计算机应用研究杂志

计算机应用研究杂志2021年第2期

• 半监督特征选择综述

  张东方,陈海燕,王建东,

  如何针对半监督数据集，利用不完整的监督信息完成特征选择，已经成为模式识别与机器学习领域的研究热点。为方便研究者系统地了解半监督特征选择领域的研究现状和发展趋势，对半监督特征选择方法进行综述。首先探讨了半监督特征选择方法的分类，将其按理论基础的不同分为基于图的方法、基于伪标签的方法、基于支持向量机的方法以及其他方法；然后详细介绍并比较了各个类别的典型方法；之后整理了半监督特征选择的热点应用；最后展望了半监督特征选择方法未来的研究方向。

• 高效用模式挖掘关键技术综述

  张春砚,韩萌,孙蕊,杜诗语,申明尧,

  通过分析有关高效用模式挖掘（high utility pattern mining，HUPM）最先进的方法，对其进行全面和结构化的概述。首先，通过介绍HUPM的相关概念、公式并给出应用示例，对HUPM有更深一步的理解；针对用于挖掘不同类型HUPM的最常见和最先进的关键技术进行分类，包括基于Apriori、基于树、基于列表、基于映射、基于垂直/水平数据格式、基于索引等方法。针对现有关键技术的用途和优缺点进行了全面概述，由于静态数据难以满足实际需要，总结了在数据流上应用的HUPM方法，主要包括基于增量方法、基于滑动窗口模型方法、基于时间衰减模型方法、基于地标模型方法等。最后，给出了现有技术的不足和改进方向，并且有针对性地提出了新的研究方法。

• 跨链技术发展综述

  徐卓嫣,周轩,

  对跨链技术的实现方式及现存项目进行系统性的分析总结。首先分析跨链在安全方面、连接方面及消息同步方面现存的待解决问题；紧接着详细阐述了项目自身的跨链理念、架构及过程，讨论了现存跨链项目对这些问题的解决方案；随后，从连接方式、实现难度、安全性等方面出发，对比了主流项目的异同点并介绍了新兴起项目；最后总结综合分析了跨链技术的局限性，与此同时，讨论了跨链的意义并展望了跨链在若干领域的发展趋势。

• 基于CFL认证体制的区块链系统认证机制研究

  舒展翔,李腾飞,余祥,李强,

  针对现有区块链系统认证机制存在的单点失效、弱身份认证等问题，研究了基于CFL认证体制的区块链系统认证机制。在分析CFL体制基本原理的基础上，提出基于CFL的区块链系统认证技术；综合应用π演算理论，建立基于CFL认证体制的区块链系统认证模型CFL-BCAM。实验与分析结果表明，本方法能够为区块链系统提供正确的、安全的认证服务。

• 一种基于双链模型的分区共识协议

  黄建华,黄雪茹,季钰翔,唐瑞琮,

  针对目前分区模型中区块链的存储容量不能随着分区的增加而同步扩展以及分区算法存在的安全性问题，提出一种基于双链模型的分区共识协议（dual blockchain-based sharding consensus protocol，DB-SCP）。首先通过基于哈希链和交易链的双链分区存储模型来设计验证信息共享机制和交易差异化存储机制，实现了区块链的存储容量随分区的增多而同步增加；其次，采用基于节点投票份额的分区方法将节点权益拆分到不同的分区，有效防止了分区中权益过多节点的出现；最后采用VRF函数改进分区内共识算法，保证了验证者选取的随机性，且使用密钥演变技术保证了交易的前向安全性。安全性分析表明，基于投票份额的分区方式既稳定又安全，实验结果表明该协议有着良好的性能优势，存储容量较传统区块链模型提升了30%~70%。

• TTShuffle：一种区块链中基于两层洗牌的隐私保护机制

  程其玲,金瑜,

  区块链隐私保护技术中的去中心化混币机制CoinJoin和CoinShuffle，分别因为代理节点不可信和节点需要层层传递加密而存在安全或效率低的问题，因此提出了TTShuffle，一种两层的隐私保护机制。首先将所有混币节点分成不同的组，通过层层加密在组内进行第一层洗牌，保护组内交易的敏感数据；然后由每个组派一个节点作为本组的代表，进行第二层的组间洗牌，保护所有组的敏感数据得到最后完整的交易内容。通过安全和实验分析表明，TTShuffle中40个混币参与者混币时间低于10 s，相比CoinShuffle机制提高了混币的效率，减少了混币时间，也确保了混币过程的隐私安全。

• 一种弱中心化的银行可信数据管理方案

  杨城,张琰,

  针对传统银行系统的中心化数据存储模式高效便捷但不透明、而新兴的去中心化的应用系统公开透明但共识机制低效的问题，提出了一种面向银行系统的总分双链的弱中心化可信数据管理方案。该模式的核心思想是应用区块链技术打造彼此交叉且相互印证的总分双链的数据存储结构，并利用分户账回溯定位技术，结合大量轻客户端基于密码学技术的分布式监督为个体提供交易验证的可能，从而实现数据的中心化可信存储与管理。它将中心化的数据存储与去中心化的数据验证相结合，从而兼有中心化管理的高效性和分布式机制的透明性，其本质上是一种民主监督下的中心模式，在满足银行独立，完全掌控数据的同时能够自证清白，并兼顾隐私与监督之间的平衡。

• 基于多视角对抗学习的开放域对话生成模型

  张凉,杨燕,陈成才,贺樑,

  近年来，随着智能家居的普及，对话系统在生活中发挥着越来越重要的作用，基于神经网络构建的生成式对话系统由于其灵活性高受到了许多研究者的关注。以提高生成模型对话的流畅性、上下文相关性为目的，提出基于多视角对抗学习的开放域对话生成模型。其中，模型生成器是基于检索到的相似对话进行改写得到生成的对话；模型的判别器是由两个二分类器共同组成的，该二元判别器分别从句子、对话两个层面多视角地对生成句子进行判别。在中文对话语料上进行实验，该模型在人工评价和自动评测上的得分都高于目前常用的对话生成模型。实验结果表明，利用二元判别器多视角训练可以同时提高生成回复的流畅度和上下文相关性。

