计算机应用研究杂志

计算机应用研究杂志2021年第1期

• 法律合约与智能合约一致性综述

  刘琴,王德军,王潇潇,郑绪睿,孟博,

  从计算机科学的角度对法律合约与智能合约的一致性研究现状进行了总结和分析。首先，分别对法律合约描述语言和智能合约开发语言进行了分类和分析，总结了每种语言的特点；其次，根据合同自动化执行的三个发展阶段对法律合约和智能合约的一致性内涵进行了分析和讨论；分别基于形式化模型和合约模板总结了由法律合约生成智能合约代码的方法和关键技术，并对其进行了讨论和评价；最后，对未来法律合约与智能合约的一致性研究进行了总结和展望。

• 基于深度学习的面部修复技术综述

  刘颖,佘建初,公衍超,卢津,王富平,林庆帆,李莹华,

  传统图像修复算法在修复区域涉及复杂非重复结构（如面部）时，不能准确捕捉到高级语义。近三年来基于深度学习的方法被应用于图像修复中，其修复结果的结构相似性较传统方法提高了10%以上。首先阐述了面部修复技术的研究发展历程，主要介绍了基于深度学习的面部修复算法，将其分为无监督和有监督两大类方法，在每一类中重点对近年来涌现的各种面部修复算法进行分析和总结；然后归纳了当前主流的六类图像数据集，以及算法性能评价指标；最后讨论了面部修复技术的未来研究方向。

• 基于超声成像技术的发音生理舌体研究方法综述

  张金溪,李永宏,寇贇,

  对发音时的舌体进行超声成像是分析舌体运动的一种有效方法，而对舌体超声成像序列的处理分析可以为语言学、语音学、语音处理和舌体建模等应用领域提供有价值的信息。基于国内外现有研究成果，归纳了舌体超声成像中舌体轮廓线的跟踪与提取技术，分析了不同舌体轮廓线的量化比较方法，指出了生理发音舌体模型的构建方法。旨在通过舌体超声技术的梳理，能够在发音生理研究和语言研究方面为有关研究人员提供参考，在将来的研究中，能够改进相关技术，并将计算机领域中的新算法、新模型应用于发音生理舌体研究中，进一步提高描述语音现象的科学性和准确性。

• 一种基于联盟链的物联网匿名交易方案

  鲁晔,

  针对物联网终端交易的跨平台、去中心化、隐私、安全需求，提出基于联盟链的匿名交易方案，确保用户身份隐匿。通过划分基础域和互联域实现中心化身份认证和去中心化交易；对身份认证，提出基于Merkle树的双因素认证方案，实现各节点身份与消息的去耦；针对通信中明文消息暴露用户身份问题，提出基于CoinJoin思想的聚合签名隐私保护方案，混淆交易身份，以抵抗身份关联分析攻击；最后针对一致性和记账权问题，提出基于信誉评价策略的共识机制。安全性与效率分析表明，所提方案能以较低存储和计算开销保护终端身份隐私。

• 基于赋权交易模型的区块链技术的档案管理研究

  李严,陈世平,

  为了保障电子档案管理的安全性，基于赋权交易模型的区块链技术对档案管理进行研究。首先建立一个基于区块链技术的框架，具有通用性、易维护性和易搭建性等特点；然后，由于UTXO模型没有解决非确定数值的交易，故针对档案特性对区块链交易中使用的UTXO模型进行改进，提出ET（赋权交易）模型；由于档案管理需要高成本以及高时效性，故采用Fabric的联盟链作为区块生成的方法，以此来降低成本、提高性能。仿真实验结果表明，基于赋权交易模型的区块链技术大大提升了档案管理的稳定性及可用性。

• 基于联盟链的电子健康记录隐私保护和共享

  巫光福,余攀,陈颖,李江华,

  医院正在逐渐采用电子健康记录（EHR）的方式去记录患者的医疗信息。然而，医疗数据的隐私性和EHR标准的差异化阻碍了医疗数据在病人和医院之间的共享。因此，针对隐私信息泄露和难于共享的问题，提出了一个基于联盟链的隐私保护数据共享模型。此外，基于匿名算法提出了（p，α，k）匿名隐私算法，能够解决HER隐私信息泄露的问题。通过理论分析和实验证明，提出的基于联盟链和（p，α，k）隐私匿名算法模型能够在保护数据隐私的前提下，实现病人和医院之间的数据安全共享。对比前人的模型，该模型具有所需节点少、减少主链压力、容错性强和病人对HER完全控制等优势。

• 一种改进的自适应知识图谱嵌入式表示方法

  孟小艳,蒋同海,周喜,韩云飞,马博,

  知识图谱的嵌入式表示方法以基于翻译的TransE最为经典，但在处理复杂关系时存在局限；使用欧氏距离作为得分函数中的度量，每个特征维度以相同的权重参与计算，准确性会受到无关维度的影响，灵活性不高。因此，针对这两个缺陷，提出一种自适应的知识图谱嵌入式表示方法TransAD。利用自适应度量方法更换度量函数，在得分函数中引入对角权重矩阵，为每一个特征维分别赋予权重，增加模型的表示能力。同时受TransD方法的启发，将实体与关系通过动态映射矩阵建立空间投影模型，来增强模型对复杂关系的处理能力，最后将两种优化集成在一个模型中。实验结果表明，新方法TransAD优于Trans（E，H，R，D），在链路预测和三元组分类任务的各项指标上均有提升，有一定的先进性。

• 基于共享单车GPS数据的小区道路生成方法

  王志建,崔夏,李达标,

  利用GPS数据生成路网对城市交通有着重要意义。由于机动车自身对道路条件的要求，利用机动车GPS提取路网主要针对城市主干道及主路，忽略了小路及小区路网。为完善城市路网，提出了一种基于共享单车GPS轨迹的道路拓扑结构生成方法。首先提取路网拓扑节点，通过引入趋势夹角判断转折点后利用转向角分析确定拓扑点。然后提取道路线型，通过OW（opening window）算法对轨迹进行分割、基于DBCSAN算法思想提出一种对子轨迹聚类方法，再提取特征点来拟合道路中心线。利用缓冲区验证路网的精度，结果表明该方法生成的道路既能确保拓扑结构又具有较高的覆盖率。

