计算机应用研究杂志

计算机应用研究杂志2021年第4期

• 知识表示学习方法研究综述

  张正航,钱育蓉,行艳妮,赵鑫,

  近年来，知识表示学习已经成为知识图谱领域研究的热点。为了及时掌握当前知识表示学习方法的研究现状，通过归纳与整理，将具有代表性的知识表示方法进行了介绍和归类，主要分为传统的知识表示模型、改进的知识表示模型、其他的知识表示模型。对每一种方法解决的问题、算法思想、应用场景、评价指标、优缺点进行了详细归纳与分析。通过研究发现，当前知识表示学习主要面临关系路径建模、准确率、复杂关系处理的挑战。针对这些挑战，展望了采用关系的语义组成来表示路径、采用实体对齐评测指标、在实体空间和关系空间建模，以及利用文本上下文信息以扩展KG的语义结构的解决方案。

• 生成对抗网络GAN的研究进展

  张恩琪,顾广华,赵晨,赵志明,

  基于零和博弈思想的生成式对抗网络（generative adversarial network，GAN）模型的意义在于可通过无监督学习获得数据的分布，并能生成较逼真的数据。它可以应用在很多领域，尤其是在计算机视觉领域中的图像生成方面取得了很大成果，成为当下的一个研究热点。以GAN模型及其在特定领域的应用结果为研究对象，对GAN的改进和扩展的研究成果进行了广泛的研究，并从图像超分辨率重建、文本合成图片等多个实际应用领域展开讨论，系统地梳理、总结出GAN的优势与不足，同时结合自然语言处理、强化学习对GAN的发展趋势及应用前景进行预测分析。

• 精简高效用模式挖掘综述

  孙蕊,韩萌,张春砚,申明尧,杜诗语,

  全集高效用模式挖掘算法存在的关键问题之一是会产生冗余的高效用项集，这将导致用户很难在大量的高效用项集中发现有用的信息，严重降低了高效用模式挖掘算法的性能。为解决这一问题，衍生出了精简高效用模式挖掘算法，其主要包括最大高效用模式、闭合高效用模式、top-k高效用模式以及三者之间的组合高效用模式挖掘算法等。首先，介绍了精简高效用模式的相关问题描述；然后，从有无候选项集生成、一两阶段挖掘方法、数据结构类型和剪枝策略等角度，重点分类总结了精简高效用模式挖掘方法；最后，给出了精简高效用模式的进一步研究方向，包括处理基于负项的高效用精简模式、处理基于时间的高效用精简模式及处理动态复杂的数据等。

• 代码注释自动生成研究进展

  赵乐乐,张丽萍,

  代码注释作为软件中的重要组成部分，在软件维护、复用等领域中发挥着重要作用。代码注释自动生成技术旨在减轻人工编写注释的工作量，从而提高软件开发效率。现有的注释自动生成方法分为基于规则、文本摘要、数据驱动、主题模型、深度学习等层次。综述了代码注释自动生成的相关概念，对比总结各类代码注释自动生成方法，对近年来代码注释自动生成相关应用进行了梳理和总结，最后对注释自动生成所面临的挑战进行了分析，展望了该领域未来的研究。

• 基于MPT建模的属性访问控制策略

  郑鑫,黄德校,王高才,

  针对基于属性访问控制中复杂的属性工程，在以太坊底层使用的数据存储结构的MPT（Merkle Patricia tree）方法基础上进行部分安全性扩展，将离散属性建模成统一的MPT属性集，然后通过默克尔证明方法确保属性集的完整性。为了保证属性隐私不会被泄露以及增强MPT属性体系在分布式环境下的安全性，使用公开密钥体制的椭圆曲线加密算法对属性值进行处理。此外，将MPT属性集以数据库的方式存储，实现动态的属性操作。理论分析和实验结果表明该策略能解决属性工程的完整性和安全性问题，也使得基于属性的访问控制在分布式环境中易于实施。

• 谎报行为下基于区块链的物流服务商道德风险防范研究

  李军祥,张志,

  考虑以一个电商平台和一个第三方物流服务商构成的两级电商供应链为研究对象，针对第三方物流服务商完全掌控自身物流服务水平而引发的道德风险问题，分析采用区块链技术对防范第三方物流服务商道德风险的策略。通过借助以区块链技术为基础的物流服务水平监控系统，考虑采用区块链技术和不采用区块链技术两种情景，分别建立分散决策下电商平台与第三方物流服务商之间的Stackelberg博弈模型，研究区块链技术应用前后供应链利润的变化情况以及与技术成本投入的关联性，最后通过数值分析验证结论的正确性。结果表明：当区块链技术的成本投入控制在一定的范围内时，应用该技术可以有效降低第三方物流服务商存在的道德风险，提高整个供应链利润的同时促进供应链各节点企业收益的有效提升，助力供应链的健康有序发展。

• 基于指针网络的实体与关系联合抽取方法

  王勇超,穆华岭,周灵智,邢卫,

  针对现有实体和关系联合抽取方法中存在的实体与关系依赖建模不足、实体发生重叠难以抽取其所涉及的多个关系的问题，设计了基于深度学习的联合抽取框架。首先针对依赖建模不足问题，从预训练语料中提取实体共现特征，建模了实体间的潜在语义关系和实体与关系之间的依赖关系。其次提出了新颖的指针标注方法，该标注方法可以通过指针表示关系类别，由于任一实体可以被多个指针指向，所以可以在一段文本中标注重叠的实体并抽取多个实体—关系三元组结果。最后，为了有效利用单词的丰富语义和指针之间依赖的信息，设计了一个标签感知注意力机制，融合了包括来自编码层的字词信息、相关的共现语义信息。与研究中前沿的联合提取方法相比，该方法在百度DuIE测试集上实现了F1值的增加。通过实验结果表明指针标注方法在一定程度上可以解决实体重叠问题。

