计算机应用研究杂志

计算机应用研究杂志2021年第11期

• 国内垂直领域知识图谱发展现状与展望

  付雷杰,曹岩,白瑀,冷杰武,

  为了充分展现国内在垂直知识图谱领域研究的现状，以垂直领域知识图谱为研究对象对其发展现状和趋势进行综述。对垂直领域知识图谱的定义和分类、架构和关键技术的发展现状进行了详细论述；针对垂直领域知识图谱的具体应用进行了论述，并以学术信息知识图谱和医药卫生知识图谱为例进行了详细介绍。最后对垂直领域知识图谱发展中存在的问题和对策以及未来的趋势进行了探讨。

• 代码搜索方法研究进展

  魏敏,张丽萍,

  开源软件的成功推动了软件产业的蓬勃发展，大量代码资源为代码搜索创造了条件。如何通过代码搜索技术找到需求代码成为一个重要问题。为了更好地推进后续研究工作，首先对代码搜索相关概念及研究趋势进行介绍和说明；其次对使用不同技术的代码搜索研究工作进行综述，包括基于信息检索、查询和代码描述增强、程序特征分类以及深度学习等方面，并进一步总结归纳不同方法的优缺点；接下来针对代码搜索技术所应用的多个领域进行介绍，包括程序合成、代码推荐与补全和代码风格改善等方面；最后分析现阶段代码搜索面临的主要问题，为未来该方向的发展提供一定的参考与建议。

• 基于区块链的联邦学习技术综述

  李凌霄,袁莎,金银玉,

  联邦学习与区块链在应用领域、架构特点、隐私保护机制等方面具有很强的共性、互补性和契合度，近年来，一些研究与应用将两种技术结合起来，在数据隐私保护强度、数据共享激励机制、计算性能等方面取得了不少进展。为了帮助研究者掌握联邦学习结合区块链的最新研究成果与发展方向，对基于区块链的联邦学习进行了综述。首先，介绍了联邦学习技术的相关研究和存在的不足；其次，详细讨论了当前基于区块链的联邦学习的相关研究，重点从架构特点、资源分配、安全机制、激励机制等方面进行了分析；最后，总结了基于区块链的联邦学习应用在人工智能领域的未来发展趋势和需要关注的问题。

• 基于动态信任的区块链激励共识机制研究

  周健,张杰,闫石,屈冉,

  针对实用拜占庭容错（PBFT）共识机制中主节点可能出错导致大量通信资源浪费的问题，提出一种基于信任动态激励的共识机制优化方案ITPBFT（incentive trust-PBFT）。利用信任评价模型对系统内节点的共识行为进行评价，添加动态激励机制，引入节点等级机制，选取信任度高的节点作为主节点。通过对优化方案进行仿真实验和分析，验证了该机制可以有效提高共识机制的容错能力、降低共识的时间、提高系统的吞吐量并提高网络波动时的稳定性和可恢复性。该优化机制可有效提高共识的效率，避免通信资源的浪费。

• 基于网络自聚类的PBFT算法改进

  高娜,周创明,杨春晓,宋丽娜,何为,

  联盟链是区块链技术在实际行业应用的主要形式，其共识机制多采用实用拜占庭容错算法（PBFT），在节点数量大时共识成功率与共识效率不高，存在扩展性问题。为此，提出一种基于网络自聚类拜占庭容错共识算法NAC-PBFT。利用行业应用中网络结构、系统节点等确知信息，在联盟链审核节点时指定种子节点，再以种子节点为中心自聚类为若干分组，组内通过优化实用拜占庭容错算法选举出代理人，由各组代理人共同完成全局共识。其中，组内选举时，通过定义可信度指标衡量节点作为筛选候选代理人的标准，确保每次选出的代理人具有良好的状态。通过对系统分析与性能测试，NAC-PBFT算法能有效降低消息量，在共识时间、系统吞吐量指标上有更好的表现，具备较好的扩展性。

• 基于时间权重值的共识算法研究

  王日宏,袁杉杉,徐泉清,安良玉,

  针对联盟链中广泛应用的PBFT算法网络复杂度高、共识速度慢以及查询速度上的不足进行了研究，并提出了一种基于时间权重值（time-weighted value，TWV）的共识算法。首先，针对网络复杂度高和共识速度慢的问题，TWV共识算法通过节点的时间权重值选择合适的共识节点缩小了共识节点的规模，并且结合PBFT算法中的视图更换协议，将此时的共识节点替换为具有较高时间权重值的节点；其次利用共识节点延迟低、在线时间长以及数据存储量的特点，提升了数据查询和同步的效率；最后，通过本地多节点的仿真对比实验证明，TWV共识算法的数据查询效率以及吞吐量较PBFT共识算法有所提升，并且有效降低了节点达成共识的时间。

• 基于一致性正则化的在线知识蒸馏

  张晓冰,龚海刚,刘明,

  在线知识蒸馏通过同时训练两个或多个模型的集合，并使之相互学习彼此的提取特征，从而实现模型性能的共同提高。已有方法侧重于模型间特征的直接对齐，从而忽略了决策边界特征的独特性和鲁棒性。利用一致性正则化来指导模型学习决策边界的判别性特征。具体地说，网络中每个模型由特征提取器和一对任务特定的分类器组成，通过正则化同一模型不同分类器间以及不同模型对应分类器间的分布距离来度量模型内和模型间的一致性，这两类一致性共同用于更新特征提取器和决策边界的特征。此外，模型内一致性将作为自适应权重，与每个模型的平均输出加权生成集成预测值，进而指导所有分类器与之相互学习。在多个公共数据集上，该算法均取得了较好的表现性能。

