计算机应用研究杂志

计算机应用研究杂志2020年第8期

• 基于深度神经网络的少样本学习综述

  李新叶,龙慎鹏,朱婧,

  如何从少数训练样本中学习并识别新的类别对于深度神经网络来说是一个具有挑战性的问题。针对如何解决少样本学习的问题，全面总结了现有基于深度神经网络的少样本学习方法，涵盖了方法所用模型、数据集及评估结果等各个方面。具体地，针对基于深度神经网络的少样本学习方法，提出将其分为数据增强方法、迁移学习方法、度量学习方法和元学习方法四种类别；对于每个类别，进一步将其分为几个子类别，并且在每个类别与方法之间进行一系列比较，以显示各种方法的优劣和各自的特点。最后强调了现有方法的局限性，并指出了少样本学习研究领域未来的研究方向。

• 视觉SLAM的研究现状与展望

  吴凡,宗艳桃,汤霞清,

  针对自主定位与环境构建问题，基于视觉传感器的同时定位与地图构建（SLAM）成为现阶段研究的热点，为深入分析视觉SLAM的现状，综述其相关算法与成果。首先简要概述了视觉SLAM的概念、特点与研究意义；然后深入分析帧间估计算法，详细描述经典的帧间估计方法，其中包含基于特征点的方法、基于光流的方法和直接法，并介绍了经典视觉SLAM算法的标志性成果；之后按照有监督学习与无监督学习两种方式介绍深度学习在视觉SLAM中的研究进展，并对算法进行了归纳总结；此外分析了视觉SLAM和惯性导航的融合；最后展望了视觉SLAM的未来发展趋势。

• 基于Spark的并行社区发现算法

  刘东江,黎建辉,

  针对大规模图数据顶点聚类进行研究，提出了一种基于Spark的并行社区发现算法，其在基于极值优化的串行社区发现算法的基础上设计而成。此外还针对该串行算法在簇调整时因选择顶点数量过少而影响算法运行效率的问题，提出了一种多个顶点选择方法。该方法会计算一个阈值并发现所有适应度值小于该阈值的顶点，作为被选择的顶点；由于阈值是基于所有顶点的适应度值计算出来的，为了避免非常大的适应度值对阈值造成的影响该方法会限制被选择顶点的数量，若被选择的顶点过多，算法只保留其中的一部分。同时，还提出了一种顶点过滤方法，其可以有效减少图数据的数据量。实验表明，提出算法的运行时间明显短于比较的其他基于Spark的并行化社区发现算法，可以发现其运行速度相对较快。

• 移动云计算环境下多工作流任务调度的联合优化方法

  宋祖尧,戴月明,

  传统移动云计算环境下的任务调度通过random算法来决定任务执行位置，通过动态电压调节技术来调节工作频率，通过任务间的差异性判别进行任务的整合，这往往带来了很多不合理的任务迁移，并导致CPU负载严重，造成了系统损害和大量能耗。针对多工作流任务提出了CCS算法，它包括consolidation算法与多任务并发算法，通过增加任务之间传输与执行的并发性，增加任务集整合的概率，提高任务的处理速率，减少任务的响应时间，增加CPU使用率的同时将主机和内核CPU使用率控制在阈值上限以下，避免CPU过载并根据多任务并发来优化local算法，调整任务执行位置，提高迁移效率的同时也避免了随机算法的局限性。实验结果表明该算法可以有效地提高系统性能，避免CPU过载问题，并且优化了能耗和工作流的完成时间。

• 针对隐式反馈推荐系统的表征学习方法

  梅岚翔,郁雪,

  基于邻域的top-N推荐算法利用隐式反馈数据建立排序模型，其算法性能严重依赖于相似度函数的表现。传统相似性度量函数在隐式反馈数据上会遇到数据过于稀疏和维数过高两个问题，稀疏数据不利于推荐模型选取光滑的邻域，过高的数据维数会导致维数灾难问题，导致推荐算法表现较差。为此提出一种基于表征学习方法的推荐算法，改进算法实现了基于二部图网络的多目标节点表征学习方法，在节点表征中通过嵌入不同层次的网络结构信息和适合推荐任务的次序信息来提升推荐性能。三个不同规模真实数据集上的实验结果表明，该算法相较于常用的基于隐式反馈的推荐模型具有更高的准确率和召回率，特别是针对大规模数据集能够有效缓解矩阵稀疏性问题和维数灾难问题，提高推荐性能。

• 基于WBLDA的学术文献摘要主题聚类

  潘晓英,伍哲,陈柳,杨芳,

  为使科研人员节省时间，高效阅读学术文献信息，提出一种学术文献摘要的主题聚类模型——优化主题数目作者层主题聚类模型（WBLDA）。首先在预处理阶段，自定义符合学术文献摘要特点的分词词典和停用词词典，解决学术文献摘要分词不准确的问题；在特征提取阶段，提出增大词频特征提取方法（ITF-IDF），使用词频放大法来增大词频，弱化文本长度对特征权重的影响，提取出更加符合学术文献摘要方向的特征词；最后，针对传统主题模型忽略作者这一重要属性的缺点，在主题聚类模型中引入学术文献摘要的作者信息，构建文档—主题+作者—词的WBLDA模型，同时使用贝叶斯准则优化主题聚类模型的主题数。通过对学术文献摘要数据集仿真实验结果表明，与TF-IDF相比，ITF-IDF方法的特征提取准确率更高；与LDA相比，WBLDA模型的聚类纯度和F-score值也更高，选择出的主题更加准确，更能代表摘要的学术方向。

• 基于干扰度的长大货物联运路径规划方法

  张英贵,罗燕,雷定猷,赵天蔚,

  针对长大货物联运路径规划问题，构造干扰度函数以量化长大货物联运对正常运输的影响程度，并以长大货物联运总成本最少为第一优化目标，以对正常运输的干扰程度最低为第二优化目标，构建基于干扰度的长大货物联运路径多目标规划模型；基于研究问题的特征，结合所提类三棱柱网络构造算法，设计基于K-最短路的联运路径规划算法。算例结果表明，所提方法能制定多组长大货物联运路径规划方案，降低长大货物联运的干扰影响，能确定影响方案优劣的关键路段与节点。提出的方法可为长大货物联运组织提供决策支持。

• 基于双线性迭代量化的哈希图像检索方法

  崔文成,徐盼盼,邵虹,

  针对迭代量化哈希算法未考虑高维图像描述符中呈现出的自然矩阵结构，当视觉描述符由高维特征向量表示并且分配长二进制码时，投影矩阵需要昂贵的空间和时间复杂度的问题，提出一种基于双线性迭代量化的哈希图像检索方法。该方法使用紧凑的双线性投影而不是单个大型投影矩阵将高维数据映射到两个较小的投影矩阵中；然后使用迭代量化的方法最小化量化误差并生成有效的哈希码。在CIFAR-10和Caltech256两个数据集上进行实验，实现了与最先进的八种哈希方法相媲美的性能，同时具有更快的线性扫描时间和更小的内存占用量。结果表明，该方法可以减轻数据的高维性带来的影响，从而提高ITQ的性能，可广泛服务于高维数据长编码位的哈希图像检索应用。