• 基于实体相似性的知识表示学习方法

  文洋,张茂元,周礼全,张洁琼,袁贤其,

  知识表示学习旨在将知识图谱中的实体和关系表示成低维稠密实值向量，能有效缓解知识图谱的数据稀疏性和显著提升计算效率。然而，现有大多数知识表示学习方法仅将实体视为三元组的一个组成部分，没有考虑实体自身具有的特质，如实体相似性。为了加强嵌入向量的语义表达，提出基于实体相似性的表示学习方法SimE。该方法首先利用实体的结构邻域度量实体的相似性，再将实体的相似性和拉普拉斯特征映射结合作为基于三元组事实的表示学习方法的约束，形成联合表示。实验结果表明，该方法在链接预测和三元组分类等任务上与目前最好的方法性能接近。

• 基于IMU紧耦合的LeGO-LOAM改进算法研究

  陈文浩,刘辉席,杨林涛,刘守印,

  基于LiDAR和SLAM （simultaneous localization and mapping）的LeGO-LOAM算法在低分辨率的LiDAR设备上，由于LiDAR数据的运动畸变、采样的地面数据稀疏等问题，存在重力矢量漂移现象和严重的高程估计误差。为了改善这一点，LeGO-LOAM改进算法引入了一种LiDAR和IMU（inertial measurement unit）紧耦合的方式。通过IMU估计运动状态，消除LiDAR数据的运动畸变，并使用IMU数据构建联合优化函数，约束位置姿态估计的重力方向。实验结果表明，这种方法有效抑制了LeGO-LOAM算法的重力矢量漂移，高程估计精度和高速状态下的定位精度均有显著提升。

• 一种文本幽默对比的Siamese双向GRU注意力模型

  顾艳,夏鸿斌,刘渊,

  传统的幽默计算任务依赖人工构造特征，容易造成丢失特征，且主要集中在幽默判断。而基于深度学习的Siamese双向GRU注意力模型是对成对的幽默文本进行对比，判断哪一条语句更具有幽默性。首先，利用文本处理器对文本进行词嵌入训练；其次，使用双向GRU模型来获取每个单词的注释；最后，在全连接层执行幽默比较任务。在Semeval-2017 Task6-#HashtagWars数据集上进行实验，采用accuracy作为评估指标。实验结果表明，该模型与其他相关模型在幽默文本对比上有较明显提升。

• KEK:基于k-truss的短文本关键词提取方法

  杨朝举,葛唯益,王羽,徐建,

  关键词提取在众多文本挖掘任务中扮演着重要的角色，其提取效果直接影响了文本挖掘任务的质量。以文本为研究对象，提出了一种基于k-truss图分解的关键词提取方法，名为KEK（keyword extraction based on k-truss）。该方法首先借助空间向量模型理论，以文本中的词为节点，通过词语之间的共现关系来构建文本图，接着利用k-truss图分解技术来获取文本语义特征，并结合词频、单词位置特征、复杂网络特征等构造无参评分函数，最终根据评分结果来提取关键词。通过在基准数据集上进行实验验证，结果表明KEK算法在提取短文本关键词上的F1值性能指标优于其他基于文本图的关键词提取方法。

• 民航旅客行程状态推断方法研究

  彭明田,赵越,

  现有的民航旅客行程状态推断的相关方法不能对旅客历史行为序列中远距离项的依赖关系建模，且忽略了行程子结构，为此提出一种新的模型来推断旅客行程状态。首先通过图神经网络挖掘出行序列任意机场间的转移模式；其次，构造层次注意力依次在机场级别和行程级别捕获旅客的短期和长期出行偏好；最后融合旅客的短期和长期出行偏好进行分类。实验结果表明，图神经网络的消息传递机制突破了距离的限制，有效捕获了旅客出行序列中任意机场间复杂的关系，模型在多项性能指标上效果很好，构建的图神经网络和注意力机制结合的方法可获得更好的性能；另外，结合实际的应用场景，融入了额外的特征进行信息补充取得了更好的推断效果。

• 基于双通道词向量的ACRNN文本分类

  邢鑫,孙国梓,

  常见的文本分类模型多基于循环神经网络和卷积神经网络这两种结构进行模型的堆叠构建，这种层叠式结构虽然能够提取更加高维的深层次语义信息，但在不同结构连接的同时，造成一部分有效特征信息的丢失。为了解决这一问题，提出一种基于双通道词向量的分类模型，该模型使用结合注意力机制的Bi-LSTM和CNN以更加浅层的结构对文本表征进行有效的特征提取。此外，提出一种新的将文本表征成前向、后向两种形式并利用CNN进行特征提取的方法。通过在两种不同的五分类数据集上进行分类实验并与多种基准模型对比，验证了该模型的有效性，表明该模型较层叠式结构模型效果更好。

• 基于Boosting的迭代加权集成分类算法

  杜诗语,韩萌,申明尧,张春砚,孙蕊,

  在集成分类中，如何对基分类器实现动态更新和为基分类器分配合适的权值一直是研究的重点。针对以上两点，提出了BIE和BIWE算法。BIE算法通过最新训练的基分类器的准确率确定集成是否需要替换性能较差的基分类器及需替换的个数，实现对集成分类器的动态迭代更新；BIWE算法在此基础上提出了一个加权函数，对具有不同参数特征的数据流可以有针对性地获得基分类器的最佳权值，从而提升集成分类器的整体性能。实验结果表明，BIE算法相较对比算法在准确率持平或略高的情况下，可以减少生成树的叶子数、节点数和树的深度；BIWE算法相较对比算法不仅准确率较高，而且能大幅度减少生成树的规模。

• 基于语音流畅度与模糊聚类的精神分裂症自动识别

  周格屹,田婷,王宁远,邓丽华,何凌,李元媛,

  针对精神分裂症诊断周期长、缺乏客观诊断依据的问题，提出语音流畅度矩形参数过能熵积，结合模糊聚类双重定位停顿区域的算法辅助诊断精神分裂症。该算法综合了精神分裂症患者语音流畅度低及能量平缓的特征，定位精神分裂症语音的停顿区域，提出语音流畅度量化参数提取算法，结合SVM（支持向量机）分类器，实现精神分裂症的自动识别。提取28例精神分裂症患者和28例正常对照组语音的流畅度声学特征，自动识别精神分裂症，正确率为85%以上。提出的基于过能熵积与模糊聚类的精神分裂症自动识别算法，能为临床诊断精神分裂症提供客观、有效、无创的辅助依据。