• 基于栅格三元距离变换的GPS里程统计算法

  刘珺,祝青园,刘前结,宋爽,黄腾超,

  为了提高GPS里程统计的精度，提出了一种基于栅格三元距离变换的GPS里程统计算法。首先，将离散的 GPS轨迹数据映射成为连续的栅格序列，进而通过三元栅格子序列的空间排列定义距离变换算子，并基于统计分析建立距离变换算子的动态调整模型，进行误差补偿，最终实现高精度的GPS里程统计。为验证算法有效性，设置了连续线段法与栅格欧氏距离变换法两个传统里程统计算法作为对照组，进行里程统计对比实验。实验中，该算法里程统计误差均值约0.24%，标准差为0.55%。相较于对照组算法，该算法表现出了更好的误差特性，实现了更高的里程统计精度。

• 融合注意力机制的多流卷积肌电手势识别网络

  李沿宏,江茜,邹可,袁学东,

  针对目前表面肌电信号（surface electromyography，sEMG）端到端手势识别特征提取不充分、多手势识别准确率不高的问题，提出一种融合注意力机制的多流卷积肌电手势识别网络模型。该模型通过滑动窗口将多通道时域sEMG生成肌电子图，并使用多流卷积神经网络充分提取每个采集通道sEMG的语义特征，然后将其聚合得到丰富的多通道手势语义特征；同时从时间和特征通道维度上计算语义特征的注意力分布图，强化有用特征并弱化无用特征，进一步提高多手势识别准确率。实验使用Ninapro数据集进行训练和测试，并与主流的肌电手势识别模型进行对比。实验结果表明，该模型在识别准确率上具有更好的表现，证明了该模型的有效性。

• 基于区域自适应多尺度卷积的单声道语音增强算法

  王钇翔,吕忆蓝,台文鑫,孙建强,蓝天,

  卷积神经网络的感受野大小与卷积核的尺寸相关，传统的卷积采用了固定大小的卷积核，限制了网络模型的特征感知能力；此外，卷积神经网络使用参数共享机制，对空间区域中所有的样本点采用了相同的特征提取方式，然而带噪频谱图噪声信号与干净语音信号的分布存在差异，特别是在复杂噪声环境下，使得传统卷积方式难以实现高质量的语音信号特征提取和过滤。为了解决上述问题，提出了多尺度区域自适应卷积模块，利用多尺度信息提升模型的特征感知能力；根据对应采样点的特征值自适应地分配区域卷积权重，实现区域自适应卷积，提升模型过滤噪声的能力。在TIMIT公开数据集上的实验表明，提出的算法在语音质量和可懂度的评价指标上取得了更优的实验结果。

• 片段抽取型机器阅读理解算法研究

  叶俊民,赵晓丽,杜翔,姚贤坦,

  针对现有的机器阅读理解模型主要使用循环模型处理文本序列信息，这容易导致训练和预测速度慢且模型预测准确性不高等问题，提出了一种片段抽取型机器阅读理解算法QA-Reader。该算法利用大型预训练语言模型RoBERTa-www-ext获取问题和上下文的词嵌入表示；使用深度可分离卷积和多头自注意力机制进行编码；计算上下文和问题的双向注意力及上下文的自注意力，以融合上下文和问题之间的关联信息，拼接得到最终的语义表征；经过模型编码器预测得到答案，模型针对不可回答的问题计算了其不可回答的概率。在中文片段抽取型机器阅读理解数据集上进行了实验，结果表明QA-Reader模型与基线模型相比，其性能方面EM和F1值分别提高了3.821%、2.740%，训练速度提高了0.089%。

• 基于距离与图卷积网络的方面级情感分析

  巫浩盛,缪裕青,张万桢,周明,文益民,

  目前，基于卷积神经网络和循环神经网络的方面级情感分析研究工作较少同时考虑到句子的句法结构和词语的语法距离，且卷积神经网络和循环神经网络无法有效地处理图结构的数据。针对上述问题，提出了一种基于距离与图卷积网络的方面级情感分类模型。首先，为该模型设计了一个具有残差连接的双层双向长短期记忆网络，用于提取句子的上下文信息；然后，根据句法依赖树得到词语的语法距离权重，并根据词语之间的句法关系构建邻接矩阵；最后，采用图卷积网络结合句子的上下文信息、语法距离权重和邻接矩阵提取方面的情感特征。实验结果表明，模型是有效的且可获得更好的性能。

• 基于深度自编码器子域自适应的跨库语音情感识别

  庄志豪,傅洪亮,陶华伟,杨静,谢跃,赵力,

  针对不同语料库之间数据分布差异问题，提出一种基于深度自编码器子域自适应的跨库语音情感识别算法。首先，该算法采用两个深度自编码器分别获取源域和目标域表征性强的低维情感特征；然后，利用基于LMMD（local maximum mean discrepancy）的子域自适应模块，实现源域和目标域在不同低维情感类别空间中的特征分布对齐；最后，使用带标签的源域数据进行有监督地训练该模型。在eNTERFACE库为源域、Berlin库为目标域的跨库识别方案中，所提算法的跨库识别准确率相比于其他算法提升了5.26%~19.73%；在Berlin库为源域、eNTERFACE库为目标域的跨库识别方案中，所提算法的跨库识别准确率相比于其他算法提升了7.34%~8.18%。因此，所提方法可以有效地提取不同语料库的共有情感特征并提升了跨库语音情感识别的性能。

• 基于深度半监督的柬语句子级情感分类

  李超,严馨,徐广义,莫源源,周枫,

  针对柬语标注数据较少、语料稀缺，柬语句子级情感分析任务进步缓慢的问题，提出了一种基于深度半监督CNN（convolutional neural networks）的柬语句子级情感极性分类方法。该方法通过融合词典嵌入的分开卷积CNN模型，利用少量已有的柬语情感词典资源提升句子级情感分类任务性能。首先构建柬语句子词嵌入和词典嵌入，通过使用不同的卷积核对两部分嵌入分别进行卷积，将已有情感词典信息融入到CNN模型中去，经过最大延时池化得到最大输出特征，把两部分最大输出特征拼接后作为全连接层输入；然后通过结合半监督学习方法——时序组合模型，训练提出的深度神经网络模型，利用标注与未标注语料训练，降低对标注语料的需求，进一步提升模型情感分类的准确性。结果证明，通过半监督方法时序组合模型训练，在人工标记数据相同的情况下，该方法相较于监督方法在柬语句子级情感分类任务上准确率提升了3.89%。

