计算机应用研究杂志

计算机应用研究杂志2021年第8期

• 类脑神经网络与神经形态器件及其电路综述

  邓亚彬,王志伟,赵晨晖,李琳,贺珊,李秋红,帅建伟,郭东辉,

  为了系统地了解类脑神经网络电路，在对类脑神经网络进行简要介绍的基础之上，重点阐述两种类别的神经形态器件及功能，包括不同类型的浮栅管和不同工艺材料的忆阻器来模拟单个神经元和突触可塑性功能；然后，以神经形态器件为基础，分别介绍了基于浮栅管和忆阻器实现神经网络电路；最后总结当前神经形态器件及类脑神经网络芯片存在的问题，并对有关类脑计算研究方向进行了展望。

• 端信息跳变技术研究综述

  楼威振,李海龙,胡楷钰,

  随着计算机网络技术的飞速发展，新型攻击手段层出不穷，而传统的静态被动防御手段难以有效应对。端信息跳变是一项网络动态防御技术，能够主动防御网络攻击，保护重要网络节点。该技术借鉴跳频通信技术的思想，通过伪随机地改变通信双方或一方的端信息，隐藏重要节点，增加攻击者的攻击难度和攻击成本，干扰甚至破环攻击者的攻击，实现网络主动防御。首先进行了端信息跳变技术研究现状的调查，按照跳变项进行分类并分析了优缺点。然后针对现有核心难点技术的用途和优缺点进行了全面概述。最后讨论未来可能的发展方向。

• 宽度学习系统研究进展

  任长娥,袁超,孙彦丽,刘竹琳,陈俊龙,

  当数据规模庞大时，深度学习模型会遇到权重调整耗时，容易陷入局部最优解的问题。为了解决这些问题，宽度学习系统应运而生，宽度学习系统不仅结构简单、训练速度快、准确率高，而且还具有增量学习的优势。介绍了宽度学习系统的产生背景和发展历程，阐述了宽度学习系统的基础理论与实现方法，对比了它与深度网络的异同；介绍了宽度学习系统在图像分类、数值回归、脑电信号处理等应用中的改进算法，分析了这些算法的优势和不足。最后总结了现有宽度学习算法存在的缺陷，并对未来研究方向进行了展望。

• 基于用户浏览行为的个性化推荐研究综述

  刘华真,王巍,谷壬倩,张屹晗,郝亚奇,

  研究如何充分利用海量用户浏览行为数据，构建更加精确的推荐算法和模型，以提高推荐系统性能，是目前个性化推荐领域研究的热点。针对这些问题，首先对用户的浏览行为进行了简要概括表述，给出了基于浏览行为推荐系统的总体框架，回顾总结了基于用户浏览行为的推荐系统的发展历程。对其关键技术和单一浏览行为量化方法与混合浏览行为量化方法进行总结、对比和分析。最后讨论了结合多源异构数据的浏览行为推荐的最新成果，总结了该领域未来研究难点和发展趋势。

• 基于属性基加密的区块链数据共享模型

  张晓东,陈韬伟,余益民,段正泰,高建,

  为确保当前区块链数据共享机制中的隐私保护及数据安全，受属性基加密技术能够有效实现云上数据安全共享与访问控制的启发，提出了基于属性基加密的区块链数据共享模型。该模型基于Waters所提出的密文策略属性基加密（CP-ABE）方案，首先，在私钥生成阶段，数据使用方委托多个节点参与联合计算并存储部分私钥，其他数据使用者则不可获取完整密钥，从而提升了私钥的生成效率；其次，为防止密钥滥用及算法中参数的管理，定义了一种密钥传递事务数据结构，实现了CP-ABE算法的可追责性；最后，通过构建具有链上链下协同计算与存储功能的共享链，实现了属性基加密与区块链系统的有效融合。安全性分析和实验仿真结果表明，所提模型在密钥生成计算效率和实际业务场景方面有一定的优化，满足工程应用的需要。

• 基于信用的联盟链共识算法

  李淑芝,黄磊,邓小鸿,王智强,刘惠文,

  针对当前共识算法中存在的共识效率低下和激励机制不足的问题，提出了一种基于信用的联盟链共识算法。首先，根据节点参与共识过程的行为，设计节点信用评估机制，通过信用奖励解决节点间激励机制不足的问题。其次，构造信用区块链和信用计算模型，将节点的信用值进行存储，并作为挑选“矿工”节点的依据，提高了共识算法的效率。最后，提出了分轮次的矿工节点选择算法，利用随机算法和优先级排列算法依次选择矿工节点，并提出节点信用值评估方法，避免节点信用值过大而成为寡头，确保节点成为矿工节点的公平性。实验仿真结果表明，该信用共识算法算力消耗低，出块速度快，相比现有的共识算法具有更好的性能，可以很好地应用于商业和医疗等联盟链场景。

