计算机应用研究杂志

计算机应用研究杂志2020年第6期

• 多模态深度学习综述

  刘建伟,丁熙浩,罗雄麟,

  在多模态深度学习发展前期总结当前多模态深度学习，发现在不同多模态组合和学习目标下，多模态深度学习实现过程中的共有问题，并对共有问题进行分类，叙述解决各类问题的方法。具体来说，从涉及自然语言、视觉、听觉的多模态学习中考虑了语言翻译、事件探测、信息描述、情绪识别、声音识别和合成以及多媒体检索等方面研究，将多模态深度学习实现过程中的共有问题分为模态表示、模态传译、模态融合和模态对齐四类，并对各类问题进行子分类和论述，同时列举了为解决各类问题产生的神经网络模型。最后论述了实际多模态系统、多模态深度学习研究中常用的数据集和评判标准，并展望了多模态深度学习的发展趋势。

• 移动边缘计算在车载网中的应用综述

  谷晓会,章国安,

  移动边缘计算（MEC）技术将IT服务环境与云计算技术在网络边缘结合以提高边缘网络的计算和存储能力，减少网络操作和服务交付时延； 应用MEC的车载网络可以满足车辆对服务延时和通信可靠性的严格要求，提升车辆用户的服务质量（QoS）。对移动边缘计算在车载网中的应用进行分析研究，首先概述MEC的基本概念及架构、典型应用场景；然后介绍MEC在车载网中的应用、基于软件定义网络（SDN）的车载网MEC研究现状以及车载网MEC应用实例；最后给出了车载网中部署MEC所要面临的问题和挑战，并对该领域未来的研究方向进行了展望。

• 平衡装载约束下的车辆路径问题研究

  雷定猷,宋文杰,张英贵,

  针对车辆三维装载约束下的车辆路径问题（3L-VRP）进行研究，引进车辆的平衡装载约束，综合考虑传统的先进后出、局部支撑、脆弱性等约束，构建平衡装载约束下的车辆路径问题（BL-VRP）模型。针对模型中的平衡约束，提出一种接触面积的装载算法。在此基础上，构建以回溯遗传算法（B-GA）为骨架的多阶段算法框架，对车辆路径优化进行求解。研究结果表明，多阶段算法不仅在解决3L-VRP上好于目前已有算法，同时对BL-VRP表现优秀。提出的多阶段算法为解决BL-VRP问题提供一条参考思路，但在时效性上需要进一步完善。

• 深度强化学习复原多目标航迹的TOC奖励函数

  贺亮,徐正国,贾愚,沈超,李赟,

  针对航迹探测领域中探测器获得的目标地理位置通常是同一帧下无法区分的多目标场景，需要利用目标位置信息还原各航迹并区分各目标的问题进行研究，提出采用深度强化学习复原目标航迹的方法。依据目标航迹的物理特点，提取数学模型，结合目标航迹的方向、曲率等提出轨迹曲率圆（TOC）奖励函数，使深度强化学习能够有效复原多目标航迹并区分各目标。首先描述多目标航迹复原问题，并将问题建模成深度强化学习能够处理的模型；结合TOC奖励函数对多目标航迹复原问题进行实验；最后给出该奖励函数的数学推导和物理解释。实验结果表明，TOC奖励函数驱动下的深度强化网络能够有效还原目标的航迹，在航向和航速方面切合实际目标航迹。

• 移动云环境面向多重服务选择的计算卸载算法

  何远德,黄奎峰,

  移动云计算可以通过计算卸载改善移动设备的能效和应用的执行延时。然而面对云端的多重服务选择时，计算卸载决策是NP问题。为了解决这一问题，提出一种遗传算法寻找计算卸载的最优应用分割决策解。遗传种群初始化中，算法联立预定义和随机染色体方法进行初始种群的生成，减少了无效染色体的发生比例。同时，算法为预定义的预留种群设计一种特定的基于汉明距离函数的适应度函数，更好地衡量了染色体间的差异。种群交叉中分别利用近亲交配与杂交繁育丰富了种群个体。算法通过修正的遗传操作减少了无效解的产生，以更合理的时间代价获得了应用分割的最优可行解。应用现实的移动应用任务图进行仿真实验评估了算法效率。评估结论表明，所设计的遗传算法在应用执行能耗、执行时间以及综合权重代价方面均优于对比算法。

• Chirp信号多径时延估计算法研究

  冯亚丽,刘成,张祥斌,

  针对分数阶傅里叶变换（FRFT）对Chirp信号进行多径时延估计时的不足，改进了一种按照多径分量能量大小依次消除的FRFT多径时延估计算法。该算法以迭代方式进行，按多径分量的能量大小依次返回多径分量的估计值；在每次迭代中，包含子迭代以准确判定当前分量的多径参数和起止时间，然后利用当前多径参数生成探测信号时域副本，将其从残余信号中减去，达到多径信号的分离。以根据功率时延分布特点拟定的信道模型作为传输环境，对该算法进行了仿真验证。仿真表明，相比于其他三种时延估计算法，改进算法能够更准确地对多径时延进行估计。

• 基于多层次注意力机制一维DenseNet音频事件检测

  杨吕祥,胡燕,

  在音频事件检测任务中，目标音频易受背景噪声等因素的干扰，并且其在音频信号流中存在的比例不高，针对这些问题，提出一种多层次注意力机制一维DenseNet（dense convolutional network）音频事件检测模型。使用一维DenseNet模型进行帧级检测能有效地检测音频事件发生的开始和结束时间；在一维DenseNet模型中引入多层次注意力机制，使得不同模块的感知特性随着网络层数的加深而自适应地变化，因此模型可以在不同的网络层次自动选择和关注重要的目标帧而抑制不相关的背景帧。在DCASE 2017任务2的开发数据集上的实验表明，该方法的整体性能较传统的深度学习方法有进一步提高。

• 保持聚类结构的属性网络表示学习

  张静,柴变芳,张璞,李文斌,

  在线社交平台产生大量可建模为属性网络的数据，SNE（social network embedding）表示学习模型可学到属性网络的潜在低维表示，为进一步的实际应用提供有效特征。但是SNE未考虑保持网络的潜在聚类结构，导致学到的特征对聚类效果不佳。对此提出了一种保持聚类结构的属性网络表示学习模型（attributed network embedding with self cluster，ANESC），其使用前馈神经网络建模，以属性网络节点的one-hot表示和属性信息作为输入，经过多隐层学习节点的低维表示，使其在输出层保持节点的邻居拓扑结构和潜在聚类结构。在五个真实属性网络上的实验结果表明，相比SNE，ANESC学到的表示在聚类任务上NMI值提高5%~11%，在分类任务上准确率提高0.3%~7%。