• 一种融合关键词的生成式摘要方法

  李伯涵,李红莲,

  针对生成式文本摘要中模型对文本语义了解不够充分以及生成摘要缺乏关键信息的问题，提出一种融合关键词的中文摘要生成模型KBPM（Key-BERT-Pen model）。首先使用TextRank方法将文本中关键词抽取出来，然后将抽取出的关键词与原文一起经过BERT预训练模型得到更加精确的上下文表示，最终将得到的词向量输入到带有双重注意力机制的指针模型中，指针模型从词汇表或原文中取出词汇来生成最终的摘要。实验结果表明，KBPM模型能够生成可读性更好、ROUGE分数更高的文本摘要。通过对比分析也验证了KBPM模型有效解决了生成摘要中缺乏关键信息的问题。

• 基于分组和IGSA的并行密度聚类算法

  胡春安,王家欣,毛伊敏,

  针对并行密度聚类算法在处理大数据集时存在伸缩困难、参数寻优能力不佳、并行化效率较低等问题，提出一种基于分组和重力搜索优化算法（improve gravitational search algorithm，IGSA）的并行密度聚类算法（density-based clustering algorithm based on groups and improve gravitational search，MR-GDBIGS）。首先，该算法设计了基于图形的分组策略（grouping strategy based on pattern，GSP）来有效划分数据，加速邻域搜索，解决了处理大数据集时伸缩困难的问题；其次，在局部聚类中提出基于位置更新函数（position update function，PUF）的重力搜索优化算法，动态寻找局部聚类中的最优参数，提升了局部聚类的效果；最后，提出基于覆盖树的并行局部簇合并策略（cluster merging strategy by using MapReduce，MR-CTMC），在实现局部簇并行化合并的同时加快了合并局部簇的收敛速度，提升了算法整体的并行化效率。实验结果表明，MR-GDBIGS算法在处理大数据时的聚类效果更佳，且并行化性能更好。

• 基于依赖度的区间集决策信息表属性约简

  唐鹏飞,张贤勇,莫智文,

  区间集决策信息表拓展了经典决策信息表，但其属性约简研究较少。针对区间集决策信息表存在的问题，采用模型正域及相关依赖度提出属性约简及其启发式约简算法。在区间集粗糙集模型中，定义关于决策分类的正域与依赖度，证明粒化单调性等性质。提出基于依赖度的属性约简，设计启发式约简算法。实例分析与数据实验表明，设计的基于依赖度的启发式约简算法是有效的，所得结果有利于依赖学习与特征优化。

• 异质信息网络中基于邻接熵的影响力最大化

  寸轩懿,周丽华,

  影响力最大化是研究如何在社会网络中寻找小部分最具影响力的节点作为信息扩散源，使信息在网络中传播范围最大的问题。已有相关研究大多只是针对同质信息网络，但现实中的社会网络是包含了多种对象类型和对象之间多种关系类型的异质网络，因此提出了基于元路径的邻接信息熵（MPAIE）模型，以及基于元图的邻接信息熵（MGAIE）模型来模拟异质信息网络中的社会影响。通过设置元路径或元图，该方法可以灵活地整合异质网络中的结构和语义信息，对节点的影响力做出度量，并在两个真实数据集上验证了MPAIE及MGAIE模型的有效性。

• 用于方面提取的软原型增强自适应损失模型

  徐福,黄贤英,蒋兴渝,彭竞瑶,

  方面提取是方面级情感分析的一个核心任务，目前方法是用方面提取、观点提取、方面级情感分类间的关系构建多元关系协作学习模型。常用的数据集中存在大多数方面词和上下文词的出现次数较少，缺乏样本暴露量等问题，使序列标注器收敛到一个极差的区域，且由于在计算模型总损失时忽略了不同部分对方面提取效果的差异，导致神经网络模型几乎无法达到最佳性能。因此提出用于方面提取的软原型增强自适应损失模型（SPEAL），通过软检索建立低样本暴露量文本与高样本暴露量文本之间的动态关性，同时根据方面提取、观点提取、方面级情感分类对方面提取的贡献度自适应更新各部分损失的权重。在REST14、REST15、LAP14三个数据集上的实验结果表明，SPEAL在加速收敛的同时提升了方面提取的效果。

• 融合多层次结构信息的深度属性二分网络表示学习

  李婷婷,吕少卿,赵雪莉,任新成,

  网络表示学习旨在将网络中的节点转换到低维向量空间，并保持网络固有属性。现有方法大多针对普通网络，忽略了属性二分网络的特殊性及网络的高度非线性特性等。针对上述问题，首先引入一个扩展权重矩阵融合二分网络显式和携带属性信息的隐式结构；接着提出一种基于深度自编码器的属性二分网络表示学习模型，以捕捉网络的高度非线性特性；通过深度自编码器重构二阶邻近度以保持全局网络结构，同时该编码器利用节点一阶邻近度作为监督信息来保持局部网络结构；最后进行联合优化。将该模型在Yelp、Douban Book、Douban Movie和MovieLens四个数据集上进行推荐任务，结果显示该模型的F1@10、MAP@10、MRR@10和NDGG@10指标在四个数据集上的平均值相较最新基准方法（ABNE）分别提高4.29%、5.63%、6.26%、4.21%。