• 基于强化学习和机器翻译质量评估的中朝机器翻译研究

  李飞雨,赵亚慧,崔荣一,杨飞扬,

  针对目前机器翻译模型存在的曝光偏差和译文多样性差的问题，提出一种基于强化学习和机器翻译质量评估的中朝神经机器翻译模型QR-Transformer。首先，在句子级别引入评价机制来指导模型预测不完全收敛于参考译文；其次，采用强化学习方法作为指导策略，实现模型在句子级别优化目标序列；最后，在训练过程中融入单语语料并进行多粒度数据预处理以缓解数据稀疏问题。实验表明，QR-Transformer有效提升了中朝神经机器翻译性能，与Transformer相比，中—朝语向BLEU值提升了5.39，QE分数降低了5.16，朝—中语向BLEU值提升了2.73，QE分数下降了2.82。

• 基于复合图文特征的视觉问答模型研究

  邱南,顾玉宛,石林,李宁,庄丽华,徐守坤,

  针对当前主流视觉问答（visual question answering，VQA）任务使用区域特征作为图像表示而面临的训练复杂度高、推理速度慢等问题，提出一种基于复合视觉语言的卷积网络（composite visionlinguistic convnet，CVlCN）来对视觉问答任务中的图像进行表征。该方法将图像特征和问题语义通过复合学习表示成复合图文特征，然后从空间和通道上计算复合图文特征的注意力分布，以选择性地保留与问题语义相关的视觉信息。在VQA-v2数据集上的测试结果表明，该方法在视觉问答任务上的准确率有明显的提升，整体准确率达到64.4%。模型的计算复杂度较低且推理速度更快。

• 基于姿态信息的人与物体交互检测模块网络

  梁志军,刘栋,

  针对在相对密集场景下检测不佳的普遍现象，提出了基于人体姿态信息输入的模块化神经网络，通过构建绝对姿态特征和相对空间姿态特征来促进人与物体交互关系的检测。该算法主要包含两个分支：a）通过全连接层网络来独立处理每个人体关节点相对于物体的空间姿态特征；b）通过全连接图神经网络来更新每个关节点的绝对姿态特征。最后通过一个行为分类网络基于融合后的特征来进行交互关系的推断。该模块网络结合先进的检测模型VS-GATs在数据集V-COCO和HICO-DET上取得了显著的提升效果：在V-COCO上，比VS-GATs的检测结果提升2 mAP（约4%）；在更有挑战性的HICO-DET上，比VS-GATs的检测结果提升0.98 mAP（约4.6%）。实验表明了所构建特征的有效性以及设计的网络的优越性。

• 基于ELMo和Bi-SAN的中文文本情感分析

  李铮,陈莉,张爽,

  目前情感分析模型通常使用word2vec、GloVe等方法生成静态词向量，并且传统的卷积或循环深度模型无法完整地关注上下文，提取特征不充分，影响情感判断。针对上述问题，提出基于ELMo（embedding from language model）和双向自注意力网络（bidirectional self-attention network，Bi-SAN）的中文文本情感分析模型。首先通过ELMo语言模型训练得到融合词语本身和上下文信息的词向量，解决了一词多义的问题；同时使用预训练的skip-gram算法代替随机初始化的ELMo模型的嵌入层，提高模型的收敛速度；之后使用Bi-SAN提取特征，由于自注意力机制，Bi-SAN可以完整地关注每个词的上下文，提取特征更为全面。同现有的多个情感分析模型对比，该模型在酒店评论数据集上和NLPCC2014 task2中文数据集取得了更高的F1值，验证了模型的有效性。

• 针对包含狭窄通道复杂环境的高效RRT*路径规划算法

  仲健宁,向国菲,佃松宜,

  针对RRT*算法在狭窄通道等复杂环境产生大量节点和收敛速度慢的问题，提出一种基于多种启发式策略和强化节点机制改进的高效RRT*路径规划算法（heuristic node enhancement informed RRT*，HNEI-RRT*）。该算法首先采取组合启发式采样策略，快速找到初始路径之后在启发式子集内完成采样；同时提出启发式节点拒绝策略，拒绝不满足预设条件的节点参与后续扩展；其次，该算法提出强化节点机制，扩大节点蕴涵的信息，提高节点利用率。在各种障碍物分布和狭窄通道的复杂环境中的仿真结果表明，HNEI-RRT*算法的节点数量、收敛时间相比其他五类RRT*改进算法更少，验证了该算法能够节省内存花销的同时有效提高收敛速度。

• 图的多视角一致性稀疏聚类

  刘瑜童,滕少华,张巍,

  提出了一种新的面向图的一致性多视角稀疏聚类框架，该方法先将多视角数据分解为一致性与不一致性部分；然后采用相似性度量方法与KNN （K-nearest neighbor）算法对多视角数据进行分解与融合；再运用稀疏表示学习多视角图的一致性相似矩阵，进而通过谱聚类获取聚类结果。最后，设计并实现了一种交替迭代优化算法求解目标函数，并在八个多视角数据集上通过对比实验验证了该方法的有效性。

