计算机应用研究杂志

计算机应用研究杂志2021年第12期

• 姿态情绪识别研究综述

  许芬,闰文彬,张晓平,

  从姿态信息采集、姿态情绪特征提取、姿态情绪识别算法和姿态情绪数据库几个方面对国内外姿态情绪识别研究进行了全面的总结，分析了姿态情绪识别研究存在的难点和挑战，提出姿态情绪识别的关键是姿态情绪特征提取和姿态情绪数据库的建立，最后探讨了姿态情绪识别研究的发展方向。

• 不同场景的联邦学习安全与隐私保护研究综述

  孙爽,李晓会,刘妍,张兴,

  随着大数据不断发展，联邦学习已被广泛应用于各种各样的场景，从而方便人们的生产生活，但该技术给人们带来便利的同时也让用户面临着数据泄露的挑战，因此数据安全成为联邦学习研究的热点问题。通过介绍横向及纵向联邦学习的训练过程，并对该过程的潜在对手及其攻击原因进行研究，从而分类总结了现有的攻击手段，如投毒攻击、对抗攻击及模型逆推攻击等；在两种场景下分类介绍针对几种攻击手段的防御措施，如梯度稀疏化、恶意检测、秘密样本对齐、标签保护、加密共享和扰动共享等，这些方法不仅可以保证参与方的数据安全，也可以保证联合模型的准确率；最后根据对现有技术的研究，总结了现存方法存在的问题及未来的研究方向。

• 多模态知识图谱构建与应用研究综述

  陈烨,周刚,卢记仓,

  为了总结前人工作，给相关研究者提供思路，首先讨论了当前多模态知识图谱的基本概念，然后从图数据库和知识图谱这两个角度介绍了多模态知识图谱的构建工作，并总结了两种主要方法的思路。还分析了多模态知识图谱的构建和应用中的关键技术和相关工作，如多模态信息提取、表示学习和实体链接。此外，列举了多模态知识图谱在四种场景中的应用，包括推荐系统、跨模态检索、人机交互和跨模态数据管理。最后，从四个方面展望了多模态知识图谱的发展前景。

• 基于双链的可扩展物联网模型

  武海霞,黄建华,邵兴辉,麦勇,

  针对当前区块链和物联网结合面临的存储和交易吞吐量压力进行了研究，提出一种基于双链的可扩展物联网模型。首先，设计了基于交易链和哈希（hash）链的双链存储结构和分区模型，通过交易链差异化存储降低了节点的存储压力，通过hash链提升了系统的整体安全性，并实现了全网数据的自由交易；其次，提出了一种并行多块创建协议（parallel multi-blocks creation protocol，PMCP），降低了系统共识时延，提高了系统的吞吐量，具有良好的可伸缩性；最后，提出了基于信誉的验证者和领导者选举算法，保证了节点选择的随机性和公平性，避免了系统中心化问题，设计了节点信誉值的评估机制，保证了协议的安全性。实验结果表明，该模型存储容量较传统区块链模型有大幅度提升，提高了区块链系统的可扩展性，PMCP协议的吞吐量和时延要明显优于PBFT等协议，所提信誉机制激励节点作出理性选择，可以很好地提升网络的安全性。

• DPoS区块链共识机制的改进研究

  何帅,黄襄念,刘谦博,江杨靖,

  针对委托权益证明（delegated proof of stake，DPoS）共识机制存在恶意节点相互勾结以及权益分配不合理的两大问题，提出了一种改进方案。首先，引入RBF神经网络模型，根据节点在整个区块链上工作表现的历史数据和相关属性计算综合信任值，使得通过综合信誉值选举出的节点更加权威可信；同时，加入基于动态博弈的信誉激励机制，增加了节点恶意攻击的成本，使得共识节点的出块更加安全。其次，利用沙普利值对节点权益进行合理划分，使得节点的权益得到了分散，增强了“去中心化”程度，降低了“财阀统治”的可能性。实验结果表明，改进后的DPoS共识机制能够有效抵御“腐败攻击”，增强了系统的稳定性和安全性，具有潜在的应用价值。

• 基于区块链技术的农产品供应链演化博弈研究

  崔铁军,姚万焕,

  为确保加入区块链的农产品供应链主体遵循协议共享初始真实信息，针对农产品供应链信息不对称、缺乏信任等问题，搭建了区块链技术的农产品供应链框架。对采用区块链技术的农产品供应链参与主体是否守约构建演化博弈模型，分析各主体遵循区块链节点共享初始真实信息的影响因素。使用MATLAB进行仿真，结果表明，当加入区块链的信任程度、协同收益、激励和惩罚提高、风险系数变低，农产品供应链参与主体更倾向于遵守区块链协议守约，这些因素影响区块链节点下参与的主体策略选择。明确区块链技术运用在农产品供应链的可行性，可为各参与方提供对策，提高农产品供应链的整体效率。

• 基于多用户决策效用的侦察无人机路径规划算法

  刘泽原,赵文栋,赵佳宜,刘存涛,李艾静,

  战场用户决策的效用受限于决策的时机性和正确性，无人机为多个用户提供协同侦察服务时，减少侦察时间有助于用户更快获取决策需要的信息以提高决策时机性，延长侦察时间则能够获取更多有价值的信息，提高决策的正确性。为了权衡无人机侦察时间与侦察信息价值并提高多用户决策的总效用，提出了基于侦察任务时间、用户获取信息价值以及各用户权重的多用户决策效用模型，将多用户决策效用最大化问题建模为带约束的无人机路径规划问题。提出了一种基于性价比贪婪思想与路径收益动态监测机制的路径规划算法求解路径问题。对所提算法和对比算法在不同目标数量下的任务时间、信息价值及效用指标进行分析，结果表明，在不同规模的侦察目标下，所提算法与基于单一指标带时间约束的贪婪算法相比能够实现更高的多用户决策效用。

