计算机应用研究杂志

计算机应用研究杂志2021年第10期

• 后验正则化综述

  韩亚楠,刘建伟,罗雄麟,

  在模型训练过程中，训练语料通常包含许多针对特定问题的边信息，而模型往往无法直接利用这些边信息。后验正则化（posterior regularization，PR）由于其框架的灵活性和简单性，在分类任务、自然语言处理以及远程监督系统等领域获得广泛应用。首先系统性地对后验正则化问题进行描述；然后详细介绍了三类后验正则化的通用框架，并指出了各个后验正则化框架被提出的原因以及其模型的具体形式、所具有的优缺点、适宜解决的问题等；进而又指出了近年来几类后验正则化框架的典型应用，并指明了后验正则化框架未来可能的发展方向；最后对全文内容进行概括总结。

• 基于深度学习的视觉单目标跟踪综述

  张长弓,杨海涛,王晋宇,冯博迪,李高源,高宇歌,

  单目标跟踪是一种在视频中利用目标外观和上下文信息对单个目标分析运动状态、提供定位的技术，在智能监控、智能交互、导航制导等方面具有应用前景，但遮挡、背景干扰、目标变化等问题导致实际应用的进展缓慢。随着近年来深度学习的快速发展，研究使用深度学习技术优化单目标跟踪算法已成为计算机视觉领域的热点之一。围绕基于深度学习的单目标跟踪算法，在分析了单目标跟踪的基本原理基础上，从相关滤波、孪生网络、元学习、注意力、循环神经网络和生成对抗网络六个方面，根据核心算法的不同分别进行了概述和分析；此外，对研究现状进行了总结，提出了算法的发展趋势和优化思路。

• 模糊多核支持向量机研究进展

  戴小路,汪廷华,胡振威,

  模糊多核支持向量机将模糊支持向量机与多核学习方法结合，通过构造隶属度函数和利用多个核函数的组合形式有效缓解了传统支持向量机模型对噪声数据敏感和多源异构数据学习困难等问题，广泛应用于模式识别和人工智能领域。综述了模糊多核支持向量机的理论基础及其研究现状，详细介绍模糊多核支持向量机中的关键问题，即模糊隶属度函数设计与多核学习方法，最后对模糊多核支持向量机算法未来的研究进行展望。

• LBA：轻量级区块链架构

  邓小鸿,朱年红,黄磊,王智强,刘惠文,

  针对现有区块链架构在面临垂直结构型的轻量级应用时存在着结构冗余、性能不足的缺点，提出一种轻量级区块链架构（lightweight blockchain architecture，LBA）。在数据层，提出按行存储机制提高数据读写效率，并增加基于MongoDB的存储方式，支持海量数据的线下隔离存储。在共识层，设计分层共识机制，将节点按事务粒度划分为决策层和执行层，减少参与共识的节点数量，提升共识效率。在网络层，提出分布式结构化网络模型，提高网络中数据的广播效率。在应用层，设计自定义事务接口，支持不同场景下的区块链系统功能定制，采用自定义的有限状态机取代图灵机，提高智能合约的可控性和降低复杂度。实验仿真结果表明，LBA架构能有效提高区块链系统中的数据存储效率、网络通信和共识效率，适用于区块链的轻量级中小型应用。

• 基于配对制度的DPoS共识机制

  张雅萍,任秀丽,

  针对授权股权证明共识机制中节点投票不积极和节点腐败的问题，提出一种基于配对制度的DPoS共识机制（delegated proof-of-stake based on matching mechanism，DPoS-M2）。根据节点属性值将节点分为独立节点、主节点和配基节点，通过主节点和配基节点配对增加节点间相互作用力，提高各类节点参与共识的积极性，从而降低系统中心化程度。采用类别评定模块，计算节点行为权重值并更新节点类别，使系统对节点的奖惩更具有针对性。当新节点加入系统时，运用马氏距离计算公式求出最需要该节点的社区，以保证社区动态且平衡运行。在仿真环境下，DPoS-M2在运行了80 min时，与DDPoS、DPoS-PI和DPoS相比，节点的参与度分别提高21.9%、8.7%和32.4%；出块数量分别提高63.2%、44.8%和11.6%；新节点参与率分别提高22.8%、25.5%和28.7%；恶意节点的剔除速度分别提高12%、32%和48%。实验结果表明，DPoS-M2能有效地提高节点的积极性和系统去中心化程度，加快出块速度，提高可扩展性，增强系统安全性。

• 基于三链的艺术品区块链存证溯源模型

  袁健,王雪凤,

  针对现有艺术品流通信息不透明、中心化交易权限不对称等问题，提出一种基于三链的艺术品区块链存证溯源模型。首先，针对艺术品信息单条数据量大的特点，提出基于区块链的对称可搜索加密算法，并结合星际文件系统对艺术品流通记录进行链上链下安全存储。其次，对于艺术品信息有效数据日渐增长的特点，提出基于区块链的倒排快速查询溯源算法，帮助数据用户实现快速溯源定位。同时，首次提出虚假信息联盟链存储失实艺术品流通记录，实现对虚假信息的处理。最后，实验验证了模型的大数据安全存储、快速查询溯源可行性。实验表明该模型可行，查询方法有效。

• 基于区块链的IoV隐私保护认证方案设计

  曾萍,陈志娟,马英杰,赵耿,

  传统车联网（Internet of Vehicles，IoV）身份认证系统普遍具有中心不可信的安全风险，而智联车又存在许多亟待解决的隐私安全问题。因此，借助区块链分布式、可溯源、不可窜改等特点，提出云链结合的可信分散式系统架构，基于该架构同时结合无证书的密码机制以及密钥隔离技术设计分布式身份认证协议。通过安全性分析表明，该方案安全性高、能满足车联网匿名身份认证的要求。同时与现有方案进行仿真对比表明，本方案具有更低的计算开销和通信成本，适用于实际的认证时延低和隐私保护的车联网环境中。