• 一种学生t混合粒子实现的概率假设密度滤波器

  洪磊,陈树新,吴昊,徐涵,岳龙华,

  在非线性多目标跟踪问题中，高斯混合粒子概率假设密度（GMP-PHD） 滤波器在重尾的过程噪声和量测噪声的影响下会导致滤波性能的下降。针对该问题，提出一种新的学生t混合粒子概率假设密度（STMP-PHD）滤波器。该滤波器将过程噪声和量测噪声近似为学生t分布，并用学生t混合模型来近似多目标的强度；同时，利用蒙特卡罗方法计算学生t积分，建立了学生t混合形式的闭式递推框架。仿真结果表明，该滤波器能够有效克服由重尾的过程噪声和量测噪声带来的不利影响，并能够保持较高的跟踪精度。

• 考虑生产和需求情况下多设备系统状态维护策略研究

  吴耀胜,刘勤明,

  针对考虑生产多于需求或少于需求的情况下多设备系统的维护问题，建立了状态维护策略模型。首先将设备退化过程分为三个状态，构建状态的转移概率模型，并且针对不同状态采取两种维护策略；其次，基于半马尔可夫模型以损失成本和超额利润、检测成本、维修成本为优化目标，建立在不同策略下维护费用模型，采用策略迭代算法求解不同状态下的维护策略。最后，通过算例分析验证模型的有效性，并对相应的参数进行了灵敏度分析。

• 通信时滞下事件驱动多智能体系统环形编队控制

  何逻辑,谢广明,文家燕,罗文广,

  针对一阶具有通信时滞的多智能体系统环形编队存在通信和计算资源消耗大的问题，引入事件驱动控制机制，综合设计适用于任意环形编队的控制律分别耦合状态相关和状态无关两类事件驱动条件。事件触发函数基于状态误差建立，使得个体之间的信息通信和控制信号更新仅在事件触发时刻进行。从理论上严格证明了系统在控制律作用下的收敛性，并通过数值仿真验证了控制算法的有效性。仿真结果也表明，在获得系统期望性能的前提下，降低了控制器输入的更新频率和减少了智能体的资源消耗。

• 缠论和相似灰色模型的预测方法在股价拐点预测中的研究应用

  田红丽,李成群,闫会强,

  针对股价拐点预测研究中拐点序列重构和振荡序列预测问题，提出一种缠论和相似灰色模型结合的预测方法。首先，在缠论基础上系统地给出序列重构的基本理论，再针对灰色理论在振荡序列中预测的不足，提出纵向残差和横向偏差相关系数与灰色理论相结合的相似灰色预测模型；然后利用纵向偏差—横向残差相关系数对历史数据进行匹配计算，得到预测误差最小的灰色模型参数，以加权求和的方式实现具有振荡特性的股价拐点预测。最后两组股价拐点预测实验表明，所归纳的序列重构理论是有效的，与其他常用灰色模型对比表明，相似灰色模型可有效提高振荡序列的预测精度。

• 基于图聚类与蚁群算法的社交网络聚类算法

  叶小莺,万梅,唐蓉,谢云,陈桂宏,李强,

  针对社交网络中社交关系的有向性与多样性，提出了一种基于图聚类与蚁群算法的社交网络聚类算法。首先，在网络覆盖率的约束下为社交网络建立有向、非全连接的二维图模型；然后，采用K-medoids算法搜索用户分组的中心用户，采用人工蚁群算法在2D图中搜索各个用户与中心用户的相似性，将满足相似性阈值的用户分为同一个用户组。设计了低活跃用户的预测机制解决网络的稀疏性问题与冷启动问题。此外，通过网络覆盖率的约束条件权衡聚类准确率与覆盖率两个指标。仿真实验结果表明，该算法实现了较好的社交网络聚类性能，并且有效地缓解了稀疏性问题与冷启动问题。

• 标签移动场景下的防碰撞算法研究

  李辽,崔晓晖,李铭哲,

  针对目前一些已有标签防碰撞算法大多应用于标签固定场景，而在标签移动场景下表现不佳的问题，提出了一种标签移动场景下（tag moving scene，TMS）的防碰撞算法。该算法首先对移入标签和驻留标签进行区分，然后对标签数量进行预估，最后基于标签预估值采用一种混合识别策略对标签进行识别。仿真实验结果显示，相较于其他算法，TMS算法在标签移动场景下可以有效降低标签识别时间，对RFID标签防碰撞算法的研究具有一定意义。

• 考虑不同节点行为要素特征的供应链演化规律研究

  廖治东,郑国华,

  为研究供应链的实际演化规律，以复杂网络理论中的多局域世界模型为原型，提出了一种包含局域性节点与全局性节点且反映多种供应链行为要素的供应链网络演化模型。该模型验证了在自然演化情况下，现实供应链网络均具有一定的幂律性。通过算例对比分析说明，该模型相较现有文献中的演化网络能更好地模拟现实的供应链网络。研究表明，在供应链的自然演化过程中，网络的连通性和传输效率不断增强，由于新节点企业多与较大规模的企业合作而忽略了其他企业，其节点间紧密程度降低；企业与供应链网络的紧密度逐步发展到一定的程度将趋于稳定，大规模企业的发展速度先增加后放缓，各规模节点发展速度在中后期保持稳定。

• 改进粒子群优化的极限学习机软测量建模方法

  盛晓晨,史旭东,熊伟丽,

  工业过程常含有显著的非线性、时变等复杂特性，传统的极限学习机有时无法充分利用数据信息，所建软测量模型预测性能较差。为了提高极限学习机的泛化能力和预测精度，提出一种改进粒子群优化的极限学习机软测量建模方法。首先，利用高斯函数正态分布的特点实现惯性权重的自适应更新，并线性变化学习因子以提高粒子群优化算法的收敛速度和搜索性能；然后将该算法用于优化极限学习机的惩罚系数和核宽，得到一组最优超参数；最后将该方法应用于脱丁烷塔过程软测量建模中。仿真结果表明，优化后的极限学习机模型预测精度有明显的提高，验证了所提方法不仅是可行的，而且具有良好的预测精度和泛化性能。