• 考虑时间特征的电子商务水军群组发现算法

  张文鹏,纪淑娟,李金鹏,张琪,

  针对在电子商务平台上普遍存在的网络水军，提出了一个综合考虑网络结构与时间特征的算法来检测评论网络中的水军群组。该算法由四步组成：a）基于评论网络结构特征的分析挖掘出易受水军攻击的目标产品；b）受“共爆发现象”的启发，提出了一个目标产品被水军群组攻击的可疑时期挖掘算法；c）基于目标产品可疑时期内的数据，构造目标产品—评论者的诱导子图，并在该子图上应用层次凝聚聚类算法生成候选水军群组；d）为了过滤掉在可疑时期内购物并评论的正常用户，提出了一个水军群组净化方法，然后基于评论者的行为特征对净化后的群组进行分类。基于真实数据集的实验结果表明，该算法可以准确、高效地检测活跃在电子商务网站上的网络水军群组。

• 用于方面提取的多元关系协作学习模型

  徐福,黄贤英,蒋兴渝,彭竞瑶,

  方面级情感分析广泛应用于商品评价、餐饮、电商决策等，该任务的一个核心点是方面词提取。目前常用方法是用观点词来辅助提取方面词对文本进行序列标注，或使用跨度标记法预测方面词开始与结束的位置。这些方法没有考虑到观点词提取、情感极性分类对方面词提取的影响。针对这个问题提出一种用于方面提取的多元关系协作学习模型，利用观点词提取、方面词提取、情感极性分类间的关系建模，在关系中实现多任务的协作学习与联合训练。在REST14、REST15和LAP14三个数据集上进行的实验结果表明，提出的方法优于目前的最新方法。

• 基于混合相似度和差分隐私的协同过滤推荐算法

  张润莲,张瑞,武小年,刘文芬,

  现有协同过滤推荐算法中，存在的评分片面、主观性强、评分矩阵稀疏性等因素影响了推荐的精确度，并在推荐中存在隐私泄露等问题。针对上述问题，提出一种基于混合相似度和差分隐私的协同过滤推荐算法。该算法基于多种相似度进行加权计算构造混合相似度，提高推荐精度；以混合相似度作为质心更新和分类条件，利用改进的K-means算法将与目标用户相似度高的用户进行聚类；采用枚举方法在目标用户集中划分子集，并基于混合相似度构建效用函数，利用差分隐私指数机制在各子集中选择邻居集合，保护用户隐私；最后在邻居集合中选择出评分值最高的项目进行推荐。实验结果表明，该算法在保护用户隐私的同时，有效提高了推荐的精确度。

• 基于熵权TOPSIS的社会网络影响力最大化研究

  倪静,秦斌,

  在影响力最大化问题中，针对启发式方法精度不足和贪婪方法时间过载的问题，提出一种基于多属性决策方法的影响力最大化算法。首先，从社会网络节点的影响传播、节点之间的影响重叠和节点的信任度角度选取节点的重要性评价指标。然后，建立基于熵权TOPSIS的社会网络节点重要性评价模型，通过模型选择影响范围最广、与当前种子集的重叠最小且信任度最高的节点。最后，构建算法，并通过实验验证算法的性能。实验结果表明，与传统影响力最大化算法相比，所提算法在传播范围与时间效率上取得了较好的折中。

• 机场巴士运行过程子空间建模与优化

  邢志伟,高志伟,罗晓,罗谦,

  针对机场巴士运行过程影响因素复杂、难以预测运行时间的问题，建立了一种基于子空间辨识算法的机场巴士运行时间预测模型。首先根据运行过程中所产生的多源大数据，考虑不同时段的乘坐人数、发车间隔、道路拥挤度等因素，建立机场巴士运行过程状态空间模型；然后提取适合描述机场巴士运行过程的特征变量作为模型的输入输出，通过子空间辨识方法对模型进行求解；最后以首都机场巴士的一条实际运营路线作为案例进行仿真分析。计算结果表明，该模型预测平均绝对百分误差和均方误差分别为2.25%和4.77，表现均好于传统的BP神经网络预测模型和最小二乘法辨识模型，具有较好的预测精度，有一定的实际应用价值。

• 基于深度图网络的编译器向量化启发式算法

  冯晖,王亚刚,

  针对现有的深度学习模型将程序代码考虑为一个串行序列而错失较大性能优化空间的问题，提出了一种新的基于深度图网络的程序启发式优化方法。该方法采用图神经网络对程序的数据和依赖图进行建模，自动从源代码中抽取有效程序特征，然后再将抽取的特征输入下游模型进行循环向量化参数预测。在LLVM循环向量测试集上，所提出的方法取得了2.08倍的加速比，与现有方法相比提高了12%的性能。

• 相幅组合的函数型数据特征提取方法研究

  金海波,马海强,

  当前函数型数据分析更多关注于函数的振幅变化而忽略相位变化，很多场合下，相位变化中含有对统计分析有用的信息。基于偏最小二乘法提出了相幅组合的函数型数据特征提取方法，首先使用函数对齐技术获得刻画相位变化的时间弯曲函数，再将对齐函数和弯曲函数通过分段函数的方式重新组合，最后利用偏最小二乘法提取相幅组合函数的成分特征，并应用在回归和分类模型上。实验结果表明，与主成分分析方法相比，所提方法具有更优越的预测性能。

