计算机应用研究杂志

计算机应用研究杂志2020年第4期

• 主题爬虫技术研究综述

  潘晓英,陈柳,余慧敏,赵逸喆,肖康泞,

  随着移动互联网的普及以及网络信息指数的增长，如何有效地提取和利用这些信息面临巨大挑战。介绍了主题爬虫的工作原理、分类；回顾了近年来国内外关于主题爬虫的研究状况，分析了各种主题相似度的方法以及搜索策略，得出相比于普通的爬虫系统，基于网页内容和基于链接分析的爬虫系统的查准率、查全率都大幅提升；最后分析比较了主题网络爬虫两种动态搜索策略并指出了未来研究方向。

• 基于深度学习的面部表情识别研究

  陆嘉慧,张树美,赵俊莉,

  针对基于深度学习的静态人脸图像表情识别方法进行研究，首先介绍了深度学习的原理，并归纳了目前公开且常用的面部表情数据集；然后介绍了基于深度学习的表情识别的三个步骤，归纳了图像预处理和表情分类的主要方法，重点总结了目前性能较好的用来提取特征的深度学习框架以及这些方法的基本原理和优劣势比较；最后指出了目前面部表情识别存在的问题和未来可能的发展趋势。

• 基于K近邻的众包数据分类算法

  李佳烨,余浩,

  针对众包数据处理中的质量控制问题，提出了一种加权K近邻投票分类方法。该方法不单单只是考虑了某个样例的标记来返回一个答案，而是通过综合考虑样例的近邻来得到更加准确的答案。同时对样例的近邻加以适当的权重来进一步提高算法的性能，并保持了传统多数投票分类的简单性。K近邻投票分类算法可以有效地解决缺乏标记的情况，通过对近邻加以权重可以解决不平衡标记造成的影响，从而使算法的泛化性更强。通过各种场景下的实验，结果表明加权K近邻投票分类方法取得了很好的效果。

• 融合双重正则化机制的低秩矩阵分解推荐模型

  郁雪,张昊男,

  基于矩阵分解技术的社会化推荐通过加入用户信任关系来加强学习准确性，但忽略了物品之间的关联信息在模型分解过程中对用户兴趣的影响。对此首先提出在物品相似度计算方法中加入用户参与度进行改进，并构建了融合物品关联正则项和信任用户正则项双重约束的矩阵分解推荐模型，在优化隐式特征矩阵过程中体现了物品之间的关联信息对推荐的重要影响。最后通过对两个不同稀疏级别的数据集的实验证明，相比主流的矩阵分解模型，提出的双重正则项的矩阵分解模型能够提高稀疏数据集上预测评分的准确性，并能明显缓解用户冷启动问题。

• 基于最近邻距离权重的ML-KNN算法

  陆凯,徐华,

  在大数据环境下，K近邻多标签算法（ML-KNN）高时间复杂度的问题显得尤为突出；此外，ML-KNN也没有考虑k个近邻对最终分类结果的影响。针对上述问题进行研究，首先将训练集进行聚类，再为测试集找到一个距离其最近的训练数据簇作为新的训练数据集；然后计算最近邻样本的距离权重，并用该权重描述最近邻和其他近邻对预测结果的影响；最后使用新的目标函数为待测样本分类。通过在图片、Web页面文本数据等数据集上的实验表明，所提算法得到了更好的分类结果，并且大大降低了时间复杂度。

• 用于独立特征学习的稀疏非负矩阵分解算法

  黄卫春,赵杨,熊李艳,

  为了防止特征的共适应性，提出利用余弦相似度来减少潜在特征之间的相关性，从而提高非负矩阵分解（non-negative matrix decomposition，NMF）的独立特征学习能力。此外，为了使得分解后的矩阵具有较好的稀疏性，提出在传统NMF模型中引入L2，1/2稀疏约束，增强了算法的局部学习能力和稳健性。因此，潜在特征中的语义信息更加明显，潜在空间的表示更具有判别性。在fetch_20newsgroups数据集上对文档聚类的实验结果表明，提出的INMF算法在一系列评价指标上效果都优于传统的NMF、SNMF等算法模型。

• 基于智能手机传感器的基础行为识别方法研究

  孔菁,郭渊博,刘春辉,王一丰,

  为提高人类行为识别准确性的同时降低实现过程的复杂程度，提出基于智能手机加速度传感器与陀螺仪数据对六种日常基础行为进行识别的方法。在分析传感器框架的基础上，对加速度传感器进行数据采集并对原始数据进行数据预处理，然后采用主成分分析方法结合已有知识对数据统计特征进行降低维数处理，再利用机器学习算法实现对行为特征的分类与识别，目的是简化基础行为的识别过程并提高数据的利用率。实验测试结果验证了决策树与支持向量机分类器结合使用的有效性，识别准确率可接近97%。

• 精细化交叉口数据模型的建模方法

  张腾,黄敏,张汉林,

  针对现阶段交通网络数据模型对交叉口处物理几何形态以及交通组织渠化描述不足的现状，提出了一种面向精细化交叉口的路网数据模型，从物理、逻辑和几何三个层面对交叉口的逻辑拓扑、标线规则等信息进行描述，以支持交通分析的计算需求；同时，提出了一种基于物理拓扑和逻辑拓扑采用基于要素的线性参考技术，构建交叉口几何拓扑的建模方法；最后对平面交叉口进行建模实验。实验结果表明该方法能够有效地支持精细化交叉口几何数据的自动生成。

• 基于互补约束规划模型的投影Barzilai-Borwein梯度算法求解绝对值方程

  严涛,

  在绝对值方程Ax-|x|=b问题有解的情形下，给出了求解绝对值问题的一种新方法。首先建立了一等价求解绝对值问题的互补约束规划模型，进而利用新模型中的非负约束给出了求解绝对值问题投影Barzilai-Borwein（BB）梯度算法。数值实验结果表明了该方法的有效性。

• 具有高效确认机制的双层卫星网络多径路由协议

  孙伟超,梁俊,肖楠,丁然,

  针对资源受限的LEO卫星网络中传统单路径路由协议数据传输速率较低的问题，基于GEO/LEO双层卫星网络模型提出一种基于网络编码（NC）的双层卫星网络多径路由协议（N-NCMR）。首先，通过GEO卫星为LEO卫星网络计算路由减轻LEO卫星的负担，结合NC技术动态地沿着多个不相交路径传输数据流的不同部分；其次，设计了一种高效的延迟确认机制加速数据传输，源节点在接收到前一组的确认（ACK）消息之前可以连续发送后续的组。仿真结果表明，该路由协议显著提高了LEO卫星网络的吞吐量和数据传输效率。

