计算机应用研究杂志

计算机应用研究杂志2020年第9期

• 自动协议逆向工程研究综述

  王晓晨,沈晶,刘海波,于爱民,蔡利君,

  全面梳理了该领域国内外相关文献，归纳分析了自动协议逆向工程的研究现状和发展趋势。为了更清晰地刻画不同方法的特点和比较异同，提出一种基于协议逆向工程输出结果的分类方法，将协议逆向方法分为侧重于协议格式提取、侧重于协议状态机推断、侧重于完整协议规范描述、侧重于其他输出结果四类，并据此进行分析和比较。基于目前的进展情况和进一步的问题剖析发现，复杂交互场景分析、链路层协议逆向、加密协议分析以及协议状态机优化等应作为自动协议逆向工程领域下一步的重点研究方向。

• 数据流高效用模式挖掘综述

  王少峰,韩萌,贾涛,张春砚,孙蕊,

  数据流高效用模式挖掘方法是以二进制的频繁模式挖掘方法为前提，引入项的内部效用和外部效用，在模式挖掘过程中可以考虑项的重要性，从而挖掘更有价值的模式。从关键窗口技术、常用方法、表示形式等角度对数据流高效用模式挖掘方法进行分析并总结其相关算法，从而研究其特点、优势、劣势以及其关键问题所在。具体来说，说明了数据流高效用模式常用的概念；对处理数据流高效用模式的关键窗口技术进行了分析，涉及到滑动、衰减、界标和倾斜窗口模型；研究了一阶段和两阶段的数据流高效用模式挖掘方法；分析了高效用模式的表示形式，即完全高效用模式和压缩高效用模式；介绍了其他的数据流高效用模式，包括序列高效用模式、混合高效用模式以及高平均效用模式等；最后展望了数据流高效用模式挖掘的进一步研究方向。

• 人脸识别活体检测研究方法综述

  邓雄,王洪春,赵立军,吴至友,皮家甜,

  人脸识别具有广泛的应用，但容易受到伪造的欺骗人脸攻击而影响安全性，设计检测准确率高、泛化能力强、满足实时性需求的活体检测方法是目前的研究重点。将现有的人脸活体检测研究方法分为基于手工设计特征表达、基于深度学习和基于融合策略的方法，介绍每类方法所包含的典型算法的基本思想、实现步骤及优缺点。最后对已公开的人脸活体检测数据库进行整理说明，对人脸活体检测的发展趋势以及还需要进一步解决的问题进行综述，为今后人脸活体检测的研究提供了参考和借鉴。

• 基于图划分抽样算法的图表示学习

  夏鑫,高品,陈康,姜进磊,

  在基于神经网络的图表示算法中，当节点属性维度过高、图的规模过大时，从内存到显存的数据传输会成为训练性能的瓶颈。针对这类问题，该方法将图划分算法应用于图表示学习中，降低了内存访问的I/O开销。该方法根据图节点的度数，将图划分成若干个块，使用显存缓存池存储若干个特征矩阵块。每一轮训练，使用缓存池中的特征矩阵块，以此来减少内存到显存的数据拷贝。针对这一思想，该方法使用基于图划分的抽样算法，设计显存的缓存池来降低内存的访问，运用多级负采样算法，降低训练中负样本采样的时间复杂度。在多个数据集上，与现有方法对比发现，该方法的下游机器学习准确率与原算法基本一致，训练效率可以提高2~ 7倍。实验结果表明，基于图划分的图表示学习能高效训练模型，同时保证节点表示向量的测试效果。今后的课题可以使用严谨的理论证明，阐明图划分模型与原模型的理论误差。

• 多函数激活的拉普拉斯深度回声状态网络

  廖永波,李红梅,

  结合可变激活函数、降维算法和深度回声状态网络，针对新的神经网络模型进行了研究。其中可变激活函数是多函数的线性组合，可以通过调整系数来改变激活函数的非饱和区；拉普拉斯特征映射降维算法通过降低储层状态矩阵的维度来改善原网络面临的病态、不适定问题；还使用了遗传算法来寻找最佳目标子空间维度。仿真分析从扰动影响、转换稳定性、时序预测和记忆容量四个方面进行，从仿真结果（新模型的记忆容量是深度回声状态网络的两倍，均方根误差比回声状态网络小42%）来看，新模型的记忆容量、预测精度都得到了显著改善。

• 基于几何邻居的半监督节点分类

  成天英,王茜,袁丁,

  目前基于网络结构的节点分类方法只注重局部网络连接关系。为了能获取更广泛的网络信息，提出一种基于邻居节点结构信息的半监督节点分类算法CBGN。首先，在网络中加入惩罚因子来改进随机游走策略以获取节点的不定长游走序列，这些节点序列被当做句子输入到word2vec模型中，从而将网络结构的潜在信息转换成向量作为节点的特征表示；其次，改进支持向量机算法，结合梯度下降法和坐标下降法来优化参数空间，以对未标记节点进行更准确的分类；最后，在四个标准数据集上与目前较先进的几种方法进行了对比实验。结果表明，CBGN算法提高了分类精度，相比之前已有的方法具有更好的分类效果。

• 基于MMTD和兴趣偏向系数的协同过滤推荐算法

  陆荣,周宁宁,

  针对传统基于用户的协同过滤推荐算法存在的相似性度量不准确和缺乏对用户评分合理应用的问题，提出了一种结合中介真值程度度量（MMTD）和兴趣偏向系数的推荐算法。该方法首先采用MMTD度量用户评分的相似性；然后利用用户评分相似性改进余弦相似性公式和Jaccard公式，得到新的基于MMTD的用户相似性度量方法；最后结合兴趣偏向系数输出推荐结果。在MovieLens-100k数据集上的实验结果表明，该方法可以在一定程度上提高用户间相似性度量的准确性，提高推荐结果的准确率和召回率。

• 基于密度自适应邻域相似图的半监督谱聚类

  刘友超,张曦煌,

  谱聚类是基于谱图划分理论的一种聚类算法，传统的谱聚类算法属于无监督学习算法，只能利用单一数据来进行聚类。针对这种情况，提出一种基于密度自适应邻域相似图的半监督谱聚类（DAN-SSC）算法。DAN-SSC算法在传统谱聚类算法的基础上结合了半监督学习的思想，很好地解决了传统谱聚类算法无法充分利用所有数据，不得不对一些有标签数据进行舍弃的问题；将少量的成对约束先验信息扩散至整个空间，使其能更好地对聚类过程进行指导。实验结果表明，DAN-SSC算法具有可行性和有效性。