• 基于偏置度量分解与隐反馈的协同过滤推荐算法

  陈一然,郑骏,

  矩阵分解由于其简单可靠的特性，是推荐系统中最重要的算法之一，由于内积无法完全捕捉用户和商品间的交互，矩阵分解的性能难以继续提升。为了解决这个问题，改进了基础的距离度量分解模型，提出了基于偏置度量分解与隐反馈的协同过滤推荐算法，并对用户评分时间动态建模，进一步提升了模型性能。针对推荐系统中最常见的评分预测任务，分别在三个数据集上进行实验验证，实验结果表明所提出的模型的预测准确率有明显提升。

• 基于深度记忆网络的特定目标情感分类

  左梅,荆晓远,

  只基于注意力机制的深度记忆网络不能有效处理目标上下文情感依赖于具体目标的情况，为了解决该问题，提出了一个对目标敏感的深度记忆网络模型。该模型利用注意力机制来获取决定目标上下文情感的信息，然后通过交互模块将上下文情感表示和上下文与目标之间的交互信息融合成分类特征，最后分类得到目标的情感极性。在SemEval 2014 task4的两个数据集上进行实验，实现了比只基于注意力机制的DMN模型明显更好的F1值。实验结果表明，在解决上下文情感依赖于具体目标的问题时，考虑上下文与目标之间的交互信息是有效的。

• ICAMF-CC：改进的情境感知矩阵分解算法

  罗国前,刘志勇,张明颜,张家鑫,刘亚鹏,

  情境感知推荐系统是当前推荐领域的研究热点，而情境感知矩阵分解算法（CAMF-CC）是当前领域的一种有效模型。针对CAMF-CC算法在推荐时存在的准确度不高的问题，提出了一种改进的情境感知矩阵分解算法（ICAMF-CC）。该算法在原有CAMF-CC算法的基础上，通过融入项目偏置项和情境权重来进行评分预测。其优势在于，一方面，融入了项目本身特性对评分的影响；另一方面，充分考虑了不同情境因素在推荐过程中有着不同的影响力，提高了预测评分的准确度。通过在LDOS-CoMoDa数据集上进行实验，结果表明，该算法在准确度上优于CAMF-CC算法。

• 基于公共邻居的MHK一致性协议及其稳定性分析

  谢光强,蔡松杰,李杨,黄驰,

  如何增强多智能体系统一致性收敛是其一致性研究的重要问题。提出了一种新的MHK（multi-agent-based Hegselmann-Krause）一致性协议，该协议将智能体间的公共邻居作为切换网络下多智能体分布式协作的重要调控因素。针对该协议下的多智能体系统设计了能量函数，分析并证明了该系统具有李雅普诺夫意义下的稳定性，将收敛为一个或多个子观点集群。数值仿真采用增量分析方法考察了系统所收敛的观点集群数量与初始拓扑区间长度的关系；实验表明，该协议使多智能体系统收敛为数量更少的观点集群。所提出的基于公共邻居的MHK一致性协议能够有效提高切换网络的连通性，从而增强系统的一致性收敛，并能为观点演化模型的控制与优化提供理论支撑。

• 互助学习环境下可抗恶意评价的同伴互评算法

  赵鸣铭,王聪,李敏,

  受学习者能力和意愿等主观因素的影响，互助学习环境下同伴互评结果与真实评价通常存在显著差距。为了提高同伴互评的质量，避免互评过程中利益驱动的恶意评价，引入少量由教师预评分的作业作为哨兵。通过评审人对哨兵的评审情况，以评审人的信誉评价作为权重向量，并利用阈值进行截尾，从而实现了对恶意评价的有效隔离。真实测评数据上的实验结果证明，相较于当前主流的互评算法，该算法能有效过滤恶意高评或低评，并且能适应较大数量级的学习者进行互评。在未来的研究中，将针对信誉模型的优化进行深入的研究。

• 推荐系统中的新颖性问题研究

  徐元萍,陈翔,

  准确性推荐中存在商品类型单一、流行商品多、缺乏新意的问题，因而新颖性推荐得到重视，但已有研究在设计算法时未考虑项的特征，无法针对不同用户帮其区分和挑选具备较高新颖度的项。为提高推荐系统的性能，对基于随机游走的方法进行改进，提出融合新颖性特征的推荐算法。从兴趣扩展和预测角度分析项的特征，给出完善的新颖度定义，并结合用户需求构建新的转移概率，产生个性化的推荐列表，提高了列表内容的新意。实验结果表明，提出的算法较现有算法对准确率影响较小，同时在新颖性指标上有明显提升，并得出通过融合新颖性特征能够在兼顾准确性的情况下有效改善推荐内容的结论。

• 组合控制协议增强多智能体系统一致性

  谢光强,黄驰,李杨,蔡松杰,

  针对离散时间下基于切换拓扑多智能体系统一致性问题，设计出一种基于约束集虚拟邻居选取分布式一致性协议。该协议中，智能体采用通信扇区机制构造出虚拟邻居作为控制协议输入进行状态演化，并设计智能体调整因子的取值方式。在此基础上，智能体通过约束集保持初始通信拓扑的连接边来保证系统的连通性。最后，理论分析与大量仿真实例结合，与经典模型进行比较，验证了新的一致性协议的有效性，表明其可增强系统一致性，减少系统收敛的簇，并提高系统的一致性收敛速度。

• 多目标优化在特征选择子集评价中的应用

  万红,李蒙蒙,王昊锋,岳彩通,王力,尚志刚,

  特征选择是处理高维大数据常用的降维手段，但其中牵涉到的多个彼此冲突的特征子集评价目标难以平衡。为综合考虑特征选择中多种子集评价方式间的折中，优化子集性能，提出一种基于子集评价多目标优化的特征选择框架，并重点对多目标粒子群优化（MOPSO）在特征子集评价中的应用进行了研究。该框架分别根据子集的稀疏度、分类能力和信息损失度设计多目标优化函数，继而基于多目标优化算法进行特征权值向量寻优，并通过权值向量Pareto解集膝点选取确定最优向量，最终实现基于权值向量排序的特征选择。设计实验对比了基于多目标粒子群优化算法的特征选择（FS_MOPSO）与四种经典方法的性能，多个数据集上的结果表明，FS_MOPSO在低维空间表现出更高的分类精度，并保证了更少的信息损失。