• LBSN协作式个性化链接预测算法

  胡敏,崔永胜,黄宏程,陈元会,

  在基于位置的社交网络中用户链接与位置链接之间具有一定的内在关联，而且不同的用户在社交网络中的表现也存在差异，因此对于以上问题提出一种协作式个性化链接预测算法。针对用户的个性化特征，采用核密度估计方式对用户在时间和空间维度建模，基于兴趣组对用户进行重叠社团划分，并通过社团、好友以及签到关系进行个性化用户链接预测；基于个性化用户链接预测结果，利用从社团重启的随机游走预测用户的个性化位置链接；协作式个性化链接预测算法通过用户链接预测和位置链接预测的迭代使得两者性能相互提升。实验结果表明，所提算法相比于现有算法具有更好的预测性能。

• 基于均衡数据放置策略的分布式网络存储编码缓存方案

  陈雪,胡玉平,

  为了保证网络存储的负载平衡并避免在节点或磁盘故障的情况下造成不可恢复的损失，提出一种基于均衡数据放置策略的分布式网络存储编码缓存方案，针对大型高速缓存和小型缓存分别给出了不同的解决办法。首先，将Maddah方案扩展到多服务器系统，结合均衡数据放置策略，将每个文件作为一个单元存储在数据服务器中，从而解决大型高速缓存问题。然后，将干扰消除方案扩展到多服务器系统，利用干扰消除方案降低缓存的峰值速率，结合均衡数据放置策略，提出缓存分段的线性组合，从而解决小型缓存问题。最后，通过基于Linux的NS2仿真软件，分别在一个和两个奇偶校验服务器系统中进行仿真实验。仿真结果表明，提出的方案可以有效地降低峰值传输速率，相比其他两种较新的缓存方案，提出的方案获得了更好的性能。此外，采用分布式存储虽然限制了将来自不同服务器的内容组合成单个消息的能力，导致编码缓存方案性能损失，但可以充分利用分布式存储系统中存在的固有冗余，从而提高存储系统的性能。

• 对光照鲁棒的道路边缘检测算法

  马玛双,杨小冈,李维鹏,

  针对在光照变化和强阴影干扰条件下的道路边缘检测问题，提出了一种对光照鲁棒的道路边缘检测算法。该算法结合导向滤波和抗阴影特征提取器，首先，采用导向滤波对图像的边缘进行增强，减少背景噪声干扰；其次，利用抗阴影道路特征提取器提取道路粗边缘轮廓；最后，采用模糊连通性分析，结合道路边缘全局信息将道路边缘分为远、近两部分，对提取的边缘点进行修正，并采用RANSAC进行拟合。实验部分采用ROMA数据集对算法进行验证，实验结果表明，该边缘检测算法的综合性能指标为83.67%，在各种道路条件下，具有较好的鲁棒性和准确性。

• 基于Stein-Weiss函数的彩色掌纹特征识别算法

  吴明珠,陈瑛,李兴民,

  针对目前掌纹识别算法中对彩色掌纹图像的识别研究不多，提出一种新的基于Stein-Weiss函数解析性质的BP神经网络彩色掌纹图像的识别算法。首先为彩色掌纹图像中的每个像素点构建一个Stein-Weiss函数，再根据Stein-Weiss函数的解析性，计算出相应像素的16个特征值，将这些特征值输入到BP神经网络的输入层，通过BP神经网络的自学习能力对这些数据进行分类学习；然后通过BP神经网络的泛化能力来获取掌纹边缘线；最后对掌纹边缘线提取成对几何特征建立特征库，通过成对几何直方图相交算法进行掌纹识别。实验结果表明，相对于以往的灰度掌纹图像识别算法，该算法能够更快地提取出更精细的掌纹线，识别率更高，并且对于旋转和噪声的干扰具有较强的鲁棒性。

• NLOF：基于网格过滤的两阶段离群点检测算法

  王立英,石磊,伊静,宋天霞,

  现有的离群点检测算法因没有对原数据进行处理导致计算时间复杂度过高，检测效果不理想。提出一种基于网格过滤的两阶段离群点检测算法NLOF。首先使用网格过滤对原数据进行初步筛选，将密度小于特定阈值的数据放入候选异常子集中；然后为了进一步优化基于密度的算法，基于k邻域，根据邻域中数据点的个数与邻域所组成圆的面积之比，作为数据点密度计算的依据，进行离群点检测以获得更准确的离群点集。在多种公开数据集上进行实验，实验表明，该方法可以在异常检测中取得良好的性能，同时降低了算法的时间复杂度。

• 基于聚类PSO-LSSVM模型的PAD维度预测

  胡艳香,孙颖,张雪英,段淑斐,

  针对PAD（愉悦度、激活度、优势度）预测精度问题，提出将最小二乘支持向量机（least squares support vector machine，LSSVM）经粒子群优化（particle swarm optimization，PSO）算法优化再与情感聚类分析结合的聚类PSO-LSSVM模型。对TYUT2.0和柏林语音库的三种情感语音提取情感特征，基于特征与标注的P、A、D对三种单一情感分别建立各类情感维度PSO-LSSVM模型以及对三种情感建立混合情感维度PSO-LSSVM模型；然后利用混合情感维度PSO-LSSVM模型预测P、A、D，并计算其与基本情感PAD的距离；最后将距离大于阈值的情感聚类为混合情感，将距离小于阈值的情感聚类为与其距离最近的情感，并利用对应情感的回归模型预测其P、A、D。研究显示，该模型对P、A、D的预测误差较LSSVM和PSO-LSSVM模型更小，且预测值与标注值的相关性更强，说明聚类PSO-LSSVM模型对P、A、D的预测更加可靠、准确。

• 基于曲率信息的人工蜂群点云配准算法

  付鲲,陈雷,

  针对仅使用群智能优化算法及点云空间信息进行点云配准时，优化过程寻找两片点云对应点耗时较长，收敛速度较慢的缺点，提出一种基于曲率信息的人工蜂群点云配准算法。算法根据曲率信息提取特征点，通过改进人工蜂群算法优化目标函数得到可以使两片点云重合的最佳变换矩阵。在种群优化过程中根据曲率信息约束对应点寻找范围，缩小参与计算点云的规模。对比实验表明，与仅采用随机选点方法和使用点云空间坐标信息的配准算法等相比，所提出算法可以在不降低配准精度的同时，有效加快配准收敛速度，显著缩短点云配准所用时间。