• 基于深度自编码的局部增强属性网络表示学习

  陈嶷瑛,张珊珊,柴变芳,

  基于深度自编码器的网络表示，可以捕获高度非线性的网络结构，但当链接稀疏时学到的表示不够准确。针对这一问题，提出一种基于深度自编码的局部增强属性网络表示学习模型，以提高表示学习的准确度。该模型首先利用链接与属性特征，采用多个深度自编码器，学习保持网络拓扑结构及属性特征的低维网络表示。之后，基于节点间近邻结构及属性相似性，对学出的低维网络表示进行节点约束，实现网络局部结构增强，达到最大程度保持原始结构信息及属性特征的目的。在五个真实属性网络上的实验结果表明，提出的模型在聚类与分类任务中，效果均优于目前流行的表示学习方法。

• 面向社交媒体的直接因果网络发现算法

  蔡瑞初,谢泳,陈薇,曾艳,郝志峰,杜文俊,

  高维时序因果网络发现是社交媒体因果关系发现的重要问题。然而，现有的时序因果关系发现方法不能发现直接因果以致因果网络推断结果不准确。针对此问题提出了一种直接因果网络发现方法。该方法考虑了时序因果模型的因果延迟、滞后期数量和条件节点集等因素，更准确地发现直接因果关系；另外，采用结合置换检验的因果关系检验方法，解决传递熵阈值难以设定的问题。实验结果表明，该方法在因果网络推断中优于现有方法，有效提升时序上直接因果网络推断的准确率，适用于发现潜在社交媒体因果关系网络。

• DEM中基于遗传与蚁群的混合路径规划算法

  武小年,奚玉昂,张润莲,

  现有启发式算法在DEM路径规划中因数据量巨大导致效率较低。针对该问题，提出一种基于遗传和蚁群的混合路径规划算法。该算法在遗传过程中，通过在初始群体生成阶段构建选择因子，使得在节点搜索时更加倾向于终点方向，提高初始群体生成效率；对变异过程中变异节点的变异区间进行限制，避免产生路径断点；在蚁群寻优过程中，根据遗传过程产生的路径信息，采用自适应信息素初始化与更新策略，提高算法搜索效率。测试结果表明，混合算法能够在规则网格DEM数据下搜索出符合条件的路径，并具有较好的效率。

• 基于改进粒子群算法的空间众包任务分配模型

  张辉,赵晨曦,王杨,张乐,赵传信,

  如何进行高效合理的任务分配是当前空间众包（SC）研究中的关键问题之一。针对SC分配效能低的问题，建立了最佳质量任务分配模型（maximum quality task assignment model，MQTAM），并提出了基于改进粒子群算法的空间众包任务分配算法（SCTAM_PSO）。该模型充分考虑了工作者到达工作地点后完成任务的时间延迟、完成任务的可信度等因素，通过SCTAM_PSO算法智能搜索最佳分配方案以最大化提高任务完成质量。实验结果及分析表明，MQTAM和SCTAM_PSO具有一定的有效性与可行性。

• 面向优先级用户的移动边缘计算任务调度策略

  董思岐,李海龙,屈毓锛,胡磊,

  随着移动终端处理的数据量及计算规模不断增加，为降低任务处理时延、满足任务的优先级调度需求，结合任务优先级及时延约束，提出了基于任务优先级的改进min-min调度算法（task priority-based min-min，TPMM）。该算法根据任务的处理价值及任务的数据量计算任务的优先级，结合任务截止时间、服务器调度次数制定资源匹配方案，解决了边缘网络中服务器为不同优先级的用户进行计算资源分配的问题。仿真实验结果表明，该算法可以均衡服务器利用率，并有效降低计算处理的时延，提高服务器在任务截止处理时间内完成任务计算的成功率，相比min-min调度算法，TPMM算法最多可降低78.45%的时延，提高80%的计算成功率；相比max-min调度算法，TPMM算法最多可降低80.15%的时延并提高59.7%的计算成功率；相比高优先级（high priority first，HPF）调度算法，TPMM算法最多降低59.49%的时延，提高57.7%的计算成功率。

• 基于Logit模型的生物质供应链集成优化

  张得志,郭瑶微,张卓,

  针对农户的选择偏好，引入基于Logit的离散计量分析模型，以研究秸秆收购价格、成本及政府补贴对农户生物质供应选择行为的影响。在此基础上，应用主从博弈模型对生物质供应链中加工厂、收集站和农户等不同利益主体之间的决策进行分析，确定了最优的生物质收购价格及收集站的服务半径。最后，通过算例分析验证了上述优化决策模型的有效性。研究表明，农户供应模式的选择与其对效用的敏感程度有关；政府实行补贴激励不仅能提高农户将秸秆直接送至加工厂的积极性，对加工厂和收集站的利益也有不同程度的提高。

• 全局引导和相互作用的郊狼优化算法及其应用

  张新明,付子豪,陈海燕,刘尚旺,窦智,刘国奇,

  针对新型的郊狼优化算法（COA）在解决复杂优化问题时收敛速度慢、全局搜索能力不足的问题，提出了一种嵌入全局引导和相互作用的郊狼优化算法（GCCOA）。首先在组内所有郊狼的成长过程中，构建一种全局引导的alpha狼，增强开采能力，提高收敛速度；然后提出一种相互作用的文化趋势，使得组内的文化趋势受到组内郊狼相互作用的影响，以此提高算法全局搜索能力；最后，将GCCOA运用到CEC2017复杂函数优化和医学图像增强上。大量实验结果表明，与COA、HFPSO、CSPSO和β-GWO等算法相比，在29个函数上，GCCOA获得22个第一，有更好的全局搜索能力和收敛质量。应用于医学图像增强的实验结果表明，与COA等算法相比，GCCOA能更好地解决医学图像增强中参数优化问题。所以，GCCOA是一种很有潜力的优化算法。

• 基于回收质量不确定与政府双参与的再制造闭环供应链定价策略研究

  贾晓霞,

  基于回收质量不确定的现实考虑，运用Stackelberg博弈论方法研究政府补贴和碳税双参与的再制造闭环供应链的定价问题，采用数值仿真的方法量化分析补贴额度和碳税率对再制造闭环供应链定价策略、供应链各成员利润、供应链碳排放量的影响，以及回收质量对再制造闭环供应链的影响。研究发现：政府补贴和碳税的双参与改善了由政府征收碳税而引起的市场不活跃现象，促进了闭环供应链的回收再制造，比单纯补贴或碳税更有效地引导了再制造闭环供应链；无论哪种手段参与，提高废旧产品的回收质量都有助于提高废旧产品的回收量、制造商的利润、第三方回收商的利润以及供应链的总利润，也有助于降低供应链的碳排放。