• 改进自适应多种群NSGA-Ⅲ算法的研究

  刘彬,王卫涛,武尤,杨有恒,

  针对第三代非支配排序遗传算法（non-dominated sorting genetic algorithm-Ⅲ，NSGA-Ⅲ）在处理高维多目标函数时存在收敛精度低和搜索性能差等问题，提出一种自适应多种群NSGA-Ⅲ算法。首先将传统算法的单一种群划分成四个亚种群，并为每个亚种群分配不同的交叉算子；其次提出外部最优解集（external optimal solution set，EXS）的概念，通过计算个体更新最优解集的参与量来自适应调节每个亚种群的大小；最后利用局部搜索策略提高EXS的局部搜索性能。采用四个不同的测试函数，与七种对比算法进行仿真验证，结果表明在处理高维多目标优化问题时，提出算法的性能指标整体优于其他对比算法，能够获得较好的算法收敛性和种群多样性。

• 基于多组典型相关变量的因果关系发现算法

  陈薇,蔡瑞初,伍运金,谢峰,郝志峰,

  现有的因果关系发现算法主要基于单个观察变量本身之间的因果关系，无法适用于多组观察变量，为此提出了一种多组典型相关变量的因果关系发现算法。首先，引入多组典型相关变量建立多组典型相关变量的线性非高斯无环模型并提出对应的目标函数；然后，采用梯度上升的方法求解目标函数，构建多组典型相关变量的因果关系网络。模拟实验验证了该算法的有效性，并在移动基站数据上发现了一批有价值的多组无线网络性能指标间的因果关系。

• 二次滑动粗粒化的快速样本熵脑电情感分析

  朱永升,钟清华,蔡冬丽,廖金湘,

  针对传统单一尺度样本熵对脑电信号（EEG）序列特征提取不明显、多尺度熵在粗粒化过程中会遗漏重要信息导致情感分类性能下降以及样本熵算法效率不高的问题，提出了一种基于二次滑动均值粗粒化的多尺度快速样本熵脑电特征提取方法。由于不同情感的脑电信号存在差异性，先采用二次滑动均值粗粒化对脑电信号进行多尺度处理，然后利用快速样本熵算法提取不同时间尺度的样本熵值作为特征向量，结合随机森林（RF）分类模型来识别不同的情感状态。提出的方法对多模态标准情感数据库DEAP进行了研究，发现大脑额区和右脑对情感比较敏感，正性、中性和负性情感在大脑侧额区获得了88.75%的平均分类准确率。实验结果表明，该方法可以有效地提取脑电特征，并且能够保证算法的效率。

• 融合社交关系和标签信息的混合新闻推荐算法

  夏鸿斌,刘春芹,刘渊,

  针对传统新闻推荐的数据稀疏性和用户的兴趣爱好快速变化问题，提出了一种融合社交关系和标签信息的混合新闻推荐算法。首先，该算法充分利用社交网络中的社交关系和标签信息；然后使用概率主题模型（latent Dirichlet allocation，LDA） 对用户兴趣进行建模；最后采用基于内容与协同过滤相结合的混合推荐算法来完成新闻推荐。实验结果表明，所提算法与已有的推荐算法相比较，在精确度上提升了10.7%、平均倒数排名上（mean reciprocal rank，MRR）提升了4.1%，在归一化折损累计增益（normalized discounted cumulative gain，NDCG）上提升了10%。该算法可在一定程度上提高新闻推荐算法的精度及推荐质量。

• 不完备邻域决策粗糙集的最小化代价属性约简算法

  姚晟,李初宴,吴照玉,

  目前的决策粗糙集研究主要集中在完备离散型信息系统，很少有对不完备连续型数据进行研究，考虑这一问题，提出一种不完备邻域决策粗糙集模型。首先在不完备连续型数据中引入了不完备邻域关系，然后利用该二元关系对传统的决策粗糙集进行重构，一种称之为不完备邻域决策粗糙集的模型被提出，同时基于决策代价原则，进一步地提出了最小化决策代价的属性约简算法。最后通过实验表明了所提出的算法具有更高的属性约简性能。

• 基于多通道深度学习网络的混合语言短文本情感分类方法

  张洋,胡燕,

  相比于单一语言的短文本情感分类而言，混合语言由于其表达情感的单词语言不唯一，语法结构复杂，仅使用传统词嵌入的方法无法使分类器学到足够有用的特征，导致分类效果不佳。针对这些问题，提出一种融合字词特征的双通道复合模型。首先，针对数据集不平衡问题，提出一种基于Bert语义相似度的数据集欠采样算法；其次，构建双通道深度学习网络，分别将以字、词方式嵌入的原始数据通过两个通道送入CNN和带有注意力机制的LSTM组成的模块中进行多粒度特征提取；最后融合多通道的特征进行分类。在NLPCC2018任务1公布的混合语言五分类数据集上的实验表明，该模型的整体性能较目前有代表性的深度学习模型有进一步提高。

• 基于可靠邻居与精确簇数的稀疏子空间聚类

  郑毅,马盈仓,杨小飞,

  为了获得更加可靠的相似矩阵，并使其含有精确的连通分支数量，提出了一种新的稀疏子空间聚类算法。该算法利用K近邻思想从局部寻找可靠邻居，在距离度量方面，选用测地线距离进行计算，考虑了数据在高维空间分布的几何结构，使得数据的邻居关系更加合理。同时，利用Ky Fan定理，通过参数的自适应调节，使得相似矩阵包含精确的连通分支数量。此外，该算法打破了常规的两步走模式，同时进行相似矩阵的学习和谱聚类过程，将数据相似性度和分割进行了紧密的联系，进一步加强了对数据结构信息的挖掘和利用。在人造数据集、图像数据集以及真实数据集进行了实验，实验结果表明该算法是有效的。

• 基于偏序集的数据清洗规则链自动生成方法

  何俊,张彩庆,李小珍,张德海,

  针对数据清洗中规则间逻辑冲突频发和出错率高的问题，提出一种基于偏序集的规则链自动生成方法。通过分层组合的数据清洗框架自顶向下对规则进行分类处理，采用偏序集和哈斯图自动生成每个层级的逻辑正确和一致的规则链，并设计出对应的生成算法和自动清洗算法。以扶贫领域数据为例进行实验，结果表明该方法使数据清洗效率有一定提升，清洗结果出错率明显降低，检验了方法的科学性和有效性。

• 大型数据库中利用强化学习改进treap的关联规则挖掘算法

  辛春花,郭艳光,鲁晓波,

  信息的爆炸式增长使数据挖掘分析过程更加困难，针对普通关联规则挖掘算法很难在短运行时间和低关联度的前提下完成大型数据库中变量关系的评估和发现的问题，提出利用强化学习算法改进treap的大型数据库关联规则挖掘算法。提出的算法首先计算数据库中每个变量的优先级；然后，在优先级模型中利用强化学习算法改进的build-treap程序构建treap数据结构；最后，通过遍历程序和generateRule程序完成数据库中所需的关系查找。在对提出的算法进行稳定性分析后进行了仿真验证实验，实验结果表明，提出的算法在其最次和最佳案例分析中分别能够完成O（n log n）次和O（n2）次挖掘，能够在较短时间内完成低关联度的大型数据库中变量关系挖掘任务，相对于改进型Apriori算法和改进型FP生长算法有较大提升。