• 一种求解函数优化问题的改进鲸鱼优化算法

  刘亮,何庆,

  为提高鲸鱼优化算法求解复杂函数优化问题的性能，提出一种基于自适应参数及小生境技术的改进鲸鱼优化算法。首先，引入自适应概率阈值协调算法的全局探索及局部开发能力；其次，利用自适应位置权重对鲸鱼位置更新公式进行调整，提高算法的收敛速度及寻优精度；最后，采用预选择小生境技术，避免算法出现早熟收敛的现象。通过对12个典型基准测试函数的仿真表明，改进算法的寻优精度和收敛速度较对比算法均有明显提升，证明了提出的改进策略能有效提高鲸鱼优化算法求解复杂函数优化问题的性能。

• 基于改进遗传算法的稀疏重构算法

  潘美虹,郑芹,

  稀疏重构算法中凸松弛法在恢复效率方面、贪婪追踪法在恢复精度方面存在不足，基于遗传算法迭代优化的思想，结合模拟退火以及多种群算法的优势，提出了基于模拟退火遗传算法和基于多种群遗传算法的启发式稀疏重构算法。所提算法均从传统遗传算法易陷入局部最优解的缺陷出发，分别通过保持个体间的差异性和提高种群多样性来搜索待求稀疏信号的全局最优解，并通过理论分析证明了所提算法参数选取及搜索策略的有效性。此外，以阵列信号处理中空间信源的波达方向（DoA）估计问题为例，验证了所提算法的有效性。仿真结果表明，相较于正交匹配追踪OMP算法和基于l1范数奇异值分解的l1-SVD算法，所提算法提高了DoA估计的精度，且降低了运算复杂度，使其快速收敛至全局最优解。

• 基于逐维反向学习的动态适应布谷鸟算法

  黄闽茗,何庆,文熙,

  为了解决布谷鸟搜索算法寻优精度不高、收敛速度慢、后期搜索活力不足以及处理高维优化问题时存在维间干扰等缺陷，提出了逐维反向学习策略的动态适应布谷鸟算法。首先，对选择更新后的解进行逐维反向学习，减少维间干扰，扩大种群多样性；然后，使用精英保留方式评价该结果，提高算法寻优能力；最后，充分利用当前解的信息进行动态适应的缩放因子控制，引导解快速收敛，提升算法搜索活力。实验结果表明，该算法相比较于标准布谷鸟搜索算法，寻优精度、收敛速度以及后期搜索活力有所提高，与其他改进算法相比也具有一定的竞争优势。

• 基于指数衰减惯性权重的分裂粒子群优化算法

  王永贵,曲彤彤,李爽,

  针对粒子群优化算法因种群多样性丧失而陷入局部最优、早熟收敛的问题，提出一种基于指数衰减惯性权重的分裂粒子群优化算法（EDW-DPSO）。首先，采用半均匀初始化种群，使种群以整体均匀、局部随机的方式分布；其次，引入动态分裂算子，对满足分裂条件的粒子执行分裂操作，增加种群多样性，避免粒子陷入局部最优；最后，采用指数衰减的惯性权重，平衡粒子全局搜索和局部开发能力。实验结果表明，该算法在前期有较大的搜索空间，种群多样性增加，后期则强调局部开发，提高收敛精度和优化能力，加快粒子跳脱局部极值逼近全局最优。

• 求解多目标带时间窗VRP的文化狼群算法

  李小川,刘媛华,王影歌,

  针对以最小化总距离和车辆数为目标的带时间窗车辆路径问题的求解，提出一种基于文化基因的狼群算法。根据客户近邻度矩阵构建初始狼群，提高狼群的优良性。结合问题特征与狼群算法的寻优思想，重新定义了群体的游走和突袭行为。提出头狼变异策略，增加了最优解的邻域搜索范围。受文化算法启发，将当前最优解的有利信息作为信仰空间的知识来指导狼群进化方向，提高搜索效率。仿真实验及与其他算法对比表明，文化狼群算法求解车辆数更少、总距离更短，且具有更好的稳定性。

• 具有干扰的多领航者系统群集运动的快速收敛

  杨怡泽,杨洪勇,刘凡,李玉玲,刘远山,

  针对具有多领航者网络化系统的离散时间群集运动问题，提出了一阶/二阶网络化系统的包容控制算法。运用现代控制理论、代数图论和线性矩阵不等式等分析工具对所提出的控制算法进行理论分析，得到了具有干扰的多领航者网络化系统在离散时间情况下有限时间内实现群集运动的收敛条件。最后，利用LMI工具箱数值仿真求得正定矩阵范围，进而确定线性系统的稳定性。系统仿真验证了所得结论的正确性。

• 采用改进型SOS算法的光伏组件模型参数辨识

  康童,姚建刚,金敏,朱向前,文武,

  针对当前大部分光伏（photovoltaic，PV）模型参数辨识算法均存在准确性低和可靠性差等问题，提出了一种采用改进型共生生物搜索算法（symbiotic organisms search，SOS）的光伏组件模型参数辨识方法。首先，为提高标准SOS算法的寻优性能，提出了新的改进型SOS算法，记做ImSOS算法。该算法在标准SOS算法的生物种群初始化阶段采用了准反射学习机制；在互利共生搜索阶段采用了改进受益因子策略；在偏利共生搜索阶段采用了收缩随机数产生因子区间策略。其次，给出了采用ImSOS算法求解基于实验测量电流—电压（I-V）数据的光伏组件模型参数辨识问题的具体步骤及实现流程。最后，利用实际Sharp ND-R250A5光伏组件进行实验，通过与标准SOS算法以及其他七种新颖智能优化算法进行对比验证，结果表明了ImSOS算法在光伏组件模型参数辨识的有效性和优越性。可见ImSOS算法为准确可靠地辨识光伏组件模型参数提供了一种新的有效方法。

• 改进加权支持度的Pythagorean模糊交叉幂均群决策方法

  杨扬,彭定洪,

  针对毕达哥拉斯环境下的多属性群决策问题，首先，将毕达哥拉斯模糊数和幂均算子相结合，创造性地拓展了一种新的改进加权支持度；然后，基于此提出了改进加权支持度的毕达哥拉斯模糊交叉幂均算子，并讨论了该算子的性质，进而建立一种毕达哥拉斯模糊背景下能够反映决策属性间相互作用的决策方法；最后，将其应用于智慧城市的评价中。实例分析表明，该方法可以解决实际的多属性群决策问题，并可以进一步应用到智慧物流、模式识别、人工智能等领域。

