计算机应用研究杂志

计算机应用研究杂志2021年第6期

• 面向新型非易失存储的文件系统研究综述

  徐远超,

  新型非易失存储（NVM）可字节寻址，具有近似内存的低延迟特性以及外存的非易失性，受限于软硬件技术成熟度，目前首先被用于外存。讨论了NVM用于持久性外存所面临的一系列问题，以及管理上的一些挑战；对现有的典型NVM文件系统及其主要特性进行了梳理。归纳起来，这些特性主要围绕降低一致性开销、降低软件栈开销、内存与外存的融合、分布式文件系统、NVM文件系统安全、容错、空间管理几个方面展开。最后，展望了NVM文件系统仍然有待探讨的几个研究方向，包括扩展性问题、虚拟内存与文件系统的有机融合以及分布式文件系统等。

• 复杂网络中的社团发现算法综述

  李辉,陈福才,张建朋,吴铮,李邵梅,黄瑞阳,

  社团发现方法能够用来挖掘网络中隐藏的聚簇结构信息，对复杂网络结构与功能的分析具有重要意义。近些年来，随着网络数据的爆炸式增长，网络演化的多样性，涌现出了大量能够处理不同场景的社团发现方法和框架。为了深入了解社团发现领域的研究现状和发展趋势，对复杂网络中的社团发现算法进行综述。首先，对这些算法进行了分类；其次，详细介绍了每一类算法，并进行了分析和对比；之后，介绍了一些常用的评价指标，并阐述了社团发现的应用场景；最后，对该领域未来研究方向进行了展望。

• NTRU体制的全同态加密研究

  秦小月,黄汝维,

  NTRU体制结构简单、解密速度快、多密钥处理自然，在后量子密码算法中备受关注，因此对NTRU体制的相关研究内容进行综述。首先介绍了NTRU的研究发展和体制概论分析了解密失败的原因，并总结了基于NTRU体制的关键技术；其次给出了五种基于NTRU体制的全同态加密方案的分析比较，并总结了几种通用的优化方法；最后指出基于NTRU的加密方案待解决的关键问题，指明未来的研究方向，为研究NTRU体制的人员提供参考。

• 基于区块链的云制造系统内可信资源调度方案

  程友凤,李芳,陈芳,

  针对目前云制造系统中存在的各参与主体间信任问题以及资源调度效率问题，研究了将区块链技术应用于云制造系统中。首先，阐述了区块链技术应用于云制造系统的意义，提出了一种基于区块链技术的云制造系统；其次，设计了基于智能合约的制造资源调度方式，构建制造成本最小、时间最短、合格率最高的资源调度模型并用差分进化算法进行求解；最后，进行实验仿真。结果表明，基于区块链技术的智能合约内进行资源调度方法在保证了系统内各参与主体间相互信任的同时，有效地提高了云制造系统的资源调度效率和资源调度方案的优越性。

• 基于区块链的航运联盟运力共享利益分配机制研究

  孟召薇,王晓光,

  航运联盟成员在运力合作时，在数据共享和信任方面的协同存在一定障碍，导致联盟利益最大化的目标难以实现，而区块链的去中心化、共识机制、智能合约、分布式账本等特点可以保障联盟利益分配的公开透明，无法窜改。因此，以联盟成员之间的舱位互租为研究内容，将博弈论、数学规划思想和区块链技术结合构建利益分配机制，实现舱位在成员之间的合理分配和联盟利益的最大化。最后，通过区块链的Hyperledger Fabric技术结合算例进行模拟，验证基于区块链的利益分配机制模式比传统模式更有利于联盟内部合作。

• 基于多层区块链的跨域认证方案

  张亚兵,邢镔,

  针对现有集中式身份认证方式在物联网应用场景下管理成本高、异构信任域之间的证书管理困难以及跨域认证场景下多信任域难以互相信任的问题，提出了一种基于多层区块链的跨域认证方案。使用本地区块链来进行物联网应用场景下分布式的节点管理，使用公共区块链来进行区块链之间的跨链身份认证，设计了跨域认证协议。针对跨域访问时存在的多个管理域相互信任问题，提出了基于信任度评价的委托权益证明（DPOS）来评估节点的可信度。最后对跨域认证方案进行了安全和效率分析，分析表明该方案在保证较好安全性和有效性的基础上，提升了跨域认证的效率。

• 带固定半径近邻搜索3-opt的离散烟花算法求解旅行商问题

  戚远航,蔡延光,黄戈文,林卓胜,王福杰,

  传统烟花算法求解大规模离散问题存在收敛速度慢、求解精度不高等问题。针对旅行商问题的特点，提出一种带固定半径近邻搜索3-opt的离散烟花算法。该算法基于基本烟花算法进行离散化改进，采用整数编码的路径表示方法来表示旅行商问题的解，对爆炸算子、高斯变异算子进行离散化操作策略设计。为了使算法具有较好的局部搜索能力，提出固定半径近邻搜索3-opt策略来提高算法精度和收敛速度，同时采用不检测标志策略提高算法效率。实验结果表明：该算法能有效地求解旅行商问题，其离散烟花算子在全局收敛能力、收敛精度、求解时间和稳定性等方面均优于传统烟花算子；基准测试算例的最优解平均误差率仅为0.002%，优于对比算法。

• 一种改进的樽海鞘群算法

  陈连兴,牟永敏,

  针对樽海鞘群算法在对函数优化问题求解上出现的求解精度不高、收敛速度慢的缺点，提出了一种改进的群海鞘群算法。对于领导者引入加权重心取代最优个体位置，防止过早聚集在最优个体附近；对于追随者引入自适应惯性权重平衡算法的全局搜索和局部寻优能力；最后对于个体进行逐维随机差分变异，减少维间干扰，提高了种群的多样性。仿真实验结果表明改进的樽海鞘群算法在均值、标准差和收敛曲线优于标准樽海鞘群算法和其他改进算法，说明改进后的算法提高了寻优性能，有较高的求解精度和较快的收敛速度。