• 一种分片混沌贪婪振荡退火TSP优化算法

  林之博,刘媛华,

  引入自适应升温策略或使用蒙特卡罗策略的模拟退火算法在复杂TSP求解时分别表现出收敛缓慢和全局最优逼近能力有限的问题；而现有的混沌优化算法由于logistic映射的缺陷，削弱了其跳出局部最优的能力。故设计一种融合型算法框架，在框架中嵌入分片Lorenz混沌映射系统，加强混沌算法对邻域解的搜索均匀度；引入了贪婪策略构造逼近全局最优解的初始解，使算法具有跃迁到全局最优解邻域的能力；此外设计了振荡退火互补机制，改善了子迭代解筛选过程，增强算法全局搜索性能。实现算法后，使用国际公开TSPLIB算例，经过多轮对比测试，验证了新算法对TSP的求解性能指标优于对比组模拟退火算法和logistic混沌优化算法，具有更短的收敛时间和更强的全局最优逼近能力。

• 基于网格区域化DBSCAN聚类的数字PCR液滴分类方法

  荣章权,廖丽敏,张端金,

  针对数字PCR系统的配套软件缺少多重实验液滴分类功能的不足，提出了一种网格区域化DBSCAN聚类算法。首先对数据进行网格映射，建立网格索引；然后计算网格间权值并进行深度搜索扩张；最后将网格空间的聚类结果映射回数据空间。人工数据集的仿真实验表明，所提算法能够有效识别簇边缘区域且具有优良的运行效率。在此基础上，提出了基于网格区域化DBSCAN聚类的数字PCR液滴分类方法，经由对比实验及有效性测试，结果表明所提方法能够便捷、准确地进行液滴分类。可见所提方法适用于数字PCR液滴分类。

• 融合显隐式反馈协同过滤的差分隐私保护算法

  孙道柱,李男,杜启明,刘文甫,

  由于协同过滤推荐算法依赖用户的数据，因而存在很大的隐私泄露风险。差分隐私保护技术可提供严格的隐私保护效果，但目前大多数基于差分隐私的推荐算法没有考虑隐式反馈数据，针对该问题，提出了一种新的基于差分隐私保护的协同过滤推荐算法。首先对隐式反馈矩阵进行矩阵分解，得到用户和物品的隐式特征向量；然后把得到的隐式特征向量融合到显式反馈模型求解中，通过在模型求解过程中加入均值扰动和梯度扰动，使算法满足ε-差分隐私保护；最后应用此算法预测评分，并在MovieLens数据集上对算法进行有效性评价。实验结果表明，所提算法能在推荐结果的准确性和用户的隐私保护之间实现有效的平衡。

• 融合矩阵补全与深度矩阵分解的推荐算法

  史加荣,李金红,

  深度矩阵分解采用深层非线性映射，从而突破了矩阵分解中双线性关系影响推荐系统性能的瓶颈，但它没有考虑用户对未评分项目的偏好，且对于稀疏性较高的大规模数据其推荐性能不具有优势，为此提出一种融合矩阵补全与深度矩阵分解的推荐算法。首先通过矩阵补全模型将原始评分矩阵中的未知元素进行填补，然后依据补全后的矩阵，利用深度学习模型分别构建用户和项目潜在向量。最后，在MovieLens和SUSHI数据集上进行测试，实验结果表明，与深度矩阵分解相比，所提算法显著地提高了推荐系统的性能。

• 模糊计算树逻辑的符号模型检测

  聂朋展,姜久雷,马占有,

  对含有模糊不确定性信息的系统进行模型检测时，状态空间爆炸问题成为了亟待解决的主要问题。将形式化的系统模型用拟布尔公式表示，用多终端二叉决策图来对拟布尔公式进行存储。对模糊计算树逻辑的不动点语义给出了解释和证明，然后给出模糊计算树逻辑的符号化模型检测算法，最后通过一个实例验证算法的正确性。该算法可有效缓解对模糊模型检测验证时的状态空间爆炸问题，并扩展了模型检测的应用范围。

• 基于改进Transformer的广告点击率预估模型

  周菲,徐洪珍,

  针对现有的广告点击率预估模型未能精准挖掘用户历史兴趣及历史兴趣对目标广告点击与否的影响，提出了一种基于改进Transformer的广告点击率预估模型。该模型采用Transformer网络捕捉隐藏在用户点击序列背后的潜在历史兴趣；同时针对Transformer建模用户历史兴趣无法有效关联目标广告的问题，提出了一种改进的Transformer网络。改进后的Transformer不但有效建模用户历史兴趣，而且考虑了跟目标广告的关联。新模型采用辅助损失函数来监督改进的Transformer对用户历史兴趣的抽取过程，然后采用注意力机制进一步建模用户的历史兴趣和目标广告的相关性以提升模型的预估性能。实验结果表明新模型有效提升了广告点击率的预估效果。