• TSGA:新型的片上网络低功耗映射算法

  张保岗,韩国栋,刘冬培,燕昺昊,

  针对如何将越来越复杂的应用任务有效地映射到片上网络处理单元上，达到以更少的能耗完成任务的目的，提出了一种遗传算法和禁忌搜索算法相融合的新型片上网路低功耗映射算法。该方法充分利用遗传算法强大的全局搜索能力，融合禁忌搜索的局部搜索能力和突出的翻山特性来弥补遗传算法的局部搜索能力弱和早熟的缺陷，取得了更好的片上网络低功耗效果。实验结果表明，在同样的实验平台和功耗模型下，禁忌搜索遗传算法相比于早期的遗传算法能耗降低显著，相比于后来改进的MGA、AGA算法也有能效优势。

• 基于GPU并行的点云数据简化的改进算法

  李普山,李伟波,冯智莉,万权,王海荣,

  受环境因素影响，卤水下矿床表面地势平缓，采集的矿床点云冗余点较多，为了提高对矿床进行三维建模的效率，设计了一种基于GPU并行的点云简化的改进算法。对每个小栅格内的点进行最小二乘的平面拟合，根据各个点到拟合平面的距离精简了大部分冗余点，并通过剩余点的曲率进行了第二次精简。将整个处理过程限定在每个小栅格内，在降低计算量的同时避免了因过度简化而出现的空洞现象。另外，对点云的简化过程进行了基于GPU的多线程并行处理，极大地提高了整个处理过程的效率。实验表明，算法改进后达到原算法效果的同时提高了算法效率，利用GPU加速后，大大缩短了算法的执行时间。

• 基于云端协同计算架构的边缘端I/O密集型虚拟机资源分配方案

  赵龙乾,满君丰,彭成,薛振泽,

  大型制造业生产车间业务流程复杂，传统固定资源配置方式将产生负载不均衡的问题。针对此问题，设计并实现了一种基于云端协同架构的边缘端I/O密集型虚拟机资源的分配算法，通过定义计算节点中每个I/O密集型虚拟机三个维度的信息计算得出I/O密集型虚拟机的优先级，并按最大优先级队列实时统一分配硬件资源。实验结果表明，该算法在应对工业机械设备高响应和高通量的要求上有较为明显的提升，为实际生产起到了优化资源配置的作用。

• 不同紧度下约束满足问题的相变现象

  赵春艳,范如梦,刘雅楠,

  提出了一个基于RB模型的随机约束满足问题即p-RB模型。该模型考虑了约束紧度的多样性，将所有约束按照不同的权重分成若干组，同一组具有相同的约束紧度，而相异组具有不同的约束紧度。用二阶矩方法严格证明了随着控制参数的不断增加，p-RB模型发生了精确的可满足性相变现象。数值实验表明该模型的有解概率经历了从1到0的突然转变，同时求解难度在相变区域达到高峰，表明该模型在相变区域能产生大量的难解实例。

• 基于质量水平的乳制品冷链物流库存—生产策略优化研究

  邹逸,刘勤明,叶春明,刘文溢,

  针对乳制品生产商—分销商—零售商构成的三级冷链下日益严重的食品质量问题，进行了三级冷链一体化库存模型研究。首先，引入了质量努力水平参数作为客户满意度的衡量标准，来刻画生鲜农产品的质量与利润的关系；其次，考虑到需求受产品质量影响且变质率服从三参数Weibull分布，以总利润最大化为目标函数建立三级冷链库存模型，同时对冷链上各成员的库存量及生产量用自适应遗传算法进行了规划求解；最后，以冷链中的乳制品库存—生产问题为案例进行仿真，验证了模型的有效性，并对质量努力水平进行灵敏度分析。结果表明，冷链各级成员考虑产品质量时，冷链整体利润更大，且质量努力水平越大，总利润越高。

• 基于改进Canopy聚类的协同过滤推荐算法

  唐泽坤,黄柄清,李廉,

  推荐系统通过建立用户和信息产品之间的二元关系，利用用户行为产生的数据挖掘每个用户感兴趣的对象并进行推荐，基于用户的协同过滤是近年来的主流方法，但存在一定局限性：推荐时需要考虑全部用户，而单个用户往往只与少部分用户类似。为了解决这个问题，提出了基于改进Canopy聚类的协同过滤推荐算法，将用户模型数据密度、距离与用户活跃度结合，计算用户数据权值，对用户模型数据进行聚类。由于结合了Canopy的聚类思想，同一用户可以属于不同的类，符合用户可能对多领域感兴趣的情况。最后对每个Canopy中的用户进行相应的推荐，根据聚类结果与用户评分预测用户可能感兴趣的对象。通过在数据集MovieLens和million songs上与对比算法进行MAE、RMSE、NDGG三个指标的比较，验证了该算法能显著提高推荐系统预测与推荐的准确度。

• 基于均衡接近度灰关联的增强二部图推荐算法

  张岐山,文闯,

  协同过滤推荐算法的数据稀疏性与冷启动问题影响和制约了推荐的质量，传统用户—项目二部图信任和相似度计算受局部个别点关联因素的消极影响。首先提出一种基于均衡接近度灰关联方法计算项目流行度的二部图信任推荐，在此基础上提出用户偏好的增强二部图直接信任度机制，然后通过JMSD相关系数作为全局信任推荐。在MovieLens数据集下的对比实验表明，与基准算法对比改进的算法模型具有更低的平均绝对误差（MAE），提高了推荐质量，改善了冷启动问题。

• 基于特征选择的极限随机森林算法研究

  杨丰瑞,罗思烦,李前洋,

  高维复杂数据处理是数据挖掘领域中的关键问题，针对现有特征选择分类算法存在的预测精确度失衡、整体分类效率低下等问题，提出了一种结合概率相关性和极限随机森林的特征选择分类算法（P-ERF）。该算法使用充分考虑特征之间相关性与P值结合的特征选择方式，避免了树节点分裂过程中造成的冗余性问题；并以随机树为基分类器、极限随机森林为整体框架，使P-ERF算法获得了更高的精准度和更好的泛化误差。实验结果表明，P-ERF算法相较于随机森林算法、极限随机森林算法，在数据集分类精度与整体性方面均得到良好的效果。

