计算机应用研究杂志

计算机应用研究杂志2021年第5期

• DNA甲基化差异模式识别方法综述

  赵倩,张雪,张彦,林正奎,孙野青,

  目前，微阵列芯片技术和重亚硫酸氢盐测序技术贡献了大量DNA甲基化实验数据，基于不同数据产生了众多识别差异甲基化位点及差异甲基化区域的方法。为了对DNA甲基化差异模式识别方法进行梳理，首先介绍了DNA甲基化研究现状，包括DNA甲基化检测方法和数据类型，以及两种DNA甲基化差异模式；接着详细阐述了芯片数据的差异甲基化位点和差异甲基化区域的识别方法，并介绍了基于八种不同算法原理的测序数据的差异甲基化模式识别方法，重点阐述了各种算法的原理、应用场景以及算法的优点和局限性；最后指出了现阶段DNA甲基化差异模式识别存在的问题和未来可能的发展趋势。

• 云控制系统研究现状综述

  吕书玉,马中,戴新发,高毅,胡哲琨,

  云控制系统是软件定义的云计算基础理论和方法在自动控制领域中的延伸和应用，然而其研究尚处于起步阶段，其概念内涵、体系架构、理论方法和关键技术还需进一步明确。通过对体系结构和构成要素的分析，归纳总结了云控制系统的典型特征；综合分析了云控制系统与相关技术的支撑关系；基于云控制系统的理论特点引申出五项关键技术，并对各关键技术的研究现状进行了详细阐述；最后提出了云控制系统未来发展所面临的问题与挑战。

• 自然图像抠图技术综述

  梁椅辉,黄翰,蔡昭权,郝志峰,冯夫健,

  着重对近几年自然图像抠图研究新进展进行综述，针对近年来基于启发式优化的抠图研究以及基于深度学习的抠图研究新成果对抠图研究工作进行重新分类和梳理，分析不同类型自然图像抠图研究主要的方法并整理其中的关键问题，介绍常用的自然图像抠图评价指标。最后通过实例分析总结了当前自然图像抠图研究面临的挑战，并对未来的研究前景进行了探讨。

• Hyperledger Fabric中基于层级结构的公钥广播加密方案

  黄宗敏,张大伟,

  针对Hyperledger Fabric联盟链的公开账本上的安全群组通信问题，基于Fabric通道中成员管理的层级结构，提出使用子集覆盖框架下的CS方法和IBE算法相结合的方式构造出适用于联盟链的公钥广播加密方案。该方案改进了CS方法原有的完全二叉树结构，依据Fabric通道内部的组织结构建立了具有层级结构的二叉树；采用类哈夫曼编码方式唯一标志各节点在二叉树中的位置以提高查询速度；引入预留节点和弃用节点，设计了相应的二叉树更新算法以实现成员的动态加入和退出。分析和测试结果表明，该方案为联盟链系统提供了一种高效、安全、细粒度的数据隐私保护方案。

• 面向智能合约链上升级的松耦合模型研究

  刘云霞,胡大裟,蒋玉明,

  针对已部署到区块链上的智能合约无法实现升级的问题，结合以太坊技术提出了一种松耦合的新型智能合约模型。该模型将传统的智能合约拆分为接口合约集、逻辑合约集、数据合约集三个子集。以此松耦合智能合约模型为基础，设计了一个客户实名转账获取代币的业务场景，通过部署代币合约、接口合约、逻辑合约和数据合约，实现了基本的实名转账功能。最后通过以太坊平台进行系统测试，分析了实名转账场景的功能性、可升级性及成本花销。结果表明基于该模型设计的智能合约，在实现基本功能的同时，能够允许在上链之后对其合约子集进行升级，且能有效降低升级成本，相比传统的链下升级方案，松耦合模型合约的升级成本降低了32.43%，部署成本仅增加了24.16%。

• 基于联盟区块链的供应链信息协同博弈研究

  张志,李军祥,张栋梁,

  针对传统供应链信息不对称引发的额外库存成本及需求预测准确性差等损害各主体利润的问题，结合区块链去中心化、去信任、可追溯及信息无法窜改等优势，以制造商、销售商及两个第三方物流企业组成的三级供应链为研究对象，考虑采用区块链技术和不采用区块链技术两种情形建立链上企业间的博弈模型，分析博弈模型下各节点企业的最优策略。通过对比采用区块链技术前后的最优收益，明确区块链技术在供应链中的应用策略和应用条件，为供应链上下游企业间的合作共赢创造有利环境。最后通过数值分析验证了结论的正确性。

• 基于博弈论与区块链融合的k-匿名位置隐私保护方案

  杨少杰,郑琨,张辉,张光华,

  基于移动用户的位置服务中，通常采用位置k-匿名技术保护用户的隐私安全性。然而，用户协作构建k-匿名组中难以保证请求用户和协作用户的诚信合作行为。针对以上问题，首先基于完全信息静态博弈理论分析请求用户和诚信用户的行为策略，计算请求用户的诚信阈值，协作用户根据请求阈值与协同阈值的比较决定是否参与匿名组构建；其次，构建信誉机制将用户的近期表现与收益结合，约束参与匿名组构建的请求用户及协作用户的不诚信行为；最后，使用区块链存储博弈过程和协作用户的位置信息，当发现请求用户和协作用户的不诚信行为时，对不诚信的用户进行信誉值和收益降低的处罚。安全分析表明，该方案能有效保护用户的位置隐私，促进请求用户与协作用户的诚信合作，同时激励更多的人参与匿名组的构建。

• 基于对抗学习和全局知识信息的关系检测技术研究

  王勇超,杨英宝,曹钰,邢卫,

  针对现有的知识库关系检测任务对于一些不可见关系无法做到准确的向量表示而出现词汇溢出的问题，提出了基于对抗学习和全局知识信息的关系检测模型。该模型使用对抗学习对知识库关系表示模型进行特征强化，使用TransH（translating on hyperplanes）模型提取全局知识信息，同时通过联合训练，将全局知识信息融合进关系表示模型中，进一步提升关系模型的表示能力。实验结果表明，提出的融合模型对于关系检测效果有一定的提升，并且缓解了词汇溢出的问题。