• 基于固定邻域规模的动态网络影响力最大化探测算法

  赵永伟,班志杰,

  以往对影响力最大化问题的研究大多是基于静态图进行优化研究，但在现实中，网络数据量随着时间不断增加，系统不可能实时获取到整个网络中节点之间的连接情况。在传统MaxG探测模型的基础上，采用固定邻域规模和节点邻域层级相结合的方式计算节点影响力大小，提出了新的动态网络探测算法RAS-MaxG（regular area scale-MaxG），解决了传统探测算法由于采用度来衡量节点影响力值所导致的节点之间区分性差的问题。最后通过在真实数据集上的实验对比，验证了所提算法在最终影响力覆盖范围方面具有更好的性能表现。

• 融合滑动窗口和哈希函数的代码漏洞检测模型

  许健,陈平华,熊建斌,

  针对传统漏洞检测分类需要定义人工特征以及相似度匹配算法不能检测非克隆漏洞、现有深度学习漏洞检测的方法特征维度过大以及只针对函数调用的问题，提出一种融合滑动窗口和哈希函数的深度学习方法，对源代码进行静态漏洞检测分类。首先抽取源代码的方法体，形成正负样本集，对样本集中的每个样本构建抽象语法树，根据语法树中的节点类型替换程序员自定义的变量名以及方法名，并以先序遍历的方式序列化抽象语法树；然后对抽象语法树节点中的节点信息进行分词，为每个词分配一个独立的节点编号；其次对树节点进行进一步的拆分，形成词序列，基于滑动窗口与哈希函数训练出相应的漏洞检测分类模型。最后，在SARD数据集中选取CWE190整数上溢和CWE191整数下溢两类漏洞进行实验，该模型在CWE190、CWE191中的分类准确率和召回率分别达到97.4%、94.2%和97.6%、95.1%。实验结果表明，提出方法能够检测到代码中的安全漏洞类型，并且在分类准确率和召回率上优于现有的方法。

• 基于时间序列相似度的无线传感网故障检测算法

  杨艳超,任秀丽,

  针对无线传感网中节点故障率高而导致检测精度低以及能耗大的问题，提出了基于时间序列相似度的无线传感网故障检测算法（FDABTS2）。该算法利用节点时间序列进行差值和相似度的计算，剔除一定故障类型的节点，并对瞬时读数故障数据进行修正。当节点为可疑节点时，利用空间相关性，与剩余邻居节点协作完成判定。在仿真环境下，与LEFD、NADST以及传统的DFD故障检测算法相比，检测精度分别提高了13%、17%和25%，误报率分别降低了8.4%、21.4%和25.4%，网络能耗分别降低了2.9%、8%和21.3%，即使在瞬时读数节点故障率高达60%时，误报率也能分别降低1.9%、26.2%和38.2%。实验结果表明，该算法在保证高检测精度的情况下，仍能有效降低能耗，延长网络生命周期。

• 出租车共享出行匹配中快速筛选策略的研究与实证

  滕兆阳,隋毅,

  共享出租车出行对提高城市整体交通通行效率具有重要意义。计算给定时间内任意两个行程匹配关系存在计算量较大的问题，较难满足整个城市空间范围内的需求。提出了一种基于时间、距离和方向约束的快速筛选策略，将该策略应用于基于图的共享行程匹配方法，通过纽约市出租车数据集进行了有效性验证，结果表明提出的筛选策略能够在不影响匹配效果的前提下极大地降低匹配所需的时间（单条行程匹配所需时间分别减少约82%）。对青岛市2017年3月15日（周三）和3月18日（周六）8 531辆出租车的GPS轨迹数据进行了实证分析，发现当设置延误时间阈值为5 min时，周三全市能够共享的行程数可达总行程数的45％，总出行时间可节省近5 000 h，总行驶里程可节省80 000 km，周六与周三的结果十分近似。单日中由于早高峰6：00~9：00时段行程数较少且空间分布较分散，可共享行程数比例和总节省时间、里程数均最少，该时段的共享出行收益在全天最小。

• 基于逻辑时延Petri网的停车预订系统建模与分析

  管梦真,刘伟,杜玉越,

  为解决逻辑Petri网不能详尽地描述模型在规定时间点变迁引发和引发完成的时间问题，提出逻辑时延Petri网。首先在普通变迁的基础上引入变迁的引发时间和变迁完成时间形成决策变迁，为每个token定义到达时间和自身时间属性等；其次重新定义引发规则和可达图算法，并针对决策变迁和可达图生成进行算法描述；最后使用逻辑时延Petri网对停车预订系统进行建模，构建可达图分析系统中重分配问题以及车位的利用率等问题。在此基础上设计实验验证了逻辑时延Petri网的可行性和智能停车预订系统的优势。

• 多用户多准则多方式下基于超级网络的公交客流均衡分配

  何胜学,金梦宇,

  针对不同公交出行用户对各种出行指标的偏好差异，建立了整合不同公交出行方式的公交客流网络分配模型。首先，利用超级网络概念对换乘区、加载上网区和离网区的公交出行过程进行网络化描述；其次，基于用户均衡原则建立对应的变分不等式流量分配模型并证明模型的特征映射具有单调性，从而保证后续算法的可行性；然后提出求解上述模型的基于有效路径集逐步生成的投影梯度算法，并在理论上证明了算法的有效性；最后通过数值实验分析验证了新模型和算法的有效性。研究结果可为多种公交方式联合的公交客流分析提供理论与技术支持。

