面达到了较好的平衡。

• 基于条件变分自编码的密码攻击算法

  段大高,赵振东,梁少虎,韩忠明,

  使用密码猜测算法是评估用户密码强度和安全性的有效方法，提出一种基于条件变分自编码密码猜测算法PassCVAE。算法基于条件变分自编码模型，将用户个人信息作为条件特征，训练密码攻击模型。在编码器端，分别使用双向循环神经网络（GRU）和文本卷积神经网络（TextCNN），实现对密码序列和用户个人信息的编码和特征的抽象提取；在解码器端使用两层GRU神经网络，实现对用户个人信息和密码数据隐编码的解码，生成密码序列。该算法可以有效地拟合密码数据的分布和字符组合规律，生成高质量的猜测密码数据。多组实验结果表明，提出的PassCVAE算法优于现有的主流密码猜测算法。

• 基于HBase的细粒度访问控制方法研究

  黄良强,朱焱,陶霄,

  为增强HBase的安全访问控制能力，提出一种针对HBase的细粒度访问控制方法。该方法通过修改优化HBase源码，扩展访问控制权限、重写访问控制器达到细粒度访问控制的目的。归纳出应用于HBase的RBAC模型，内建数据库角色以解决权限扩展后细粒度权限管理难度增大的问题。通过设计实验测试用例，验证了提出的细粒度访问控制方法能更全面地保护HBase数据，解决了原有方法带来的权限过粗的问题，降低了数据可能被恶意地执行修改、删除等操作所带来的巨大安全风险。

• 基于深度序列加权核极限学习的入侵检测算法

  汪洋,伍忠东,朱婧,

  针对海量多源异构且数据分布不平衡的网络入侵检测问题以及传统深度学习算法无法根据实时入侵情况在线更新其输出权重的问题，提出了一种基于深度序列加权核极限学习的入侵检测算法（DBN-WOS-KELM算法）。该算法先使用深度信念网络DBN对历史数据进行学习，完成对原始数据的特征提取和数据降维，再利用加权序列核极限学习机进行监督学习完成入侵识别，结合了深度信念网络提取抽象特征的能力以及核极限学习机的快速学习能力。最后在部分KDD99数据集上进行了仿真实验，实验结果表明DBN-WOS-KELM算法提高了对小样本攻击的识别率，并且能够根据实际情况在线更新输出权重，训练效率更高。

• 面向企业私有云的数据安全保护方法研究

  陈庄,齐锋,

  针对现有企业私有云面临的数据安全存储和完整性校验问题，提出一种新的数据线性加扰混合加密保护方法。首先在数据加密之前进行数据细粒度和线性分割线划分；其次，分别对分割后的子数据块进行数据加扰处理；最后使用国产密码算法对加扰数据块进行混合加密和完整性校验。将所提出的算法与SM4和SM2加密算法进行比较，并通过实验分别对算法的正确性、加密文件类型、加/解密效率和安全性进行评估。实验结果表明，相对于另外两种加密算法，提出的算法在兼顾加/解密效率的同时安全性得到大幅度提升。

• 4 bit S盒输入及输出低次代数关系分析

  程月单,韦永壮,叶涛,

  随着4 bit S盒在轻量级密码算法中的广泛应用，如何捕获这些4 bit S盒输入及输出的代数关系成为了目前的研究热点之一。根据S盒的输入及输出关系，提出了n bit S盒的非线性回路代数关系的通用求解算法。针对4 bit S盒设计了高效的非线性回路代数关系求解算法，并对国际公认的16类最优4 bit S盒及多个著名的轻量级密码算法中的S盒进行了测试分析。同时，还对上述轻量级密码算法中S盒所属等价类进行了检测。研究结果表明：16类S盒代表元中只有3类不存在二次回路代数关系；同属等价类S盒可能会有不同的二次回路代数关系；MANTIS、PRIDE、Marvin等轻量级算法的S盒存在多个二次回路代数关系。即这些包含低次回路代数关系的S盒存在潜在的安全缺陷。