• 基于非平衡数据下不完备混合型信息系统的属性约简

  姚晟,李初宴,陈悦,

  完备混合型信息系统下的粗糙集模型是传统粗糙集模型的重要扩展，目前关于非平衡数据属性约简的研究仅限于完备混合型的粗糙集模型。针对这一问题，提出一种基于不完备混合型信息系统的非平衡数据属性约简。本文首先将传统的粗糙集模型进行推广，提出不完备混合型信息系统下的粗糙集模型；然后针对数据的非平衡性，根据上下边界区域和类分布的不均匀性定义了一种新的属性重要度；在基于区别矩阵的基础上设计出一种非平衡数据的属性约简算法。实验分析表明该算法针对不完备非平衡数据的属性约简具有一定的有效性和优越性。

• 基于MapReduce和IFOA的并行密度聚类算法

  胡健,徐锴滨,毛伊敏,

  针对大数据下密度聚类算法中存在的数据划分不合理、参数寻优能力不佳、并行性能较低等问题，提出一种基于IFOA的并行密度聚类算法（density-based clustering algorithm by using improve fruit fly optimization based on MapReduce，MR-DBIFOA）。首先，该算法基于KD树，提出网格划分策略（divide gird based on KD tree，KDG）来自动划分数据网格；其次在局部聚类中，提出基于自适应搜索策略（step strategy based on knowledge learn，KLSS）和聚类判定函数（clustering criterion function，CCF）的果蝇群优化算法（improve fruit fly optimization algorithm，IFOA）；然后根据IFOA进行局部聚类中最优参数的动态寻优，从而使局部聚类的聚类效果得到提升；同时结合MapReduce模型提出局部聚类算法DBIFOA（density-based clustering algorithm using IFOA）；最后提出了基于QR-tree的并行合并局部簇算法（cluster merging algorithm by using MapReduce，MR-QRMEC），实现局部簇的并行合并，使算法整体的并行性能得到加强。实验表明，MR-DBIFOA在大数据下的并行效率更高，且聚类效果更好。

• 基于脑功能网络和共空间模式分析的脑电情绪识别

  刘柯,张孝,李沛洋,陈多,王国胤,

  传统脑网络的情绪分类将聚类系数、平均最短路径等拓扑属性作为分类特征。针对这些属性易受网络连接阈值和特征选择的影响，难以完全表征不同情绪状态下的网络空间拓扑结构差异的问题，提出了一种基于脑网络和共空间模式的脑电情绪识别方法（EEG emotion classification based on common spatial patterns of brain networks topology，EEC-CSP-BNT）。该算法基于互信息在各个子频段内计算电极间的功能连接矩阵，同时利用共空间模式（common spatial pattern，CSP）分析学习空间滤波器，构建分类特征，最后通过分类器（如Fisher线性判别、支持向量机、K最近邻）实现基于脑电的情绪分类。基于DEAP和SEED数据集的实验结果表明，相比于脑网络拓扑属性，EEC-CSP-BNT能有效提取脑网络拓扑结构的分类信息，提高脑电情绪识别性能。

• 基于遗忘函数的均值贝叶斯个性化排序算法研究

  申艳梅,姜冰倩,敖山,刘志中,

  针对贝叶斯个性化排序算法未能充分应用用户的行为信息，导致算法在数据稀疏情况下推荐性能以及鲁棒性均大幅度降低的问题，提出了均值贝叶斯个性化排序（MBPR）算法，来进一步挖掘用户对隐式反馈信息的偏好关系。考虑到用户兴趣随时间变化的特征，又将遗忘函数引入MBPR算法中。该算法首先对用户的历史评分记录进行预处理；然后根据用户的评分信息对项目进行正负反馈的划分，对每名用户进行个性化建模，挖掘用户对未参与项目的喜好程度，生成推荐列表。为验证提出算法的推荐性能，在公开数据集MovieLens及Yahoo上进行分析和对比实验。实验结果表明该算法的推荐性能及鲁棒性较对比算法均有显著提高。

• 一种属性不一致性加权的K近邻分类方法

  徐政,邓安生,曲衍鹏,

  针对传统的K近邻算法在计算样本之间相似度时将每个属性视为同等重要的问题，提出了一种基于推土机距离的方法来计算每个条件属性的权重。首先根据近邻关系划分用于比较一致性的两个分布；之后根据推土机距离设计不一致性评价函数，用于衡量每个属性下各个样本的近邻样本集与这一集合由决策属性细化的等价划分之间的不一致性程度；最后将近邻的不一致性程度转换为相应属性的重要性，用于实现属性加权K近邻分类器。通过在多个数据集上进行实验，该方法对参数的敏感程度低，在多个参数下可以显著提高K近邻的分类精度，并且在多个指标下的表现优于现有的一些分类方法。结果表明，该方法可以通过属性加权选择出更加准确的近邻样本，可广泛应用于基于近邻的机器学习方法中。

• 基于多头注意力机制的社交网络符号预测

  颜仕雄,朱焱,李春平,

  传统符号预测方法缺少处理二阶邻居信息的能力，难以有效提取社交网络用户的低维特征。为了有效融合节点用户邻居信息，提出了一种利用多头注意力机制学习一阶、二阶邻居信息的网络表示学习方法（signed multi-head graph attention network，SMGAT），从而改善社交网络符号预测的效果。首先融合平衡理论和状态理论采样一阶邻居、二阶邻居；然后利用多头注意力机制融合邻居的符号和结构信息，学习节点的低维特征；最后通过逻辑回归分类器实现符号预测。通过在四个真实的符号网络数据集上进行实验，结果证明SMGAT方法能够有效挖掘邻居节点的符号和结构信息，提高社交网络符号预测效果。

• 一种基于网络表示学习的miRNA-疾病关联预测方法

  耿霞,韩凯健,

  针对miRNA-疾病关联研究中信息使用不充分、过于依赖网络中节点的相似度信息以及预测准确度较低的问题，提出一种基于网络表示学习的miRNA-疾病关联预测方法（network representation learning miRNAdisease association，NRLMDA）。该方法通过引入长链非编码RNA（lncRNA）构造出miRNA-lncRNA-疾病异构网络，丰富原有网络的生物学信息；采用网络表征学习node2vec算法在上述提出的异构网络中以一定的游走策略获得节点的近邻序列，并通过skip-gram模型进行深度学习，从而获得节点的低维特征向量；最后基于miRNA-miRNA相似性的关联规则推断方法预测miRNA与疾病的关联。该方法能够挖掘出全局网络的拓扑结构特征，并且不需要负样本。NRLMDA 在留一交叉验证和五折交叉验证以及进一步的案例研究上的实验结果优于经典方法。

