计算机应用研究杂志

计算机应用研究杂志2021年第7期

• 监督与半监督学习下的数据流集成分类综述

  李小娟,韩萌,王乐,张妮,程浩东,

  在监督或半监督学习的条件下对数据流集成分类进行研究是一个很有意义的方向。从基分类器、关键技术、集成策略等三个方面进行介绍，其中，基分类器主要介绍了决策树、神经网络、支持向量机等；关键技术从增量、在线等方面介绍；集成策略主要介绍了boosting、stacking等。对不同集成方法的优缺点、对比算法和实验数据集进行了总结与分析。最后给出了进一步研究方向，包括监督和半监督学习下对于概念漂移的处理、对于同质集成和异质集成的研究，无监督学习下的数据流集成分类等。

• 医学文本表示学习方法与质量评测研究综述

  刘晓聪,王华珍,何霆,缑锦,陈坚,

  为了及时掌握医学文本表示学习的研究现状，对其现有研究进行系统全面综述。首先，基于技术范式对现有技术进行分类，分别从基于统计学习的方法、基于知识图谱表示的方法和基于图表示的方法，对医学文本表示学习主流方法和相应的代表性成果进行总结。然后，提出了运用定量和定性的质量评测体系，系统地梳理和总结了医学文本表示学习的质量评测方法。最后，对医学文本表示学习的研究趋势进行了展望。

• 语义区块链研究综述

  沈海波,陈强,黄海,

  区块链因具有去中心化、不可窜改、可追溯、集体维护、可编程和安全可信等特点，已应用于金融、物联网、供应链与物流链管理、数字资源版权管理等行业，但因缺乏链间互操作、无法索引查询等问题，极大制约了它的深入应用。语义Web技术和区块链技术融合产生的语义区块链技术，有望解决这些相关问题。为方便研究者系统地了解语义区块链的研究现状和发展趋势，对语义区块链技术进行了综述。首先，分析了区块链对语义Web技术的需求、语义区块链的优点；然后，分析和总结了语义区块链的研究和应用现状，包括区块链本体的设计、区块链数据的语义描述、语义数据的存储、智能合约的语义化、语义区块链的相关应用；最后，对语义区块链的主要研究方向进行了展望。

• 面向智能合约漏洞检测的改进符号执行研究

  李宗鸿,胡大裟,蒋玉明,

  由于区块链不可窜改的特性，部署到区块链上的智能合约不可更改。为了提高合约的安全性，防止智能合约出现整数溢出、短地址攻击、伪随机等问题，在合约部署之前需对合约进行漏洞检测。针对智能合约的整数溢出漏洞利用符号执行进行分析研究，对现有符号执行方法进行调查发现检测速度较慢，从而提出一种自底向上求解约束的改进符号执行方法，并结合深度优先与广度优先进行路径选择从而提高符号执行的代码覆盖率。实验结果表明，改进符号执行在选取的100份含溢出漏洞的智能合约中检测正确率达84%，平均检测效率提高了20%，在中等规模智能合约中检测效率提升显著，检测结果正确率较高。

• 高效抗单点失效的区块链钱包保护方案

  周健,屈冉,孙丽艳,

  利用区块链钱包保存的私钥对交易进行签名是区块链上交易的唯一途径，钱包中存储的私钥一旦丢失或泄露将造成无法挽回的损失。目前主流的钱包管理方案都将钱包集中存储在单个位置或者依赖可信第三方的参与，无法抵抗单点失效。针对区块链的钱包安全问题，提出一个基于无可信中心门限椭圆曲线数字签名的区块链钱包保护方案。该方案在无可信中心参与的情况下由参与者合作生成公私钥和各自的私钥碎片，超过门限阈值的参与者合作才能对交易进行有效签名，可有效抵抗单点攻击，保障钱包安全。经过安全性分析，该方案满足抗伪造性、匿名性、鲁棒性、不可追溯性和不可撤销性。通过效率分析，该方案完成签名仅需常数轮，可在增加较少签名时间的情况下保障区块链钱包安全。

• 结合BLS聚合签名改进实用拜占庭容错共识算法

  陈佳伟,冼祥斌,杨振国,刘文印,

  针对实用拜占庭容错（practical Byzantine fault tolerance，PBFT）共识算法运用在联盟链中达到O(n2)的通信复杂度难以支持大规模网络的问题，提出一种聚合签名的拜占庭容错算法（aggregate-signature byzantine fault tolerance，ABFT）。首先，改进PBFT共识算法中节点的信息交互方式，在prepare阶段各个副本节点单点发送信息及签名给主节点验证，在commit阶段由主节点收集签名并验证，结合BLS（boneh-lynn-shacham）签名将验证通过的多个签名聚合成一个聚合签名，将该聚合签名以及其他必要信息广播给其他所有副本节点验证；此外增加了finish阶段，用于防止大部分的副本节点超时而导致视图变更。ABFT算法将网络通信的复杂度降低为O(n)，通过实验表明，在多个节点的情况下，ABFT算法有效地降低了共识的时延且提高了交易吞吐量，可扩展性更优，使联盟链可容纳大量节点。

• 基于影响力扩散的会话推荐模型

  张海通,黄增峰,

  会话推荐的任务是根据用户近期的点击行为预测下一个点击。该领域之前的模型主要关注到会话推荐中的时序模式（序列特征），但是由于用户兴趣迁移以及商品多属性等因素，物品之间的交互关系可能比呈现出来的时序模式更为复杂。为了解决该问题，受PageRank算法的启发，把会话点击和网页跳转联系起来，提出了一个会话推荐中的影响力扩散模型。具体地说，该模型在会话序列的显式时序结构之上构建了会话图，刻画出更加丰富的转移路径，并通过图扩散模型捕获到物品之间的潜在交互关系。在会话表示阶段，该模型提出了一种新颖的位置编码方式来应对兴趣迁移的状况，并在此基础上设计了一种意图提取框架，能在多兴趣会话中迭代出核心意图。在真实数据集上的实验结果表明，所提模型相较于以往方法有较好的性能，并有效解决了兴趣迁移的问题。