• 改进的自适应大规模邻域搜索算法求解动态需求的混合车辆路径问题

  南丽君,陈彦如,张宗成,

  为了给物流企业在车辆配送方案制定上提供决策支持，针对电动物流车与燃油物流车混合配送的模式，研究了带时间窗的动态需求车辆路径问题，建立了以配送总成本最小化为目标的两阶段整数规划模型。针对模型特点，设计了改进的自适应大规模邻域搜索（improved adaptive large neighborhood search，IALNS）算法，提出新的删除、修复算子及动态阶段加速策略，分别针对大规模的静态算例与动态算例进行算法性能测试。结果表明，与无改进策略的IALNS（IALNS-ND）相比，静态问题中在相同的求解时间内75%的算例（12个算例中9个）IALNS得到的最小值和平均值优于IALNS-ND，动态问题中95%（60个算例中57个算例）的算例可以得到成本和时间均优于IALNS-ND的解；与三种算法——自适应大规模邻域搜索算法（ALNS）、大规模邻域搜索算法（LNS）以及变邻域搜索算法（VNS）相比，静态问题中所有算例IALNS获得的总成本的最小值和平均值均优于三个对比算法，动态问题中58%（60个算例中35个算例）的算例IALNS能够以少于三个对比算法1.5倍甚至10倍的时间获得更优的解。同时随着问题动态度的提高，IALNS的速度更快，质量更好，证明了该算法在求解时效性要求高的动态需求车辆路径问题的优越性。

• 基于注意力的时空神经网络城市区域交通流量预测

  廖挥若,杨燕,

  可靠的交通流量预测在交通管理和公共安全方面具有重要意义。然而，这也是一件具有挑战性的任务，因为它易受到空间依赖性、时间依赖性以及一些额外因素（天气和突发事件等）的影响。现有的大部分工作只考虑了交通数据的部分属性，导致建模不充分，预测性能不理想。因此，提出了一种新的端到端的深度学习模型——时空注意力卷积长短期记忆网络（ST-AttConvLSTM），用于交通流量的预测。ST-AttConvLSTM将整个模型分为三个分支进行建模，每个分支经过残差神经网络提取局部的空间特征，同时进一步结合天气等外部因素，再利用卷积长短时记忆网络（ConvLSTM）和注意力模型两种组件来挖掘流量的潜在规律，捕获时空维度上数据的关联性。使用北京市和纽约市两个真实的移动数据集来评估提出的方法，实验结果表明，该方法比知名的基准方法有更高的预测精度。

• 基于事件触发机制的双编队车辆换道决策模型

  谢光强,戴金刚,李杨,许浩然,

  针对由联网自动化车辆（connected and automated vehicle，CAV）组成的双编队车辆换道问题进行了研究，提出了一种基于事件触发的分布式换道决策模型。该模型针对双编队系统设计了一种编队内和编队间的一致性控制协议；同时，为了减少CAV车辆控制器的频繁更新，设计了一种基于组合测量方式的事件触发器，并给出Lyapunov函数证明了算法的稳定性且不存在Zeno行为。仿真结果表明，所设计的控制协议能够使双编队系统收敛一致，有效降低CAV控制器的更新频率，减少系统能耗。通过模型对比，在证明所提决策模型有效性的同时，系统能够更快地收敛。

• 基于多车辆集群的多编队一致性协议

  谢光强,吴彦彬,李杨,许浩然,

  针对车道减少路段下的车辆通行问题，提出了一个基于多车辆集群的多编队横向和纵向一致性协议。该协议既保证集群内领导车、跟随车状态的一致性，又保证集群间领导车状态的一致性，使得集群所有车辆能够通过车道减少路口。利用Routh 稳定理论和 Lyapunov 方法，对控制协议进行一致性和稳定性分析。仿真实验结果验证了所提横向和纵向协议能够使得多车辆集群收敛一致，并且在满足不同车辆换道比例的情况下能够提高道路吞吐量、减少总通行时间。

• 考虑信任度的Pythagorean模糊两阶段交互多属性群决策方法

  魏俐华,陈刚,

  针对属性值为Pythagorean模糊语言，属性权重未知且考虑群体一致性和决策者属性偏好不确定性的决策问题，探讨了一种考虑信任度的两阶段交互多属性群决策方法。首先，考虑决策者偏好，将属性集分为必选属性集和可选属性集；其次，构建两阶段交互机制以确保必选属性集的群体一致性达到阈值，第一阶段以提升群体共识水平为目标进行交互，第二阶段以降低冲突水平为目标进行交互；再次，同时考虑交互的积累稳定性和积累影响因子以确定必选属性集下的决策者权重，并依据信任度确定可选属性集下的决策者权重；最后，用距离熵确定属性权重，并用VIKOR法选出最优方案。算例分析表明，该方法能够较好地解决考虑共识和冲突水平的多属性群决策问题。

• 考虑备灾的双层规划应急资源调度选址—路径优化模型与算法

  万孟然,叶春明,董君,赵灵玮,郭静,

  备灾措施可以为救灾做准备，为确保灾后应急物资可以及时高效地到达灾区，提出了考虑备灾的双层规划应急资源调度选址—路径优化模型，上层规划以供应站建设和运营总成本最低为目标，而下层规划以配送路径成本最小化为目标。设计了一种改进的双层樽海鞘遗传算法求解该问题，结合迭代划分的概念更新领导者位置，采用自然指数惯性权值策略修正控制因子，利用混沌映射更新追随者位置，采用田口分析方法获取参数合理取值。最后，通过使用双层樽海鞘遗传算法与遗传粒子群混合算法、粒子群优化算法、免疫优化算法对OR-Library 中的LRP（location-routing problem，LRP）数据集进行求解和对比分析，验证了所提模型和算法的可行性和有效性。

• 基于类别不平衡数据联邦学习的设备选择算法

  王惜民,范睿,

  考虑移动边缘计算下的联邦学习，其中全局服务器通过网络连接大量移动设备共同训练深度神经网络模型。全局类别不平衡和设备本地类别不平衡的数据分布往往会导致标准联邦平均算法性能下降。提出了一种基于组合式多臂老虎机在线学习算法框架的设备选择算法，并设计了一种类别估计方案。通过每一轮通信中选取与前次全局模型的类别测试性能偏移最互补的设备子集，使得训练后线性组合的全局模型各类别测试性能更平衡，从而获得更快的收敛性、更稳定的训练过程以及更好的测试性能。数值实验充分探究了不同参数对基于类别不平衡联邦平均算法的影响，以及验证了所提设备选择算法的有效性。