• 基于多分辨率特征和时频注意力的环境声音分类

  刘慧,李小霞,何宏森,

  针对环境声音分类（ESC），提出了一种基于多分辨率特征和时频注意力的卷积神经网络环境声音分类方法。首先，相较单一分辨率的谱图，多通道多分辨率特征可以丰富特征信息，实现不同特征分辨率之间信息互补，增强特征的表达能力；其次，针对声信号提出了一种时频注意力模块，该模块先利用不同大小的一维卷积分别关注时域和频域有效信息，再用二维卷积将两者进行融合，从而抑制环境声中背景噪声并消除由多通道多分辨率带来的冗余信息干扰。实验结果表明，在ESC-10和ESC-50两个基准数据集上的分类准确率达到了98.50%和88.46%，与现有的最新方法相比分别提高了2.70%和0.76%。

• 基于图神经网络的方面级情感分析

  张合桥,苟刚,陈青梅,

  目前基于循环神经网络和注意力机制的方面级情感分析模型缺乏解释相关句法约束和远程单词依赖关系。针对该问题提出结合句子依存树和单词序列信息建立句子关系图模型。首先将句子表示为图，单词作为图的节点，依存句法树的边和单词序列作为图的边；然后提出邻接矩阵标记方案对句子关系图进行标记；最后利用图神经网络实现节点和边的分类任务。该模型在SemEval2014任务中的restaurant和laptop两个数据集上进行实验，在两个数据集上F1值提升了5%左右。实验结果表明，将句子转换成图利用图神经网络对句子进行方面级情感分析是有益的。

• 基于网络拓扑重合度的关键节点识别方法

  朱敬成,刘辉,王伦文,吴涛,

  关键节点识别是分析和掌握复杂网络结构和功能的重要手段，对于研究网络鲁棒性、维持网络稳定性具有重大现实意义。为了探索节点与邻居之间的关联性，提出了一种有关度中心性和公共邻居数量的关键节点识别方法，仅用局部信息就表征出了节点重要性，展现了网络拓扑重合度对关键节点识别的影响，网络拓扑重合度是指节点在通信过程中与其他节点可共用的部分。通过静态和动态攻击的方式对六个真实网络和三个人工网络进行节点移除攻击，以最大连通子图比例和网络效率作为节点识别准确性评价标准。实验表明蓄意攻击比随机攻击更有针对性，此外证明了所提方法与度中心性DC、K-shell分解法、映射熵ME方法、集体影响CI方法以及潜在增益EPG方法相比更能准确评估出节点的重要性。

• 基于上下文强化八叉树网络三维模型语义分割算法

  杨茂男,贾庆轩,李旭龙,苗雨,

  针对三维模型语义分割中上下文特征的学习问题，提出了一种基于上下文强化八叉树网络的三维模型语义分割算法，名为CR-O-CNN（context-reinforced octree convolutional neural network）。将基于八叉树的卷积神经网络引入上下文强化网络中，对上下文特征的学习过程进行马尔可夫决策过程的建模，并使用异步优势演员评论家算法对该过程进行优化，通过学习到深层的上下文特征，以提升三维模型的分割结果。在公共数据集ShapeNet上的实验结果表示，所提算法可提升三维模型语义分割的表现性能。

• 基于知识图嵌入的协同过滤推荐算法

  张屹晗,王巍,刘华真,谷壬倩,郝亚奇,

  利用知识图谱进行推荐的一个巨大挑战在于如何获取项目的结构化知识并对其进行语义特征提取。针对这一问题，提出了一种基于知识图嵌入的协同过滤推荐算法（KGECF）。首先从Freebase知识图谱中提取与项目相关的知识信息，并与历史交互项目进行链接构建子知识库；然后通过基于TransR的Xavier-TransR方法得到子知识库中实体、关系表征；设计一种端到端的联合学习模型，将结构化信息与历史偏好信息嵌入到统一的向量空间中；最后利用协同过滤方法进一步计算这些向量并生成精确的推荐列表。在MovieLens-1M和Amazon-book两个公开数据集上的实验表明，该算法在推荐准确率、召回率、F1值和NDCG四个指标上均优于基线方法，能够集成大规模的结构化和非结构化数据，同时获得高精度的推荐结果。

• 基于分层社交关系的微博推荐算法

  徐建民,申永平,吴树芳,

  针对现有微博推荐中未考虑分层关系对兴趣影响的问题，提出一种基于分层社交关系的微博推荐算法。首先基于时间窗口计算相对亲密强度与社交增长率来构建分层网络；其次在网络中量化影响力、吸引力、交互紧密度来挖掘目标用户潜在兴趣；然后依据短文本扩展策略获取目标用户显性兴趣；最后将潜在兴趣与显性兴趣融合，计算融合兴趣与待推荐微博的相似度实现推荐。实验结果表明，与经典的微博推荐方法相比，该算法在准确率、召回率、F值、MRR上均优于其他方法，最高提高了14.73%.由实验结果可知，综合考虑潜在兴趣和显性兴趣可以提高微博推荐效果。

• 基于DESMID-AD动态选择的类别不平衡信用评估模型

  向欣,陆歌皓,

  针对现实信用评估业务中样本类别不平衡和代价敏感的情况，为降低信用风险评估的误分类损失，提出一种基于DESMID-AD动态选择的信用评估集成模型，根据每一个测试样本的特点动态地选择合适的基分类器对其进行信用预测。为提高模型对信用差客户（小类）的识别能力，在基分类器训练前使用过采样的方法对训练数据作类别平衡，采用元学习的方式基于多个指标进行基分类器的性能评估并在此阶段设计权重机制增强小类的影响。在三个公开信用评估数据集上，以AUC、一型、二型错误率以及误分类代价作为评价指标，与九种信用评估常用模型做比较，证明了该方法在信用评估领域的有效性和可行性。

