计算机应用研究杂志

计算机应用研究杂志2020年第7期

• 关系抽取综述

  谢德鹏,常青,

  关系抽取发展至今，总体上可以分为基于规则和基于统计的抽取方式；之后出现的众多方法大多是以统计为主，辅助以规则；后来引入了包括远程监督、深度学习等模式并融合了注意力机制、多标签多实例方法。对关系抽取的发展过程和方向以及以上提到的方法进行介绍和总结。

• 主动网络流水印技术研究进展

  金华,王成,

  简要介绍主动网络流水印技术的应用场景；描述了水印基本框架，对典型的主动网络流水印技术进行归纳和梳理，对各自的实现原理进行分析比较，给出最新研究进展；讨论现有针对网络流水印的攻击方法，并从隐蔽性、鲁棒性、抗攻击性等六个方面对水印典型算法的性能进行了比较；最后总结并指明了下一步的研究方向。

• 面向社交媒体的分级注意力表情符预测模型

  张熙来,周俊祥,姬东鸿,

  将预测社交媒体表情符的任务作为文本分类问题，将输入文本映射到最有可能的伴随表情符号。首先，通过研究帖子中出现的表情符与标签之间的关系，提出一个基于标签、发帖用户、发帖时间、发帖地点的注意力机制；其次，添加表情符位置特征；最后，探讨注意力机制、分级模型对于表情符预测任务的作用，训练多种模型并比较其预测效果。实验结果表明，模型对于不同使用频率的表情符的预测效果均有显著提升，模型是可行的、高效的。

• 多特征融合的图文微博情感分析

  凌海彬,缪裕青,张万桢,周明,武继刚,

  现有的微博情感分析方法已经注意到了微博文本与图片之间的互补作用，但较少注意用户情感表达的差异和微博内容中除文字之外的特征，为此提出一种多特征融合的图文微博情感分析方法。首先构建文本情感分类模型，将对情感具有很好指示作用的内容特征和用户特征与微博句子进行融合， 然后构造了基于参数迁移和微调的图片情感分类模型。最后设计特征层和决策层融合的方法，将文本和图片情感分类模型进行融合。实验结果表明，内容特征和用户特征有效增强了模型捕捉情感语义的能力，并在多项性能指标上都取得了很好的效果， 构建的图文情感分类模型和融合方法可获得更好的性能。

• 基于模仿创造的网络流行语传播模型及仿真研究

  蒋建洪,李倩倩,

  随着互联网和智能移动终端的发展，研究网络流行语的传播过程和发展趋势对于网络营销和广告文案的创作具有重要意义。基于SIR传染病模型，综合考虑网民对网络流行语模仿再创造的行为特点，构建新型的网络流行语传播模型，利用神经网络技术结合流行语时序数据对模型进行参数反演，并分别以流行语“佛系”和“确认过眼神”为例进行验证。结果表明，用户的模仿再创造行为是网络流行语传播中后期的主要驱动力；相较SIR模型，该模型着重考虑了网民对流行语的创新行为并运用参数反演方法，其预测准确度更高，模型拟合值与真实数据相比误差更小。进而可以为营销和广告创意人员提供有益的借鉴，并通过预测其发展趋势对舆论进行及时分析和引导。

• 融合连边符号语义信息的网络表示学习算法

  王凯,赵学磊,李英乐,刘正铭,李星,

  为融合连边符号语义信息提升网络表示学习质量，针对现有算法处理复杂连边符号语义信息能力较弱问题，提出一种融合连边符号语义信息的网络表示学习算法，将包含正负关系的连边符号语义信息引入网络表示学习过程。首先，该算法设计基于三层感知机的关系预测模型刻画节点间不同类型的上下文链接关系；然后，引入随机游走策略实现上下文链接采样以适应大规模网络场景训练需求。在三个数据集中实验表明，该算法能够有效建模节点间不同类型的上下文链接关系，挖掘其中包含的复杂语义信息，相比目前最优的SIDE方法，所提算法的性能分别提高了0.31%、1.3%和1.85%。

• 自适应差分隐私预算分配策略的直方图发布算法

  唐海霞,杨庚,白云璐,

  差分隐私直方图发布中，隐私预算涉及到噪声添加的强度，直接影响到直方图发布的数据可用性，如何合理地进行隐私预算的分配是直方图发布算法面临的一大挑战。提出了一种自适应的隐私预算分配策略（adaptive privacy budget allocation，APB）的直方图发布算法，首先通过分析分组前后引入的噪声误差和重构误差，建立了隐私预算分配权重的优化模型，得到最优分配权重和分组大小以及分组个数之间关系；然后基于优化模型和贪心分组的思想，提出了自适应的隐私预算分配策略，可以更好地均衡噪声误差和重构误差，提高发布数据的可用性。实验结果表明，基于自适应的隐私预算分配策略的直方图发布算法可用性高于同类算法。

• 用户认知驱动的VR自然交互认知负荷研究

  徐小萍,吕健,金昱潼,姬文渊,

  针对目前虚拟现实自然交互系统中用户认知负荷难以量化问题，以量化认知负荷为目的，提出一种基于概率神经网络的多通道信息融合模型。首先根据认知理论建立“认知—行为—环境”框架，并在此基础上研究用户认知的数学表征（方法、过程、机理），构建多通道认知模型；然后将多通道信息融合方法引入虚拟现实自然交互系统，建立一种面向虚拟现实自然交互系统的认知负荷模型；通过VR隧道应急救援系统实验对系统中的用户认知进行验证。验证结果表明，具体提出的认知负荷模型具有一定的可行性。

• 基于动态掩蔽注意力机制的事件抽取

  黄细凤,

  事件抽取（event extraction）是自然语言处理（natural language processing，NLP）中的一个重要且有挑战性的任务，以完成从文本中识别出事件触发词（trigger）以及触发词对应的要素（argument）。对于一个句子中有多个事件的多事件抽取任务，提出了一种注意力机制的变种——动态掩蔽注意力机制（dynamic masked attention network，DyMAN），与常规注意力机制相比，动态掩蔽注意力机制能够捕捉更丰富的上下文表示并保留更有价值的信息。在ACE 2005数据集上进行的实验中，对于多事件抽取任务，与之前最好的模型JRNN相比，DyMAN模型在触发词分类任务上取得了9.8%的提升，在要素分类任务上取得了4.5%的提升，表明基于DyMAN的事件抽取模型在多事件抽取上能够实现领先的效果。