• 基于变迁图编辑距离的流程相似性算法

  段瑞,方欢,方贤文,詹悦,

  为了提高从企业模型库中查询检索模型的效率，提出一种基于变迁图编辑距离的流程相似性算法。首先，给出了变迁图的概念及其生成方法；其次，提出边的长度概念，且删除和插入边的代价由该边的长度决定，基于此定义出图编辑操作及其代价，并用节点匹配算法计算最小图编辑距离；然后，给出两个过程模型的相似性概念和计算方法；最后，通过实验验证了算法的正确性且满足七条相似性性质，并验证了变迁图编辑距离满足四条距离性质。

• 基于句法结构和依存关系的评价对象提取

  邱云飞,周双月,

  针对现有基于监督学习模型的评价对象提取方法中，多评价对象和复合词评价对象提取精度不高的问题，提出基于句法结构和依存关系的评价对象提取方法。首先，根据评价对象、情感词在句法结构中充当的不同成分，分析评价对象和情感词之间的依存关系；然后，根据不同的依存关系定义特征；最后，在条件随机场模型中，通过贪婪式特征选择方法选取最优的特征组合，进而完成评价对象提取。在COAE2011 task3的评测数据中进行实验，结果显示，与现有的评价对象提取方法相比，提出方法的F1值高出3%~6%，能够有效识别评价对象。

• 基于BLSTM网络的医学时间短语识别

  张顺利,王应军,姬东鸿,

  从医学文本中识别时间短语是临床医学自然语言处理的关键技术之一。传统基于规则和机器学习的方法需要设计复杂规则和提取特征，而且大多数系统采用串行方法会导致错误的传播。提出了一种基于双向长短时记忆网络（BLSTM）的神经网络架构，在识别时间表示式的同时判别它们的类型：首先使用卷积神经网络（CNN）学习得到单词的字符级别向量和大规模生物医学背景语料上训练得到的词向量进行组合作为BLSTM的输入，然后使用BLSTM网络学习单词的上下文语义表示，最后使用条件随机场（CRF）对BLSTM输出的序列进行标签优化。实验基于SemEval-2016 task 12，结果表明没有添加任何特征的神经网络学习方法比该任务中官方提供的最高分的F1值提高了3%。

• 基于平滑l1范数的深度稀疏自动编码器社区识别算法

  张军祥,李书琴,刘斌,

  大数据时代，利用传统的社区发现算法对大规模复杂网络进行社区结构挖掘显得愈发困难，准确率也较低。因此，提出一种基于平滑l1范数的深度稀疏自编码器社区发现算法（l1-ECDA）。该算法首先采用基于s跳的方法对网络图的邻接矩阵进行预处理；然后构建基于平滑l1范数的深度稀疏自编码器，并通过训练网络图相似度矩阵得到低维特征矩阵；最后采用K-means算法对低维特征矩阵进行聚类得到网络社区结构。通过在仿真网络与真实网络数据集上的实验表明，l1-ECDA有效提高了社区识别的准确率，且准确率比DBCS算法平均高4%，比DeepWalk和CoDDA算法平均高5.4%。

• 一种识别重叠噪声的交通量检测算法

  马庆禄,邹政,

  在传统的交通量检测中，短时能量法和短时平均幅度法存在无法识别重叠行车噪声段的问题，而提取与重叠信号相关的频谱视图（spectrum view，SV）作为重叠行车噪声段的特征有助于解决以上问题。针对以上问题进行研究，提出了一种基于SV特征的交通量检测算法。该算法首先对含有重叠行车噪声段的交通噪声进行滤波降噪；然后将交通噪声通过快速傅里叶变换（fast Fourier transform，FFT）以提取其SV特征，并对SV特征进行平滑处理；最后基于SV特征并以双门限判决原理为依托，对交通噪声进行端点检测并分离出重叠的行车噪声段。基于单车道、少流量路段的交通噪声数据集的实验表明，与传统方法相比，本文算法准确率提高了20%，从而验证了该算法的有效性。

• 一种优化的硬阈值追踪算法的研究

  陈暄,潘春平,龙丹,

  硬阈值追踪算法的本质是一个最小二乘问题，存在复杂度高、收敛性差、运行时间长等缺点。引入Nesterov方法用于优化稀疏解的凸松弛现象，引入逐次松弛迭代法优化传统硬阈值线性方程组，理论证明优化结果具有良好的收敛性，仿真实验说明优化后的算法有效降低了算法复杂度及运行时间。

• 基于PSO模式搜索的跌倒检测算法研究

  任小奎,李锋,程琳,

  针对粒子群算法存在后期趋同性严重、收敛速度缓慢以及易陷入局部极小点等缺点，将模式搜索算法引入粒子群算法，对支持向量机参数进行优化，应用于跌倒检测中。首先，使用穿戴式设备收集跌倒检测数据集，将初始数据进行均值滤波以消除噪声的影响；然后，提取滤波后的数据特征，将提取的多维数据使用奇异值分解算法进行降维；最后，降维后的数据将用来检验粒子群模式搜索算法的优劣。通过与支持向量机算法和支持向量机算法加粒子群算法进行对比，粒子群模式搜索算法在跌倒检测中的特异性和灵敏度都得到了提高。

• 智能电网互补能源供用电实时定价算法研究

  李军祥,潘婷婷,高岩,

  在智能电网背景下，针对化石能源短缺、峰时供电压力大的现状，提出了由光伏和化石燃料互补供电的方式，并建立了社会福利最大化用户侧微电网实时定价模型。该模型中，电力供应商通过制定实时电价来协调用户对两种类型能源所发电能的使用量，并设计了实时定价算法来求解模型。仿真结果表明，相比仅靠化石能源供电的大电网，互补供电方式能有效降低化石能源峰时供电量和价格，提升社会福利，这为以后智能电网的有效管理提供了参考。

• 异构容器云间应用迁移模型研究

  杨凯琪,赵玉龙,陈林,

  为解决基于Docker容器的应用跨异构容器云迁移的问题，针对主流的异构容器编排引擎的编排原理进行了研究，同时也研究了主流容器服务提供商之间的异构性，在此基础上提出了基于Docker容器的应用跨异构容器云迁移的三层模型。为提高基于Docker容器的应用跨异构容器云迁移的效率，提出基于镜像预同步的应用迁移技术。实验结果表明，利用三层模型能成功实现应用跨异构容器云的迁移，并且在引入镜像预同步技术前后，同构云异构容器编排引擎之间的应用迁移时间平均减少了60.33%，异构云Kubernetes集群间的应用迁移时间平均减少了43.67%。