• 融合自注意力机制与长短期偏好的序列推荐模型

  沈学利,杜志伟,

  针对现有的序列推荐算法仅利用短期顺序行为进行推荐，而没有充分考虑用户的长期偏好和项目之间更深层次的联系等问题，提出一种融合自注意力机制与长短期偏好的序列推荐模型（combines self-attention with long-term and short-term recommendation，CSALSR）。该模型首先建模用户和项目的潜在特征表示，将用户短期交互序列中的项目成对编码为三向张量，然后经过自注意力机制模块并使用卷积神经网络（convolutional neural network，CNN）从用户的顺序模式中提取项目间更深层次的联系。同时考虑用户的长期偏好，将相似用户的嵌入作为补充增强用户表征。在MovieLens-1M和Gowalla数据集上，实验结果表明提出的方法在准确率precision@N、召回率recall@N、均值平均精度（mean average precision，MAP）上优于其他方法。

• 多头注意力评论量化的聚类优化推荐算法

  邱宁佳,王宪勇,王鹏,

  为了解决推荐算法中无法挖掘用户深层兴趣偏好，从而导致提取准确度低下，以及相似用户聚类准确率低下时间复杂度高等问题，提出评论量化模型优化差分进化的聚类优化推荐算法（MT-QRPD）。首先利用BiGRU网络的特征时序性与CNN的强局部特征有效性联合提取评论深度特征，并利用多头注意力机制的多维语义特征筛选对评论进行深度语义特征挖掘；然后经过多层感知机非线性转换进行多特征融合完成准确量化；最后使用PCA对差分进化变异选择进行优化完成相似用户聚类优化操作，寻找相似用户完成项目推荐。通过多项实验分析表明，所提推荐算法在量化评分准确度、时间复杂度以及推荐性能上都有较好的提升。

• 融合LSTM结构的脉冲神经网络模型研究与应用

  王清华,王丽娜,徐颂,

  SNN是更具生物可解释性的新型网络模型。针对传统SNN模型表征能力有限，难以应用于实际任务的问题，对SNN处理脑电识别任务进行了研究，提出具有长短期记忆结构的SNN模型。首先采用改进的BSA编码算法处理脑电信号；然后构建具有自适应阈值的脉冲神经元模型；在此基础上，基于PyTorch框架建立结合LSTM结构的SNN模型；最后使用替代梯度的方法克服了脉冲序列不可微分的问题，在保留神经元动态特性的同时基于反向传播方法直接训练SNN。实验结果表明，改进的BSA更具灵活性和可靠性，同时，融合LSTM结构的SNN模型提高了网络的表征能力，在脑电识别任务中取得了与传统深度学习模型可竞争的精度。

• 基于层次策略的半监督K-medoids算法研究

  李乐,王斐,

  针对现有基于K-means的半监督聚类算法存在的共同问题，即对离群点敏感、在非凸数据集与不平衡数据集上表现差，提出了一种基于层次策略的散布种子半监督中心聚类算法。首先通过基于影响空间的样本边缘因子将数据集分为核心层与边缘层，然后应用一种改进的K-medoids算法完成核心层聚类，最后采用一种递进半监督分配策略对边缘层进行分配得到最终聚类结果。算法通过层次策略解决了离群点干扰问题、半监督子簇聚类及合并策略实现了在不同分布数据集上有效聚类。通过与几种半监督聚类方法在人工数据集以及真实数据集上进行的对比实验证明，该算法能够解决现存问题，提升了聚类性能与鲁棒性。

• 基于多种信息组合模式的非负矩阵分解链路预测模型

  唐明虎,

  针对基于拓扑结构相似性的链路预测算法中网络稀疏性和噪声问题，提出一种基于非负矩阵分解的链路预测模型。该模型从微观与宏观两个层面出发，融合网络内部和外部的辅助信息，减轻了网络稀疏性造成的影响，提升了算法预测的整体性能。提出的三种信息组合模式体现出宏观与微观角度下的信息融合策略。在13个真实网络数据集上的实验结果展示了算法预测性能上的优越性。

• 处理不平衡数据的聚类欠采样加权随机森林算法

  王磊,刘雨,刘志中,齐俊艳,

  针对现有欠采样处理算法中存在样本缺少代表性、分类性能差等问题，提出了一种基于聚类欠采样的加权随机森林算法（weighted random forest algorithm based on clustering under-sampling，CUS-WRF）。利用K-means算法对多数类样本聚类，引入欧氏距离作为欠采样时分配样本个数的权重依据，使采样后的多数类样本与少数类样本形成一个平衡的样本集，以CART决策树为基分类器，加权随机森林为整体框架，同时将测试样本的准确率作为每棵树的权值来完成对结果的最终投票，有效提高了整体分类性能。选择八组KEEL数据集进行实验，结果表明，与其余四种基于随机森林的不平衡数据处理算法相比，CUS-WRF算法的分类性能及稳定性更具优势。

• 基于主观倾向值和EasyEnsemble算法的虚假评论识别方法

  陶朝杰,杨进,

  为了有效识别在线虚假评论，提出一种基于XGBoost-EasyEnsemble算法的虚假评论识别方法。首先，根据虚假评论的特点和提出的主观倾向值计算方法，建立多维特征模型；其次，针对评论数据中的类别不平衡问题，EasyEnsemble算法借助集成策略弥补欠采样的缺陷，充分利用样本信息；最后，选择“好而不同”的XGBoost模型作为基分类器训练最终分类器。基于Yelp网站上的评论数据，以AUC作为评价指标，与支持向量机、GBDT、神经网络等热门机器学习算法进行对比，验证了该方法的有效性。

• 面向方面级别情感分析的端到端多跳记忆网络

  卢天兰,陈荔,

  方面情感分析是指分析语句中目标方面项的情感极性，但目前较少研究语句中邻近方面项间依赖关系对情感分类的影响。基于此，针对方面情感分析提出一个结合基于注意力机制的双向LSTM和多跳端到端记忆网络的方面情感分类模型。首先利用Bi-LSTM的序列学习能力，并引入注意力机制来得到语义向量表示；然后用多跳记忆网络来对目标方面项和语句中其余方面项间相关性进行建模构建深层的情感分类特征向量，输入到softmax函数得到最终的情感极性分类结果。该模型在SemEval 2014任务中的restaurant和laptop两个数据集和一组公开的Twitter数据集上进行实验，在三个数据集上的分类准确率都有所提高。实验结果表明，该模型对方面级别情感分类的有效性和考虑方面间依赖关系对于情感分类是有益的。