• 基于核函数的软件定义网络DDoS实时安全系统

  刘敏,滕华,何先波,

  针对软件定义网络中DDoS攻击的检测准确率与延迟较长的问题，提出了一种基于核函数的软件定义网络DDoS实时安全系统。首先，每个周期提取软件定义网络的报文头信息，并组织成矩阵形式；其次，采用马氏距离分析相邻特征向量的显著变化，设计了两个核函数综合评估攻击行为的流量；最终，采用谱聚类技术与协方差统计信息自动地定位攻击者。基于真实软件定义网络进行了实验，结果显示该安全系统实现了较高的检测准确率，并且实现了理想的处理时间。

• 攻防博弈驱动下的无线传感器网络病毒传播模型

  周海平,沈士根,黄龙军,刘妮,

  传统的无线传感器网络（wireless sensor networks，WSN）病毒传播模型直接给定感染概率和恢复概率，没有对其取值的原因进行分析。从博弈论的角度对WSN中病毒传播的微观机理进行分析，建立了WSN的攻防博弈模型，求出了博弈模型的混合纳什均衡解，并根据博弈双方的混合纳什均衡策略确定节点的感染概率和治愈概率，从而建立了WSN的病毒传播模型。此外，还进一步使用元胞自动机的方法对WSN的病毒传播过程进行模拟，理论分析及计算机模拟揭示了病毒传播结果与博弈参数之间的关系，研究结果对制定抑制病毒传播的措施具有一定的指导意义。

• 融合标签相似度的差分隐私矩阵分解推荐算法

  郑剑,王啸乾,

  推荐系统需要利用到大量的用户行为数据，这些数据极有可能暴露用户的喜好，给人们关心的隐私问题带来巨大的挑战。为保证推荐精度与用户隐私，提出一种结合差分隐私与标签信息的矩阵分解推荐模型。该模型首先将标签信息加入到项目相似度的计算过程；随后融入到矩阵分解推荐模型中提高推荐精度；最后运用随机梯度下降法求解模型最优值。为解决用户隐私问题，将拉普拉斯噪声划分成两部分，分别加入项目相似度与梯度求解过程中，使得整个推荐过程满足ε-差分隐私，并在一个真实的数据集上分析验证算法的有效性。实验表明，提出的方法在保证用户隐私的情况下，仍具有较高的推荐精度。

• 边缘计算网络中面向负载均衡的调度机制

  董谦,马宇翔,李俊,

  考虑边缘计算网络中的负载均衡需求，提出一种基于集中控制的调度机制。首先决定在哪些网络节点部署边缘计算功能，再针对用户的数据和请求，在满足相关负载均衡约束的前提下通过调度尽量降低流量的平均端到端延迟。评估结果表明，边缘计算节点的数量、计算资源和网络资源的负载均衡程度均可能影响流量的平均端到端延迟。只需选择少量合适的节点作为边缘计算节点，再将计算资源和网络资源的负载均衡调配到合适程度即可有效降低平均端到端延迟。

• 基于改进慢启动算法的大文件快速传输

  邓彬,成卫青,

  针对传统TCP在当前网络环境下传输大文件性能较低的问题，对TCP传输协议中的慢启动算法部分进行了相应的研究与优化。根据标准慢启动算法存在的问题并结合高速网络以及大文件传输的性能特点，提出了一个具有网络状态感知能力的慢启动改进算法。改进算法主要优化了TCP拥塞窗口的增长策略，它实时地监测文件在传输过程中TCP报文段的往返时间（round-trip time，RTT），并根据RTT的变化情况采用不同的窗口增长方式更新拥塞窗口；将改进算法部署在Linux网络模块中并分别在模拟网络环境和实际网络中进行测试。实验结果显示，改进算法能使发送窗口一直保持在一个较高的水平，实际数据传输速率和吞吐量均有了明显的提高。

• 基于增量最短路径优先算法的高效LFA实现方法

  耿海军,郭小英,尹霞,

  针对已有LFA实现方式计算开销大和部署难度高的问题，提出了一种基于增量最短路径优先算法的LFA实现方法（LFA implementation method based on incremental shortest path first algorithm，ERPISPF）。首先将快速实现LFA的问题转换为如何在以计算节点为根的最短路径树上高效地计算其所有邻居节点到网络其余所有节点的最小代价问题；然后提出了计算该代价的定理并且证明了它的正确性，最后从理论上分析了算法的时间复杂度。仿真结果表明，ERPISPF不仅计算开销小，并且与LFC的故障保护率是相同的。