• 改进的并行关联规则增量挖掘算法

  毛伊敏,邓千虎,邓小鸿,刘蔚,

  针对大数据环境下基于Can树（canonical order tree）的增量关联规则算法存在树结构空间占用过大、频繁模式挖掘效率不佳以及MapReduce集群并行化性能不足等问题，提出了一种基于粗糙集和归并剪枝方法改进的并行关联规则增量挖掘算法MR-PARIRM（MapReduce-based parallel association rules incremental mining algorithm using rough set and merge pruning）。首先，设计了一种基于粗糙集的相似项合并策略RS-SIM（rough set based similar item merge）对数据集的相似项进行合并处理，并根据合并后的数据进行Can树构造，从而降低树结构的空间占用；其次，提出了一种归并剪枝策略MPS（merge pruning strategy）对树结构中的传播路径进行修剪合并，通过压缩频繁模式搜索空间来加快频繁项挖掘；最后，通过动态调度策略DSS（dynamic scheduling strategy）对异构式MapReduce集群中的计算任务进行动态调度，实现了负载均衡，有效提升了集群的并行化运算能力。最终的实验仿真结果表明，MR-PARIRM在大数据环境下具有相对较好的性能表现，适用于对大规模数据进行并行化处理。

• 基于用户空间位置评分云模型的Web服务协同过滤推荐算法

  王瑞祥,魏乐,段燕飞,咬登国,张航,

  Web服务作为无形的产品，不具备真实环境下的空间地理位置坐标，针对服务推荐中无法衡量用户群体与Web服务之间的距离位置关系，造成用户相似度计算失衡，导致推荐不准确等问题，提出了基于用户空间位置评分云模型的Web服务协同过滤推荐算法。首先基于用户群体的行为数据量化Web服务的热度区域，通过空间位置量化评分描述用户对于Web服务的兴趣偏好；其次利用云模型来描述每个用户空间行为评分的整体特征，设计了云模型间相似贴近度的计算方法，基于该方法提出了一种用户差异程度系数评估算法，并作为调控系数优化了皮尔森相似度量；最后通过协同过滤找出用户感兴趣的Web服务。实验结果表明该算法使得用户行为偏好的区域划分更加精确，在推荐准确率上明显提高，为基于位置的Web服务推荐提供新颖的方案。

• 基于MapReduce和改进密度峰值的划分聚类算法

  黄学雨,向驰,陶涛,

  对于基于划分的聚类算法随机选取初始聚类中心导致初始中心敏感，聚类结果不稳定、集群效率低等问题，提出一种基于MapReduce框架和改进的密度峰值的划分聚类算法（based on MapReduce framework and improved density peak partition clustering algorithm，MR-IDPACA）。首先，通过自然最近邻定义新的局部密度计算方式，将搜索样本密度峰值点作为划分聚类算法的初始聚类中心；其次针对算法在大规模数据下运行时间复杂，提出基于E2LSH（exact Euclidean locality sensitive hashing）的一种分区方法，即KLSH（K of locality sensitive hashing）。通过该方法对数据分区后结合MapReduce框架并行搜寻初始聚类中心，有效减少了算法在搜索初始聚类中心时的运行时间；对于MapReduce框架中的数据倾斜问题，提出ME（multistage equilibrium）策略对中间数据进行多段均衡分区，以提升算法运行效率；在MapReduce框架下并行聚类，得到最终聚类结果。实验得出MR-IDPACA 算法在单机环境下有着较高的准确率和较强的稳定性，集群性能上也有着较好的加速比和运行时间，聚类效果有所提升。

• 缺失数据下基于SVDIFC的协同过滤推荐算法

  纪成君,李蕊,王仕勤,

  为了提高个性化推荐的准确性和质量，针对传统推荐算法的信息过载和数据稀疏性问题，构建了基于SVD与直觉模糊聚类的协同过滤推荐算法（SVDIFC-CF）。算法首先引入SVD将降维后的原始矩阵进行填充；再运用用户商品喜好矩阵将用户进行直觉模糊聚类；最后计算与目标用户相似度最高的前N个用户，找到用户最感兴趣的项目作为推荐结果。采用MovieLens与Jester数据集对算法的有效性进行验证，实验结果表明相对于传统推荐算法，该算法能有效解决数据稀疏和冷启动问题，提高推荐精度与质量。

• 融合评分和社会化标签的两阶段深度推荐方法

  张会月,张红宇,

  当前融合评分和标签的推荐方法对两种数据的挖掘程度有限，且大多数局限在提取浅层的线性特征层面。深度学习技术被成功应用于推荐方法，然而数据的稀疏性导致学习的潜在特征效果不好，因此，提出一种融合评分和社会化标签的两阶段深度推荐方法。首先，利用堆叠降噪自编码器分别从评分和社会化标签中提取用户、项目的潜在特征；其次，将学习的潜在特征进行拼接作为用户、项目完整的潜在特征，并与原始评分相结合构建监督学习数据集；最后，将构建的数据集作为BP神经网络的输入以训练评分预测模型。为降低训练误差，通过联合训练的方式进行参数学习。基于MovieLens、Last.FM数据集的实验表明，该方法与几种基准方法相比有更好的推荐性能。

• SA-CapsNet:自注意力胶囊网络

  刘林嵩,仝明磊,吴东亮,

  胶囊网络（CapsNet）强调对图像特征的空间关系进行编码，但是其特征提取模块难以应对复杂分类场景。为了提升CapsNet的性能，提出了一种具有自注意力（self-attention）特征提取模块的胶囊网络（self-attention capsule network，SA-CapsNet）。首先通过降低胶囊维度，并增加一个中间层来改进CapsNet；然后将SA模块映射到胶囊网络的特征提取层，增加特征提取能力。在MNIST、Fashion MNIST和CIFAR10 数据集上进行实验，分类准确率分别为99.67%、92.21%和82.51%。实验结果验证了改进网络的有效性，整体性能有较大提升。