• 基于大数据的并行化深度卷积神经网络优化算法

  毛伊敏,张瑞朋,曹文梁,

  针对并行DCNN算法在大数据环境下网络冗余参数过多、收敛速度慢和并行效率低的问题，提出了一种并行化深度卷积神经网络优化算法——PDCNNO（parallel deep convolutional neural networks optimization algorithm）。首先，该算法设计了基于特征图的剪枝策略（PFM），预训练网络，获得压缩后的网络，有效减少了冗余参数，降低了DCNN训练时间和空间复杂度；其次，设计了修正正割线的共轭梯度法（CGMSE），获取局部分类结果，实现了共轭梯度法的快速收敛，提高了网络的收敛速度；最后，在reduce阶段提出了控制负载率的负载均衡策略（LBRLA），获取全局分类结果，实现了数据的快速均匀分组，从而提高了并行系统的加速比。实验表明，该算法不仅降低了DCNN在大数据环境下训练的时间和空间复杂度，而且提高了并行系统的并行化性能。

• 基于网格密度和局部敏感哈希函数的并行化聚类算法

  毛伊敏,陶涛,曹文梁,

  针对大数据背景下基于划分的聚类算法中存在初始中心敏感，节点间通信开销大以及集群效率低下等问题，提出了基于网格密度和局部敏感哈希函数的PBGDLSH-MR并行化聚类算法。首先，对初始数据集提出网格密度策略（GDS）获取初始中心点，有效避免了随机选取引起的初始中心敏感的问题；其次，提出基于局部敏感哈希函数的数据分区（DP-LSH）用于投射关联性较大的数据对象到同一子数据集中，得到map上的数据分区，并设计相似性度量公式（SI）对数据分区结果进行评价，从而降低了节点间的通信开销；接着设计自适应分组策略（AGS）处理数据分区中数据倾斜的问题，进而有效地提高了集群效率；最后，结合MapReduce计算模型并行挖掘簇中心，生成最终聚类结果。实验结果表明，PBGDLSH-MR算法的聚类效果更佳，同时在大数据环境下能有效地提高并行计算的效率。

• 垃圾分类收运路径问题的新型混合蚁群算法求解

  赵今越,马良,刘勇,

  针对垃圾分类收运路径问题，考虑车辆装载容量约束、硬时间窗约束、装载率对成本的影响等条件下，以最小化运输成本和车辆固定成本为目标建立了数学模型。将考虑时间吻合度因子和车容量利用率因子的改进蚁群算法与混沌电磁场优化算法进行动态融合，并结合2-opt和两点交换的局部搜索方法，提出一种以改进蚁群算法为外部框架，混沌电磁场优化算法为内部模块的新型混合蚁群算法对城市生活垃圾分类收运问题进行求解。根据算法间优势互补的思想，利用两种算法的优点来弥补单个算法的缺陷，使其成功应用于该问题。最后，用车辆路径问题标准测试集和上海市杨浦区的数据作为实例进行测试与对比，验证了模型的正确性以及算法的有效性与优化能力。

• 基于翻筋斗觅食策略的灰狼优化算法

  王正通,程凤芹,尤文,李双,

  灰狼优化算法（grey wolf optimization，GWO）存在收敛的不合理性等缺陷，目前对GWO算法的收敛性改进方式较少，除此之外，当GWO迭代至后期，所有灰狼个体都逼近α狼、β狼、δ狼，导致算法陷入局部最优。针对以上问题，提出了一种增强型的灰狼优化算法（disturbance and somersault foraging-grey wolf optimization，DSF-GWO）。首先引入一种扰动因子，平衡了算法的开采和勘探能力；其次引入翻筋斗觅食策略，在后期使其不陷入局部最优的同时也使得前期的群体多样性略有提升。对DSF-GWO算法的寻优性能进行验证，选取14个单/多峰目标函数进行实验，在相同的参数设置下，结果表明DSF-GWO算法在寻优性能上较GWO算法有明显优势。

• 启发式回溯算法求解约束满足问题

  范如梦,赵春艳,李飞龙,

  针对一个典型的具有可变取值域的随机约束满足问题，提出了利用度启发式策略和最少约束值启发式策略来选择变量进行赋值的不完备回溯算法。该算法首先通过度启发式来确定待赋值变量的顺序，然后利用最少约束值启发式对选择的变量进行赋值，最后在有限时间内通过回溯得到变量的一组取值。用此算法对由RB模型生成的随机实例进行求解，实验结果表明，与经典的回溯算法相比，该算法具有显著的优越性。在控制参数（即约束紧度）进入相变区域时，该算法能在较短的时间内有效地找到实例的解。

• 自适应差分进化算法及对动态环境经济调度问题应用

  武慧虹,林妤,曾茜,钱淑渠,

  为了应对动态环境经济调度（DEED）问题的高维性和大规模约束性，提出了一种自适应多目标差分进化算法（ADEA）。设计自适应差分交叉模块，提出改进的current to best/1交叉策略提高种群的多样性，有效地提高传统进化算法的探索与开采能力，提出一种修补策略处理功率平衡约束和爬坡率约束。为了验证该方法的有效性，数值仿真将ADEA应用于10机系统进行测试，并与同类算法展开比较，仿真结果表明ADEA具有较好的收敛能力，获得的Pareto前沿具有较好的均匀性和延展性，通过模糊决策获得的最好折中解能为电力系统调度人员提供较为合理的调度方案。

• 基于前景理论的毕达哥拉斯二元语义PROMETHEE决策方法

  常娟,刘卫锋,

  针对属性值为毕达哥拉斯二元语义数（P2TLN）的多属性决策问题，考虑到决策者的有限理性行为，提出基于前景理论的偏好顺序结构排序法（PROMETHEE）的决策方法。首先，介绍毕达哥拉斯二元语义集的相关概念，并对现有P2TLN的距离进行改进，提出一种基于得分函数和精确函数的P2TLN距离，并证明其性质；其次，为体现决策者在比较决策信息时的风险偏好，利用前景价值函数构造P2TLN的优先函数，并以此对方案进行两两比较，从而计算各方案的净流量，进而对各方案进行排序。最后，通过物流公司的评估实例说明所提方法的可行性和有效性。