• 基于增量式相似度的样本评估方法

  周瑞朋,秦进,

  现有的强化学习算法存在样本利用率低的问题，导致智能体寻找最优策略的能力下降。为解决这个问题，提出了基于增量式相似度的样本评估方法。设计了一个状态新颖度度量方法和一个样本价值评价函数。计算新状态与基准状态之间的相似度，基于状态的相似度计算状态的新颖程度，再增量式更新基准状态，直到训练结束。计算样本价值时，将状态的新颖程度考虑在内，再针对样本奖励值是否大于零分别进行计算。最后根据其样本价值结合排名选择和随机选择进行采样。该方法在Playing Atari 2600的控制问题中取得了更高的奖励值，说明该方法缓解了样本利用率低的问题，且通过增量式计算相似度减少了计算量。

• 融合三支决策与GRA-Orthopair模糊集的知识匹配方法研究

  张建华,刘艺琳,温丹丹,杨岚,

  为缓解用户“知识迷向”问题，提升知识应用及创新效益，提出了融合三支决策与GRA-Orthopair模糊集的知识匹配方法。首先基于CRITIC-熵权法进行权重配置，并融入博弈论方法增强客观赋权实效；而后，采用FCM聚类算法横向压缩匹配空间；进而，借鉴三支决策思想实施预分类，同时考虑知识间的关联度，构建基于灰色关联度的Orthopair模糊相似度模型，并据此计算用户需求与案例知识间的视图相似度，从而确定匹配结果。实验结果表明，该算法的知识匹配精度及效率优于传统匹配算法，提升了匹配效果。

• 基于概率语言术语信息的前景决策方法

  高建伟,李响珍,

  针对属性值为概率语言术语、属性权重完全未知的多属性决策问题，提出一种基于概率语言术语信息的前景决策方法。首先，为解决语言决策信息的群集结问题，通过power语言集结算子把一组语言术语集集结为概率语言术语，最大程度保留决策信息；其次，考虑概率语言术语集现有距离公式分辨率不高，定义一种新的距离公式；再次，鉴于决策者主观风险态度，引入前景理论至概率语言环境中，结合新的距离公式，构建前景决策矩阵；进而，综合主客观因素，构建组合赋权模型计算属性权重；最后，结合前景理论决策模型和指标权重求得综合前景值以此排序得最优方案，并通过算例验证其有效性。

• 结合属性结构的图卷积实体对齐算法

  田江伟,李俊锋,柳青,

  现有的基于图卷积的实体对齐算法大多基于实体之间的关系结构构建，没有有效利用实体的属性结构信息，为此提出一种结合实体属性结构信息的图卷积实体对齐方法。该方法在实体以属性连接起来的知识图上进行卷积，学习实体基于属性结构的嵌入，再结合实体基于关系结构的嵌入来比较实体的相似性。在真实数据集上的实验结果表明提出的方法优于基准方法，从而为实体对齐提供了一种新的可能。

• 基于CoBERT-BiGRU的对话式机器阅读理解

  陈亮,褚燕华,王丽颖,张晓琳,刘海佳,

  基于现有模型不能有效处理多轮对话历史的不足，提出了CoBERT-BiGRU（concat bidirectional encoder representation from transformers -bidirectional gate recurrent unit）模型。对文章中的对话历史进行标记，将不同标记的文章及问题输入CoBERT模型，得到多个序列的向量化表示；通过历史注意力网络把多个结果融合成一个序列的向量化表示；将融合后的结果输入BiGRU，对答案及对话行为进行推理预测。真实数据集上的实验结果表明，CoBERT-BiGRU模型能够有效处理多轮对话历史，与基准模型和在该数据集上已公开的部分模型相比，HEQ-Q、HEQ-D和F1值都有提升。

• 图数据流上时间尊重图模式匹配算法研究

  侯晓双,张俊,

  现有的动态子图匹配研究中忽略了模式图中的时间信息，使用户难以得到想要查询的真实结果。针对这种情况，首先设计一种简洁的中间结果保存形式，将匹配结果直接在数据图中以图进行存储；接着改进边缘转换模型，当数据图有边插入/删除时对其快速增量维护并报告结果；最后根据边转换模型设计了一个时间尊重图模式匹配算法，提高了匹配搜索效率。对真实网络流量数据和综合社交流数据进行实验评估，结果表明算法能够有效减少图模式匹配的执行时间和空间花销。

• 融合行为和遗忘因素的贝叶斯知识追踪模型研究

  黄诗雯,刘朝晖,罗凌云,赵忠源,王璨,

  贝叶斯知识追踪模型（Bayesian knowledge tracing，BKT）被用于智能教学系统中追踪学习者的知识状态并预测其掌握水平和未来表现。由于BKT容易忽视记忆遗忘现象，以及未考虑学习行为对表现结果产生的影响，导致模型预测结果与实际情况出现偏差。针对此问题，提出了一种融合学习者的行为和遗忘因素的贝叶斯知识追踪模型（behavior-forgetting Bayesian knowledge tracing，BF-BKT）。首先，采用决策树算法处理学习行为数据，引入行为节点；然后初始化遗忘参数并赋值，更新学习者知识掌握水平的算法；最后，利用ASSISTMENTS提供的公开数据集对相关模型的预测精度进行对比。实验验证，BF-BKT能够达到更好的预测精度。

• 求解最小费用最大流问题的信念传播算法

  左逢源,王晓峰,牛进,梁晨,

  最小费用最大流问题是一种组合优化问题，在经济、工业等领域具有重要研究意义和应用价值。针对部分最小费用最大流问题求解算法效率较低的情况，依据最小费用最大流问题的线性规划方程，将问题模型映射为对应因子图模型，改进描述函数，给出迭代方程，设计了求解最小费用最大流问题的信念传播算法。利用迭代方程优先对最大可行流特征值进行收敛计算，得到最大流，设置最大流阈值，在此基础上进行最小费用计算，从而求得问题最优解。最后选取若干带权有向图模型进行数值实验，验证了算法的可行性及有效性，且算法在求解效率上优于部分算法。

• 融合局部与全局紧密度的符号网络链接预测算法

  刘苗苗,扈庆翠,郭景峰,陈晶,

  鉴于大多数符号网络预测算法仅能对已有链接缺失的符号进行预测，无法实现未知的链接及其符号预测，提出一种融合局部与全局结构特征定义节点间相似性的符号网络链接预测算法。基于结构平衡理论，利用连接两节点的步长为2和3的路径信息分别定义局部和全局链接紧密度，有效融合两者得到两节点的总相似度，其绝对值度量了链接建立的可能性，其符号即为链接的符号预测结果。在多个经典的符号网络数据集上对算法的有效性和正确性进行了验证，并与符号网络中有代表性的预测算法进行了准确率以及推荐链接的对比分析。结果显示，所提算法在链接预测与符号预测两方面均达到了较好的预测性能。