• 基于重启随机游走的图自编码器

  李琳,梁永全,刘广明,

  针对现有的图自编码器无法捕捉图中节点之间的上下文信息的问题，提出基于重启随机游走的图自编码器。首先，构造两层图卷积网络编码图的拓扑结构和特征，同时进行重启随机游走捕捉节点之间的上下文信息；其次，为了聚合重启随机游走和图卷积网络获得的表示，设计自适应学习策略，根据两种表示的重要性自适应地分配权重。为了证明该方法的有效性，将图最终的表示应用于节点聚类和链路预测任务。实验结果表明，与基线方法相比，提出的方法实现了更先进的性能。

• 标记判别和局部线性强化的半监督稀疏子空间聚类

  朱恒东,马盈仓,

  子空间聚类通常可以很好地处理高维数据，但由于数据本身的噪声等的影响，系数矩阵的块对角线结构往往容易被破坏。针对上述问题，提出了一种标记判别和局部线性强化的半监督稀疏子空间聚类。一方面，通过约束标记数据之间的系数为0，更好地捕获数据的全局结构；另一方面，通过K近邻关系加强数据邻近点之间的局部相关性，同时消除大量不相关的数据点，增强算法的鲁棒性。通过在多种数据上的实验，验证了提出的半监督聚类算法的有效性。

• 非一致性引导的无监督特征选择

  王莹莹,曲衍鹏,

  由于无监督环境下特征选择缺少类别信息的依赖，所以利用模糊粗糙集理论提出一种非一致性度量方法DAM（disagreement measure），用于度量任意两个特征集合或特征间引起的模糊等价类含义的差异程度。在此基础上实现DAMUFS无监督特征选择算法，其在无监督条件下可以选择出包含更多信息量的特征子集，同时还保证特征子集中属性冗余度尽可能小。实验将DAMUFS算法与一些无监督以及有监督特征选择算法在多个数据集上进行分类性能比较，结果证明了DAMUFS的有效性。

• 成对相似度迁移哈希用于无监督跨模态检索

  康培培,林泽航,杨振国,张子同,刘文印,

  哈希编码能够节省存储空间、提高检索效率，已引起广泛关注。提出一种成对相似度迁移哈希方法（pairwise similarity transferring hash，PSTH）用于无监督跨模态检索。对于每个模态，PSTH将可靠的模态内成对相似度迁移到汉明空间，使哈希编码继承原始空间的成对相似度，从而学习各模态数据对应的哈希编码；此外，PSTH重建相似度值而不是相似度关系，使得训练过程可以分批进行；与此同时，为缩小不同模态间的语义鸿沟，PSTH最大化模态间成对相似度。在三个公开数据集上进行了大量对比实验，PSTH取得了SOTA的效果。

• 基于FG_DRFwFm模型的深度推荐

  王杉文,欧鸥,张伟劲,欧阳飞,

  近年来随着深度学习在多个领域取得了不错的效果，深度学习也开始应用在推荐系统，例如利用深度学习技术来捕捉高阶特征交互的NFM模型和DeepFM模型等。然而考虑到外部环境和内部感知的变化，用户的兴趣也应该随着时间动态的变化，且基于原始特征进行组合不一定能学到有效特征交互。为此尝试构建一种新的模型FG_DRFwFm，该模型能学习多特征域低阶与高阶特征交互与处理用户长期兴趣变化，并且训练特征是根据原始特征构建出新特征并拼接后组成的，能更好地学习有效特征交互。最后该模型在MovieLens数据集上与多个先进的CTR算法进行推荐效果对比验证，实验结果证明提出的模型取得了更好的效果。

• 基于k-最小表示误差类的表示分类方法

  罗智玉,郑成勇,

  基于表示的分类（representation-based classification，RC）通常使用所有类的训练样本来表示测试样本。然而，是否需要使用全部类来表示测试样本仍有待研究。为此，提出一种两阶段表示分类框架。首先使用RC算法计算测试样本相对于全部类的训练样本的表示系数，找出前k（k≥1）个具有最小表示误差的类；然后利用该k个类的训练样本，再次应用RC算法对测试样本进行表示，并通过从这k个类中找出最小表示误差类来确定测试样本的类别。此外，提出了一种非负加权协同表示分类算法。所提分类框架中的前后两个RC算法可以相同也可以不同。取前后两个RC相同，对五种RC，在五个数据库上进行实验，实验结果表明，所提两阶段表示分类框架大多数情况下能显著提升原RC算法的分类精度。

• 基于二阶表征的条件对抗域适应网络

  徐春荞,张冰冰,李培华,

  域对抗学习是一种主流的域适应方法，它通过分类器和域判别器来学习具有可区分性的域不变特征；然而，现有的域对抗方法大多利用一阶特征来学习域不变特征，忽略了具有更强表达能力的二阶特征。提出了一种条件对抗域适应网络，通过联合建模图像的二阶表征以及特征和分类器预测之间的互协方差以便更有效地学习具有区分性的域不变特征；此外，引入了熵条件来平衡分类器预测的不确定性，以保证特征的可迁移性。提出的方法在两个常用的域适应数据库Office-31和ImageCLEF-DA上进行了验证，实验结果表明该方法优于同类方法并获得了领先的性能。

• 基于图卷积与外积的协同过滤推荐模型

  苏静,许天琪,张贤坤,史艳翠,顾淑婷,

  推荐系统帮助用户主动找到满足其偏好的个性化物品并推荐给用户。协同过滤算法是推荐系统中较为经典的算法，但是其会受到数据冷启动和稀疏性的限制，具有可解释性差和模型泛化能力差等缺点。针对其缺点进行研究，通过将原始的评分矩阵以用户—项目二部图的形式作为输入，将图卷积神经网络设计为一种图自编码器的变体，通过迭代的聚合邻居节点信息得到用户和项目的潜在向量表示，并在其基础上结合卷积神经网络，提出了一种基于卷积矩阵分解的推荐算法，提升了模型的可解释性和泛化能力，同时融合辅助信息也解决了数据的稀疏性问题，并使推荐的性能分别得到了1.4%和1.7%的提升。为今后在基于图神经网络的推荐方向上提供了一种新的思路。