• 改进狼群算法用于多约束稀布线阵综合

  王停,夏克文,唐黎军,周伟,

  结合量子理论提出了一种改进狼群算法，并将其用于优化多约束稀布直线阵列综合问题。新算法通过量子位特殊编码方式、停滞检测与选择性变异极大地提高了全局优化能力。给出了改进狼群算法流程，并在给定阵列孔径和阵元数的条件下，实现了任意最小阵元间距约束下，抑制天线峰值旁瓣电平（PSLL）的稀布线阵综合仿真。通过解空间变换，有效避免了算法进行阵列综合时，狼群位置更新过程中出现不可行解问题，减少了判断步骤，提高了优化效率。通过典型实例的仿真对比，证实了该方法的有效性和稳健性，而且能获得比现有方法更低的PSLL和更高的优化效率。

• 基于深度神经决策森林的体域网数据融合方法

  张辉,王杨,李昌,张鑫,赵传信,

  针对体域网的多传感器数据采集过程中存在的数据冗余大、特征信息模糊问题，提出了一种基于深度神经决策森林（DNDF）的数据融合方法。首先根据目标任务的实际需求，使用卷积神经网络进行相关特征提取，再将决策树放置到全连接层之后进行精细化数据分类。通过使用DNDF方法，不仅能够有效提取多维数据的关键特征，而且能够较好地兼顾数据间的关联性。实验以AReM数据集作为实验样本，结果表明，DNDF方法相对其他传统算法具有更好的分类准确率，分类准确率达到了96.5%。

• MapReduce框架下基于正负关联规则的视频人物关系挖掘

  朱晋,怀丽波,崔荣一,王齐,

  针对目前视频人物关系挖掘中关系单一的问题，提出了一种MapReduce框架下基于关联规则的视频人物关系挖掘方法。首先对预处理过的视频图像进行人脸聚类，其次引入了关系方向、关系权重、关系影响三个关系细化的概念，对所得人脸事务数据库进行了正负关联规则挖掘，最后比较了挖掘结果关系图同客观关系图在对应图节点度数上的差异。实验表明，该方法可以挖掘出客观人物关系图主要结构，相对于其他人物关系挖掘方法完成了人物关系的细化，对视频内容分析的研究具有较强的参考价值。

• 毕达哥拉斯犹豫模糊集成算子及其决策应用

  何霞,刘卫锋,杜迎雪,

  针对毕达哥拉斯犹豫模糊多属性决策中，集成算子的重要作用以及集成算子不完善的情况，较为系统地研究了毕达哥拉斯犹豫模糊集成算子。为此，在毕达哥拉斯犹豫模糊数的运算和运算法则基础上，定义了毕达哥拉斯犹豫模糊有序加权平均算子（PHFOWA）、广义有序加权平均算子（GPHFOWA）和混合平均算子（PHFHA），以及毕达哥拉斯犹豫模糊有序加权几何平均算子（PHFOWG）、广义有序加权几何平均算子（GPHFOWG）和混合几何平均算子（PHFHG），并结合数学归纳法分别给出了它们的计算公式，讨论了它们的有界性、单调性和置换不变性等性质。建立了基于毕达哥拉斯犹豫模糊集成算子的多属性决策方法，并应用算例和相关方法比较说明了决策方法的可行性与有效性。

• 优质个体最优动态空间变异的粒子群优化算法

  孙辉,邓志诚,赵嘉,王晖,

  针对粒子群优化算法进化前期需大幅维度变动以搜索更多新区域，后期因仅有几维未达到最优解而陷入局部最优等问题进行研究，提出优质个体最优动态空间变异的粒子群优化算法。在挑选出优质的个体最优粒子后，选择其两个不同维度，使其中一个维度向另一维作莱维飞行，得到新的变异维度值，且进行变异的维度随迭代次数的增加而减少，种群多样性进一步提高，勘探与开发能力得到平衡。将提出的算法与新近改进的高水平粒子群算法在12个基准函数上进行比较，实验结果表明该算法在求解精度和收敛速度上更具优势。

• 融合莱维飞行与黄金正弦的蚁狮优化算法

  于建芳,刘升,王俊杰,鲁晓艺,

  针对蚁狮优化算法较易陷入局部最优停滞、收敛精度低以及收敛速度较慢等问题，将莱维飞行机制和黄金正弦算法融合到蚁狮优化算法中，提出了融合莱维飞行与黄金正弦的蚁狮优化算法（LGSALO）。该算法利用Lévy飞行的变异机制对寻优过程中位置更新方式进行变异操作，可以改善种群多样性，使得算法跳出局部最优，提高全局寻优能力，并在一定程度上避免了算法的过早收敛；同时引入黄金正弦算法改进精英蚁狮的寻优方式，协调算法的全局探索与局部开发能力。实验仿真结果表明，该改进算法的寻优性能良好，开发能力强。

• 基于IDM与RBFNN的组合型车辆低速跟驰模型

  罗颖,秦文虎,

  目前针对车辆低速跟驰驾驶的建模研究较少。通过最优加权理论将理论驱动型跟驰模型与数据驱动型跟驰模型进行结合，建立了一种基于智能驾驶者模型（IDM）与径向基函数神经网络（RBFNN）的组合型车辆低速跟驰模型。首先对NGSIM公开数据集进行筛选与处理得到基础研究数据；之后分别建立基于IDM与RBFNN的低速跟驰模型，前者侧重于保证跟驰的安全性与舒适性，后者则能够输出与真实值更为相符的预测结果；最后通过改进的最优加权目标函数得到最优组合权重，从而建立起了IDM-RBFNN组合模型。用平均相对误差（MARE）进行了评估，并通过对比分析证明了组合模型具有比单一模型更优的预测效果。

• 基于局部结构保留的级联子空间深度聚类

  熊李艳,朱宁,

  针对高维数据聚类的问题，许多有效的方法已经被提出，级联的子空间聚类算法CSC就是一种有效的解决法案。但是CSC算法定义的聚类损失可能破坏特征空间，从而取得非代表性的无意义特征，进而损害聚类性能。为了解决这一问题，提出了一种结合自编码器保留数据结构的改进算法。具体地说，使用聚类损失作为引导，分散特征空间数据点，同时采用一种欠完备的自动编码器作为重构损失，约束操作和维护数据生成分布的局部结构。将两者结合，共同优化聚类标签的分配，学习适合聚类的局部结构保留特征。使用自适应矩估计（Adam）和小批量随机梯度下降（mini-batch SGD）两种优化方法调整模型参数。在多个数据集上，使用聚类结果准确率（ACC）、标准互信息（NMI）和调整rand指数（ARI）三个评价指标验证了该算法的有效性和优越性。