• 保护数据隐私的深度学习训练数据生成方案

  汤凤仪,刘建,王会梅,鲜明,

  深度学习模型训练存在缺少大量带标签训练数据和数据隐私泄露等问题。为了解决这些问题，借由生成对抗网络可生成大量与真实数据同分布的对抗样本的特点，提出了一个基于条件生成对抗网络的深度学习模型训练数据生成方案。该方案采用条件生成对抗网络生成数据，满足了生成大量带标签训练数据的需求；结合数据变形方法实现数据隐私保护，解决了数据隐私泄露的问题。实验结果表明该方案是高效可行的，而且与其他方案相比，其在数据可用性和保护隐私方面具有优势。

• 基于鸽群算法的Fuch混沌蝗虫算法

  尹德鑫,张达敏,蔡朋宸,秦维娜,

  针对蝗虫算法（GOA）存在位置更新易陷于局部最优和收敛精度低等问题，提出一种基于鸽群算法的Fuch混沌蝗虫算法（PFGOA）。首先用Fuch混沌映射初始化种群；然后将正弦余弦算子嵌入到位置更新公式，同时将鸽子搜索算子加入优化过程，并且通过改变惯性权重c来改善和平衡该算法的探索和开发能力；最后对最优个体引入非线性惯性权重，增加算法全局搜索能力，跳出局部最优。通过对11个测试函数进行仿真测试以及用Wilcoxon秩和检验的方法进行差异显著性统计检验的实验结果证明，改进后的算法性能更优，求解精度更高，显著性更好。

• YYPO-SA：一种新的基于YYPO和SA的混合单目标随机优化算法

  李大海,刘庆腾,艾志刚,

  针对原阴阳对优化算法（YYPO）早熟易收敛的问题，在YYPO算法中的阴阳两点交换阶段加入模拟退火算法（SA）策略，提出了两种使用不同交换策略的新算法，即YYPO-SA1和YYPO-SA2，统称为YYPO-SA。YYPO-SA算法既保持了YYPO轻量级的特点，又综合了YYPO优秀的全局搜索能力和SA良好的局部搜索性能。算法采用2013年进化计算大会的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，将YYPO-SA和YYPO、自适应阴阳对算法（AYYPO）、改进的阴阳对算法（IYYPO），以及另三个性能优越的单目标优化算法，即灰狼优化算法、鲸鱼优化算法，正弦余弦算法进行性能比较。实验结果表明YYPO-SA能取得更为稳定的求优能力和更高的计算精度。最后通过一个工程优化任务来展示新算法的性能。

• 结合CRF的边界组合生物医学命名实体识别

  扈应,陈艳平,黄瑞章,秦永彬,

  许多的生物医学命名实体识别（Bio-NER）工作都集中于提取扁平化的实体，而忽略了嵌套实体和不连续实体。此外，大多数生物医学命名实体都未遵循统一的命名法，具有许多典型的领域特征，但其使用效率较低。为此提出一种结合CRF的边界组合命名实体识别方法，有效地利用了生物医学实体特征。该方法包括边界检测、边界组合和实体筛选三个步骤。首先使用神经网络模型和基于特征的CRF模型识别实体开始和结束边界，然后经过边界组合产生候选实体，最后使用多输入的卷积神经网络模型对候选实体进行筛选并分类。实验表明，该方法能够有效地识别生物医学文献中的嵌套和不连续实体，在GENIA数据集上达到81.89%的F值。

• 基于二维结构熵的置信传播算法收敛性分析

  牛进,王晓峰,左逢源,林青文,

  为了对置信传播（BP）算法在结构比较复杂的命题公式上有时会失效，常常表现为不收敛的现象给予理论解释，提出了基于警示传播的社区发现算法（WPLPA）。依据BP算法在因子图上的信息迭代策略，利用WPLPA算法对命题公式所对应因子图的社区结构进行划分。借助二维结构熵的相关理论技术，建立了命题公式的二维结构熵度量模型，通过该模型分析了BP算法的收敛性与二维结构熵之间的关系，给出BP算法的收敛性判定条件，对BP算法的收敛性进行系统分析。实验分析证明该方法有效可行，能为信息传播算法的后续研究提供理论支持。

• 基于社区探测的层次自适应并行布局算法

  邓皓天,周锐,王桂娟,母东生,李茸茸,陈华容,吴亚东,

  针对大规模网络高效布局和递进式结构分析的需求，提出基于社区发现的多层级力导向布局算法。首先，该算法采用Louvain算法对网络进行多层级社团结构划分，根据划分结果压缩网络并进行骨架布局，确定网络整体架构；然后，采用自适应的力导向变体算法对各个社团内部的原始节点并行布局，细化社区内部网络结构，并引入补偿力减少社区划分带来的网络结构信息缺失；最后，设计了初始布局算法、改良了振颤模型来减少布局所需的迭代次数。实验结果表明，与现有网络布局算法相比，该算法能够更清晰、高效地展示大规模社交网络数据，满足大规模复杂网络可视化的需要。

• 基于免疫进化的物联网系统架构优化

  张玉,杜猛猛,张红艳,李虎,

  随着众多的智能设备成为物联网系统的构件，其系统架构形式和规模呈现出多样化、巨大化的特点。物联网系统的性能取决于其本身的组织架构。因此，物联网系统组织架构方式的优化尤为重要。由于系统架构本质为系统节点的排列组合问题，将系统架构问题转换为系统效能值的优化问题，提出了一种基于免疫进化的求解算法。该算法采用层次编码方式，将系统组织架构转换为整数编码形式，设计了自适应层级交叉算子、小扰动变异算子，并采用个体激励度来引导算法的搜索方向，搜索出满足性能要求的物联网系统结构。实验结果表明：该算法可获得具有高效能值的系统组织架构，在成功率、相对错误率和收敛速度上的表现较优。