• 移动群智感知中的空间任务分配机制

  邢倩,孙学梅,苑春苗,

  在移动群智感知的空间任务分配问题中用户与任务的空间距离直接影响完成任务所需的成本，而现有的研究在这方面却考虑不足，因此以最小化感知成本为目标设计了移动群智感知中的空间任务分配机制。首先，以感知成本最小为目标，基于遗传算法和贪心算法设计了一种高效的任务分配方法；其次，针对用户感知质量的随机性，基于用户的历史感知情况和当前任务的执行情况设计了用户感知质量的更新机制。为验证所提机制的效果，通过仿真实验与两种基准的任务分配方法作比较。实验结果表明，所提机制在感知总成本和用户执行任务所移动的总距离等方面均有更好的效果。

• 基于深度置信网络的高分辨率雷达距离像识别

  王泓霖,李伟,许强,徐建业,张军,

  为提高雷达目标识别准确率，提出了一种基于深度置信网络（DBN）的高分辨率雷达距离像（HRRP）识别方法。首先利用受限玻尔兹曼机（RBM）对HRRP数据进行逐层无监督训练，根据对比散度（CD）算法更新网络参数，通过误差重构设计DBN深度；而后利用反向传播（BP）机制对DBN模型参数进行有监督的微调；最后基于该模型实现了HRRP的分类与识别。实验结果表明，与传统神经网络相比，本文方法的识别准确率及噪声鲁棒性显著提高，识别准确率可提高8.5%。

• 面向EPC Gen2标准的RFID标签分组多位隙并行识别协议

  杨新爱,段富,

  在分析EPCglobal UHF class1 generation2和基于DFSA协议的高速标签识别算法的基础上，采用位隙FSA协议标签响应标志位隙的设置方法，通过在标签上设置一个组位隙响应标志字，提出了一种EPC Gen2 标准下的RFID标签分组多位隙并行识别协议GMBPIP，设计了一条新的分组查询命令和基于DFSA的多组标签并行识别协议流程，从理论上了分析GMBPIP协议的性能，并使用EPC Gen2 标准协议时间参数进行了仿真实验。结果表明，GMBPIP协议在不增加标签太多计算负担的情况下，能够在EPC Gen2标准下有效降低时隙空闲率和冲突率，提高了标签的识别率、时隙利用率；平均识别率不仅突破了帧时隙ALOHA协议最高36.8%的瓶颈，而且高于目前文献所述同类算法的性能指标，达到了70.95%~81.61%。GMBPIP可以作为低成本RFID系统高速识别大量被动标签的支撑协议。

• 大规模MIMO下联合用户位置和空间距离的导频分配方案

  周小海,黄俊伟,

  导频污染是大规模MIMO（multiple-input and multiple-output）系统的瓶颈问题，提出一种联合用户位置和空间距离的导频分配方案来抑制导频污染。该方案首先将所有用户按到达角是否重叠进行分类，将到达角互不重叠的用户归为前n类集合，剩余用户归为n+1类集合。为前n类用户集分配n组正交导频在集合内复用，而对n+1类集合中的用户进行导频选择时，定义一个干扰函数通过构建加权图的方式进行分配。同时，推导了上行频谱效率并分析了导频开销以及算法复杂度。仿真表明，该方案不仅减少了算法复杂度和导频开销，而且提高了系统的频谱效率（spectral efficiency，SE）。

• 频率捷变的全双工数字自干扰抑制方法

  皇甫雅帆,杨春,秋勇涛,刘友江,

  针对极端频谱环境中强干扰对全双工（full duplex，FD）系统性能的影响，提出了一种适用于频率捷变的全双工数字自干扰抑制（digital self-interference cancellation，DSIC）方法。通过离线运算获取工作频带范围内的误差补偿模型，并利用该模型实时生成捷变频点的自干扰（self-interference，SI）信道参数以重建自干扰信号并完成数字对消。数值仿真结果表明该方法在系统工作频带范围内可将自干扰抑制到噪底以下，并在整个频带具有较高一致性和良好的收敛性。

• 基于3D卷积神经网络的视频哈希算法

  刘玉莹,刘宏哲,袁家政,李兵,

  针对目前相似性视频检索方法中快速性和准确性仍无法满足用户要求等问题，提出了一种基于3D卷积神经网络的视频快速检索方法。该算法将3D卷积神经网络与哈希学习方法结合应用于视频数据，既能快速学习视频时空特征表示，又能极大地缩短视频检索时间。在常用视频数据集上的实验结果表明，利用所提出的方法对视频进行相似性检索性能优于当前主流方法。