• 基于特征交互与权重集成的癌症分类方法

  陈昊楠,金敏,

  在癌症分类研究领域，高维、高冗余、类分布不平衡的基因表达数据如何进行特征选择与分类模型构建一直是影响分类准确率的难点。为了提高癌症分类的准确率，提出了基于特征交互与权重集成的癌症分类方法。在特征选择层面，利用多特征对分类信息的增益性交互作用来选出对于标签联合互信息大于单独互信息之和的特征组合，并利用条件互信息选择低冗余的特征，解决基因表达数据的高维、高冗余问题。在分类模型层面，提出结合权重集成反馈机制的二次学习集成模型，综合不同模型对不同类别样本的差异拟合能力，构造不依赖于样本数量的类权重，解决数据类分布不平衡的问题。应用该方法对六种癌症数据进行分类测试，accuracy、sensitivity、precision和F-measure四项指标均稳定在99.39%以上、specificity在94.74%以上，表明该方法能有效提高癌症分类的准确率和稳定性，同时具有对于不同癌症分类的通用性。

• 融合评分矩阵和评论文本的深度神经网络推荐模型

  周传华,于猜,鲁勇,

  针对个性化推荐中用户评分矩阵数据集稀疏，用户和项目描述信息未充分利用的问题，提出融合评分矩阵和评论文本的深度神经网络推荐模型（deep neural network recommendation model，DeepRec）。首先将通过数据预处理得到的用户偏好特征和项目属性特征的文本集合分别输入到卷积神经网络进行训练，得到用户和项目的深层次非线性特征，同时将评分矩阵输入多层感知机得到用户偏好隐表示，并对两种模型提取的用户偏好隐表示进行融合；其次利用多层感知机建模用户和项目隐表示对用户进行个性化推荐；最后基于三组数据集以均方根误差为评估指标进行对比实验。结果表明DeepRec的预测误差更低，有效提高了推荐的精准度。

• 基于混合蛙跳算法的高维生物医学数据特征选择方法

  代永强,郭小燕,王敏,孙嫣娇,

  针对高维生物医学数据包含大量无关或弱相关特征，影响疾病诊断效率的现状，提出了一种基于改进混合蛙跳算法的高维生物医学数据特征选择方法。该方法将混沌记忆权重因子和平衡分组策略引入基本混合蛙跳算法，在强化算法多样性的同时，维持了算法全局和局部寻优之间的平衡，降低了算法陷入局部最优的可能，进一步提高了混合蛙跳算法特征选择方法在特征空间的探索能力。实验结果表明：与改进遗传算法、粒子群优化算法特征选择方法比较，改进混合蛙跳算法特征选择方法在高维生物医学数据特征子集识别、分类精度方面取得了更好的效果。

• 基于多任务学习的多语言语音情感识别方法

  薛艳飞,毛启容,张建明,

  由于人类情感的表达受文化和社会的影响，不同语言语音情感的特征差异较大，导致单一语言语音情感识别模型泛化能力不足。针对该问题，提出了一种基于多任务注意力的多语言语音情感识别方法。通过引入语言种类识别辅助任务，模型在学习不同语言共享情感特征的同时也能学习各语言独有的情感特性，从而提升多语言情感识别模型的多语言情感泛化能力。在两种语言的维度情感语料库上的实验表明，所提方法相比于基准方法在Valence和Arousal任务上的相对UAR均值分别提升了3.66%~5.58%和1.27%~6.51%；在四种语言的离散情感语料库上的实验表明，所提方法的相对UAR均值相比于基准方法提升了13.43%~15.75%。因此，提出的方法可以有效地抽取语言相关的情感特征并提升多语言情感识别的性能。

• 融合上下文信息的深度推荐模型

  胡朝举,郑浩,

  目前，在基于文档信息的推荐任务中，传统基于文档的混合推荐算法仍依赖于浅层的线性模型，当评分数据变得庞大且复杂时，其推荐性能往往不太理想。针对此问题，提出一种深度融合模型（DeepFM），该模型能够在完全捕获文本信息的同时也能很好地处理复杂且稀疏的评分数据。DeepFM由两个并行的神经网络组成，其中一路神经网络使用多层感知器提取评分矩阵的行向量信息从而获得用户的潜在特征向量，另一路则使用MLP和卷积神经网络（CNN）共同建模从而提取额外有关项目的文本信息得到项目潜在特征向量。最后，通过构建融合层将用户特征向量和项目特征向量进行融合得出预测评分。实验结果表明，DeepFM在MovieLens数据集和亚马逊数据集上的性能优于主流的推荐模型。

• PipeCNN：一种基于软件流水线的并行化卷积神经网络方法

  吴鹏,周宁宁,

  针对使用传统模型并行方法加速卷积神经网络训练容易出现设备利用率不高的问题，提出了通过软件流水线方式加速卷积神经网络的方法PipeCNN。首先研究了卷积神经网络中的前向传播与反向传播算法，分析了训练过程中的数据相关性；然后基于软件流水线改进了卷积神经网络的训练过程，提出了两种可行的参数更新方式；最后使用循环队列来实现网络中层与层之间的消息通信，并提出任务分配算法来划分软件流水线中的工作段。实验结果显示，这种方法在保证模型准确性的前提下，可以取得良好的加速比以及设备利用率，表明了使用软件流水线可以有效解决模型并行中设备利用率不高的问题，提高了卷积神经网络的训练速度。

• 联合结构化图学习与l1范数谱嵌入的鲁棒聚类算法

  汤立伟,张家珲,彭勇,孔万增,

  谱聚类算法存在两个不足：a）将图的构造与谱分解割裂成两个独立的阶段，导致了结果的次优性；b）常用的基于l2范数度量谱特征向量的相似性具有噪声敏感性。为了克服上述两点不足，提出基于联合结构化图学习与l1范数谱嵌入的鲁棒聚类算法（记为CLRL1）。在该算法框架下，一方面图的学习过程与聚类过程可以有效结合起来进行协同优化，另一方面l1范数的使用可以很好地约束谱特征向量的相似性以提升算法的鲁棒性。在多个常用数据集上进行的实验结果表明，改进算法聚类性能得到了明显提升。