• 一种基于邻域系统密度差异度量的离群点检测算法

  杜旭升,于炯,陈嘉颖,王跃飞,蒲勇霖,叶乐乐,

  针对离群点检测算法LOF在高维离散分布数据集中检测精度较低及参数敏感性较高的问题，提出了基于邻域系统密度差异度量的离群点检测NSD（neighborhood system density difference）算法。相较于传统基于密度的离群点检测方法，NSD算法引入了截取距离的概念。首先计算数据集中对象在截取距离内的邻居点个数；其次计算对象的邻域系统密度；然后将对象的密度与它邻居的密度进行比较，判定目标对象与其邻居趋向于同一簇的程度；最后输出最可能是离群点的对象。将NSD算法与LOF、LDOF、CBOF算法在真实数据集与合成数据集中对比实验发现，NSD算法具有较高的检测准确率和执行效率以及较低的参数敏感性，证明了NSD算法是有效可行的。

• 基于DL关联εL++规则挖掘的归纳知识发现

  李春雨,

  为了从不完整和动态的数据中发现知识，提出了一种基于DL关联εL++规则和归纳推理的一致知识发现。首先通过对描述逻辑εL++规则和演化本体的知识动态性地分析得到了演化本体中的归纳推理学习，它是基于原子集支持度和权值以及关联εL++规则的置信度，通过挖掘εL++规则来实现的；其次，通过获得具有最小支持度和最小权值的代表性关联DLεL++规则，实现对重要规则的精确识别，从而实现归纳知识发现。采用来自于某市历史数据的实验结果表明，提出的方法相比于现有的主流方法在演化本体和动态语义数据中的知识发现不仅有很好的扩展性，而且有更高的准确性。

• 基于行为序列分析的学习资源推荐算法研究

  桂忠艳,张艳明,李巍巍,

  利用数据挖掘技术分析网络学习行为数据可以挖掘出其隐含的行为规律特征，为学习者提供个性化的学习资源服务。针对现有的数据挖掘算法在对网络学习行为数据进行分析时普遍存在模型适用性不高的问题，提出了一种基于行为序列分析的学习资源推荐算法。首先，提出行为序列及其相关概念的定义，并提出行为序列相似度计算方法；然后提出基于行为序列相似度的协同过滤推荐算法，计算学习者相似度并为待推荐学习者生成学习资源推荐列表；接着给出基于学习风格的推荐方法，将学习者学习风格特征融入推荐过程；最后，给出基于行为序列分析的学习资源推荐算法的模型。提出的算法没有对行为序列的模式进行限制，具有较高的适用性，对深入研究网络学习行为序列数据为学习者提供个性化学习服务具有一定的借鉴作用。

• 基于中心性和模块特性的关键蛋白质识别

  毛伊敏,章宇盟,胡健,

  针对蛋白质相互作用（protein-protein interaction，PPI）网络中存在大量噪声以及现有关键蛋白识别方法准确率不高等问题，提出了一种基于中心性和模块特性（united centrality and modularity，UCM）的方法来识别关键蛋白质。首先，整合蛋白质拓扑数据和生物数据构建多元属性网络，以降低PPI网络中噪声的影响；其次，根据关键蛋白质的拓扑特性和生物特性，提出一种挖掘稠密且高度共表达的关键模块算法，从多元属性网络中挖掘高可靠性的关键模块，以从多维角度强化关键蛋白质在模块中的重要程度；最后，整合蛋白质的中心性和模块化特性，设计一种衡量蛋白质关键性的策略（essential integration strategy，EIS），以提高识别高关键蛋白质的准确率。UCM方法应用在DIP数据集上进行验证，实验结果表明，与其他10种关键蛋白质识别方法相比较，该方法具有较好的识别性能，能够识别更多的关键蛋白质。

• 基于WNegNodeset结构的加权频繁项集挖掘算法

  王斌,房新秀,吕瑞瑞,马俊杰,

  针对基于WN-list 加权频繁项集挖掘算法（NFWI）中挖掘加权频繁项集（FWI）效率低的问题，提出了一种基于WNegNodeset结构的加权频繁项集挖掘算法（NegNFWI）。该算法首先采用了新的数据结构WNegNodeset，它是NegNodeset的扩展，该数据结构采用了一种新的基于集合位图表示的位图加权树（BMW-tree）节点编码模型，通过按位运算符快速提取WNegNodeset的节点集，避免了大量的交集运算；其次采用了差集策略快速计算项集的加权支持度，从而减少了计算量；最后通过仿真实验验证了算法的有效性和可行性。

• 基于trie merging机制数据流滑动窗口模型的频繁树模式挖掘

  吉小洪,徐爱萍,

  因树型结构的良好表达能力，在互联网中传输的信息流越来越多以树型结构形式存储。但由于流式数据的时效性，隐含在数据流中的知识会随着时间的推移发生改变。针对数据流场景下挖掘最近时间段内的频繁子树模式的问题，提出了一种滑动窗口模型下挖掘频繁子树模式算法——SWMiner算法，用于挖掘数据流下任意时刻窗口所有的频繁子树模式。SWMiner算法使用基于前缀树的结构来压缩存储生成的树模式，并且使用trie merging机制有效地更新子树模式的支持度。实验结果表明，SWMiner算法在滑动窗口模型中的性能优于目前现有的常用算法，能有效地挖掘最近时间段内的频繁树模式。

• 利用互斥策略优化二分网络节点预测

  范纯龙,范东皖,许莉,何宇峰,

  网络节点预测研究目前主要集中在源头节点和隐藏节点预测方面，缺少新生节点预测方向的研究。以论文和关键词关系网为研究对象，利用关键词组合情况预测新论文的产生，开展新生节点预测研究。首先将论文—关键词二分网络加权投影成关键词关系网络，然后利用关键词组合在未来出现的可能性预测新论文的产生。计算这种可能性需考虑两方面影响：一种是相似性，表示关键词共同出现的倾向；一种是互斥性，描述关键词彼此排斥的倾向，如内涵高度一致的两个关键词极少同时出现。采集期刊的论文和关键词信息构建数据集，对提出的论文预测算法进行验证，并与已有算法作对比，结果显示该算法预测效果更好。

• 基于不确定需求的公共交通网络鲁棒性优化方法

  周康,宋瑞,彭虓,

  为了提高城市不同类型公共交通所组成的线网的鲁棒性，从公共交通线路建设成本、乘客出行的总时间以及乘客总换乘次数等方面确定公共交通网络的服务性能模型，在此基础上通过计算方案目标值与期望值的差值来确定公交网络的鲁棒性；由于存在随机不确定需求，在传统免疫克隆算法基础上对变异操作进行改进，用于对优化模型求解。结合算例分析发现，线路建设成本、乘客总出行时间以及乘客总换乘次数的参数值对于优化结果具有显著影响；另外鲁棒性参数取值也会对计算结果产生一定影响，通过算例验证了优化方法的可行性。