• 基于CPG的六足机器人运动步态控制方法

  林知微,林翰文,刘宗朋,

  中枢模式发生器（CPG）在六足机器人的运动步态控制中起着至关重要的作用。为了研究六足机器人的运动控制方法，首先基于仿生学原理设计了六足机器人的机械结构，并在虚拟样机软件ADAMS中搭建其三维模型；其次选择Hopf振荡器作为CPG单元，并改进了振荡器模型；然后设计了六足机器人的CPG网络拓扑结构，包含单腿关节映射函数方案和腿间CPG环形耦合网络方案，并对其进行了改进；最后通过ADAMS和MATLAB联合仿真实验，验证了所设计六足机器人的运动稳定性和CPG控制方案的可行性与有效性。仿真结果表明，该方法能够满足六足机器人不同运动步态的控制需求，对六足机器人的运动控制具有一定的实际应用价值。

• 渐进式约束扩展的机械臂运动规划算法

  陈伟,白克强,李孚洋,刘知贵,

  为了保证冗余机械臂带约束运动规划时的路径连续性，针对目前的直接插值和连续插值方法潜在的约束失效和路径失效问题，提出渐进式约束扩展的快速搜索随机树算法（PCE-RRT）。该算法在进行搜索树扩展时引入了一种渐进式约束扩展方法，该方法使用带有最近点信息的逆运动学计算策略，可以在保证任务约束的情况下迭代缩短最近点和扩展点的距离，让每一次扩展都能够保证搜索树的约束性和连续性。PCE-RRT可以使最终生成的搜索树很好地贴合于约束流形子空间，且树上任意两个相连节点都能满足连续条件。通过仿真实验对算法进行验证，实验结果表明该算法能够为机械臂带约束运动规划问题提供同时满足约束性和连续性条件的路径解。

• 利用搜索模型提升Simulink故障探测性能的方法研究

  谭程宏,卢雪松,

  针对很多方法中手动测试Oracle及运行测试用例成本较高的问题，提出一种基于搜索的测试和预测模型，以提升Simulink模型的故障探测性能。确定了三个旨在增加测试套件多样性的测试目标，并在基于搜索的算法中使用这些目标，以生成较小的多样化测试套件。为进一步实现测试套件的最小化，开发了一个预测模型，当添加测试用例无法提升故障探测性能时，该模型将停止测试用例的生成。评价结果表明，选择的三个测试目标能够显著提升较小测试套件的故障探测精度；且预测模型在维持几乎相同故障探测精度的同时，能够将新生成的测试用例平均数量减少一半以上。

• 基于FPGA的可配置浮点向量乘法单元设计实现

  黄兆伟,王连明,

  针对目前采用IEEE 754浮点标准设计的FPGA浮点运算器中吞吐率与资源利用率低等问题，提出一种运算精度与运算器数量可配置的并行浮点向量乘法运算单元。通过浮点运算器的指数、尾数位数可配置化设计，提高系统资源利用率，并将流水线技术与并行结构结合，提高数据吞吐率。以EP4CE115型FPGA为测试平台，当配置10组FP14运算器时，系统的逻辑资源占用约为4.2%，峰值吞吐率可达4.5 GFLOPS。结果表明，提出的浮点向量乘法单元有效提高了FPGA资源利用率与运算吞吐率，同时具有高度的可移植性与通用性，适用于FPGA向量乘法运算的加速。

• 基于观测器的网络切换模糊时滞系统鲁棒控制

  刘毅,梅玉鹏,李国燕,潘玉恒,梅树立,

  针对带有随机时变时滞的非线性网络切换系统稳定控制问题进行研究，在系统状态不可测且存在不确定性的情况下，采用T-S模型将非线性网络切换系统建模为网络切换模糊系统。然后，采用平均驻留时间法（ADT），设计出基于观测器的控制器及系统切换律，并给出网络切换模糊系统指数稳定的平均驻留时间条件。结合李雅普诺夫（LKF）方法给出时滞相关的网络切换模糊系统指数稳定的矩阵不等式条件。最后通过MATLAB数值仿真验证了该设计方法的有效性和优越性。

• 基于ARIMA预测修正的工控系统态势理解算法

  敖建松,尚文利,赵剑明,刘贤达,尹隆,

  结合态势感知的概念，重点对工控系统现场控制层数据进行分析，提出一种针对工业控制系统的态势理解算法。该算法利用FCM算法实现系统正常状态空间的建模，度量出实时状态偏离正常状态的程度；此外，利用数据的时序性，通过ARIMA预测出后续时刻系统数据信息；最后使用滑动窗口技术实现对系统过去、当前和未来的数据信息融合，计算出可以表征系统实时态势的二元组，直观地呈现出系统的实时安全状况，实现当前态势理解。通过数据仿真实验，验证了算法的可执行性和有效性，该算法的输出可以为安全管理人员提供可靠的决策信息。

• 基于MLP改进型深度神经网络学习资源推荐算法

  樊海玮,史双,张博敏,张艳萍,蔺琪,孙欢,

  针对在线学习过程中出现的知识过载及传统推荐算法中存在的数据稀疏和冷启动问题，提出了一种基于多层感知机（MLP）的改进型深度神经网络学习资源推荐算法。该算法利用多层感知机对非线性数据处理的优势，将学习者特征和学习资源特征进行向量相乘的预测方式转换为输入多层感知机的方式，改进了DN-CBR神经网络推荐模型。为验证模型的有效性，以爱课程在线学习平台数据为样本构建数据集，通过对比实验表明，在该数据集上，改进后模型相较于DN-CBR模型在归一化折损累积增益和命中率指标上分别提升了1.2%和3%，有效地提高了模型的推荐性能。

• 稀疏回归和流形学习的无监督特征选择算法

  周婉莹,马盈仓,郑毅,杨小飞,

  针对无标签高维数据的大量出现，对机器学习中无监督特征选择算法进行了研究。提出了一种结合自表示相似矩阵和流形学习的无监督特征选择算法。首先，通过数据的自表示性质，构建相似矩阵，结合低维流形能够表示高维数据结构这一流形学习思想，建立一种考虑流形学习的无监督特征选择优化模型。其次，为了保证选择到更有用及更稀疏的特征，采用l2，1范数对优化模型进行约束，使特征之间相互竞争，消除冗余。进而，通过变量交替迭代对优化模型进行求解，并证明了算法的收敛性。最后，通过与其他几个无监督特征算法在四个数据集上的对比实验，证明了所提算法的有效性。