• 虚拟化云计算数据中心资源节能调度算法研究

  宁士勇,

  针对当前云计算数据中心资源调度过程耗时长、能耗高、数据传输准确性较低的问题，提出基于VR沉浸式的虚拟化云计算数据中心资源节能调度算法。构建云计算数据中心资源采样模型，结合虚拟现实（virtual reality，VR）互动装置输出、转换、调度中心资源，提取中心资源的关联规则特征量，采用嵌入式模糊聚类融合分析方法三维重构中心资源，建立虚拟化云计算数据中心资源的信息融合中心，采用决策相关性分析方法，结合差异化融合特征量实现对数据中心资源调度，实现虚拟化云计算数据中心资源实时节能调度。仿真结果表明，采用该方法进行虚拟化云计算数据中心资源节能调度的数据传输准确性较高，时间开销较短，能耗较低，在中心资源调度中具有很好的应用价值。

• 基于大批量训练和正交正则化的跨模态哈希方法

  张学旺,周印,

  基于深度学习的跨模态哈希方法都使用小批量训练方式来训练模型，然而小批量方式在每次更新参数时获取样本数量有限，不能得到很好的梯度，影响最终训练的模型检索性能。针对此问题，提出了一个新的跨模态哈希方法。该方法使用大批量方式进行训练，并引入正交正则化来增加大批量训练的稳定性；同时考虑了哈希码的离散性，将哈希码与特征之间的距离加入到目标函数中，使得哈希码能够更加真实地表示数据。在两个广泛使用的跨模态检索数据集上的实验表明，该方法比现有的几种哈希方法具有更好的性能。

• 基于基因水平多样性的微种群教与学优化算法

  王筱薇,范勤勤,王维莉,

  种群多样性对微种群教与学优化算法的性能有极大影响。为进一步提高其性能，提出一种基于基因水平多样性的微种群教与学优化算法（MTLBO-GLD）。该算法从基因水平上对种群多样性进行监测；并使用混沌搜索和余弦函数分阶段进行扰动以增加种群多样性。所提算法与八种元启发式算法（四种微种群算法和四种非微种群算法）在13个测试函数上进行性能比较。实验结果表明，MTLBO-GLD的整体性能要显著好于其他八种对比算法。

• 电动汽车分时租赁用户预约分配问题的新型电磁场优化算法求解

  赵桐,刘勇,

  针对电动汽车电量对于行驶里程的限制问题，建立用户预约分配模型，以得到利润最大时的订单分配结果。该类问题属于NP-hard问题，求解具有一定困难。因此，设计一种新型离散电磁场优化算法求解方法。在基本电磁场优化算法的基础上使用二进制编码方式，改变粒子移动方式，并对负电磁场中的电磁粒子增加更新过程。将提出的新算法与遗传算法、二进制粒子群算法、改进二进制布谷鸟算法及二进制狮群算法进行对比，数值实验表明新算法具有更高的计算效率。此外，与传统分配模型相比，新订单分配模型能够获得更高的利润，说明了该模型的有效性。

• 意愿计算的股市突变点预测方法

  姚宏亮,董伟伟,王浩,杨静,

  由于传统分段线性表示方法没有考虑股市数据分布变化导致分段不合理，同时股市突变点相关特征的局部性导致突变点难以有效预测，所以在分段线性表示方法的基础上提出一种意愿计算的股市突变点预测方法（WC-WSVM）。首先，给出一种波动率分布变化的分段线性表示（V-PLR）方法，通过波动率分布变化自适应地优化PLR分段阈值；然后，提取与主力买卖股票意愿相关的股市特征并进行量化，利用逻辑回归（LR）对于所提取的特征进行融合得到意愿计算结果；最后，将意愿计算结果与PLR-WSVM算法输入特征共同代入到WSVM中，进行突变点预测。在真实数据上的实验结果表明，算法具有强适应性，预测精度得到有效提升。

• 云制造环境下基于SVM的加工设备资源分类研究

  徐东升,陈友玲,刘舰,谢蓉,吴璐,

  云制造资源的有效分类是资源服务化封装及后续制造资源服务检索的前提条件，针对高维度特征、多类别加工设备资源的分类问题。依据描述云制造加工设备资源属性特征的XML文档，提取资源属性特征并进行向量化处理。基于SVM算法建立制造资源自动分类预测算法模型，引入SMO算法提升SVM分类算法的分类效率，并利用网格搜索寻求SVM算法的最优参数从而优化SVM算法效果。最后基于某设备资源集的原始设备信息对不同加工设备进行分类实验，验证了该分类模型的有效性以及可行性。

• 基于IPSO-BSVM的小样本数据不均衡下的设备健康预测研究

  位晶晶,刘勤明,叶春明,陈翔,

  针对设备的健康预测缺乏大量样本且存在样本不均衡问题，提出基于改进粒子群优化算法优化均衡支持向量机（IPSO-BSVM）的健康预测模型。首先，提出动态非线性惯性权重对PSO进行优化；其次，提出了一种非线性多分类均衡支持向量机BSVM，以减小由于样本量不均衡引起的误差；然后利用改进后的PSO对BSVM参数进行优化；最后利用建立的IPSO-BSVM模型对设备进行状态识别及剩余寿命预测。仿真结果表明，提出方法能够有效解决小样本数据不均衡下的设备健康预测问题。

• 不确定环境下多机器人编队控制研究

  吴军成,肖宇峰,霍建文,

  针对多机器人在不确定环境下难以保持某种队形到达预定目标等问题，提出了一种无须全局坐标的多机器人编队控制算法。该算法通过Reynolds类鸟群模拟方法设计了 “分离”“对齐”“队形”三规则的控制器来实现多机器人任意队形保持控制，并增加切换规则来实现多机器人队形变换。在不同场景及复杂环境下进行仿真实验，验证了提出方法的优越性。该算法能够使多机器人在不确定环境下保持队形到达目标，对于救援、救灾下多机器人的运用具有重要意义。