• 基于节点从属度的加权网络重叠社区划分算法

  付立东,郝伟,李凡,

  针对传统社区划分算法忽略现实世界网络特征导致社区划分准确率低的问题，提出了一种基于节点从属度的加权网络重叠社区划分算法。该算法提出加权网络模型，通过模型得到了能刻画出真实网络结构的加权网络；通过网络拓扑结构定义了核心社区，核心社区对社区划分的准确性有着重要作用。该算法计算节点与核心社区间的从属度，并与从属度阈值进行比较进行核心社区扩展，根据扩展模块度优化思想，通过不断地调整从属度阈值直到获得最优的社区结构，完成重叠社区划分。在人工网络数据集和真实世界网络数据集上与已有算法进行实验对比，实验结果验证了所提算法能够准确、有效地检测出重叠社区。

• 基于评分可信度的大数据线性回归推荐算法

  刘欢,戴牡红,龙飞,

  针对传统线性回归推荐算法没有考虑用户兴趣漂移、活跃度和评分可信度等影响因素，为进一步提高算法的准确度和对用户偏好的拟合度，提出一种融合评分可信度的线性回归推荐算法。首先将用户的兴趣漂移度、活跃度和用户对商品的评价信息综合考虑到用户评分可信度的计算方法中；然后将该方法融合到传统线性回归推荐算法系数矩阵求解过程当中；最后利用优化后的线性回归推荐算法对用户评分进行预测。为了验证该算法的准确性，在Hadoop集群和亚马逊商品评分数据集上与传统的线性回归推荐算法进行了对比，实验结果表明，该算法在处理效率、推荐效果和拟合程度上有明显提高。

• 基于语言模型的中文话头自足句识别方法

  张禹尧,蒋玉茹,毛腾,张仰森,

  根据话头自足句理论进行标点句的话头自足句识别任务，探究语言模型在该任务中的应用效果，进一步将该任务划分为单个标点句的话头自足句识别和标点句序列的话头自足句识别。在单个标点句的话头自足句识别任务中，对该任务在形式上进行了完整的定义，将其形式化为机器阅读理解任务。从结果来看，在《围城》语料上取得了83.46%的准确率，在“鱼类百科”语料上的准确率达到91.21%。在标点句序列的话头自足句识别任务中，利用单个标点句的话头自足句识别任务中训练好的模型，以流水线的方式进行标点句序列的话头自足句识别，在“鱼类百科”语料上的准确率达到82.03%。实验结果表明，提出的方法能够有效地提高中文话头自足句识别的准确率。

• 云模式事件混沌关联特征提取的物联网大数据聚类算法

  王雪蓉,万年红,

  目前的聚类方法单纯从某个角度研究数据聚类问题，对基于云模式的混沌的物联网大数据聚类的考虑不足，聚类质量不高。为实现敏捷、智能、平稳的物联网大数据聚类，基于开展物联网事件的云模式通用描述模型、物联网事件混沌关联特征的云模式通用解析模型、基于云模式的物联网事件混沌关联特征提取算法、基于云模式混沌关联特征的物联网大数据关联挖掘研究，改进分解奇异值算法、网格耦合聚类算法、K-means算法、决策树学习法、分析主成分法、分层合并法等算法和分布概率函数，设计了一种基于事件混沌关联特征、敏捷、智能、平稳的物联网大数据聚类算法。最后，开展实验验证，并与传统算法进行性能对比分析。实验结果表明，相比传统算法，该算法聚类时间短、误差小，且敏捷性、智能性、动态演化性和平稳性高。因此，该算法实现了基于云模式的具有混沌关联特征的物联网事件大数据的有效聚类，具有较高的应用价值。

• 基于知识图注意网络的个性化推荐算法

  荣沛,苏凡军,

  现有的大多数利用知识图谱的推荐算法在探索用户的潜在偏好时没有有效解决知识图谱中存在的不相关实体的问题，导致推荐结果准确率不高。针对这一问题，提出了基于知识图谱和图注意网络的推荐算法KG-GAT（knowledge graph and graph attention network）。该算法将知识图谱作为辅助信息，在图注意网络中使用分层注意力机制嵌入与实体相关的近邻实体的信息来重新定义实体的嵌入，得到更有效的用户和项目的潜在表示，生成更精确的top-N推荐列表，并带来了可解释性。最后利用两个公开数据集将所提算法和其他算法进行实验对比，得出所提算法KG-GAT能够有效解决沿着知识图谱中的关系探索用户的潜在偏好时存在的不相关实体的问题。

• 基于AR_TSM的时间序列motif关联规则挖掘方法研究

  赵丹枫,黄雁玲,黄冬梅,林俊辰,宋巍,

  挖掘时间序列motif间潜在的关联规则可以在预测未来趋势方面发挥重要作用，时间序列motif即时间序列中先前未知的重复出现的模式。针对符号化时间序列提取motif导致信息丢失的问题，提出基于剪枝技术的motif提取算法PM_Motif，实现了保留原始信息的motif的精准快速提取；针对分割motif来发现其内部关联规则导致的规则不一致的问题，从motif间的关联规则入手，给出了基于AR_TSM方法的时间序列motif关联规则挖掘算法，从根本上避免了因motif分割引起的不确定性，保证了规则的一致性；最后，引入了关联规则评价参数RM，在多数据集上证明了关联规则的预测性能。

• 基于Spark的大规模网络结构发现算法

  柴变芳,欧朋成,胡吉朝,

  当今社会处于大数据时代，现实中的网络数据越来越多，其结构复杂、规模庞大，有效分析其结构对了解、应用其提供的信息具有重要作用。基于混合模型的网络结构发现算法可挖掘网络中的多类型聚类结构，但不能有效处理大规模网络。基于GraphX图计算模型，提出基于Spark的大规模网络的结构发现算法LNSES，从存储空间和运行时间两方面提升算法效率。为减少网络结构发现算法存储大规模网络邻接矩阵内存耗费量，LNSES算法将边、节点及节点静态属性值进行分布式存储，边分区记录节点连边，可作为索引进行节点间参数传递。为提高网络结构发现算法效率，边分区和节点分区进行拉链操作产生索引结构；更新参数时，节点根据索引找到边分区上对应的边，并行实现节点参数更新。在真实和人工大规模网络数据集上的实验结果表明：LNSES在运行时间和网络结构识别准确度方面都要优于同类网络结构发现算法，可以对大规模网络中的结构进行挖掘分析。