• 基于洗牌算法的大数据抽样有效性分析

  刘涵阅,张春生,

  基于折叠技术的洗牌算法具有较好的数据置乱效果，可以满足大数据抽样的前提条件。为证明置乱后的数据集在经过抽样后内部规则不被破坏，通过数据挖掘的方法对抽样前后的数据进行关联规则分析。对比所得关联规则的支持度、置信度，以及事务出现的频率，发现经过折叠洗牌算法置乱后的数据在抽样前后所得到的关联规则变化相对稳定，并通过与现有算法的时间效率以及抽样总体误差作对比，进一步在理论上得出大数据抽样具有有效性，即可以通过抽样样本来推测数据整体情况。

• 基于多头注意力机制和位置信息的xDeepFM推荐模型

  牛路帅,彭龑,

  为了解决推荐模型中无法挖掘用户兴趣多样性和捕捉用户行为序列之间的顺序信息，以及交互发生在元素级并非特征向量之间等问题，提出一种基于多头注意力机制和位置信息的xDeepFM推荐模型（extreme deep multiple attention and location information factorization machine，xDMALFM）。首先通过多头注意力机制进行不同子空间的特征深度提取，然后利用位置信息去捕捉用户行为序列之间的顺序关系。最后，利用三个公开数据集进行对比实验，以AUC指标进行评估。实验结果表明所提算法相比xDeepFM模型具有更好的推荐性能，验证了其有效性与可行性。

• 融合螺旋策略的离散混沌群粒振荡搜索算法

  林之博,刘媛华,

  针对标准鲸鱼算法（WOA）及部分衍生算法求解某些算例效果不佳的问题进行了研究与实验，证明了WOA“包围”过程存在零点搜索偏好陷阱；而混沌优化算法（COA）不均衡的搜索特性使得部分衍生WOA融合的混沌初始种群与群智能优化过程难以调和。为了改善上述缺陷，选用了两种混沌系统和气泡网捕猎策略，设计了一套融合式优化算法。算法采用基于适应度的基线式自适应振荡群粒划分策略指导群体行为模式，充分发挥混沌系统作用，平衡探索与收敛性能。对通用/改进算例和工程应用案例求解可知，该算法性能相较于对比组算法更优，且不存在搜索偏好。

• 求解不相关并行机调度问题的十进制多目标灰狼算法

  李雯璐,赵秀栩,

  针对不相关并行机调度问题，面向降低能源消耗和减少完工时间的目标，提出一种更高效的基于十进制整数编码的多目标灰狼算法。求解时，采用将资源配置与作业排序相结合的十进制整数编码方式，设计了针对多目标离散调度问题的两阶段位置更新机制。同时引入了NSGA-Ⅱ的精英保留策略，提高了算法的寻优能力，应用最大迭代次数停止准则结束循环并保留最优解。最后，通过数值实验与有代表性的前沿算法进行仿真对比，以验证所提算法的可行性与有效性。

• 基于黄金正弦与自适应融合的蜉蝣优化算法

  王义,张达敏,张琳娜,黎道花,邹诚诚,

  针对元启发算法中蜉蝣优化算法（MOA）的求解精度不高、收敛速度慢、稳定性不强等缺点进行研究，提出一种黄金正弦与自适应融合的蜉蝣优化算法。引入自适应惯性权重因子增强算法的搜索和开发能力达到更好的平衡；引入融合Lévy飞行策略和黄金正弦因子进一步改善易陷入局部最优的缺点，增强种群多样性，跳出局部最优。仿真结果表明，改进算法对于测试函数在求解精度、收敛速度和寻优能力上有显著提升。同时，为验证结果的可靠性和有效性，对该算法所得的数据进行统计检验、平均绝对误差分析、求解成功率分析。结果表明改进算法的稳定性、可靠性、鲁棒性都较MOA有所增强。另外，引入具体工程案例进行测试分析，进一步验证了该算法在工程上的适用性。

• 公交车辆调度的超级时空网络模型及改进和声搜索算法

  何胜学,

  为了在公交车辆调度中减少车辆的空驶时间和在人车固定搭配模式下实现乘务组工作时间的公平性，建立了基于超级时空网络的车辆调度模型，并设计了求解模型的改进和声搜索算法。首先，将调度中涉及的车场、车次、接续、出场弧、入场弧和空驶车次转换为超级时空网络中的点或弧段；然后，基于构建的时空网络建立相应的公交车辆调度优化模型；接着，设计了综合利用和声记忆库和可行解空间信息来生成新和声的混生算子；同时，在时空网络中搜索回路式接续建立网络局部元素的指派网络，通过求解对应指派问题实现对声调的美化；最后，基于上述操作建立求解模型的改进和声搜索算法。研究发现：减少车辆的空驶时间和实现乘务组工作时间的公平性是一对相互制约的目标，同时优化时必须根据实际需求加以权衡；车次链之间的工作时间偏差大小与车队规模之间不存在单调依赖关系。

• 用于丝驱动连续体机器人的实用运动学研究

  陈元科,马飞越,向国菲,马丛俊,陈磊,倪辉,佃松宜,

  针对单段及多段连续体机器人运动学问题，提出分段常曲率与粒子群算法相结合的完整正逆运动学分析方法。以双段丝驱动连续体机器人为研究对象，首先设计含平移段的机器人样机；然后利用分段常曲率方法建立驱动空间与关节空间的相互映射，根据齐次变换得到关节空间至工作空间的正映射关系；最后利用线性递减权重粒子群算法实现工作空间至关节空间的逆映射。对双段连续体机器人的运动学进行仿真及逆运动学求解耗时测试，并在研制样机上进行了实验验证。仿真结果说明了所提运动学研究方法的合理性及逆运动学求解的快速性，实验结果显示位置平均误差小于双段连续体机器人本体长度的6.22%，验证了所提运动学的有效性。