• 基于最小化snap方法的无人机多项式轨迹优化

  唐刚,侯志鹏,胡雄,

  在港口环境中无人机对岸桥进行自主检测时，由于无人机的运动特性，飞行轨迹与检测点之间的直线路径往往存在较大的偏离。为了解决这个问题，首先通过构建等腰三角形对生成的检测路径点进行预处理，然后在最小化snap方法的基础上，把走廊约束作为不等式约束添加到优化的目标函数中，同时建立偏离评估函数对偏离距离进行评估。在含有一台岸桥简化模型的仿真环境中进行实验，实验数据证明提出的方法不仅在生成轨迹的长度上有了一定的优化，同时在平均偏离距离上比改进前减少了88.7%，同时通过分析得到生成的轨迹可以很好地被无人机跟踪。由此可得，在仿真环境中，提出的方法可以为无人机在轨迹优化过程中生成一条质量更高的轨迹。

• 基于改进KNPE算法的化工过程故障检测

  李军祥,李春阳,夏丽莎,

  核邻域保持嵌入（KNPE）算法能够较好地在非线性空间中进行故障检测，但高斯核函数仅对数据的局部空间有较强学习能力，泛化能力较差。针对上述问题，在高斯核函数的基础上，引入泛化能力较强的多项式核函数与其进行线性加权组合，提出基于组合核函数的邻域保持嵌入（CKNPE）算法。该算法在注重数据局部学习能力的同时增强了外推、预测能力，更多地保留了原始数据的特征信息。通过田纳西—伊斯曼（TE）仿真实验，与CKPCA、CMKPCA算法进行横向比较，并与NPE、KNPE算法进行纵向比较，证明了CKNPE算法对非线性故障检测的优越性。

• 一种基于信息瓶颈的神经网络混合压缩方法

  卓越,姜黎,

  如何在计算能力和存储能力有限的移动或嵌入式设备中部署神经网络是神经网络发展过程中必须面对的一个问题。为了压缩模型大小和减轻计算压力，提出了一种基于信息瓶颈理论的神经网络混合压缩方案。以信息瓶颈理论为基础，找到相邻神经网络层之间冗余信息，并以此为基础修剪冗余的神经元，然后对剩余的神经元进行三值量化，从而进一步减少模型存储所需内存。实验结果表明，在MNIST和CIFAR-10数据集上与同类算法对比，所提方法具有更高的压缩率和更低的计算量。

• 基于国产处理器增量式实时交通流预测算法及实现

  季一木,杨启凡,李奎,尤帅,邵思思,刘强,刘尚东,

  针对城市交通难以处理大量数据且实时性差等问题，提出了根据增量式城市交通流数据预测拥堵情况的一种基于国产处理器的L-BFGS（limited-memory BFGS）算法。该算法通过存储向量序列计算Hessian矩阵，改进Two-Loop算法求下降方向，在Spark集群中并行处理时收敛速度快，适用于实时性要求强的城市交通场景。实验结果证明，L-BFGS预测算法完全可以在国产平台上对大规模的实时交通数据流进行快速建模、预测，在改善城市交通管理水平提供有效支撑的同时也丰富了国产芯片的应用领域。

• 有限产能下多部件设备视情维修策略与多订单批量生产联合优化研究

  汤乐成,刘勤明,王上润,

  针对有限产能下，面对多个不同要求订单时的订单选取和多部件设备维护决策问题，提出了基于客户满意度的多部件设备视情维修策略和多订单批量生产的联合优化模型。首先，基于比例风险模型描述出各部件的具体劣化趋势，并以虚拟年龄表示各部件的健康状态；其次，根据单次批量生产结束后的实时监测结果和维修阈值，确定不同的维修方式；再次，以利润最大化为优化目标，结合有限产能批量问题模型和客户满意度模型，建立视情维修策略和多订单批量生产联合优化模型；最后，利用模拟退火算法和粒子群算法就行模型求解，并通过算例验证了模型的有效性，使模型更具有现实意义，并对模型相应参数进行了灵敏度分析。

• 基于马尔可夫模型的多agent自适应在线验证

  叶幸瑜,刘玮,王宁,甘陈峰,

  用于领域中业务关键型的自适应系统（self-adaptive system，SAS）需要遵从严格的质量要求，在多agent自适应系统运行过程中需要根据动态环境与需求实现自适应调整。针对上述问题，提出了一种基于马尔可夫的多agent自适应在线验证方法。首先将多agent系统中环境影响因素转换为概率形式，然后将系统形式化为马尔可夫模型，最后通过模型检查的方式进行在线验证，使系统通过验证结果对自身进行调控。通过现实的智能无人停车场案例进行了实验，论述了方法的使用流程以及验证效果。实验结果表明，该方法适用于具有多agent的自适应系统，并能够在系统出现故障情况下及时进行调控，相比原始系统的稳定性有了较大的改善。

• 竞争市场中考虑顾客感知效用的新能源汽车长期扩散研究

  徐亚萍,李林,

  针对当前市场燃油汽车与新能源汽车并存现状，为探究竞争态势下新能源汽车长期扩散情况，首先，对影响顾客采纳率的关键变量进行归纳、整合，并基于种间竞争机制和顾客感知效用构建新能源汽车长期扩散的系统动力学模型；其次，在模型中考虑顾客模糊感知对新能源汽车扩散的影响，使用模糊控制系统处理新能源汽车采纳率；最后，根据当前市场数据，在Vensim PLE环境下对所建模型进行仿真研究。结果显示：顾客模糊感知情境下，新能源汽车市场规模于2052年左右与燃油汽车持平，之后逐渐取代燃油汽车；新能源汽车价格波动对顾客采纳率的作用结果与充电设施相反。

• 基于程序变异的程序谱错误定位方法

  王曙燕,林敬,孙家泽,

  针对基于程序谱错误定位方法完全依赖于测试用例的语句覆盖信息导致错误定位效率低下的问题，提出了一种基于变异测试技术的程序谱错误定位方法。在原有语句怀疑度计算方法的基础上，增加了程序变异后执行结果与原程序执行结果不同的测试用例变化情况的分析。此外，为解决程序变异后产生的变异体数量巨大而导致执行代价过大的问题，提出了根据变异位置约简变异体的策略。实验结果表明，与几种基于程序谱的程序错误定位方法相比，该方法的错误定位代价最低，能有效提高错误定位的效率。