• 基于多属性的动态采样协同过滤推荐算法

  李维乾,张艺,郑振峰,王海,张紫云,

  针对目前协同过滤推荐算法推荐精度和用户数据在算法中匹配度都不高的问题，提出一种多属性的条件受限波尔兹曼机协同过滤推荐模型（MA-CRBM）。该模型基于实值状态的条件玻尔兹曼机，融合了用户职业和性别属性，充分利用数据集中潜在的评分与未评分信息。在训练过程中，采用动态迭代采样算法对原采样算法进行了改进，克服了训练后期数据采样误差波动太大导致精确度不高的问题。在MovieLens 数据集上的实验结果表明，MA-CRBM模型具有较好的推荐效果，可以有效提升推荐模型的精度和效率。

• Edwards曲线快速标量乘算法研究

  明娇娇,高献伟,董秀则,李江峰,

  标量乘法是椭圆曲线密码算法中最核心的运算，其运算速度影响着整个密码体制的实现效率。首先，详细地介绍了Edwards曲线的基本概念。其次，为了提高标量乘法的运算速度，针对椭圆曲线标量乘算法进行了研究，引入了一种可以用来计算连续倍点2mP的算法CDA。为了提高CDA的计算效率，提出了将标量k表示为4-NNAF形式以减少k的长度，再结合CDA计算标量乘法可以有效地减少运算量。最后根据算法的运算量分析和具体例子得出，减少标量k长度后的计算效率提高了13%以上。为了进一步加快运算速度，又提出了对CDA中乘法运算和模逆运算采用并行结构来减少标量乘法的运算次数。计算结果表明，并行后的计算效率提高了36%以上。

• 更安全的匿名三因子多服务器身份认证协议研究

  李晓天,陈建华,

  多服务器架构下的身份认证协议是远程认证的关键，但许多现有方案都存在潜在的攻击，未实现三因子安全性，忽略了匿名性。因此，需要指出其中的错误，并提出一个匿名的三因子方案。通过攻击者模型，攻击了温翔等人的方案，检验了新方案；使用椭圆曲线密码，保障认证阶段的核心安全性；使用模糊提取器与验证器，保护生物特征与口令；经与同类协议比较，分析了新协议的优势。分析表明，温翔等人的方案不能抵抗服务器仿冒用户，不具匿名性等。而新协议能有效防范智能卡丢失攻击、仿冒攻击等更多样的攻击，实现了匿名性、前向安全性等更全面的功能，计算效率也比前人提高了约14.8%。因此，可以应用于对安全性、可靠性要求较高的多服务器认证网络。

• 一种混合云环境下安全高效的群数据共享方法

  梁有懿,凌捷,柳毅,赖琦,

  在混合云数据共享中，用户量大，属性多，导致用户端的计算量随着属性数目的增多而增大，影响着群用户之间的云数据共享效率，并且还存在用户的身份隐私及相关属性容易被泄露的风险。针对这些问题进行研究，提出了一种适合混合云环境下安全高效的群数据共享方法。该方法通过使用匿名技术、属性隐藏和计算外包技术相结合，保障用户的身份隐私和属性的安全，降低用户端的计算量。安全性与性能分析和实验结果表明，该方法具有较好的安全性和效率。

• 基于LD算法的SQL注入攻击过滤方法研究

  李应博,张斌,

  如何有效过滤SQL注入攻击是当前Web安全领域亟需解决的关键问题之一。结合关键字过滤与序列比对过滤技术，提出一种基于LD算法的SQL注入攻击过滤（SQLIAF）方法。首先利用黑名单技术，从IP角度对非法用户进行过滤，进而缩小用于过滤的流量规模。其次对用户输入进行关键字检测：若不含关键字，利用LD算法序列比对的方法对非法输入进行过滤；若包含关键字则区分用户请求方式，采用直接加入黑名单的方式或利用LD算法进行处理，以解决传统关键字过滤方法对正常请求的误报问题。实验结果表明，与传统关键字过滤方法和规则匹配过滤方法相比，该方法能有效过滤SQL注入攻击，且误报率及漏报率更低、过滤速度更快。

• 基于ADBN的入侵检测方法

  江泽涛,周谭盛子,

  当下大多数入侵检测算法无法在入侵检测率和误报率之间取得较好的平衡，为了有效避免此类问题，提出了一种基于非对称深度信念网络的入侵检测方法。该方法首先通过训练深度信念网络初始化ADBN（asymmetric deep belief network）模型中编码器部分的参数，利用正态分布初始化解码器部分的参数。然后通过计算重构误差来调优ADBN模型的参数，使模型能获取原始数据的最优低维表征。最后以编码器得到的数据作为分类器的输入数据并对其进行检测，采用ADBN模型可以提取出更有利于分类的特征且能够在模型初始化阶段节省更多的测试时间。实验结果表明，该方法可以达到更好的检测性能，对小类别样本也达到了较好的检测准确率。

• 受控循环远程态制备

  彭家寅,

  为了解决多方量子通信问题，首先提出一种构造十粒子纠缠态的方法，并籍此构造出一个3n+1粒子纠缠态。其次，以十粒子纠缠态为量子信道，提出一个三方受控循环远程制备协议。该协议在监察者David的控制下，Alice能为Bob远程制备一个任意单粒子态，Bob能够在Charlie处远程制备一个任意单粒子态，Charlie也能为Alice远程制备任意单粒子态。进一步，借助3n+1粒子纠缠态，将此循环协议推广到任意n方受控循环远程态制备情形。在远程态制备过程中，每个发送者充分利用各自掌握的信息和前馈策略来构造恰当的测量基，通过经典通信和局域操作，就能成功实现任意单粒子态的远程制备。

• 基于中国剩余定理的前向安全群签名方案

  洪璇,张绪霞,

  在群签名方案中，群中的任意一个合法群成员都可以代替整个群组对某个消息进行签名，验证者只能验证签名者属于该群组中的一员，但不能得知签名者的具体身份。提出一个基于中国剩余定理的前向安全群签名方案。该方案可以动态地增加和删除群用户成员而无须频繁更改群公钥，并在验证签名和打开签名时只需要进行模运算即可实现，同时针对密钥泄露问题实现了前向安全性。最后对方案进行了安全性分析和效率分析，结果表明该方案具有匿名性、可撤销性、防伪造性和追踪性。

• 基于深度迁移学习的网络入侵检测

  卢明星,杜国真,季泽旭,

  为解决网络入侵检测问题，提高检测准确率和降低误报率，提出一种基于深度迁移学习的网络入侵检测方法，该方法使用非监督学习的深度自编码器来进行迁移学习，实现网络的入侵检测。首先对深度迁移学习问题进行建模，然后对深度模型进行迁移学习。迁移学习框架由嵌入层和标签层实现编/解码，编码和解码权重由源域和目标域共享，用于知识的迁移。嵌入层中，通过最小化域之间的嵌入实例的KL散度来强制源域和目标域数据的分布相似；在标签编码层中，使用softmax回归模型对源域的标签信息进行编码分类。实验结果表明，该方法能够实现网络入侵检测，且性能优于其他入侵检测方法。