• 曲线递增策略的自适应粒子群算法研究

  吴凡,洪思,杨冰,胡贤夫,

  群智能算法以其动态寻优能力强、实现途径简单等特点不断成为进化算法领域的研究热点。控参的选择对算法寻优性能有着极大影响，首先从数学推导角度对粒子群参数进行深入研究，接着提出一种契合粒子本身进化公式的，且具有反向思维的曲线递增策略的改进算法。最后验证该算法具备以下两点突出优势：a）有效避免早熟问题，在处理维度灾难问题上，寻优性能更强，且具备良好的平衡全局与局部寻优性能；b）算法控参简单，可有效解决鲁棒性低且繁琐的人工调参问题。

• LPA-SKFST半监督特征提取方法

  彭杰,龚晓峰,李剑,

  针对传统LDA类半监督特征提取方法的解矢量非正交、解空间不稳定和非线性处理能力不足等问题，提出LPA-SKFST方法。该方法的前置级LPA通过标签传播提高标记样本容量，后置级SKFST（半监督核最佳鉴别矢量集）采用双向正则方法对KFST引入全局结构保持正则和Tikhonov正则，并以成对空间求解方法求取Fisher分母矩阵奇异和非奇异时的统一形式解。在circle、iris、wine和自有珍珠光谱集的分类实验中，PCA、LDA、SLDA和SDG组的准确率随样本集、标记样本占比和标签可靠性变化而波动，LPA-SKFST组则稳定保持在85%以上。该结果证明，LPA-SKFST能克服标记样本占比和标记可靠性不足局限，在实际集和线性不可分人工集上取得一致、稳定的优秀表现。

• 基于近邻传播的离群点检测算法

  张倩倩,于炯,李梓杨,蒲勇霖,

  离群点是与其他正常点属性不同的一类对象，其检测技术在各行业上均有维护数据纯度、保障业内安全等重要应用，现有算法大多是基于距离、密度等传统方法判断检测离群点。本算法给每个对象分配一个“孤立度”，即该点相对其邻点的孤立程度，通过排序进行判定，比传统算法效率更高。在AP（affinity propagation）聚类算法的基础上进行改进与优化，提出能检测异常数据点的算法APO（outlier detection algorithm based on affinity propagation）。通过加入孤立度模块并计算处理样本点的孤立信息，并引入放大因子，使其与正常点之间的差异更明显，通过增大算法对离群点的敏感性，提高算法的准确性。分别在模拟数据集和真实数据集上进行对比实验，结果表明：该算法与AP算法相比，对离群点的敏感性更加强烈，且本算法检测离群点的同时也能聚类，是其他检测算法所不具备的。

• 间接交互信息与因式分解机融合的推荐方法研究

  杨志,唐向红,林川,

  针对现有推荐方法存在交互信息应用不充分和推荐性能不佳的问题，充分利用用户和项目之间的间接交互信息，采用可达矩阵来表达用户和项目之间的间接交互关系，通过可达矩阵与因式分解机有机融合，构建了一个新的推荐方法。在Amazon-Book、Last-FM和Yelp2018数据集上的实验表明，所提方法在推荐效果上既优于传统的基于因式分解机的推荐方法，又好于最新的基于神经网络因式分解机的推荐模型，在推荐的时间效率上比基于知识图谱注意力网络的推荐方法具有明显优势。同时，相对其他推荐方法，该方法还具有更好的可解释性。

• 邻域自适应SMOTE算法研究

  王芳,吴文通,张立立,马瑞,徐文星,

  针对SMOTE（synthetic minority over-sampling technique）等基于近邻值的传统过采样算法在处理类不平衡数据时近邻参数不能根据少数类样本的分布及时调整的问题，提出邻域自适应SMOTE算法AdaN_SMOTE。为使合成数据保留少数类的原始分布，跟踪精度下降点确定每个少数类数据的近邻值，并根据噪声、小析取项或复杂的形状及时调整近邻值的大小；合成数据保留了少数类的原始分布，算法分类性能更佳。在KEEL数据集上进行实验对比验证，结果表明AdaN_SMOTE分类性能优于其他基于近邻值的过采样方法，且在有噪声的数据集中更有效。

• 基于改进的Trie树和DFA的敏感词过滤算法

  吴珊,李英祥,徐鸿雁,张仕霞,施宜军,

  通过对文本内容中敏感词过滤方法及相关技术的研究，提出了一种基于改进的Trie树和DFA的敏感词过滤算法，解决了敏感词过滤技术中的人工干扰、分词障碍等关键问题，提高了文本中敏感词过滤的准确性和有效性。提出的算法包括三个步骤：基于排列组合的数学原理对中文词向中拼混合词进行扩充；采用改进的Trie树结构来存储DFA的所有状态，构建敏感词树；根据构建的敏感词树结构以及采用最小匹配规则对文本内容中的敏感词进行检测和过滤。通过分析得到构建敏感词树算法的时间复杂度为O(n×len)，敏感词检测及过滤算法时间复杂度为O(L)。实验结果表明，本算法其查准率为100%，查全率约为87%~100%。

• 基于K均值聚类的分段样本数据选择方法

  周玉,孙红玉,朱文豪,任钦差,

  为了提高神经网络分类器的性能，提出一种基于K均值聚类的分段样本数据选择方法。首先通过K均值聚类把训练样本根据已知的类别数进行聚类，对比聚类前后的各类样本，找出聚类错误的样本集和聚类正确的样本集；聚类正确的样本集根据各样本到聚类中心的距离进行排序并均分为五段，挑选各类的奇数段样本和聚类错误的样本构成新的训练样本集。该方法能够提取信息量大的样本，剔除冗余样本，减少样本数量的同时提高样本质量。利用该方法，结合人工和UCI数据集对三种不同的神经网络分类器进行了仿真实验，实验结果显示在训练样本平均压缩比为66.93%的前提下，三种神经网络分类器的性能都得到了提高。

• 基于交互注意力机制的多模态情感识别算法

  姚懿秦,郭薇,

  在多模态语音情感识别中，现有的研究通过提取大量特征来识别情感，但过多的特征会导致关键特征被淹没在相对不重要特征里，造成关键信息遗漏。为此提出了一种模型融合方法，通过两种注意力机制来寻找可能被遗漏的关键特征。本方法在IEMOCAP数据集上的四类情感识别准确率相比现有文献有明显提升；在注意力机制可视化下，两种注意力机制分别找到了互补且对人类情感识别重要的关键信息，从而证明了所提方法相比传统方法的优越性。