• 车联网中改进粒子群算法的任务卸载策略

  缪裕青,徐伊,张万桢,刘同来,韩峥,

  当前，多数车联网任务卸载工作仅考虑时延因素将任务卸载至边缘服务器执行（LOCAL-MEC），但是，车载单元仍有一定的计算能力可以利用。针对上述问题，研究了任务卸载的总代价即时延和能耗两个目标，提出一个将车辆自身的计算单元、附近车辆的计算单元与边缘服务器协同计算的任务卸载模型。该模型既考虑了任务的优先关系，又同时考虑了系统的时延和能耗。通过借鉴模拟退火算法思想并引入压缩因子改进粒子群算法来实现任务卸载。实验结果表明：与其他任务卸载策略相比，提出的任务卸载策略优化效果明显，TPSO算法的总代价为传统粒子群算法的53.8%、LOCAL-MEC策略的27.1%、DCOS（distributed computation offloading scheme）算法的78%，并且适用于多种现实场景。

• 基于随机图的物联网多节点连通性判定方法

  何杏宇,张兆,赵丹,杨桂松,

  多节点协作已成为物联网的重要应用趋势，为了确保多个节点之间的可靠协作，提出了一种基于随机图的多节点连通性判定方法。首先，根据节点之间的直接连通概率构建节点连通性随机图；然后将所构建的随机图拆分为包含协作组节点的目标组件和不包含协作组节点的中继组件，从而将协作组内多节点之间的连通性转换为组件之间的连通性；最后，提出了测试组件之间连通性的算法，其中定义了与直接连通概率有关的测试规则以对组件之间测试边的测试优先级进行排序。仿真结果表明，相比于现有方法，所提方法能够以较低的成本获得较高的准确度。

• 基于互质阵的循环平稳信号低复杂度欠定DOA估计算法

  张晋,王大鸣,崔维嘉,巴斌,许海韵,

  针对现有大多数循环平稳信号DOA估计算法复杂度较高、估计精度低无法实现对有用信号的欠定估计问题，提出了一种基于互质阵的循环平稳信号低复杂度、欠定DOA估计算法。算法的主要思想是利用互质阵良好的稀疏特性，通过矢量化处理构造虚拟阵列模型，扩展阵列孔径，实现阵列自由度的提升。首先，算法构造了互质阵输出的循环自相关矩阵，然后进行矢量化处理得到最大连续虚拟阵元部分，给出其谱峰搜索的表达式。最后，为降低计算复杂度，对算法进行改进，应用多项式求根的方法直接求解DOA估计值。仿真结果表明，所提算法能实现对有用信号的欠定估计，计算复杂度较低，且相比于大多数的循环平稳信号DOA估计算法，所提算法估计自由度和估计精度有了进一步的提升。

• 基于异常值的拟态裁决优化方法

  高振斌,贾广瑞,张文建,谭力波,

  针对拟态裁决器多数一致性表决算法的优化方法，提出用异常检测的方法直接量化数据可靠性来提升表决正确率。基于异常值的表决算法，通过构建拟态系统异构执行体输出数据集和训练深度学习异常检测模型量化了执行体输出数据异常值；使用权值优化算法优化加权分配，在表决时选择最优加权结果作为表决输出结果。实验结果表明，该方法能够提升拟态裁决器的表决输出正确率，具有一定共模逃逸检测能力，提升了系统的安全性和可靠性。

• 具有隐私保护的边缘计算高效数据卸载方法

  董骏,冯锋,

  针对用户终端数据卸载过程中难以同时实现高隐私安全和低时间消耗的目标，提出了一种具有隐私保护的边缘计算高效数据卸载方法。首先，利用时间计算模型和隐私熵值分别将用户终端时间消耗和数据隐私安全程度进行量化，并建立一个多目标优化问题模型；其次，利用改进强度帕累托进化算法对时间消耗和隐私熵值进行联合优化；最后，利用基于熵权法的多属性决策方法选取最优的时间消耗和隐私熵组合策略。在多终端用户多计算任务的边缘计算下展开实验研究和对比分析，结果表明，该方法在降低传输时间的基础上还增强了数据卸载传输的安全性。

• 环境感知的新冠肺炎传播态势的建模与分析

  杨伟宏,秦阳,吴兵兵,

  针对现有传播模型没有考虑个体所在环境对个体感染病毒的影响以及经典传播模型无法很好地刻画个体特征的问题，提出了基于环境感知的病毒传播模型（EA-SIR）。首先，引入个体接触矩阵来描述个体之间的接触情况，推导基于环境感知的个体染病概率，建立EA-SIR的微分方程组；然后，推导EA-SIR的基本再生数及其上界。EA-SIR的基本再生数上界小于或等于经典SIR模型，说明病毒在EA-SIR中更难传播，实际上人们强烈的自我保护意识有利于阻断病毒的传播，因此理论上EA-SIR更适用于刻画病毒的传播。最后，使用“钻石公主”号以及国内四个城市的疫情数据进行实验，以平均绝对误差（MAE）为评价标准。仿真实验的结果表明，EA-SIR能够较好地刻画新冠肺炎疫情的传播态势。

• 一种融合各类最小主成分子空间的特征变换方法

  杨中良,李蒙蒙,徐若灏,杨莉芳,尚志刚,

  针对主成分分析算法没有很好地利用数据的类别信息，且最大主成分方向容易导致各类数据重叠的问题，提出一种融合各类最小主成分子空间的特征变换方法。首先将各类数据分别进行主成分分析，由各类最小主成分方向张成各类投影子空间；然后将原始数据在各类子空间投影后的最小主成分子空间进行融合，构成新的特征空间；最后使用KEEL公共数据集对该方法进行测试。结果表明，与其他特征变换方法相比，该方法能够构造出更加利于分类的特征空间，有助于提升分类器的分类精度。

• 有效的基于滑动窗口数据流直方图方法

  莫磊,王修君,郑啸,吴宣够,邰伟鹏,赵伟,

  差分隐私作为现在的一种隐私保护机制得到了广泛的应用。目前虽然存在着很多种静态数据集上的直方图发布方法，但是对于数据流环境下的基于滑动窗口直方图发布方法较少，并且面临着直方图的发布误差较高的问题。对于此问题，提出了一种适用于滑动窗口模型的数据流差分隐私直方图发布算法（histogram publishing algorithm for sliding window model，HPA-SW）。该算法首先基于数据分块的思想来把一个滑动窗口划分为k个子块，并通过该参数来控制和调节数据直方图的统计误差；随后，该算法通过比较相邻两个直方图数据分布的差异来优化当前窗口的隐私预算分配，从而快速计算出局部最优直方图。为了验证算法的有效性，首先通过严格的理论推导证实了所设计的算法符合差分隐私要求，并且其近似误差不超过W/2k。其次，通过在真实数据集合上的实验对比，显示了该算法的发布误差较低，比SSHP算法降低了50%。