• 移动边缘计算中基于改进拍卖模型的计算卸载策略

  盛津芳,滕潇雨,李伟民,王斌,

  随着移动互联网业务的快速发展，增强现实、虚拟现实、超清视频等手机应用逐渐普及、IoT应用不断涌现，计算能力和续航能力的不足成为限制智能终端设备成功支撑这些应用的主要瓶颈。针对这一现状，采用计算卸载的方式解决该问题，在多用户多移动边缘服务器的场景下，综合考虑智能设备性能和服务器资源提出了一种基于改进拍卖算法的计算卸载策略。该策略主要包括两个阶段，在卸载决策阶段，通过综合考虑计算任务自身大小、计算需求和服务器计算能力、网络带宽等因素提出了卸载决策的依据；在任务调度阶段，通过综合考虑计算任务的时间需求和MEC服务器计算性能提出了基于改进拍卖算法的任务调度模型。实验证明，提出的计算卸载策略能够有效地降低服务时延，减少智能设备能耗，改善用户体验。

• Text-CRNN+attention架构下的多类别文本信息分类

  卢健,马成贤,杨腾飞,周嫣然,

  迄今为止，传统机器学习方法依赖人工提取特征，复杂度高；深度学习网络本身特征表达能力强，但模型可解释性弱导致关键特征信息丢失。为此，以网络层次结合的方式设计了CRNN并引入attention机制，提出一种Text-CRNN+attention模型用于文本分类。首先利用CNN处理局部特征的位置不变性，提取高效局部特征信息；然后在RNN进行序列特征建模时引入attention机制对每一时刻输出序列信息进行自动加权，减少关键特征的丢失，最后完成时间和空间上的特征提取。实验结果表明，提出模型较其他模型准确率提升了2%~3%；在提取文本特征时，该模型既保证了数据的局部相关性又起到强化序列特征的有效组合能力。

• 基于自学习近邻图策略的短文本匹配方法

  付聪,李六武,杨振国,刘文印,

  针对自然语言处理中的文本匹配问题，提出一种基于自学习文本近邻图框架的深度学习模型，以处理短文本匹配问题。文本近邻图可使用词嵌入将文本转换为向量形式，再通过构建文本相似度关系矩阵获得，可表达文本样本的近邻关系。现有方法通常构造静态的近邻图，这些方法一方面依赖先验知识，另一方面难以获得句子对的最优表示。因此，提出了利用孪生卷积神经网络学习更优的动态更新的近邻图。该模型在Quora数据集上的准确率和F1值分别是84.15%和79.88%，在MSRP数据集上的准确率和F1值分别是74.55%和81.63%。实验表明，提出模型能有效地提高文本识别和匹配的准确率。

• 基于短序列分组和拼接策略的子序列快速查询算法

  范纯龙,王靖云,滕一平,丁国辉,

  子序列查询技术在金融、商业、医疗等领域均有重要应用，但因DTW等相似性比对算法的时间复杂度较高，子序列长度对检索时间影响很大，限制了数据集上长子序列检索的效率。针对这一问题提出一种子序列快速查询算法。首先对数据集中特定长度下所有子序列进行分组并标记出代表性子序列；然后在查询时将查询序列切分成定长的小段序列，并用DTW算法确定与小段序列相似的代表子序列候选集；最后对候选集进行序列拼接，获取到查询结果序列。实验表明新算法效率较典型算法提高约10倍。

• 基于改进人工蜂群算法与MapReduce的大数据聚类算法

  孙倩,陈昊,李超,

  针对大数据聚类算法计算效率与聚类性能较低的问题，提出了一种基于改进人工蜂群算法与MapReduce的大数据聚类算法。将灰狼优化算法与人工蜂群算法结合，同时提高人工蜂群算法的搜索能力与开发能力，该策略能够有效地提高聚类处理的性能；采用混沌映射与反向学习作为ABC种群的初始化策略，提高搜索的解质量；将聚类算法基于Hadoop的MapReduce编程模型实现，通过最小化类内距离的平方和实现对大数据的聚类处理。实验结果表明，该算法有效地提高了大数据集的聚类质量，同时加快了聚类速度。

• 考虑消费者效用的电商平台信用支付决策研究

  马中华,安夏瑢,

  考虑由两个生产不同质量产品的制造商和一个电商平台组成的供应链，基于消费者剩余理论，研究电商平台的信用支付服务决策问题。基于消费者选择不同支付方式购买产品的消费者效用，建立电商平台收益模型，进一步分析得到平台的信用支付服务决策。研究表明，当消费者对质量一般的产品接受程度较高、信用支付服务对消费者带来的负效应较大时，推出信用支付可以提高平台收益，增加消费者剩余；当消费者对质量一般的产品接受程度较低、信用支付服务的负效应较小时，推出信用支付服务且设置较长的延迟支付期可提高平台收益，增加消费者剩余，否则将产生较大资金成本，使平台利益受损。电商平台可通过制定合理的信用支付策略提高平台收益。

• 基于距离和密度的d-K-means算法

  唐泽坤,朱泽宇,杨裔,李彩虹,李廉,

  针对K-means算法对初始聚类中心和噪声敏感的缺点，提出了d-K-means算法（distance & density），在K-means算法的基础上权衡了密度和距离对聚类的影响，对数据进行加权处理，在权值基础上引入最小最大原则选择初始聚类中心，自动确定类中心个数。实验结果表明，d-K-means算法在低维与高维数据上都可以取得较好的聚类效果，并且可以更好地应对低密度区域数据，更好地进行类中心选择。

• 基于条件随机场的汉语词汇特征研究

  黄定琦,史晟辉,

  汉语语言在书面表达时不具有天然分词的特性，词汇与词汇之间没有分词标记，因此在汉语文本的识别中需结合其行文的习惯及规则，即所谓的词汇特征。已有研究通常在实验中显式地标注词汇特征来提高识别效果，增加了人工处理流程，极大地加重了算法移植的工作量。研究并归纳了常用汉语语言的词汇特征，并利用条件随机场（conditional random fields，CRF）的特征提取能力，自行实现了复杂特征函数，在语料只具有简单标注的前提下，隐式地提取词汇特征，提高了识别效果。实验证明，在汉语分词中应用复杂词汇特征能有效提高识别性能，提供了在应用中提高识别算法可移植性的新思路。