• 物资缺乏情况下的应急物流运输与物资二次分配策略

  蔡延光,黄戈文,黄何列,戚远航,徐云剑,

  针对应急物流中的运输时效性和物资分配公平性问题，提出了一种两阶段应急物流运输与物资二次分配策略。首先，基于所定义的时间满意度、物资满意度和综合满意度，提出了最大时间满意度车辆路径问题模型和最小加权满意度标准差应急物资分配模型。第一阶段针对最大时间满意度车辆路径问题模型设计了一种混合灰狼优化算法进行求解，该算法采用了最优分割过程分组解码策略，并采用了混沌搜索策略、2-Opt和1-1局部搜索策略来提高算法的搜索能力；第二阶段针对最小加权满意度标准差应急物资分配模型设计了混沌灰狼优化算法求解。实验结果表明：在第一阶段，总体时间满意度比CVRP模型提高了39.31%；在第二阶段，当实际物资量为80%和权重系数为0.75时，计算得到的综合满意度标准差为0.061 9，物资满意度标准差为0.097 4，较好地平衡了灾民的心理诉求和物资利用效能。两阶段应急物流运输与物资二次分配策略得到了较高的时间满意度和较好的物资分配结果，证明了所提模型和算法的有效性。

• 动态共乘系统中一种高效的插入操作方法

  刘文彬,杨波,阎纲,李香宝,钟敏娟,

  针对现有插入操作方法因时间复杂度高而降低动态共乘系统的运行效率，设计了一种以最小化车辆绕行距离为优化目标的线性时间插入操作方法，考虑乘客上车、下车时间约束和车辆容量限制等条件的动态共乘路线优化问题。建立共乘路线模型，采用动态规划技术和固定源节点插入位置的策略，以及利用位置向量的计算结果，可在常量时间内找到车辆绕行距离最小的目标节点的插入位置。理论分析表明：方法能够在线性时间内找到源节点和目标节点的最佳插入位置。仿真结果表明，基于线性时间的插入操作方法能够迅速地得到共乘优化路线，显著提高了动态共乘系统的运行效率。

• 面向防汛物资动态变化的运输车辆调度优化算法研究

  陈友荣,卢俊杰,赵克华,刘半藤,孙萍,陈素明,

  为解决防汛救灾过程中受灾需求变化下的防汛物资调度问题，提出一种面向防汛物资动态变化的运输车辆调度优化算法（SOA_TV）。在SOA_TV算法中，考虑车辆限载、调度车辆数量、移动距离等约束，建立防汛物资运力调度优化模型。依据已知受灾信息和仓储信息，确定受灾最小所需车辆数，获得待运输物资集合，并按照最近邻原则初始化车辆集合。引入车辆移动距离阈值，通过边权计算构建二分图，并进行矩阵转换，获得一个低维度的矩阵。最后，考虑需求不变化和动态变化两种情况下的物资分配，根据仓库点之间的运输距离和车辆负载情况更新边权值，多次执行KM算法直到获得目标模型的近似最优解。实验结果表明：在多种实验场景中，SOA_TV都能寻找到一个较优解。相比于GA和ABC，SOA_TV虽然略微降低了车辆移动总距离，但其运算时间获得大幅度削减，可在极短的时间内计算获得较优的车辆分配方案。相较于Hungarian，SOA_TV可降低运行时间和车辆移动总距离。

• 面向延迟接受的移动群智感知多任务分配

  杨桂松,王不野,何杏宇,

  针对现有任务分配策略的不足，提出了一种面向延迟接受的移动群智感知多任务分配策略。首先，基于平台和工人的不同需求，提出了一种方法实现任务和工人的双向匹配。其次，考虑到任务的紧急性，设计了一种混合延迟接受算法。最后，为了验证所提策略的性能，将其与两种基准的任务分配方法进行了比较。实验结果表明，所提任务分配策略在提高平台效用和工人满意度方面是有效的。

• 基于双效用函数的无线传感器网络拓扑博弈算法

  龚本灿,黎尚文,陈鹏,

  传统拓扑控制算法采用单个效用函数，无法适应网络性能需求的动态变化。在拓扑控制中引入了博弈论，提出了两个具有不同优化目标的效用函数。当节点剩余能量较高时，选择一个全面考虑能量均衡度、网络能耗、网络连通性等因素的效用函数；否则，为了尽可能降低节点能耗而选择另一个更趋向于较低功率的效用函数。实验表明，采用双效用函数的拓扑博弈算法在网络寿命、能量均衡度等方面具有较好的性能。

• 智能交通系统中CMIMO-SM-ARQ协议性能建模分析

  周永强,王波,钱欢,黎锁平,

  为提高智能交通系统（ITS）中无线传感器网络（WSN）的吞吐量和能效性能，提出了一种具备空间调制的协同多输入多输出自动重传请求（CMIMO-SM-ARQ）协议。考虑了双发送节点和双接收节点的四节点WSN，其接收节点可以互为中继辅助发送端传输数据，以降低系统中断概率。建立了具有3L+1个状态的CMIMO-SM-ARQ协议离散时间马尔可夫链（DTMC）模型，并给出状态空间。根据WSN的中断概率和一步状态转移概率矩阵推导CMIMO-SM-ARQ协议的吞吐量、能效和时延性能解析表达式。数值模拟结果表明，所提协议的中断概率和能效性能优于单输入单输出自动重传请求（SISO-ARQ）协议，在中远距离（大于67 m）传输信息时，CMIMO-SM-ARQ具有较高的吞吐量和较低的时延。