• 多尺度分类挖掘算法

  张璐璐,赵书良,田真真,陈润资,

  多尺度分类挖掘多局限于空间数据，且对一般数据尺度特性进行分类的研究较少。针对上述问题，进行普适的多尺度分类方法研究，以扩大多尺度适用范围。从空间数据估计角度出发，结合层次理论和尺度特性，基于概率密度估计离散化方法，针对数据的多尺度特性进行分类挖掘。以非局部均值和三次卷积插值为理论基础，利用Q统计和不一致度量进行操作，提出多尺度分类尺度上推算法和多尺度分类尺度下推算法。采用UCI数据集和H省人口真实数据集进行实验，并与CFW、MSCSUA和MSCSDA等算法进行对比，结果表明，该算法可行有效。与其他算法相比，尺度上推算法正确率平均提高4.5%，F-score提高4.8%，NMI提高12.3%，尺度下推算法各个相应指标分别平均提高5.3%，6.6%和11.8%。

• 基于LFOA-HSRVM的IPTV用户报障预测方法

  刘超,陈春冰,王攀,

  针对交互式网络电视（IPTV）用户报障因素复杂、故障样本相对贫瘠的问题，基于相关向量机（RVM）高稀疏性的建模特点提出一种结合RVM参数优化和混合采样的IPTV用户报障预测方法（LFOA-HSRVM）。该方法将IPTV的用户报障预测视为一个针对非均衡数据集的二分类问题，克服了传统RVM算法在处理非均衡数据时决策边界偏向少数类样本的问题。实验表明，与其他相关算法相比，该算法的少数类分类性能和总体分类性能均有较大提升，能获得更好的报障预测效果。

• 基于Erlang-HSMM的设备剩余寿命预测研究

  李永朋,刘勤明,叶春明,李冠林,

  对于关键复杂设备进行健康诊断和设备剩余寿命预测，提出了一种基于爱尔朗分布和隐半马尔可夫模型的联合剩余寿命预测模型（Erlang-HSMM，E-HSMM）。首先，提出了改进的前后向算法、维特比算法和Baum-Welch算法，有效地降低了模型的计算复杂度；其次，基于爱尔朗分布改进设备的健康状态逗留时间，将状态逗留时间分为已遍历和未遍历两个部分，提出新的健康状态逗留时间的概率分布；最后，针对状态监测数据，利用失效率理论构建设备剩余寿命预测模型。通过美国Caterpillar公司液压泵的状态监测实际数据进行评价与验证，实验结果表明，E-HSMM模型对设备的状态诊断和剩余寿命预测更加符合实际状况，比传统的隐半马尔可夫模型（HSMM）更有效。

• 基于引力搜索的布尔函数生成算法

  贾少帅,张凤荣,

  布尔函数是在密码学、纠错编码和扩频通信等领域有着广泛应用的密码函数，寻找性能优良的布尔函数一直是密码学领域的重要问题之一。基于引力搜索算法设计了一种搜索布尔函数的新算法。该算法模仿万有引力定律，以n维空间中的质量点表示布尔函数，以布尔函数的密码特性作为目标适应度函数进行搜索。实验结果表明，算法使用新设计的目标适应度函数可以直接生成具有1阶弹性、1阶扩散准则和高非线性度、高代数次数以及低自相关指标等多种密码学指标的平衡布尔函数，并且进一步给出了直接生成2输出平衡布尔函数的计算机搜索算法。

• 基于ML loss的SVM分类算法

  徐龙飞,郁进明,

  SVM的损失函数可以保证分类结果的高置信度，但同时是一个无界的凸函数，导致受噪声的影响较大。为了提高SVM在噪声环境下的分类效果，提出使用结合了pinball和LS损失函数的ML loss来降低对噪声的敏感性，将其应用到SVM中得到MLSVM模型。根据LS损失函数具有结构风险最小化的特性和等式约束来简化求解过程，然后使用pinball损失函数根据分类样本之间的最大分位数距离来确定分类超平面，再使用拉格朗日函数等方法求解MLSVM的目标函数和分类超平面。在数据集上的实验表明，相比于hinge SVM等模型，MLSVM可以降低对数据中噪声的敏感性，提升对含噪数据的分类性能。

• 基于渗透式人工蜂群与蚁群优化混合的负载平衡算法

  侯翔,杨成福,刘笃晋,

  针对当前云计算负载平衡调度过程中出现的虚拟机迁移效率低和能耗高问题，提出了一种基于渗透式人工蜂群与蚁群混合优化负载平衡算法，该算法将化学渗透行为与生物启发的负载平衡算法相结合，在充分利用人工蜂群和蚁群两种优化算法优点的同时，将渗透技术应用于负载均衡。由于渗透技术支持通过云基础设施迁移的虚拟机的自动部署，从而克服了现有仿生算法在实现物理机之间负载平衡方面的缺点，提高了迁移效率。实验结果表明，以现有负载平衡算法相比，提出的算法在迁移性能上提升明显。

• 基于故障模式的SFN中事件重要性研究

  李莎莎,崔铁军,

  为研究系统故障演化过程（SFEP）中各事件的重要性，了解各事件对故障模式的影响，提出事件重要性分析方法。基于系统科学复杂网络节点重要性分析思想，在空间故障网络（SFN）框架内对SFEP中事件重要性进行分析；通过抑制事件发生（去掉节点）分析原始故障模式和抑制后故障模式的变化来衡量事件重要性，衡量指标包括致障率、复杂率、重要性和综合重要性，从不同角度对事件重要性进行分析。通过简单的SFEP说明了指标计算方法，结果表明，不同指标对事件重要性的研究侧重点不同，计算得到的各指标排序和具体数值也不同，为进一步研究事件重要度提供了理论基础。

• 考虑生活垃圾可利用率的闭环供应链差别定价决策

  周鹏,李芳,

  基于可回收垃圾的可利用程度与消费者对其再制品的偏好性不同的实际情况，建立闭环供应链的差别定价模型，从而分析闭环供应链总利润随废品可利用率和消费者偏好的变化规律。结果发现，当再制品和残值单位总价值大于新产品的单位成本价格偏好时，总利润随着消费者偏好系数的增大而增大。但在分散决策情形下，会造成各企业节点之间效率的流失。据此，提出以集中决策下的均衡结果作为标准，建立了一种协调契约收益共享机制。最后通过算例分析，得到收益共享比例的具体取值范围，实现了供应链中各节点之间的有效协调。