• ATD4MA:多属性数据的联合真值发现方法

  何杰,卢菁,邵清,刘丛,

  目前已提出的真值发现方法无法解决对象由多个单值属性与多值属性共同组成的情况，若将这些属性拆分后分别处理则会破坏属性间原有的关联，导致计算结果不准确。为此提出一种多属性数据的联合真值发现方法ATD4MA，将对象各观察值通过遗传算法中的染色体进行建模，针对问题特性对群体初始化算法和染色体基本动作进行改进，控制染色体的演化行为对各属性进行约束，以各对象的真值染色体与各数据源提供的观察值染色体间的差异加权和达到最小为目标建立优化模型，解决了对象包含多个属性的真值发现问题。在两个真实数据集上的实验证明了提出方法的正确性和有效性。

• 基于方形邻域的网格密度聚类算法

  兰红,朱合隆,

  针对大数据聚类低效的问题，提出一种方形邻域快速网格密度聚类算法（square-neighborhood and grid-based DBSCAN，SGBSCAN）。首先给出方形邻域密度聚类定义，利用方形邻域代替圆形邻域，降低时间复杂度；其次提出方形邻域密度聚类的grid概念，快速确定高密度区域内核心点与数据点之间的密度关系；最后提出grid密度簇，利用网格之间的关系加快密度簇的形成。算法应用于16个数据集，分别与已有文献算法进行对比，结果表明所提算法在聚类效率方面有显著提升，数据量越大算法效率提升越明显，且该算法适用于多维数据的聚类。

• 基于自适应双阈值的计步算法

  王岚,彭敏,周清峰,

  针对现有计步算法对不同运动状态适应性差的问题，设计了一种基于自适应阈值的计步算法。该算法首先通过智能手环的内置三轴加速度传感器采集用户在慢走、快走以及跑步三种步行频率的加速度数据，经过五点滤波预处理，在自适应时间窗内检测波峰波谷，再将波峰均值和波谷均值的平均值作为上阈值，波谷均值作为下阈值，通过动态阈值判定步数，最后根据行走振幅和行走频率存在的规律性进行假步检测。测试表明，该算法对于不同的用户在三种不同频率下平均计步精度可以达到91.88%以上。

• 利用自适应选择算子结合遗传算法的机器人路径规划方法

  易欣,郭武士,赵丽,

  在二维复杂环境中，为了避免机器人运动规划中可能出现的局部陷阱和过早收敛问题，提出一种改进的元启发式算法——自适应遗传算法。首先，利用随机Dijkstra算法创建初始种群；然后，在遗传算法的每一代中，改进所创建的路径，并用自适应算子替代常规选择算子；最后，通过搜索过程中的反馈信息，可以令自适应选择算子在整个算法运行中恰当地控制选择压力。为了验证所提方法的有效性，在MATLAB中进行了仿真实验，并将所提方法与另外两种典型方法进行了对比。实验结果表明，提出的方法可以有效避免路径规划中的局部收敛问题，且在复杂环境中也可以产生可行路径。

• 基于公共交通智能卡数据的可视化分析

  夏婷,牛颢,何丽坤,范小朋,朱敏,

  针对现有公共交通数据的可视分析方法很难在不同空间粒度下对乘客时空分布、客流时空分布、区域间客流时序变化进行多任务分析的问题，设计实现了一个多视图融合的可视化分析系统。该系统结合城市公共交通的智能卡数据、车辆GPS数据、地铁和公交线路信息，利用出行链路模型和基于出行时空特征的回归模型完成了乘客起讫点（origin-destination，OD）推断；然后，设计了层次聚类的地图可视化方法，结合了融合方位信息的玫瑰图和动态对比堆叠折线流图来分析各区域间的客流时序特点、关联关系；最后，利用真实的深圳市公共交通数据的可视分析结果验证了系统的有效性。

• 一种面向PDF文本内容审查的高效多模式匹配算法

  刘邦国,陈庆春,类先富,

  针对Wu-Manber多模式匹配算法所存在的匹配效率低、跳转距离较小的问题，结合PDF文本内容的编码规则，提出了一种适用于中文PDF文本内容审查的Wu-Manber改进算法。该算法使用布隆过滤器提取模式串关键信息，同时结合双重哈希和PDF文本编码规则，减少了无谓的匹配次数，加大了跳转幅度，从而提升了PDF文本的匹配性能。实验结果表明，这种改进算法在PDF文本审查中的匹配速率有较大提升，尤其当最短模式串较长且模式串规模较大时速度可以提升一倍以上。

• 面向大数据复杂应用的虚拟集群动态部署模型

  王瑾,曹云鹏,王海峰,

  针对计算负载的时变性和复杂性导致虚拟集群的资源利用率不高的问题，为提高虚拟集群资源的全局利用率，采用弹性资源管理策略来吸收多种计算模式混杂时的资源需求突变。在Docker容器技术的支持下提出一个根据作业需求变化的动态部署模型。该模型根据资源的动态需求变化，实时调整虚拟集群的计算形态，具体包括计算节点的类型及规模。该模型不仅实现用户作业执行环境的动态定制，而且达到错峰计算的目的。仿真实验表明，该模型使得虚拟节点CPU利用率提升5.3%，并且优化了计算作业的执行效率。该动态部署模型适合应用到数据中心或大规模集群中，能够有效提高计算资源的利用率。

• 分段提取函数型数据特征的算法研究

  金海波,马海强,

  针对函数型数据分类算法中全局统计特征表达能力有限，且显著点特征易受噪声干扰等问题，提出一种基于统计深度方法的函数曲线特征分段提取算法。首先，利用数据平滑技术对离散观测的数据进行平滑化处理，同时引入函数型数据的一阶和二阶导函数；然后，分段计算函数本身及其低阶导函数的马氏积分深度值，在此基础上构造函数曲线特征向量；最后，给出三种选择调节参数的搜索方案，并进行分类研究。在UCR数据集上的实验表明，与当前其他曲线特征提取算法相比，所提算法能有效提取函数曲线特征，提高分类的准确性。

• 基于HNC句类的社区问答系统问句检索模型构建

  王宇,王芳,

  社区问答系统中充斥着大量的噪声，给用户检索信息造成麻烦，以往的问句检索模型大多集中在词语层面。针对以上问题构建句子层面的问句检索模型。新模型基于概念层次网络（hierarchincal network of concept，HNC）理论当中的句类知识，从句子的语用、语法和语义三个层面计算问句间相似度。通过问句分类算法确定查询问句和候选问句的问句类别，得到问句间的语用相似度，利用句类表达式的结构和语义块组成分别计算问句间的语法及语义相似度。在真实数据集上的实验表明，基于HNC句类的新模型提高了问句检索结果的准确性。