• 基于图卷积网络嵌入社交关系的毕业去向预测

  杨光泽,欧阳勇,孙思思,陈凌钰,叶志伟,

  针对现有学生毕业去向预测研究工作忽略了社交关系对学生毕业去向选择的潜在影响问题，提出一种基于社交图嵌入的自注意力模型（social graph embedding-based self-attention neural network，SGE-SANN）对学生毕业去向进行预测。首先处理包含共性和个性的社交关系，并使用图卷积神经网络将其嵌入到学生成绩特征之中；然后引入自注意力机制平衡影响学生毕业去向的特征因子；最后由多层投影层进行特征融合与预测。在公开数据集上进行的实验证明了SGE-SANN模型的优越性。

• 基于螺旋运动的智能优化算法研究

  汪敏,高翠芳,

  螺旋结构是自然界中经常出现的一种结构，螺旋结构因其特殊的运动轨迹、天然的收敛性而受到智能优化算法研究人员的关注。在螺旋动态优化算法（SDA）的基础上，提出一种基于组合螺旋和FDB选择策略的改进螺旋算法（MSPO），克服SDA的弊端，大大减小了时间复杂度、简化运算过程，提高了普适性和收敛精度。最后在八个具有代表性的基准函数上进行实验，实验结果表明，MSPO在收敛精度、收敛速度及鲁棒性上都表现出了更好的性能。同时将其运用在10杆和25杆的连续性桁架结构尺寸优化上，仿真实验表明，MSPO能很好地解决这类结构优化问题。

• 混合策略改进的乌鸦搜索算法

  葛知著,张达敏,张琳娜,邹诚诚,赵沛雯,

  为了改善乌鸦搜索算法（crow search algorithm，CSA）收敛速度慢、收敛精度不足的问题，提出一种混合策略改进的乌鸦搜索算法（MSCSA）。首先在算法运行前期引入tent序列扰动的自适应权重系数，提高算法收敛速度；其次在算法后期引入混合黄金正弦与飞蛾扑火算子，避免算法后期陷入局部最优值；最后通过改进算法的发现概率AP，增加算法的随机性从而提高算法的收敛精度。通过在九个基准函数上对比测试，确定迭代系数的取值，通过Wilcoxon秩和测试验证算法性能。实验结果证明，所提出的MSCSA的性能更为优秀。

• 基于混合凸迁移和趋优柯西变异的对偶生物地理学优化算法

  张滋雨,高岳林,李嘉航,

  通过分析生物地理学优化算法（BBO）性能的不足，提出了一种基于混合凸迁移和趋优柯西变异的对偶生物地理学优化算法（DuBBO）。在迁移算子中，采用动态的混合凸迁移算子，使算法能够快速地向最优解方向收敛；在变异机制中，采用趋优变异策略，并加入了柯西分布随机数帮助算法跳出局部最优解；最后将对偶学习策略集成到算法中，加快了算法收敛速度并提升了搜索能力。在23个benchmark函数上的实验结果证明了提出的三种改进策略的有效性和必要性。最后将DuBBO与BBO以及另外六种优秀的改进算法进行对比。实验结果表明，DuBBO在整体性能上最好、收敛速度更快、收敛精度更高。

• 基于自适应继承策略的帝国竞争算法求解旅行商问题

  徐伟华,张根瑞,魏传祥,聊士超,

  针对帝国竞争算法在求解旅行商问题时局部搜索能力不强和容易陷入局部最优的缺陷，提出一种基于自适应继承策略的帝国竞争算法。该算法采用自适应继承策略的启发式交叉算子、单点局部插入策略和固定邻域的2-opt算子来增强算法的局部优化能力，并加入帝国精英解集以保持种群的多样性。通过标准实例测试，验证了所提出的改进策略的优越性，与基于启发式交叉算子和帝国主义算法为框架的其他算法进行对比，实验结果表明，该算法求解中小规模的解旅行商问题具有较高的求解精度和较快的收敛速度。

• 基于重叠盒覆盖算法的节点重要度评估

  游倩婧,郑巍,刘方利,

  由于单一的节点评估方法存在不足，在融合复杂网络的局部特征以及全局特征前提下，提出了一种基于重叠盒覆盖算法的节点重要度评估方法。该方法利用重叠中心性对网络中的节点进行重要度排序，并且与其他不同中心性方法在复杂网络数据集中的节点排序方法进行比较；利用susceptible-infected（SI）模型模拟不同中心性方法前10个节点的传播能力，在此基础上以肯德尔系数进行比较，肯德尔系数越大表明相关性越高。实验结果表明，与其他中心性方法相比，重叠中心性得到的初始节点集合的累积平均感染能力高于其他中心性方法，并且与SI模型具有较高的相关性，该方法对于节点重要度评估是有效并且可行的。

• 语义相似性保持的判别式跨模态哈希

  李鑫勇,滕少华,张巍,滕璐瑶,

  针对跨模态哈希检索方法中存在标签语义利用不充分，从而导致哈希码判别能力弱、检索精度低的问题，提出了一种语义相似性保持的判别式跨模态哈希方法。该方法将异构模态的特征数据投影到一个公共子空间，并结合多标签核判别分析方法将标签语义中的判别信息和潜在关联嵌入到公共子空间中；通过最小化公共子空间与哈希码之间的量化误差提高哈希码的判别能力；此外，利用标签构建语义相似性矩阵，并将语义相似性保留到所学的哈希码中，进一步提升哈希码的检索精度。在LabelMe、MIRFlickr-25k、NUS-WIDE三个基准数据集上进行了大量实验，其结果验证了该方法的有效性。

• 陌生小样本不平衡数据下基于机器学习联合算法的设备寿命预测研究

  陈扬,刘勤明,梁耀旭,

  针对设备寿命预测中出现的缺乏状态标签以及数据样本匮乏、分布不平衡的问题，提出了基于PSO的改进K-means算法与一套基于传统SMOTE的数据优化方案。在优化K-means算法的过程中联合粒子群算法的特点，通过给定粒子群算法粒子生成范围以提高粒子群算法的寻优效率，从而快速判断设备所处的工作状态，再通过比较同簇样本距离均值与样本到中心点的距离建立改进SMOTE算法，通过新增少数类样本个数以规避样本不平衡带来的计算误差。最后利用AdaBoost集成优化KNN算法提升分类效果并通过拟合出设备寿命曲线，从而更好地预测设备健康水平与未来寿命情况。算例证明，该模型可以有效预测小样本不平衡数据下设备的健康状态。