• 结合谓词感知与图注意力机制的链接预测方法

  马力,姚伟凡,

  知识图谱补全旨在预测三元组中缺失的部分使知识图谱趋于完整。针对基于神经网络等模型的链接预测方法忽略了实体间的关联信息，导致模型不能覆盖三元组周围局部邻域中固有的隐藏信息，提出图注意力机制与谓词感知结合的方法。首先，利用图注意力机制定义了一个关系嵌入矩阵，描述任意给定实体邻域内实体间的关系；其次，引入谓词增强实体间语义理解程度，构造了基于谓词嵌入向量的注意力值计算公式，以便有效地度量实体间语义联系的强度；此外，利用实体邻居间的边关系预测多跳实体间的直接关系以补全知识图谱。在数据集 WN18RR、Kinship、FB15K的实验结果表明了该方法能有效提高三元组的预测精度。

• 融合语义依存关联对的句子相似度的负面在线评论案例推理

  冯进展,蔡淑琴,

  及时有效地处理负面在线评论能提高企业的声誉和维护消费者对企业的信任，而面对大量的负面在线评论，企业很难在短期内及时有效回复。根据在线评论是短文本的特点，运用基于句子相似度的负面在线评论进行案例推理处理。针对负面在线评论句子相似度计算问题，抽取句子中评价对象词和评价词作为关键词，同时考虑评价词的修饰词和句子语义依存关联对。除提出的关键词、修饰词、语义依存分析关联对三个特征外，再融入句子中的公共词、语义等两个特征，提出一种融合公共词、关键词、修饰词、语义、语义依存分析关联对等五个特征的句子相似度计算方法，检索相似负面评论句子的案例。通过实验验证，融入多特征的句子相似度计算优于常见句子相似度计算方法，其准确率为83.3%，有效地检索案例句子集并自动推荐回复方案。

• 基于并联CNN-SE-Bi-LSTM的轴承剩余使用寿命预测

  曹正志,叶春明,

  滚动轴承作为一种机械标准件，广泛应用于各类旋转机械设备，其健康状况对机器设备的正常运行至关重要，掌握其剩余使用寿命（RUL）可以更好地保证生产活动安全有效的进行。针对目前基于深度学习的机器RUL预测方法普遍存在：a）预测性能很大程度依赖手工特征设计；b）模型不能够充分提取数据中的有用特征；c）学习过程中没有明确考虑多传感器数据等缺点，提出了一种新的深度预测网络——并联多个带有压缩激励机制的卷积神经网络和双向长短期记忆网络集成网络（CNN-SE-Bi-LSTM），用于设备的RUL预测。在该预测网络中，不同传感器采集的监测数据直接作为预测网络的输入。然后，在改进的压缩激励卷积网络（CNN-SE-Net）提取空间特征的基础上进一步通过双向长短期记忆网络（Bi-LSTM）提取时序特征，建立起多个独立的可以自动从输入数据中学习高级表示的RUL预测模型分支。最后，将各独立分支学习到的特征通过全连接层并联获得最终的RUL预测模型。通过滚动轴承加速退化实验的数据，验证了所提网络的有效性并与现有的一些改进算法进行了对比实验。结果表明，面对原始多传感器数据，该算法能够自适应地提供准确的RUL预测结果，且预测表现优于现有一些预测方法。

• 基于动态优先级策略的多AGV无冲突路径规划

  张中伟,张博晖,代争争,任俊飞,吴立辉,武照云,

  自动导引运输车（AGV）路径规划影响柔性制造车间的高效、平稳生产。分析了多AGV在车间执行运输任务时常见的冲突类型，提出了一种基于动态优先级策略的多AGV无冲突路径规划方法。该方法通过时间窗检测冲突类型，并将等待时间、行驶距离、任务紧急程度作为量化动态优先级的考虑因素，进而利用动态优先级作为等待、二次路径规划两种冲突消减方法的选择依据。案例研究表明，在已知各AGV可行路径时，运用所提方法不仅能够实现多AGV的无冲突路径规划，而且能够提升多AGV完成运输任务的整体效率。

• 变质品生产、库存控制与预防维修联合建模与优化

  马骁志,吕文元,刘勤明,

  针对产品变质带来库存损耗的问题，在经济生产批量模型的基础上加入零库存时间，提出新的库存控制策略。该策略以预防维修周期和零库存时间为联合决策变量，利用更新定理建立了单位时间内总成本的期望模型。为了提高对此期望的计算速度，设计基于矩阵运算的蒙特卡罗仿真算法，并与遗传算法结合，大大提高了模型的优化速度。通过比较研究，验证了仿真算法的显著优势，并通过敏感性分析明确了相关参数的变化对最优策略的影响。

• 基于资源紧迫度的实时ETL弹性调度机制

  王萌,刘旋律,高峰,顾进广,

  在ETL系统中，当数据生产速度遇到较大的波动时，为了使现有资源在有限的条件下极大程度地满足用户的使用需求，提出了基于资源紧迫度的ETL弹性调度机制。首先，构建基于历史数据的时间序列预测模型，用来预测数据生产速度；然后，根据各个ETL过程提交的资源清单和各个服务器负载情况，对单个用户的多个ETL过程的资源进行调整。该调度机制将资源调度问题转换为多维背包问题，提出了基于资源紧迫度的动态调度算法。实验结果表明，当用户资源对所有的ETL过程稀缺的时候，该调度算法会使资源得到更好的利用。通过实验验证了弹性调度比传统的调度方式在资源利用方面具有优势。

• 动态概率卷积神经网络在雷达回波外推中的应用

  吴卓升,张巍,林艳,滕少华,

  雷达回波外推方法已广泛应用于短时强降水临近预报中。针对传统雷达回波外推方法未充分利用海量历史气象数据从而导致预报准确度不高的问题，提出了一个基于动态概率卷积神经网络（dynamic probability convolutional neural network，DPCNN）的雷达回波外推模型。该模型在卷积神经网络的基础上增加动态概率计算层，对不同的雷达回波输入序列计算对应的概率卷积核，并用于后续的外推计算中，使得网络在预测阶段仍然能够根据不同的输入序列作出相应的概率调整，从而增强了外推结果与已知序列的关联。经某局部地区短时强降水外推实验，从外推图像、CSI指数、FAR指数、POD指数四个方面验证了该模型的有效性。