• 政府规制下不确定回收量的闭环供应链决策研究

  李芳,陈玲,马鑫,

  针对废旧品回收管理问题，为了实现闭环供应链各主体决策最优、收益最大化的目标，研究构建了回收不确定情况下，政府规制作用下基于第三方回收的新产品和再制品差别定价的闭环供应链决策模型，比较分析了集中和分散两种决策情况下系统决策变量的变化，并通过设计收益共享—费用共担契约机制对分散决策下的供应链进行协调，以达到集中决策的最优目标。通过算例仿真分析对模型进行分析，进一步验证了模型的正确性和有效性，研究表明：回收的不确定性越大，造成成员利润损失的可能性越大，而占据主导地位的成员有优先选取协调因子的权利，为自身谋取更多的利润分成。

• 基于无人机辅助VANET的两层架构

  邸剑,李晴,蔡震,

  由于车辆具有高机动性、网络拓扑结构多变等特点，导致车辆自组织网络（vehicular Ad hoc network，VANET）中数据包的高效传输成为研究重点之一。针对该现状提出了一种利用无人机和公交车组合形成上层网络来辅助底层车辆数据包传输的两层架构，该结构利用无人机来修复连接，从而提高整体连通性、改善路由过程；其次，结合无人机的运动特点、连通性保证、道路车辆密度等因素构建了无人机的活动策略；最后，通过仿真实验分析了该架构性能。结果显示，提出的架构与其他传统架构相比有效改善了链路质量，平均交付率提高了13.63%，平均最低时延为380 ms。

• 基于自适应分层的3D打印成型方向优化

  石立伟,陈兴,王军伟,刘洋,

  在3D打印中，成型方向的选择是影响产品成型质量的关键因素之一。针对目前算法仅考虑在等厚分层的前提下进行优化的问题，提出基于自适应分层的模型成型方向优化算法。首先结合3D打印层层叠加的特点，在分析不同成型方向对产品表面精度影响的基础上建立了以模型成型方向为变量、最小体积误差为目标的优化函数；然后通过STL模型的坐标变换、自适应分层等步骤并利用遗传算法在全局范围内搜索最优解，得到最佳成型方向。实验结果表明，该算法能够找到在自适应分层前提下的最佳成型方向，与现有算法相比能够进一步降低体积误差，提升表面质量。

• 基于网联车多跳传输的移动边缘计算卸载

  邸剑,薛林,蔡震,

  提出了一种基于网联车多跳传输的移动边缘计算卸载策略，通过对车辆未来行驶轨迹的预测，有效发现车辆网络实时最佳多跳传输路径，以保证在时延要求内成功将计算任务卸载至MEC服务器。仿真实验结果表明，较传统的移动卸载策略，平均任务时延更低，任务成功率更高，各方面性能均优于传统的边缘计算卸载策略。其中，任务卸载成功率平均提升了10.06%，任务时延平均降低了8.62%。

• 基于IK-means聚类的分簇路由算法

  李雪,南建国,

  为了均衡移动自组织网络的能耗，提高簇结构稳定性，提出了一种基于IK-means聚类的分簇路由算法（IK-CRA）。首先利用IK-means算法对网络中的节点进行分簇；然后通过节点的剩余能量、邻居节点数与连通代价的比值、链路维持时间构造适应度函数，采用改进的人工蜂群算法（IABC）解决分簇路由算法中的最优簇头问题。仿真结果表明，IK-CRA算法缩短了成簇时间，降低了节点的状态变化率，减少了节点的能量消耗，延长了簇首的持续时间，提高了动态环境下簇结构的稳定性。

• 支持边缘端—云端协同工作的群组命令传输算法

  颜晓莲,邱晓红,

  Internet是连接云端与分布在不同区域边缘端的重要传输载体，其尽力而为的服务模式在支持群组控制命令传输时，会造成快速消耗网络资源及路径竞争等问题。首先，把Internet群组控制命令传输问题转换为不相交带约束的多Steiner树问题（constrainted multi-Steiner trees with disjoint problem，CMSTDP），并提出一种改进型遗传算法。该算法聚焦于提升全局搜索能力和缓解路径竞争两个方面。实验从群组命令传输成功率、收敛延时比及解误差率三个方面验证，该算法适合应用于边缘端—云端之间的群组命令传输。

• 基于角度域的FDD大规模MIMO系统开销优化

  马国富,陈知行,

  针对信道信息获取中导频开销与反馈开销过大的问题，研究了FDD大规模MIMO系统的开销优化。基于信道角度域大尺度参数的多样性，引入成簇多径信道模型，设计了一种角度域的开销优化方案。在此方案中，通过广播预先设计的预编码码本和用户强度反馈，在基站侧建立角度域的拓扑关系，进行整体用户调度与预编码码本分配。在典型仿真场景下，与传统方案相比，系统开销平均减少60%，系统和速率平均提升35%。通过角度域的码本匹配，有效减少了系统开销，提升了系统性能。

• 两个安全的无证书三方认证密钥协商协议

  许盛伟,任雄鹏,

  针对李、贾的两个无证书三方协议，分别构造具体攻击算法证明方案均有安全缺陷，进一步提出了新的三方认证密钥协商协议并进行分析；由于该协议计算效率的局限性，同时在考虑内部人攻击的情况下采用Schnnor签名提出第二个协议。与同类协议相比，两协议均具有安全性优势，满足完美前向安全、已知会话密钥安全、抗密钥泄露伪装安全和抗临时密钥泄露安全等属性，避免了证书管理和密钥托管的缺陷；协议1与2相比，前者通信成本较低并实现了可证安全，后者计算效率更高且抗内部人攻击，均适用于电子商务、手机漫游或电子会议三方交互应用场景。

• 基于MILP搜索的ANU算法积分分析

  袁征,朱亮,赵晨曦,刘宗甫,

  ANU算法是由Bansod等人发表在SCN 2016上的一种超轻量级的Feistel结构的分组密码算法。截至目前，没有人提出针对该算法的积分攻击。为了研究ANU算法抗积分攻击的安全性，根据ANU算法的结构建立起基于比特可分性的MILP 模型。对该模型进行求解，首次得到ANU算法的9 轮积分区分器；利用搜索到的9轮区分器以及轮密钥之间的相关性，对128 bit密钥长度的ANU算法进行12轮密钥恢复攻击，能够恢复43 bit轮密钥。该攻击的数据复杂度为263.58个选择明文，时间复杂度为288.42次12轮算法加密，存储复杂度为233个存储单元。