• 改进粒子群优化算法的移动机器人路径规划

  胡章芳,冯淳一,罗元,

  针对单一智能优化算法求解机器人路径规划时易陷入局部误区的问题，提出改进粒子群优化算法（GB_PSO）用于机器人路径规划。该算法以粒子群优化算法（particle swarm optimization，PSO）为主体，由于遗传算法（genetic algorithm，GA）和细菌觅食算法（bacterial foraging optimization algorithm，BFO）更新策略所受环境影响的不同，拟合两种环境参数；然后计算粒子与不同环境参数之间的相关性将粒子群划分为两类，分别通过GA的选择、交叉、变异算子和BFO的趋化操作并行加强局部优化；最后通过改进的粒子群更新公式对粒子进行更新，实现机器人全局和局部路径的优化。实验结果表明，改进粒子群优化算法进行路径规划提高了局部和整体的搜索能力，路径规划速度快且路径距离短，同时具备更强的鲁棒性。

• 结合IMask R-CNN的绳驱机械臂视觉抓取方法研究

  袁媛,陈雨,周青华,蒋明,何世琼,

  绳驱超冗余机械臂具有灵活性强、工作空间大等特点，在航天活动中可替代宇航员进行各种航空作业。以空间飞行器在轨维修为研究背景，模拟其实验环境，设计了一套基于RGB-D的可移动绳驱超冗余机械臂定位抓取系统。首先改进了Mask R-CNN算法，在保证检测精度的同时降低模型尺寸，通过Intel RealSense D435i采集图像输入到目标检测模型得到目标的类别和位置信息，进一步利用自适应末端位置更新算法递推机械臂的正逆运动学模型，并结合轨迹规划完成目标的三维空间定位和抓取。实验结果表明，改进后的Mask R-CNN算法能在保证精度的情况下有效地降低模型尺寸，抓取系统的逆运动学求解速度快，具有较好的定位精度，能够有效地完成飞行器抓取的任务。

• 基于CNN-WaveNet的滚动轴承剩余寿命预测

  全航,张强,邵思羽,牛天林,杨新宇,

  为保证设备正常运行并准确预测轴承剩余寿命，提出二维卷积神经网络与改进WaveNet组合的寿命预测模型。为克服未优化的递归网络在预测训练过程中易出现梯度消失问题，该模型引入了WaveNet时序网络结构。针对原始WaveNet结构不适用滚动轴承振动数据情况，将WaveNet结构改进与二维卷积神经网络结合应用于滚动轴承寿命预测。模型利用二维卷积网络提取一维振动序列的特征，随后特征输入WaveNet并进行滚动轴承的预测寿命。改进模型相比于深度循环网络计算效率更高、结果更准确，相比于原始CNN-WaveNet-O模型预测结果更准确。相比于深度长短期记忆网络模型，改进方法预测结果均方根误差降低了11.04%，评分函数降低了11.34%。

• 高效的融合负载均衡和路由节能的路由算法

  高原,耿海军,尹霞,

  基于SDN（software defined networking）体系结构的迭代式负载均衡与节能的流调度算法（load balancing and energy saving flow scheduling with iteration，LoadbE-it）在实现负载均衡的同时最高可节约25%左右的能耗，但其时间复杂度为O（n4），不利于在大规模网络中部署。LoadbE-it-M算法（load balancing and energy saving flow scheduling with iteration multiple）通过逐步减少网络拓扑中需要计算的链路数量来提升运行效率。理论和实验结果表明，LoadbE-it-M算法不仅具有较小的计算开销，并且与LoadbE-it算法具有同样的负载均衡能力和节能效果。

• 基于关键网络状态的域内路由可用性研究

  耿海军,金子琨,尹霞,

  业界通常采用路由保护方案来提高域内路由可用性。然而已有的路由保护方案存在下面两个方面的问题：a）没有考虑网络中链路的失效概率，同等对待网络中所有的链路，事实上在互联网中，不同链路的失效概率是不同的，因此应该在路由保护方案中考虑链路的失效概率；b）将保护链路的数量作为设计目标，事实上方面某些链路出错的概率非常低，保护这些链路反而会增加开销，而另一方面某些链路出错的概率非常高，需要重点保护这些链路。因此应该将路由可用性作为路由保护方案的设计目标。针对上述两个问题，提出了一种基于关键网络状态的域内路由保护方案（RPBCNS），该算法首先通过链路失效概率计算出所有的关键网络状态，然后在每种关键网络状态下计算节点对之间相应的路径，保证节点对之间路径的多样性，从而使得尽可能多的节点对满足路由可用性需求。仿真实验将RPBCNS算法与主流算法ECMP、DC、path splicing分别在三个真实网络中进行对比，在网络可用性和节点对可用性满足率上RPBCNS的性能明显优于其他三种算法。仿真结果表明，RPBCNS不仅具有较高的网络可用性，并且能够使得尽可能多的节点对满足路由可用性目标，更符合实时应用的实际需求。

• 多用户场景下SWIPT-NOMA网络中的保密能量效率优化

  薛亮,王缙,王金龙,王燕龙,

  在采用非正交多址接入技术的无线携能通信网络中，窃听者的存在和不同用户配对方式将影响网络的保密能量效率。为寻求保密能量效率最大化支配下的网络资源配置方案，提出了一种改进的群智能搜索算法用于解决此非凸优化问题。改进的群智能搜索算法采用共生生物搜索技术，增强了对可行域的局部搜索能力。仿真结果表明，不同的用户配对方式在单时隙或多时隙场景下具有相异特征，改进后的群智能搜索算法比其他基线算法具有更佳的网络性能，为多输入多输出非正交多址接入无线携能通信网络中通信安全及能量效率的研究提供了依据。

• 基于HBC频段动态人体信道传输特性的研究

  周灵丽,廖薇,侯宋跃,

  现有的人体体表通信信道模型仅限于单频或UWB频段的体表传输，且只考虑了静态人体姿势下的场景。利用时域有限差分方法建立35种连续姿势下的人体模型，分析动态人体通信信道（HBC）的传输特性。确立了路径损耗与通信距离的正比关系；将修正后的S-V模型作为动态人体信道模型分析多径效应，并进行了验证；最后，根据二阶信息准则确定了平均功率增益的累计概率密度符合对数正态分布。结果与UWB频段下进行对比，人体运动在HBC频段下对人体通信传输特性的影响更小，更适合动态人体的体表通信。