• 基于注意力机制的多分支LSTM心理负荷评估模型

  冯源,李彦蕾,李一凡,张博,丁锦红,夏立坤,

  充分获取脑电信号的有效特征已成为心理负荷评估亟待解决的问题。提出一种多分支LSTM和注意力机制相结合的多分类网络框架。首先，此网络在对脑电信号做切片处理后，采用多分支LSTM网络提取切片中的时间特征； 然后，利用注意力机制对所提取的时间特征进行权重参数优化； 最后，通过softmax层输出心理负荷评估结果。通过消融实验和对比实验对模型进行验证。结果表明，此网络无论在二分类任务还是多分类任务中的表现均优于现有先进网络。

• 基于改进SIR的正负面网络舆情信息传播模型与仿真

  宋英华,夏亚琼,方丹辉,王璀,

  针对网络舆情传播过程中正负面信息共存的问题，在SIR模型的基础上，引入正面信息澄清者C，构建正负面信息同时传播的SCIR模型，并考虑首页效应和网民异质性，借助多智能体仿真技术对舆情的传播过程进行模拟仿真。仿真结果表明，SCIR模型比SIR模型更吻合现实网络中舆情的传播；第三方机构利用首页发表的声明可信程度越高，越有利于舆情控制，但存在阈值；首页效应对正负面信息的传播具有两面性，网民异质性和正负面信息传播率均对正负面信息竞争结果有显著影响。

• 基于改进型目标重识别算法的高速公路车辆轨迹还原

  李嘉,周湖伟,周正,张珂溢,毛河,黎艳,

  针对高速公路场景下难以实现车辆轨迹精准还原的问题，提出以新近大规模建设的ETC门架系统作为检测载体，将车牌识别与车辆重识别（ReID）技术结合实现更好的轨迹还原效果。高速公路车辆目标多、速度快，常用目标检测算法难以满足属性检测与重识别要求的情况下，对多目标检测与重识别的FairMOT算法结构作出改进，添加多个并行头输出，对车牌、车辆颜色、类型、品牌及重识别等特征同时训练，输出车辆多标签属性；制作数据集并开发一套数据标注工具以满足多目标、多标签及重识别标注需求。实验表明，车牌识别准确率达到97.32%，车辆重识别rank-1为86.94%。采用车牌识别与ReID相结合的方式，车辆轨迹还原准确率超过85%，与ReID及车牌识别单独使用相比分别提高了14.8%与9.89%。该方法以27.5 fps的推理速度在高速公路车辆轨迹还原实践中取得了较好效果，也为智能算法在高速公路领域深化应用提供了实践基础。

• 基于概率模型检测的软件缺陷定位方法

  任胜兵,陈军,谭文钊,左兴,

  软件缺陷的存在导致软件无法满足用户的需求，如何高效高质量地定位缺陷是消除软件缺陷的关键。基于模型的缺陷定位技术是当前的研究热点，可以用于检测软件系统故障找到软件失效的原因。现有基于模型的缺陷定位技术中，未考虑非相邻节点间传递依赖和测试用例对可疑度的影响，导致缺陷定位精度和效率低。提出了基于概率模型检测的软件缺陷定位方法（probabilistic model checking method for software fault location，PMC-SFL），首先提出一种程序概率模型用于提高模型的推理能力；然后设计了基于执行路径构建程序概率模型的学习算法；最后设计了基于概率模型检测的软件缺陷定位算法，用于缺陷定位分析。通过在公共数据集Siemens上进行实验和分析，表明了PMC-SFL方法与五种现有的缺陷定位方法RankCP、BNPDG、Tarantula、SOBER和CT相比，具有更高的软件缺陷定位精度和效率。

• 组合认知复杂度的程序谱软件错误定位方法

  何海江,

  基于程序谱的软件错误定位（spectrum-based fault localization，SBFL）技术收集测试用例结果和语句覆盖信息，用以计算每条语句的可疑度值。认知复杂度是软件复杂性度量工具，其值高的代码较易出错。为提升错误定位性能，提出一种语句级认知复杂度和SBFL相组合的方法对语句排序。当多条语句可疑度值相等时，新方法优先检查认知复杂度高的语句。测试数据集有925个错误版本，包含Java、C和C++项目。实验结果证实，加入认知复杂度后，传统的SBFL技术能减少待排查语句。

• 基于UWB的SS-TWR改进方法研究与实现

  陈思远,尹栋,牛轶峰,

  针对卫星导航信号缺失或极易受扰的条件下，室内快速移动机器人与室外密集飞行的无人机集群必须依靠高精度高实时性相对定位实现运动导航与控制以及个体间避碰，亟需探索时间短、精度高的方法。对UWB测量体制深入研究后，提出时间可估算的单边双向测距（SS-TWR）的改进方法测距系统。系统建立了详细的序列时间分析与估算方法，与常用的双边双向测距（DS-TWR）相比，缩短了距离测量时间，提高了测量频率，减少了错误帧数量；采用有源温补晶振校正时钟，构建修正天线辐射近场区的误差经验模型，并引入卡尔曼滤波对测量结果进行融合估计，降低了测量误差；在室内环境的对比测试实验证明，改进后的SS-TWR精度达到与DS-TWR相当的±5 cm，测距时间小于5 ms。