• 基于自我意识的agent通信语言包容性研究

  路文华,罗钧旻,高武奇,

  针对主流agent通信语言在描述通信内容及其语义时存在一定的局限性问题，提出了基于自我意识的agent通信语言（ACLBSC）并对其包容性进行研究。首先，研究了基于自我意识的agent结构及其含义，证明基于自我意识的agent通信语言能理解其结构与含义并将其转换为通信内容；其次，分析了主流agent通信语言的语用词及其语义，研究了用基于自我意识的agent通信语言对主流agent通信语言的包容；最后通过具体通信实例对比了不同通信语言的包容性。结果表明基于自我意识的agent通信语言不仅能够很好地包容主流agent通信语言，还能模拟人类的通信模式，方便agent之间对通信内容的理解。

• 面向测量误差模型的外生变量估计方法

  谢峰,蔡瑞初,曾艳,郝志峰,

  从观察数据中发现因果关系在近年来得到了越来越多学者的关注，其中外生变量在理解因果机制中扮演者重要的角色。然而，现有的因果发现方法大多假设观察变量就是真实发生的因（果）变量，忽略了测量误差带来的影响。为此，提出了一种解决测量模型下的外生变量估计方法。通过引入triad约束，根据此约束来找出与其余所有相关成对变量都满足triad约束的变量，即外生变量。该算法不仅能够解决含有测量误差数据的估计问题，而且对于没有测量误差的数据仍然适用。实验将该算法应用于真实网络产生的数据中，结果表明，无论变量是否含有测量误差，提出方法均优于现有的其他算法。同时，基于移动基站的真实数据实验也验证了算法的有效性。

• 基于服务性能合同模式下单部件系统视情维修策略研究

  许飞雪,刘勤明,叶春明,李冠林,

  针对供应商系统维修的低效率以及维修成本参数较难获得的问题，提出了基于服务性能合同模式（PBC）下的单部件系统最优视情维修策略模型。首先，基于Gamma分布，描述单部件系统连续递增的退化过程，依据系统实时检测状态与预防维修阈值、故障阈值之间的关系，实施不同的维修策略；其次，分析单位更新周期内的检测次数和使故障设备恢复如新的维修方式，以供应商利润率最大化为目标函数，以最佳维修阈值与检测间隔时间为决策变量，建立以利润为中心的视情维修优化模型；最后，利用改进灰狼算法求解数学模型，通过算例验证所提出模型的有效性，并进行了各维修费用参数对目标函数以及最优维修策略的灵敏度分析。

• 基于变中心互相关熵的比例自适应滤波算法研究

  柯捷,张余明,慕德俊,张佳庚,马文涛,

  针对传统自适应滤波算法对于非零均值非高斯噪声干扰环境下稀疏系统参数估计存在稳态精度低的问题，以变中心互相关熵为代价函数，引入比例更新机制，应用随机梯度法设计一种新的稀疏自适应滤波算法。变中心互相关熵的中心可位于任何位置，其可很好地匹配非零均值的误差分布，而比例更新机制为每个权值参数赋予可变的步长参数，因此可增强算法的跟踪能力。进一步设计在线学习方法来估计核宽度和中心位置，以提高算法性能。另外根据能量守恒关系研究了算法的收敛性。仿真实验结果表明，该算法相对于传统自适应滤波算法对于非零均值非高斯噪声环境下的稀疏参数估计具有明显的优越性和鲁棒性。

• 基于矢量场的无人机动力学规划算法

  陈博伟,李思敏,唐智灵,

  针对传统运动规划的分层策略导致生成的轨迹被限制在同伦类和快速搜索随机树算法的采样效率较低等问题，提出一种基于矢量场指导采样的动力学规划算法。首先，采用势场函数的梯度定义的矢量场来构造圆锥体，并利用该圆锥体约束RRT*的采样；然后，通过求解最优控制问题生成运动基元来解决两点边值问题，并给出运动基元的最佳持续时间的显式解，以便最佳地连接任意一对状态；最后，通过MATLAB仿真环境下的四旋翼飞行器验证所提出的运动规划算法的可行性。实验结果表明，提出的算法与现有的技术相比在相同的迭代次数下以更短的运行时间探索了更多的状态，并且生成的轨迹具有更小的到达时间和控制花销。

• 基于利他激励的群体演化合作模型

  郑巍,彭雨松,杨丰玉,樊鑫,

  为探究个体与系统状态的演化，构建了个体行为策略与网络结构的演化模型，探讨个体在利他激励机制下对合作演化的影响。在该模型中，个体首先通过对其他个体的帮助获得一定的额外互惠收益，并通过个体混合收益累计个体收益与帮助其他个体获得额外收益的加权，以此来激励个体合作。然后在博弈过程中，通过个体混合收益取代费米函数中的个体累计收益用于促进个体选择利他合作策略，从而促进整个群体的总收益与合作水平。蒙特卡罗仿真实验结果表明，个体在利他激励机制下更愿意帮助其他个体。在不同网络结构中，小世界网络最能扩散利他激励机制，其系统合作者密度最高。

• 基于变分自编码器的交互式旋律生成方法

  范纯龙,张振鑫,丁三军,滕一平,王翼新,

  现有的交互式神经音乐生成方法主要存在控制模式不灵活、数据标注困难以及模型难以优化等问题。针对这些问题，提出了一种基于变分自编码器（VAE）的无监督交互式旋律生成方法。通过为VAE引入显式的旋律轮廓条件推理学习，实现了对生成旋律局部与全局特征的灵活控制。实验表明，该方法易于优化且具有良好的旋律局部与全局特征的控制能力。通过对大量生成样本的分析，证明了模型从音乐数据中学习到了有用的音乐知识。

• 基于犹豫模糊语言的多阶段多属性决策方法

  耿秀丽,马阳,

  针对不确定语言条件下的决策问题，考虑专家偏好的阶段性差异，提出基于犹豫模糊语言的多阶段多属性决策方法。首先为了更准确地表达专家在决策过程中的犹豫性，采用犹豫模糊语言来表达专家的评估信息；其次考虑阶段权重的波动性，运用基于专家阶段性偏好的信息熵方法构建阶段权重优化模型确定阶段权重；然后利用最大化偏差法来求解属性权重，并采用基于平均解距离评价（EDAS）方法对备选方案进行排序；最后以某企业选取物流商问题为例，验证该方法的有效性和可行性。