• 面向危险函数调用的多粒度影响分析方法研究

  郭严磊,牟永敏,张志华,

  针对软件开发过程中，变量变更造成的缓冲区溢出检测成本高、效率低等问题，提出了一种基于数据拓扑的危险函数调用影响分析方法，从变量粒度和路径粒度分析变量变更对危险函数调用的影响。通过静态分析源代码，提取变量定义、引用及依赖关系信息、危险函数调用信息和函数调用关系等内容；构建变量依赖关系集合，对变更变量进行数据拓扑分析，结合变量在栈内的分布规律，获取变量影响域；结合函数调用关系信息建立变量影响分析模型，获取路径影响域；根据变量影响域和路径影响域获取变更变量对危险函数调用的影响。实验结果表明，此方法界定变量变更对危险函数调用的影响更加精准。该方法可理解性和可用性较高，能够有效提高软件回归测试的精度和效率。

• 基于深度双Q网络的多用户蜂窝网络功率分配算法研究

  王伟,殷爽爽,

  针对现有蜂窝网络功率分配算法存在泛化能力弱、效率低等问题进行了研究，提出基于深度双Q网络（deep double Q network，DDQN）的功率分配算法。采用双神经网络结构，解决强化学习过程中易出现的维度灾难及值函数过估计问题；对状态信息进行设计并输入神经网络，输出智能体的动作行为，并设计奖赏函数反馈给神经网络，使智能体可以有效地自主学习，多次迭代得到最优的功率分配策略。仿真结果表明，所提的模型可获得的平均速率为1.89，平均运行时间为0.001 3 s，在不同用户密度及小区数量下均可达到最高的平均速率，验证了算法的有效性，为蜂窝网络资源分配问题提供了新的思路。

• 基于共同邻居邻域拓扑稠密性加权的链路预测方法

  李星,朱宇航,柏溢,李劲松,

  链路预测旨在利用已知的网络节点和拓扑结构信息，预测网络中未连接的两个节点之间存在连边的可能性。基于网络拓扑相似性的链路预测方法计算复杂度低且预测效果好，但现有的相似性指标对共同邻居的邻域拓扑信息考虑较少。针对此问题，提出一种基于共同邻居邻域拓扑稠密性加权的链路预测方法。首先，基于邻域拓扑相对稠密指数量化节点的邻域拓扑结构；然后，利用共同邻居的节点度和邻域拓扑相对稠密指数刻画共同邻居及其邻域拓扑的相似性贡献；最后，提出基于共同邻居邻域拓扑稠密性加权的节点相似性指标。在多个实际网络数据上的实验结果表明，与现有相似性指标相比，该方法能够取得更高的预测精度。

• 面向异质变分超图自动编码器的超边链接预测模型

  杨伟英,王英,吴越,

  如何采用超边建模网络数据中的多元关联关系，实现潜在超边链接关系的预测具有重要的现实意义。现有方法主要集中于研究具有成对关系的网络数据，然而，直接将现有的链接预测方法用于超图网络中的超边链接预测具有一定的局限性。因此，提出基于异质变分超图自动编码器的超边链接预测模型（heterogeneous variational hypergraph autoencoder，HVGAE）。首先，利用超图卷积实现变分超图自动编码器，将超图网络数据转换成一种低维空间表示；其次，加入节点近邻度函数，最大程度地保留其结构信息，从而构建异质超图网络超边链接预测模型。针对三种不同类型的超图网络进行实验，结果表明相比其他的基准方法，HVGAE模型获得了较好的预测结果，说明其能够较好地解决超图网络中的超边链接预测问题。

• 软件定义网络中基于分段路由的多路径调度算法

  李艺,唐宏,马枢清,

  针对当前软件定义网络（SDN）在应对大量数据流时造成的流表利用率低、转发响应较慢以及当前网络调度算法容易造成网络局部拥塞和负载不均衡等问题，提出一种基于分段路由的多路径调度算法SRMF。首先，SDN控制器根据网络拓扑连接情况下发初始流表；综合考虑网络链路剩余带宽、丢包率和数据流估测带宽需求进行路径权重计算；最后，根据路径权重选择最优路径并构造分段流表下发到边缘交换机。实验结果表明分段路由转发技术在多种网络拓扑下较一般转发技术在流表项开销方面有明显优势，SRMF算法与Hedera、ECMP相比，在业务流端到端时延、端到端时延抖动、网络吞吐率、丢包率等方面有一定的优势。

• 无线可充能传感器网络的锚点算法与移动设备调度研究

  石振国,孙景玉,

  由于传感器的电池容量和存储容量有限，导致无法持续对传感器进行能量补充并收集传感器生成的感测数据。针对该问题，研究了周期性能量补充和数据收集问题，提出了一种用于充能和数据收集的方法，包括基于网格的算法（GBA）、基于支配集的算法（DSBA）和基于圆相交的算法（CIBA）。通过这三种方法或两两相结合的方法找到锚点集合，通过移动设备调度算法调度最小数量的移动设备来访问生成的锚点。仿真结果验证了所提方法的有效性。与联合能量数据采集（JEDA）算法、最小覆盖圆（SEC）算法相比，所提CIBA需要的移动设备数量最少，总移动距离也最短，具有良好的综合性能。

• 低复杂度的大规模MIMO上行链路软输出信号检测

  申东,赵丹,李强,邸敬,

  针对信道矩阵维度高以及接收信号复杂的情况，提出了一种适用于大规模 MIMO系统上行链路信号检测的混合迭代算法，即结合自适应阻尼雅克比（damped Jacobi，DJ）算法和共轭梯度（conjugate gradient，CG）算法。首先利用CG算法为自适应阻尼雅克比迭代算法提供有效的搜索方向；随后提出切比雪夫方法消除松弛参数对信号检测的影响，在降低算法复杂度的同时加快收敛速度；最后，利用信道编译码中的比特似然比近似求解软信息，以提升检测性能。通过理论分析算法的复杂度，仿真在不同判决方式下对不同检测算法进行误码率对比，并对混合迭代算法的收敛进行了分析。仿真结果表明，混合迭代算法在少量迭代次数下快速收敛并近似达到最佳MMSE检测性能，且算法复杂度远低于MMSE算法。