• 面向HYCOM的高分辨率海洋数据同化并行算法优化

  曹连雨,张桂赵,肖俊敏,洪学海,谭光明,

  HYCOM（hybrid coordinate ocean model）海洋数值模式要求较高的吞吐量和相对较小的计算量，这给并行算法设计带来了巨大的挑战。针对具有高吞吐量的海洋数据同化问题，设计了一种基于区域分解的并行优化算法。首先，提出了一种灵活的文件访问方法，可以高效地从磁盘读取大量的数据，避免数据访问冲突，大幅降低磁盘寻址操作的频率。此外，设计了一种避免通信的策略，以一些额外的计算量为代价大幅减少进程间的通信量。最后，提出了一种基于管道流的通信策略，以实现无冲突的消息传递。实验结果表明，该算法与基线算法相比，总体性能提高了5倍，其中文件读取速度提升6倍，进程间的通信性能提升了2.7倍。

• 基于图神经网络与深度学习的商品推荐算法

  冯兴杰,生晓宇,

  基于图神经网络的推荐算法可以提取传统方法无法提取用户与商品之间的关联关系。目前此类算法大多忽略了用户和商品的评论数据中所存在的一般偏好。针对这一问题，提出了一种方法，在利用图神经网络提取关联关系的同时，利用深度学习提取评论的优势提取用户和商品的一般偏好，并进行特征融合来提升推荐效果。在四组公共数据集中进行了对比实验，使用召回率和归一化折损累计增益作为评价指标，并通过消融实验验证了方法的有效性。实验表明该方法比已有相关算法的效果更好。两种网络的特征融合对推荐效果有提升作用。

• 动态串行机制多元宇宙优化算法

  杨文珍,何庆,

  为优化多元宇宙算法求解函数最优值的性能，提出一种改进搜索机制的全局优化多元宇宙算法（G-MVO）。针对标准算法存在单一搜索机制导致算法易陷入局部最优以及过早收敛的缺陷，提出三种学习策略来增强算法性能，通过多策略交互协作降低算法复杂度并提高求解精度，设计自适应参数动态选择最佳策略，全局优化算法性能。为验证算法的有效性，算法在不同维度的八个基准函数上进行仿真实验。结果表明，该算法表现出更佳的求解精度以及收敛速度。

• 基于头脑风暴算法的FastSLAM 2.0算法

  朱代先,王明博,刘树林,郭苹,

  针对FastSLAM 2.0算法粒子权值退化与粒子多样性丧失导致机器人定位建图精度下降的问题，提出了基于头脑风暴算法改进FastSLAM 2.0算法。通过头脑风暴算法替换FastSLAM 2.0算法重采样过程，首先将重要性采样后的粒子权值作为头脑风暴算法中个体评判的适度值，根据适度值大小差异完成K-means聚类操作；其次对聚类后的集合进行变异操作，并取消头脑风暴算法中个体选择操作，从而实现改进头脑风暴算法替代FastSLAM 2.0算法重采样过程，缓解粒子的贫化现象，增加粒子多样性，最终实现对机器人定位建图精度的提升。在机器人定位建图实验中，对比经典FastSLAM 2.0算法和基于遗传算法改进FastSLAM 2.0算法，提出的算法定位精度最高，相较于经典FastSLAM 2.0算法，提出算法定位精度提升了63%，稳定性提升了55%。

• 改进麻雀搜索算法求解作业车间调度问题

  刘丽娜,南新元,石跃飞,

  针对最小化完工时间的作业车间调度问题（JSP），提出改进麻雀搜索算法（ISSA）。首先设计有效的编码转换方式，形成JSP离散决策空间与麻雀搜索算法（SSA）连续搜索空间的对应关系。然后，针对SSA在求解后期易陷入局部最优，利用量子计算、正余弦搜索和警戒者数量递减策略对SSA进行改进，同时引入多邻域搜索和高斯扰动策略以弥补SSA在求解离散问题时深度发掘能力不足的弊端。最后，进行FT、LA系列10个测试问题、6种算法和2个应用实例的对比实验。结果表明，ISSA在求解JSP时，能获得更好的最小值、平均值和寻优成功率，验证了ISSA求解JSP的有效性。

• 融合Lévy飞行和精英反向学习的WOA-SVM多分类算法

  何小龙,张刚,陈跃华,杨尚志,

  元启发算法-SVM是多分类评价模型的典型架构，在多分类综合决策判定中具有重要的理论与实践意义，为此提出了一种融合Lévy飞行和精英反向学习的鲸鱼优化算法（Lévy flight and elite opposition-based whale optimization algorithm，LFEO-BWOA）-SVM多分类评价算法。利用Lévy飞行策略替代螺旋轨迹策略更新位置信息，有效克服了鲸鱼优化算法易陷入局部寻优的不足；引入精英反向学习机制增加种群多样性，提高了鲸鱼优化算法全局寻优的能力。实验仿真结果表明，LFEO-BWOA-SVM算法在分类准确率上比传统SVM、BP神经网络分别提高17.84%和4.51%，准确率为98.73%，在训练时间上比标准WOA-SVM和PSO-SVM分别缩短了9.34%和84.94%。实验结果证明，LFEO-BWOA-SVM算法的寻优能力和收敛速度均有明显提升，准确率和快速性良好。

• 基于迁移学习的讽刺检测

  李垒昂,马鸿超,周清雷,

  准确的讽刺检测对于情感分析等任务至关重要。传统的方法严重依赖于离散的人工制定的特征。现有的研究大多将讽刺检测作为一种标准的监督学习文本分类任务，但是监督学习需要有大量数据，而这些数据的收集和标注都存在困难。由于目标任务有限的数据集可能导致讽刺检测的低性能，为此将讽刺检测作为一种迁移学习任务，将讽刺标记文本的监督学习与外部分析资源的知识转移相结合。通过转移的资源知识来改进神经网络模型，以此提升对目标任务的检测性能。在公开可用的数据集上的实验结果表明，提出的基于迁移学习的讽刺检测模型优于现有较先进的讽刺检测模型。