• 基于人工免疫的比特币快捷交易异常检测模型

  刘正军,李春林,孙治,张淑文,

  电子货币交易最重要的问题是双重花费（双花攻击），比特币预防双花攻击的策略是等待六个确认块（约1 h），难以适用于快捷支付领域。默认替代策略是等待交易信息传播到卖主的钱包，这无法有效地预防双花攻击。针对比特币快捷交易中双花攻击的检测问题，提出了一种基于人工免疫的比特币快捷交易异常检测模型。在每个传统比特币节点中加入免疫检测模块进行抗原提取，并利用检测器进行异常检测，在威胁控制中心动态演化检测器并分发免疫疫苗以便有效地进行防御。实验结果证明，此检测模型能够有效地检测并预防比特币快捷支付中的双花攻击。

• 基于非理想CSI的全双工双向中继系统保密中断概率性能研究

  丁青锋,刘梦霞,连义翀,

  研究基于译码转发的全双工中继系统的物理层安全问题。假设系统模型中窃听者与合法用户以及中继之间存在直接链路，考虑在合法用户和中继之间的信道状态信息（channel state information，CSI）是非理想的情况下，通过分析信道估计误差、窃听信道的平均信噪比和残余自干扰对中继系统物理层安全的影响，推导出每个节点端到端瞬时信干噪比和非理想CSI下的保密中断概率表达式。仿真结果表明，信道估计误差、窃听信道的平均信噪比和残余自干扰越小，系统保密中断概率越小，系统安全性能越高；在高信噪比时，残余自干扰对保密中断概率的影响可以忽略不计；同时，全双工中继方案优于传统的半双工中继方案。

• 一种基于改进RFM模型的数字集群用户分类方法

  卓灵,孙昕,

  数字集群系统具有组呼和半双工通信等特点，针对传统用户分类方法不能满足数字集群用户分类需求的问题，提出一种基于改进RFM模型的数字集群用户分类方法。首先引入平均讲话时长属性建立RVS模型；然后采用层次分析法确定RVS模型参数的权重；最后，利用K-means++聚类算法对数字集群用户进行分类。仿真结果表明，使用提出的用户分类方法，数字集群用户分类的准确度可达到87.9%以上。

• 一种能量高效的无线传感网分簇路由算法

  潘玉兰,刘广聪,

  针对无线传感网节点能耗不均造成的生命周期短的问题，提出一种能量高效的无线传感网分簇路由算法（NUC&GDF）。该算法从三个方面对无线传感网的路由进行优化：a）改进簇首选举机制，选择合适的簇首；b）改进簇首节点成簇半径规则，形成合理的簇规模大小；c）在簇首与基站的稳定数据传输过程中，引入改进的梯度下降法强化学习来计算权值最小的自适应无线簇间路由。实验结果分析表明，提出算法性能比LEACH、LEACH-C以及DEBUC算法更优。在网络规模为100 m×100 m时，网络生命周期分别提高约50.3%、21.5%、16.4%，能更有效地延长网络生命周期。

• 动态搜索和协同进化的鲸鱼优化算法

  张水平,高栋,

  针对基本鲸鱼优化算法寻优精度低、收敛速度慢及容易陷入局部最优等缺陷，提出了一种动态搜索和协同进化的鲸鱼优化算法。首先，通过等价替换和Faure序列提高初始解的质量；其次，通过对种群进行分工，提高种群多样性并增强算法跳出局部最优解的能力；最后，根据种群进化信息动态调整搜索策略，从而提高算法的收敛速度和寻优精度。仿真实验结果表明，提出的改进算法相比基本鲸鱼优化算法和部分改进算法具有较好的寻优性能。

• 紧邻类与小类数据集下的模糊聚类有效性指标

  耿嘉艺,钱雪忠,周世兵,

  模糊聚类有效性指标主要是为了解决模糊C-均值算法需要事先给定最佳聚类数的缺陷，但是现有的大多数模糊聚类有效性指标一般过于依赖聚类质心，使得这类指标在含有紧邻类与大小、密度差异大的数据集上无法准确地判断最佳聚类数。为了缓解这个问题，提出了新聚类有效性指标WS。WS指标在一定程度上考虑了最大最小隶属度法则与模糊集偏差，从而全面展示了数据集的整体信息。在人工与真实数据集上，评估WS指标与现有一些指标的有效性，新指标展现出了较高的准确性。在不同的模糊度下，WS指标表现出了较好的鲁棒性。

• 基于标签相关性的类属属性多标签分类算法

  牟甲鹏,蔡剑,余孟池,徐建,

  多标签学习中一个样本可同时属于多个类别标签，每个标签都可能拥有反映该标签特定特点的特征，即类属属性，目前已经出现了基于类属属性的多标签分类算法LIFT。针对LIFT算法中未考虑标签之间相互关系的问题，提出一种基于标签相关性的类属属性多标签分类算法CLLIFT。该算法使用标签距离度量标签之间的相关性，通过在类属属性空间附加相关标签的方式完成标签相关性的引入，以达到提升分类性能的目的。在四个多标签数据集上的实验结果表明，所提算法与LIFT算法相比在多个多标签评价指标上平均提升21.1%。

• 一种结合拍卖的D2D协作通信中继选择算法

  徐赫,陈桂芬,高瑞娟,

  D2D协作通信技术可以满足提高蜂窝通信系统容量、扩大网络覆盖范围的通信需求。针对一些边缘用户受到信道衰落影响较大，从而影响用户的服务质量问题，提出了一种将拍卖原则引入D2D协作通信的中继选择算法。该算法首先在满足D2D通信要求和信噪比限制条件下得到中继备选集合；然后以优化链路吞吐量为目标选择最优中继节点；最后当两个或多个用户同时选中一个最优中继节点时，采用拍卖原则为D2D发射端分配最终中继。仿真结果表明，所提算法不仅有效地提高了吞吐量，同时保证了系统的中断概率。