• 容器云多维资源利用率均衡调度研究

  龚坤,武永卫,陈康,

  在OpenShift容器云平台上针对其调度策略进行研究和改进，提出了基于多维资源空闲率权重的评价函数和调度方法。该方法综合考虑物理节点CPU、内存、磁盘、网络带宽空闲率和已部署的容器应用个数等因素，利用模糊层次分析法（fuzzy analytic hierarchy process，FAHP）自动建模求解容器应用多维资源权重参数。实验表明，新的调度方案能够使集群多维资源利用率更加均衡，从而提升资源的利用率和集群性能。

• 基于深度聚类的开源软件漏洞检测方法

  李元诚,黄戎,来风刚,毛一凡,蔡力军,

  针对开源软件漏洞，提出一种基于深度聚类算法的软件源代码漏洞检测方法。该方法利用代码图模型构造开源软件代码属性图，遍历得到关键代码节点并提取出应用程序编程接口（API）序列，将其嵌入向量空间，以关键代码为中心进行聚类，根据聚类结果计算每个函数的异常值，生成检测报告并匹配漏洞库，从而检测出源代码中的漏洞。实验结果表明，该方法能够定位开源软件中漏洞所在的关键代码段并检测出相应漏洞。

• 云环境下副本优化放置策略研究

  王鑫,孟雨,覃琴,蒋华,

  为了提高云计算数据调度和副本访问的效率，对副本策略中的副本放置问题进行研究，提出一种基于蚁群算法的副本放置策略。根据自然界中蚁群觅食的原理，把蚁群算法应用于副本放置的整个过程； 利用信息素的动态更新以及拉普拉斯概率分布改进的蚁群算法得出一组最优解进行副本放置。在CloudSim平台上进行了仿真模拟，实验结果表明，提出的方案在平均作业完成时间、网络利用率和负载均衡度上均优于原始蚁群算法，并在一定程度上降低了副本放置的时间消耗和网络负载。

• 云数据中心基于遗传算法的虚拟机迁移模型

  刘开南,

  提出云数据中心基于遗传算法的虚拟机迁移模型GA-VMM（genetic algorithm based virtual machine migration）。GA-VMM在虚拟机迁移时刻考虑的问题维度优于常见的策略，使虚拟机的分配与迁移更加合理与公平。建立了云端能量消耗与在线虚拟机迁移时间消耗数学模型，通过全局遗传算法来优化虚拟机迁移和放置策略。利用某个企业的大数据中心作为云端测试环境，对比测试GA-VMM迁移模型与已有的虚拟机迁移策略的性能。测试结果表明，GA-VMM迁移模型能够更好地减少物理主机的使用数量和虚拟机的迁移次数，SLA（service level agreement violation）违规基本处于稳定状态；GA-VMM可以降低数据中心能耗，性能优于已有的迁移策略。

• 基于小波变换去噪的相关功耗分析攻击研究与实现

  段晓毅,陈东,高献伟,范晓红,靳济方,

  为了提高功耗分析攻击效率，减少噪声影响，研究了小波变换去噪对功耗攻击的影响以及相关功耗分析（CPA）攻击的相关系数与攻击效果的关系，提出使用平移不变量小波法与小波模极大值法对功耗曲线进行去噪预处理。该方法使用卡尔曼滤波法、小波模极大值法与平移不变量小波法对功耗曲线进行去噪预处理，再对原始数据及去噪后数据分别进行CPA。实验结果显示，与原始数据相比，使用平移不变量小波法改进的CPA相关系数比仅使用CPA提高了165%，比卡尔曼滤波法提高了31.4%，比小波模极大值法提高了26.4%，同时攻击成功所需功耗曲线减少了92%。实验结果表明使用平移不变量小波法改进的相关功耗分析攻击效果最好。

• 基于持续增量模型的低速端口扫描检测算法

  薛少勃,沈晶,刘海波,

  针对低速端口扫描进行了研究，根据低速扫描的时间持续性和特征分散性，提出了一种基于持续增量模型的低速端口扫描检测算法，结合条件熵对特征分布的评估达到检测目的。实验结果表明，该算法的检测率能达到99.78%，且误报率为7%。其适用于多种复杂网络环境，且不需要网络先验知识，同时检测率对阈值的精确性要求低，能够有效检测到低速端口扫描行为。

• 基于K-means和naive Bayes的数据库用户行为异常检测研究

  王旭仁,冯安然,何发镁,马慧珍,杨杰,

  针对数据库用户行为异常导致数据库泄露问题，提出了一种基于K-means和naive Bayes算法的数据库用户异常检测方法。首先，利用数据库历史审计日志中用户的查询语句与查询结果，采用K-means聚类方法得到用户的分组；然后，使用naive Bayes分类算法构造用户异常检测模型。与单独使用naive Bayes分类法构造的模型相比，在数据预处理时其精简了用户行为轮廓的表示方法，降低了计算冗余，减少了81%的训练时间；利用K-means聚类方法得到用户组别，使检测的精确率提高了7.06%，F1值提高了3.33%。实验证明，所提方法大幅降低了训练时间，取得了良好的检测效果。

• 改进的CCN兴趣包泛洪攻击防御方法

  吴浔,凌捷,

  为了提高内容中心网络（CCN）防御兴趣包泛洪攻击（IFA）的能力，针对不同防御方法进行了研究，提出一种改进的CCN兴趣包泛洪攻击防御方法。该方法根据CCN流平衡原理，采用恶意前缀溯源的方式，实现对IFA的快速检测，并通过改进和式增加积式减少（additive increase multi-plicative decrease，AIMD）算法，实现对IFA的防御。安全性分析表明，该方法在面对IFA时，能够更快地做出反应；并且相比于其他IFA防御方法，该方法在保证安全性的前提下，降低了CCN路由器在检测IFA时的计算开销。

• 抗同步化攻击的轻量级RFID双向认证协议

  柳毅,陈添笑,洪洲,

  针对现有RFID认证协议在安全认证过程中，由于协议的设计缺陷，导致协议安全性不足的问题，提出了一种利用同步化随机数以及PUF改进的轻量级RFID认证协议。首先提出了一种对RFID协议的去同步化攻击方法，并分析其原因；然后通过在标签和读写器两端设置一个同步化随机数，增强协议抗去同步化攻击的能力；最后，在标签中引入了PUF，通过PUF的不可克隆性提高了标签密钥的抗攻击能力。分析结果表明，新协议能有效地抵抗多种攻击，在保证一定效率和开销的同时具有更高的安全性。