• 基于序列到序列模型的无监督文本简化方法

  李天宇,李云,钱镇宇,

  训练基于序列到序列（seq2seq）的文本简化模型需要大规模平行语料库，但是规模较大且标注质量较好的语料却难以获得。为此，提出一种无监督文本简化方法，使模型的学习仅需要无标注的复杂句和简单句语料。首先，利用去噪自编码器（denoising autoencoder）分别从简单句语料和复杂句语料中学习，获取简单句的自编码器和复杂句的自编码器；然后，组合两个自编码器形成初始的文本简化模型和文本复杂化模型；最后，利用回译策略（back-translation）将无监督文本简化问题转换为监督问题，不断迭代优化文本简化模型。通过在标准数据集上的实验验证，该方法在通用指标BLEU和SARI上均优于现有无监督模型，同时在词汇级别和句法级别均有简化效果。

• 基于空间故障网络的系统故障发生潜在可能性研究

  李莎莎,崔铁军,

  为了在系统故障演化过程（system fault evolution process，SFEP）中，根据系统故障事件累计数据，获得当一些事件发生后对系统最终故障发生的影响，提出一种基于空间故障网络（SFN）的系统故障发生潜在可能性分析方法。该方法的特点是根据系统运行期间发生各类事件及事件间关系，建立事件关系数据库，绘制SFN。当某种工况下已发生一些事件后，根据这些事件的因果逻辑关系和传递概率，得到这些事件能否引起系统故障、故障模式及发生可能性。通过典型实例说明了该方法的使用过程和分析效果，表明其可适应大规模故障数据处理和SFEP故障发生潜在性分析。

• 基于离散小波变换和随机森林的轴承故障诊断研究

  彭成,王松松,贺婧,李凤娟,

  针对不同工况下数据特征选择困难和单一分类器在滚动轴承故障诊断中识别率较低等问题，提出了一种基于离散小波变换和随机森林相结合的滚动轴承故障诊断方法。该方法首先利用离散小波变换分解振动信号，得到n层近似系数；然后创新性地采用sigmoid熵构造出n维特征向量，sigmoid熵能较好地提取非平稳信号的特征，提高诊断准确率；最后采用随机森林对滚动轴承不同故障信号进行分类。实验采用西储凯斯大学轴承数据中心网站提供的轴承数据，与传统分类器（KNN和SVM）以及单个分类回归树CART进行对比分析，结果表明该方法具有更好的诊断效果。

• 诱导覆盖关系下的加权多粒度粗糙集及应用

  骆公志,陈佳馨,

  为从更多角度进一步分析多属性覆盖决策信息系统，提出了诱导覆盖关系下的加权多粒度粗糙集。分析了采用专家经验确定粒度权重的局限性，引入基于分类质量的粒度权重赋值方法，使决策结果更具客观性；将诱导覆盖关系引入加权多粒度粗糙集，给出完整的粗糙上下近似；讨论了几种度量参数之间的关系，并对相关性质和定理进行证明；通过实例分析验证了模型的有效性和实用性。

• 基于变权重迁移学习的BN参数学习算法

  郭文强,徐成,肖秦琨,李梦然,

  针对小数据集条件下的贝叶斯网络（Bayesian network，BN）参数估计困难问题，提出了一种基于变权重迁移学习（DWTL）的BN参数学习算法。首先，利用MAP和MLE方法学习得到目标域初始参数和各源域参数；然后根据不同源域数据样本贡献的不同计算源权重因子；接着基于目标域样本统计量与小数据集样本阈值的关系设计了目标域初始参数和源域参数的平衡系数；最后，基于上述参数、源权重因子和平衡系数计算得到新的目标参数。在实验研究中，通过对经典BN模型的参数学习问题验证了DWTL算法的有效性；针对小数据集下的轴承故障诊断问题，相较于传统迁移学习（LP）算法，DWTL算法学习精度提高了10%。实验结果表明：所提出的算法能够较好地解决样本数据集在相对稀缺条件下的目标参数建模问题。

• 基于多层次网格划分算法的出租车全局调度策略的研究与实现

  徐方方,戴大蒙,

  城市单元格划分算法应用于出租车调度方法时无法解决山川、河流、大型建筑等天然屏障对距离计算的负面影响，更无法确定网格之间的稳定性。针对此问题，提出了一种面向复杂地理环境的多层次网格划分算法，采用历史数据拟合出两点之间行驶距离的精确值，替代了传统路径计算方法，为距离计算问题提供了新的解决思路，多层次划分更使网格的稳定性得以保证。再结合线性规划方法，辅以时序图和散点图等时空特征识别技术，以高效益和负载均衡为目标，对空载出租车进行实时调度。实验结果表明，该方法提升了整体效益，缩短了乘客打车等待时间，达到了经济效益和社会效益的双提升，具有普适性和广泛的应用前景。

• 嵌入指针网络的深度循环神经网络模型求解作业车间调度问题

  任剑锋,叶春明,

  提出了一种数据驱动的作业车间调度算法，训练样本来源于基准实例和部分实际生产数据，通过特征函数来构建样本的特征数据并进行归一化处理，标签数据由调度任务和相应的调度规则的映射关系构成，以LSTM模型为主框架，在模型中嵌入指针网络，将当前序列中概率最大的工件优先进入缓冲区，提高了神经网络的训练速度和质量，采用训练后的模型对新问题进行求解。结果证明了所构建模型的有效性，同时为求解作业车间调度问题提供了新思路。

• 基于弱标签的多示例迁移学习方法

  肖燕珊,梁飞,刘波,

  作为监督学习的一种变体，多示例学习（MIL）试图从包中的示例中学习分类器。在多示例学习中，标签与包相关联，而不是与单个示例相关联。包的标签是已知的，示例的标签是未知的。MIL可以解决标记模糊问题，但要解决带有弱标签的问题并不容易。对于弱标签问题，包和示例的标签都是未知的，但它们是潜在的变量。现在有多个标签和示例，可以通过对不同标签进行加权来近似估计包和示例的标签。提出了一种新的基于迁移学习的多示例学习框架来解决弱标签的问题。首先构造了一个基于多示例方法的迁移学习模型，该模型可以将知识从源任务迁移到目标任务中，从而将弱标签问题转换为多示例学习问题。在此基础上，提出了一种求解多示例迁移学习模型的迭代框架。实验结果表明，该方法优于现有多示例学习方法。