• SDN全局状态视图构建及应用

  李元平,李华,赵俊岚,

  随着云计算、大数据以及物联网的兴起，网络流量以爆炸性的速度增长，与此同时网络带宽的增长速度却无法与之相应匹配。在可预见的将来，日益增长的网络流量与缓慢增长的网络带宽之间的矛盾将长期存在。如何改变当前粗放式的网络管理手段，实现精细化的网络管理，解决上述矛盾是需要面对的问题。提出基于状态的视图模型，描述了全局状态视图的形式化概念，同时详细介绍了全局状态视图的构建算法，并拓展其外延，提出状态视图栈的概念，扩充定义网络各层状态视图。利用层次Petri网对传输层协议建模并分析其特征，构建其状态管理表。分析了端口碰撞应用，并构建该应用的状态视图，说明了状态视图栈的一般性扩充方法。同时以负载均衡功能结合全局状态视图应用为例，说明基于状态的网络管理可以提高资源的利用率。

• 基于特征迭代的云存储数据即时确定性删除方法

  张新华,

  传统数据删除方法易受到云存储环境中大量近似特征的影响，产生冗余数据，导致加解密时间过长、密钥可用率较低，为此提出一种基于特征迭代的云存储数据即时确定性删除方法。首先，提取云存储数据中的冗余数据特征，对云存储下冗余数据进行分类，迭代直至收敛，实现冗余数据高性能删除；其次，采用加密机制实现云存储数据在网络用户间的安全共享，将原始数据密文切分为剩余密文和采样密文；最后，把不完整的剩余数据密文上传至云端，同时引入可信任第三方对取样密文进行保存，通过销毁取样密文实现数据即时确定性删除。实验结果表明，所提方法的数据密文拆分所用时间较短，且密钥可用率较高，可达90%，说明其方法能够有效满足云存储系统中对冗余数据或过期数据的确定性删除要求。

• 一种新的星载TDOA/FDOA/AOA联合定位算法

  丛迅超,

  针对双星时频差定位体制在星下轨迹附近区域存在定位盲区的问题，提出一种单星二维干涉仪测向（AOA）与双星到达时差（TDOA）/到达频差（FDOA）联合定位方法。采用更精确的WGS_84地球模型，通过构造子空间基矢量恒等式以及地球表面约束获取联合观测的伪线性定位方程，实现了双星TDOA/FDOA/AOA联合高精度定位。在相同场景下将时频差定位算法和提出的联合定位算法进行比较，仿真结果表明该算法可缓解时频差定位盲区缺陷，星下轨迹附近区域的定位精度可至少提升两倍以上。

• 联合多通道特征与最小二乘决策的人脸反欺诈方法

  吴启群,宋晓宁,

  为了应对大量的欺诈攻击，如照片攻击和视频攻击，提出了一种基于多通道特征与最小二乘法决策的人脸反欺诈方法。一方面，将人脸在不同颜色空间分量上的梯度特征进行加权融合。另一方面，为了提高实验的鲁棒性，引入BSIF纹理特征与CNN的卷积特征，并用最小二乘法对分类的结果进行最优的决策判断。实验在replay-attack和CASIA两个数据集上进行测试，其中在replay-attack数据集上的EER和HTER分别降低到了3.52%与4.63%，在CASIA数据集上的EER和HTER分别降低到了6.02%和6.45%，与目前最优的算法有一定的竞争力，表明该方法对不同方式的欺诈攻击有较好的检测效果。

• 针对混合污染的结构化鲁棒低秩恢复算法在人脸识别中的应用

  吴小艺,吴小俊,陈哲,

  传统的低秩恢复算法在识别有混合污染的人脸图像时，通常只对污染部分进行一种类型的约束，并不能很好地恢复出干净的样本。针对这种情况，提出了结构化鲁棒低秩恢复算法（structured and robust low-rank recovery for mixed contamination，SRLRR）。SRLRR算法利用对二维误差图像的低秩约束移除样本中的连续污染部分，同时利用稀疏约束分离样本中服从拉普拉斯分布的噪声。另外，为了学习到更具有鉴别性的低秩表示，该算法对表示系数进行了块对角结构化约束。在三个常用数据库上的实验证明了SRLRR算法的有效性和鲁棒性。

• CASPN：基于级联空间金字塔的人脸关键点定位网络

  谢金衡,张炎生,

  针对非限制环境下人脸关键点定位的诸多干扰因素，如遮挡、阴影，以及如何设计更加轻量、快速的神经网络的问题，尝试并联不同空洞率的空洞卷积应用于人脸关键点定位，在保持特征分辨率的同时，快速增大并且获取多重感受野信息来获得更全局的语义信息，同时结合特征融合为精确定位关键点与关键点猜测提供丰富的上下文信息，以此提出一种实时、轻量级、高检测精度的人脸关键点定位网络。该网络的参数量约为2.7 million，模型只有10.6 MB，在保持高检测精度的同时，在GTX1080设备上可达约150 fps的处理速度。目前在流行的数据集中也获得了优异的评估结果，其中在WFLW测试集中取得了5.40%的mean error与7.36%的failure rate。

• 基于光流优化的堆叠Unet背景建模神经网络

  陶冶,凌志浩,

  针对现有背景建模算法难以处理复杂前景及间歇性运动前景的问题，提出了一种基于非监督学习的背景建模算法（改进的BM-Unet算法）。该算法结合光流法和Pearson相关系数在视频帧上提取背景关注区域，以此优化网络训练集和损失函数，从而有效提高了该算法在复杂前景情况和前景停留情况下的适应性；在此基础上，为进一步提高背景生成的精确度，又提出了一种堆叠Unet网络架构BM-SUnet（background modelling stacked Unet）。在SBMnet数据集上与现有算法在可视化效果和评估参数两方面的比较结果表明，所提算法在复杂前景和间歇运动前景情况下建模准确性好且鲁棒性高的结论。

• 基于多尺度特征映射匹配的图像表示方法

  朱杰,吴树芳,

  在卷积神经网络模型中，空间金字塔池化方法将空间信息融入到深度特征的生成过程中，最终生成的图像表示可以有效地用于提高图像检索性能，但是此方法会导致生成的图像表示中不同维度之间描述的信息存在重复，且相同维度描述的图像内容不匹配。为此提出了一种基于多尺度特征映射匹配（multi-scale feature map matching，MFMM）的图像表示方法。此方法首先利用深度特征的方差与协方差矩阵提出了一种特征映射选择算法，用于增强图像表示中不同维度特征的独立性。其次，依据相同通道特征映射中高响应值位置有较高匹配性的特点，结合激活映射中最大响应位置的深度特征提出了一种优化的特征映射中心点选择方法。最后，按照不同的中心点通过多尺度窗口采样的方式，从特征映射中提取出带有空间信息的深度特征用于表示图像内容。实验结果表明，提出的方法在图像检索任务中能够取得良好的效果。