• 基于Goldwasser-Micali加密算法的安全子集计算

  王倩,任方,郑东,

  针对解决集合间安全子集问题的协议大多只能保护一个集合元素的隐私进行研究。在半诚实模型下，利用布隆过滤器及Goldwasser-Micali同态加密算法构建了一个安全子集计算协议，并使用安全多方计算中普遍采用的模拟范例证明方法证明了协议的安全性。利用布隆过滤器将拥有大量元素或大数域元素的数据集合映射为较小的数据集合，提升协议的效率及适用范围，同时，借助Goldwasser-Micali同态加密算法保证协议的安全性。相关研究大多是基于二次剩余等困难问题，不可抵抗量子攻击，可抵抗量子攻击的安全子集计算是进一步的研究方向。

• NMF和增强奇异值分解的自适应零水印算法

  肖振久,宁秋莹,张晗,唐晓亮,陈虹,

  针对奇异值分解水印算法导致虚警率高、稳健性不强的问题，提出一种基于分块非负矩阵分解（NMF）和增强奇异值分解（BN-SVD）相结合的自适应零水印算法。首先将原始灰度图像进行二级离散小波变换（DWT），对变换后的二级低频子带（LL2）进行不重叠分块，并对每一个子块进行秩为r的NMF分解；然后对NMF分解得到的特征矩阵采用增强奇异值分解，依据每一个块矩阵的最大奇异值与整体最大奇异值均值的大小关系构成特征向量；利用生成的特征向量与经过Arnold变换与混沌映射双重置乱加密水印图像作异或运算生成零水印，并利用天牛须优化算法（BAS）自适应确定增强奇异值分解中最抗攻击缩放比例的参数β。实验结果表明，在虚警问题上NC值达到0.4以下，JPEG压缩、噪声、滤波、旋转、剪切以及混合攻击下，提取水印图像与原水印图像的归一化系数NC值均可达到99%以上，该方案高效地解决了虚警问题，具有较强的稳健性，能够有效地抵抗各种攻击。

• 面向蓝牙语音加密传输的波形码本设计

  洪鹏程,黄一才,郁滨,

  针对蓝牙语音信号加密后失去语音特征而不能通过语音信道传输的问题，建立蓝牙语音加密数据传输模型，提出一种面向蓝牙语音加密传输的波形码本生成算法。该算法以子载波调制生成初始调制码本，训练数据得到解调码本，通过设计末位淘汰机制的粒子对算法寻找最优码本。仿真分析表明该码本生成算法具有收敛速度快的优势，能够生成不同比特传输速率和符号错误率低的波形码本。实验结果表明，在蓝牙中使用该波形码本传输数据具有较低的符号错误率。

• 具有双向身份认证功能的量子密钥分发协议

  郑涛,张仕斌,李雪杨,熊金鑫,昌燕,

  提出了一种具有身份认证功能的量子密钥分发协议。该协议利用Bell态纠缠交换特性、Bell基测量和按位异或运算，可以高效完成通信双方的身份认证；身份认证完成后，通信双方对手中粒子进行Pauli操作，能得到与对方拥有一样的Bell态粒子；通信双方按照约定的编码规则，得到相同二进制字符串作为密钥。分析表明，提出的密钥分发协议过程简单、操作容易实现，协议的安全性也能得到保证。

• 基于遗传算法的空间网格划分匿名算法

  孙悦,张磊,李晶,张震,

  隐私泄露问题已经成为阻碍基于位置的服务（location-based services，LBS）进一步发展的原因。针对当LBS用户发送查询时，用户的个人隐私可能会泄露给攻击者的问题，提出了基于遗传算法的空间网格划分的隐私保护算法（GAGP）。算法包括两个方法，即地图分割算法和假名生成法。地图分割算法利用遗传算法给每个网格赋权值，再通过使用邻接网格扩展的方法，保证每个划分区域的查询频率基本相等。假名生成法是用户在每次发送查询时使用假名来应对长期统计的攻击方式。通过实验证明所提算法与其他三种算法相比结果较好，所以提出的方案能够有效地保护用户的隐私。

• 动静态特征结合的漏洞风险评估及缓解方法

  叶子维,郭渊博,琚安康,

  针对如何提高漏洞风险评估的准确性进行了研究，提出一种动静态特征结合的漏洞风险评估及缓解方法。通过将传统风险评估方法中常用的来源于通用漏洞评分系统（CVSS）的攻击复杂度、影响程度、攻击向量等固定属性作为静态特征，将防御能力、漏洞修复情况、攻击者的攻击能力等随时间推移可能发生变化的属性作为动态特征，两者结合对漏洞的风险程度进行更加全面的评估。给出了在实际应用中各特征的量化计算方法以及漏洞修复策略的推荐方法，以单个漏洞的风险评估过程和多个漏洞的风险评估结果为例，将评估结果与CVSS评分进行对比实验。结果表明该方法能结合具体的网络环境给出更加准确的漏洞风险评估结果及合理的漏洞修复策略，验证了该方法的可行性和有效性。

• 动态字典破解用户口令与安全口令选择

  张学旺,孟磊,周印,

  口令认证一直是最主要的身份认证方式。考虑到口令要满足口令策略和易记忆的要求，用户常常会将个人信息组合起来作为口令。因此，为了调查此类口令的比例，以2011年泄露的四种真实口令集为实验素材，预先设定口令的组合结构和格式，使用程序统计使用个人信息组合作为口令的比例。实验结果表明，使用姓名、电话号码、特殊日期等信息组合而成的口令比例为12.41%~25.53%。根据这一规律，提出了动态字典攻击。攻击者可以在获得用户部分个人信息后，生成具有针对性的动态字词典，并以此来破解用户口令。最后，还讨论了如何选择口令以防止攻击者通过动态字典破解用户口令。

• 基于粒子群算法的WSN覆盖优化

  郭超,杨宇轩,胡荣磊,肖超恩,王建新,徐凤麟,

  为了提高无线传感器网络性能，针对节点的分布与覆盖方案进行了研究，将拟物力算法中的拟万有引力和拟库仑力与粒子群算法相结合，提出了一种基于惯性权重的拟物粒子群算法，增强了算法全局搜索能力，更快地收敛至全局最优解，减少算法时耗和重复覆盖。仿真结果证明新的算法比基本粒子群和基于惯性权重的标准粒子群算法的全局收敛速度更快、覆盖率更高、重复覆盖的比率更低。