• 基于线上线下关联推理的边缘节点热点预测

  项慨,曾园园,

  随着城市规模的实时数据处理和增强现实等一系列应用的广泛普及，亟待有效预测边缘计算机构下边缘节点的热点，从而为解决因分布、带宽、服务器性能带来的访问延迟问题提供解决方案。针对该问题，进行了一种边缘节点热点预测方法的研究，旨在根据用户活动相关的线上线下信息预测城市区域的边缘节点服务热点：根据城市各主要区域的线下人口流动量以及线上访问流量，采用卷积神经网络和长短期记忆网络提取相关特征，并由基于注意力机制进行线上特征和线下特征的关联推理，综合城市主要区域边缘节点的图嵌入表达预测各区域边缘节点的热点程度，从而为调配边缘节点资源提供依据。采用某南方城市移动用户数据集进行性能评估，与相关热点分析方法相比，该方法在预测准确性方面具有明显的优越性。

• 基于可靠性的5G-低轨星座网络切片映射算法

  谢宝华,梁俊,肖楠,刘波,陈金涛,

  随着国家天地一体化信息网络重大项目的推进，5G-低轨星座网络切片的可靠映射成为业内的研究热点。在基于软件定义网络（software-defined network，SDN）和网络功能虚拟化（network function virtualization，NFV）的5G-低轨星座集成网络架构下，将5G-低轨星座网络切片的可靠映射问题建模为一个混合整数线性规划问题。在此基础上，研究了切片请求的资源编排，进而提出了基于广度优先搜索的可靠映射算法。该算法综合考虑切片请求的可靠性阈值及虚拟网络功能（virtual network function，VNF）的资源需求，在虚拟网络映射中根据节点的可靠重要度对节点进行排序。仿真结果表明，该算法在满足可靠性阈值约束的条件下，能够最大化收益开销比，提高虚拟网络映射成功率，在切片可靠性及接受率等方面优于对比算法。

• 无人机自组网基于加权的稳定分簇算法

  梅家栋,南建国,

  相较于传统移动自组网，无人机自组网具有节点移动速度更快、分布范围更广、网络规模更大的显著特征，而分簇结构能实现网络的有效控制和管理，提高网络的扩展性。为了提高分簇结构的稳定性，提出了一种基于加权的稳定分簇算法，该算法基于现有加权分簇算法，从分簇测度指标的选取、指标权重因子分配、分簇稳定保持策略三个方面进行改进。仿真结果表明，该算法不仅能合理控制分簇数量，有效提高网络的扩展性，而且能够延长簇首保持时间和降低成员节点的簇间切换次数，提高分簇的稳定性。

• 格上基于身份的授权函数线性同态签名方案

  王美玲,吴长泽,

  为解决远程不可信环境下外包计算的可验证问题，结合基于身份的签名、同态签名和函数签名提出格上基于身份的授权函数线性同态签名方案。该方案可以同时实现对计算结果和云服务器计算行为的验证，并避免使用公钥证书的缺点；在标准模型下基于小整数解问题证明该方案满足弱适应性选择身份、选择消息和选择函数攻击下的不可伪造性。理论分析表明，与现有方案相比，所提出的方案更高效、更安全。

• 基于ZUC与DWT-SVD的交换加密水印算法

  赵培越,张珍珍,李祯祯,丁海洋,李子臣,

  为了有效解决多媒体数据在传输、存储过程中的安全及版权保护问题，提出基于祖冲之序列密码算法（ZUC）与离散小波变换—奇异值分解（DWT-SVD）的交换加密水印算法。该算法基于奇异值不变性，将水印嵌入到奇异值中，通过ZUC算法分别对奇异值矩阵集合、奇异矩阵集合置换加密。水印嵌入操作与加密操作的先后顺序不影响含水印密文的生成，且从含水印密文和解密后的明文中都能提取完整的水印。实验表明，水印的不可见性较好，算法有较高的安全性并具有一定的鲁棒性。

• 轻量级分组密码Pyjamask的不可能差分分析

  刘亚,唐伟明,沈致远,陆海宁,王凌云,

  Pyjamask是美国国家技术标准研究院征选后量子时代轻量级密码算法中进入第二轮的候选分组密码，对其抵抗现在流行的不可能差分分析分析为未来在实际系统中使用起到重要的作用。提出一些2.5轮不可能差分链并分析它们的结构特点和攻击效率，在一些最有效的不可能差分链的前后各接1轮和半轮，形成4轮Pyjamask多重不可能差分攻击路径。攻击结果表明Pyjamask的行混淆运算扩散性比较强，能较好地抵抗不可能差分分析，此结果是对Pyjamask安全性分析的一个重要补充。

• 基于物联网集成防御机制的诱饵路径优化算法

  张琳,李焕洲,张健,唐彰国,

  针对物联网设备很容易被攻击者利用来入侵网络的问题，设计实现了一种将基于网络拓扑改组的移动目标防御（network topology shuffling-based moving target defense，NTS-MTD）和网络欺骗相结合的物联网集成防御机制，并基于该防御机制设计了一种诱饵路径优化算法（decoy path-based optimization algorithm，DPOA）来进行网络拓扑改组优化。在软件定义网络（software defined network，SDN）的支持下主动改变真实节点和诱饵节点的网络拓扑，实现物联网环境中的网络拓扑改组。通过一个带有安全度量的图形安全模型（graphical security model，GSM）研究防御机制有效性，并使用三个指标对DPOA的安全性和性能进行衡量。仿真结果表明，基于DPOA的方案防御成本显著降低且安全性高，更适应于物联网。

• 基于图卷积网络的多标签遥感图像分类

  杨敏航,陈龙,刘慧,钱育蓉,

  由于遥感图像包含物体类别多样，单个语义类别标签无法全面地描述图像内容，而多标签图像分类任务更加具有挑战性。通过探索深度图卷积网络（GCN），解决了多标签遥感图像分类缺乏对标签语义信息相关性利用的问题，提出了一种新的基于图卷积的多标签遥感图像分类网络，它包含图像特征学习模块、基于图卷积网络的分类器学习模块和图像特征差异化模块三个部分。在公开多标签遥感数据集Planet和UCM上与相关模型进行对比，在多标签遥感图像分类任务上可以得到了较好的分类结果。该方法使用图卷积等模块将多标签图像分类方法应用到遥感领域，提高了模型分类能力，缩短了模型训练时间。