• 电网中断下基于DWOA的生鲜产品闭环供应链网络多目标模糊优化设计

  董海,吴瑶,

  针对生鲜产品供应链网络设计问题，建立了一种电网中断下的闭环生鲜供应链网络多目标模糊优化设计模型，以此解决供应链网络设计中的不确定性问题。首先，针对电网中断下生鲜产品闭环供应链网络结构设计，建立目标为成本最小、碳排放最少、中断时间最短的优化函数，采用Me测度和三角模糊数对该模型进行处理，将多目标问题转换为单目标问题；其次，在原有鲸鱼算法的基础上，引入差分算法的交叉和变异理念，增强其搜索能力，改善其局限性，得到改进差分鲸鱼优化算法（DWOA），并采用此方法对处理后的模型求解；最后，通过数值实例和敏感性分析表明，提出的算法和模型在处理生鲜产品供应链网络优化设计方面具有较强的求解能力，且计算时间较短。

• 双Q网络学习的迁移强化学习算法

  曾睿,周建,刘满禄,张俊俊,陈卓,

  深度强化学习在训练过程中会探索大量环境样本，造成算法收敛时间过长，而重用或传输来自先前任务（源任务）学习的知识，对算法在新任务（目标任务）的学习具有提高算法收敛速度的潜力。为了提高算法学习效率，提出一种双Q网络学习的迁移强化学习算法，其基于actor-critic框架迁移源任务最优值函数的知识，使目标任务中值函数网络对策略作出更准确的评价，引导策略快速向最优策略方向更新。将该算法用于Open AI Gym以及在三维空间机械臂到达目标物位置的实验中，相比于常规深度强化学习算法取得了更好的效果，实验证明提出的双Q网络学习的迁移强化学习算法具有较快的收敛速度，并且在训练过程中算法探索更加稳定。

• 子种群规模可变的多种群人工蜂群算法

  宋晓宇,肖以筒,赵明,全鹏宇,

  针对人工蜂群算法开发能力不足的问题，提出一种子种群规模可变的多种群人工蜂群算法（DMABCPS）。在算法中，以个体均值位置作为中心点将整个种群划分成多个子种群；雇佣蜂阶段使用三种不同策略协同搜索，保证对优良种群的开发、中间种群的平衡和较差种群的探索；观察蜂阶段采用基于成功率的选择机制对两个搜索策略进行自适应选择；此外，算法建立了新的概率选择模型，对子种群以及其内部个体进行选择。最后，通过22个标准函数测试集验证了该算法比得上一些目前较优的算法。

• 基于agent的多重社会网络中破产传染模型研究

  张瑾玉,夏晨辉,谷政,

  社会网络中的信息扩散是目前国际上关注的研究方向，而破产传染作为社会金融中一类特殊而又重要的传播现象，也是当前社会经济领域非常关心的问题。然而，已有的金融传播研究中通常只基于单层的交互关系来分析传播行为，忽略了真实金融主体之间多重社会关系的交叉性。针对该问题，基于多智能体对多重社会网络中的破产传染现象进行建模，构建了纵向复合和并行独立多重网络传染模型，前者关注不同关系网络层次之间的跨层间影响，后者偏重于单层网络的独立性和并行性。设置不同的约束条件，对比实验了两种模型不同的传染效果特征。实验结果揭示了两种模型不同的适用范围：模型选择应由实验目标是否存在明显的不同社会网络层次间的相互影响决定，纵向复合多重网络破产传染模型更适用于社会网络层次之间间接影响明显的环境。

• 混合策略改进的蝴蝶优化算法

  宁杰琼,何庆,

  针对蝴蝶优化算法存在的求解精度低、易陷入局部最优等缺陷，提出混合策略改进的蝴蝶优化算法。首先，利用Circle映射初始化蝴蝶个体的位置，增加初始个体的多样性；其次，在局部搜索阶段利用动态切换概率控制改进正弦余弦算法与蝴蝶优化算法的转换，充分利用少量的蝴蝶个体，增强算法的局部开发能力；然后，在全局和局部位置更新处引入自适应余切权重系数，控制蝴蝶个体下一代的移动方向和距离，提高算法的收敛速度和精度；最后，引入逐维变异策略，对全局最优位置变异，引导种群向最优位置进化，避免陷入局部最优。对八个基准函数进行仿真实验，结果表明，改进算法的收敛性能更佳，与其他改进算法相比具有一定的竞争力。

• 基于自适应动量优化算法的正则化极限学习机

  王粲,夏元清,邹伟东,

  针对极限学习机（extreme learning machine，ELM）隐节点不确定性导致的系统不稳定，以及对大型数据计算负担过重的问题，提出了基于自适应动量优化算法（adaptive and momentum method，AdaMom）的正则化极限学习机。算法主要思想是构造连续可微的目标函数，在梯度下降过程中计算自适应学习率，求自适应学习率与梯度乘积的指数加权平均值，通过迭代得到损失函数最小值对应的隐层输出权重矩阵。实验结果表明，在相同基准数据集的训练中，AdaMom-ELM算法具有非常良好的泛化性能和鲁棒性，提高了计算效率。

• 面向效用最大化的数据中心动态资源分配

  孟嘉,厉文婕,于广荣,王竞冕,张伯雷,

  传统数据中心的负载均衡只追求资源利用的最大化，而忽略了不同类型任务对完成时间的需求是不同的，使得系统总体服务质量无法达到最佳。针对不同任务的需求差异，引入时间效用函数以表征不同类型任务的完成时间与服务质量的关系，并形式化定义了面向效用最大化的动态资源分配问题。由于该问题是NP难的，设计了一个利用任务优先关系的调度机制，其主要思想为将原问题分解为若干同构的小规模子问题，并利用任务间的优先关系，决策为哪个任务优先分配资源。通过理论分析可以证明，当并行的任务的完成时间满足一定的序列性质时，该算法可以取得全局最优解。实验显示，该算法产生的收益是常用的先进先出公平调度机制产生收益1.5倍到2倍，并且比当前最新的算法2DFQ（多租户二维公平排队算法）的总效用高约17%。