• 一种多策略引导的电磁场优化算法

  陈斌,马良,刘勇,

  针对标准电磁场优化算法容易陷入局部极值点、收敛精度差等问题，提出了一种多策略引导的电磁场优化算法。算法中粒子受到三种不同来源的引斥力，在迭代过程中通过计算每种移动策略的临代电差、累计电差和综合电差来决定粒子的引导方式，并通过概率变异算法来避免陷入局部最优解。在经典的基准测试函数上，对新算法与其他算法的测试结果比较进行分析，结果表明该算法具有更高的求解精度和更快的计算速度。

• 基于策略自适应的多目标差分进化算法及其应用

  毕超超,范勤勤,王维莉,

  为提高多目标差分进化算法求解多目标优化问题的能力，提出一种基于策略自适应的多目标差分进化算法（multi-objective differential evolution algorithm based on self-adaptive strategy，MODE-SS）。该算法采用超体积（hyper-volume，HV）对变异策略进行性能评价，并实现变异策略的自动选择；使用动态调整的二项式交叉策略和模拟二进制交叉（simulated binary crossover，SBX）策略实现全局搜索与局部搜索的平衡。通过与其他六种多目标进化算法在10个测试函数上的性能比较，结果表明MODE-SS算法的整体性能要好于其他所比较算法。最后，将MODE-SS算法用于求解海铁联运能耗优化问题，所得结果能够为决策者提供多种可行方案。

• 基于神威众核处理器的排列熵算法并行加速方法

  张浩,花嵘,于建志,梁建国,冯鲁彬,

  随着嵌入维数的增大，排列熵（permutation entropy，PE）算法的运算规模将会成倍增加，对计算的时效性提出了更高的要求。针对国际上首台计算性能超过100P的神威·太湖之光异构众核超级计算机，提出一种针对排列熵算法移植和并行化方法，核组之间基于MPI对相空间矩阵进行数据划分，核组内部基于OpenACC实现划分区域内部并行；然后针对SW26010众核处理器结构特征，调整减少主从核通信次数和消除原子操作，将排列熵算法成功移植并加速；最后通过大坝振荡数据进行测试。测试结果表明，该方法能够很好地发挥SW26010众核处理器加速优势，单核组性能较主核版本最高可获得7.18倍加速，同时在神威·太湖之光大规模集群上进行强可扩展性分析，128核组时最高实现了85.6倍的性能提升。

• 基于概率语言COPRAS的多属性风险型应急决策方法

  耿秀丽,王乾,

  针对多属性应急决策过程中的风险性和不确定性，提出一种结合累积前景理论和概率语言COPRAS的应急决策方法。首先考虑到专家在评价过程中的犹豫性和偏好程度，采用概率语言表达专家的评估信息；其次将概率语言形式的评价信息纳入到累积前景理论的决策框架中，通过计算方案在不同前景状态下的前景价值矩阵和概率权重矩阵得到综合前景价值矩阵；然后在综合前景矩阵的基础上，以所有备选方案的整体效用度最大化为目标函数建优化模型来求解指标权重，并利用COPRAS方法对备选应急方案进行排序；最后通过一个算例说明了所提方法的有效性和可行性。

• 基于时序特征融合的动态签名鉴伪算法

  李佳,李庆武,马云鹏,丁惠洋,

  针对现有签名鉴伪方法对高水平伪签名鉴伪准确率低的问题，提出一种基于时序特征融合的动态签名鉴伪算法。首先根据签名者落笔与提笔的时间节点建立动态时间轴，在签名过程中提取笔迹的压力和笔速两类时序特征；然后在两类特征对应数据的基础上构建时序特征融合模型，通过一种多维空间模型相似性度量方法计算待测签名和样本签名的相似度，从而实现签名真伪性鉴别。实验结果表明，与现有算法相比，该方法进一步提高了签名鉴伪的准确率和通用性。

• 基于核密度估计的基本概率指派生成方法

  黄杰,尉永清,伊静,刘孟迪,

  D-S合成方法作用的对象是基本概率指派（basic probability assign，BPA），如何生成BPA是D-S理论应用中重要且有待解决的首要步骤。针对生成BPA提出一种基于核密度估计（kernel density estimation，KDE）的BPA生成方法：训练数据用于构建基于最优化窗宽的核密度估计的数据属性模型；然后利用训练数据的核密度模型计算测试数据的密度—距离—分布值Tri-D（density-distance-distribution），通过嵌套式的方法分配Tri-D值获取测试数据对应的BPA；最后D-S合成BPA得到最终判断，通过分类准确率来判断BPA生成方法的有效性。实验通过在UCI数据集上与其他方法的分类准确率对比验证了提出方法的有效性。

• 用并行计算从基因表达数据构建大规模基因调控网络

  郑明,周柚,卓慕瑰,

  为解决大规模基因调控网络构建算法精度不高、计算时间过长的问题，提出一种从基因表达数据分析出发，并行计算和阈值限定相结合的新算法来构建大规模基因调控网络。该算法中基因间交互强度值采用条件互信息值度量，并行计算采用GPU与CPU相结合的CUDA与OpenMP架构。综合数据集的运行结果证明该算法较新的构建算法（如贝叶斯模型算法和微分方程模型算法）相比，在构建大规模基因调控网络时有更高的运算精度和更短的运行时间。

• 一种基于折线逼近操作的极化码译码算法

  马秋然,高宏峰,

  在加性高斯白噪声（additive white Gaussian noise，AWGN）信道下极化码的串行抵消（successive cancellation，SC）译码方法计算是在对数似然比（log likelihood ratio，LLR）域进行的，f函数节点的计算采用基于双曲正切规则的和积算法。针对双曲正切函数和反双曲正切函数提出了折线逼近算法，将这两个函数分别简化为9段折线函数；为了得到折线逼近算法下更优异的误帧率性能，编码前在信息比特中添加了16位CRC。仿真结果表明，针对码长为N=1 024、信息位长度为K=496的极化码，提出的改进算法比和积算法有更好的误帧率性能且降低了译码复杂度，提高了译码速度。

• 面向大数据复杂应用的GPU协同计算模型

  张龙翔,曹云鹏,王海峰,

  大数据计算中存在流计算、内存计算、批计算和图计算等不同模式，各种计算模式有不同的访存、通信和资源利用等特征。GPU异构集群在大数据分析处理中得到广泛应用，然而缺少研究GPU异构集群在大数据分析中的计算模型。多核CPU与GPU协同计算时不仅增加了计算资源的密度，而且提高节点间和节点内的通信复杂度。为了从理论上研究GPU与多核CPU协同计算问题，面向多种计算模式建立一个多阶段的协同计算模型（p-DCOT）。p-DCOT以BSP大同步并行模型为核心，将协同计算过程分成数据层、计算层和通信层三个层次，并且延用DOT模型的矩阵来形式化描述计算和通信行为。通过扩展p-DOT模型描述节点内和节点间的协同计算行为，细化了负载均衡的参数并证明时间成本函数，最后用典型计算作业验证模型及参数分析的有效性。该协同计算模型可成为揭示大数据分析处理中协同计算行为的工具。