• 一类数据中心网络中顶点独立生成树的一种通用构造方法

  钱煜,程宝雷,樊建席,卞庆荣,王懿丰,肖义胜,

  数据中心网络设计的新趋势是在互连网络的顶点和边上分别部署交换机和双端口服务器，其逻辑图可以抽象为复合图。顶点独立生成树（node-independent spanning trees，NIST）是数据中心网络中的一种重要结构，可用于设计数据中心网络中的可靠通信协议，容错广播和安全消息分发，IP快速重路由等。给定一个复合图G(Kn)，首先表明，如果图G的直径为d，则复合图G(Kn)的直径为2d或2d +1。假设n-正则、n-顶点连通的互连网络G中存在以任一顶点为根的n棵NIST，通过提出一种时间复杂度O(N)的高效算法（其中N是顶点数），给出了G(Kn)中一种构造n棵NIST的通用方法。对复合图Qn(Kn)的顶点分析表明，NIST的最大高度仅为其直径加3。另外，基于增广立方体的数据中心网络上的模拟实验也从另一个方面证明了上述结论的正确性。

• CSNEO:协同服务器与网络能耗优化的VM映射算法

  廖彬,张陶,于炯,李敏,孙瑞娜,

  已有针对虚拟机映射问题的研究，主要以提高服务器资源及能耗效率为目标。综合考虑虚拟机映射过程中对服务器及网络设备能耗的影响，在对物理服务器、虚拟机资源及状态，虚拟机映射、网络通信矩阵等概念定义的基础上，对协同能耗优化及网络优化的虚拟机映射问题进行了建模。将问题抽象为多资源约束下的装箱问题与二次分配QAP问题，并设计了基于蚁群算法ACO与局部搜索算法2-exchange结合的虚拟机映射算法CSNEO来进行问题的求解。通过与MDBP-ACO、vector-VM等四种算法的对比实验结果表明：CSNEO算法一方面在满足多维资源约束的前提下，实现了更高的虚拟机映射效率；另一方面，相比只考虑网络优化的虚拟机放置算法，CSNEO在实现网络优化的同时具有更好的能耗效率。

• 基于干扰消除的MIMO-OTFS系统信号检测研究

  苗豪伟,唐智灵,

  高迁移率条件下正交时频空间（OTFS）调制技术的性能优于正交频分复用（OFDM），而在常规的多输入多输出系统（MIMO）信号检测中，基于干扰消除信号检测技术的复杂度较大。针对此缺点，提出了一种改进的基于信干噪比（SINR）排序的信号检测算法。该算法先算出每一层信号的信干噪比，然后利用信息传递（MP）检测技术检测出每一层信号并通过干扰消除检测出全部信号。最后通过仿真对算法进行了验证，结果表明改进后的算法具有更好的性能。

• 车联网D2D通信中最大化频谱资源利用率分配算法

  赵季红,董志海,曲桦,卢立伟,

  无线通信技术快速发展，终端设备不断增多，为缓解这一现象，提升系统网络容量，针对车联网蜂窝D2D（device to device）通信资源分配问题，提出了一种最大化频谱资源利用率分配算法。该算法以最大化频谱资源利用率为优化目标，在满足车联网通信的基本服务质量（quality of service，QoS）下，通过V2V（vehicle to vehicle）和V2P（vehicle to people）共享信道资源来提高频谱资源利用率。首先利用信道状态信息定义的链路增益因子为终端用户找到潜在的通信链路集合；然后证明终端用户复用链路资源时功率分配问题为一个凸优化问题，利用凸优化理论求得最优传输功率；随后求解最优的信道匹配问题，此问题为多对一的加权匹配问题，为降低算法复杂度用KM（Kuhn Munkres）算法来求解。仿真结果表明，所提算法较其他算法能够有效地提升系统吞吐量、提高频谱资源利用率、提升网络性能，优化车联网通信资源分配问题。

• 基于加权参数马氏距离的硬件木马检测

  黄姣英,李胜玉,高成,刘基强,

  针对常规马氏距离判别方法对硬件木马检测率低下或失效的情况，通过对芯片运行时产生的功耗特征进行建模分析，提出了一种基于加权与双参数变换的优化判别方案。首先对标准与待测样本矩阵进行参数调整并在判别公式中加入样本矩阵特征向量权重，运用MATLAB实现参数的最优组合，最后在置信度99%的条件下计算待测样本的硬件木马检测率。对待测FPGA植入占比0.3%的硬件木马，并通过FPGA硬件木马检测平台验证表明，在常规马氏距离判别方法检测率只有43.56%的情况下，该方法检测率达到了85.14%。

• 多云存储下非同频可证明数据迁移方法

  马海峰,杨家海,薛庆水,鞠兴忠,朱浩之,

  很多用户在多个云上存有大量文件，有时在云间要进行大量文件的迁移操作，但因云服务商或黑客攻击等原因导致的文件损坏时有发生，所以云存储用户在存储和迁移过程中必须进行数据完整性认证，且认证开销要尽可能低。目前已有的数据迁移方法在迁移大量文件时认证时间开销较大。针对此问题，提出非同频可证明数据迁移方法，它是根据云上文件损坏的时间特征，在不同时间段按不同频度进行认证。安全性分析和实验结果表明，该方法能显著降低文件云间迁移时的认证时间开销，是一种有效的可证明数据迁移方法。

• 面向IoV的无证书聚合签名方案

  汪五义,张文波,

  针对车联网信息交互中存在的车辆身份匿名性和消息认证安全问题，目前很多方案是通过双线对来构造的，计算效率较低、通信开销较大且存在密钥托管问题。提出了一种适用于车联网的基于无证书的聚合签名方案，车辆的密钥由KGC和车辆共同生成，避免了密钥托管问题。该方案没有使用双线性对运算，且支持聚合验证，签名长度不会随着车辆数量的增加呈现增长趋势，适合存储资源受限的设备。在随机预言机模型下，基于椭圆曲线上的离散对数问题，证明了该方案具有签名不可伪造性。通过性能分析，该方案具有较高的计算效率和较低的通信开销。