• 一种基于自适应光滑长度的SPH液体模拟方法

  朱鉴,李泓澍,蔡瑞初,陈炳丰,

  传统SPH流体模拟方法通常使用固定的粒子光滑长度进行插值计算，在某些情况下会导致较大的插值误差。为提升模拟精度，建立了粒子光滑长度与邻居粒子密度调和平均数间的关系，用以自适应调整粒子的光滑长度，并设计和定义了相应的邻居搜索方案和核函数以解决受力不对称的问题。经实验验证，该方法有效降低了粒子邻居数方差，解决了传统SPH支持域固定导致的粒子插值误差过大的问题，使仿真结果更接近物理事实。同时由于物理计算精度的提高，模拟稳定性得到增强，因而可以使用更大的时间步长，有效提升了模拟速度。最终，相比其他方法在视觉质量和模拟速度上均具有一定优势。

• 使用九点双三次卷积插值方法改进的DeepLab-v3模型

  宋国杰,黄佳芳,陈普春,陈亚丽,

  针对DeepLab-v3模型中双线性插值方法只能从邻近的四个抽样点提取信息，导致图像分割的精确度下降问题，提出两个改进的DeepLab-v3模型，即IDL-v3-1（improved DeepLab-v3-1 model）和IDL-v3-2（improved DeepLab-v3-2 model）。两个改进的模型使用九点双三次卷积插值方法替换DeepLab-v3模型的双线性插值方法，以获得更精确的分割图像。在PASCAL VOC 2012数据集上检验发现，与DeepLab-v3模型相比，IDL-v3-1和IDL-v3-2的精确度分别提升了0.43%和0.59%，分割每张图像的耗时量分别增加了0.002 s和0.005 s。实验结果表明，改进的DeepLab-v3模型可以在与DeepLab-v3模型相近的时间成本内达到更高的图像分割精度。

• 基于特定类不完备决策系统的分布约简

  陈阳,张楠,孙雪姣,童向荣,张小峰,

  现有的不完备决策系统的分布约简研究主要针对决策系统中的所有决策类，而某些实际应用中，人们往往仅关注于某个特定类的属性约简问题。基于这种考虑，首先提出了基于特定类的不完备决策系统的分布约简的理论框架，给出了在相容关系下的基于差别矩阵的约简算法，最后将该算法与基于所有决策类的不完备决策系统分布约简算法进行对比。实验结果表明，当决策类为特定类时，约简结果的平均长度相对较短，约简效率也有显著的提高。

• 防止过拟合的属性约简

  沈微微,李颖,杨志豪,王祥力,叶轩,

  近年来，机器学习的过拟合问题备受关注，尤其在属性约简中。为解决这一难题，提出一种融合集成策略和去除操作的算法。首先将训练模型数据平分为M份；然后将其中M-1份采用集成策略进行潜在约简计算；最后将剩余的一份进行提前测试，一旦发生过拟合则将刚加入的属性从潜在约简集中去除。利用提前测试潜在属性约简的方法来防止过拟合现象的发生，几组UCI数据的实验结果说明了新算法的有效性，同时为丰富和发展属性约简提供了一种新的方向。

• 基于双向长短时记忆单元和卷积神经网络的多语种文本分类方法

  孟先艳,崔荣一,赵亚慧,方明洙,

  针对日渐丰富的多语种文本数据，为了实现对同一类别体系下不同语种的文本分类，充分发挥多语种文本信息的价值，提出一种结合双向长短时记忆单元和卷积神经网络的多语种文本分类模型BiLSTM-CNN模型。针对每个语种，利用双向长短时记忆神经网络提取文本特征，并引入卷积神经网络进行特征优化，获得各语种更深层次的文本表示，最后将各语种的文本表示级联输入到softmax函数预测类别。在中英朝科技文献平行数据集上进行了实验验证，结果表明，该方法相比于基准方法分类正确率提高了4%，且对任一语种文本均能正确分类，具有良好的扩展性。

• 基于字符级双通道复合网络的中文文本情感分析

  王丽亚,刘昌辉,蔡敦波,赵彤洲,王梦,

  针对传统卷积神经网络（CNN）缺乏句子体系特征的表示，以及传统双向门限循环神经网络（BiGRU）缺乏提取深层次特征能力。以中文文本为研究对象，在字符级词向量的基础上提出双通道的CNN-BiGRU复合网络，同时引入注意力机制的模型进行情感分析。首先，在单通道上利用CNN提取深层次短语特征，利用BiGRU提取全局特征的能力深度学习短语体系特征，从而得到句子体系的特征表示；再通过增加注意力层进行有效特征筛选；最后，采用双通道结构的复合网络，丰富了特征信息，加强了模型的特征学习能力。在数据集上进行多组对比实验，该方法取得了92.73%的F1值结果，优于对照组，说明提出的模型能有效地提高文本分类的准确率。同时在单句测试上量化出模型优势，且实现了模型的实际应用能力。

• 基于MRLT模型多关系社交网络影响力最大化研究

  赵玉芳,孙更新,宾晟,

  社交网络影响力最大化问题是基于特定的传播模型，在网络中寻找一组初始传播节点集合，通过其产生最终传播影响范围最大的一种最优化问题。已有的相关研究大多只是针对单关系社交网络，即在社交网络中只存在一种关系，但在现实中，社交网络的用户之间往往存在着多种关系，并且这多种关系共同影响着网络信息传播及其最终影响范围。在线性阈值模型的基础上，结合网络节点间存在的多种关系，提出MRLT传播模型来建模节点间的影响力传播过程，在此基础上提出基于反向可达集的MR-RRset算法，解决了传统影响力最大化问题研究过程中由于使用贪心算法所导致的计算性能较低的问题。最后通过在真实数据集上的实验对比，表明所提方法具有更好的影响力传播范围及较大的计算性能提升。

• 基于双视角投影空间表示的文本多标签标注方法

  温雯,韦滨,杜文俊,蔡瑞初,郝志峰,

  在传统的多标签文本标注领域中，面临着维数灾难和双信息源数据的问题。针对这两个问题，提出一种基于双视角投影空间表示的文本多标签标注方法，通过交替方向乘子法和Bregman迭代对目标函数进行优化求解，得到低维的隐语义投影空间。在雅虎和路透社的新闻数据集上的实验结果验证表明，该方法在解决文本多标签标注问题上性能有明显的提高，其在召回率、覆盖误差和排名平均精度方面优于近年来的其他方法，可应用于新闻推荐，标签系统和情感分析等场景中。