• 基于高效假轨迹的隐私保护算法研究

  王海涛,田可可,王辉,刘静,

  为了解决LBS服务中用户轨迹隐私泄露的问题，提出了一种基于高效假轨迹的隐私保护算法。首先，该方案综合考虑用户所处区域的背景信息，以划分网格的方式，统计每个网格的历史服务请求概率，确保生成的每一个假位置与对应真实位置具有相同的历史服务请求概率；其次，结合网格历史服务请求概率并通过万有引力定律模型计算出用户位置转移概率；最后，生成与真实位置转移概率最相近的k-1条假轨迹实现K-匿名。实验结果表明，该方案能够更有效地保护用户的轨迹隐私。

• 面向属性加密数据的可验证细粒度关键字密文搜索

  林素青,王秋艳,张书华,周金,

  为实现加密数据的细粒度密文搜索，并确保第三方服务器诚实可靠地执行搜索过程，同时尽可能降低用户端的计算和通信代价，提出支持密文搜索可验证的属性基可搜索加密方案。通过引入对称密钥加密体制，承诺方案和强一次性消息认证码，以经典的属性加密方案为基础构造算法，实现密文关键字的细粒度搜索以及搜索过程的可验证性，并证明方案具有选择性的数据安全性和搜索索引安全性，以及验证可靠性。与同类方案相比，该方案在达到同等安全性要求的情况下，进一步提高了终端用户的计算和通信效率。

• 可追踪且可撤销的基于OBDD访问结构的CP-ABE方案

  汪倩倩,欧毓毅,

  针对现有属性撤销方案中存在对恶意用户的不可追踪性、用户属性不能即时撤销的问题，提出了一种可追踪且可撤销的，基于有序二叉决策图（OBDD）访问结构的，高效、有表达力、可撤销的密文策略属性基加密（CP-ABE）方案。该方案实现了用户属性的即时撤销，也能对恶意用户进行追踪。同时，所提方案采用基于OBDD的访问结构，该类型的访问结构不仅能表示任何关于属性的布尔表达式，还能同时支持访问策略中属性的正负值。该方案将部分加/解密运算外包给代理服务器，从而降低用户的加/解密计算量。该方案基于DBDH假设，在标准模型下被证明是安全的。

• 基于自注意力机制的图像隐写分析方法

  黄思远,张敏情,柯彦,毕新亮,

  针对自适应图像隐写分析难度大、现有的模型难以对图像有利区域进行针对性分析的问题，提出了一种基于自注意力机制的图像隐写分析模型（self-attention steganalysis residual network，SA-SRNet）。该模型将自注意力机制引入SRNet（steganalysis residual network），引导模型更加关注图像全局对隐写分析有利的区域及图像长距离之间的依赖关系，解决了硬注意力机制在训练时容易陷入局部最优的问题。首先，奖励机制利用强化学习使模型找到对隐写分析最有利的检测点；其次，自注意力机制根据检测点生成注意力重点图像；最后，替换机制用注意力重点图像替换识别错误的图像，提高训练集的质量和模型的判别能力。实验在BOSSbase 1.01数据集上进行，结果表明SA-SRNet可获得比SRNet更好的隐写分析准确率，最多可提高1.8%。

• 基于SOM网络的差分隐私保护研究

  叶欣欣,杨高明,方贤进,施雨,

  差分隐私模型具有强大的隐私保护能力，但是也存在数据效用低等问题。为提高数据可用性并保护数据隐私，提出一种基于SOM网络的差分隐私算法（SOMDP）。首先利用SOM网络模型对数据进行聚类操作；其次，对每个划分好的聚类添加满足差分隐私的拉普拉斯噪声；最后，理论分析算法的可行性，并在真实数据集上评估SOMDP算法性能、算法的数据可用性和隐私性能。实验结果表明，SOMDP在达到差分隐私要求的前提下，可较大程度地提高差分隐私数据发布的效用。

• 格上基于RLWE难题的身份基代理重加密方案

  汤永利,刘琦,张晓航,叶青,王永军,

  针对目前基于格的身份基代理重加密方案存在的加/解密效率低和密文、密钥尺寸过长的问题，采用原像抽样和对偶加密技术，重新构造了一个基于格的身份基代理重加密方案。该方案采用原像抽样技术提取用户私钥，用对偶加密算法对消息进行加密，利用代理重加密密钥进行重加密，并用用户的私钥进行解密。安全分析表明，在标准模型下，基于ring learning with errors困难假设，该方案满足IND-aID-CPA安全。效率分析表明，该方案可以有效缩短密文和密钥尺寸，提高加/解密效率。

• 纹理细节和边缘结构保持的图像插值算法

  付鹏斌,铁惠杰,杨惠荣,

  针对图像重建过程中产生的边缘结构被破坏和纹理细节丢失问题，提出一种纹理细节和边缘结构保持的图像插值算法。首先，采用自适应阈值的八方向边缘检测划分图像区域；其次，构造双变量有理函数模型，它可在有理模型和多项式模型之间转换；最后，提出基于边缘数据的局部不对称性和梯度特征调整待插值点空间距离的方法，调整边缘部分待插值点坐标并代入有理模型实现插值，而非边缘部分采用多项式模型插值。实验表明，该算法的峰值信噪比平均提升了0.48~2.17 dB，结构相似性平均提升了0.004~0.028，获得了较高的客观评价数据。该算法将原空间距离不变的插值修正为空间距离变化的插值，有效地保持了图像的边缘结构和纹理细节，使得重建结果具有较好的视觉效果。

• 基于生成式对抗网络的画作图像合成方法

  赵宇欣,王冠,

  画作图像合成旨在将两个不同来源的图像分别作为前景和背景融合在一起，这通常需要局部风格迁移。现有算法过程繁琐且耗时，不能做到实时的图像合成。针对这一缺点，提出了基于生成式对抗网络（generative adversarial net，GAN）的前向生成模型（PainterGAN）。PainterGAN的自注意力机制和U-Net结构控制合成过程中前景的语义内容不变。同时，对抗学习保证逼真的风格迁移。在实验中，使用预训练模型作为PainterGAN的生成器，极大地节省了计算时间和成本。实验结果表明，比起已有方法，PainterGAN生成了质量相近甚至更好的图像，生成速度也提升了400倍，在解决局部风格迁移问题上是高质量、高效率的。