• 基于深度时空卷积神经网络的人群异常行为检测和定位

  胡学敏,陈钦,杨丽,余进,童秀迟,

  针对公共场合人群异常行为检测准确率不高和训练样本缺乏的问题，提出一种基于深度时空卷积神经网络的人群异常行为检测和定位的方法。首先针对监控视频中人群行为的特点，综合利用静态图像的空间特征和前后帧的时间特征，将二维卷积扩展到三维空间，设计面向人群异常行为检测和定位的深度时空卷积神经网络；为了定位人群异常行为，将视频分成若干子区域，获取视频的子区域时空数据样本，然后将数据样本输入设计的深度时空卷积神经网络进行训练和分类，实现人群异常行为的检测与定位。同时，为了解决深度时空卷积神经网络训练时样本数量不足的问题，设计一种迁移学习的方法，利用样本数量多的数据集预训练网络，然后在待测试的数据集中进行微调和优化网络模型。实验结果表明，该方法在UCSD和subway公开数据集上的检测准确率分别达到了99%和93%以上。

• 融合背景估计与U-Net的文档图像二值化算法

  熊炜,王鑫睿,王娟,刘敏,曾春艳,

  针对低质量文档图像存在页面污渍、墨迹浸润、背景纹理等多种退化因素，提出一种融合背景估计与U型卷积神经网络（U-Net）的文档图像二值化算法。该算法首先进行图像对比度增强，然后通过形态学闭操作来估计文档图像背景，并利用全卷积网络，即U-Net对背景减除图像进行前景背景分割，最后采用全局最优阈值处理方法获得最终二值图像。实验结果表明，在2016和2017年国际文档图像二值化竞赛（DIBCO）中该算法的F值（F-measure，FM）、伪F值（pseudo F-measure，p-FM）、峰值信噪比（peak signal to noise ratio，PSNR）、距离倒数失真度量（distance reciprocal distortion，DRD）比性能次优的经典算法最高有5.58%、2.47%、0.86 dB、1.19%的性能提升。

• 基于改进Faster RCNN的安全帽佩戴检测研究

  徐守坤,王雅如,顾玉宛,李宁,庄丽华,石林,

  针对已有安全帽佩戴检测算法对部分遮挡、尺寸不一和小目标存在检测难度大、准确率低的问题，提出了基于改进的Faster RCNN和多部件结合的安全帽佩戴检测方法。在原始Faster RCNN上运用多尺度训练和增加锚点数量增强网络检测不同尺寸目标的鲁棒性，并引入防止正负样本不均衡的在线困难样本挖掘策略，然后对检测出的佩戴安全帽工人和安全帽等采用多部件结合方法剔除误检目标。实验表明，相比于原始Faster RCNN，检测准确率提高了7%，对环境的适应性更强。

• 静态图像中采用混合卷积结构进行人群密度估计

  范绿源,仝明磊,李敏,南昊,

  提出了一种混合卷积神经网络用于人群数量的感知计算，在高度密集的场景中可以准确地预测人群密度图。模型仅由两个部分组成：前端为扩张卷积神经网络提取二维特征；后端采用分数步长卷积神经网络降低下采样中的信息损失。为了验证和分析算法性能，模型设计基于当前较为流行的Shanghai Tech数据集，使用回归问题的评价指标，即平均绝对误差（MAE）和均方误差（MSE）作为评估算法性能的标准。在Shanghai Tech（MAE=100.8）、UCF_CC_50（MAE=305.3）与WorldExpo’10数据集上进行测试，实验表明模型在密集场景下较以往的方法有效降低了MAE和MSE，提高了密集人群计数的准确率。

• 基于自适应权重的遮挡信息立体匹配算法

  张雅妮,刁勤晴,朱凌云,

  针对传统局部立体匹配算法在深度不连续区域误匹配率高的问题，提出一种基于自适应权重的遮挡信息立体匹配算法。首先，采用左右一致性检测算法检测参考图像与目标图像的遮挡区域；然后利用遮挡信息，在代价聚合阶段降低遮挡区域像素点所占权重，在视差优化阶段采用扫描线传播方式选择水平方向最近点填充遮挡区域的视差；最后，根据Middlebury数据集提供的标准视差图为视差结果计算误匹配率。实验结果表明，所提算法相对于自适应权重算法误匹配率降低了16%，并解决了局部立体匹配算法在深度不连续区域误匹配率高的问题，提高了算法的匹配精确性。