• 基于LBP人脸纹理特征的差分直方图移位无损信息隐藏算法

  张弢,柳雨农,任帅,张德刚,

  针对信息隐藏算法中提高嵌入量与增强鲁棒性之间的矛盾问题，提出一种多载体信息隐藏算法。使用多幅人脸表情图像作为载体，采用局部二值模式（LBP）纹理特征识别人脸表情区域来嵌入加密信息；计算出载体区域的相邻像素差值矩阵，通过对差值矩阵的对应元素直方图进行移位构造出嵌入空间来实现加密信息的可逆隐藏与载体图像的无损恢复。分析证明了该算法比现有算法具有更大的嵌入容量并保持较高的鲁棒性的优势，在最大嵌入容量达到0.561时具有38.421 dB的信噪比（PSNR），且在识别的嵌入区域PSNR值达到46.286。鲁棒性实验表明，该算法对于滤波攻击可以与原始信息图像的相似度大于99%；面对剪切、平移攻击时，秘密图像归一化系数NC最小为0.743和0.728，远大于其他算法。从与其他算法的对比实验结果看，该算法是有效的。

• 基于生成对抗网络的模糊密钥加密通信研究

  李西明,吴嘉润,吴少乾,郭玉彬,马莎,

  解决模糊密钥加密通信问题，并利用生成对抗网络的方法初步实现对称密钥下的模糊密钥加密通信方案。首先利用神经网络实现两方模糊密钥加密通信，实现16 bit密钥对称加密通信中6 bit密钥差异的模糊密钥加密通信。在此基础上考虑敌手存在的模糊密钥加密通信模型，利用GAN思想对通信双方与敌手进行对抗训练，实现16 bit密钥对称加密通信中4 bit密钥差异的模糊密钥通信，实验所得模型中通信双方可正常通信而敌手在可获取密文情况下无法获取明文信息。实验证明了利用神经网络与生成对抗网络解决模糊密钥加密通信问题的可行性。

• 基于帕累托优化的网络安全设备部署设计与研究

  冯毅,潘上,李瑞,

  通过部署网络安全设备可以有效地提高网络的安全性，但由于网络设备种类繁多、功能复杂，如何在整个网络中最优地部署网络安全设备，从而达到安全和开销的平衡，仍是研究人员关注的焦点。将网络安全设备最优部署问题转换为帕累托优化问题，提出分布式约束优化的七元组对网络安全设备部署进行量化赋值，构建基于分支界限算法的部署方案搜索算法，在解空间内对量化的数值进行计算并求出最优解。由于基于分支界限算法的方案搜索算法需要耗费大量时间，在大型网络中运行效率较低，使用基于弧一致优化的数据预处理技术对量化数值进行预处理，实现搜索算法的优化。最后通过仿真实验测试，证明该方法的正确性和有效性。

• 基于PN码随机化的MSAC攻击防御方法

  许新忠,张连成,燕菊维,

  基于流速率的直序扩频（DSSS）流水印技术在嵌入多比特的水印信息时采用同一伪随机（PN）码，使得已标记数据流具有自相似性，均方自相关（MSAC）攻击通过单条已标记数据流就可检测DSSS流水印的存在性，严重破坏了DSSS流水印的隐蔽性。PN码正交化方法虽可消除已标记数据流的自相关性，进而抵御MSAC攻击的检测，但正交PN码难以生成，应用范围受限。为此，提出基于PN码随机化的MSAC攻击防御方法，在向目标数据流嵌入每个水印位时均采用随机选择的不同长度的PN码进行扩展，使得已嵌入DSSS流水印的数据流速率的均方自相关不再呈现周期性峰值，进而可在MSAC攻击面前保持隐蔽性。理论分析与实验结果表明，基于PN码随机化的MSAC攻击防御方法可有效抵御MSAC攻击的检测，且所采用的PN码易于生成，便于部署和应用。

• 基于区块链信用体系的分布式数字版权管理机制

  周如月,钱良,

  为了提升数字版权管理机制的效率，为去中心化内容分发网络中的版权保护问题提供解决方案，提出一种基于区块链信用体系的分布式DRM（digital right management）机制。利用区块链增信体制及智能合约技术，该DRM机制设计了去中心化分布式网络环境中的版权交易过程，实现版权交易过程的不可逆加密记录，并针对内容分发应用的实际需求对分布式账本的数据结构作出轻量化调整。仿真测试和结果分析表明，基于该机制可为构建出高性能低开销的分布式内容分发系统提供技术支撑，并且相较于传统DRM机制更具备高度的灵活性和可扩展性。

• 基于区块链的云数据审计方案

  周坚,金瑜,何亨,李鹏,

  云存储凭借高扩展性、高可靠性、低成本的数据管理优点得到用户青睐。然而，如何确保云数据完整性成为亟待解决的安全挑战。目前的云数据完整性审计方案绝大部分是基于半可信第三方来提供公共审计服务，它们存在单点失效、性能瓶颈以及泄露用户隐私等问题。针对这些缺点提出了基于区块链的审计模型。该模型采用分布式网络、共识算法建立一个去中心化、易扩展的网络解决单点失效问题和计算力瓶颈，利用区块链技术和共识算法加密用户数据保证数据不可窜改和伪造，确保了用户数据的隐私。实验结果表明，与基于半可信第三方云数据审计方案相比，该模型能够保护用户隐私，显著提高了审计效率，减少了通信开销。

• 区块链中矿池选择策略的研究与分析

  邸剑,吝伟华,

  在基于工作量证明（proof of work，PoW）的区块链网络中，矿工通常选择加入矿池。由于存在多个矿池并且不同的矿池拥有的算力不同以及可能采取不同的奖励机制，所以矿工可以在不同的矿池中获得不同的收益。针对矿工面临的矿池选择问题，建立了一个基于风险决策准则的矿池选择模型，研究了矿池算力和奖励机制对矿工最优选择策略的影响。首先计算了矿工在不同矿池中的收益，给出收益矩阵；其次分别利用最大可能性准则和期望值准则得出最优选择策略；最后通过仿真实验，对提出的策略进行了验证分析。实验结果表明，提出的策略与简单策略相比，在绝大多数情况下能为矿工带来更高的收益。