• 基于深度信息的特征学习与动作识别方法

  宋轶航,胡静,徐超,孟昭鹏,

  为了进行复杂交互动作识别，提出基于深度信息的特征学习方法，并使用两层分类策略解决相似动作识别问题。该方法从频域的角度分析深度图像动作序列，提取频域特征，利用VAE对特征进行空间特征压缩表示，建立HMM模拟时序变化并进行第一层动作识别。为了解决相似动作识别问题，引入三维关节点特征进行第二层动作识别。实验结果表明，两种特征在动作数据集SBU-Kinect上能够有效地表示姿态含义，策略简单有效，识别准确率较高。

• 基于等级划分的复杂点云骨架提取算法

  吴寒,刘骥,

  对于复杂点云的骨架提取，由于原始点云的遮挡、缺失、分布不均、分支复杂等原因，所提取骨架会产生断裂、拓扑结构错误等问题。针对复杂结构点云的骨架提取，提出了一种基于等级划分的复杂点云骨架提取算法（multilevel divided skeleton extraction，MDSE）。使用L1-medial提取初始骨架点，将初始骨架点连接成单分支骨架线，通过对单分支结构的初始骨架线进行等级划分，利用连通分支的平均分叉角确定骨架线断裂位置，由底至顶修补断裂骨架线；最后采用Cardinal样条曲线改善骨架形态，形成完整且符合原始点云拓扑结构的骨架线。实验结果表明，该算法能够从复杂点云中提取出较为完整、拓扑结构正确的骨架线。

• 基于改进Mask R-CNN的在架图书书脊图像实例分割方法

  曾文雯,杨阳,钟小品,

  运用人工智能技术将是构建下一代智慧图书馆的关键，为了实现图书的定位和识别，提出一种基于改进Mask R-CNN的在架图书书脊图像实例分割方法。考虑到图书密集排列、具有一定的旋转性、副本纹理极相似等难点，改进锚框为旋转矩形框，提出旋转区域建议网络取代区域建议网络；提出旋转特征提取方法可减少池化误差且有效提取目标特征，结合掩膜的旋转对齐以提升预测掩膜的准确性。建立了一个包含1 849张在架图书书脊图像的标注数据集，提出方法的测试结果大幅度优于其他重要的实例分割算法，证实了在网络中使用旋转特征对于具有一定朝向的、密集的目标分割难题很有效。

• 基于Siam-UNet++的高分辨率遥感影像建筑物变化检测

  朱节中,陈永,柯福阳,张果荣,

  针对同一区域前后时序的高分辨率遥感影像背景复杂、变化类别多样、目标变化检测时存在漏检和边界识别粗糙问题，提出了一种基于Siam-UNet++深度神经网络的高分辨率遥感影像建筑物变化检测算法。该算法采用UNet++作为骨干提取网络，在其编码器部分应用Siam-diff（Siamese-difference）结构提取前后两时序图像的变化特征，并在解码阶段的上采样和横向跳跃路径连接之后引入注意力机制，突出建筑物变化的特征，抑制网络对其他类别特征的学习；同时使用多边输出融合（multiple side-output fusion，MSOF）策略加权融合不同语义层次的特征信息，提高了建筑物变化检测的精度；最后采取滑窗的方法对大尺度遥感影像进行预测，减少拼接过程中变化结果图产生的空洞图斑。在大型建筑物变化检测数据集上的实验结果表明，该算法有效提升了建筑物的变化检测效果。

• 基于pro-YOLOv4的多尺度航拍图像目标检测算法

  赵玉卿,贾金露,公维军,钱育蓉,

  航拍图像目标检测存在多尺度目标检测精度低、检测速度慢、漏检和误检严重等问题。针对这些问题，提出一种融合卷积注意力机制和轻量化网络的目标检测算法（pro-YOLOv4），并应用于多尺度航拍图像目标检测。首先，利用K-means聚类算法对航拍数据集进行聚类分析并优化锚框参数，以提高对目标检测的有效性；其次，采用轻量级网络结构，精简网络复杂度，提高检测速度；最后，引入卷积注意力模块来解决复杂场景对于航拍目标检测的干扰，从而有效降低误检率和漏检率。在航拍数据集RSOD和NWPU VHR-10上进行实验对比，实验结果表明，pro-YOLOv4检测效果较YOLOv4有明显提升，平均检测精度分别提高了3.42%和3.98%。该算法不仅对多尺度目标均表现出较好检测性能，还降低了目标漏检率，并具有较好的鲁棒性和泛化能力。

• 基于双模式联合三边滤波器的深度图像超分辨率方法

  杨树媛,曹宁,郭斌,颜安,朱静,

  彩色图像引导的深度图像超分辨率方法通过利用高分辨率彩色图像的高频信息来重建深度图像，取得了不错的重建效果，但当深度图像和彩色图像边缘不（完全）一致或彩色区域纹理丰富时，重建图像普遍存在边缘模糊和纹理拷贝问题。针对这一问题，提出一种边缘图像引导的双模式联合三边滤波器（DMJTF）方法。该方法利用单幅低分辨率深度图像构建了一个边缘图像金字塔字典，然后利用MRF模型构建了一个高分辨率边缘图像，该图像确定了滤波器的两种模式，分别用于重构深度图像的边缘和平滑区域。实验结果表明DMJTF算法有效地避免了纹理拷贝异常，降低了边缘模糊现象，在定性和定量两个方面都优于其他算法，取得了较好的超分效果。