• 基于区域分割的表情鲁棒三维人脸识别方法

  桑高丽,郑增国,闫超,

  为了克服表情变化致使三维人脸识别性能不佳的问题，提出基于鼻尖点区域分割的表情鲁棒三维人脸识别方法。首先，根据表情对人脸影响具有区域性的特点，提出仅依赖鼻尖点的表情不变区域（刚性区域）和表情易变（非刚性区域）划分方法；然后针对表情不变区域和表情易变区域使用不同的特征描述方式并计算匹配相似度；最后将表情不变区域和表情易变的相似度进行加权融合实现最终身份识别。提出方法分别在FRGC v2.0和自建WiseFace表情人脸数据库上达到98.52%和99.01%的rank 1识别率，证明该方法对表情变化具有较强的鲁棒性。

• 基于轻量级深度网络的目标识别方法

  李亚辉,刘俊,

  针对资源受限条件下目标识别任务，提出了一种基于轻量化深度网络的目标识别方法。通过优化卷积操作、模型参数压缩、增强特征表达深度等网络结构的优化方法，设计并实现了针对嵌入式平台应用的轻量化网络模型结构，使得深度网络模型在保证精度的条件下，模型参数和运行所需资源的大幅缩减。实验表明，提出的轻量化深度模型较ILSVRC-15冠军提出的基础模型ResNet，在ImageNet-67数据集上，网络模型压缩为基础模型10.2%的条件下仍保持93.5%的目标识别准确率。

• 基于新轮廓特征的离线签名鉴别

  黄威,詹恩奇,郑建彬,汪阳,

  离线签名笔画内部点及背景点的局部二值模式（LBP）非常相近，且对反映离线签名笔画特征有较大干扰，因此提出了一种轮廓处LBP直方图特征。提取签名轮廓上的LBP特征，同时引入了新的规则去除部分无用模式，可有效地提升LBP的有效性和鲁棒性。另外，针对方向链码特征在应用于签名鉴别时存在局限性的问题，提出了一种轮廓模式共生直方图特征。融合这两种轮廓特征，并使用主成分分析（principal component analysis，PCA）降维。最后，使用支持向量机分别在MCYT和GPDS两种公开离线签名数据库上进行测试，取得的平均错误率分别为13.51%和12.97%。在相同的数据集上与其他方法相比，具有更低的平均错误率。

• 基于降维Gabor特征和决策融合的高光谱图像分类

  杨秀杰,高丽,

  针对传统高光谱图像分类算法忽略空间特征这个问题，提出一种基于Gabor特征和决策融合的高光谱图像分类算法。首先，通过系数相关矩阵智能地对相邻和高相关光谱带进行分组；接着，在PCA投影子空间中提取每组中的Gabor特征，以量化局部方向和尺度特征；然后，结合保留非负矩阵分解的局部性以减少这些特征子空间的维度；最后，对降维特征进行高斯混合模型分类，并使用对数分类池决策融合规则将分类结果合并。实验结果表明，所提算法优于传统和现有的共计八种先进的分类算法。

• 基于特征重标定生成对抗网络的图像分类算法

  姜代红,张三友,刘其开,

  针对传统鉴别器的损失策略和结构难以提取到更抽象以及任务相关的鲁棒性特征，从而导致半监督图像分类表现不足的问题，提出了基于特征重标定的生成对抗网络。为了学习到任务相关的特征，在现有半监督GAN的基础上，为鉴别器引入模型在不同状态下的无监督均方差损失正则项，对训练样本中两个分支的同一输入对应得到的不同输出进行参数惩罚，从而指导特征重标定的优化方向。此外，在鉴别器中加入压缩激活模块来优化传统鉴别器的卷积池化结构，该模块自动学习每一个特征通道的重要程度，能够提取任务相关特征并抑制无关特征，实现特征的重标定功能，从而提高半监督图像分类的表现。