• 海量视频数据分布式存储性能优化方法研究

  刘艳,曹晓倩,

  针对文件系统存储效率低、多余副本导致空间浪费以及磁盘能源损耗严重的问题，提出一种新型分布式优化存储策略（distributed optimized storage strategy，DOSS）。首先，引入Bcache混合存储技术在磁盘阵列前增设固态硬盘，作为高速缓冲区对多路视频流进行临时数据组织，变多线程并发写任务为单线程顺序写入任务，规避磁盘内部碎片产生，有效提高系统写入效率。其次，提出改进的liberation码对视频数据进行压缩存储，在保证系统可靠性的同时提高磁盘空间利用率。最后，基于ioctl系统调用编写盘片转速控制函数，实现磁盘多级休眠和低延迟唤醒，减低磁盘能耗，提高使用寿命。结果表明单台存储服务器在500路4 Mbps并发视频流下存储效率提高约36%，存储空间节省约40%，系统应对12 000路并发视频流时仍存在休眠磁盘约10%。

• 融合双目视觉与惯导信息的高效视觉里程计算法

  潘林豪,田福庆,应文健,佘博,

  为提高视觉里程计（VO）在大尺度环境下运行的实时性，提出一种融合双目视觉与惯导信息的视觉里程计算法，主要由前端位姿跟踪和后端局部地图优化两个线程组成。位姿跟踪线程首先使用惯导信息辅助光流法进行帧间特征点跟踪并估计相机初始位姿；接着通过最小化图像光度误差获取当前帧像素点与局部地图点的对应关系；而后最小化当前帧上局部地图点的重投影误差和惯性测量单元（IMU）预积分误差，得到当前帧准确的位姿估计。后端局部地图优化线程对滑动窗口内的关键帧提取特征点并三角化新地图点，使用光束平差法（BA）对逆深度参数化表示的地图点位置、关键帧位姿、速度以及陀螺仪和加速度计零偏进行滑窗优化，为前端提供更加精确的局部地图相机位姿和环境信息。在EuRoC数据集上的实验表明，相比于ORB-SLAM2、ORB-SLAM3算法，该融合双目视觉与惯导信息的视觉里程计算法的定位精度略有下降，但可以较大程度地提高位姿跟踪的实时性。

• 一种优选移动平均预测模型的Min-Min算法

  徐齐利,

  为使移动平均法预测技术的应用从专业化向大众化、人工化向智能化转变，在对一次移动平均模型进行改进之后，以预测的局部残差平方和最小为原则，设计出一种优选移动平均预测模型的Min-Min算法：首先，分别选出一次移动平均模型和二次移动平均模型各自的最优移动项数；然后，在最优的一次模型与最优的二次模型之间作出最优次数的选择；最后，基于优选出的移动平均模型对未来一期开展点预测和区间预测。同既有算法相比，本算法对移动平均法预测技术的进步性主要体现在：a）以先选定移动项数、后选定移动次数的程序算法取代先选定移动次数、后选定移动项数的专家做法，从而将移动平均法的实施从半自动化的人工预测提升至全自动化的智能预测；b）对现行的一次移动平均模型进行改进，从而大幅提高一次移动平均法的预测能力；c）在移动平均模型现行只有点预测的基础上进一步提出区间预测，从而起到完善和丰富预测报告的作用。

• 考虑外部环境变化的分阶段动态群决策方法

  骆华,王应明,梁薇,

  研究决策者权重部分未知的概率犹豫模糊分阶段动态群决策问题。针对外部环境的变化，结合符号距离测度，提出考虑外部环境变化的分阶段群决策方法。首先，基于元素的方差及个数差异定义概率犹豫模糊元的犹豫度公式，并在此基础上定义概率犹豫模糊元的符号距离公式。然后，根据外部环境的变化会导致每个时序阶段获得的信息存在差异的特点，构建动态决策模型以确定各个时序阶段的决策者权重，进而分阶段集结信息，形成决策过程方案链。最后，通过算例分析验证了所提出方法的有效性与合理性。

• 融合左右双边注意力机制的方面级别文本情感分析

  马远,程春玲,

  方面级别的文本情感分析旨在针对一个句子中具体的方面单词来判断其情感极性。针对方面单词可能由多个单词组成、平均化所有单词的词向量容易导致语义错误或混乱，不同的文本单词对于方面单词的情感极性判断具有不同的影响力的问题，提出一种融合左右的双边注意力机制的方面级别的文本情感分析模型。首先，设计内部注意力机制来处理方面单词，并根据方面单词和上下文单词设计了双边交互注意力机制，最后将双边交互注意力的处理结果与方面单词处理值三个部分级联起来进行分类。模型在SemEval 2014中两个数据集上进行了实验，分别实现了81.33%和74.22%的准确率，相比较于机器学习和结合注意力机制的各种模型取得了更好的效果。

• 融合实体概念描述与图像特征的知识图谱表示学习研究

  缴霖境,闫威,

  知识图谱表示学习将实体和关系映射到一个连续的低维空间。传统学习方法是从结构化的三元组学习知识表示，忽略了三元组之外与实体相关的丰富多源信息。针对该问题，提出一种将实体概念描述和图像特征与事实三元组相结合的知识图谱表示学习模型DIRL。首先，利用BERT模型进行实体概念描述的语义表示；其次，使用CNN编码器对图像总体特征进行提取，然后通过基于注意力的方法表示图像特征；最后，将基于概念描述的表示和基于图像特征的表示与翻译模型TransR结合起来进行知识图谱表示学习。通过实验验证，DIRL模型优于现有方法，提高了多源信息知识图谱表示的有效性。

• 采用瞳孔位置实现情感识别的方案

  陈田,樊明焱,任福继,尹红芳,

  目前多种眼部信息被用于情感识别，针对一般眼部信息如注视时间、瞳孔直径、扫视时间等数据需要使用专业的眼动仪采集这一问题，提出了一种基于瞳孔位置的情感识别方案。该方案采用基于梯度的瞳孔定位算法，直接从面部视频中获取瞳孔位置坐标数据。对于预处理后的数据，又提出了综合波形复杂度作为特征值，通过对瞳孔位置坐标波形进行分段，求取所有分段之间的相关性系数绝对值之和，从而得到波形的综合复杂度。实验结果表明，瞳孔位置坐标可以用来进行情感识别，且对于瞳孔位置坐标波形，综合波形复杂度特征值情感识别的效果优于样本熵和Lemple-Ziv复杂度。今后可将瞳孔位置坐标与其他生理信号进行多模态融合，提高情感识别准确率。