• 考虑量化不匹配问题的信息物理系统的安全控制

  贾欣婷,郑柏超,裴斌,

  针对一类包含执行器攻击、外部干扰和编/解码器不匹配的信息物理系统（cyber-physical system，CPS），设计一种新型鲁棒控制器确保其安全稳定运行。控制器线性部分的增益由优化H2性能的线性矩阵不等式给出；控制器的非线性结构包含两部分，一部分用于消除外部干扰、量化误差，另一部分利用对未知执行器攻击参数的自适应估计来实现对攻击的补偿。最后，仿真算例结果表明控制器能保证闭环系统的一致最终有界性，说明了所提方法的有效性。

• 基于DTMF信号的智能手机外部攻击及防御方法

  申兴发,杨健,冉德纲,

  提出的基于DTMF信号的智能手机外部攻击方法，可以在用户不被察觉，且与用户手机无交互情况下进行有效攻击。该方法对用户某些重要按键操作进行录音；然后对录音数据在时域上进行双阈值的端点检测，提取信号的有效区域；再将有效区域通过Goertzel算法转换到频域进行数字分类；对比通过比照DTMF编码表得到用户所有按键数据。实验结果表明，该方法在10 dB信噪比，且与用户手机无交互的条件下能破解80%以上的按键数据。最后，给出了相应的防御方法。

• DCO-OFDM系统DCT-S峰均比抑制算法

  徐凌燕,仇洪冰,李燕龙,符杰林,

  针对直流偏置光正交频分复用（DCO-OFDM）系统中的非线性失真问题，提出一种基于离散余弦变换（discrete cosine transform，DCT）和缩放（scaling）的DCT-S峰均比（PAPR）抑制算法。该算法通过DCT改变功率分布概率，减小信号包络范围，再对时域信号进行自适应缩放，使其更好地适应LED的动态范围，降低系统峰均比，进而抑制了非线性失真。仿真结果表明，与传统算法相比，该算法在LED发射功率不变的前提下，大幅降低了DCO-OFDM系统的峰均比，同时降低了误码率。

• 基于全相位频谱校正的TMBOC信号的捕获

  赵健根,张天骐,喻盛琪,

  针对使用传统部分匹配滤波器（PMF）结合快速傅里叶变换（FFT）无法精确捕获时分复用二进制偏移载波（TMBOC）调制信号的问题，提出一种基于全相位频谱校正的捕获方法。首先通过PMF过程对接收信号进行部分相关运算，再使用全相位快速傅里叶变换（apFFT）算法对多普勒效应进行补偿，最后结合全相位频谱校正技术对功率谱进行校正。仿真结果表明，在同一条件下，该算法比PMF-FFT加窗算法检测概率提高了3 dB左右，并有效缩短了捕获时间。该算法可比PMF-FFT加窗算法更精确捕获TMBOC信号。

• 基于超像素的深度图修复算法

  潘波,范祺红,曹雪玮,刘骥,

  随着计算机视觉领域不断的发展，用于描述场景深度信息的深度图受到越来越多的关注。针对深度图中由于深度信息缺失导致的图像空洞、深度值准确度不高及图像噪声等问题，提出了一种融合超像素和基于方向的联合双边滤波器的深度图修复算法来改善深度图的质量。该算法引入了基于超像素的自适应滤波窗口，并对不同类型的空洞像素点采用不同的滤波算法，从而对深度图进行修复和优化。定性对比实验和定量评价结果表明，其可以有效地修复深度图空洞噪点，获得高质量、高准确性的深度图。

• 抗密钥泄露的在线/离线身份基加密机制

  张秀洁,

  目前已有的在线/离线身份基加密（IBOOE）方案无法抵抗边信道攻击，可能会引起密码系统秘密信息泄露问题。新方案通过将随机提取器嵌入在线加密算法来隐藏私钥泄露和密文之间的关系，提出首个有界泄露模型下安全的IBOOE方案；新方案基于合数阶双线性群上的三个静态假设，利用双系统加密技术在标准模型下抵抗选择明文攻击达到完全安全性和泄露弹性。此外，与传统的IBOOE方案相比较，新方案特别适用于敏感数据存储且资源受限的场景。

• 高动态航空自组网中考虑优先级的逐跳路由协议

  刘浩江,王浩,柳宁,丁良辉,杨峰,钱良,

  针对航空自组网频繁的拓扑变化、网络断开的问题，提出一种考虑优先级的逐跳路由（priority concern hop-by-hop routing，PCHHR）协议。PCHHR依据运动方向优先、距离次之的原则选择下一跳路由节点，优先选择向目的节点运动的邻居作为下一跳节点，次优选择距离目的节点最近的邻居作为下一跳节点；区分数据报文的时延需求，优先转发时延约束小的数据。仿真结果表明，PCHHR在较低的控制开销和端到端时延下，总体数据分组投递率高于航空路由协议（aeronautical routing protocol，AeroRP）、贪婪转发路由和传统的端到端路由协议，提高了高实时性数据分组的投递率。

• 毫米波MIMO系统离散化混合预编码设计

  丁青锋,邓玉前,连义翀,

  为了提高毫米波大规模多输入多输出（MIMO）系统波束成形增益，降低天线与移相器的硬件成本，提出一种基于离散移相器的混合预编码设计方案。以最优化频谱效率为目标，该方案通过分析均匀直线阵列与均匀平面阵列的响应矢量，将毫米波信道的空间特性预编码的设计考虑为空间稀疏重构问题，采用离散化正交匹配追踪原理求出数字预编码与离散化的模拟预编码。仿真结果表明，同等条件下平面阵列的频谱效率优于直线阵列，同时所提出的离散化混合预编码方案中低精度移相器的性能近乎达到全精度移相器的性能增益。

• 车联网环境下基于模糊逻辑的交通拥堵检测方法

  王润民,刘丁贝,胡锦超,朱宇,徐志刚,

  针对现有的道路交通拥堵检测方法的不足，提出了一种基于V2V的道路交通拥堵检测方法。首先基于V2V的方式实时获取邻居车辆状态信息，建立车辆邻居表；其次依据车辆行驶速度、车流密度、交通拥堵评级体系构建模糊控制器，完成本地交通拥堵水平的估计；然后通过车车通信进行邻居车辆交通拥堵状况的查询，并根据大子样假设检验验证本地交通拥堵水平值，完成所在区域交通拥堵水平的检测；最后基于Veins平台搭建仿真测试场景，仿真对比了拥堵检测结果的准确率，同时测试车辆节点的退避时槽数量和接收广播数据包的数量。实验结果表明， 提出的道路交通拥堵检测方法实现的拥堵检测准确率分别比线圈法和CoTEC法提高了5.5%和7.5%；提出的道路交通拥堵检测方法实现的车车通信网络拥塞比CoTEC法降低了90.8%，并且在未发生交通拥堵时通信节点的通信负载显著降低。