• 基于局部类内结构的鉴别性字典学习方法

  陈子鎏,胡高鹏,王晓明,黄增喜,杜亚军,

  针对支持向量引导的字典学习（support vector guided dictionary learning，SVGDL）的鉴别约束项只体现了大间隔原理，而没有很好地利用数据空间内在结构信息的问题，提出了一种新颖的鉴别性字典学习方法——基于局部类内结构的鉴别性字典学习方法。该方法结合了大间隔原理和局部Fisher线性鉴别分析作为鉴别约束条件来指导指点学习。通过建立一个局部类内散度矩阵来编码数据空间的分布结构，增强了挖掘同类数据空间局部结构的能力并进一步地表示了编码向量在数据空间中的局部相似性。为了评价提出方法在图像识别上的表现，在几个常见图像数据集上进行了实验。结果表明，提出方法与大间隔方法相比，在平均识别率上有着明显的提高。

• 面向复杂路网低频GPS采样数据新型地图匹配算法

  黄振锋,乔少杰,韩楠,元昌安,许源平,曹亮,覃晓,魏军林,

  大数据时代低频采样交通轨迹数据呈指数级增长，准确、高效地对复杂路网中产生的海量低频浮动车数据进行地图匹配对出租车载客热点和路线推荐具有重要意义。基于上述考虑，提出了一种基于曲线拟合的改进算法，对缺失的轨迹数据和路网数据分别使用插值和均值化的方法进行补全，利用Geohash技术对路网和轨迹数据进行存储和搜索，充分考虑车辆速度和道路限速因素，使用轨迹点后向向量和路段向量对路候选段进行分析，设计综合评价函数得到最优匹配结果。实验结果表明，与传统垂直投影算法和曲线拟合算法进行对比，所提曲线拟合算法准确率较高，时间效率得到显著提升。

• 基于国产众核架构CESM中有限差分计算优化

  陈宏博,钱雪忠,甘霖,徐敬蘅,刘徐,

  针对CESM中的有限差分算法并行过程中存在内存读取冗余过大、通信开销过高的问题，设计出根据数据结构进行数据重构、计算核心捆绑、流水线通信等多种并行优化方案。弥补了申威26010处理器在数据读取过程中缺少共享缓存区、带宽利用率不高等不足，缓解了申威26010处理器在有限差分法求解过程的通信瓶颈。对CESM中以有限差分法为核心计算的两个函数，在申威26010众核处理器上的测试结果表明，提出算法及优化策略拥有21.2倍的性能提升。

• 基于容器的轻量级工业控制系统网络安全测试床研究

  张仁斌,赵季翔,杨戬,吴克伟,

  针对现有工业控制系统（ICS）测试床部署成本高、网络拓扑简单固定、难以共享等问题，提出了一种基于容器的轻量级ICS网络安全测试床构建方法。该方法将田纳西—伊斯曼过程模型及其控制算法分别封装为两类Docker容器镜像，根据Web图形化界面绘制工业控制网络拓扑，自动配置容器接口并连接成仿真工控网络，最终实现具有真实的工业控制网络数据流的ICS网络安全测试床。实验结果表明，该方法仅需要较少的系统资源，就可快速实现给定网络拓扑的测试环境，支持多种网络攻击测试，相比于其他ICS测试床，具有更好的资源使用、加载速度和可移植性，有利于ICS网络安全的测试、研究和教学工作。

• 基于稳健设计的SGNS算法的超参数调优方法

  牛倩,曹学飞,王瑞波,李济洪,

  通常给定超参数的若干取值选取性能最大的为最优组合（称为直接选优法），但是此方法的稳健性差。为此，提出了一种基于稳健设计的超参数调优方法（称为稳健调优法）。具体地，以SGNS算法中的超参数调优为例，在词语推断任务上实验并得出：经方差分析得到SGNS算法中的七个超参数中的五个对算法预测性能有显著影响，确定为主控因子，其余两个确定为噪声因子，且主控因子中有三个对性能估计的方差有显著影响，因此，调优中仅从期望最大来直接选优是不合理的；稳健调优法与直接选优法两者在预测性能上没有显著差异，但稳健调优法对噪声因子具有较好的稳健性。稳健调优法对一般的深度神经网络的调参有实际的借鉴意义。

• 基于多数据源的论文数据爬虫技术的实现及应用

  侯晋升,张仰森,黄改娟,段瑞雪,

  在使用单个数据源进行论文数据采集的过程中，存在着数据全面性不足、数据采集速度因网站访问频率限制而受限等问题。针对这些问题，提出了一个基于多数据源的论文数据爬虫技术。首先，以知网、万方数据、维普网、超星期刊四大中文文献服务网站为数据源，针对检索关键词完成列表页数据的爬取与解析；然后通过任务调度策略，去除各数据源之间重复的数据，同时进行任务的均衡；最后采用多线程对各数据源进行论文详情信息的抓取、解析与入库，并构建网页进行检索与展示。实验表明，在单个网页爬取与解析速度相同的情况下，该技术能够更加全面、高效地完成论文信息采集任务，证实了该技术的有效性。

• 5G隧道环境非平稳宽带双散射簇V2V信道建模

  周文轩,周杰,刘少云,

  针对5G隧道V2V通信环境，提出了一种通用的3D非平稳宽带双散射簇信道模型。在该模型中，接收信号为视距（line-of-sight，LOS）传播的分量和通过双散射簇模型传播即非视距（non-line-of-sight，NLOS）传播的分量之和。为了研究散射簇的非平稳特性，引入生灭过程算法来模拟散射簇在阵列和时间轴上的出现和消失过程。通过推导空间互相关函数、时间空间自相关函数和多普勒功率谱密度等相关统计特性，研究了散射簇的非平稳特性对MIMO信道的影响。数值仿真结果与先验结果较匹配，表明该模型能够较好地描述实际5G隧道环境下的V2V通信。

• 压缩感知框架下宽带功放预失真模型

  高明明,张春雨,南敬昌,

  射频功放的非线性特性是一个重要的研究方向，针对预失真系统采样率过高的问题，提出一种新的宽带功放预失真模型，即在反馈回路采用基于正弦调频（SFM）信号的调制宽带解调（MWC）对信号进行采样，再用变步长广义自适应匹配追踪（VS-GSAMP）算法对信号进行重构，降低反馈回路采样速率，提升线性化效果。实验结果表明，在提高信号重构精度的同时，NSME（normalized mean squared error）显示较MP、GMP模型提升了2~3 dB，ACPR（adjacent channel power radio）约改善了21 dB，该方法能够使系统在较低的采样率下获得良好的线性性能。