• 基于上下文感知的方面类别情感分类

  王晶晶,姜明,张旻,

  由于一个评论往往会涉及多种方面类别及情感倾向，而传统注意力机制难以区分方面词和情感词的对应关系，从而影响评论同时存在多种方面类别时的情感极性分析。为了解决上述问题，提出了一种基于上下文感知的方面类别情感分类模型（MA-DSA）。该模型通过重构方面向量捕获句子中更多样且有效的语义特征，并将其融入上下文向量，然后将上下文向量通过DiSA模块进一步捕捉句子内部情感特征，确定方面词与情感词的关系，进而对指定方面类别进行情感分类。在SemEval的三个数据集上的实验结果表明，MA-DSA模型在Restaurant -2014数据集上的三个指标值均优于基准模型，证明了该模型的有效性。

• 短文本分类模型的优化及应用

  雷明珠,邵新慧,

  不同于长文本，短文本信息量缺乏，在研究中通常难以获得丰富的语义特征并且难以提取完整的句法特征，因此短文本分类模型的分类效果有待提升。针对这个问题进行了研究，基于ResLCNN模型进行改进，引入神经主题模型，并融合多个神经网络输出特征进行分类。首先，通过神经主题模型提取主题来丰富短文本的信息；其次，将主题信息储存在记忆网络中，并与序列信息进行融合，丰富文本的表示；最后，将其输入具有残差结构的卷积神经网络以及双向GRU中，提取局部以及全局的语义特征，在特征融合之后进行分类。该模型在Google网页搜索公开数据集中取得了较高的准确率和F1值，表明了改进模型在短文本分类任务中的有效性。

• 基于防退化策略的多通道闭环BiLSTM在文本分类中的应用研究

  孙中宇,龚红仿,狄俊珂,

  双向长短时记忆（BiLSTM）及其变体能够处理可变长度序列，由于文本的复杂语义信息和文本数据嵌入维度的高维性，BiLSTM表现出低层次网络学习能力较弱，通过叠加网络层学习高层次的特征表示，容易出现网络退化问题。为解决这些问题，提出一种闭环BiLSTM模块用于丰富每一层网络结构隐状态的语义信息表示，同时采用残差连接和增强稀疏表示策略来优化模块，稀疏化隐状态特征向量减缓网络退化问题；最后利用加权融合的多通道词嵌入，将语义信息和情感信息在低维张量下实现融合来丰富输入层的文本表示。对情感分类和问题分类的数据集进行了实验验证，实验表明，提出模型在捕捉文本的情感信息表达上具有出色的性能，具有较好的分类精度和鲁棒性。

• 基于多粒度联合孤立森林的机器人实时异常监控方法

  于振中,洪辉武,徐斌,江瀚澄,

  针对机器人实时异常监控问题，提出了基于多粒度联合孤立森林的实时异常监控方法。该方法对机器人的历史数据进行多粒度参数重组得到一系列具有不同参数组合的数据集，每一个数据集都可以训练一个孤立森林，最终产生了一个孤立森林集合。多个孤立森林联合投票策略是使用一个异常数据集对各个森林进行测试，求出异常数据集在每个孤立森林上的平均异常分数，并由此确定每个孤立森林在联合孤立森林模型总体决策中的话语权。以机器人的碰撞异常作为监控对象对该方法进行评价，监控准确率达99.8%，且报警平均延迟仅为26.72 ms，说明该方法能够有效地实现机器人实时异常监控。

• 3元n立方体网络的t/k可诊断度研究

  殷文,梁家荣,

  可诊断度是评估多处理器系统可靠性的一个关键指标。t/k诊断策略通过允许至多k个无故障处理器被误诊为故障处理器，从而极大提高了系统的可诊断度。与t可诊断度和t1/t1可诊断度相比，t/k可诊断度可以更好地反映实际系统的故障模式。3元n立方是一种性质优良并且应用广泛的网络拓扑，在许多分布式多处理器的构建中被用做底层网络。根据一些引理以及确定系统为t/k可诊断的充分条件，研究得出当n≥3及0≤k≤n，3元n立方是tk，n/k-可诊断的，其中tk，n=2(k+1)n-(k+1)(k+2)。这个结果显示，在选择恰当的k值时，3元n立方的t/k可诊断度tk，n远大于其t可诊断度2n和t1/t1可诊断度4n-3。

• 遥感视频实时云检测的FPGA高效实现方法

  闫小盼,夏玉立,赵军锁,张玉凤,乔鹏,

  针对目前遥感图像云检测算法及算法运行所需硬件平台复杂度高，无法进行在轨实时检测的问题，提出了一种基于FPGA的面向卫星在轨实时运行的遥感视频云检测方法。首先根据不同的遥感视频输入格式对其自适应降采样处理；其次对顺序流入的图像自适应阈值分割，然后对分割后的图像进行聚类获取云区域，进而提取每一块云区域的特征向量；最后计算整幅图像的云覆盖率和可用度，以此判断是否将图像下传。实验结果表明，在60 MHz的时钟下，且Camera Link接口每个时钟周期同时输入两个像素时，822×1096大小的遥感视频云检测速度可达132 fps，相对于传统的嵌入式双核CPU，速度提升了6~7倍。该方法可实现卫星在轨实时云检测，极大地缓解了有限的星地数传带宽和巨大的遥感数据量之间的矛盾，大幅提升遥感卫星系统应用效能，具有很强的实用价值。

• 面向室内退化环境的多传感器建图方法

  胡丹丹,于沛然,岳凤发,

  在室内同时定位与建图（SLAM）的实际应用中，对称单一结构环境易造成激光SLAM错误建图，低质量光照或低纹理环境易造成视觉SLAM失效。针对上述室内退化环境，提出一种将激光、视觉、惯性测量单元（IMU）进行紧耦合的LVI-SLAM方法。在该方法前端，设计视觉评价环节对视觉信息置信度进行自适应调整；在该方法后端，进行位姿图优化以及多传感器回环抑制累积误差。视觉评价实验、单走廊实验以及大场景建图实验的结果证明了该方法的鲁棒性和精确性。在面积为1 050 ㎡的复杂室内环境下，采用该方法建图误差为0.9%。