• 基于卡尔曼滤波的室内定位可信指纹库研究与实现

  吴蔚,谭献海,钱晓群,彭宏玉,

  在基于iBeacon技术的指纹库室内定位算法中，由于室内环境中人员走动、多径效应等因素所带来的噪声影响，需要加以抑制。卡尔曼滤波算法可以用来抑制这些噪声，进而建立可信（即更接近真实值）的指纹库。重点研究在使用卡尔曼滤波算法时，根据具体的室内环境进行测量，估算出不同iBeacon节点的观测噪声以及卡尔曼滤波算法的迭代初值，使卡尔曼滤波算法更快收敛。实验结果表明，通过卡尔曼滤波算法建立的指纹库比通过平均值建立的指纹库，定位精确度和稳定度均有明显的提升。

• 基于NSGA-Ⅱ算法的地基伪卫星定位系统布站方法研究

  刘尚雄,王玲,姚铮,

  在地基伪卫星定位系统独立组网时，可将其布站问题转换为多目标优化问题求解，以提高系统信号覆盖率、优化基站几何布局为目标，从而达到减少基站数量同时保证良好定位精度的目的。提出了基于带精英策略的非支配排序遗传（NSGA-Ⅱ）算法的伪卫星系统多目标布站方法，通过可视域分析技术确定系统信号覆盖率，并采用一种多矩阵相乘的加权水平精度因子计算方法衡量基站几何布局，最后利用NSGA-Ⅱ算法求解两个优化目标的非支配最优解集。以张家界某山区地形进行仿真，结果显示只需28个基站系统信号覆盖率就可以达到90%，同时能保证系统基站几何布局较优，性能优于普通遗传算法，在实际工程布站应用中有一定的指导意义。

• 无线充电体域网基于边际效用的网络资源分配方法

  申帅,董晓龙,钱建生,程德强,张国鹏,

  射频能量采集技术可以从根本上解决电池容量对无线体域网生存期的限制，为了提高网络资源分配的效率以及公平性，提出一种基于边际效用理论的网络资源分配方法。首先，设计传感器节点的效用函数，将节点所能获得的吞吐量映射成QoS满意的等级；然后，以最大化网络中全部传感器节点整体效用为目标，将多高效、公平的网络资源分配问题构建成效用最大化问题；最后，通过对偶分解方法求得该问题的最优解。仿真结果表明，与总吞吐量最大化和sigmoid效用最大化方法相比，所提出的方法在获得较高系统整体吞吐量的同时，确保了传感器节点个体获得吞吐量的公平性。

• 自组织网络中带冲突避免的快速邻居发现机制

  牟林宏,石晶林,沈茹婧,

  邻居发现的速度影响着整个网络组网和通信的效率，现有的邻居发现协议未考虑多个节点同时发送信标时产生信标冲突的情况。针对这个问题，提出了一种有效避免信标冲突的快速邻居发现机制，即在发送信标前，采用载波侦听机制去侦听信道状态，从而减少信标冲突，提高发现效率。同时又采用动态增加唤醒时隙来减少发现时延，加快邻居发现。仿真结果表明，采用该机制无论在占空比对称还是非对称的情况下，都能有效加快现有协议发现速度。

• 一种双信道协作中继的认知网络功率分配算法

  刘少江,许志明,倪伟传,王凤,万智萍,

  针对认知无线网络主、次用户的互相干扰对网络中断性能以及系统传输效率的影响进行了研究，采用一种双信道协作中继的传输方案来减少干扰，并提出一种基于中断概率的最优功率分配方案来改善中断性能和传输效率。在该传输方案中，主、次系统通过对接收的主信号和复合信号进行处理，采用连续的干扰解码和消除得到去干扰信号。该功率分配方案在保障主系统中断性能的前提下，提出次系统中断概率的优化方程，通过关联功率分配因子来实现最大化次系统吞吐量。实验结果表明，该算法在改善中断性能和系统吞吐量方面具有较好的效果。

• 基于深度学习的人体动作草图到三维骨骼模型重建方法的研究

  马昊,李淑琴,丁濛,

  为了提高三维人体骨骼模型的建模效率并简化交互规则，提出了一种基于深度学习的手绘人体动作草图到三维骨骼模型的重建方法。首先将三维骨骼模型渲染为二维图像来建立维度映射关系，进而使用图像分类方法识别手绘草图动作并根据维度映射实现三维骨骼模型重建。在实验中使用基于深度卷积神经网络对图像分类模型进行构建，使用浅层卷积网络作为训练单元，并使用逐级分类与分块训练策略加速网络收敛速度来提高训练效率。最后实验结果验证了该方法的可行性与有效性。

• 级联特征点检测的锥套小目标快速检测定位算法

  李旺灵,孙永荣,曾庆化,王国屹,赵伟,

  为提升无人机自主空中加油中锥套小目标的检测精度和实时性，提出了级联网络与特征点检测网络的锥套小目标高精度快速定位算法。该算法设计了锥套目标全局粗定位和局部精定位的两级检测神经网络结构，采用特征点的输出位置误差及特征点群拟合的椭圆参数误差设计网络的损失函数，利用特征点拟合的锥套目标尺寸位置信息修正跟踪算法，提升了跟踪算法的和目标定位的实时性。实验测试结果表明，该定位算法的定位成功率在95%以上，定位的精度（预测区域与真实区域的重叠率）在80%以上，定位输出速率达到了100 Hz，对于环境的变化有着较强的适应性。因此该算法可以快速准确地进行锥套目标的跟踪，对于无人机空中加油技术的发展具有重要的研究意义。