• 基于车路协同的地下停车场车辆定位算法发散性研究

  肖广兵,王蓝仪,孙宁,季淦,张涌,

  针对GPS信号弱或不可用场景下（如隧道、地下停车场等）智能车辆的高精度定位服务问题，分析了一类基于车载网络通信（VANET）的无线定位算法，通过车辆—智能路基之间的信息交互，以解决现有车辆定位过程中有效精度低、抗干扰能力差等问题。但考虑到车辆移动造成的网络拓扑结构动态变化，车辆与智能路基之间的非对称通信时延往往被忽略，导致协同定位模型过于简化，造成车辆定位精度的损失。通过刻画车辆—智能路基之间的非对称通信模型，从数学角度分析验证了现有车辆协同定位算法的发散性。仿真结果表明，在不考虑非对称通信延迟的条件下，对车辆的定位误差会逐级收敛；但在考虑非对称延迟的条件下，则呈现指数级振荡发散。

• 利用多粒度粗糙集属性约简和TOPSIS的IPv6负载均衡机制

  罗宏等,蓝耿,聂良刚,粟光旺,伍一坤,

  针对代理移动IPv6（PMIPv6）协议领域研究中，移动节点（MN）与PMIPv6网络内的特定移动接入网关（MAG）相关联会增加MAG负载概率的问题，基于集群的代理移动IPv6（CSPMIPv6）协议，提出利用多粒度粗糙集属性约简的负载均衡方法。首先，基于多粒度粗糙集属性约简的方法，在考虑不同属性子序列对划分结果影响的情况下，更改其连接的切换移动节点（handover mobile node，HMN）选择MAG。然后，改进了理想解相似程度排序方法（TOPSIS），以确定目标MAG。最后，通过实验验证了CSPMIPv6中的信令已得到增强，从而验证了所提出的负载平衡机制。所提出的机制与基于组的PMIPv6切换控制方案（GB-PMIPv6）和基于票证的绑定更新（TBU）协议相比，能够更好地适应内部切换以及负载率增加时的信号变化情况，减小故障率。对比表现较好的GB-PMIPv6机制，新机制的平均排队延迟、切换延迟、端到端延迟和数据包丢失分别可减少9.09%、19.78%、10.20%、6.43%，传输速率可提高8.89%，显著提高了系统性能。

• 无线传感器网络中基于节点对链路质量的任务分配

  杨桂松,张兆,莫宇,翟秋红,何杏宇,

  为了提高无线传感器网络中的资源使用效率，提出了一种新颖的算法，即基于节点之间的链路质量将任务分配给一对协同工作的传感器节点。具体来说，算法基于两个相邻节点之间的链接质量来获得这两个节点组成的节点对的能力等级，然后为每个节点对分配一个任务等级（如通过计算强度衡量）可以与此节点对的能力等级相匹配的任务，以便每个节点对可以协同高效地执行每个任务。考虑到一个节点可能会与多个节点组成不同节点对，而这些节点对被分配到的任务可能出现冗余（具有相同任务等级的任务），所以需要调整这些任务以避免执行冗余任务。仿真结果表明，该算法不仅可以提高任务分配效率，而且可以平衡网络能耗。

• 基于区域用户需求感知的边缘缓存策略研究

  王俊岭,胡敏,黄宏程,

  针对当前的边缘缓存策略存在的传输能耗高、对较小区域中用户需求感知不足的问题，结合全网与区域在流行内容和流行特征的差异，提出基于区域用户需求感知的边缘缓存策略。首先，依据区域用户的长/短期兴趣和全网流行度信息，估算用户的请求意愿；然后，综合区域用户的需求选择待缓存内容及缓存优先级；最后，考虑基站的位置和用户需求的差异，设计区域缓存能耗优化的联合放置策略。仿真结果表明，所提策略与传统的缓存策略相比在请求命中率、字节命中率和缓存能耗上均有一定提升。

• 代码向量深度学习的恶意Android应用检测方法

  李凡,易军凯,

  目前针对恶意Android应用的静态检测方法大多基于对病毒哈希值的分析与匹配，无法迅速检测出新型恶意Android应用及其变种，为了降低现有静态检测的漏报率，提高对新型恶意应用的检测速度，提出一种通过深度网络融合模型实现的恶意Android应用检测方法。首先提取反编译得到的Android应用核心代码中的静态特征，随后进行代码向量化处理，最后使用深度学习网络进行分类判别。该方法实现了对恶意应用高准确度的识别，经过与现存方法的对比分析，验证了该方法在恶意代码检测中的优越性。

• 基于角度结构特征的多载体信息隐藏算法

  任帅,苏东旭,KhurranmShahzad,范傲雄,王萌,

  针对单载体信息隐藏算法的嵌入容量和安全性受载体数量限制无法进一步提升的问题，将载体预处理和秘密信息的嵌入结合于图像角度结构特征（angle structure descriptor，ASD），提出了一种基于角度结构特征的多载体信息隐藏算法。首先，提取图像的ASD特征向量对载体集进行分类，转换得到图像ASD方向场后对其编码；其次，根据载体分类数对秘密信息分段并进行置乱和优化；最后，基于ASD方向场的编码数据，在不同类多数量的载体上完成信息隐藏。在秘密信息提取时增加了对ASD特征向量提取时颜色量化差值的判断，进一步提升算法性能。实验分析表明，与基于单载体和图像分存的信息隐藏算法相比，算法的隐蔽性和鲁棒性都有明显提升，几乎可以完全抵抗基于统计特征的隐写分析，适用于对安全性要求高的大容量秘密信息隐蔽通信等应用。

• 一种防边权和语义攻击的位置隐私保护方法

  张润莲,赵新红,武小年,

  边权攻击和位置语义攻击根据移动用户活动的周边环境推断用户的位置，泄露用户的位置隐私。针对该问题，提出一种防边权攻击的位置语义安全隐私保护方法。该方法将道路的敏感度和关联度结合，构建道路隐私度，描述道路在语义位置的敏感性，及道路与匿名集中其他道路上用户数量分布的均衡性；基于中心服务器结构，根据用户的位置隐私要求，采用宽度优先搜索方式，筛选道路隐私度最小的道路加入匿名集，以生成具备语义安全和防边权推断攻击的匿名集。仿真测试结果表明，该方法筛选的匿名集的匿名成功率达到87%，抗边权攻击和语义攻击的能力要高于对比算法。