• 基于力觉引导的机械臂自适应开门旋拧方法

  蒋元陈,刘宏伟,刘满禄,张俊俊,

  针对核应急环境中，环境模型未知、人工开门危险性较大的问题，提出了一种基于力觉引导的机械臂自适应开门旋拧方法。该方法通过机械臂末端的六维力传感器获得力和力矩信息，将实际力或力矩与期望力或力矩之间的差值作为深度确定性策略梯度算法的状态输入，同时输出动作；利用机械臂末端所受两个方向力的函数关系，设置基础奖励函数，通过机械臂的期望运动方向，设置引导性奖励函数，使机械臂自动适应力与力矩的变化，完成旋拧门把手任务。仿真数据结果表明，在有引导性奖励的情况下，基于力觉引导的机械臂自适应旋拧方法能够在更短的时间内达到收敛，完成机械臂旋拧门把手的任务。

• 基于深度学习的PM2.5浓度长期预测

  黄伟建,李丹阳,黄远,

  为提高PM2.5长期预测精度，以空气污染物与气象因素作为影响因子，提出一种基于深度学习的TSMN（time series memory network）预测模型。该模型由两个组件构成，本地记忆组件利用外部记忆方式提高模型长程记忆能力，并与多站点空间关系建模的邻域组件协同从时空角度完成PM2.5长期预测。通过使用不同评价指标将TSMN模型与多种模型进行对比，其中与性能较优的CNN-LSTM模型相比，该模型的RMSE、MAE分别下降5.2%、5.7%，R2提升7.5%。实验结果表明TSMN模型能够有效提高PM2.5浓度的长期预测精度。

• ORESP：基于有序回归的软件缺陷严重程度预测方法

  贾焱鑫,陈翔,葛骅,杨光,林浩,

  为提高软件缺陷严重程度的预测性能，通过充分考虑软件缺陷严重程度标签间的次序性，提出一种基于有序回归的软件缺陷严重程度预测方法ORESP。该方法首先使用基于Spearman的特征选择方法来识别并移除数据集内的冗余特征，随后使用基于比例优势模型的神经网络来构建预测模型。通过与五种经典分类方法的比较，所提的ORESP方法在四种不同类型的度量下均可取得更高的预测性能，其中基于平均0-1误差（MZE）评测指标，预测模型性能最大可提升10.3%；基于平均绝对误差（MAE）评测指标，预测模型性能最大可提升12.3%。除此之外，发现使用基于Spearman的特征选择方法可以有效提升ORESP方法的预测性能。

• 基于agent技术的并行构件组装及性能优化方法研究

  彭云峰,刘家磊,郭磊,

  为更好地组装并行构件程序和进行性能优化工作，设计和使用了不同的软件agent。构件连接agent负责构件接口的粘合和数据重分布。构件执行agent和资源管理agent相互协作，把构件部署在满足要求的计算节点上。定义了4种不同的构件自适应策略。不同的构件自适应agent、构件执行agent和资源管理agent相互合作，针对平台计算资源的不同情况，完成构件的自适应过程，提高了构件的性能。资源管理agent、负载探测agent和构件执行agent相互合作，完成负载均衡工作，提高了整个计算平台的性能和吞吐量。在异构计算机集群上的相关实验证明了所提出的基于agent技术的并行构件组装及性能优化方法的有效性。相比传统的性能优化方法，基于agent技术的方法使用灵活，并且具有性能上的优势。

• 基于社会关系感知的边缘网络缓存策略

  胡敏,陈玉明,黄宏程,

  针对当前的边缘缓存策略存在的传输时延高、对较小区域中用户社会关系感知不足的问题，结合热点内容平均流行度和用户兴趣度，提出基于社会关系感知的边缘缓存策略。首先，根据热点内容平均流行度和用户兴趣度，估算用户需求，用户需求相似度反映了用户的社交关系强度；然后，依据用户的关系强度选择用户作为辅助缓存位置；最后，综合考虑缓存位置的选取和用户需求的选择，设计了基站协作缓存、用户辅助缓存的联合缓存策略。仿真实验表明，所提缓存策略相比较于传统的缓存策略在缓存命中率和系统缓存时延上均有一定的提升。

• 服务链联合多元化及动态冗余备份方法研究

  刘昊,崔昊杨,

  针对电力云环境下虚拟网络函数（virtual network funtion，VNF）单一集偶发系统故障致使服务链（service function chain，SFC）进程开环的难题，在MATLAB仿真实验平台开展了分布式多集和定制冗余解决方法的研究。通过分析异构VNF服务可靠性需求，明确单一集结构微服务部署架构，利用异地部署实现VNF轻型分布，并采用定制冗余策略，进一步提升VNF弹性。结合轻型多集和冗余定制方法的优势，提出了混合整数线性模型的服务链配置新策略。以资源消耗率、服务中断率、服务链可用性为对象参数的实验结果表明，改进算法可有效避免系统故障导致的服务链完全中断，在满足目标服务链可用性水平和提升服务链弹性能力的同时，降低了平台系统多元化及冗余备份成本。

• 基于深度强化学习的服务功能链跨域映射算法

  朱国晖,李庆,梁申麟,

  在域内部分信息隔离场景下，针对SFC映射对传输时延和资源开销的影响，提出一种基于深度强化学习的服务功能链跨域映射算法。首先提出一个集中式编排架构，在此架构下上层控制器利用全网格聚合技术来构建抽象拓扑，降低域间映射复杂度；其次将SFC请求分割问题建模为马尔可夫决策过程，使得虚拟网络功能均衡地分配到各个域中；最后以域间传输时延以及映射资源开销为奖励函数构建深度强化学习网络，通过训练完成域间映射，如果域内映射失败则采用反馈机制提高SFC请求接受率。仿真结果表明，该算法有效地减小了传输时延和资源开销，同时提高了请求接受率。

• 基于功率控制的大规模MIMO系统能效优化算法

  郭甜,李国民,

  能效优化是5G通信领域的一个研究热点。首先针对单小区多用户上行大规模MIMO通信系统，在满足用户QoS需求和系统可容忍的信道有效噪声条件下，建立关于发射功率、导频序列长度、基站天线数的能效优化模型；其次，不同于传统利用迭代算法求解使系统能效最佳的基站天线数，提出了采用Lambert W函数分析得到最佳基站天线数的闭式表达式；最后根据分式规划理论，采用迭代优化算法联合优化系统导频序列长度、发射功率、基站天线数。仿真结果表明，该算法较现有算法能效提高了11.2%，说明该算法能有效提高系统性能。