• 面向MapReduce计算的大规模集群通信优化

  曹云鹏,王海峰,刘海涛,何淑庆,

  为了优化大规模集群运行MapReduce作业时的通信效率和减少shuffle数据传输量，首先采用存储局部性换取通信局部性的策略建立一个分布式协同数据映射模型；其次通过随机抽样和机器学习方法来提取作业数据的局部性特征，实现map计算数据的有效部署；最后，利用软件定义网络的全局灵活控制能力，优选通信链路好的节点并将计算任务映射到该类节点中。实验表明对于中间数据混洗密集类作业有较好的优化效果，通信延迟降低了4.3%~5.8%。该方案能减少shuffle流量和数据迁移延迟，并且适合各种调度策略和网络拓扑结构。

• 二次栅格扫描与锚节点递减栅格扫描的定位算法

  宋海声,周浩,沈伟,朱长驹,吴佳欣,

  为了提高无线传感器网络的定位精度，在Grid-Scan算法的基础上作进一步的改进。首先利用二次栅格扫描确定初始定位点，并产生缩小的定位区域；在该缩小区域内，将邻居锚节点与初始定位点间的距离转换为理论信号强度值，再对比邻居锚节点实际接收未知节点的信号强度，对邻居锚节点进行有条件递减，得到递减锚节点栅格扫描法则，最终确定未知节点的估计位置。通过仿真实验的对比，改良后的定位算法在一定程度上提高了定位精度。

• 基于激光雷达数据的行人检测

  任科飞,张利,

  在自动驾驶领域涉及的众多任务中，行人识别是必不可少的技术之一。针对基于图像数据的行人检测算法无法获得行人深度的问题，提出了基于激光雷达数据的行人检测算法。该算法结合传统基于激光雷达数据的运动目标识别算法和基于深度学习的点云识别算法，可以在不依赖图像数据的条件下感知和检测行人，进而获取行人的准确三维位置，辅助自动驾驶控制系统作出合理决策。该算法在KITTI三维目标检测任务数据集上进行性能测试，中等难度测试达到33.37%的平均准确度，其表现领先于其他基于激光雷达的算法，充分证明了该方法的有效性。

• 多级分解的Retinex低照度图像增强算法

  王萍,孙振明,

  针对现有算法对图像边缘细节增强不足及无法有效控制各尺度信息增强程度的问题，提出了多级分解的Retinex低照度图像增强算法。该算法在Retinex分解模型和双边滤波的基础上，通过设置不同的滤波参数，获取表征图像不同尺度信息的反射分量和照度分量；通过使用指数函数对分解得到的各级反射分量进行增强，能够有效提升图像边缘细节的表达能力；通过使用S型函数对最终的照度分量进行处理，能够在提升低照度图像整体亮度的同时抑制高亮度区域；通过颜色恢复函数对增强图像进行后处理，进一步避免色彩偏差和失真的问题。实验结果表明，新算法能够改善低照度图像的视觉质量，在清晰度、信息熵、对比度等指标方面都有所提升。

• 基于泊松填充的纹理自适应插值方法

  张军,陈凯雯,

  针对新图形技术条件下的纹理合成问题，提出一种纹理插值方法，可将源纹理图像自适应拉伸为不同尺寸的纹理图像并保持其清晰度不改变。首先，采用高维图像插值算法将源纹理裂变为目标纹理分辨率，作为中间过渡纹理；其次，利用自然图像的自相似性，依据中间纹理像素特征随机从源纹理中选取像素块；最后，使用泊松图像编辑算法将源纹理像素块平滑嵌入到中间纹理的间隙区域，得到最终的合成纹理。通过与现有算法的大量对比实验表明，该算法对静态和非静态纹理合成问题都能适用，且合成结果与源纹理具有较高的视觉一致性。另外，该算法逻辑简单、计算快速，无法复杂优化计算或者学习训练步骤，适合在低硬件配置的移动平台应用。

• 基于改进正余弦优化算法的多阈值图像分割

  郎春博,贾鹤鸣,邢致恺,彭晓旭,李金夺,康立飞,

  针对多阈值图像分割方法计算量大、分割精度低的问题，提出了基于改进正余弦算法（improved sine cosine algorithm，ISCA）的多阈值图像分割方法。首先对种群进行混沌初始化来提高初始种群质量；其次根据粒子适应度值的大小自适应地调整参数；最后引入反向学习策略并择优选取粒子。伯克利图像和植物冠层图像分割实验的结果表明，该算法的运行时间较短，而且分割精度较高，具有较强的鲁棒性。

• 基于ANN端元估计的高光谱图像解混算法

  张衡,贾志成,陈雷,郭艳菊,

  针对高光谱图像解混问题进行研究，发现传统解混算法在保持端元数目不变的情况下，得到的解混精度不高。为此，基于人工神经网络（artificial neural network，ANN）提出一种估计单像素点中端元数目和类别的解混算法。首先利用人工神经网络对遥感图像中各个像素的端元数目和类别进行估计；之后依据估计结果确定解混算法的目标函数，并引入改进的差分搜索算法对目标函数进行优化求解；最终获取地物丰度和待求参数，实现高光谱图像的解混。仿真数据和真实遥感数据实验表明，与现有的解混算法相比，所提解混算法具有更高的解混性能，更加符合实际场景的情况。

• 未知主点条件的相机焦距自标定方法

  唐荣富,邓宝松,赵竹新,

  对于双目相机焦距自标定，当前研究方法均假定相机主点位置已知，而相机主点在实际中却通常是未知的，提出一种主点和场景均未知的条件下相机焦距自标定的新方法，通过严格的数学分析表明相机的坐标系尺度对焦距标定具有重要影响，并在坐标系尺度影响的定量分析的基础上提出了一种选择合适的坐标系尺度算法。模拟和实际实验都验证了坐标系尺度的重要性，且该方法较传统方法可获得更好的标定精度。