• 基于改进注意力迁移的实时目标检测方法

  张弛,刘宏哲,

  目前深度神经网络模型需要部署在资源受限的环境中，故需要设计高效紧凑的网络结构。针对设计紧凑的神经网络提出一种基于改进注意力迁移的模型压缩方法（KE），主要使用一个宽残差教师网络（WRN）指导一个紧凑的学生网络（KENet），将空间和通道的注意力迁移到学生网络来提升性能，并将该方法应用于实时目标检测。在CIFAR上的图像分类实验验证了经过改进注意力迁移的知识蒸馏方法能够提升紧凑模型的性能，在VOC上的目标检测实验验证了模型KEDet具有很好的精度（72.7 mAP）和速度（86 fps）。实验结果充分说明基于改进注意力迁移的目标检测模型具有很好的准确性和实时性。

• 基于难样本挖掘的孪生网络目标跟踪

  亢洁,孙阳,沈钧戈,

  为了解决全卷积孪生网络目标跟踪算法（SiamFC）在复杂环境下容易出现跟踪漂移甚至跟踪失败的问题，提出了一种基于难样本挖掘的孪生网络目标跟踪方法。该方法在SiamFC算法的基础上，首先利用特征融合模块进行特征融合，以提高特征表征的鲁棒性，然后引入一个新的损失函数，加强网络对难样本的学习能力并缓解正负样本不平衡的问题。为验证该方法的有效性，在OTB2015和GOT10k数据集上对算法进行测试实验。实验结果表明，在OTB2015数据集上该方法比SiamFC算法在成功率上提高2.6%，精度上提高2%；在GOT10k数据集上该方法的mAO为0.429，相比SiamFC算法提高了3.7%，在光照变化、目标形变、相似背景干扰情况下具有更好的表现。

• 基于概率假设密度的近邻目标快速跟踪算法

  王颖,

  针对杂波场景中多个目标相互近邻时，标准概率假设密度滤波器难以正确估计目标状态且计算复杂度高等问题，提出一种基于概率假设密度的近邻目标快速跟踪算法。所提算法首先采用自适应门技术从传感器观测集中划分出源于真实目标的观测集，随后利用真实目标观测集来更新预测强度，最后应用检测导向的近邻目标权重校正方法有选择地重分配各离散时刻后验强度中不精确的分量权重。实验结果表明，所提算法不仅具有高效率的目标跟踪，而且具有良好的鲁棒性。

• 基于增强特征融合网络的行人再识别

  邓滔,杨娟,汪荣贵,薛丽霞,

  针对行人再识别问题，目前多数方法将行人的局部或全局特征分开考虑，从而忽略了行人整体之间的关系，即行人全局特征和局部特征之间的联系。本文提出一种增强特征融合网络（enhanced feature convergent network，EFCN）。在全局分支中，提出适用于获取全局特征的注意力网络作为嵌入特征，嵌入在基础网络模型中以提取行人的全局特征；在局部分支中，提出循环门单元变换网络（gated recurrent unit change network，GRU-CN）得到代表性的局部特征；再使用特征融合方法将全局特征和局部特征融合成最终的行人特征；最后借助损失函数训练网络。通过大量的对比实验表明，该算法网络模型在标准的Re-ID数据集上可以获得较好的实验结果。提出的增强特征融合网络能提取辨别性较强的行人特征，该模型能够应用于大场景非重叠多摄像机下的行人再识别问题，具有较高的识别能力和识别精度，且对背景变化的行人图像能提取具有较强的鲁棒性特征。

• 面向安防监控场景的低分辨率人脸识别算法研究

  卢峰,周琳,蔡小辉,

  针对安防监控场景中获取的人脸图像质量不佳、细节信息丢失导致的人脸识别准确率低下的问题，提出一种基于超分辨率重建的低分辨率人脸识别算法。该算法包括超分辨率重建和人脸识别两个子网络，分别实现低分辨率人脸图像的超分辨率重建和人脸特征的提取。首先通过增加超分辨率重建子网络激活函数前的特征图数量实现广泛激活，保证信息流的有效传递，重建出包含更多细节信息的高分辨率人脸图像；然后在训练时结合图像内容损失和身份损失，在重建图像的同时保留更多身份信息，使得提取到的人脸特征具有更强的辨别性。实验结果表明，该算法提升了低分辨率人脸识别的准确率，在监控人脸数据集QMUL-SurFace上的性能优于传统算法。

• T-STAM:基于双流时空注意力机制的端到端的动作识别模型

  石祥滨,李怡颖,刘芳,代钦,

  针对双流法进行视频动作识别时忽略特征通道间的相互联系、特征存在大量冗余的时空信息等问题，提出一种基于双流时空注意力机制的端到端的动作识别模型T-STAM，实现了对视频关键时空信息的充分利用。首先，将通道注意力机制引入到双流基础网络中，通过对特征通道间的依赖关系进行建模来校准通道信息，提高特征的表达能力。其次，提出一种基于CNN的时间注意力模型，使用较少的参数学习每帧的注意力得分，重点关注运动幅度明显的帧。同时提出一种多空间注意力模型，从不同角度计算每帧中各个位置的注意力得分，提取多个运动显著区域，并且对时空特征进行融合进一步增强视频的特征表示。最后，将融合后的特征输入到分类网络，按不同权重融合两流输出得到动作识别结果。在数据集HMDB51和UCF101上的实验结果表明T-STAM能有效地识别视频中的动作。