• 基于双分支融合的反馈迭代金字塔去模糊和超分辨率算法

  王峰,蔡立志,张娟,

  针对低分辨率模糊图像实施超分辨率重建后出现大量伪影和边缘纹理不清晰问题，提出了一种双分支融合的反馈迭代金字塔算法。首先采用不同的分支模块分别提取低分辨率模糊图像中潜在的去模糊特征和超分辨率特征信息；然后采用自适应融合机制将两种不同性质的特征进行信息匹配，使网络在去模糊和超分辨率重建模块中更加关注模糊区域；其次使用迭代金字塔重建模块将低分辨率模糊图像渐进重建为逼近真实分布的超分辨率清晰图像；最后重建图像通过分支反馈模块生成清晰低分辨率图像，构建反馈监督。在GOPRO数据集中与现有算法的对比实验结果表明，所提算法能够生成纹理细节更加清晰的超分辨率图像。

• 基于ECA-Net与多尺度结合的细粒度图像分类方法

  毛志荣,都云程,肖诗斌,施水才,

  针对细粒度图像分类问题提出了一种有效的算法以实现端到端的细粒度图像分类。ECA-Net中ECA（efficient channel attention）模块是一种性能优势显著的通道注意力机制，将其与经典网络ResNet-50进行融合构成新的基础卷积神经网络ResEca；通过物体级图像定位模块与部件级图像生成模块生成物体级图像和部件级图像，并结合原始图像作为网络的输入，构建以ResEca为基础的三支路网络模型Tb-ResEca-Net（three branch of ResEca network）。该算法在公有数据集CUB-200-2011、FGVC-aircraft和Stanford cars datasets上进行测试训练，分别取得了89.9%、95.1%和95.3%的准确率。实验结果表明，该算法相较于其他传统的细粒度分类算法具有较高的分类准确率以及较强的鲁棒性，是一种有效的细粒度图像分类方法。

• 优化分类模块和估计模块的快速鲁棒目标跟踪方法

  熊丽婷,张绍彪,娄莉,

  为了平衡跟踪器的分类与估计模块间的性能差距，提出一种模块性能均衡的跟踪器。首先，通过大量离线学习，将高阶特征纳入目标估计中；然后，对目标估计模块进行训练，预测目标对象与估计跟踪框之间的重叠。为了提高所提分类模块在面对干扰物时的鲁棒性，引入在线训练的分类模块，采用了难分样本挖掘方法，确保较高的区分能力。在OTB100、VOT2016和TrackingNet三个公开数据集上进行实验，结果表明，与相关滤波、多域网络等方法相比，所提方法的重叠精度指标更优、跟踪精度更高，且收敛性明显快于梯度下降法，运行速率达到实时要求。

• 解纠缠表示学习在跨年龄人脸识别中的应用

  陈莉明,田茂,颜佳,

  跨年龄人脸识别因其在现实生活中的广泛应用而成为人脸识别领域的热门话题。针对跨年龄人脸识别精度较低的问题，引入解纠缠表示学习，提出了一个基于生成对抗网络的解纠缠表示学习（IPDRL）网络来实现人脸图像的识别。该网络由编码器、生成器和鉴别器构成。编码器在对特征中的年龄变化进行解纠缠的同时，对人脸图像的身份信息进行编码，提取只利于身份鉴别的特征，实现身份特征和年龄特征的解纠缠；生成器根据输入的年龄特征生成对应的身份保持的年龄图像；鉴别器通过对抗学习和多任务学习实现年龄和身份的类分布预测。通过将解纠缠表示学习、对抗学习和多任务学习相结合的方法，很好地保留了人脸图像的身份信息，并使跨年龄人脸图像识别的精度得到了提高。

• 面向遥感图像云分割问题的新型U-Net模型

  李大海,王榆锋,王振东,

  目前，已知基于深度学习的云分割方法通常采用传统U型编解码结构的网络，该结构虽能有效利用编码端的空间位置信息，但整个网络参数过多、计算量大，同时其编码端仅采用简单卷积与下采样操作，无法有效获取高质量的上下文语义特征信息。针对上述情况提出一种新型的轻量级U-Net模型用于云分割问题。整个模型采用跳跃连接编码端浅层和中层信息的新U型编解码结构，并在其编码端嵌入由分组卷积与注意力机制组成的优化模块，同时构建上下语义融合连接，连接编码端与解码端相应的上下层。实验结果表明，在公共基准数据集38-Cloud上，该模型相比其他主流云分割网络在分割精度与模型参数等方面均能取得更优异的结果。

• 一种新的seq2seq的可控图像字幕的生成方法

  王源顺,段迅,吴云,

  针对当前的图像字幕方法只能够用一种黑盒的、从外部难以控制的架构描述图像的问题。创造性地将图像字幕问题转换为seq2seq问题，达到了可控生成图像字幕的效果。设计一个由图像区域构成的实体集合或实体序列作为控制信号，在实体块切换的块哨兵和带视觉哨兵的自适应注意力机制的指导下，将控制信号有规律地输入到双层的长短期记忆网络（long short term memory，LSTM）中，以可控的方式指导模型生成对应的图像字幕；此外，baseline使用cross entropy loss来早停模型的训练，引入强化学习思想来解决训练时的优化目标与评估算法效果时指标不一致的问题，进一步优化模型效果。实验表明：在MSCOCO及Flickr30k数据集上，提出的算法在生成可控图像字幕、字幕质量、多样性上达到了非常好的效果。

• 多通道CartoonGAN下的图像风格动漫化

  乔平安,李静文,曹家亮,

  为解决真实图像转换为动漫风格图像出现的参数量大、图像纹理和颜色损失的问题，提出了一种多通道卡通生成对抗网络（MC_CartoonGAN）。首先，使用HSCNN+（advanced CNNs for the hyperspectral reconstruction task）和遗传算法重新构建多通道图像数据集，丰富图像信息。其次，利用DenseNet网络进行特征复用减少参数的内存占用率及缓解梯度消失的问题。最后，引入多通道颜色重建损失函数，在保证了生成图像内容完整的情况下，降低了生成图像的颜色损失。实验结果表明，提出的多通道卡通生成对抗网络将真实图像转换成动漫风格图像的质量更优。