• 基于改进区域生长的水岸线提取方法研究

  郑又能,肖宇峰,寸超,向可均,张华,刘冉,

  针对无人船在水面目标识别及视觉导航中涉及到的水岸分割问题，提出了一种基于改进区域生长的水岸线提取方法。首先在Lab颜色空间对图像进行阈值分割，得到水面种子点候选区域；然后通过构建最小二乘问题在种子点候选区域自动选取最优初始种子点，并基于图像标准差实现生长规则阈值自适应；最后依据初始种子点和生长规则进行区域生长，并对得到的水面区域进行边缘提取，从中分离出水岸分界线。采用该方法对水岸样本图像进行实验，通过相关系数和偏移误差对水岸线提取结果进行评价。实验结果表明，该方法能够提取出复杂环境下的水岸线，具有一定的鲁棒性，且基本满足实时性要求。

• 传感器数据融合与单一传感器在同步定位与构图中的对比研究

  郭维,彭辉,张瑜,

  针对室内环境下单一传感器数据在同步定位与构图中的局限性问题，提出了一种使用模糊贴近度和自适应加权相结合的传感器数据融合方法。首先建立了观测模型，并使用模糊贴近度的方法将Kinect深度摄像头获取的数据和激光雷达数据进行首次融合；然后使用自适应加权的方法对权值系数进行二次加权修正；最后将使用该方法构建的地图与单一传感器构建的地图进行了对比分析。实验证明，使用该方法获得的数据更加可靠，获取的地图精确度更高、环境特征表现更加平滑，验证了所提算法的有效性。

• 基于全卷积DenseNet的前列腺MRI分割新方法

  胡学刚,杨洪光,

  前列腺磁共振图像（MRI）的自动分割对前列腺疾病的诊断至关重要，但是前列腺区域所占比例过小、组织边界模糊等问题为自动分割带来极大困难。针对这些问题，提出了一种基于全卷积DenseNet的前列腺MRI图像分割方法。该方法以现流行的深度学习理论为基础，利用迁移学习的思想，将DenseNet从自然图像迁移到前列腺数据集；采用反卷积和类似U-Net的全卷积神经网络结构，实现端到端的图像分割。同时引入并改进Dice相似性损失函数以解决前列腺MRI中背景所占比例远远大于前列腺区域和一些像素难以准确分割等问题。通过在PROMISE12数据集上进行实验，提出的方法Dice相似性系数达到93.25%，Hausdorff距离小于1.2 mm，相较于目前的主要方法，分割效果更好、所耗时间更短。

• 由嘴唇视频直接生成语音的研究

  贾振堂,

  为了更便捷地实现唇声转换，提出了一种由嘴唇视频直接生成语音的方法，并对相关问题进行了研究。首先同步地计算视频文件中的嘴唇运动特征和对应的LPC10话音编码参数，然后借助LSTM人工神经网络进行端到端的训练。训练后的网络模型可以将嘴唇运动特征映射为语音编码参数，再采用语音合成技术将语音编码参数转换成可以播放的语音样值数据。该方法跳过了中间的文字环节，因此称为直接生成，具有可方便地得到训练样本、无须人工标注的优点，同时也可以避免文本重建语音方法中存在的发音歧义。测试结果表明，在词汇量有限的应用情境中，该方法可以由嘴唇视频重建较为清晰可懂的语音。

• 基于邻域差分滤波生成式对抗网络的数据增强方法

  杜卉然,许亮,吕帅,

  针对工业产品样本缺乏且特征不明显而难以用于深度学习训练的问题，提出一种邻域差分滤波生成式对抗网络数据增强（NDF-GAN）方法。将邻域差分滤波器融合到生成对抗网络中，从样本中提取特征并进行样本重建，对样本进行数据增强。实验表明，该方法所生成的样本比现有两种模型质量更高，与真实样本混合训练分类模型后获得更好的分类性能。因此，提出的NDF-GAN实现了对工业产品样本的数据增强。

• 通道加权和自适应模型更新的实时目标跟踪

  徐嘉宏,蔡骋,宁纪锋,

  针对单一特征不能有效建模目标及特征通道直接叠加影响跟踪质量的问题，基于判别式尺度空间跟踪（DSST）提出了自适应模型更新与响应加权的实时相关滤波跟踪算法。首先，融合多维特征，并对每一响应通道自适应加权；其次，在尺度估计中融入多项式拟合策略；最后，根据响应图峰值波动情况进行样本可靠性判定，并提出模型更新策略。在OTB2013和OTB2015上进行实验，所提算法相较基准跟踪器，成功率分别提升6.4%和6.7%。与最近的跟踪器相比，其展现了优秀的性能，每一模块都对结果产生了有效的提升，且速度高达85 fps，是基准跟踪器DSST的三倍，超过大部分实时性跟踪算法。

• 邻域均值检测的迭代加权中值滤波算法

  陈家益,战荫伟,曹会英,董梦艺,

  针对现有滤波算法在噪声检测与去除上存在的相应缺陷，提出了邻域均值检测的迭代加权中值滤波算法，对噪声检测与去除方法分别进行改进。算法根据噪声的灰度特征进行噪声检测，再基于邻域像素的相关性，用邻域的均值作进一步的检测；运用基于高斯曲面的加权算子，以迭代的方式，用邻域中信号像素的加权中值对噪声进行去除。实验结果证明，相对于现有滤波算法，所提算法具有更好的去噪性能，在保持高信噪比的同时，能很好地保持图像的纹理结构。

• 基于生成模型约束的graph cuts标签融合算法

  张令顺,马瑜,芦玥,王文娜,申旺发,

  人脑磁共振图像（magnetic resonance imaging，MRI）分割算法易受图谱错误标签的影响，为减少错误标签对标签融合准确度的影响，提高人脑磁共振图像的分割精度，在图谱预选阶段采用梯度信息和互信息筛选出相似性较大的图谱图像，对标签融合阶段提出利用生成模型（generative model，GM）约束的graph cuts标签融合方法，快速准确地分割出了人脑海马体结构。与其他的标签融合方法对比，提出的算法具有更高的分割精度。

• Bregman全散度水平集图像分割方法

  李红蕾,王翊,

  由于图像来源的广泛性和成像条件的复杂性，使得图像分割是一个极具挑战性的问题。针对传统活动轮廓模型不适用于噪声、弱边缘图像分割的问题，提出基于Bregman全散度的全局优化分割方法。首先用Bregman全散度替换传统模型中的l2测度，构造能量泛函；然后构造全局最优解求解方法，交替迭代求解最优解，得到最终的目标边界；最后在模拟图像、医学图像和自然图像场景下进行实验对比。对比实验结果表明，该分割方法具有较高的鲁棒性和抗噪能力，能准确地分割出具有噪声、弱边缘的目标区域。