• 一种支撑协同制造的动态群组命令传输算法

  颜晓莲,章刚,邱晓红,

  Internet是工业物联网重要网络载体之一，由于其时刻动态变化，使得在支撑群组控制命令传输时会造成路径失效过期，导致无法对分散在不同区域的生产设备实现协同制造。首先把Internet群组控制命令传输问题转换为带约束的动态多Steiner树问题（constrainted dynamic multi-Steiner trees，CDMST），并提出一种动态遗传算法。该算法提出静态和动态两个维度混合搜索策略，当网络状态未发生变化时，执行静态搜索策略，静态搜索策略主要考虑缓解早熟现象。当网络状态发生变化时，执行动态搜索策略，动态搜索策略主要考虑提升收敛性及借鉴静态搜索策略缓解早熟现象。实验从群组命令传输成功率和收敛延时比验证该算法有效性、收敛性及全局搜索能力。

• 本体演化的波及效应计算优化研究

  陈晶,刘钊,顾进广,刘宇,

  鉴于使用Floyd-Warshall算法对规模较大的本体评估具有时间复杂度与空间复杂度较高且未考虑本体演化过程中各版本之间的关联，提出基于邻接表的SPFA（shortest path faster algorithm）优化波及效应的计算。该算法不仅在大规模本体计算中具有计算效率的优势，而且可以简化版本迭代过程中波及效应的计算过程。实验结果表明，使用SPFA在计算本体的波及效应相比于基于邻接矩阵的方式具有一定的时间优势，并且这种优势随着时间的变化逐渐增加；在本体演化的波及效应计算时间中，本体演化后版本的计算时间大约与原有方法相差较少，证明了优化计算的有效性。

• 基于类内最大均值差异的无监督领域自适应算法

  蔡瑞初,李嘉豪,郝志峰,

  传统的无监督领域自适应算法在对齐总体分布时存在分类信息流失问题，难以保证迁移学习效果。针对这个问题，提出了一种基于类内最大均值差异的分布对齐策略。该策略首先预测所有样本的伪标签，然后借助伪标签样本信息依次对齐每个类别的领域类内分布。在深度学习框架下，所提算法能够有效保留分类信息，提高了目标领域的预测能力。实验结果表明，与传统算法比较，所提算法在多个基准数据集上获得了最优的迁移学习效果。

• 三重集约束下的自适应SSLBoost分类方法

  原鑫,王振友,

  在分类问题中，常用的高效算法有半监督学习算法、Bagging算法和Boosting算法等，当标记数据很少、数据间差异较大时，很难找到有效的规则来分类。针对此问题提出了三重集约束下的Boosting分类算法，对标记数据、伪标记数据、无标记数据进行三重约束划分；同时引入平衡函数将更新数据的近邻两点加权，确立数据空间稳定点；根据稳定点信息对分类器进行迭代，采用梯度下降法使得平衡函数收敛，得到最终的伪标记数据和分类器。经过UCI九个数据集的实验，验证了该算法更为高效、可行。

• 基于加权局部线性KNN的文本分类算法

  齐斌,邹红霞,王宇,

  针对基于稀疏表示的分类算法存在分类限制和计算复杂性等问题进行了研究。首先，改进了加权局部线性KNN文本特征表示方法和分类算法，通过对表示系数加权使其更加稀疏，引入非负约束以规避表示系数出现负的噪声干扰；其次，给出了分类器设计和算法的收敛性证明；最后，通过实验对比得出模型中各参数的优势值域。实验结果表明，改进后的算法与基础模型相比，查准率和查全率平均分别提升了2.49%和0.85%，相比于其他主流分类算法在性能上也均有明显提高。通过分析，该算法在文本分类上具有准确率高、收敛性强等优势，适用于对高维数据的文本分类。

• 基于剪枝算法解决多处理机调度问题的算法研究

  李博,张晓,颜靖艺,

  针对当前算法求解多处理机调度问题的不足，从剪枝策略的角度提出了一种笨人算法。笨人算法的思路是：不断排除最差解，直到剩下唯一解。这种剪枝算法至少保证当前的选择不是最差的，并且对计算过程的最大复杂度作了一个估计。经过实验分析，对于N×N的MSP，多数情况下，笨人算法比贪心算法、遗传算法、差分进化算法的表现更为稳定和优秀，是一种有效的算法，也为相关问题的研究提供了一种新的思路。

• 云计算环境下利用改进遗传算法结合二次编码的大规模资源调度方法

  谷南南,姚佩阳,焦志强,

  针对传统遗传算法无法满足多用户下的大规模云计算环境下的资源调度问题，提出利用改进遗传算法结合二次编码的方法解决大规模资源调度。首先，在选择复制阶段，采用基于最小任务完成时间和匹配程度的双适应度函数，对种群以双重标准进行筛选。然后，对算法的交叉变异概率进行了自适应优化，使其自适应能力进一步提高，保证了算法尽快向最优解收敛。同时引入的收敛终止条件保证了算法尽快跳出循环。最后，在CloudSim平台上对改进遗传算法（IGA）进行了分析，实验结果表明，提出的改进遗传算法能够很好地适用于大规模资源调度，且结果优于其他几种较新的对比算法。

• 融合复制机制和input-feeding方法的中文自动摘要模型

  农丁安,欧阳纯萍,阳小华,

  针对中文自动摘要准确率不高的问题，在含有注意力机制的序列到序列（sequence-to-sequence，seq2seq）基础模型的解码器中融合了复制机制和input-feeding方法，提出了准确率更高的中文自动摘要模型。首先，该模型使用指针网络将出现在源序列中的OOV（out-of-vocabulary）词扩展到固定词典，以实现从源序列复制OOV词到生成序列中；其次，input-feeding方法用于跟踪已生成序列的注意力决定信息以提升模型输出准确率。在NLPCC2018数据集上的实验结果表明，与基础模型相比，所提出模型获得了更高的ROUGE得分，验证了该模型的可行性。

• 统计推荐模型中的异构数据源资源配置

  成英超,郝志峰,蔡瑞初,

  信息系统中的统计推荐模型需要获取、分析和汇总多个来源的数据。这些多源异构的数据集在特征和价值方面可能存在显著差异，因而影响模型性能。为了提升统计推荐模型的整体性能，该研究采用凸优化理论和方法，解决了统计推荐模型中异构数据源的最优资源配置问题。在不同的数据源资源配置下，该工作对比了同一推荐模型的性能变化。实验结果表明，该工作提出的资源分配算法在NDCG（normalized discounted cumulative gain）和召回率这两个推荐系统主要评价指标上有效地提升了模型性能。该工作的结论是：针对多个异构数据源，适当的资源划分和分配策略可以显著影响推荐模型的整体性能。