• 融合主题特征的文本自动摘要方法研究

  罗芳,汪竞航,何道森,蒲秋梅,

  针对传统图模型方法进行文本摘要时只考虑统计特征或浅层次语义特征，缺乏对深层次主题语义特征的挖掘与利用，提出了融合主题特征后多维度度量的文本自动摘要方法MDSR（multi-dimension summarization rank）。首先利用LDA主题模型对文本主题语义信息进行挖掘，定义了主题重要度以衡量主题特征对句子重要程度的影响；然后结合主题特征、统计特征和句间相似度，改进了图模型节点的概率转移矩阵的构建方式；最后根据句子节点权重进行摘要的抽取与度量。实验结果显示，当主题特征、统计特征及句间相似度权重比例达到3：4：3时，MDSR方法的ROUGE评测值达到最佳，ROUGE-1、ROUGE-2、ROUGE-SU4值分别达到53.35%、35.18%和33.86%，优于对比方法，表明了融入主题特征后的文本摘要方法有效提高了摘要抽取的准确性。

• IYYPO：一种改进的阴阳对优化算法

  李大海,艾志刚,王振东,

  阴阳对优化算法是一种新颖的轻量级随机优化算法，利用两点（全局探索点P2和局部开发点P1）的迭代交换来实现优化搜索。用户定义参数直接影响该算法的全局探索和局部开发之间的平衡，并且对算法的性能有着重要的影响。为提高该算法的优化性能，首先分析了原算法的用户定义参数（缩放因子α）对于性能的影响，随后提出用户定义参数线性与非线性递减三种改进的阴阳对优化算法。采用2013年进化计算大会中单目标实参算法竞赛中使用的28个测试函数进行性能评估，结果表明相比于原算法，改进后的算法具有更高的计算精度和更快的收敛速度。最后通过一个工程优化任务来展示改进后算法的性能。

• 生物识别系统中基于匹配信息积累的模板自动选择方法

  陈曦,于明,

  为了解决生物识别系统因样本类内差异引起的识别性能下降，定义了用于评估模板价值的可代表性和不可替代性概念，并提出了基于认证信息最大化和不可替代权重最大化两种模板自动选择方法。在不同生物特征数据库中进行了实验，各对比实验的等错误率结果验证了方法的优越性。所提方法可以通过降低错误拒绝率显著改善多种类型生物识别系统的识别性能。

• 基于牛顿迭代法的RFID标签数量估计算法

  刘艳,张玉,唐龙,

  ALOHA算法是一种被广泛采用的射频识别（RFID）标签防碰撞算法，要提高它的识别效率，算法帧长必须根据标签数量自适应调整，因此标签数量估计的准确性十分重要。针对已有标签估计方案存在的误差大问题，提出一种基于牛顿迭代法的标签数量估计算法（NIATE）。首先，根据标签数量与帧长的数量关系确定一个调节因子；其次，研究标签识别过程中成功时隙占总时隙比例，得到调节因子与所占比例的关系；最后利用牛顿迭代法求解得出准确的标签数量。仿真结果表明，NIATE算法在不同标签数量情况下，相比现有主流算法具有较好的自适应能力，标签估计平均误差更小，从而减少了识别所有标签所需的总时隙数，提高了系统吞吐率。

• 基于熵模型的服务生态系统演化分析方法

  陈召杰,王俊峰,薛霄,

  随着信息技术以及服务主导思想的发展，信息服务能够跨界融合形成服务生态系统以满足复杂定制化需求。针对服务生态系统演化的复杂性、融合性、动态性等特点，对其演化特征进行统一、准确的度量对于服务生态系统理论的深入研究具有重要意义。基于此提出的熵模型从生态、经济、网络三个角度度量服务生态系统的演化性能，并引入博弈分析以研究系统优化方法。进一步，建立多代理计算实验来模拟服务生态系统的竞合演化过程，为演化分析提供数据支撑。实验结果表明，熵模型具备有效性。熵模型能够度量服务生态系统的隐性驱动因素并为其提供决策支持，为系统的量化分析提供了新的思路。

• 点化属性圆分类方法与边坡稳定性状态分类研究

  赵东洋,崔铁军,宋子岭,

  为研究多个边坡稳定性情况的分类，提出点化属性圆的多范围属性分类方法。影响边坡稳定性的因素较多，而且这些因素很难使用一个值表示，但通常可方便地表示为具有范围的属性域，为适应该情况提出上述基于属性圆的方法。首先论述了属性圆的基本性质，然后论述了属性圆点化方法、推导过程及性质，最后给出了基于点化属性圆的多范围属性分类方法。使用该方法对十个边坡按照四个属性进行分类。结果表明当阈值为0.09时所有对象均被分类，其中边坡1、3、4、9、10为一组；边坡2、5、8为二组；边坡6、7为三组。最后论述了该方法的误差和影响。

• 基于贴近度的异质多属性决策的重要性指数研究

  黄耐,樊重俊,王雅琼,杨云鹏,袁光辉,

  针对评价信息为异质多属性决策问题，提出了一种基于相对贴进度的属性重要性指数的确定方法。首先，基于给定属性引起的模型值的平均变化，定义了一般离散模型的重要性指数，并证明其满足几个公理化。其中，模型没有限制性假设。然后，计算异质多属性决策问题中各决策方案的相对贴近度。基于贴近度构造值函数，进而确定各属性的重要性指数。最后通过实例计算与对比分析，验证了该方法的可行性和有效性。该方法有效地解决了异质属性类的重要性指数确定问题，且与传统方法相比更为精确，更适用于复杂决策系统。

• 基于多对抗训练的古诗生成方法

  黄文明,任冲,邓珍荣,

  目前许多古诗生成方法离人类创作的水平仍有较大的差距，尤其是在主题关联性及诗句的语义方面。为弥补现有方法的不足，提出一种多对抗训练的古诗生成框架。以融合了注意力机制并采用双编码器的序列到序列模型作为古诗生成器，以层级RNN和TextCNN组合的多判别模型指导古诗的生成，同时基于策略梯度进行多对抗训练。在古诗意象数据集上进行实验表明，相较于已提出的方法，基于多对抗训练的古诗生成方法有效提升了诗句与意象词之间的关联性，古诗所表现的语义内涵也更加丰富。