• 完全可约束的可修订签名

  陈曦源,黄晓芳,

  针对现有的可修订签名方案不能表达所有修订约束的问题，通过默克尔树结合拟交换哈希函数的方式，设计了一种能够表达所有修订约束情况的完全可约束的可修订签名方案，并形式化定义和证明了该方案的不可伪造性、隐私性以及完全可约束性。同时通过分析和比较，该方案的签名空间较小，具备完全的修订约束能力，适用于对修订操作有严格限制、存储空间较小的场景。

• 一种基于复合混沌序列的图像加密算法安全分析

  胡迎春,禹思敏,

  针对一种基于复合混沌序列的图像加密算法进行了安全分析，该加密算法采用置换—正向扩散—逆向扩散三级加密，由于正向扩散和逆向扩散采用了相同的一维扩散序列，可将正向扩散和逆向扩散两级加密简化为一级扩散加密，进而将置换—正向扩散—逆向扩散三级加密简化为置换—扩散两级加密；此外，该加密算法生成的混沌序列与明文、密文图像无关，可根据选择明文攻击获取其对应的等效扩散密钥和等效置换密钥。理论分析与数值仿真实验结果表明了该分析方法的有效性；针对原加密算法存在的安全漏洞，提出了若干改进建议以提高其安全性能。

• 格上高效的环签名方案

  赵宗渠,葛炳辉,赵楠楠,秦攀科,孟慧,

  为了解决传统格上环签名方案中验证密钥过大，且其密钥大小随环成员数量成线性变化的问题。利用理想格的代数结构和MP12陷门派生技术，构造了一种格上高效的环签名方案。在该方案中，签名是由单个格向量构成，环签名的签名秘钥相对较小，且其验证密钥大小接近一个小常数。在签名运算过程中降低了运算复杂度，并在标准模型下证明方案具有匿名性和不可伪造性。

• 基于同态加密的云环境障碍最短路径导航的隐私保护算法

  刘义,杜云明,田静,

  针对基于位置服务（LBS）中外包计算最短路径可能泄露用户隐私的问题，基于同态加密和安全多方计算，提出了一个基于同态加密的云环境障碍最短路径导航的隐私保护算法，为用户和数据所有者提供隐私保护。在该算法中，使用安全多方计算解决两种不同条件下计算道路中有无障碍物的最短路径隐私问题，并基于同态加密提出了有障碍物查询和无障碍物查询两个协议。最后，依照上述协议在理论和实践两个方面证明了所提出框架的有效性。

• 基于Yosys的硬件信息流安全验证与漏洞检测

  陈春雷,王省欣,谭静,朱嘉诚,胡伟,

  针对基于功能验证和侧信道分析的硬件安全漏洞检测方法的不足，提出了一种结合Yosys形式化验证能力和门级信息流追踪方法对集成电路设计进行安全验证和漏洞检测的方案。首先，使用Yosys对硬件电路设计进行逻辑综合，生成门级网表。其次，为电路设计中各信号的每个比特位添加污染标签，并采用二进制位粒度的污染标签传播策略为基本逻辑单元生成门级信息流模型，进而以此为基本单元构建整个电路的信息流模型。然后，描述电路设计中关键数据的机密性和完整性属性，并将其映射为Yosys可识别的安全约束。最后，结合Yosys和电路的信息流模型对电路设计的安全属性进行验证，安全验证中捕捉到违反安全属性的事件，即表明硬件设计中存在安全漏洞。实验表明，该方法能够准确检测到AES加密电路中植入的一种可满足性无关项木马。实验结果验证了该方法能够在不依赖功能验证和侧信道分析的前提下检测到安全漏洞，因而适用范围更广。

• 改进型的batch normalization:BNalpha

  罗晨辉,孙洪飞,

  针对提高卷积神经网络（convolutional neural network，CNN）在图像识别方向的训练速度和识别准确率进行了研究。从BN（batch normalization）着手，通过新增参数对BN的仿射变换进行具体调节，并提出一种改进型的BN——BNalpha。除去带有某些特定结构的神经网络，相对于原始的BN，BNalpha可以在不增加运算复杂度的前提下，提升神经网络的训练速度和识别准确度。通过对BN仿射变换的参数进行分析和对比，尝试解释BN在网络中的运行机理，并以此说明BNalpha相对于BN的改进为何生效。最后通过CIFAR-10和CIFAR-100数据集以及不同类型的卷积神经网络结构对BNalpha和BN进行对比实验分析，实验结果表明BNalpha能够进一步提升训练速度和识别准确度。

• 基于带权重的双向跨层级金字塔特征融合的人脸关键点识别算法

  李洋洋,江聪世,

  高精度的人脸关键点定位的神经网络模型受到硬件运算能力与存储空间等计算资源的限制，无法应用到许多嵌入式设备以及移动终端中。为了降低网络模型的运算规模，基于深度可分离卷积结构，提出一种轻量级的人脸关键点定位算法。该算法在双向金字塔特征融合的基础上，增加了跨层级的特征融合路径，并对跨层级的特征进行带权融合，以充分利用 backbone网络提取的有限特征。该网络模型只有10.1 MB，且在单个的NVIDIA RTX 2070 SUPER的GPU上运行，每个图像推断时间为0.147 s，806.61 M浮点运算次数。此外，模型的参数数量为3.84 M，在300-W的公共测试集中取得了5.08%的normal mean error与0.12 %的failure rate。实验数据表明，与传统方法相比，该算法在运算规模上大幅减小，可以移植到嵌入式设备中进行人脸关键点识别。

• 基于多目标跟踪的交通异常事件检测

  高新闻,沈卓,许国耀,封玲,

  针对传统异常行为自动检测方法的准确率和稳定性无法满足多变视频检测需求的问题，将最新的目标检测网络YOLOv3与目标跟踪算法相结合，通过对基于SORT多目标跟踪框架的改进，对检测目标的级联匹配采用了融合运动与外观特征的指标，以适应实际高架桥梁道路监控的情况。然后利用改进的多目标跟踪算法，对城市高架道路监控视频中的目标进行跟踪，配合相应的轨迹判别规则实现对视频中出现的行人、停车和车辆变道的交通行为异常情况的自动判别，具有较高的判别精度，可以达到实际应用目的。