• 一类SP结构的不可能差分区分器证明

  李艳俊,许星霖,

  针对分组密码SP结构的不可能差分区分器轮数的下界进行证明，提出的方法使用线性代数的理论，对系数矩阵P及P-1进行分析，提出了系数矩阵部分子空间存在两个行向量线性相关时，可证明至少存在四轮不可能差分区分器。uBlock算法是SPN结构，提出的方法对uBlock算法进行了分析验证，说明了结论的正确性，进一步，使用该算法搜索到比uBlock算法设计文档更多的不可能差分区分器。针对SPN结构线性扩散层P，使用了本原指数的概念，使用线性扩散层P的本原指数对SPN结构不可能差分的轮数进行论证。分析结果表明，分组密码SP结构至少存在四轮不可能差分区分器。

• LS&SSS-RS：可更新密钥分片的数据安全散布方法

  李国,殷俊锋,李静,

  数据的安全散布是构建可靠性分布式存储的关键一环，针对现有的数据安全散布方案存在的“密钥保护能力不足和密钥泄露后大规模解码重新加密数据带来的严重资源消耗”等问题，提出了一种数据安全散布方案：LS&SSS-RS。该方案将密钥和密文分开存储，利用拉丁方和Shamir方案将密钥拉丁方进行秘密共享，密文利用RS编码进行分散存储。实验结果表明该方案有效避免了密钥分片的直接暴露，提高了分片的容错性，还能在密钥分片泄露后节约大量的数据更新时间。此外部分数据的丢失不影响原始数据的完整性，避免了单点故障，提高了分布式存储系统的容错性。分析表明该方案能够克服潜在的安全风险，有力地保护密钥的安全，同时节约了大量的时间以及计算资源。

• 对抗网络下的密钥协商问题研究

  吴少乾,李西明,王璇,蔡河鑫,

  机器学习的不断发展对现代密码体制造成的威胁不断增大，如何将神经网络应用到密码学上的研究日益深入，而生成对抗网络的对抗学习机制与密码学中的对抗性质相符，因此，研究了对抗网络与密钥协商相结合的问题。作为初步的概念验证，直接采用神经网络代替通信双方和敌手，利用对抗学习机制为核心思想设计对抗网络下的密钥协商模型（key agreement based on adversarial network，KG-AN），并进行了密钥长度为16 bit和64 bit的训练。实验结果显示，通信双方的协商密钥误差分别在1.5%和2%左右，敌手的破译误差分别保持在95%和91%左右，初步实现了对抗网络下的密钥协商功能，验证了对抗网络应用到密钥协商的可行性。

• 基于全局分组策略的对抗训练在人体轮廓点回归中的应用模型

  马丹,吴跃,

  基于深度学习对人体姿态或人体骨骼的关键点进行预测是近期计算机视觉方向上的一个热门领域，取得了大量的研究成果。然而，在部分应用场景中（如人体特定部位瘦身、衣装更换等），传统的人体姿态或骨骼关键点的预测并不能完全满足需求，其他技术（如语义分割）在自遮挡情况下也无法准确描述物体轮廓线。针对人体轮廓点的预测能力进行研究，分析了现有技术应用在轮廓点回归上的问题与不足，提出全局和分组的策略对轮廓点进行预测，并引入对抗训练机制以提升系统整体性能。基于提出的方法在自建数据集上进行了一系列实验，实验结果证明，该方法相较于传统的骨骼回归模型在精准度和计算量上都有较大的优势。

• 基于深度学习的含堆叠字符的车牌识别算法

  祁忠琪,涂凯,吴书楷,张三元,

  车牌识别是构建智慧城市交通系统的重要技术，当前车牌识别系统对于单行车牌已经达到了较好的识别和应用效果，但无法满足对包含堆叠字符的车牌的识别需求。针对该问题，提出了一种基于深度学习且不依赖于字符分割的方法以识别含堆叠字符的车牌。首先对倾斜、扭曲的车牌进行投影矫正； 然后使用MobileNet-SSD算法检测定位车牌中的单排字符和堆叠字符；之后将堆叠字符送入基于CTC损失的堆叠字符识别网络，进行非字符分割的端到端识别。实验结果表明，该算法不仅对含堆叠字符的车牌具有较高的识别精度，同时对倾斜、扭曲等复杂环境下的车牌具有鲁棒性，极大提高了车牌识别系统的通用性。

• 认知任务驱动的fMRI脑功能网络构建方法

  张笑非,马莲芳,刘若豪,杨阳,郐弘智,钟宁,

  针对脑功能网络的构建受到特定大脑图谱对兴趣点描述准确度及覆盖度的限制，提出了基于认知任务信息和神经影像数据的脑功能网络构建方法。首先计算fMRI体素对于认知任务的敏感度，然后在此基础上选取兼顾分布均衡和去中心化的大脑兴趣点，从而构建任务驱动的脑功能网络。实验通过在人脸情绪识别认知任务相关的梭状回构造任务驱动的脑功能网络，其度中心性、聚类系数、全局效率、局部效率这四个复杂网络指标均优于典型大脑图谱梭状回中兴趣点构成的网络。结果表明，计算得到的大脑兴趣点具有更强的整合性，更适合用于表征特定认知任务下的脑功能网络。

• 基于深度学习的人脸妆容迁移算法

  王伟光,钱祥利,

  人脸妆容迁移是指将参考妆容迁移到素颜人脸上，在保持面部特征不变的同时尽可能展现参考妆容的风格的一种任务。为了进一步实现人脸妆容自动迁移技术，避免现有妆容迁移方法没有充分考虑人与人之间的五官差异而导致提取的人脸信息不足等问题，提出了一种基于深度卷积神经网络的人脸妆容迁移算法。该算法首先自动定位素颜人脸和参考妆容的五官，提取重要部位的特征信息。然后通过妆容传递网络和损失函数，经过深度卷积神经网络自主训练，最终实现了参考妆容向素颜人脸的自动迁移。仿真实验结果表明，与目前的主流算法进行对比，该算法耗时更短、运算性能更具优势，同时在不改变原图五官细节的基础上，妆容迁移效果更为自然。