• 基于分解策略处理多分类不均衡问题的方法

  徐作宁,雒兴刚,张忠良,

  针对多分类不均衡问题，提出了一种新的基于一对一（one-versus-one，OVO）分解策略的方法。首先基于OVO分解策略将多分类不均衡问题分解成多个二值分类问题；再利用处理不均衡二值分类问题的算法建立二值分类器；接着利用SMOTE过抽样技术处理原始数据集；然后采用基于距离相对竞争力加权方法处理冗余分类器；最后通过加权投票法获得输出结果。在KEEL不均衡数据集上的大量实验结果表明，所提算法比其他经典方法具有显著的优势。

• 基于模糊攻防树和熵权法的工控系统脆弱性量化评估方法

  巩天宇,尚文利,侯静,陈春雨,曾鹏,

  为了提高脆弱性量化评估结果的可靠性，提出一种基于模糊攻防树和熵权法的工控系统脆弱性量化评估方法。该方法以攻击防御树为模型，首先将模糊集合理论与专家评价相结合；然后聚合多位专家对同一安全属模糊评价，在模糊聚合过程中利用模糊距离计算专家模糊评价的偏离度以提高模糊聚合的可靠性，并采用熵权法确定叶子节点量化过程中各安全属性的权重；最后计算叶子节点及攻击序列概率。案例分析表明，该方法能有效提高评估结果的可靠性，为工控系统信息安全防护提供重要依据。

• 基于非线性干扰观测器的下肢外骨骼上楼梯滑模控制

  于振中,姚锦涛,

  针对下肢外骨骼在轨迹跟踪时对内部参数扰动和外界干扰较为敏感的特性，设计一种基于非线性干扰观测器的下肢外骨骼机器人滑模控制策略。首先建立下肢外骨骼上楼梯的动力学模型，分析其动力学特性；其次设计非线性干扰观测器，对下肢系统的不确定性和外部干扰进行观测；在此基础上，为保证系统轨迹跟踪误差的收敛性和减弱抖振，设计了低通滤波的滑模控制器，根据李雅普诺夫稳定性理论证明了下肢系统的稳定性；最后通过仿真与实验验证，该控制策略能够有效克服多种因素引起的干扰，改善系统的控制性能，提高系统的稳定性。

• 交通监控场景下的相机标定与车辆速度测量

  武非凡,宋焕生,戴喆,王伟,

  针对交通监控场景中对车辆速度测量的需求，提出了一种相机标定方法和车辆速度测量方案。首先，通过深度学习YOLO检测算法和光流跟踪算法对图像中的车辆目标进行检测和跟踪，根据获得的轨迹集合使用级联霍夫变换计算出道路方向上的消失点，从而检测出道路上的标志线。之后根据消失点和标志线，使用试探焦距思想完成相机标定任务。最后通过计算多帧之间瞬时速度的平均值来实现车辆速度的测量。通过真实交通监控场景的实验结果表明，这种基于消失点的自动相机标定方法具有较好的稳定性和较高的标定精度，能够满足车辆速度测量和实际工程应用的需求。

• 软件众包开发者的能力价值率模型研究

  刘安战,郭基凤,

  为了更好地评价众包软件开发者的能力，分析了众包模式下软件众包开发的三个基本要素，即大众开发者、任务发布者、众包平台，提出了一种软件众包开发者能力价值率模型。该模型将软件众包任务从子任务、时间阶段、质量特性三个维度进行细分，首先评价众包原子单元，进而综合评估整个众包软件的质量。模型在评价过程中充分考虑了开发者的价值贡献因素，推演了开发者能力价值率的计算方法。验证实验表明软件众包开发者的综合能力价值率随着任务量的增加，其变化和能力大小关系趋于一致，所设计模型具有更好的稳定性，能够有效地评估软件众包开发者的能力。

• 自适应稀疏重构的双频预失真结构

  高明明,吴月,房少军,南敬昌,

  针对双频功放预失真系统采样率过高的问题，提出一种基于压缩感知的自适应稀疏预失真结构，先通过基于分段多项式模型的记忆效应补偿器，再将信号融合理解为压缩感知采样重构问题，即在预失真反馈回路，利用自适应稀疏算法高精度重构遗失的五阶及高阶交调信号，使系数权值的最小均方解逼近最优，降低采集误差提升线性化效果。实验结果表明，在提高系统稳定性的同时，NMSE显示较2D-MP、2D-CPWL提高了约2~3 dB，ACPR大约改善了20 dBc。对降低双频带预失真采样率同时提升功放线性度具有重大意义。

• 改进SA-SP算法的路面不平度信号压缩感知采集研究

  程准,鲁植雄,

  为大幅度减少采集路面不平度信号的存储空间，提高采集速度，基于压缩感知理论针对标准路面的不平度信号进行压缩采样和重构。首先验证了B级路面不定度信号在频域下的近似稀疏性，并进行了信号的压缩采样。针对现阶段凸优化方法和常用的三种贪婪算法的不足，提出一种改进的模拟退火算法与子空间追踪算法相结合的稀疏度自适应匹配追踪算法，利用改进的模拟退火算法快速搜索匹配最优的稀疏度，并采用子空间追踪算法快速重构信号。仿真实验对比五种重构方法，结果表明，凸优化方法精度较高，耗时过长；OMP和SP算法耗时极短，但需要预先进行实验来估测信号的稀疏度，实用性低；SAMP算法能实现稀疏度的自适应匹配，但匹配的误差较大，且耗时较长；提出的新方法具有良好的精度和较快的执行速度，R-squares和耗时的均值分别为0.983 7和2.77 s，稀疏度估测效果较好，且采样点数的增加不影响算法重构信号的速度。

• 基于用户网格和两级缓存的LBS位置隐私保护方案

  李树全,李锐,朱大勇,熊超,刘磊,

  提出了一种采用用户网格和两级缓存技术相结合的方案，该方法采用基于第三方可信服务器的体系结构，在用户提交服务查询请求时，将用户的真实位置以正方形网格区域代替并发送给匿名服务器；在匿名服务器中，将地理空间以最小匿名区域为大小的固定网格划分以提高缓存利用率，同时使用四叉树存储固定网格区域，加快k-匿名区域的生成速度；在移动终端和第三方可信服务器中同时引入缓存机制，减少用户与第三方可信服务器以及位置服务提供商之间的交互次数，有效提高了查询响应速度与用户隐私保护程度。