• 基于用户轨迹及基站语义的城市活动模式可视分析

  张兰云,蒋宏宇,赵韦鑫,张红英,吴亚东,

  移动运营商搭建的基站能够记录智能终端的活动，蕴涵着用户的移动行为以及基站的语义信息。针对城市中基站语义以及活动模式难以获取的问题，提出一种基于用户轨迹的基站语义及城市活动模式可视分析方法。该方法首先根据终端用户的轨迹构建基站序列，接着采用文本分析中的词嵌入技术对基站语义信息进行提取，对城市中的手机用户进行聚类以发现其移动模式。为了帮助用户对结果进行探索和分析，设计了基于用户轨迹以及基站语义的城市活动模式可视分析系统，能够根据用户的轨迹特征、基站的地域特征、用户访问基站的时空特征，对手机用户的行为以及城市的活动模式进行发现和解释。基于真实数据的实验结果表明，在系统用户的迭代交互中该方法能够帮助系统用户有效地结合基站轨迹及其基站语义信息，对城市居民行为模式以及城市整体的活动模式进行探索。

• 基于SlimYOLOv3的工业场景目标检测算法

  刘馨柔,李洋,宋文军,

  基于人工设计特征的检测算法检测速度普遍较慢，检测精度也有待提高，已无法满足现今工业生产中的需求。而基于深度学习的检测技术，因其需要大量的计算和存储空间无法在资源受限的设备上部署使用。针对这些问题，引用一种通道剪枝方法实现YOLOv3检测网络的轻量化，得到剪枝模型SlimYOLOv3，并进一步提出将SlimYOLOv3用于工业场景下的实时检测任务。方法通过对通道缩放因子施加L1正则化来增强卷积层的通道级稀疏性，并对信息量较小的特征通道进行剪枝，最终获得轻量级的网络模型。与原模型相比，SlimYOLOv3剪枝模型减小了60%，计算量减少了50%，检测速度是原模型的1.7倍，更适于智能工业场景中复杂目标的实时检测。

• 基于中心扰动的区间值模糊集图像阈值分割算法

  兰蓉,闫召阳,

  针对基于区间值模糊集的图像阈值分割问题，提出了一种基于中心扰动的区间值模糊集图像阈值分割算法。采用对目标及背景中心进行扰动的方式，考虑不确定、不精确信息对图像类别中心的影响，并利用限制等价函数构建图像的区间值模糊集模型；在提出一种区间值模糊集上区别度量的基础上建立目标函数来搜索最佳分割阈值。通过对三种类型的图像数据进行仿真实验，结果表明提出的方法在视觉和指标上总体得到了较好的结果，证明了该算法的有效性。

• 基于图像能量的稳健图像哈希算法

  袁晓冉,赵琰,

  为了提高哈希算法的分类性能和运行效率，提出一种基于梯度变化特征和能量特征的图像哈希算法。首先，对输入图像进行预处理操作形成二次图像，利用Sobel算子对二次图像的红色通道、绿色通道、蓝色通道图像进行x轴和y轴的梯度值计算，将各分量图像的梯度值进行相加得到最终的梯度图像；然后将梯度图像幅值的多方向变化信息作为图像的梯度特征，所有图像子块的能量值作为图像的能量特征；最后将图像的梯度特征与能量特征联合起来并置乱得到最终的哈希序列。实验结果表明：所提算法的区别性和鲁棒性可以达到较好的权衡；与最新的以及较好的哈希算法相比，该算法具有最好的ROC曲线和最短的运行时间，平均运行时间为0.024 2 s，并且在拷贝检测的对比实验中，所提算法的查全率—查准率曲线最好。

• 基于改进MTCNN的多尺度安全帽识别

  庞殊杨,芦莎,

  针对现有安全帽检测方法对多重叠目标和小目标漏检率较高的问题，提出了一种基于改进MTCNN（multi-task cascaded convolutional neural network）的多尺度安全帽识别方法。首先，删除MTCNN中针对人脸识别的landmark部分以简化网络结构；其次，用普通卷积层替换最大池化层以构成全卷积网络，提升网络检测精度；然后引入MobileNet轻量化网络结构减少计算量；最后，适当调整网络卷积核个数和全连接层神经元个数使模型更适用于不同尺寸的安全帽识别。实验结果表明，与原MTCNN相比，该算法的精确度和召回率分别提高了3.22%和6.73%，就小尺寸安全帽识别而言，F1值提高了8.13%；在无GPU环境下的平均检测速度为29.62 fps，兼顾了多尺度安全帽识别的准确率与实时性。

• 基于上下文多尺度融合的棉铃计数算法

  黄紫云,李亚楠,王海晖,

  由于实际的棉田环境中存在高度遮挡及尺度多变问题，大幅降低了目标计数算法的精度。针对这一问题，提出基于上下文多尺度融合的棉铃计数算法。算法由金字塔结构的上下文模块和融合卷积神经网络两个部分组成。首先通过全局上下文和局部上下文模块对棉铃图像的上下文信息编码，同时利用多列特征转换模块将输入图像映射成高维特征，最后通过融合卷积神经网络将上下文信息与高维特征进行融合，实现高精度棉铃计数并生成高质量棉铃密度图。此外，从近距离和地空观测两个角度在棉铃数据集上进行实验，实验结果表明，引入上下文信息可以有效提升棉铃计数精度，计数误差MAE和MSE分别下降了27.3和29.4。

• 基于V型检测算子和边缘梯度的虹膜卷缩轮检测方法

  张波,吕翠翠,

  针对虹膜卷缩轮位置检测中卷缩轮边界定位困难的问题进行了研究，提出了一种基于V型检测算子和边缘梯度的虹膜卷缩轮检测方法。首先根据虹膜卷缩轮内部纹理的位置特征、形状特征和灰度特征，定义V型检测算子，在归一化图像中，利用V型检测算子对图像进行处理，提取卷缩轮内部纹理终点坐标；其次，通过曲线拟合得到卷缩轮边界的初定位区域；最后利用边缘梯度算子在初定位区域进行检测提取卷缩轮边界。实验结果表明，该方法的正确检出率达到93.2%，可以有效地提取虹膜卷缩轮边界。