• 基于QC-MDPC码公钥密码方案下反应攻击的对策

  巫光福,戴子恒,杨蕊,

  基于中密度准循环奇偶校验码（QC-MDPC）的McEliece公钥密码方案已被验证具有良好的性能特征，其密钥量较少、算法复杂度较低。但目前存在一种密钥恢复攻击对该方案的安全性产生威胁，攻击者利用特定的错误图样生成密文并进行发送，来获取接收者译码是否成功的反应，从而破译出该方案的私钥。为应对此反应攻击，提出了可能的解决方案。该方案将差错控制理论中的自动重传请求（ARQ）与伪随机序列结合，消除了反馈信息的有效性。仿真结果表明，提出的方案能有效抵抗此攻击。最后对提出的方案与各类抗击方案进行了比较，并分析了其未来改进方向。

• 基于长读数和重比对的倒位变异检测方法

  罗军伟,杜彩云,霍占强,

  结构变异检测是基因组大数据分析的一项重要任务，其中倒位变异是一种常见的结构变异，并往往与多种严重的疾病相关联，因此获取准确的倒位变异发生位置是一项具有重要研究意义的工作。提出了一种基于长读数和重比对的倒位变异检测方法，首先在长读数和基因组参考序列比对结果中提取每条长读数被剪切掉的序列；然后将剪切序列重新比对到基因组参考序列上，基于原始的比对信息和剪切序列的比对信息确定倒位变异信号；最后，对倒位变异信号进行聚类确定倒位变异发生的位置。该方法与较常见的其他两种倒位变异检测方法在两组数据集上进行了性能比较，实验结果表明该方法能取得更令人满意的检测结果。

• 结合多尺度融合特征和残差注意力机制的联合三维人脸重建及密集对齐算法

  黄有达,周大可,杨欣,

  针对三维人脸重建和密集对齐算法精度不足的问题，引入密集连接的多尺度特征融合模块和残差注意力机制设计了一种性能强大的网络。在编码器结构前，引入密集连接的多尺度特征融合模块获得多尺度融合特征，使编码器获得更丰富的信息；在解码器模块中引入残差注意力机制，强化网络对重要特征的关注同时抑制不必要的噪声。实验结果表明，相较其他算法，该算法取得了较显著的改进；相对PRNet，该算法以更少的参数量在各项指标上取得7.7%~12.1%的性能提升。

• 基于IMU和动态目标检测的多帧点云融合算法

  刘辉席,陈文浩,刘守印,

  针对16线激光雷达点云数据稀疏，而导致环境感知效果不佳的问题，提出了一种基于惯性测量单元和动态目标检测相结合的多帧点云数据融合算法。该算法利用惯性测量单元提供的位姿信息进行点云中静态物体部分的融合，利用动态目标检测完成运动物体部分的融合，既可以增快点云融合的速度，又可以缓解融合时运动物体点云偏移过大的问题，在节约成本的同时，达到有效地增大点云密度的目的。实验结果表明，该算法进行点云融合时具有良好的效果，在无人驾驶环境感知方面具有较高的应用价值。

• 基于卷积神经网络的跨层融合边缘检测算法

  李翠锦,瞿中,

  针对目前边缘检测算法因过于依赖全连接层，使得边缘线条粗糙，且损失函数设定不当，造成梯度消失和大量主要特征信息丢失等问题，提出了基于卷积神经网络的交叉融合边缘检测算法。该算法利用1×1多卷积核的梯度方式来降维，完成横纵向图像低级与高级特征对象的采集；然后通过自上而下和自左向右循环卷积流向方式，保证每层的损失函数可以较平稳地前向和反向传播；最后利用跨层交叉融合对图像边缘特征进行细化。实验结果表明，该算法在伯克利大学数据集（BSDS500）上最优数据集规模（ODS）F-measure为0.806，接近人类平均视觉感知。

• 激光雷达惯导耦合的里程计与建图方法

  庞帆,危双丰,师现杰,陈凯,

  针对现有的激光里程计方法在室外动态道路场景中存在里程计精度较低、鲁棒性不足的问题，提出一种3D激光雷达和MEMS惯导耦合的里程计与建图方案。在不同的线程上依次执行数据预处理、顾及动态障碍物的特征提取、激光里程计和激光建图模块。利用KITTI数据和实测数据，对改进方案与目前流行的LOAM、Lego-LOAM方案进行定性和定量的激光里程计精度评定。测试结果表明，改进方案在满足系统实时性的要求下，激光里程计精度优于LOAM方案，与Lego-LOAM方案性能相当。

• 基于深度学习的遥感图像去雾算法

  李玉峰,任静波,黄煜峰,

  针对遥感图像由于雾霾的存在导致图像清晰度下降的问题，提出了一种基于深度学习的图像去雾算法。首先将原有大气散射模型进行变形得到一个端到端的去雾模型，再将多个未知参数统一在一个参数中，运用多尺度卷积神经网络对未知参数进行估计，最后将参数估计值代入去雾模型中得到无雾图像。针对无参考图像数据集，先运用现有数据集对网络进行初步训练，再加入自建数据集对网络进行二次训练。实验结果表明，与相关去雾算法进行对比，该算法在视觉效果和客观指标上都有不同程度的提高，有效提升了遥感图像在雾霾天气状况下的清晰度。

• 基于空洞空间金字塔池化的雾天图像语义分割

  矫健,张磊,李晶,

  针对雾天图像语义分割中分割精度不高的问题，基于空洞空间金字塔池化、Xception模块和残差网络，提出一种雾天图像语义分割算法。该算法一方面使用空洞空间金字塔池化和残差网络，以多个采样率的并行卷积以及卷积核大小为1×1的卷积对输入图像进行多尺度的上下文特征提取；另一方面，采用解码器结构使用预训练后的Xception模块对提取的特征进行分类，得到每一个像素的预测结果，用于增强分割边界的细化得到边界精细的分割结果。实验表明，所提算法在foggy cityscapes数据集上的平均交并比为73.03%、73.81%与74.50%，分割性能良好。