• 基于SimpleSim-ARM模拟器的软错误易感性分析与评估

  高苗,虞致国,魏敬和,顾晓峰,

  随着集成电路特征尺寸的逐步缩小，随之而来快速增长的软错误率严重限制了现代微处理器的应用，因此对微处理器可靠性进行评估十分重要。在微处理器体系结构级进行软错误易感性评估能反映出微处理器部件的可靠性，提出基于SimpleSim-ARM模拟器对微处理器体系结构级进行软错误易感性评估的方法，可用于对ARM体系结构微处理器进行软错误易感性评估。根据提出方法对StrongARM SA-11xx进行软错误易感性分析，实验结果表明，在基准配置情况下，存储部件中寄存器文件的平均AVF值为57.76%；非存储部件发射队列（IQ）、保留站与重定序缓冲（RUU）与功能单元（FU）的平均AVF值分别为38.53%、32.02%和12.39%。在不同配置下，IQ和RUU部件容量越大，对应部件AVF评估值越小；FU数量越多，该部件AVF评估值越小。

• 疯狂蝙蝠算法的低通FIR滤波器设计

  陈忠云,张达敏,辛梓芸,张绘娟,闫威,

  针对处理滤波器设计问题，蝙蝠算法（BA）很容易陷入早熟收敛，提出改进的疯狂蝙蝠算法（CBA）旨在设计低通有限脉冲响应（FIR）滤波器。首先，在频率更新中引入两个随机数来控制全局与局部的平衡；其次，在标准蝙蝠算法中引入疯狂因子，使得蝙蝠算法以一定疯狂概率维持其多样性；最后，在局部搜索时，对算法的响度和脉冲发射率进行动态修正，便于精细搜索。将CBA与其他算法进行比较，仿真结果表明，疯狂蝙蝠算法在应用实例中优于其他算法，且能够有效、稳定用于低通FIR滤波器设计。

• 医联网应用中异源健康数据语义融合方法研究

  徐博艺,金初阳,胡代平,张鹏翥,蔡鸿明,

  医疗物联网及移动医疗应用中多种传感器采集的生命体征数据，以及各类健康医疗数据彼此之间存在语义异构性，导致智能医疗物联设备数据融合困难。针对这一问题，研究了基于开放关联数据的语义消歧方法。首先对设备数据进行本体建模，形成局部本体；然后利用图匹配算法将局部本体与开放医疗关联数据进行概念对齐，间接消除异源数据间的语义异构性；最后，在运动手环与体重计数据融合实验中，通过与开放关联数据源的关联匹配判定血压和体重等异构概念属于语义相关概念。实验结果表明，通过与开放关联数据源关联，可以实现局部本体语义扩展，进一步实现异源医联网设备数据融合。

• 基于改进CB-HAQL算法的无人机导航方法研究

  胡丹丹,莫宇帅,

  针对基于案例推理启发式Q学习（CB-HAQL）算法受案例库质量影响而无法收敛到较优策略的问题，提出基于有效触发机制改进的CB-HAQL算法。首先，根据迭代次数设置触发式案例库更新机制，只在达到阈值时生成或更新案例库，保证案例库质量；其次，设置动态参数调整案例对动作选取影响，使智能体根据对环境掌握程度决定启发影响大小；最后，加入经验倾向性探索动作加快学习效率。实验证明，改进后的算法提升了策略质量和训练速度，无人机完成导航任务证明了学习策略的有效性。

• 基于优化组合权与云-VIKOR法的PFMEA风险评估分析与改进

  柳依帆,于影霞,

  针对过程失效模式与影响分析（PFMEA）风险评估过程专家评估信息的模糊性与随机性，引入云模型将其量化为云语义评估信息，并集结成综合云评价矩阵。针对传统客观加权法不考虑风险因子间相互影响关系的问题，提出改进熵权与云-DEMATEL优化组合求解风险因子权重，其中引入云相似度算法对专家的云评价结果进行精确化处理，避免了评估信息定量转换过程信息的缺失。根据云距离测量法计算每种故障模式与正、负理想解之间的距离，进而提出云-VIKOR法求得各失效模式的风险排序。最后，通过案例分析验证了所提方法的可行性。

• 改进的加权t-SNE算法及在故障诊断中的应用

  夏丽莎,方华京,

  对随机邻域嵌入算法（SNE）中的距离进行改进，提出一种基于Manhattan距离的加权t-SNE（Mwt-SNE）算法。使用受空间维数影响较小的Manhattan距离作为度量方式，使用K-均值聚类算法将高维空间数据样本点距离分为三类，基于表格法进行权重参数寻优与加权，以加权相对Manhattan距离代替欧氏绝对距离计算相似度条件概率，从而增大数据对象之间的区分度，提升降维效果，增强分类显著性。提出基于Mwt-SNE算法的在线故障诊断模型，使用核密度估计（KDE）确定控制限并进行在线监控。TE化工过程实验表明，Mwt-SNE算法能有效降低误报率和漏报率，从而提高故障诊断稳定性和准确性。

• 基于DANP和TOPSIS法的服务质量满意度分析——以网络餐饮平台为例

  张炎亮,鹿晴晴,

  针对网络餐饮平台满意度的多目标决策问题，提出了一种基于DANP与TOPSIS法的多目标平台服务质量满意度分析方法。首先运用SERVPERF方法确定影响网络餐饮平台选择的指标因素；然后利用DANP法得出指标因素的客观综合权重并分析指标间的相关关系；最后，在建立评价指标体系基础上，采用TOPSIS法将影响因素的综合权重与绩效指标相结合，得到目标网络餐饮平台的整体满意度排序。结果显示网络餐饮平台的平台监管、优惠力度及频率的影响权重较大，美团平台满意度最高。研究表明该方法不仅提高了关键因素确定的可靠性，还为网络餐饮平台服务质量的提升提供依据。

• 基于任务分类的虚拟CPU调度模型

  吴瑾,朱智强,孙磊,郭松辉,郭松,

  为了桥接语义鸿沟，提升I/O性能，需要对执行不同类型负载的虚拟CPU（vCPU）采取不同的调度策略，故而虚拟CPU调度算法亟需优化。基于KVM虚拟化平台提出一种基于任务分类的虚拟CPU调度模型STC（virtual CPU scheduler based on task classification），它将虚拟CPU（vCPU）和物理CPU分别分为两个类型，分别为short vCPU和long vCPU，以及short CPU 和long CPU，不同类型的vCPU分配至对应类型的物理CPU上执行。同时，基于机器学习理论，STC构建分类器，通过提取任务行为特征将任务分为两类，I/O密集型的任务分配至short vCPU上，而计算密集型任务则分配至long vCPU上。STC在保证计算性能的基础上，提高了I/O的响应速度。实验结果表明，STC与系统默认的CFS相比，网络延时降低18%，网络吞吐率提高17%~25%，并且保证了整个系统的资源共享公平性。