• 精英反向与二次插值改进的黏菌算法

  郭雨鑫,刘升,张磊,黄倩,

  针对基本黏菌算法（slime mould algorithm，SMA）易陷入局部最优值、收敛精度较低和收敛速度较慢的问题，提出精英反向学习与二次插值改进的黏菌算法（improved slime mould algorithm，ISMA）。精英反向学习策略有利于提高黏菌种群多样性和种群质量，提升算法全局寻优性能与收敛精度；利用二次插值生成新的黏菌个体，并用适应度评估更新全局最优解，有利于增强算法局部开发能力，减少算法收敛时间，使算法跳出局部极值。通过求解多个单模态、多模态和高维度测试函数进行不同算法之间的对比，结果显示，结合两种策略的ISMA具有较高的寻优精度、寻优速度和鲁棒性。

• 属性权重未知picture模糊多属性决策方法及其应用

  韩二东,

  针对属性权重未知的picture模糊多属性决策问题，提出一种基于picture模糊熵和picture模糊加权对称交叉熵的多属性决策方法。首先，基于余弦函数提出一类新的picture模糊熵，并验证该熵值满足picture模糊熵的公理化定义；其次，针对标准化处理后的picture模糊决策矩阵，以picture模糊熵确定各属性权重，同时确定正、负理想方案；再次，分别计算各方案与正、负理想方案的picture模糊加权对称交叉熵，考虑决策者的主观评价倾向以模糊折中值得到各备选方案的排序结果；最后，将所提多属性决策方法应用于河南自贸试验区郑州片区创新型项目遴选，并通过对比分析验证该决策方法的有效性与合理性。

• 融入变异交叉的改进天牛须算法求解TSP及工程应用

  吕昱呈,莫愿斌,

  为找到最短路径，克服传统算法收敛速度慢、求解精度低等问题，提出一种融入变异交叉的改进天牛群算法（MBSO）。首先将个体天牛转换成群体天牛搜索寻优； 在群体进化过程中融入变异和交叉，提高全局搜索到更优结果；最后加入天牛须间长度自适应和步长自适应机制的搜索算法，改善算法的探索能力。将改进的算法通过MATLAB对TSPLIB中的数据集进行仿真实验，并用于PON网络规划问题。证明改进的天牛须算法在收敛速度和求解精度两方面较其他算法都有所提升，算法运行时间平均减少0.3 s，实验结果更接近最优解。

• 基于单值中智集的协同过滤推荐算法

  李鹏,苏忻洁,白世贞,

  为缓解推荐系统中用户模糊评价带来的推荐准确性低的问题，构建基于单值中智集的协同过滤推荐模型。首先，构建用户—项目评分矩阵，划分用户评分等级，并将用户评分按照单值中智计算公式转换得到评分对应的真值隶属度、不确定值隶属度、非真值隶属度。然后，引入极端评价计算公式，将其作为极端评分惩罚系数，得到基于单值中智数分数的相似度计算公式。最后，结合杰卡德相关系数得到最终用户相似度。基于单值中智集的协同过滤推荐方法在公开数据集 MovieLens 上比较验证，实验结果发现融合单值中智集的方法在RMSE、MAE评价指标上均比其他方法有2%~3%的提升，能够有效提高推荐精度，更好地处理模糊问题。

• 基于类圆映射的多目标粒子群优化算法

  戴永彬,

  针对多目标优化求解的问题，提出一种基于类圆映射的多目标粒子群优化算法（qMOPSO）。首先，利用类圆映射技术将高维空间的解集映射到二维坐标平面，监控粒子种群的进化状态。其次，为了兼顾种群的收敛性和分布性，采用类圆占优和类圆扇块距离的概念设计了新的档案集管理策略。另外，根据种群分布熵变化情况，选择全局最优粒子，指导种群进化方向。最后，基于换维思想和淘汰机制，采用一种新的综合管理策略，提高种群寻优性能。所提算法采用三类测试函数和五种对比算法进行了对比实验。仿真实验证明，该方法是正确、有效的。

• 有约束竞争选址问题的降阶回溯算法

  傅汤毅,宁爱兵,孙智勇,林道晗,张惠珍,

  有约束竞争选址问题是组合优化中一个经典的NP-hard问题，现有算法研究该问题时或是无法求得最优解或是求解速度慢。针对现有算法的缺点，首先在这个经典问题的基础上进行修改，构建了一个新的数学模型；接着对该模型的数学性质进行研究，并在数学性质的基础上提出了上下界算法和降阶子算法对问题进行降阶，达到了缩减问题搜索解空间的目的，降阶的过程中既有单个的降阶，也有成批的降阶；然后在前面的基础上设计了一个回溯子算法来求解问题的最优解；最后通过两个示例分析更清楚地阐述该算法的原理，结果证明该算法可以较快求得最优解。

• 基于p阶最大相关熵准则损失函数的鲁棒极限学习机

  张秋桥,王冰,汪海姗,

  当前对于短期负荷预测的研究主要针对影响因素的分析以及模型的改进，很少有对模型的鲁棒性进行研究。以极限学习机（extreme learning machine，ELM）作为研究对象，针对ELM模型的鲁棒性问题进行了深入的研究，并将其应用到短期负荷预测问题中。ELM模型的鲁棒性受损失函数的影响，当前ELM模型在处理含异常点样本时，鲁棒性差、预测精度较低。针对该问题，提出了一种基于p阶最大相关熵准则的损失函数，并将该损失函数应用到ELM模型中，以提高其在短期负荷预测问题中的鲁棒性。提出了一种估计实际样本中异常点百分比的计算方法，在建立短期负荷预测模型之前，估计出实际负荷样本中的异常点百分比。仿真结果表明，在异常点超过12%的样本中，提出的算法模型具有更好的鲁棒性以及预测精度。