• 基于伪三维卷积神经网络的手势姿态估计

  张宏源,袁家政,刘宏哲,原春锋,王雪峤,邓智方,

  大多数现有的基于深度学习的手势姿态估计方法都使用标准三维卷积神经网络提取三维特征，估计手部关节坐标。该方法提取的特征缺乏手部的多尺度信息，限制了手势姿态估计的精度。另外，由于三维卷积神经网络巨大的计算成本和内存需求，这些方法常难以满足实时性要求。为了克服这些缺点，提出以空间滤波器和深度滤波器级联的方式模拟三维卷积，减少网络参数量。同时，在各个尺度上提取手势姿态特征并加以整合，充分利用手势的三维信息。实验表明，该方法能有效提高手势姿态估计精度，减小模型尺寸，且在具有单块GPU的计算机上能以超过119 fps的速度运行。

• 三维重建网格模型的缺陷孔洞识别与修复方法

  温佩芝,雷永庆,孙梦龙,

  针对三维重建网格模型经常出现异常缺失孔洞的问题，提出一种缺陷孔洞自动识别与孔洞区域细节特征保持的曲面修复方法。首先对缺失区域的上下文及轮廓曲线进行异常检测以判断是否为缺陷孔洞， 确认为缺陷孔洞后对孔洞周边的特征线进行检测与匹配构造孔洞区域的基曲面；之后引进一个无约束的三角剖分对基曲面进行三角化；最后利用网格的各向异性进行细化及形态调整，改善网格的拓扑结构和几何性质。实验结果表明，该方法能够有效地识别三角网格模型的缺陷孔洞区域并还原其细节特征。

• 基于深度卷积自编码神经网络的手写数字识别研究

  曾文献,孟庆林,郭兆坤,

  针对提高不同笔体下的手写识别准确率进行了研究，将深度卷积神经网络与自动编码器相结合，设计卷积自编码器网络层数，形成深度卷积自编码神经网络。首先采用双线性插值方法分别对MNIST数据集与10 000幅自制中国大学生手写数字图片进行图像预处理，然后使用单一MNIST数据集对深度卷积自编码神经网络进行训练与测试；最后使用MNIST与自制数据集中5 000幅图片混合，再次训练该网络，对另外5 000幅图片进行测试。实验数据表明，所提深度卷积自编码神经网络在MNIST测试集正确率达到99.37%；且5 000幅自制数据集模型测试正确率达99.33%，表明该算法实用性较强，在不同笔体数字上得到了较高的识别准确率，模型准确有效。

• 基于改进inception的脱机手写汉字识别

  陈站,邱卫根,张立臣,

  研究基于inceptions 结构神经网络的脱机手写汉字识别，提出了一种inception结构的改进方法，它具有结构更加简单、网络深度扩展更加容易、需要的训练参数量更少的优点。该方法在数据集CISIA-HWDB1.1 上进行了实验验证，采用随机梯度下降优化算法，模型达到了96.95%的平均准确率。实验结果表明，使用改进的inception结构在图像分类上具有更好的鲁棒性，更容易扩展到其他应用领域。

• 基于改进的U-Net眼底视网膜血管分割

  梁礼明,盛校棋,郭凯,邓广宏,

  针对视网膜血管图像特征信息复杂程度高，现有算法存在微血管分割较低和病理信息误分割等问题，提出一种融合DenseNet和U-Net网络的血管分割模型。首先，通过限制对比度直方图均衡化和filter滤波对图像进行血管增强处理；其次，利用局部自适应gamma提升图像亮度信息并降低伪影的干扰；再次，由多尺度形态学滤波局部增强微血管特征信息；最后，利用U型密集链接模块进行分割。该算法在DRIVE数据集上实验，其平均准确率、灵敏度和特异性分别高达96.74%、81.50%和98.20%。

• 基于l2-范数重构样本约束的稀疏表示人脸识别方法

  米建勋,林志凯,

  稀疏表示分类方法在训练样本空间较大的情况下具有良好的分类效果，但是计算的时间成本较高。针对此问题，考虑构造对重构样本的l2-范数进行约束，使得重构样本中各类别分量之间的竞争加强，以起到组稀疏的效果，最后提高分类正确率。由于该方法可以直接得到闭式解，使得求解的计算成本大大减小，并且得到的系数稀疏程度与传统方法类似。在公开的人脸和物体图像数据集上和同类型方法的对比实验结果表明，该方法在复杂的条件下具有优秀的图像识别效果。

• 利用神经网络的城区机载激光雷达点云分类算法

  释小松,程英蕾,赵中阳,

  为了将神经网络应用于城区激光雷达点云数据分类，并针对大规模点云数据训练过程中计算量大、耗时长的问题，改进原有PointNet神经网络，加入了点云邻域特征的提取和分析，提出了一种新的点云分类算法。通过网格化聚类和重采样压缩原始点云数据量，提取多尺度邻域点云数据，利用改进PointNet完成对城区点云数据的分类，并用不同地区数据验证该分类算法。结果表明该算法分类效果良好，分类精度较高；数据训练过程中的计算量减少；能够对城区机载激光雷达数据实现有效分类。

• 基于局部感受野扩张D-MobileNet模型的图像分类方法

  王威,邹婷,王新,

  针对轻量级深度神经网络MobileNet会减少分类准确率的问题，将空洞卷积核引入MobileNet模型的某一卷积层中，提出一种基于局部感受野扩张的D-MobileNet模型。该模型根据空洞卷积核所在位置的不同分为三种结构，在不增加参数数量的同时能够扩大该层卷积核的局部感受野，提高分类精度。实验在Caltech-101数据集、Caltech-256数据集以及图宾根大学动物分类数据库上进行，结果表明，D-MobileNet模型可获得比MobileNet更好的分类准确率，最多可以提高2%。

• 基于曲率法线流的树点云骨架提取方法

  郝腾宇,耿楠,胡少军,张志毅,

  针对树木点云拓扑结构复杂、特征细节繁多等问题，提出一种基于点云收缩提取曲线骨架的算法。首先，为了在点云表面直接应用网格收缩算法，对点云进行局部主成分分析和Delaunay三角剖分；其次，针对树木点云拓扑结构复杂和末枝细节繁多等问题，用曲率法线流算子对点云进行收缩，针对树木枝条细长且弯曲幅度平缓等特点，利用改进后的QEM网格简化方法将三角网格折叠成一维曲线骨架；最后，将得到的曲线骨架进行连通和居中处理。该算法直接在点云上进行操作，不需要额外的信息和预处理操作，对噪声和残缺点云有良好的鲁棒性。实验证明，该算法提取的树木点云骨架充分表达了树木在自然环境下的生物性结构和特征，相对于Rosa、L1-中轴等经典算法，在树木点云的骨架提取速度上提高3倍以上，枝条重建度提高25%。