• 基于二次传播的开源软件缺陷定位方法

  李元诚,王伯彦,张攀,来风刚,黄秋岑,

  为了提高开源软件缺陷定位的准确度，提出一种基于二次传播的开源软件缺陷定位方法TPA。将重启随机游走算法与标签传播算法相结合，在基于信息检索方法的基础上，从开源软件中各个模块的调用关系、模块风险度和历史缺陷报告三个方面分析缺陷存在的具体位置，将缺陷定位分为风险度传播和标签传播两个部分。通过软件模块之间的相关度和调用关系，结合开源软件的历史修改信息评估模块风险度；通过已修改的缺陷报告构造缺陷标签，并采用标签传播定位软件缺陷。在Eclipse 3.1缺陷报告数据集中，top-N rank和MRR指标均高于同类缺陷定位方法。实验表明，TPA方法具有较高的准确度。

• 区块链共识算法演进过程

  武岳,李军祥,

  基于比特币技术衍生出了大量虚拟货币，其主要特点是对于比特币共识算法的优化和共识算法模式的变革。为研究共识算法演化历程，以比特币共识机制作为切入点，从源代码层级解析了比特币共识算法工作量证明（proof of work，POW）的工作原理及其优缺点，同时分析了比特币演进产生的以太坊共识算法。在理论探讨后，利用洛伦兹曲线及基尼系数评价比特币、以太坊共识机制的实际去中心化效果；并介绍了权益证明（proof of stake，POS）、股份授权证明机制（delegated proof of stake，DPOS）、实用拜占庭容错算法（practical Byzantine fault tolerance，PBFT）的演进过程及算法原理。最后，从共识算法去中心化能力、激励机制、处理效率、分布式安全性等方面进行了比较，得到了共识算法得分表及得分雷达图，以期为未来不同场景、不同需求的区块链应用提供共识算法分析标准。

• 一种集成化的PKI数字证书验证安全增强方案

  刘学忠,李冰雨,王聪丽,林璟锵,

  近年来，PKI数字证书服务出现了多次安全事件：CA机构由于攻击等原因签发虚假的TLS服务器数字证书，将攻击者的公钥绑定在被攻击网站的域名上。因此，研究人员提出了多种PKI数字证书验证安全增强方案，用于消除虚假数字证书的影响，现有各种方案在安全性和效率上各有优劣。提出了一种集成化的PKI数字证书验证安全增强方案，以Pinning方案为基础，利用其他方案来改进Pinning方案的缺陷。当浏览器面临TLS服务器数字证书的三种Pinning方案不同状态（初始化、正常使用、更新），兼顾安全性和执行效率、分别综合使用不同的安全增强方案，整体上达到了最优的安全性和执行效率。完成的集成化PKI数字证书验证安全增强方案能够有效解决虚假数字证书的攻击威胁。

• 基于移动端协助的硬口令认证密钥交换协议

  徐渊,

  针对现有口令认证密钥交换协议易受各种网络攻击，影响用户私密信息安全的问题，提出一种基于移动端协助的硬口令认证密钥交换协议，在移动端的辅助下，允许用户使用单一口令建立与服务器之间的安全会话。协议中，用户无须记忆任何复杂的私钥信息，即使移动设备丢失、被盗或遭受恶意软件侵袭，也不会损害用户信息。安全性和性能分析表明，协议明显降低了服务器的计算消耗，大大提高了用户私密信息的安全性，可以抵御字典攻击、中间人攻击等的影响，减轻用户记忆负担，缓解存储压力，易于部署。

• 改进的10轮Kalyna-128/256中间相遇攻击

  刘亚,占婷婷,姒宏明,李玮,刘志强,

  分组密码Kalyna在2015年6月被确立为乌克兰的加密标准，它的分组长度为128 bit、256 bit和512 bit，密钥长度与分组长度相等或者是分组长度的2倍，记为Kalyna-b/2b。为了保证该算法在实际环境中能安全使用，必须对其抵抗当下流行的攻击方法中的中间相遇攻击的能力进行评估。通过研究Kalyna-128/256轮密钥之间的线性关系，再结合多重集、差分枚举和相关密钥筛选等技巧构造了四条6轮中间相遇区分器链，在此区分器前端接1轮后端接3轮，再利用时空折中实现了对10轮Kalyna-128/256的中间相遇攻击，攻击所需的数据、时间和存储复杂度分别为2111个选择明文、2238.63次10轮加密和2222个128 bit块。将之前10轮Kalyna-128/256中间相遇攻击最优结果的数据、时间和存储复杂度分别降低了24倍、214.67倍和226.8倍。

• 基于SimHash算法的SQL注入攻击检测方法

  孔德广,蒋朝惠,郭春,

  针对目前SQL注入攻击检测中存在的问题进行研究，提出一种基于SimHash算法的SQL注入检测方法，首先通过自学习过程将每一条SQL语句经过分词、散列、加权、合并，降维生成初始SimHash指纹库，然后基于SimHash利用初始指纹库构建具有索引结构的SimHash指纹库，再结合非黑即白的强白名单策略来判断每条SQL语句的合法性，从而降低黑客绕过防御体系的风险。实验结果表明，该检测方法对于SQL注入攻击具有很好的检测性能，并且具有抵御未知SQL注入攻击的能力，特别适用于中小型网站。

• 基于抽样排序和层次划分的直方图发布算法

  张润莲,叶志博,武小年,

  针对直方图发布算法面临的隐私保护和数据可用性问题，提出一种基于抽样排序和层次划分的直方图发布算法。算法将指数机制和轮盘赌抽样技术相结合，对原始直方图进行抽样排序，使相似数据以较大概率排在一起；利用层次划分算法对排序后的直方图进行划分，以降低所划分分组中不同数据间的误差；最后对分组后的直方图添加拉普拉斯噪声，并恢复原始顺序，得到待发布直方图。仿真测试结果表明，该算法在满足差分隐私的前提下有效提高了发布数据的可用性。