• 一种抗粉尘遮挡的卸料孔检测方法

  张兴兰,王媛媛,欧阳奇,

  为解决粉镀锌卸料时卸料孔被锌粉遮挡，单一模型目标检测网络或方法无法很好地识别问题，提出一种专门的、融合多种特征模型的检测方法来辅助卸料。首先，用深度可分离卷积代替Tiny-YOLOv3（you only look once version 3）中的传统卷积，并调整损失函数，适应新的训练；接着，用像素统计判断目标区域遮挡情况，运用轨迹特征和形态特征模型对当前帧进行预测；最后，遵循模型融合规则，用预测结果对目标检测网络结果进行优化。实验结果表明在卸料孔长时间遮挡严重情况下，改进后的融合模型表现最好，总体AP（average prediction）达到99.38%，AIOU（average intersection over union）达到88.74%，同时满足实时检测要求，有效解决了粉尘强遮挡条件下工装卸料孔动态检测问题。

• 基于融合注意力机制的图像标题生成

  侯一雯,田玉玲,

  图像标题生成利用机器自动产生描述图像的句子，属于计算机视觉与自然语言处理的交叉领域。传统基于注意力机制的算法侧重特征图不同区域，忽略特征图通道，易造成注意偏差。该模型通过当前嵌入单词与隐藏层状态的耦合度来赋予特征图不同通道相应权重，并将其与传统方法结合为融合注意力机制，准确定位注意位置。实验结果均在指定的评估方法上有一定的提升，表明该模型可以生成更加流利准确的自然语句。

• TP-FER：基于优化卷积神经网络的三通道人脸表情识别方法

  高静文,蔡永香,何宗宜,

  针对人脸五官在表达不同情绪时所起的作用不同，利用单一的卷积神经网络对人脸面部特征进行特征提取和表情识别可能会导致提取表情关键特征信息时聚焦性不够，而仅对眼部或者嘴部等重点部位进行特征提取，又有可能造成特征提取不够充分的问题，提出了一种基于优化卷积神经网络的三通道人脸表情识别方法TP-FER（tri-path networks for facial expression recognition）。该方法基于构建的卷积神经网络训练，采用三个输入渠道，分别聚焦面部、眼部和嘴部区域进行特征提取和表情判别，最后采用基于决策层的融合技术将三个渠道的识别结果进行相对多数投票决策，获取整体最优识别率。将此方法应用于JCK+数据集和自建数据集上进行了实验判别分析，结果表明该方法在两个数据集上均提高了整体表情识别率。该方法既考虑了脸部整体特征的提取，又兼顾了某些表情主要聚焦在眼部、嘴部表达的特性，相互辅助，整体提高了表情的识别率；该方法也能对神经心理学研究提供数据支持。

• 基于窗口优化技术的肝和肿瘤CT图像的自动分割

  荣梦玲,王朝立,孙占全,

  针对窗口技术将高位计算机断层扫描（CT）图像像素强度范围重新映射到一个可观测的范围时会损失图像信息，并且做一次预处理后就进行自动分割的方法不能很好地适应肿瘤分割的问题，提出了一种分步优化分割CT值的强度窗口预处理方法。利用肝脏及其肿瘤的CT值直方图和窗口技术对原始图像和肝部图像进行分步预处理，提高感兴趣区域的对比度；在级联的卷积神经网络中分别对比不同强度窗口的肝和肿瘤的自动分割精度，并得到了肝脏及其肿瘤的最佳分割CT值范围，分别是［-40，190］HU，［-25，145］HU。该方法在3DIRCADb数据集上用三类主流分割网络UNet、ResNet和FCN进行了实验，验证了不同CT值范围对肝分割精度的影响能达到6.75%，并能将不同网络的分割精度提高2%左右。

• 综合引导滤波和字典学习超像素聚类图像融合

  郭利强,

  针对多聚焦图像融合易出现块效应和边界伪影等问题，提出了一种综合迭代引导滤波和字典学习超像素聚类的融合算法。首先对源图像进行超像素分割，利用密度峰值实现超像素的聚类，以超像素聚类块为处理单元提取特性形成特征矩阵；建立低秩表示模型，引入拉普拉斯正则项增加同类相邻区域空间一致性约束；构造低秩表示字典，借助自带二次惩罚项的线性交替迭代求解模型系数；通过联合低秩表示系数矩阵和误差矩阵构建初步聚焦特征图，利用迭代引导滤波优化聚焦特征图扩大多焦差异化，最后基于优化聚焦特征图和源图像获得最终融合结果。经仿真对比可知，提出算法的融合结果无论在主观视觉还是客观指标上都优于其他同类算法。

• 刺绣针法图样特征点提取及匹配方法研究

  杨蕾,胡慧,周军,

  目前，在刺绣工艺的非遗数字化保护研究中，成品绣品图样的保护占据着重要的地位，但实际上刺绣文化的精髓不仅是在图案上，将针法与图样进行有机结合才能更好地传承少数民族文化特色，因此，寻找一种能够将绣品针法纹样特征进行提取和匹配的方法是刺绣数字化保护亟待解决的问题。针对这一问题，通过对目前常用刺绣针法和特征提取算法进行研究，提出了一种以导向滤波作为尺度变换函数的特征提取模型。此方法以传统尺度不变特征变换（SIFT）作为基础模型，将其中的高斯尺度变换函数以导向滤波尺度变换函数代替，加强边缘像素之间的算法响应程度，从而精确提取出针法纹样的关键特征点。实验表明，算法得到的图案关键特征点能够在图样的边缘部分得到很好的提取效果，同时匹配准确率平均能够达到88%以上，与SIFT算法相比提高了7%~25%。

• 基于对偶学习策略的单图像超分辨率重建网络

  陈金玲,彭艳兵,李念,

  针对单图像低分辨率到高分辨率映射具有不适定性、特征图空间信息利用率低下以及网络参数量过大的问题，提出了一种基于渐进上采样的对偶学习算法用于图像的超分辨率重建。首先采用深度可分离卷积使得模型参数量显著减少；再基于亚像素卷积构建渐进上采样网络来高效利用特征图上下文信息；最后利用对偶学习策略构建闭环反馈网络，通过对偶关系相互约束映射空间以获取最佳重建函数。在Set5、Set14、BSDS100、Urban100、Manga109基准数据集上与其他主流的超分辨率方法相比，该算法表现出更优越的性能：有效减少了网络9%的参数量，在×4、×8放大因子下能重建出更清晰的图像，同时能有效缓解图像边缘失真和伪影现象，并且×8放大时的平均峰值信噪比和结构相似度（PSNR/SSIM）分别为26.90/0.751、24.84/0.645、24.74/0.619、22.30/0.560、24.38/0.706。