• 基于无向分块加权图的无模式实体识别方法研究

  杨宁,卢菁,邵清,刘丛,

  当前利用分块进行实体识别的方案，忽略分块键权重和分块键的歧义，导致精确度较低。提出一个基于无向加权图的无模式实体识别方法，抽取数据源中的分量，利用分量信息熵和TF-IDF方法组合求取聚类分量，建立统一分块方案。通过聚类分量权重与分块键的关系，赋予每组分块键一定的权重，将该权重与边的共现频次进行相乘加权形成无向分块加权图，最后通过修剪方案进行边的修剪，从而解决了数据多分量及分块键歧义问题，提高了精确度。在七个真实数据集上的实验证明了该方法的有效性和可扩展性。

• 基于DPCA-IM的动态过程监测方法

  孟生军,童楚东,

  动态主成分分析（DPCA）通过增广矩阵或向量的方式来挖掘采样数据间的时序自相关性。然而，DPCA对自相关的特征成分与残差直接实施监测是不合理的，故其故障检测效果较差。为了剔除采样数据的自相关性以提高故障检测效果，提出一种基于估计误差的动态过程监测方法。首先，通过逐个假设各个过程变量的测量数据缺失，并在已建立的DPCA模型中引入迭代方法（IM）计算得到相应变量缺失数据的估计值。由于该估计值在仅缺失一个变量数据的条件下能较大程度地逼近原测量数据，两者之差（即估计误差）不再存在显著的自相关性，而且该估计误差的变化可直接反映出采样数据变化情况的异常，所以可利用估计误差监测动态过程。最后，通过两个动态过程实例，即动态数值仿真过程与田纳西—伊斯曼（TE）标准测试平台的仿真结果表明，该方法能剔除采样数据间的自相关性，并能有效地提高故障检测效果，验证了该方法不仅可行，而且具有良好的优越性。

• 井下WLAN位置指纹样本自相关滤波降噪方法研究

  宋明智,钱建生,

  为了解决井下WLAN位置指纹库中噪声样本对井下人员定位精度的影响，提出了用于消减位置指纹数据库中噪声样本的基于采样间隔τ的自相关滤波算法。研究表明，虽然在同一个参考点处使用同一个采集设备在不同时刻采集到的接收信号强度（received signal strength，RSS）序列都不完全一样，但噪声样本与其他样本的RSS序列相比有着较为显著的差异值。利用这一特点，基于采样间隔τ的自相关滤波算法使用样本均值作为两个样本间波动差值的平衡参照，使得噪声样本的异常特性被放大，进而使可能存在的噪声样本更精确地被滤除。滤除噪声样本的位置指纹库能够更好地表征各参考点处的RSS分布。实验结果表明，以90%置信概率为参照标准，使用自相关滤波后的位置指纹样本分别进行静态和动态人员定位的定位误差为3 m和3.5 m，比使用原始位置指纹样本的定位误差分别减小了1 m和0.5 m。

• 基于二阶段时间延迟的多产品生产系统生产与维修联合优化研究

  刘勤明,位晶晶,刘文溢,叶春明,

  针对多产品生产部件串联系统的生产和维修问题进行了研究，提出了基于二阶段时间延迟的联合优化模型。首先，基于生产周期分段理论，将整个周期等分成若干单位时间段，生产与维修共用每段时间，且若干时间段后采取一次预防维修。其次，考虑生产系统的实际生产时间、可用生产时间和维修耗费时间，建立了生产计划与维修计划总成本模型。其中，维修计划考虑缺陷和故障维修费用、维修检查费用，以及非正常状态下设备运行可能产生的不合格产品损失费用；生产计划考虑生产成本、库存成本、延期未交货成本和维修停机后恢复生产的设备启动成本。最后，通过算例分析，计算最优预防维修周期和各单位时间段各产品产量，验证了模型的有效性。

• 基于非线性块反步控制的无人直升机航迹跟踪算法研究

  党松琳,代冀阳,应进,苏治锋,

  针对小型无人直升机系统高度非线性、强耦合和易受内外部扰动干扰的特点，提出了一种非线性块反步控制与广义比例积分观测器相结合的控制策略。该方法采用广义比例积分观测器构建多阶观测回路对系统状态量、扰动量及扰动量的多阶导数进行估计，然后将扰动的估计值代入到直升机系统模型中，采用反步法回归递推得到直升机的跟踪飞行控制律。通过对阶跃信号和复杂“8”字形航迹的航迹跟踪仿真，结果表明：在多种内外部扰动影响下，所设计的控制律具有良好的动态响应和航迹跟踪性能以及抗干扰能力。相较于常规非线性扰动观测器，广义比例积分观测器对高阶和快速时变扰动具有更高的预估精度，可以达到更好的扰动抑制效果。

• Heron环境下基于实例重分配的传输负载优化策略

  刘宇,于炯,蒲勇霖,李梓杨,张译天,

  作为新一代大数据流式计算框架，Heron忽略了任务实例之间不同通信方式的差异以及节点资源利用率不均衡的问题导致系统性能下降。针对这一问题，设计了节点资源限制模型、通信开销优化模型和实例数据流关系模型，并在此基础上提出了Heron环境下基于实例重分配的传输负载优化策略（transmission load optimization strategy based on instance reallocation in Heron，TLIR-Heron）。该策略包括节点资源限制算法和实例重分配算法，通过判定实例重分配条件并执行重分配算法将节点间数据流转换为节点内数据流，从而降低通信开销。实验结果表明，在三组拓扑测试下，TLIR-Heron相较于Heron默认调度策略能够降低节点间通信开销和系统的计算延迟，并提升了计算节点资源利用的均衡性。

• 高性能计算应用程序的静态性能分析和建模方法研究

  彭云峰,

  通过对程序源代码和二进制代码的静态分析，能够对代码中不同类型的指令执行情况进行统计。使用多面体模型对循环（循环内包含判断选择结构）函数调用的情况进行建模，将静态分析无法确定的性能数据作为参数保留，结合用户定义的体系结构描述文件，建立起一个参数化的性能模型，提出一种面向高性能计算（high performance computing，HPC）应用软件的性能建模方法。与动态的建模方法相比，避免了反复执行被建模程序所带来的计算资源占用和时间开销，同时又具有较高的灵活性和可用性；在性能模型的精确度上，也与动态的方法非常接近。同时，以参数化的性能模型为基础，能对和程序性能有关的其他重要数据进行进一步的估算。

• 基于层次分析法的犹豫模糊语言包络分析模型及其在边缘节点网络安全评估中的应用

  陈喆玙,林铭炜,

  针对传统的网络安全评估方法仅用单一语言术语作为偏好信息难以评估复杂网络环境的安全性的问题，利用犹豫模糊语言术语集作为评估网络安全的偏好信息，提出了一种基于层次分析法（analytic hierarchy process，AHP）的犹豫模糊语言包络分析模型，用以评估边缘节点的网络安全性。该模型通过求解目标规划模型获得最优的网络安全准则权重信息，进一步构建网络安全准则权重信息对应的AHP约束锥作为犹豫模糊语言包络分析模型的约束条件，获得移动用户安全评估的排序结果。实例证明该模型能够合理地融合网络安全准则偏好信息，并有效地处理边缘节点的网络安全评估问题。