• 基于可信计算的企业云签证协议设计与证明

  孙浩男,鹤荣育,

  为解决当前企业云内部部门之间通信时缺乏身份认证的问题，提出基于可信计算的企业云签证方法与协议，并对其进行证明和分析。在可信云vTPM架构基础上，通过设计vAIK签证协议，建立vTPM与企业云部门终端之间的身份对应关系并保证了vTPM签名能力的合法性。通过设计vTPM远程证明协议使得企业云内部通信时的消息发送方身份可验。vAIK签证过程中的报告由云平台签名、远程证明过程中的报告由云平台和vTPM共同签名以保证消息发送方的身份真实性，并在vAIK签证和远程证明过程中加入随机数保证报告新鲜性。最后使用SVO逻辑对vTPM证书签证和远程证明协议进行了证明与分析，结果表明该设计能够达到理想目标。

• 基于无证书加密短信验证码的移动支付方案

  柳毅,罗子强,

  针对移动支付中验证码泄露问题，提出了一种基于无双线性对的无证书公钥加密短信验证码的移动支付系统方案。该方案引入了标记化思想，双因素认证，解决了移动端私钥存储泄露问题。利用无证书公钥密码签密验证码，即使密文被泄露，攻击者也无法得到真正的验证码，从而避免了验证码泄露的风险。分析结果表明，该方案可以有效抵御多种攻击，并能对用户信息进行隐私保护，是一种安全可靠的移动支付方案。

• 一种基于生长曲线的系统漏洞发现预测模型

  唐成华,潘然,李海东,强保华,

  针对系统漏洞的有效发现及预测问题，提出了一种基于生长曲线的系统漏洞发现预测模型。首先分析漏洞发现规律，引入生长曲线的概念，确定了漏洞发现量的增长阶段特征；其次在生长理论周期表达基础上，描述系统漏洞发现过程与时间的关系，提出系统漏洞发现的预测过程，以及改进后的PMGTV模型；最后在实验中与其他模型进行了对比和有效性等分析，PMGTV对win_xp、win_server_2003、mac_os_server、ubuntu_linux这四款系统软件的漏洞增长过程的拟合良好，在SSE残差平方和以及χ2卡方值方面绝大部分优于其他模型，并且在预测准确度上最接近于真实值。结果表明，该模型在对系统漏洞发现的预测方面更为准确，为采取有效安全策略、提高软件质量等方面提供了一种可靠依据。

• 基于数据复杂度的投毒数据检测方法

  亢飞,李建彬,

  针对机器学习模型训练过程中攻击者可以利用修改原始训练数据生成投毒数据的方式对机器学习模型进行投毒攻击的问题，提出一种基于数据复杂度的投毒数据检测方法。该方法在正常数据集的基础上，应用梯度上升策略对正常数据集内的样本实例进行自我投毒，通过挖掘自我投毒产生的投毒数据对正常数据集数据复杂度的影响，训练能够辨别投毒数据的检测模型。该方法在选定应用场景中的检测准确率比现有方法有更好的效果。实验结果表明，投毒数据能够有效降低机器学习模型预测能力，应用基于数据复杂度的检测方法能够有效检测投毒数据，降低投毒数据对模型预测能力的不良影响。

• 基于贝尔态的半量子安全直接通信协议

  郑涛,张仕斌,孙裕华,昌燕,

  针对量子通信网络构建成本昂贵且效率低下的问题，基于贝尔态粒子和半量子理论，提出了一种易于实现的量子安全直接通信模型。首先，量子态的制备、Bell基测量等复杂操作交由拥有全部量子能力的服务端完成，用户端只需完成投影测量或者直接反射两种简单操作；其次，通信双方传输秘密信息前建立量子信道并提前共享安全密钥，可以严格保障秘密信息不被泄露；最后，通过设计的编码规则，使得协议只使用较少量子资源就完成高效的秘密信息直接传输。通过计算可得，提出的量子安全直接通信模型粒子传输效率达到7.69%，安全模型分析表明了提出的通信模型在各种常见的攻击策略下都是安全可靠的。

• 数据中心网络中基于蚁群算法的动态多路径负载均衡

  王红运,束永安,

  针对数据中心网络中等价多路径路由算法（equal-cost multi-path routing，ECMP）无法有效调度大象流而导致流量负载不均衡及易造成网络拥塞的问题，提出了一种基于蚁群算法的动态多路径负载均衡（ant colony algorithm based dynamic multipath load balancing，ADMLB）算法。ADMLB算法首先通过控制器获取网络负载信息，同时检测大象流并标记，然后调用改进蚁群算法，根据大象流所需带宽选择多路径。实验结果表明，与传统ECMP和现有流调度算法相比，ADMLB算法降低了链路延迟时间，有效提高了链路带宽利用率。

• 半无数据调制信号体制设计

  韩宜静,曾芳玲,汪海兵,

  分布式系统的节点时间自同步通常采用双向单程伪距测量（dual one-way ranging，DOWR）的方法来实现。针对DOWR中存在双向多路径时延差异，基于双支路半无数据调制技术，提出采用BOC调制克服多路径误差。半无数据调制是指同相支路不调制数据，主要完成信号的捕获及跟踪，数据的解调在调制数据的正交支路上完成。为提高同相支路信号的捕获跟踪精度，增强正交支路数据的传输可靠性和抗干扰能力，分别对PSK-R（1）、PSK-R（10）、BOC（1，1）和BOC（10，5）等信号调制样式进行了对比分析。仿真结果表明，采用BOC（10，5）调制有效地提高了信号的码跟踪精度，增强了信号的抗多径和抗干扰能力。

• 基于区块链的物联网可伸缩管理机制

  徐晓冰,戚枭宏,王建平,李奇越,孙伟,

  为了解决大规模物联网（IoT）设备集中式管理的安全性和可伸缩性问题，提出一种基于区块链技术的轻量级物联网设备可伸缩管理框架。该框架采用区块链网络，在网络中部署智能合约为设备管理提供操作接口，利用设备管理器将轻量级物联网设备独立于区块链网络之外，并改进了区块链中拜占庭容错算法（PBFT）的一致性协议，增加了动态选举机制。仿真实验分别对改进共识算法的性能和机制的可伸缩性进行验证，结果表明，该机制具有良好的伸缩性，设备管理器每秒能响应约1 000次的请求。与传统PBFT算法相比，改进算法提高了交易吞吐量，缩短了交易延时，并减少了通信开销。

• 基于区块链的边缘计算IIoT架构研究

  高洁,闫献国,梁波,郭宏,

  在智能制造系统中，工业物联网通过先进的管理技术将制造设备互连，实现了信息的实时传输、设备的范在化感知和数据的快速分析处理。但是由于制造设备的异构性、物联网网关（IoT网关）数据分析能力的有限性、制造设备的存储力低下、设备和数据的低安全性等缺陷严重阻碍了智能制造的发展。BEIIoT架构从制造企业的实际生产过程与应用角度出发，将区块链技术与边缘计算相结合，通过对服务器进行P2P组网以实现对设备去中心化管理；通过对边缘设备进行服务化封装，增强设备的安全性与实时分析能力，降低设备的异构性；使用DAG双链式数据存储结构，提高数据的冗余度与安全性，实现生产线数据的异步并发备份存储。BEIIoT架构为智能制造的实施提供了体系支持。