• 基于生成对抗网络的MR图像合成研究

  陈佳,骆爽,何儒汉,胡新荣,

  目前，深度学习已广泛用于MR医学图像分析，然而获取大量的MR训练数据集是一项巨大的挑战。针对传统基于物理方法的数据集扩充方法（如旋转、缩放、仿射变换等）均存在较大的局限性，提出一种新的图像合成器。首先对MR图像数据集进行统一的尺寸处理，然后将每张图像分为大小相等的非重叠块，再利用自动编码器提取图像块的编码，并将图像块编码和随机噪声作为生成器的输入，最后将生成的图像块拼接成完整的MR图像。采用该方法对脑部MR图像进行实验，并对生成图像进行定性定量分析。实验结果表明，所提方法能生成高质量的MR图像且优于其他主流方法。

• 基于强化底层特征的无人机航拍图像小目标检测算法

  吕晓君,向伟,刘云鹏,

  针对无人机航拍图像小目标检测整体精度低、漏检误检的问题，提出了一种新的基于强化底层特征的多尺度小目标检测方法。该方法以Faster R-CNN-ResNet-50-FPN为基础模型，首先，设计提出了新的DetNet-59特征提取网络；其次，设计了扁平的Flat-FPN特征融合网络来提高强化底层特征；最后通过引入soft-NMS解决小目标重叠问题。所提出的算法在VOC2007和VisDrone2019数据集上进行仿真实验测试，在时间消耗提升不大于2%的情况下，mAP较基础模型提高了约11%，并且检测精度也优于现阶段的常用算法。实验结果表明，该算法在保证实时性的同时可以有效提高小目标检测精度。

• 轻量化卷积神经网络在SAR图像语义分割中的应用

  水文泽,孙盛,余旭,邓少平,

  针对合成孔径雷达图像的语义分割问题，构建了一个全新的TerraSAR-X语义分割数据集GDUT-Nansha。然后，为解决传统深度学习方法模型体积大，难以在样本数量偏少的合成孔径雷达图像数据集上应用的问题，对轻量化卷积神经网络ENet模型进行了分析和改造。提出了一种改进的轻量化卷积神经网络模型（revised weighted loss eNet，RWL-ENet）；针对合成孔径雷达图像数据集样本不平衡问题，使用了带有权重的损失函数。通过和其他经典卷积神经网络语义分割模型的对比实验，验证了新数据集的可靠性；同时，在参数量和模型体积远远小于其他网络模型的前提下，RWL-ENet模型在像素精度、平均像素精度、平均交并比三个定量指标上分别达到了0.884、0.804和0.645。

• 基于改进深度残差网络的矿井图像分类

  程德强,王雨晨,寇旗旗,付新竹,陈亮亮,赵凯,

  精确煤矸分类及识别能力是煤矿智能煤矸分选机器人要解决的关键问题。在通过深度学习图像分类方法的检测煤矸石中，为克服当前残差网络计算量大、复杂度高以及信息丢失的问题，提出了基于改进深度残差网络的图像分类方法。并提出了一种新的损失函数soft-center loss，克服由于softmax分类器对特征的区分判别能力差以及易造成模型过度自信的问题。同时在图像预处理阶段利用CBDNet去噪网络，提高了井下图像的质量，进一步提升了煤矸分类的准确率。实验结果表明，基于改进深度残差网络分类模型相比于其他分类网络模型在井下图像分类准确率提高了4.12%，在公开数据集CIFAR-10准确率提高了1.5%。

• 基于图卷积神经网络的织物分类研究

  彭涛,彭迪,刘军平,胡新荣,张自力,陈常念,姜明华,

  织物的分类研究在织物生产、服装设计等领域有着广泛应用。提出织物力模型，结合多帧时序信息和图卷积神经网络，给出一种用图来描述织物运动的新方法，通过分析和提取织物视频中的运动特征，实现织物的分类。该方法使用30种不同织物在风力吹动下的视频作为实验数据集，将视频每一帧作为一个图节点，然后根据视频时序性连接同类织物节点的边。此外结合织物力模型对原视频图像作预处理以提取力流特征作为视觉单词存储，再依据视觉单词探索同类与不同类织物间的潜在联系，由此将欧氏织物视频数据转换为非欧氏织物图数据，最后使用图卷积神经网络进行分类处理。该方法避免了传统织物分类过程中织物纹理、颜色、外部光照等因素的影响，突破了传统分类方法只能对少数织物进行分类的限制，有较好的分类效果。

• 无人机航拍图像拼接重影消除技术研究

  胡育诚,芮挺,杨成松,王东,刘恂,

  为了解决拼接图像中的模糊、畸形，运动物体图像拼接后会出现重影错位等问题，首先在图像配准阶段通过感知哈希值相似度量准则选取变换效果最佳的权重ωi，j来计算局部投影变换矩阵；然后利用帧间差分法和区域生长算法对差异图像中的运动物体进行分割，对差异性区域进行单采样，其他区域采用线性加权融合；最后，构建了一个用于图像拼接的航空影像数据集并进行实验。实验结果证明，该方法运行耗时增加量较小，不仅有效抑制了重叠区域出现的拼接模糊、严重畸形现象，还能消除包含运动物体图像出现的重影错位，显著提高无人机航拍图像的拼接质量。

• 基于分组卷积和特征图级联的轻量级目标检测

  杨贤志,黄国方,周宁宁,

  针对Pelee轻量级目标检测网络中参数量和计算量较多、检测精度较差等缺陷，提出了基于分组卷积和特征图级联的轻量级目标检测网络GCPelee。首先，利用分组卷积替换检测模块中的标准卷积形式以减少模型参数量和计算量；其次，在检测模块上应用特征图级联，将感受野较大的特征图包含的信息传递至感受野较小的特征图，提升后者的感受野大小。实验结果表明，优化后的GCPelee模型参数量和计算量均得到减少，检测精度得到了提升。

• 基于概率图与视觉显著性的海面目标检测方法

  马莹,惠斌,金天明,常铮,杨雨涵,

  针对基于视觉的传统海面目标检测算法在水面无人艇的自动避碰应用中存在检测精确率、召回率低以及对复杂场景的适应性不足的问题，提出一种基于概率图与视觉显著性的海面目标检测算法。首先利用概率图模型分割出原始图像中的海界限区域与海面孤立目标；然后针对海界限区域子图像特点，设计了一种基于方向抑制的梯度特征，并结合背景先验改进频率调谐显著图，利用特征融合的方法提取海界限区域的潜在目标。实验结果表明，该算法能够有效抑制云、飞鸟、海天线和海杂波的背景干扰。与传统方法相比，提出的方法具有更高的精确率与召回率，且满足无人艇自动避碰实时性的要求。