• 多尺度自适应阈值局部三值模式编码算法

  张雨,王强,李柏林,高攀,

  针对局部二值模式（local binary pattern，LBP）描述信息单一以及对噪声敏感的问题，提出一种多尺度自适应阈值局部三值模式（multi-scale adaptive local ternary pattern，MSALTP）编码算法。MSALTP首先将原始图像放大；其次将图像平均划分成几个区域，并计算像素的均值；然后计算每个区域中心像素与均值的偏差；最后提取ALTP特征，将结果统计特征直方图实现图像分类。实验表明提出的算法识别率比目前较好的抗噪声算法在不同的噪声下识别率有较大提高。

• 基于机器学习的心律失常信号分类算法研究

  刘腾,唐虹,张士兵,

  心电图中心律失常信号的分类识别是诊断心血管类疾病的重要依据。基于MIT-BIH提供的数据文件，通过小波变换提取了心电信号的21组特征信息，针对常见五类心律信号的分类识别进行了研究，设计实现了基于softmax回归和神经网络的分类算法。实验结果表明，一个适用的神经网络算法训练速度更快，在较少的迭代次数下，分类识别的正确率稳定在90%以上。

• 自适应滤波结合改进T-snake模型的甲状腺超声图自动分割方法

  周春瑜,程显毅,

  提出一种基于T-snake模型的甲状腺超声波图像分割的新方法。首先，结合基于窗口的各向异性扩散滤波方法与自适应加权中值滤波算法有效地消除甲状腺超声波图像斑点噪声；其次，以传统T-snake模型为基础，增加自适应区域能量和膨胀力对非连续边界与弱边界进行有效提取，实现甲状腺超声波图像的自动分割；最后设定模型参数，使用临床数据进行实验。结果证明，应用该方法得到自动分割结果的平均相对差异度小于5%，平均相对重叠度大于91%，验证了其可行性。

• 基于改进卷积神经网络的图像超分辨率算法研究

  胡晓辉,张建国,

  针对现有卷积神经网络图像超分辨率复原算法中映射函数容易出现过学习、损失函数收敛性不足等问题，通过结合现有视觉识别算法和深度学习理论对其进行改进。首先将原有SRCNN层数从3层提高到13层，并提出一种自门控激活函数形式swish，代替以往网络模型常用的sigmoid、ReLU等激活函数，充分利用swish函数的优势，有效避免了过拟合问题，更好地学习利用低分辨率到高分辨率图像之间的映射关系指导图像重建；然后在传统网络损失函数中引入Newton-Raphson迭代法理论，进一步加快了收敛速度。最后通过实验证明了改进的卷积神经网络模型能够有效改善图像的清晰度，并在主观视觉效果和客观参数评价指标上有进一步提高。

• 面向图文匹配任务的多层次图像特征融合算法

  郝志峰,李俊峰,蔡瑞初,温雯,王丽娟,黎伊婷,

  现有主流的利用预训练卷积神经网络提取图像特征的方法存在仅使用单层预训练特征表征图像和预训练任务与实际研究任务不一致的问题，使得现有图文匹配方法无法充分利用图像特征，极易受到噪声特征干扰。针对上述问题，使用了预训练网络中的多层特征，并提出了多层次图像特征融合算法。在图文匹配的学习目标指导下，利用多层感知机（multi-layer perceptron）有监督地融合和降维多层次的预训练图像特征，生成融合图像特征，从而充分利用预训练特征，减少噪声干扰。实验结果表明，提出的融合算法可实现对预训练的图像特征更有效的利用，相比于使用单层次特征的方法能获得更好的图文匹配效果。

• 面向骨骼受损类型判别的体素模板构建

  陆丰威,何坤金,陈义仁,

  针对骨骼受损类型判断较为困难的问题，提出一种面向骨骼受损类型判别的体素模板构建方法，旨在指导医生进行快速判断。首先，在骨骼平均化点云模型的基础上构建最小包围盒，根据空间分辨率对包围盒进行划分，遍历判断后生成体素骨骼模板；然后，建立受损类型与体素模板之间的对应信息，生成受损类型库；最后，将目标骨骼映射到模板上，根据映射后模板上的受损体素区域指导医生判断出受损类型。实验结果表明，该方法能辅助医生直观、快速地判断目标骨骼受损类型，有利于后期面向目标骨骼进行自动判别研究。