• 一种高效隐私的区块链认知物联网框架

  杨菊英,江兵,罗佳,

  针对动态物联网隐私安全问题及低效推荐系统问题，提出一种高效隐私的区块链认知物联网框架。该框架分为区块链物联网管理层、认知过程层和需求层三层，区块链物联网管理层为认知层提供所需信息，然后对系统的可管理元素进行安全隐私的操作；在认知层中，认知引擎观察有关系统的信息，然后执行适当的算法来管理系统；在需求层中，通过认知规范语言（cognitive specification language，CSL）来描述网络的目标和行为。所提区块链物联网框架的认知推荐系统从过去发生的经验中学习，改进关于物联网推荐的决策，与其他物联网框架比较，所提框架和推荐系统具有隐私安全和高性能的推荐能力。

• 基于粒子群聚类偏移的地理位置不可区分

  薛佳楣,李美珊,玄子玉,

  针对利用虚假噪声应对统计攻击时可被攻击者识别的问题，对差分隐私保护模型展开研究，提出了一种基于粒子群聚类，通过真实用户位置偏移实现地理位置不可区分的隐私保护方法。该方法通过当前区域内匿名用户按照粒子群聚类的方式各自偏移，满足广义差分隐私模型的基本要求，实现地理位置不可区分。最后，通过模拟实验与同类满足广义差分隐私模型的算法进行对比分析，进一步证实了所提出的算法的执行效率和隐私安全。由此，可认为该方法具有更好的实用价值，更易部署在当前应用环境。

• 面向网络攻击的能力评估分类体系研究

  高见,王安,

  针对网络攻击工具和网络攻击事件，以传播能力、控制能力、破坏能力、隐蔽能力和数据获取能力为主要属性，构建了基于攻击能力的评估体系。通过对网络攻击特征的分析，对五种能力作进一步细化，形成了可量化的评价指标。通过对三个攻击场景和五个攻击工具进行实例分析，结果显示所提出的评估体系在对网络攻击工具和网络攻击事件的评估符合其攻击特征，五种能力满足可接受性、完备性、互斥性、确定性和可用性的基本要求。所提出的模型可以详细地描述网络攻击的基本特征，并能够宏观地展示每种攻击的侧重点和目的，为网络攻击分析和应急响应的决策提供依据。

• GIFT密码算法的二阶门限实现及其安全性评估

  蒋宏然,韦永壮,史佳利,刘争红,

  目前已知GIFT算法的防护方案仅能抗一阶功耗攻击。为了使该算法能抵御高阶功耗攻击，利用GIFT算法的数学结构，结合门限实现方法，构造了GIFT算法的二阶门限实现方案；针对非线性部件S盒的数学特征，分别构建（3，9），（6，7）以及（5，10）等二阶门限实现方案，并选取所需硬件资源最少的（3，9）方案，将其在FPGA平台下实现。在实现时，为了更好地分析对比所耗硬件资源，使用并行和串行的硬件实现方法。结果表明，在NanGate 45nm工艺库下，并行实现消耗的总面积为12 043 GE，串行实现消耗的总面积为6 373 GE。通过采集实际功耗曲线，利用T-test对该二阶门限实现方案进行侧信息泄露评估，证实了该二阶门限实现方案的安全性。

• 基于位置语义的增量近邻隐私保护研究

  张润莲,赵新红,武小年,

  针对LBS查询服务中构造的匿名区或选取的锚点仍位于敏感区域而导致的位置隐私泄露问题，提出一种基于位置语义的增量近邻隐私保护方法。该方法在客户端/服务器体系架构下，先根据用户的位置隐私需求计算语义安全匿名区，保护用户位置隐私；再筛选语义安全匿名区中道路交叉点作为语义安全锚点，保证了选取锚点是真实存在的，且其语义安全性达到最大；最终客户端以锚点位置请求服务并获取查询结果。实验结果表明，该方法能够较好地保护用户位置的隐私，且查询准确率较高约90%，查询时间较低约60 ms。

• 一种新的高效的无证书广播多重签名方案

  牛淑芬,李文婷,王彩芬,

  为了克服已有方案存在的计算开销大的缺陷，利用双线性对在广播性质上构造了一种新的无证书多重签名方案，并给出了无证书广播多重签名的形式化定义及安全模型。在计算性Diffie-Hellman困难性假设下，证明了新方案在随机预言模型下满足不可伪造性。最后，由效率分析及仿真实验表明，新方案与同类方案相比，在签名人数增加的同时仍然具有较高效率。此外，扩展了多消息的无证书广播多重签名方案满足正确性与安全性。

• 一种基于超混沌系统的双图关联加密算法

  鲜永菊,谢世杰,

  针对现存混沌图像加密算法中存在系统安全性不高、无法抵御明文攻击、加密图像相互独立、效率低等问题，提出了一种基于超混沌系统的双图关联加密算法。首先根据明文图像，由超混沌系统产生与之相关的混沌随机矩阵，对明文图像进行深度扩散；选取其中一幅图像进行明文关联的置乱操作与快速比特扩散生成密文c1；之后对剩余图像进行自适应关联比特操作生成密文c2，完成双图关联的图像加密。实验结果与仿真分析表明，该算法不仅具有更高的效率与更强的抗明文攻击能力，而且仅由一幅密文不能得到与之相应的明文图像，安全性更高，具有良好的应用场景。

• 改进的高效动态可搜索加密方案

  孙晓玲,杨秋格,沈焱萍,陈福明,

  为解决云存储环境下加密数据的安全检索问题，对现有算法进行改进，提出一种高效且安全的可搜索加密方案。该方案利用哈希链表构建三个索引表：文件索引表γf、搜索索引表γw、删除索引表γd，后两者是在每次搜索过程中根据搜索凭证和访问格式逐渐建立的，有效分摊了总的搜索时间，且关键词二次搜索的时间消耗为常量。为提高更新效率，与原算法相比，增加了删除索引表，测试结果表明，改进后的方案删除操作的时间消耗一般可减少30%~60%。通过泄露函数证明在更新过程中不会泄露访问格式外的更多信息，安全性较高。

• 一种时延约束下可靠性保证的服务功能链部署方法

  孙士清,彭建华,游伟,

  针对网络功能虚拟化环境中底层网络物理节点随机失效导致网络服务中断问题，提出了一种兼顾网络服务可靠性和时延约束的服务功能链部署方法以保证网络服务的可靠性。首先提出一种相邻虚拟网络功能备份实例资源共享的备份机制和单路径与多路径混合的路由策略，然后对时延约束下服务功能链可靠性部署问题建立混合整数线性规划模型，并设计了基于K阶最短路径扩展的服务功能链部署算法。仿真结果表明，与现有方法相比，该方法降低了节点和带宽资源开销，并提高了网络服务请求接受率。