• 基于缓存管理的网络编码中继传输方案

  王练,张勋杨,张昭,张贺,

  针对中继协作无线网络中节点缓存空间有限以及传输和缓存数据包都存在开销等问题进行了研究，提出了一种基于缓存管理的网络编码中继传输方案。在传输过程中该方案以最小化系统开销为目标，考虑多流综合优化问题，利用马尔可夫链对缓存队列进行建模分析。同时其结合编码流速率增加编码机会，获得中继处不同流的缓存阈值，更合理地实现了编码决策。分析与仿真结果表明该方案能有效权衡编码机会和开销，相比其他方案能有效降低时延且提高网络吞吐量。

• 基于动态学习率深度神经网络的抗干扰信道编码算法

  徐建业,杨霄鹏,李伟,王泓霖,

  针对电子战条件下，通信信号易受压制干扰的问题，提出了一种基于动态学习率深度自编码器（dynamic learning rate deep AutoEncoder，DLr-DAE）的信道编码算法来提高系统抗压制干扰性能。首先对输入未编码信号进行预处理，将原始输入信号转换为单热矢量；随后使用训练数据样本集，用非监督学习方法训练深度自编码器，基于随机梯度下降法（SGD）更新网络参数，利用指数衰减函数，在迭代次数和网络损失函数值变化过程中动态微调学习率，减少网络迭代循环次数，避免收敛结果陷入局部最优点，从而获得面向电子战环境的信道编码深度学习网络。仿真结果表明，相比现有深度学习编码算法，该算法在取得同等误码率时，抗噪声压制干扰性能最大可提升0.74 dB。

• 移动边缘计算中的端到端任务分配算法

  左超,武继刚,史雯隽,

  为了提高移动应用程序的运行效率，移动边缘计算将部分任务从终端设备迁移到边缘云中计算来缩减应用程序的运行时间和终端设备的能耗。针对应用程序所需的总代价即能耗和时间两个目标进行了研究，提出一个移动边缘计算模型和基于贪心策略的快速算法（HGA）；构造了一个结合贪心策略的粒子群（HPSO）算法，进一步优化HGA的解。实验结果表明，与传统所有任务只在一个设备上执行和尽可能上传云端执行两种策略相比，提出的HGA总代价分别优化28.5%和9.1%；与HGA相比，HPSO算法总代价减少12.3%；即所提算法能有效减少系统的总代价，更加满足用户需求。

• 信道估计误差条件下异构蜂窝网的安全传输方案

  盛剑会,樊银亭,张俊宝,

  针对异构蜂窝网提出了一种信道估计误差条件下的安全传输方案。首先，依据信道估计结果设计安全发射门限，通过比较接收信干噪比和安全发射门限的大小实现发射控制；然后，应用随机几何工具对所提方案的安全性能进行分析；在此基础上以最大化系统安全吞吐量为目标设计了安全发射门限优化算法，由此得到当前信道估计条件下最优的安全发射门限。仿真验证了所提方案可有效提升系统的安全吞吐量。

• 多模式共生的彩色纹理图像分类方法

  李君伟,刘光帅,刘望华,陈晓文,

  针对单一方法进行纹理图像分类时易受旋转、光照等干扰的情况，提出了一种结合颜色特征和纹理特征的共生纹理分类方法。将图像转换到HSV颜色空间后，对H通道使用SLIOP算法以及对S和V通道用CLBP算法提取特征，然后将各自提取到的特征进行串联共生，最后利用支持向量机对纹理图像进行分类。基于被广泛使用的纹理图像数据库，对提出方法与其他典型分类算法进行实验对比，分析表明在分类的准确率和计算效率上获得了较大提升。实验结果表明，提出了方法具有较强的旋转不变性、光照不变性以及抗噪性。

• 微细管道内壁缺陷检测误差自动校正仿真

  黄战华,赵原卉,蔡怀宇,张亚男,

  针对传统方法存在管道内壁缺陷检测误差校正率较低、校正时间过长等问题，提出微细管道内壁缺陷检测误差自动校正方法。该方法获取管道内壁全景图，对管道内壁全景图进行展开、预处理，并提取管道病害区域的集合特征，引入查询误差校正表以及结合双线性插值对特征值进行求解，获取微细管道内壁缺陷检测误差。同时，其通过投影不变性原理以及相关的几何特征，计算误差直线的斜率，利用该直线的斜率求解线性方程组得到校正参数，通过校正参数完成误差校正。实验验证可知，所提方法能够有效提高管道内壁缺陷检测误差校正率，减少误差校正时间。

• 基于修正ASM的驾驶员警惕性识别方法研究

  袁小平,孙辉,王岗,

  针对驾驶员警惕性研究中分析注意力程度的重要性，提出基于修正主动形状模型（ASM）的驾驶员警惕性识别方法。首先建立包含26个特征点的人脸ASM，其次结合面部结构约束构建了双眼平均合成精确滤波器（ASEF），并通过旋转进一步增强鲁棒性，然后用改进ASEF修正人脸ASM；采用左右瞳孔和鼻子特征点建立三角形视线模型，并分析驾驶员注意力程度，利用左右眼角特征点距离对眼睛闭合程度进行归一化，最后利用支持向量机（SVM）分类得到警惕性程度。利用Visual Studio 2017平台进行实验，结果显示，改进ASEF滤波器的准确率达到95.16%，SVM对警惕性程度的分类准确率达到93.8%，每帧平均耗时49.13 ms，表明提出的方法能够有效地识别驾驶员的注意力程度以及警惕性程度。

• 基于快速协同表示分类和组内预测重构系数向量l2范数的人脸识别算法

  梅伟健,裘国永,

  针对协同表示分类和规则化最小二乘算法（CRC_RLS）在人脸识别应用中识别速率缓慢的问题，通过研究预测重构系数与人脸图片分类的关系，提出一种基于快速协同表示分类和组内预测重构系数向量l2范数算法（FCRC_L2N）。与其他协同表示算法的不同之处在于，改进的FCRC_L2N算法没有计算残差的过程，通过引入组内预测重构系数向量的l2范数直接对图片进行分类。标准数据集上的实验结果显示了该算法的高效性。