• 基于多因子几何匹配的AI提取路网属性信息重建方法

  李志超,王艳东,贾若霖,

  利用AI（artificial intelligence）技术可从遥感影像上快速提取矢量数据，尤其可以获取实时性较好的矢量路网数据，但提取的数据没有属性信息；而已有的众源数据如OSM（open street map）路网具有开源、属性信息丰富等特点，但现势性相对于提取路网较低。针对上述情况，以AI提取路网为基准数据，OSM路网为匹配数据，将一种基于多因子几何匹配算法用于路网匹配中，并在匹配后引入匹配度的概念，以最优匹配对象进行属性重建。实验结果表明能有效地对AI提取路网的属性信息进行重建，并基于此开发了一套路网属性信息重建系统，在国家全球测图项目中投入使用。

• 虚拟人引导的脑电信号重要性选择与识别

  杨淑莹,郭杨杨,田迪,赵敏,

  为了在缺失数据和噪声数据的脑电信号中保持较好的鲁棒性，并揭示脑电信号多通道之间相互作用关系，利用随机森林算法挑选出具有相互作用的重要通道，去除不相关和冗余的通道；利用状态空间模型描述多通道之间的内部运动规律，反映输入输出与内部状态之间的关系；采用EM算法实现状态空间模型的参数辨识作为识别特征；将提取的特征通过SE-GRU模型进行识别，增加了重要特征的权重。上述方法在公共数据集和虚拟人引导的脑电信号数据集上有效提高了分类准确率，相比不进行通道选择的方法取得了更好的效果，并通过最终训练模型实现了对虚拟人的控制。

• 全局收敛的带有输出约束柔性关节机械臂分段控制

  陈泓宇,董秀成,杨勇,刘久台,

  针对带有输出约束和模型不确定的柔性关节机械臂系统，运用奇异摄动法将系统解耦成慢子与快子系统且分别进行控制器设计，从而实现与刚性控制方法的联系且能减少计算量。针对快子系统，采用速度差值反馈来抑制关节柔性引起的系统弹性振动。针对慢子系统提出了一种全局收敛的分段控制策略，将收敛域拓展到全局，克服了基于tan-障碍Lyapuov函数（BLF）反演控制需要系统初始误差在收敛域内的缺陷，且应用径向基（RBF）神经网络消除未知干扰和模型不确定性引起的误差，至此保证了系统的轨迹跟踪和输出约束要求。仿真对比表明，所提方法能使柔性关节机械臂在任意初始位置均能保持良好的跟踪性能，体现了控制器的有效性和优越性。

• 基于拆卸序列的多部件设备机会维护策略研究

  梅嘉健,刘勤明,吴擘晟,

  针对多部件设备进行维护时未考虑需要拆卸的问题，建立了一种基于拆卸序列的多部件设备机会维护策略模型。首先，以拆卸混合图表示部件间的拆卸序列，进而得出各部件的拆卸时间和拆卸成本；然后针对各部件的衰退过程，结合役龄递减因子和故障率递增因子的混合故障率来描述各部件的衰退特性；其次，在此基础上，以设备的机会维护时间窗为决策变量，在设备满足一定可用度的情况下，以设备在有限运行时间内的最低维护成本为优化目标，求解设备的最优预防维护计划；最后，通过数值仿真分析，验证所提出的多部件设备机会维护策略的有效性。

• 面向持续集成的回归测试优化方法

  胡鹏,常朝稳,祝现威,肖警续,

  针对持续集成环境下回归测试需要进行持续优化的问题，提出一种依据回归测试目标自适应调整策略的优化方法。首先将失败标志、缺陷检测数、重要性因子、新旧功能标志作为用例属性进行标记，根据历史数据和关联关系对用例属性进行初始化；而后根据阶段测试目标，区分新功能测试、修改性测试，将需求映射为具体的用例属性指标，据此对用例进行选择；计算重要性因子，更新用例属性标签，根据用例属性进行优先级自动排序；用例执行中，按照时间、资源要求，根据用例属性选择相应规模的测试用例进行执行。最后选择开源数据集进行实验，结果表明该方法针对不同的测试目标均能够降低执行用例的规模，提高缺陷检测效率。

• 基于几何随机的无人机3D信道模型

  郭梦婷,张治中,邓炳光,

  针对无人机（unmanned aerial vehicle， UAV）多输入多输出（multiple input multiple output， MIMO）信道，提出了使用二维单环和三维半球体建模的无人机信道模型。在提出信道模型的基础上，推导并分析了参考模型和仿真模型的空—时相关函数（space time correlation function，STCF）、多普勒功率谱密度（Doppler power spectral density，DPSD）和二阶统计特性如包络电平交叉率（level crossing rate，LCR）。研究了不同的参数对UAV信道统计特性的影响，并将所提模型分别与单球模型和测量值对比。结果表明，莱斯因子、移动散射体速度等对信道特性有显著影响，所提模型时间相关性比单球模型高约20%，并与测量值拟合良好，验证了模型的准确性。

• V2G网络中基于带宽自适应的拥塞控制协议优化

  姜雨菲,梁向阳,唐俊勇,

  V2G网络下PLC链路带宽受限、高误码率等特点导致现有的TCP NewReno拥塞控制机制缺乏对丢包类型的有效判断，将链路上由噪声干扰的随机错误丢包与网络拥塞丢包统一当做拥塞事件处理，从而造成不必要的拥塞避免，导致了低吞吐量问题。根据此问题，提出了一种基于带宽自适应的拥塞控制算法。该算法通过分组预测拥塞等级感知网络状态，由此估计可用带宽来判断丢包类型，实现了拥塞窗口自适应调节。仿真结果表明该算法在拥塞窗口的增长、吞吐量、公平性、收敛性和友好性等方面都优于现有算法，V2G网络的吞吐量得到明显提升。

• 基于RNN的多传感器融合室内定位方法

  王甘楠,田昕,魏国亮,周军,

  针对室内空间内的人员定位困难问题进行了研究，提出了一种基于Wi-Fi指纹法和循环神经网络（recurrent neural network，RNN）的多传感器融合室内定位算法。该算法将智能手机接收到的路由器信号强度作为时间序列输入RNN，通过RNN获得对行人精度较高的定位，与此同时获取智能手机中惯性测量单元提供的位置信息。随后，通过粒子滤波算法对两种定位方式的定位结果进行融合。在实际场景下设计了多组实验进行对比。实验结果表明，该算法定位平均误差为0.9 m，优于加权K近邻等算法，可以为行人提供实时的定位。