• 基于非对称双分支交互神经网络的水下生物识别

  赵力,宋威,

  针对水底环境存在着可见度低、光照条件差、物种间特征差异不明显等问题，基于卷积神经网络，提出了一种新的非对称双分支水下生物分类模型。模型中交互分支利用不同的卷积神经网络中间层提取局部特征并通过交互模块对局部特征进行交互，增强分类模型的局部特征学习能力；卷积神经网络分支可以有效地学习到目标的全局特征，弥补交互分支中忽略的全局信息。在Fish4-Knowledge（F4K）、Eilat、RAMAS三个数据集上取得了98.9%、98.3%、97.9%的准确率，较前人方法有显著提高；视觉解释也验证了该模型可以有效地捕捉到局部特征并消除背景影响。最终显示，该模型在水下环境具有良好的分类性能。

• 鲁棒可预测判别字典学习人脸识别方法

  张健,米建勋,

  提出一种可预测判别K-SVD网络模型（DKSVDN）并用于人脸识别问题。该模型构造了一种新颖的字典结构，包含类别标签字典和描述字典，以兼顾判别和重构性能。相应的稀疏编码向量由标签编码向量和描述编码向量组成。针对样本稀疏编码时间效率低的问题，利用预测神经网络与判别字典学习模型协同训练的方法来加速预测稀疏编码。此外，针对DKSVDN还特别引入一种拟梦境的训练方法用于提升模型在训练集多样性不足时的鲁棒性。通过在主流人脸数据集上的对比实验证明了该模型的优良性能。

• 多视觉目标融合的图像情感分析研究

  缪裕青,雷庆庆,张万桢,周明,文益民,

  现有图像情感分析方法较少注意到显著性目标和人脸对图像情感表达的影响。提出一种多视觉目标融合的图像情感分析方法。首先在整张图像中检测显著性目标和人脸目标区域；然后利用特征金字塔改进CNN识别显著性目标情感，在多层监督模块上构建加权损失的CNN识别人脸的情感；最后将显著性目标情感、人脸目标情感与整张图像直接识别出的情感进行融合得到最终的情感分类结果。实验结果表明，多视觉目标融合的图像情感分析比直接识别整张图像的情感分析方法可获得更高的情感分类准确率。

• 基于图像视野划分的公共场所人群计数模型

  袁健,王姗姗,罗英伟,

  为解决公共场所中人群分布不均以及目标尺度不一而影响人数估计的问题，提出了基于图像视野划分的公共场所人群计数模型。首先将图像场景划分为远近视野两个区域，对近视野区域，使用基于YOLO的网络进行行人检测并通过添加场景约束避免在远近视野区域内重复计数；对远视野区域，使用改进的MobileNets提取人群密度分布特征，并引入超分辨率重建模块提升人群密度图质量，最终通过计算两者之和得到整幅图像中的人群数量。在Shanghai Tech和Mall数据集上进行测试，结果表明该模型在准确性和鲁棒性上有显著的提高，实验证明模型切实可行。

• 基于卷积神经网络的语义分割算法研究

  熊炜,童磊,金靖熠,王传胜,王娟,曾春艳,

  针对语义分割中残差网络并不能完好地提取图像信息和分割效果差的问题，提出一种联合特征金字塔模型（JFP）用来融合残差网络的输出特征，并结合暗黑空间金字塔池化模型（ASPP）进一步提取特征。在解码部分应用简单的解码结构，恢复图像尺寸完成语义分割；同时引入注意力模型作为辅助语义分割网络，辅助神经网络进行训练。该方法分别在Pascal VOC 2012数据集和增强的Pascal VOC 2012数据集上对网络进行训练，并在Pascal VOC 2012的验证集上进行测试，其平均交并集之比（mIoU）分别达到了78.55%和80.14%，表明该方法具有良好的语义分割性能。

• 基于数据内在结构特征的度量学习

  张开放,郎贵林,王晓明,黄增喜,杜亚军,

  半正定约束度量学习（positive-semidefinite constrained metric learning，PCML）作为一种结合了支持向量机（support vector machine，SVM）的典型度量学习方法，在图像识别和行人重识别领域展现了优越的性能，然而在每次学习度量矩阵的过程中，该方法只简单地考虑不同类别样本之间的最大间隔，忽略了同一类别间的样本特征空间也在发生变化。基于此，提出了一种基于数据内在结构特征的度量学习方法。首先，与PCML相比，提出方法不仅考虑了不同类别样本之间的间隔，而且考虑了相同类别样本间的类内散度矩阵，使学习到的度量矩阵有更强的鉴别能力；其次，进一步将l1-norm损失函数转换为l2-norm损失函数，可以进一步提高模型的泛化性能。在多个数据集上的实验结果表明，提出方法相比于其他度量学习方法在多数情况下取得了更优异的性能。

• 基于深度残差反投影注意力网络的图像超分辨率

  胡高鹏,陈子鎏,王晓明,张开放,黄增喜,杜亚军,

  针对多数单帧图像超分辨率（single image super-resolution，SISR）重建方法存在的特征信息发掘不充分、特征图各通道之间的相互依赖关系难以确定以及重建高分辨率（high resolution，HR）图像时存在重构误差等问题，提出了基于深度残差反投影注意力网络的图像超分辨率（SR）算法。即利用残差学习的思想缓解训练难度和充分发掘图像的特征信息，并使用反投影学习机制学习高低分辨图像之间的相互依赖关系，此外引入了注意力机制动态分配各特征图以不同的注意力资源从而发掘更多的高频信息和学习特征图各通道之间的依赖关系。实验结果表明了所提方法相比于多数单帧图像超分辨率方法，不仅在客观指标方面得到了显著的提升，而且重建的预测图像也具有更加丰富的纹理信息。

• 基于相邻层间相似性和空体素跳跃的体绘制加速算法研究

  敖山,刘梦颖,李保锟,刘志中,

  Splatting是经典的基于物序的直接体绘制方法，运算数据量的多少制约着算法绘制图像的速度。为了进一步提升绘制速度，采用基于相邻层间相似性和空体素跳跃相结合的方法进行加速，在读取数据过程中对图片中的三维纹理数据进行筛选，并使用足迹表对筛选后的三维纹理数据进行二维投影，利用相邻层间相似性计算每一个点的灰度值，并根据灰度值将数据分类，算出对成像没有影响的空体素，跳过其绘制过程从而加速算法。实验结果显示，该算法能够在保证绘制图像质量的基础上，在一定程度上解决和改善Splatting算法数据的空间相关性和运算效率的问题。