• 基于新残差网络的图像隐写分析方法

  王群,张敏情,柯彦,狄富强,

  卷积神经网络在隐写分析领域取得了一系列进展，但现有网络结构大多都是专用隐写分析，只针对某一类隐写算法有效。为了提高模型的泛化能力，提出了一种基于新残差网络的图像隐写分析算法。构建了残差分组融合网络结构（W-R2N），采用分组融合的方式来提高提取多尺度特征的能力，增大每层网络的感受野范围，并且增加每组卷积的对角相关性。相对于Xu-Net和SRNET在S-UNIWARD嵌入率为0.4 bpp情况下隐写分析准确率分别提高了17.13%和0.81%。实验结果表明，相对于现有卷积神经网络，该模型泛化能力更好，并且能够有效提高隐写分析的准确率。

• Σ型去中心基于属性身份识别的一般构造

  杨晓莉,黄振杰,

  研究Σ型基于属性身份识别与Σ型基于身份身份识别的关系，提出Σ型去中心基于属性身份识别的一般性构造方案。该方案利用平滑秘密共享方案，将Σ型基于身份身份识别方案转换成Σ型去中心基于属性身份识别方案。利用归约方法，证明了该方案的安全性。通过所提出的构造方案，给出一个Σ型去中心基于属性身份识别实例，并将其与已有的Σ型基于属性身份识别方案进行效率比较分析。分析结果表明，所提方案在数据长度和计算开销两方面都更有优势。提出的方案是去中心的，克服了单个属性机构系统的瓶颈问题和安全弱点，具有更好的适用性。

• 载体选择型图像隐写算法研究

  毕新亮,杨晓元,刘文超,黄思远,

  传统的载体选择式图像隐写需要人工构建图像和秘密信息的关系，且鲁棒性不强。针对这个问题，提出了一种载体选择型图像隐写算法，该方案结合图像检索的思想，使用StarGAN的判别器作为特征提取器，将提取的特征映射为秘密消息，直接构造了图像和秘密消息的映射关系，并采用了特征更新、搜图更新等方式更新关系库，自动化更新映射关系库。实验证明，该方案具有较高的隐写容量和较好的鲁棒性，在图像质量不高时，提取准确率比现有方法提高约6%。

• 基于剪枝网络的知识蒸馏对遥感卫星图像分类方法

  杨宏炳,迟勇欣,王金光,

  针对目前遥感图像在应用卷积神经网络分类时需要大量计算，并占用大量内存的问题，提出了一种基于剪枝网络的知识蒸馏对遥感图像分类方法。以模型剪枝理论为基础，在网络结构中引入注意力机制，加强对重要特征的提取之后，并对网络进行模型剪枝，然后引入知识蒸馏技术对模型进行迁移学习，补偿模型剪枝之后分类精度的损失。为了证明方法的先进性与可靠性，利用在NWPU-RESISC45遥感卫星数据集上，与同类算法进行对比实验。实验结果表明，所提方法不仅在分类精度有更好的表现，并且在模型大小上更具有优势。

• 基于多边形偏移蒙版和边界增强的场景文本检测

  张智,秦瑶,顾进广,

  目前，多方向文本检测方法已经在各种数据集上取得了不错的性能，但是任意形状文本检测仍然存在一些困难，尤其是具有不同大小、形状、方向、颜色和样式的文本实例。为了更好地区分连续任意形状的文本实例和周边非文本区域，提出了一种基于分段的文本检测器，通过使用多边形偏移蒙版和边界增强来检测任意形状的场景文本。为了评估该方法的有效性，在ICDAR2015和Total-Text等公开数据集上进行了多组对比实验，实验结果证明该方法有着更卓越的性能。

• 面向时空特征融合的GSTIN动作识别网络

  李克文,张震涛,李素杰,雷永秀,

  视频动作识别是计算机视觉领域一个十分具有挑战性的课题，主要任务是利用深度学习等视频智能分析技术识别的深层信息推导出视频人体行为动作。通过结合双流卷积神经网络和三维卷积神经网络的结构特点，提出了一种面向时空特征融合的GSTIN（GoogLeNet based on spatio-temporal intergration network）。GSTIN中设计了时空特征融合模块InBST（inception blend spatio-temporal feature），提升网络对空间特征与时间特征的利用能力；在时空特征融合模块InBST基础上，构建了适合动作识别的多流网络结构。GSTIN在动作识别数据集UCF101、HMDB51上识别精度分别达到了93.8%和70.6%，这表明GSTIN与其他动作识别网络相比具有较好的识别性能。