• 基于非泊松点过程建模的微基站部署研究

  周童,程方,张治中,邓炳光,

  为了提升实际基站部署时的合理性，针对异构蜂窝网络（HetNet）的基站部署，同时考虑了宏基站（macro base station，MBS）与宏基站、宏基站与微基站（pico base station，PBS）部署的相关排斥性，采用蜂窝网络渐进增益分析法推导出两层非泊松网络的覆盖率，并针对网络能效进行分析，推导出系统吞吐量和网络总能效。最后，提出了一种针对微基站发射功率的能效优化算法，通过优化PBS发射功率使网络能效最大化。仿真结果表明，提出的模型覆盖率优于两层HPPP模型，能效优化算法最高可使系统能效提高约30%，在实际基站部署时应调整合适的基站间距和发射功率。

• 基于聚类信息和对称非负矩阵分解的链路预测模型研究

  陈广福,王海波,

  现有的大部分基于非负矩阵分解的链路预测方法仅考虑网络拓扑结构信息而忽略节点与链接聚类信息。针对此问题，提出一个融合聚类信息的对称非负矩阵分解的链路预测模型。首先，该模型利用对称非负矩阵分解去捕获网络节点相似度信息；其次，使用基于Jaccard的节点和链接聚类系数去保持网络局部结构信息；最后，启用拉格朗日乘法规则去学习模型参数。在六个真实无向无权和四个加权网络上的实验结果表明，该方法在两种不同类型网络预测精确度分别提升了1.6%和8.9%。

• 毫米波大规模MIMO系统中基于PAST算法的低复杂度混合预编码

  周笑,蒋锐,徐友云,

  在毫米波大规模MIMO系统中，一般采用混合模拟和数字预编码替代全数字预编码来减少射频链和能量消耗。然而，在计算最优无约束混合预编码时，奇异值分解（SVD）具有较高的复杂度。因此，提出了一种基于投影近似子空间跟踪（PAST）的低复杂度混合预编码算法。该算法在计算每个子速率的最优无约束混合预编码时，利用PAST算法估计需要的右奇异矩阵部分主要列向量，从而避免了高复杂度的SVD过程。仿真结果表明，不论是在全连接、混合连接还是在子连接系统结构中，该算法在频谱效率上都接近基于SVD的混合预编码，并且随着发送天线数的增加，提出的算法的复杂度和耗时远低于基于SVD的混合预编码。同时该算法的系统误码率较小，具有较好的可靠性。

• 面向多变体系统的执行体多样性度量方法

  陈玉枚,扈红超,王亚文,仝青,

  近年来，以内生安全为主要技术机制的多变体系统在防御零日漏洞攻击中表现出了巨大的潜力。但是现有研究很少涉及多样性和安全性之间的量化评估。对此，提出面向多变体系统的执行体多样性度量方法，该方法通过执行体属性和属性类型构建执行体属性矩阵，结合属性多样性和局部多样性综合评估执行体集的空间多样性，并针对矩阵参数及其多样性权重进行分析以达到系统最大多样化。构建了一个典型的多变体系统及零日攻击模型来评估该指标的有效性，评估结果表明，该多样性度量方法能有效衡量多变体系统中执行体间的异构性，并根据执行体异构性和系统攻击成功率的关系，间接评估出多变体系统的整体安全性。根据结论，该方法为构建更加多样化和安全的系统方面提供了一些指导。

• 博弈论模型下基于运动矢量的视频隐写算法

  邱枫,钮可,陈培,李军,

  针对目前大多数视频隐写算法不满足Kerckhoffs准则进行了研究，在博弈论隐写模型的基础上，提出了一种新的基于运动矢量修改的H.264视频隐写算法。该算法利用人眼视觉特性中对运动矢量的方向和速度特性敏感程度不同计算失真代价函数，再根据博弈论相关理论结合失真代价函数得到每个运动矢量的嵌入概率，实现了一种在理论上满足Kerckhoffs准则的视频隐写算法。实验结果表明，与同类型视频隐写算法相比，在满嵌时该算法的PSNR和SSIM的平均变化值分别降低了18.5%和12%，具有较好的安全性和不可感知性。

• 基于Peano曲线扫描的大容量密文域可逆信息隐藏方案

  葛虞,张敏情,杨盼,

  针对现有密文域可逆信息隐藏算法中存在嵌入率低、安全性不足等问题进行了研究，提出了一种利用图像像素间相关性的大容量密文域可逆信息隐藏方案。首先利用图像位平面间相关性减小冗余，再使用Peano曲线对位平面进行扫描，利用游程霍夫曼编码对每个位平面进行压缩，而后利用图像高位信息对低位空间进行填充，最后用填充消息作为隐藏密钥对秘密信息异或加密实现嵌入。实验结果表明，该方法可完全可逆地恢复原始图像，平均最大嵌入容量达2.53 bpp。

• 基于特征加权聚合的图像检索目标对抗攻击方法

  杨帆,李阳,苗壮,张睿,王家宝,李航,

  基于深度学习的图像检索技术使得图像隐私泄露成为一个亟待解决的问题。利用对抗攻击生成的对抗样本，可在一定程度上实现隐私保护。但现有针对图像检索系统的目标对抗攻击方法易受选取目标样本质量和数量的影响，导致其攻击效果不佳。针对该问题，提出了一种基于特征加权聚合的图像检索目标对抗攻击方法，该方法将目标图像的检索准确率作为衡量样本质量的权重，利用目标类中少量样本的特征进行加权聚合获取类特征作为最终攻击目标。在RParis和ROxford两个数据集上的实验结果表明，该方法生成的对抗样本相比TMA方法，检索精度平均提升38%，相比DHTA方法，检索精度平均提升7.5%。