• 基于对称多项式的智能家居设备安全认证方案研究

  杨亚军,陈秀真,马进,

  智能家居设备中大部分传感节点计算能力较弱，而如何保证节点身份合法和数据传输安全是一个急需解决的新问题。基于对称多项式，提出一种匿名节点配对打分机制的认证方案。该方案预先在本地服务器生成节点之间的随机配对表，当节点向服务器发送消息时，首先通过配对表向相关联节点发送有服务器标志的认证信息，关联节点根据此认证消息分析是否含有自己的身份信息，然后返回给服务器该节点的身份可靠度分数，服务器进一步收集信息并计算该节点的可靠系数。当该系数低于一定的阈值时，则证明节点异常，从而及时清除该节点。该方案有效地解决了传统对称多项式加密被暴力破解而引发的节点身份安全问题，保证了接入节点的合法性。

• 一种基于随机二态编码的交易保密验证方法

  陈育三,李秦伟,罗婧雯,

  针对密文状态下的交易金额验证问题，采用安全多方计算原理提出一种新的随机二态编码方法。应用这种编码方法和随机产生的全序集合对交易进行编码，构造一个能使交易完全一一对应的编码向量。基于此，将交易保密验证问题转换为保密计算编码向量中部分元素累加问题。通过累加结果区分交易关系，结合椭圆曲线及同态特性进而解决交易保密验证问题。最后在半诚实模型下利用模拟范例证明了方法的正确性和安全性。理论分析表明，与已有方案相比，所提出的方法具有密钥短小、实用性强等优点。

• 基于S-BAC跨分片共识协议的改进方案

  胡振宇,唐颖杰,杨振国,刘文印,

  针对跨分片共识协议S-BAC通过分片之间互相通信来处理跨分片交易，造成通信开销大和高时延的问题，提出了一种改进的跨分片共识协议S-BAC+。首先，通过分片管理员来处理跨分片交易，有效地减少了通信开销和时延；其次，引入基于信誉的投票机制，为节点设置信誉值和信誉等级，通过投票选取最终票数高的节点组成分片管理员，提高了分片管理员的可靠性。实验表明，该协议比S-BAC更有效，减少了通信开销，降低了时延，提高了交易吞吐量。

• 基于差分进化的缺陷样本生成算法

  范纯龙,宿彤,滕一平,王翼新,丁国辉,

  黑盒攻击主要是基于决策的攻击，但普遍存在查询次数多、敏感点难选择的问题，因此提出了基于差分进化的缺陷样本生成算法。算法将黑盒攻击定义为一个无约束优化问题，利用差分进化搜索图像敏感点，并优化基于深度学习模型决策定义的损失函数以及梯度计算方法，实现有效的黑盒攻击。在攻击成功率相同的条件下，在MNIST和CIFAR10数据集上的平均查询次数分别减少了28.3%和14.8%。

• 基于大数据和图社群聚类算法的攻击者画像构建

  黄志宏,张波,

  为了在海量、多源、异构的网络威胁入侵日志中快速、准确地甄别真实的攻击事件及发现攻击者，并构建其特征画像，提出一种基于大数据流式解析技术和Louvain社群发现算法（big data stream analysis and Louvain，BDSAL）的构建攻击者画像的方法。根据攻击模式枚举与分类（common attack pattern enumeration and classification，CAPEC）标准定义了安全事件的范式模型，并结合大数据流式消息队列实现将多源异构日志快速范化成为范式化安全事件。通过提取和扩展安全事件的特征生成事件特征图，并按照时空和攻击模式特征，使用社群发现算法对特征图进行聚类，以发现攻击者。最后，结合实验室真实的攻防数据，验证了该方法的可行性和有效性。

• 基于决策树映射的低功耗TCAM包分类方案

  李文军,刘馨蔚,邢凯轩,乐文霞,李挥,

  为了实现网络流的线速转发，高性能交换机普遍采用三态内容寻址存储器（TCAM）来构建其包分类引擎。针对TCAM功耗高的问题，近年来出现了许多低功耗索引方案，实现了TCAM存储块的选择性激活以降低功耗，但这些索引方案普遍采用自底向上的局部优化算法来构建，无法有效实现流表规则的均匀划分，严重影响了TCAM的存储效率及功耗降低效果。提出并实现了一种基于决策树映射的TCAM低功耗索引方案，在极大降低功耗的同时提升了TCAM的存储效率。利用规则普遍存在的小域特征，将原始规则集划分为若干个规则子集，然后针对各个子集的特征域，采用自顶向下的方式分别构建平衡决策树，最后通过对各个决策树进行贪心遍历，从而得到TCAM索引列表。实验表明，针对规模为十万条的规则集，算法在仅使用额外1.3%存储空间开销的同时实现了98.2%的功耗降低。

• 移动边缘计算中基于深度强化学习的计算卸载调度方法

  詹文翰,王瑾,朱清新,段翰聪,叶娅兰,

  针对移动边缘计算中具有依赖关系的任务的卸载决策问题，提出一种基于深度强化学习的任务卸载调度方法，以最小化应用程序的执行时间。任务调度的过程被描述为一个马尔可夫决策过程，其调度策略由所提出的序列到序列深度神经网络表示，并通过近端策略优化（proximal policy optimization）方法进行训练。仿真实验表明，所提出的算法具有良好的收敛能力，并且在不同环境下的表现均优于所对比的六个基线算法，证明了该方法的有效性和可靠性。

• WSN中利用XGBoost和加权自适应HFLMS的数据约减组合预测方法

  于辰云,冯锡炜,刘旸,

  针对无线传感器网络（WSN）中能量、带宽和内存等各种资源的限制问题，提出了一种XGBoost结合加权自适应分层分数最小均方误差（hierarchical fractional least-mean-square，HFLMS）的数据约减组合预测方法。首先，利用XGBoost方法对损失函数进行了二阶的泰勒展开，权衡模型的复杂度和损失函数的下降速度，实现了资源限制的稳定预测；然后提出自适应HFLMS滤波器实现WSN数据约简的传输，并基于误差估计来预测所感测的数据，有效降低了WSN中的能量约束；最后，利用两个评估参数（能量和预测误差）来验证所提组合预测方法的性能。实验结果表明，相比没有预测、近似最速下降算法和分层最小均方滤波技术，提出的预测方法获得的预测结果更好。