• 基于图核的异质信息网络链路预测方法

  赵妍,赵书良,马秋微,

  链路预测是图挖掘主要研究的问题，其研究重点是提取图的特征信息，现有研究方法大多只关注网络拓扑结构而忽略了节点属性信息。针对该问题，提出了基于图核的链路预测方法NGLP。该方法能挖掘有效、可用的元路径；基于元路径对预测对象生成带节点属性的子图，使用子图表示被预测的链路；然后利用图核方法计算子图之间的相似性；最后训练SVM得出链路预测结果。实验结果表明，提出方法与其他方法相比具有更高的精度和更强的稳定性。

• 基于特征选择的VNF资源需求预测方法

  武静雯,江凌云,刘祥军,

  针对在网络切片场景下以往的VNF（虚拟网络功能）资源分配策略无法满足动态的资源需求，很容易导致资源分配不足或过度分配的问题，提出了一种基于两阶段算法（two-stage algorithm，TSA）的VNF资源需求预测方法。该方法首先基于数据特征筛选出与预测目标高度相关的候选特征集，然后利用贪婪式前向搜索策略对候选特征集进一步筛选获得最优特征集，最终训练出不同类型的预测模型。仿真结果表明，基于该方法所训练的模型可以获得更好的预测性能，同时该方法的可扩展性较好，训练好的模型可以直接集成到现有的VNF部署算法中应用。

• 具有盲区的有向视觉传感器网络连通保持覆盖控制

  董鑫,李晓丽,富锦芸,

  针对有向视觉传感器网络在保持连通性的前提下使网络覆盖面积最大化的问题，提出了装有鱼眼镜头的传感器网络连通保持覆盖控制策略。首先建立单个有向视觉传感器节点的数学模型和覆盖性能函数，然后确定了链式连通保持策略，该策略通过对比节点左右两侧的覆盖强度Hl（z）和Hr（z）确定运动方向，使网络向外扩散；又通过控制器，使得约束节点的转动角度不超过最大转动角Δθij，运动步长不会走出链接点i的视野半径RS，从而确保整个网络的连通性。最后，通过仿真结果表明，该控制策略可以使得传感器网络覆盖面积最大化，并始终保持网络拓扑的连通性，说明了该方法的有效性。

• 基于时序模体注意力图卷积的动态网络链路预测算法

  吴铮,陈鸿昶,张建朋,

  时序网络中的动态链路预测旨在基于历史连边信息预测未来会产生的连边，是网络分析的重要组成部分，具有极大的理论研究价值和广阔的应用场景。针对现有的动态链路预测算法大多基于一阶连边关系预测未来连边，忽略了对高阶的拓扑信息和时序通联信息的挖掘和利用问题，提出一种基于时序模体注意力图卷积的动态链路预测算法。首先，提出一种时序模体邻接矩阵构建算法，利用时序模体抽取节点间的高阶拓扑和时序关系信息；然后利用隐式调节过程对网络演化过程进行建模，并使用时序模体邻接矩阵作为传输矩阵的图卷积神经网络学习节点的低维向量表示并进行迭代更新；最后以节点间表示向量作为输入，通过计算连边发生的条件密度函数值作为依据完成动态链路预测。在多个真实时序网络数据集上的实验结果表明，所提算法可有效挖掘节点间的高阶拓扑和时序信息，提高动态链路预测效果。

• 基于噪声感知残差网络的JPEG隐写分析方法

  李德维,任魏翔,王丽娜,方灿铭,吴畑,

  为了进一步挖掘自适应JPEG隐写图像中隐写噪声信号特征，提出基于噪声感知残差网络的JPEG隐写分析方法。该方法由噪声感知、噪声分析和判断三部分组成。其中，噪声感知部分提取图像噪声，利用图像去噪网络，更加全面地捕获隐写引入的扰动；噪声分析部分获得噪声信息的统计特征；判断部分确定图像是否携带隐写信息。此外，网络中的残差连接有效融合多尺度特征，并防止训练中出现梯度消失和爆炸。多种条件下的对比实验结果表明，该方法相较于对比算法，能够提升针对JPEG自适应隐写的检测性能并具有更好的泛化能力。

• 基于加密分割的位置隐私保护方法

  李幸昌,王斌,王超,张运香,刘阳,李晶,

  基于位置的服务（location-based services，LBS）由于存在隐私泄露问题已越来越成为隐私保护领域中的热点。针对用户协作的隐私保护方法无法为参与用户提供自定义匿名度功能，且对协作用户的隐私保护效力不足，提出了一种基于加密分割的位置隐私保护方法。该方法采用分布式结构，通过用户对查询信息进行分割、加密、交换混合，满足了用户自定义匿名度需求，提高了用户间的隐私安全性，同时，采用假名方法抵御长期统计的攻击方式。通过理论分析和实验结果表明所提出的方法具有较好的隐私保护效果。

• 基于祖冲之交换加密水印算法的研究

  方立娇,李子臣,丁海洋,张珍珍,李祯祯,

  可交换加密数字水印（CEW）是一种密码和数字水印相结合的技术，用于多媒体信息安全和版权方面的保护。为了保证载体数据的安全性，提出了基于祖冲之（ZUC）的交换加密水印算法。算法采用ZUC序列密码产生密钥，对载体信息进行模运算加密，水印嵌入操作与数据加密操作的先后顺序，不影响含水印密文数据的产生；在提取水印时，可以实现密码和水印操作的交换。实验表明，密文域提取的水印与明文域提取水印一致，含水印图像的质量高，加解密和水印嵌入提取效率更高，且算法具有一定的鲁棒性。

• 基于Paillier的可分离密文域可逆信息隐藏

  林文兵,张敏情,郭帅,孔咏骏,

  为了提高信息嵌入率和实现直接解密后无损恢复原始图像，提出了基于Paillier的可分离密文域可逆信息隐藏算法。首先图像拥有者利用Paillier算法对图像进行加密后上传云服务器；而后信息隐藏者在云服务器中生成三个零矩阵，通过构造尺寸大小为2×2的填充分块进行信息嵌入；接收方根据不同的密钥，实现信息提取与图像解密的可分离。实验结果表明，相比于传统的可逆嵌入算法，该算法直接解密后不会存在失真的现象，并且最大嵌入率可达到2 bpp。