• 工业互联网中增强安全的云存储数据访问控制方案

  张亚兵,王健,邢镔,

  在工业互联网应用中，由于异构节点计算和存储能力的差异，通常采用云方案提供数据存储和数据访问服务。云存储中的访问控制如扩展多权限的云存储数据访问控制方案（NEDAC-MACS），是保证云存储中数据的安全和数据隐私的基石。给出了一种攻击方法来证明NEDAC_MACS中，被撤销的用户仍然可以解密NEDAC-MACS中的新密文；并提出了一种增强NEDAC-MACS安全性的方案，该方案可以抵抗云服务器和用户之间的合谋攻击；最后通过形式密码分析和性能分析表明，该方案能够抵抗未授权用户之间以及云服务器与用户之间的合谋攻击，保证前向安全性、后向安全性和数据保密性。

• 基于改进三元组损失的伪造人脸视频检测方法

  杨挺,朱希安,张帆,

  当前大部分伪造人脸检测技术使用深度学习来鉴别真实视频与伪造视频之间的特征差异，此类方法在未压缩视频上取得了不错的效果，但在检测经过压缩处理的视频时检测效果就会严重下降。针对此类问题，提出了基于改进三元组损失的伪造人脸视频检测方法。首先，使用伪影图生成器生成一幅伪影图来加深伪造人脸与真实人脸之间的特征差异；其次，使用改进的三元组损失来解决难例样本难以被正确检测的问题；最后，选用更适合人脸鉴伪的深度学习网络提取卷积特征。在FaceForensics++数据集上与目前领先的人脸鉴伪方法的对比表明，该方法检测准确率优于对比方法。

• 融合图像场景与目标显著性特征的图像描述生成方法

  盛豪,易尧华,汤梓伟,

  图像描述生成是图像人工智能领域的重要研究方向之一。现有方法大多仅使用单一图像特征，导致无法完全描述图像中多个目标或者无法准确表达目标间的关系。提出方法通过场景特征解码模块和目标显著性特征解码模块分别对图像场景特征和目标显著性特征进行解码，并将解码后的两种特征进行融合，实现图像目标属性与目标间关系的信息互补。在MSCOCO数据集上进行实验，结果相较于基准方法有一定的提升，表明该模型对图像内容的描述更加准确和完善，对图像信息表达更加丰富。

• 基于视频描述和阅读理解的视频问答研究

  胡锦祥,孟朝晖,

  针对大多数视频问答（VideoQA）模型将视频和问题嵌入到同一空间进行答案推理所面临的多模态交互困难、视频语义特征保留能力差等问题，提出了一种视频描述机制来获得视频语义特征的文本表示，从而避免了多模态的交互。提出方法将视频特征通过描述机制得到相应的视频描述文本，并将描述文本特征与问题特征进行阅读理解式的交互与分析，最后推理出问题的答案。在MSVD-QA以及MSRVTT-QA数据集上的测试结果显示，提出问答模型的回答准确率较现有模型均有不同程度的提升，说明所提方法能更好地完成视频问答任务。

• 融合多分支残差与仿射变换的低照度图像增强

  黄仁婧,崔虎,陈青梅,黄初华,

  针对现有低照度图像增强算法难以同时处理亮度、对比度、伪影和噪声等因素，提出了多分支残差与仿射变换低光增强网络，其核心思想是运用不同模块处理不同的任务。首先通过光照估计模块获得低光图像的光照变量，然后使光照仿射变换模块与光照编码参数融合恢复图像的光照，最后通过细节重建模块融合更多的图像细节获得最终输出。实验结果表明，该方法有效地丰富了图像的纹理细节，同时增强了亮度和对比度，并具有更少的伪影和噪声。通过与其他主流方法进行比较，定量和定性地证明了提出方法对低光图像增强的效果更好。

• 基于增强型图卷积的骨架识别模型

  兰红,何璠,张蒲芬,

  针对现有骨架动作识别主要采用双流框架，在提取时间空间以及通道特征方法上存在的问题，提出一个ADGCN，用于骨架动作识别。首先对骨架数据进行建模，分别将关节、骨骼及其关节和骨骼的运动信息输入到多流框架的单个流。然后将输入的数据传送到提出的有向图卷积网络中进行提取关节和骨骼之间的依赖关系，再利用提出的时空通道注意力网络（STCN），增强每层网络中关键关节的时间、空间以及通道的信息。最后将四个流的信息通过加权平均计算动作识别的精度，输出动作的预测结果。此模型在两个大型数据集NTU-RGB+D和Kinectics-Skeleton中进行训练和验证，验证的结果与基线方法DGNN（有向图神经网络）相比，在NTU-RGB+D数据集上，在两个交叉子集CS和CV上的准确率分别提升了2.43%和1.2%。在Kinectics-Skeleton数据集的top1和top5上的准确率分别提升了0.7%和0.9%。提出的ADGCN可以有效地增强骨架动作识别的性能，在两个大型数据集上的效果都有所提升。

• 基于双模态输入的孪生网络目标跟踪算法

  刘子龙,王晨,

  主流的目标跟踪算法只使用可见光（RGB）图像进行跟踪任务，当跟踪场景的光照条件较差时，表征颜色和纹理特征的可见光图像会严重限制跟踪器的跟踪性能。针对单一模态目标信息存在缺失的问题，在SiamFC网络模型以及红外—可见光图像融合思想的基础上提出了双模态权值自更新孪生网络目标跟踪方法。根据红外图像可以采集运动目标热信息的特点，有效利用了红外和可见光图像在目标跟踪领域的互补优势；使用较浅的特征提取网络AlexNet即可提取到运动目标具有鲁棒性的特征，在保证跟踪精度的同时提高了跟踪模型的跟踪速度。在公开数据集OTB2015和红外—可见光数据集RGB-T210进行实验，结果表明提出的目标跟踪算法在各种跟踪场景下都取得了较好的跟踪效果。