• 弹性光数据中心网络中收益最大化的带宽分配算法

  张震,李燕,代仕芳,

  弹性光数据中心网络中的带宽分配需要兼顾云服务提供商收益和用户连接请求性能，对此提出收益最大化的带宽分配算法，其以子载波为基本单位将光纤带宽有效地分配给多个用户连接请求。首先，基于收益模型和虚拟子载波的概念建立带宽分配问题的整数线性规划模型；接着提出一种基于动态规划的带宽分配算法以及一种启发式的带宽分配算法，前者致力于获得最大的分配收益，后者则力求获得更好的时间效率；最后，通过仿真实验对所设计的带宽算法的性能进行验证。实验结果表明，相较于已有的弹性光数据中心网络中的带宽分配算法，设计的两种算法均能在带宽分配中获得更高的系统收益。

• 一种基于局部变换处理的干扰抵消后置处理方法

  王思秀,张蕾,刘文,郭文强,

  针对基于阻塞矩阵方式抵消干扰产生的探测影区问题，提出了一种基于局部变换处理的干扰抵消后置处理方法。首先根据干扰抵消方位对接收阵拾取数据进行线性变换处理，合成一组新数据；其次采用空间谱合成方法对新数据进行变换处理，得到空间各方位对应空间谱；然后采用局部变换处理方法，提取空间谱基底变化量；最后采用空间谱基底变化量对空间谱进行均衡处理，降低探测影区。数值仿真和数据处理均表明，该方法通过对干扰抵消后空间谱进行局部非线性均衡处理，减小了空间谱基底变化量，将探测影区缩小到了3°以内，改善了基于阻塞矩阵方式干扰抵消方法。

• 基于BBO算法的WSN覆盖与连接节点部署方案

  陈欣,葛耿育,刘银梅,成爱民,

  针对无线传感器网络中目标节点部署能力差的问题，提出基于生物地理学优化（biogeography-based optimization，BBO）算法的节点部署方案，该方案能够在网络中找到满足K-覆盖和M-连通性要求的传感器节点最佳部署位置。提出的基于BBO的算法为目标节点提供了一种有效的编码方案，通过优化构建的加权多目标函数来获得近似最优解，选择最小数量的合适点P，使得所有目标点在满足K-覆盖的同时，覆盖目标的传感器节点也满足M-连接。仿真结果表明，该方案能够在不同的K和M组合下找到合适位置的最优数，而且与其他技术方案相比，该方案的性能具有明显的优势。

• 无线网络中最小权虚拟骨干网连通部分的新方法

  覃斌,梁家荣,易梦,

  无线网络中的虚拟骨干（VB）是一些无线节点的子集，因此只有VB中的节点负责路由相关任务，并且VB总权值越小会导致开销越少。在一个点赋权的无线网络中，不单要考虑VB中节点数的多少，更重要的是要考虑其总权值的大小。通常，一个赋权无线网络被模型化为一个点赋权单位圆盘图（UDG），相应地赋权无线网络中的最小权VB问题被抽象为点赋权UDG中的最小权连通控制集（MWCDS）问题进行研究。求MWCDS是一个NP-难问题。为降低点赋权UDG中MWCDS问题的近似比，在连通部分提出一种新方法——基于度的点赋权Steiner树算法。结合目前最好的结果，对于UDG中的MWCDS问题将得到一个（3.32+ε）-近似算法。同样地，对于UDG中的最小权顶点覆盖（MWCVC）问题也将得到一个（3.32+ε）-近似算法。证明了通过改进连通部分的近似比令点赋权UDG中MWCDS问题的近似比降低的方法是可行的。

• 下行NOMA系统中一种考虑用户QoS的功率分配方案

  陈发堂,邓青,石贝贝,

  为了提高未来网络的系统吞吐量和频谱效率，非正交多址接入技术（non-orthogonal multiple access，NOMA）的功率分配问题成为了近年来移动通信领域研究重点。在保证用户服务质量的前提下，针对下行NOMA系统的功率分配问题进行了研究，在子带间采用迭代注水算法，小范围注水分配各子带的功率，在子带内考虑用户服务质量，利用卡罗需—库恩—塔克（Karush-Kuhn-Tucker， KKT）条件求出最优功率分配因子，以此最大化系统总吞吐量。仿真证明，提出的功率分配方案能达到的系统总吞吐量、频谱效率优于传统的功率分配方案，其系统总吞吐量比正交多址接入技术（orthogonal multiple access，OMA）提升了约40%以上。

• 利用改进ILP和二进制穷举择优法的低成本物联网流量多目标路由感知方法

  郭红艳,邱道尹,

  针对无线网络不能为多样化应用需求提供支持及卸载移动通信核心成本较高的问题，提出了一种改进整数线性规划模型（IILP）结合二进制穷举择优法的低成本混合物联网流量多目标路由感知方法。首先，基于IILP对混合物联网流量路由感知进行建模，获得准确的能量感知模型；其次，采用多目标MAXI路由感知算法对多目标路由感知模型进行了求解，降低了流量路由求解的延时；最后，采用二进制穷举择优法对流量路由感知的吞吐量进行扩展。仿真实验表明，与现有算法相比，提出方法降低了求解的延时，提高了流量的吞吐量，减少了流量的丢包率，同时还降低了混合物联网多目标路由感知的成本。

• 融合运动信息的图像运动模糊去除算法

  董星煜,刘传奇,赵健康,

  现有运动去模糊算法难以有效复原含有大尺度旋转的复合运动模糊，针对此问题提出了一种基于U-net模型的神经网络框架。该框架通过融合运动信息至网络输入，给定每一像素点不同的运动约束。经过网络的编码器与解码器结构，得到每一像素点的预测值，实现端对端的方式直接获得复原图像。实验在通用数据集上与当前先进去模糊算法进行比较，该方法相比性能最好的算法PSNR（peak signal-to-noise ratio）值提高了0.14 dB，相比实时性最好的算法运行时间减少了0.1 s；同时在含有旋转运动的测试集上进行验证，证明了该算法可获得较好的复原质量。

• 面向量测的m-最优N扫描多假设跟踪方法

  刘建锋,

  为解决联合概率数据互联只能跟踪已知数目目标和互联模糊，以及传统多假设跟踪算法生成假设数目随时间积累呈指数增长问题。提出一种面向量测m-最优假设N扫描MHT方法。首先，在每一假设下生成m-最优假设，在每帧产生既定数目最优及次优假设；然后，通过N宽度滑窗产生最优可行假设，完成数据互联，并分别使用两点差分线性法和全局最小二乘估计完成单个新目标和多个新目标航迹起始。仿真结果表明，该方法与MHT-DAM算法相比较，获得了跟踪性能和运算时间上的平衡。