• 基于边信息的高光谱图像恢复模型

  张少杰,罗琼,韩志,唐延东,

  在高光谱图像（HSI）恢复中，如何在模型中有效嵌入先验信息和正确建模噪声一直是研究的两个重点。边信息作为一种基于域的先验知识已经在许多方向取得了成功，然而在高光谱去噪领域仍未受到关注。为了将这种领域知识与高光谱恢复模型自然耦合，提出的方法采用双线性映射的方式将边信息链接到表示观测数据潜在低秩结构的底层矩阵，并使用E-3DTV（enhanced 3-D total variation）正则编码了HSI局部平滑先验。此外该方法使用Lp范数进行噪声建模，进一步增强对腐败的鲁棒性。该方法在两个数据集、七种加噪方式下与五种竞争方法在三个数值指标上进行了比较，结果充分反映了提出方法对复杂噪声场景的有效性和鲁棒性。

• 基于改进CycleGAN的视频监控人脸超分辨率恢复算法

  陈贵强,何军,罗顺茺,

  针对有监督超分辨率算法训练过程需要大量成对图像、处理真实低分辨率图像视觉恢复效果差等问题，提出了一种基于改进CycleGAN的半监督算法Cycle-SRNet。首先，利用退化模型获得与真实低分辨率人脸相似的图像，用于训练网络参数；其次，通过重建模型恢复出具有真实效果的高分辨率人脸图像；最后引入感知损失函数保持人脸结构相似性，以更好地恢复面部特征。实验结果表明，该算法不需要成对的图像进行网络训练，在视觉效果上能够将模糊的视频监控低分辨率人脸图像恢复成清晰可辨的人脸图像，在FID、PSNR和SSIM指标上超越了SRCNN、SRGAN、CinCGAN等方法。

• 无人机航拍图像实时位姿估计

  杨坤,黄穗斌,肖化,骆开庆,

  针对无人机航拍图像位姿估计采用单目视觉SLAM（simultaneous localization and mapping）时具有尺度不确定性、大场景下累积误差带来的轨迹漂移以及得到的是一个局部坐标系下的相对位姿问题，提出了一种无人机航拍图像实时位姿估计的方案。首先，实时进行视觉图像的跟踪，通过引入RTK（real-time kinematic）信息得到视觉坐标系与世界坐标系的转换关系并且解决尺度不确定性和轨迹漂移的问题，最后得到一个世界坐标系下的位姿。考虑到视觉SLAM处理的视频流会处理冗余的图像，且增加了图像的存储、拍摄和计算的压力，该方案采用处理非连续拍摄的低重叠度图像来计算位姿以避免这些问题。在真实场景下的实验结果表明，该方案的精度比当前主流的开源框架ORB-SLAM2、DSO、OpenMVG的精度更高，并且实现了整体轨迹误差的均值在10 cm以内。

• 基于改进OpenPose的学生行为识别研究

  苏超,王国中,

  学习者的行为动作能够反映出学习者的学习状态。传统学习者行为识别方法存在实时性不高、准确率低等问题。针对以上问题，提出了一种基于改进OpenPose的学习者行为识别方法。该方法从人体骨骼关节点角度出发，首先通过高斯滤波消除图像中的高斯噪声；然后通过融入注意力机制的目标检测算法检测图像中的目标学生位置，再将检测后的图像通过改进的OpenPose模型提取人体骨骼关节点坐标；最后利用ST-SVM分类器对获取的关节点坐标进行分类，从而快速准确地识别出学习者的行为状态。实验结果表明，该方法能够快速、准确地识别出学生的行为动作，准确率达到99%以上，fps达到了20以上，相比原模型，fps提升了50%。

• 基于马尔可夫链的分形图形生成算法

  邓贞宙,赵欣,王平,洪伟毅,陶凌,余礼苏,

  区别于传统的基于欧几里德算法的图形生成算法，在迭代函数系统的基础上，提出了一种基于马尔可夫链的分形图形生成算法。该算法首先利用马尔可夫链为每个状态转移函数设置转移的概率密度，其次通过比较随机数与状态转移函数的概率分布来确定进入的状态转移函数，进而计算吸引点的位置、确定线条的位置和角度，推导出迭代后线条的角度关系，最后通过多次迭代生成不同角度和位置的线条组成一个完整的图形。相对于传统算法，该算法针对分形图形的生成、仿射变换矩阵参数的具体调控方式以及图形散点图的变化规则进行研究，通过对不同分形图形的生成及其形态调控的仿真实验验证了该算法可以对分形图形生成过程进行描述，进一步验证了该算法的优越性。

• 弱监督语义分割的对抗学习方法

  罗会兰,陈虎,

  大多数弱监督语义分割的解决方案都利用图像级监督信息产生的类激活特征图进行训练学习。类激活特征图只能发现目标最具判别力的部分，它与真实的像素级标签信息存在较大差距，所以训练效果并不理想。对来自原图像及其仿射变化图像的类激活特征图进行对抗学习来达到更好的训练效果。首先将图像及对其进行仿射变化得到的图像输入孪生网络，使用图像级分类标签得到各自的类激活特征图，然后将这两组类激活特征图输入辨别网络进行对抗学习，训练孪生网络使得原图像与其仿射变化图像的类激活特征图逼近，从而有效利用等变注意力机制，学习更多的有效信息并缩小类激活特征图和真实的像素级标签之间的差距，提高弱监督的性能。在PASACAL VOC 2012数据集上，在验证集上的平均交并比为63.7%，测试集上的平均交并比为65.7%，与当前其他先进弱监督语义分割的方法进行对比，验证集与测试集上的平均交并比提高了1.2％和1.3％。该对抗性学习方案能有效利用等变注意力机制，学习更多的有效信息并缩小类激活特征图和真实的像素级标签之间的差距，提高弱监督的性能且达到了良好的分割效果。