• 网络状态感知的MapReduce作业洗牌数据传输调度研究

  刘文隆,郭丹,樊玉琦,

  MapReduce作业在洗牌阶段花费大量时间，因此有效的洗牌数据传输调度可以提高MapReduce的性能。数据中心网络中，常有一些周期性的数据流传输。在考虑已知这些周期性数据流传输的情况下，为MapReduce的洗牌数据传输调度问题建立了优化模型，并设计了一个有效的数据传输调度算法。在网络空闲时间段大小相同的情况下，证明了所提算法是近似比为3/2的近似算法。仿真实验结果表明，该算法能够有效地利用网络资源，减少洗牌数据流的调度长度。

• 无线传感器网络中基于闭合环包围的边界节点检测

  张玖雅,卫琳娜,

  由于无线传感器网络中可能会出现覆盖漏洞，导致网络无法提供高质量的数据，所以需要检测边界节点以准确找到覆盖漏洞进行修复。已有研究大多是通过传感器的坐标或者依据大量节点信息进行检测， 现提出算法通过检测每个节点的邻居节点是否能形成包围检测节点的闭合环来判别当前节点是否为边界节点。该算法使得节点能够仅基于小邻域的信息自主地决定它是否是边界节点，使其适用于节点分布不均匀的网络中。仿真实验验证了该算法在识别准确率、降低通信量等方面的有效性。

• 面向多种攻击的无线传感器网络攻防博弈模型

  刘妮,周海平,王波,

  传统的无线传感器网络（wireless sensor network，WSN）攻防模型一般只考虑一种攻击行为，而在真实情况下，恶意节点为了提高攻击成功率，常常会同时采取多种攻击方式，并且能够根据对方的防御情况灵活调整攻击策略。针对这种情况，提出了一种面向多种攻击的无线传感器攻防博弈模型，分别对WSN在外部攻击、内部攻击和混合攻击下的攻防博弈过程进行研究。利用不完全信息博弈理论分别建立了三种攻击下的博弈模型，通过对博弈模型的分析与求解，得到了攻防双方的最优策略，并利用数值模拟方法对理论结果进行了验证。研究结果对WSN中入侵检测系统（intrusion detection system，IDS）的设计具有现实指导意义。

• 基于MABC的中继系统资源分配策略

  王珍妮,董增寿,李丽君,王豪,

  针对MABC的中继系统，对资源配置策略的优化问题进行研究，并将功率分配问题和中继选择问题相结合。基于此，提出了一种存在干扰情况MABC模型的多中继系统资源分配策略（IS-MABC-OPOR）。考虑双向中继系统干扰信号对其传输性能的影响，以通信链路信道容量最大化为优化目标，利用拉格朗日方法对通信链路上的各节点进行最优功率分配和最佳中继选择，给出了通信链路信道容量最大意义下的资源分配数学表达式。仿真结果表明，该链路的信道容量受中继节点位置以及链路总功率的制约，相比于等功率分配方案（EPA）、随机功率分配方案（RPA）和在所提方案的基础上加大干扰信号的情景，IS-MABC-OPOR方案有效提高了系统的信道容量，从而实现资源能够满足更高速率的业务传输需求。

• CNR中基于多用户Q学习的联合信道选择和功率控制

  蒋涛涛,朱江,

  针对认知无线网络中多用户资源分配时需要大量信道和功率策略信息交互，并且占用和耗费了大规模系统资源的问题，通过非合作博弈模型对用户的策略进行了研究，提出一种基于多用户Q学习的联合信道选择和功率控制算法。用户在自学习过程中将采用统一的策略，仅通过观察自己的回报来进行Q学习，并逐渐收敛到最优信道和功率分配的最优集合。仿真结果表明，该算法可以高概率地收敛到纳什均衡，用户通过信道选择得到的整体回报非常接近最大整体回报值。

• 具有双边随机时延和丢包的网络控制系统有限时间控制

  干珊珊,嵇小辅,王锴,

  针对双边丢包和双边时延的网络化控制系统的有限时间控制问题，通过引入时间偏移量的方法，将丢包转换为时延，从而形成多时延系统，并将时间延迟转换为系统状态延迟。基于全概率公式给出已知网络丢包率下连续丢包的概率公式，用Markov链表征网络时延的变化规律。以线性矩阵不等式的形式给出改进的有限时间时延相关稳定性判据，并通过数值仿真验证所提方法的有效性。

• 一种高效快速的无人机自组网网关切换算法

  姚玉坤,宋威威,李其超,张云霞,

  针对无人机自组网网关节点突然失效给网络性能和网络可靠性带来的不利影响，提出一种高效快速的无人机自组网网关切换算法。首先，设计了备份网关的选择机制，通过考虑网关节点和邻居节点之间的距离因素从而选出备份网关节点；其次，改进了网关失效识别机制，备份网关可以更快地检测出网关节点是否失效；最后，提出了高效快速的无人机自组网网关切换机制，减少了网关功能失效的时间。仿真结果表明，所提算法可以降低无人机自组网网关的失效时间，提高无人机网络的可靠性并使时延、吞吐量等性能得到了提升。

• 太赫兹无线个域网高时隙利用率跨PAN数据传输协议

  任智,康健,徐兆坤,陈民华,

  针对现有跨PAN数据传输机制存在的业务量分布不均衡造成的时隙浪费、协调超帧开始时刻不明确、超帧统一机制所需控制开销较大等问题，提出了一种高时隙利用率太赫兹无线个域网跨PAN数据传输机制HTSU-PAN（high time slot utilization cross PAN data transmission protocol for terahertz wireless personal area network）。该协议通过采用隐式TDMA时隙分配、基于无beacon的空闲时段启用以及基于网桥节点超帧统一这三种新机制，有效提高时隙利用率，降低数据传输时延从而提升网络吞吐量。

• 基于双曲余弦矩阵鉴别分析的小样本问题研究

  冉瑞生,张守贵,任银山,房斌,

  线性判别分析（LDA）是模式识别领域的一个经典方法，但是LDA难以克服小样本问题。针对LDA的小样本问题，提出一种双曲余弦矩阵鉴别分析方法（HCDA）。该方法首先给出了双曲余弦矩阵函数的定义及其特征系统，再利用双曲余弦矩阵函数特征系统的特点，将其引入Fisher准则中进行特征提取。HCDA有两方面的优势：a）避免了小样本问题，可以提取更多的鉴别信息；b）HCDA方法隐含了一个非线性映射。该映射具有扩大样本间距离的作用，并且对不同类别样本间距离的扩大尺度要大于同类别样本间距离的扩大尺度，从而更有利于模式分类。在手写数字库、手写字母图像库和Georgia Tech人脸图像库上的实验结果表明，相对于具有代表性的解决LDA小样本问题的方法，HCDA具有更好的识别性能。