• 基于时空显著性的双核KCF目标跟踪算法

  刘小楠,邓春华,丁胜,

  传统的核相关滤波器跟踪算法（KCF）在模板更新上容易出现跟踪误差累计，从而导致目标跟踪过程中出现跟踪漂移问题。针对该问题，提出了一种时空显著性的双核KCF目标跟踪的方法。该算法引入了一种时空显著性方法来搜索目标区域的显著特征和姿态稳定的局部区域。利用该局部区域对跟踪过程中产生的累计误差有较低的敏感度特性，能够减少跟踪过程中的累计误差。然后再结合原目标和显著区域建立一个双核跟踪机制，在跟踪过程中不断对原目标跟踪结果进行微调，降低跟踪累计误差。此外，针对快速运动的目标相邻帧偏移量较大的问题，提出了一种锚点预测机制，使得跟踪锚点与目标位置更接近，能够更准确地跟踪到目标。在大型公共数据上测试的实验结果表明，提出的算法在光照、遮挡、变形、快速运动、旋转以及背景杂波等复杂情况下，均具有较强的适应性。

• 轻量金字塔解码结构的单目深度估计网络

  贾瑞明,李彤,李阳,王一丁,

  针对单目深度估计网络庞大的参数量和计算量，提出一种轻量金字塔解码结构的单目深度估计网络，可以在保证估计精度的情况下降低网络模型的复杂度、减少运算时间。该网络基于编解码结构，以端到端的方式估计单目图像的深度图。编码端使用ResNet50网络结构；在解码端提出了一种轻量金字塔解码模块，采用深度空洞可分离卷积和分组卷积以提升感受野范围，同时减少了参数量，并且采用金字塔结构融合不同感受野下的特征图以提升解码模块的性能；此外，在解码模块之间增加跳跃连接实现知识共享，以提升网络的估计精度。在NYUD v2数据集上的实验结果表明，与结构注意力引导网络相比，轻量金字塔解码结构的单目深度估计网络在误差RMS的指标上降低约11.0%，计算效率提升约84.6%。

• 基于分级关键帧筛选的RGB-D SLAM算法研究

  成茵,王志超,林岩,

  利用关键帧求解SLAM算法（simultaneous localization and mapping）能够提高SLAM系统的实时性与精确度。针对现存关键帧筛选算法中存在的计算复杂度高、图像帧冗余以及鲁棒性较差等问题，提出一种分级关键帧筛选方法。该算法考虑了SLAM系统在不同运行阶段时对关键帧的要求，首先结合旋转度指数与地图点跟踪筛选出一级关键帧用于后端优化与回环检测，再利用相邻帧在空间上的相对运动距离筛选出二级关键帧用于三维地图构建，最后，实现了基于此二级筛选算法的RGB-D SLAM系统。实验表明，一级关键帧算法能提高SLAM系统的定位和建图精度，二级关键帧算法则有效减少了数据冗余，提高了建图效率。

• 基于路径跟踪的拖车式移动机器人动态窗口法

  任工昌,胡小龙,刘朋,

  针对目前局部路径规划算法只适用于单车体机器人的问题，提出了一种针对拖车式移动机器人的动态窗口法。首先，利用多车体结构的路径跟踪方程实现对拖车式移动机器人的运动控制；然后，利用评价函数同时对牵引车和拖车进行评价并根据权重相加；最后，针对拖车结构特性，添加了运动过程中牵引车与拖车的夹角约束，保证运动轨迹的稳定性。仿真实验表明：拖车式移动机器人的运动控制可满足收敛性，同时所提算法实现了拖车式移动机器人局部路径规划的任务，且在运动过程中夹角变化均未超出限制。该研究对拖车式移动机器人的自主导航有极大的参考价值。

• 基于假设检验匹配约束的点云配准算法研究

  江旭,耿楠,张志毅,胡少军,

  针对点云配准中效率低、误差大、抗噪性弱等问题，提出了一种改进的基于t检验的迭代最近点（T-ICP）算法。在初始配准阶段，采用统计分析对源点云和目标点云中的离群点进行标记并提取非离群点，然后采用主成分分析法（PCA）计算非离群源点云和非离群目标点云之间的变换矩阵，并将变换矩阵应用于源点云。在精配准阶段，以迭代最近点（ICP）算法作为基本框架，通过对候选点对的邻域距离分布进行t检验来剔除错误点对，并采用均匀分布策略来搜索点对，保证点云的完整形态配准。实验结果表明，相较于迭代最近点算法以及近两年一些改进的配准算法，该算法在效率和精度上分别提高了10%~50%和4%~40%，并具有较好的鲁棒性。

• 基于加权紧凑局部图结构的人脸识别算法

  杨巨成,王洁,王嫄,毛磊,代翔子,刘建征,吴超,

  针对局部图结构算法（local graph structure，LGS）构建图结构时用到的像素点距离中心像素太远，以及在图结构形成后分配权重时没有结合周围像素点到中心像素的距离因素问题，提出加权紧凑局部图结构（weighted compact local graph structure，WCLGS）算法。该算法定义了一种混合特征提取策略，从四个方向为中心像素点构建图结构，分别在垂直方向和对角线方向捕获对称和非对称信息，并且在图结构形成后对距中心像素点近的边赋较大的权重，对距中心像素点远的边赋较小的权重。WCLGS通过提取更近的像素点信息和合理的加权策略，密切关注中心像素点的近邻元素的差异，使得中心点两侧的信息提取更加均匀充分。实验证明，与现有的一些局部图结构算法相比，WCLGS在ORL（Olivetti Research Laboratory）、AR（active record）和HD（high definition）热红外人脸数据库上有更好的识别率和性能。

• 基于全局特征拼接的行人重识别算法研究

  熊炜,杨荻椿,熊子婕,童磊,李利荣,王娟,

  针对目前行人重识别出现网络模型复杂化、识别率低的问题，提出一种基于全局特征拼接的行人重识别算法。首先利用卷积神经网络（CNN）提取全局特征；然后把不同卷积层提取的特征进行拼接，使特征信息互补；最后将拼接后的特征再次进行卷积处理，获得高表征能力的特征。网络训练时，采用聚类损失函数和标签平滑损失函数联合训练，同时引入了随机擦除和减小池化步长的训练技巧。在Market1501、DukeMTMC-reID、CUHK03和MSMT17数据集上进行了实验验证，实验表明所提算法具有良好性能，其中在Market1501上，Rank-1、mAP分别达到了95.9%和94.6%。