• 基于最小类内方差的伪三维残差网络

  谢超宇,秦玉,张开放,王晓明,

  作为一种提取视频时空特征的深度学习方法，伪三维残差网络（pseudo-3D residual net，P3D ResNet）利用SVM目标函数来驱动深度网络学习，这样该方法继承了SVM的不足——仅考虑了不同类别间的间隔，忽略了同类样本数据的分布信息。针对该问题，提出了基于最小类内方差的伪三维残差网络方法，不仅体现了大间隔原理，同时又利用了样本数据的分布信息。该方法首先使用P3D ResNet提取的特征向量计算类内散度矩阵；然后利用该矩阵构建了新的目标函数；最后通过新构建的目标函数来驱动P3D ResNet的学习。将该方法应用到行为识别领域，多个数据集上的实验结果表明，相比于传统的P3D ResNet，所提出的方法获得了更高的识别准确率，体现出了更好的泛化性能。

• 轻量型图像分类神经网络改进研究

  王光宇,张海涛,

  当前普遍使用的轻量型神经网络仍然存在计算量与参数量过大的问题，导致算力较低的廉价移动设备无法快速完成图像分类任务。针对此问题提出了一种更适合于应用在算力较低的廉价移动设备上的轻量型神经网络，引入了代价较小的线性操作与特征图合并操作用于减少神经网络的计算量与参数量，还引入了改进的残差结构、注意力机制和标签平滑技术用于提高结果判断的准确率。基于PD-38数据集的实验表明，该神经网络相比传统的轻量型神经网络使用较小的计算量与参数量可以达到较高的分类准确率。在公共数据集CIFAR-10上的实验进一步表明该神经网络具有通用性。

• 基于空间特征变换与反投影的渐进式图像超分辨

  秦玉,谢超宇,王晓明,陈子鎏,

  基于深度网络的单帧图像超分辨（SISR）方法为目前SR研究热点，但是多数该类方法在特征提取时主要侧重在网络深度结构的探索，忽略了中间空间特征层之间的相似性，并且在重构时忽略了特征层之间的特征差异性。针对上述问题，提出了基于空间特征变换与反投影重构的渐进式网络。该方法的主要特征是，在图像特征提取时对特征空间进行特征仿射变换，从而获得渐进式特征和空间变换特征，增加特征层间的不同相似性。在图像重构阶段，重构模块采用多尺度反投影的策略融合了图像多源特征，从而使得其模块更加注重特征之间的差异性。实验结果表明，相比大多数超分辨算法，所提方法在图像超分辨重建时PSNR/SSIM等评估指标均有较大提升，且重构图像的纹理信息也更加丰富。

• 基于门控卷积残差网络的卫星图像道路提取

  肖昌城,吴锡,

  针对遥感影像中道路信息容易受到建筑物、植被等非道路信息干扰的问题，提出了一种基于门控卷积残差网络的遥感影像道路提取模型。首先，该网络使用ResNet101作为网络的编码器，在使得网络足够深的同时，也保证了梯度信息的有效传导；其次，在中心部分使用ASPP多尺度特征提取模块，进一步挖掘特征图中给予的信息；最后，使用门控卷积替换普通的卷积层，它可以根据特征图中参数的重要性，自适应分配权重，作为网络的解码器部分。该方法在CVPR DeepGlobe 2018道路提取挑战赛的数据集上进行了验证，平均交并比、Dice相似系数、召回率分别达到70.20%、82.06%、82.21%，均超过该赛事冠军DlinkNet34，提升了道路提取的效果。

• 面向细粒度图像的数据关联代理损失

  苟光磊,杨雨,朱东旭,

  现有度量学习方法中基于元组的损失训练速度慢、基于代理的损失未考虑数据间细粒度的语义关系。针对这些问题，结合两者的优势提出了一种面向细粒度图像的数据关联代理损失（data relation proxy loss，DRPLoss）函数。采用具有批量归一化（BN）层的inception网络作为嵌入网络，在度量空间中利用梯度相互交互学习数据间的相关关系，并使用温度缩放调节DRPLoss对嵌入向量进行监督训练。在CUB-200-2011和Car-196数据集上验证了不同嵌入维度的DRPLoss的有效性，recall@1评价指标分别提升了2%和6.4%。实验结果表明，相比基于元组的损失和基于代理的损失，DRPLoss的训练速度更快，对细粒度图像检索的性能有显著性提高。

• 基于骨骼特征Hough变换的行为识别研究

  周同驰,张毫,瞿博阳,王延召,陶爱民,

  为有效地表征人体行为的时空特征，将骨骼特征通过Hough变换后建立人体的动作表示。具体来说，采用OpenPose获取视频帧人体骨骼关键点，之后构建骨骼关节并映射到Hough空间，将骨骼关节轨迹转换为点迹，然后角度和轨迹特征的FV（Fisher vector）编码融合作为线性SVM分类器的输入。在经典公共数据集KTH、Weizmann、KARD和Drone-Action上，实验结果表明Hough变换提升了特征的鲁棒性，提高了人体行为识别的性能。

• 基于融合多层卷积特征的显著性区域提取

  杨金凯,王国中,

  针对目前卷积神经网络提取图像特征不充分导致的显著性提取效果不明显的问题，提出了一种多层卷积特征融合的自编码显著性区域提取算法。在使用卷积网络提取图像特征时，其浅层卷积特征一般提取的是图像的细节特征如颜色、纹理和位置特征，深层次卷积特征一般是图像的语义特征，在编码层将浅层卷积特征经过下采样融合到深层次的卷积特征中，并将深层次卷积特征进行上采样融合到浅层卷积特征中，实验表明这样可以大大提高编码质量；在解码中将编码时的卷积特征也进行融合，可以获取到解码丢失的信息进而得到更优的解码图像。此外还设计了逐层监督的方式来指导解码层的训练，即用标准的区域提取图进行下采样作为每一层解码层的标准图进行监督训练。实验结果表明，该方法可以在PAGRN的基础上将F度量平均提升0.071，平均绝对误差MEA平均降低0.031。