• 基于可伸缩l-多样性的大数据发布隐私保护

  邹劲松,李芳,

  针对非结构化大数据发布中的隐私保护问题，提出了一种基于改进的可伸缩l-多样性（improved scalable l-diversity，ImSLD）大数据发布隐私保护方法。该算法采用基于两阶段条件随机场的命名实体识别（named entity recognition，NER）方法将非结构化数据表示为结构化形式，设计一种改进的可伸缩l-多样性算法来对表现良好的非结构化数据进行匿名化，实现保护非结构化大数据发布的隐私，通过Apache Pig实现ImSLD算法来使其具有可伸缩性。实验表明与MRA和SKA算法相比，改进的ImSLD算法在不同数据集上提供相同级别的隐私时信息损失均优于对比的另外两种算法。

• 具有固定密文长度的多授权属性基密钥协商协议

  胡声洲,刘志勇,何华,王幸福,章银娥,

  为适应云环境中移动手机等资源限制型设备的使用，降低基于多授权属性基加密的会话密钥协议的计算和通信代价，提出一种能生成固定密文长度交换消息的协议。该协议基于多值访问结构，加强了数据拥有者对系统模型的权限控制；在基于属性的BJM（Blake-Johnson-Menezes）模型和选择访问结构安全模型下，基于判定性q并行双线性Diffie-Hellman指数（q-PBDHE）假设证明了该协议的安全性。通过实验比较分析了类似协议的性能，表明该协议具有较高效率和安全性，适合在轻量级应用场景上使用。

• 车载自组网中可证明安全的无证书批认证方案

  曾萍,郭瑞芳,赵耿,马英杰,高原,

  车载自组网（VANET）可以有效提高交通安全，但在其大量部署前必须解决安全和隐私问题。为此，提出一个VANET中有效的无证书批认证方案来解决传统基于身份的认证方案中存在的密钥托管问题。系统主密钥不预先装载到车辆的防窜改设备中，减少方案的安全性对防窜改设备的依赖；不采用计算量大的双线性对来减少计算开销；利用批认证算法提高认证效率。安全性分析表明，提出的方案在随机预言模型中是可证明安全的；与以往的方案相比，该方案在计算成本和通信成本方面具有较低的开销，适用于实际的VANET环境。

• 支持多比特加密的全同态加密体制设计

  陈莉,周扬,段然,

  现有全同态加密体制普遍存在密文尺寸较大和采用单比特加密所导致的效率较低问题。在Gentry等人提出的全同态加密体制（简称GSW13体制）的基础上，通过修改其展开方式，利用近似特征向量技术，提出了一种新的全同态加密体制。在随机喻示模型下，将新体制的安全性归约到判定性容错学习问题（decisional learning with errors，DLWE）的难解性，给出了其正确性和安全性的证明。又在不改变系统参数的条件下，采用多比特加密，对新体制进行优化。与GSW13体制相比，新体制的密文尺寸减小61.47%，加密运算量减少68.97%。新体制不仅减小密文扩张，而且减少同态运算计算次数，从而提高了体制效率。

• 基于多时间划分的深度聚合特征的行为识别

  程石磊,解梅,马争,李思琦,

  重点研究了视频中的人体行为识别问题，提出了基于多时域划分的深度聚合特征的行为识别算法。通过多时间划分的采样形式，丰富行为深度特征的多样性，并引入多聚合中心，量化深度特征与聚合中心的残差关系，进而形成人体行为的结构化建模方法，构建可以学习复杂行为特征分布的深度聚合模型，解决时间跨度较长时的人体行为分类问题。通过在开源行为数据集UCF101与HMDB51上的实验，验证了算法的有效性和先进性。

• 基于多特征融合的抽象画情感研究

  白茹意,郭小英,贾春花,

  抽象画作为一种寓意含蓄的艺术作品，传递出的情感也是含蓄的，确定其情感分类也比较困难，为此采用多特征融合方式预测抽象画的情感。首先采用K-means聚类提取抽象画图像的主色调作为底层颜色特征，采用灰度—梯度共生矩阵提取底层纹理特征，采用卷积神经网络自动提取高层语义特征；其次由于特征维度不同，采用多核学习对底层和高级语义特征进行融合；最后采用支持向量机实现抽象画情感识别，分为积极与消极两类。在MART数据集上进行测试，并与其他现有分类模型进行了比较，实验结果显示该方法在测试性能上优于已有模型。

• 基于dropout正则化的半监督域自适应方法

  李志恒,何军,胡昭华,

  针对机器学习中训练样本和测试样本概率分布不一致的问题，提出了一种基于dropout正则化的半监督域自适应方法来实现将神经网络的特征表示从标签丰富的源域转移到无标签的目标域。此方法从半监督学习的角度出发，在源域数据中添加少量带标签的目标域数据，使得神经网络在学习到源域数据特征分布的同时也能学习到目标域数据的特征分布。由于有了先验知识的指导，即使没有丰富的标签信息，神经网络依然可以很好地拟合目标域数据。实验结果表明，此算法在几种典型的数字数据集SVHN、MNIST和USPS的域自适应任务上的性能优于现有的其他算法，并且在涵盖广泛自然类别的真实数据集CIFAR-10和STL-10的域自适应任务上有较好的鲁棒性。

• 嵌入注意力机制模型的人脸表情迁移学习方法

  赖阳文,杨振国,王勇,刘文印,

  人脸表情识别中，利用深度网络进行训练时，往往需要大量的训练数据而且实际应用中常常缺少标签数据，域适应人脸表情迁移学习是一个重要的研究课题。现有基于域适应的人脸表情识别大多采用浅层网络、深度学习网络方法，因此提出了将条件对抗域适应方法应用于人脸表情迁移学习，以及应用熵函数保证分类器预测的不确定人脸表情图像的可迁移性，并通过嵌入注意力机制模型来改进深度学习网络对人脸表情图像的特征提取。实验表明，通过注意力机制模型改进的条件生成对抗网络能有效地提高实验室控制和现实生活中的人脸表情数据识别的准确率。