• 基于分割树的移动机器人立体匹配研究

  陈常,朱华,

  针对移动机器人在作业时低纹理、重复纹理、反光的环境，提出了一种基于分割树的移动机器人立体匹配方法，提高深度恢复的计算速度和精度。首先针对移动机器人作业环境对图像进行预处理，减小因光线变化的影响；然后采用最小生成树对图像像素进行加权聚合，通过分割树进行优化同时分割图像；再对图像进行遮挡处理和视差精化，恢复遮挡区域和未提供视差的图像边缘区域的深度，提高深度恢复的精度。最后进行对比实验，在室内场景下新方法计算速度比ST-2方法提高了187.140%，能够为移动机器人提供语义信息；在Middlebury数据集上，新方法比ST-2方法计算速度提高了157.500%，匹配精度提高了66.547%。

• 基于平面约束的RGB-D SLAM系统

  黄宁生,陈靖,缪远东,

  针对现有室内环境存在多个平面特征的特点，提出了一种使用平面特征优化相机位姿和建图的实时室内RGB-D 同时定位与地图构建（SLAM）系统。系统在前端采用迭代最近点（ICP）算法和直接法联合估计相机位姿，在后端提取相机关键帧平面特征并建立多种基于平面特征的约束关系，优化相机关键帧的位姿和平面特征参数，同时增量式地构建环境的平面结构模型。在多个公开数据序列上的实验结果表明，在平面信息丰富的环境中，平面特征约束能够减小位姿估计的累积误差，系统能够构建场景平面模型并只消耗少量的存储空间，在真实环境下的实验结果验证了系统在室内增强现实领域具有可行性和应用价值。

• 基于多损失融合与谱归一化的图像超分辨率方法

  许宁宁,郑凯,

  图像超分辨率重建研究存在结果客观衡量指标不断变优，但是视觉感知质量依旧平滑的问题。同时，应用生成对抗网络的超分辨率模型中的鉴别器（discriminator）设计存在一个普遍的问题，即训练不稳定问题。针对以上问题作出两点改进：提出多损失融合的方法，寻求一种在PSNR指标与感知质量之间的平衡，通过将均方误差损失、感知损失、风格损失与对抗损失进行融合的方法，在提高PSNR值的同时，改善图像视觉质量；在基于生成对抗网络的超分辨率模型的鉴别器设计中引入谱归一化（spectral normalization），以实现更稳定有效的训练。结果显示，改进后的方法得到了更高的PSNR指标与更逼真的视觉感知质量，并进一步表明感知质量对于超分辨率重建的重要性。

• 适用于迭代型去模糊算法粗精检测相结合的自适应终止机制

  李崇禧,徐少平,林珍玉,张玮,刘婷云,

  由于缺乏合适的去模糊图像质量度量方法，迭代型去模糊算法通常将其迭代次数简单地设置为固定值，无法在执行效率和去模糊质量之间获得最优的平衡点。为此，提出一种粗精检测相结合的迭代终止机制并将其应用到迭代型去模糊算法中以自适应地确定它们最佳的迭代次数。具体地，在每一步迭代过程中利用伪PSNR值细粒度地判断去模糊图像质量是否趋于稳定，另一方面每隔若干步利用从反向卷积残差图像中提取的统计特征值粗粒度准确地判定图像质量是否达到最佳，将两种去模糊图像质量度量方法有机结合以实现一种效率高且准确的迭代终止判定机制。评估结果显示，将所提出的粗精相结合的终止机制应用于NCSR、GSR和ADMM共三种主流去模糊算法后，执行效率可提高50%左右，而去模糊图像质量也得到了最佳保证。实验结果表明，提出的检测机制能够有效地解决各种迭代型去模糊算法因采用固定迭代次数而存在的无益迭代和过迭代问题，非常具有普适性。

• 基于金字塔式双通道卷积神经网络的深度图像超分辨率重建

  于淑侠,胡良梅,张骏,张旭东,

  针对深度图像分辨率低的问题，构建了一种金字塔式双通道深度图像超分辨率卷积神经网络。在金字塔的每一级，通过两个通道对低分辨率深度图像提取不同的有效特征，通道1为增强型残差结构，可以将丰富的图像细节传递到后面的图层，通道2将不同卷积层提取的特征连接起来作为此通道最后一层卷积层的输入，有益于局部特征和全局特征的结合。接着，通过将不同通道融合后的特征输入亚像素卷积实现超分辨率重建。实验结果表明，相比其他方法，该方法得到的超分辨率图像缓解了边缘失真和伪影问题，有较好的视觉效果。

• 基于深度学习的轻量型人体动作识别模型

  何冰倩,魏维,张斌,

  针对现有基于深度学习的人体动作识别模型参数量大、网络过深过重等问题，提出了一种轻量型的双流融合深度神经网络模型并将该模型应用于人体动作识别。该模型将浅层多尺度网络和深度网络相结合，实现了模型参数量的大幅减少，避免了网络过深的问题。在数据集UCF101和HMDB51上进行实验，该模型在ImageNet预训练模式下分别取得了94.0%和69.4%的识别准确率。实验表明，相较于现有大多基于深度学习的人体动作识别模型，该模型大幅减少了参数量，并且仍具有较高的动作识别准确率。

• 基于图像蒙板的无监督图像风格迁移

  孔棱睿,滕少华,

  目前大多数的图像风格迁移方法属于有监督学习，训练数据需要成对出现，并且在处理图像背景时，现有的方法过于繁琐。针对这些问题，提出了一种基于图像蒙板的无监督图像风格迁移方法。在实验中，采用了基于循环一致性的CycleGAN架构，并使用Inception-ResNet结构设计了一个全新的具有内置图像蒙板的生成式模型，最后通过无监督学习将图像的背景与学习到的抽象特征进行自动重组。实验表明，新方法有效地对图像背景和抽象特征进行自动分离与重组，同时解决了特征学习过程中的区域干扰问题，获得了可观的视觉效果。

• 基于残差网络的小型车辆目标检测算法

  厍向阳,韩伊娜,

  城市道路中车辆检测与识别对于提升交通安全，发展智能化交通具有非常重要的意义。传统的检测方式依赖于人工提取的特征，已难以适用于复杂多变的交通场景，存在识别精确度低、时间复杂度高等缺陷。深度学习模型可以自动提取有用特征，泛化能力强，但难以对相似型车辆进行更加精细的分类，为此提出一种基于残差网络的小型车辆目标检测算法。算法将传统卷积神经网络的连接形式改为一种基于局部连接和权值共享的残差连接模式，同时更改网络结构控制参数数量，将图片不同层次的特征融合计算，应用感兴趣区域池化层规格化前层特征，最后经过分类层和回归层得到目标框的置信度以及修正参数。实验表明，改进模型能够在保证时间效率的前提下增强网络的学习能力，提高平均精度，在相似小型车辆的检测问题上取得了良好的检测结果。