• 基于自适应特征卷积网络的行人检测方法

  陈乔松,弓攀豪,申发海,陶亚,董广县,王进,邓欣,

  针对行人检测方法未能充分利用卷积网络浅层特征的问题，改进Faster R-CNN框架，提出了一种基于自适应特征卷积网络的行人检测方法。该方法有两处改进：a）设计了SFCM模块，用于提取卷积神经网络浅层细节特征；b）引用挤压与激励操作设计了AFCM模块，用于筛选检测所需的强辨识力行人特征。此外，利用公开的Caltech和INRIA行人数据集，通过在基准框架中逐一添加SFCM和AFCM模块训练行人检测器，验证了所提模块的有效性，并对比了主流行人检测算法。实验结果显示，所提方法的误检率分别降到了9.13%和9.46%，具有更优的检测性能。

• 改进的卷积网络目标跟踪算法

  李刚,张宇博,孙姜燕,申丹,

  在目标跟踪算法中深度网络可以对大量图像进行训练和表示，但是对于特定的跟踪对象，离线训练不仅费时，而且在对大量图像进行学习时，其表示和识别能力效果不佳。基于以上问题提出有模板更新的卷积网络跟踪算法，可以在没有离线训练的大量数据时，也能够利用实现强大的目标跟踪能力。在目标跟踪中，从目标周围区域提取一组归一化的局部小区域块作为新的滤波器，围绕目标定义下一帧中的一组特征映射来提取自适应滤波器周围目标，对随后帧提取的归一化样本进行卷积操作生成一组特征图；利用这些特征图获取每个滤波器和目标的局部强度衍射图样之间的相似性，然后对其局部结构信息进行编码；最后，使用来自全局表示的特征图保存该目标的内部几何设计，再通过软收缩方法去噪抑制噪声值，使其低于自适应阈值，生成目标的稀疏表示。有模板更新改进的CNT算法能稳定地跟踪目标，不会发生严重漂移，具有优于传统CNT的良好跟踪效果。

• 基于低秩矩阵二元分解的快速显著性目标检测算法

  刘明明,仇文宁,孙伟,

  近年来，基于矩阵低秩表示模型的图像显著性目标检测受到了广泛关注。在传统模型中通常对秩最小化问题进行凸松弛，但是这种方法在每次迭代中必须执行矩阵奇异值分解（SVD），计算复杂度较高。为此，提出了一种低秩矩阵双因子分解和结构化稀疏矩阵分解联合优化模型，并应用于显著性目标检测。该模型不仅利用低秩矩阵双因子分解和交替方向法（ADM）来降低时间开销，而且引入分层稀疏正则化刻画稀疏矩阵中元素之间的空间关系；此外，所提算法能够无缝集成高层先验知识指导矩阵分解过程。实验结果表明，提出的算法检测性能优于当前主流无监督显著性目标检测算法，且具有较低的时间复杂度。

• 基于超像素的图像语义区域引导的色彩迁移

  陶金鑫,潘斌,孔晓迪,贾方利,李建恒,钟凡,

  针对图像色彩处理技术，提出基于超像素的图像色彩迁移方法，其以图像语义区域进行引导，以LAB色彩空间进行映射。首先，采用K-means和SLIC算法对输入图像进行分割；其次，对每一子区域块进行区域协方差处理，获得其二阶语义特征并生成超像素，并利用相似度测量函数构造相似矩阵，对区域块聚类可生成图像超像素；最后，再对图像内语义信息相似的像素基于LAB空间映射，完成色彩迁移。结果显示，该方法具有处理复杂图像能力较高及颜色迁移效果准确的优点。

• 基于多分类器的无分割手写数字字符串识别算法

  任晓奎,丁鑫,陶志勇,何欣键,

  手写体数字字符串识别常用于邮件自动分拣、银行票据和财务报表的录入中，针对其分割识别算法复杂度较高、准确率较低的问题，提出一种多分类器下无分割手写数字字符串识别算法。该算法的核心是采用四个分类器实现粘连字符串的无分割识别；将残差结构应用于LeNet-5网络，以增加网络深度，提高识别准确率，加快收敛速度；使用动态选择策略，以避免长度分类器误分类对识别结果的影响。实验结果表明，在NIST SD19一位数字和Synthetic数据集训练网络下，使用NIST SD19上长度为2、3、4、5、6的字符串验证网络，其识别准确率分别为99.3%、98.5%、98.1%、96.6%和97.2%。

• 基于样本正态性重采样的改进KISSME行人再识别算法

  宋丽丽,李彬,赵俊雅,刘国峰,

  跨场景行人再识别方法的关键在于特征识别和度量模型的建立，而这两方面的问题都受到图像样本分布的局限，进而使得模型参数的估计出现过拟合现象。针对以上跨场景的行人再识别问题，提出了一种基于半监督的改进KISSME算法。该算法在KISSME学习算法的基础上，根据样本数据的正态分布特性进行重采样，并通过构建循环优化的学习方式弱化模型的拟合强度，增强度量模型的泛化能力，以此建立泛化后的度量模型。再通过联合KISSME度量，构建改进的半监督度量模型。最后，利用行人再识别通用公开数据集VIPeR对改进算法的有效性进行验证，并与SLDDL、RDC、ITML、PCCA、QARR-RSVM和KISSME等算法精度相比较，实验结果表明基于半监督的改进KISSME算法在不同排名下都有明显的优势，尤其在rank-1识别精度上，相较于现有的KISSME算法提升了3.14%，充分验证了该算法的有效性。

• 基于局部增强与区域拟合的活动轮廓模型

  王燕,段亚西,亓祥惠,

  针对活动轮廓模型在分割弱边缘图像及严重的灰度不均匀图像方面存在轮廓曲线不能很好地演化到目标边界等问题，提出了一种基于局部增强与区域拟合的活动轮廓模型。首先，利用局部区域增强方法将原始图像转换为新图像，以增强图像的对比度。其次，利用统计信息计算图像的区域拟合能量。然后，加入正则项以避免演化轮廓重新初始化，提高图像分割效率。最后，通过灰度不均匀的合成图像和真实图像的实验，验证了该算法的有效性。

• 基于残差双注意力U-Net模型的CT图像囊肿肾脏自动分割

  徐宏伟,闫培新,吴敏,徐振宇,孙玉宝,

  人体肾脏存在形状的多样性和解剖学的复杂性，囊肿病变也会导致肾脏形状发生大幅变化。为应对CT图像囊肿肾脏自动分割存在的诸多挑战，提出一种新型深度分割网络模型。该模型设计有带残差连接的双注意力模块，在残差结构的基础上，联合空间注意力和通道注意力机制自适应学习更加有效的特征表达。依据U-Net架构，以残差双注意力模块为基础模块构建编码器和解码器，设置层级间的跳跃连接，使网络能够更加关注肾脏区域特征，有效应对肾脏的形状变化。为了验证所提模型的有效性，从医院共采集79位肾囊肿患者的CT图像进行训练和测试，实验结果表明该模型能够准确分割CT图像切片中的肾脏区域，且各项分割指标优于多个经典分割网络模型。