• 基于引导滤波和快速共现滤波的红外和可见光图像融合

  朱文鹏,陈莉,张永新,

  针对红外和可见光图像融合结果背景信息不足、对比度较低的问题，提出一种结合引导滤波和快速共现滤波的融合方法。首先，以高斯滤波将源图像分解为细节层和基础层。然后以去除值域滤波器、全局统计共现信息的方式简化共现滤波，形成快速共现滤波，再用其融合细节层；此外，引入窗口因子，用图像大小与窗口因子比值确定引导滤波窗口值，再用其融合基础层。实验结果表明该算法增加了图像背景细节，提高了人物与背景的对比度。主观和客观的实验分析验证了该算法的有效性。

• 基于显著性分析的网格模型语义特征线提取

  郭艺辉,钟雪灵,陆寄远,黄承慧,

  现有的基于局部微分属性度量的网格模型特征线提取方法较难描述模型全局语义特征。为解决该问题，提出一种基于显著性分析的、符合人类视觉注意力机制的语义特征线提取算法。首先以谱图理论为工具，构建网格模型光顺三维基准面，获取网格顶点显著性重要度；利用离散拉普拉斯—贝尔特拉米算子方向属性构建网格语义特征区域，提取特征区域骨骼线，对骨骼线进行优化后得到模型语义特征线。该算法完全去除了模型局部微分几何量的度量，提取的特征线能很好地完成全局语义特征描述。实验结果证明了算法的有效性。

• 改进的在线随机张量分解的多光谱视频目标检测

  杨国亮,喻丁玲,林剑彬,王杨,

  针对目前大部分监控视频使用的单色或三色相机在目标检测中难以解决光照强度变化、颜色饱和度和阴影的问题，以及处理数百个波段的多光谱图像可能会增加计算量，提出了一种改进的在线随机张量分解的多光谱视频运动目标检测算法。在在线随机张量分解的基础上进行扩展，采用在线优化方法实时处理，结合小样本批处理初始化缩小基矩阵大小，采用K-双边随机投影方法不断更新基矩阵和稀疏部分系数，每次处理一个视频帧直到达到设定的迭代次数或所有样本计算已经完成，并在MSVS数据集上进行了实验。结果表明，该算法的检测结果在基于F-measure、recall和precision的定量评价中均有很好的效果，与现有同类方法相比，在检测精度和运行速度上有更加优越的性能。

• 判别性双向协同表示的图像识别算法

  王亚楠,宋晓宁,

  基于协同表示的分类（CRC）以其卓越的协同能力成为人脸分类领域的一个突破。然而在实际应用中，通常只提供很少甚至是单个人脸图像来进行人脸识别，这导致了CRC无法很好地处理光照、表情、姿态和遮挡等问题。针对该问题，提出一种判别性双向协同表示的图像识别算法（DB-CRC）。首先通过引入判别式字典学习（FDDL）模型学习得到一个结构化字典，使得每个特定类的子字典对相关类的样本具有良好的表示能力，由此，较大的类间离散度和较小的类内离散度使得重构误差和编码系数都具有判别性；然后将学习得到的稀疏编码系数作为测试样本数据进行双向表达，建立快速逆向表示模型，利用双向表示策略估计每个测试样本与结构化字典之间的双向重构残差信息；最后利用竞争融合方法对来自双向表示模型的重构残差进行加权排名，实现最终的人脸分类。在AR、PIE、LFW等通用人脸数据库上的实验结果验证了该算法的有效性，特别是对小样本问题的鲁棒性。

• 基于联合约束策略和稀疏表示的图像分割

  刘国奇,董一飞,李旭升,宋一帆,

  基于像素级的交互式图像分割算法对初始种子位置和噪声敏感，同时仅基于超像素的分割方法无法保留图像细节经常导致分割结果出现欠分割问题。针对上述问题，提出超像素/像素约束和稀疏表示的图像分割模型。该方法利用高斯函数分别对像素和超像素构造了相互约束的代价函数，引入了稀疏分解对模型进行优化以提升模型对图像噪声的鲁棒性，最后利用联合优化策略对代价函数求解估计出目标和背景标记实现目标提取。实验结果表明，与现有的分割方法相比，提出的方法能获得较好的分割效果，对高斯噪声和椒盐噪声具有较强的鲁棒性。

• 基于延迟着色与动态目标光效应的航空场景反走样算法

  宋歌,张子亚,潘卫军,

  针对航空仿真中的视景画面走样问题，提出一种基于延迟着色与动态目标光效应的反走样算法。首先，针对宏观静态场景，综合利用法线信息与位置信息提取场景的边缘区域，通过抖动采样对边缘进行平滑处理，并采用一定倍数的超采样进行反走样结果优化；其次，在上一步的基础上，针对场景中的动态目标，建立几何变换与光效应的数学模型，通过计算动态目标伪距离和动态目标在虚拟场景中的位置坐标确定最终的显示效果，以解决动态目标在实时运动中走样和像素丢失的问题。最后，在某型号飞行仿真平台进行了算法验证。实验结果表明该算法能够解决航空仿真中静态场景和动态目标的走样问题，适用于航空仿真训练。

• 一种改进的winner-take-all模型及在图像中的应用

  巫光福,周欢,李帅,廖列法,

  作为一种广泛存在于各个领域的竞争现象，关于赢者通吃（winner-take-all）的大部分研究太复杂以至于难以很好地理解该现象。为了用简单的方式解释winner-take-all现象，提出了一个改进的winner-take-all模型，由离散时间差分方程表示，该模型的状态空间是一个矩阵并且模型具有多范数可选性，对应的初始输入矩阵中具有最大输入值的元素最终获胜。对提出模型的收敛性和稳定性进行了严格的理论分析，并将该赢者通吃模型应用于图像处理的实验中，分别比较了单层和多层赢家通吃模型的效率。实验正确地生成了winner-take-all现象，表现了多层winner-take-all图像处理的高性能，理论和实验都验证了所提出模型的正确性和有效性。

• 基于层次注意力机制的高效视觉问答模型

  吝博强,田文洪,

  视觉问答（visual question answering，VQA）是深度学习领域的一个新挑战，需要模型同时根据问题的语义和图片的内容进行推理并给出正确答案。针对视觉问答图片输入的多样性，设计了一种由两层注意力机制堆叠组成的层次注意力机制，帮助模型定位图片中与问题相关的信息，其中第一层注意力机制使用目标检测网络提取图片中物体的特征，第二层注意力机制引入问题特征。同时改进了现有的特征融合方式，消除对输入特征尺寸的限制。VQA数据集的测试结果显示，层次注意力机制使计数类问题的回答准确率提升了4%~5%，其他类型的问题回答准确率也有小幅提升。