• 基于变异系数的分形图像压缩稀疏编码算法

  庞慧慧,张爱华,

  针对分形图像编码算法复杂度高、编码时间冗长的问题，提出正交稀疏编码和纹理特征提取表示图像块的方法。首先，灰度级的正交稀疏变换提高了图像的重建质量和解码时间。其次，相关系数矩阵度量范围块和域块之间的变异系数特征降低了冗余度和编码时间。仿真实验结果显示，该方法与传统的分形图像编码算法相比，图像重建质量更好，编码速度更快。

• 基于循环密集连接融合更多局部特征的肝脏分割

  宋阳,刘哲,

  由于腹部图像中肝脏区域的复杂性和传统分割方法特征提取上的局限性等原因，肝脏分割领域仍存在着很多挑战。针对现有分割网络在肝脏区域的全局信息和局部信息处理上存在的不足，设计了一种融合更多局部特征的循环密集连接网络的分割方法。该方法将循环密集连接模块和局部特征补充模块整合为编码过程的学习单元，使编码单元融合深层次全局信息和更多尺度的局部特征信息。最后，在解码过程后，利用softmax函数输出分割结果。在LiTS数据集上该方法在多个评价指标中表现优异，精确度达到了95.1%。此外，在Data_67数据集上的相关实验也证明了该方法具有很好的泛化性能。实验表明，密集连接融合更多的局部信息，能够使肝脏分割模型的性能更加优异。

• 数字壁画病害提取与修复算法研究

  张子迎,税午阳,周明全,徐博凯,周华,

  数字图像修复为古代石窟壁画的科学保护与修复提供了重要依据，目前数字壁画病害信息的完整提取与合理化修复是文物虚拟修复的重要课题。以麦积山数字壁画为研究对象，分析风化裂隙伴随点状剥落的病害特征与形成机理，病害信息的完整提取以文物修复的最小干预为原则，采用以加权平均为相似性度量的局域最优层次聚类进行提取，并形成病害信息掩膜。以此掩膜图像为对象，其合理化修复利用增加了有效像素估计的曲率驱动扩散模型实现图像修复。该方法使得麦积山石窟壁画病害的虚拟修复更精确，达到了文物修复最小干预原则的效果。

• 基于图像分解和稀疏表示的多聚焦图像融合

  蒋留兵,张点,车俐,

  针对多聚焦图像融合中缺乏细节保护和结构不连续的不足，提出了一种基于图像分解的多聚焦图像融合算法。首先，源图像采用卡通纹理图像分解得到卡通部分和纹理部分；其次，卡通部分采用卷积稀疏表示的方法进行融合，纹理部分采用字典学习进行融合；最后，将卡通和纹理部分融合得到融合图像。实验建立在标准的融合数据集中，并与传统和最近的融合方法进行比较。实验结果证明，该算法所获得的融合结果在方差和信息熵上具有更好的表现，该算法能够有效克服多聚焦图像融合中缺乏细节保护和结构不连续的缺点，同时有更好的视觉效果。

• 基于通道注意力和门控循环单元的图像去雨算法

  张焱,张娟,方志军,

  在计算机视觉领域，雨线或者雨滴会使雨天拍摄的图像变得模糊，降低图像的质量。针对雨天图像质量低下的问题，提出了一种基于通道注意力和门控循环单元的图像去雨算法。该算法基本思路如下：首先将训练图像通过残差记忆模块提取特征；其次将提取的特征通过特征增强模块增加感受野，识别不同等级的雨线特征并将其增强，传递给后续的循环网络；最后网络循环过程中，通过门控循环单元块实现不同循环阶段之间的参数共享。实验结果利用客观评价指标和主观视觉效果进行评估，验证了该算法在较为复杂数据集上的有效性。

• 多层次编码—解码网络遥感图像建筑物分割

  何青,孟洋洋,李华智,

  为提高高分辨率遥感影像建筑物边缘提取精度和高分辨率特征利用率，提出了一种基于残差分组卷积的高分辨率遥感影像建筑物提取方法。利用多层次编码—解码结构提取影像中建筑物不同尺度特征，同层次特征之间引入密集连接保证高分辨率特征的有效性，相邻层次特征之间引入交换单元增加不同深度的上下文信息交互。使用武汉大学建筑物数据集对模型进行训练及评估，与现有的全卷积神经网络SegNet、UNet和UNet++相比，评价指标recall、IoU、F1等高出2%以上。实验结果表明该网络在对建筑物边缘精准提取方面具有很好的效果。

• 基于建筑物轮廓的地面激光点云与影像匹配点云配准研究

  危双丰,汤念,黄帅,刘光祖,

  为了高精度融合异源数据，进而充分表达建筑物的顶面及立面信息，提出基于建筑物轮廓特征的地面激光点云与影像匹配点云配准方法。通过边缘估计提取影像匹配点云建筑物屋顶轮廓，利用α-shape算法匹配提取地面激光点云建筑物屋檐轮廓，运用主成分分析算法、质心约束及罗德里格斯公式实现两种轮廓点云的粗配准，根据ICP算法完成精配准。实验结果表明该方法能够实现跨模态数据的优势互补，有效提高影像与点云配准的计算效率和配准精度。

• 特征融合与重定位卷积算子跟踪算法研究

  李国友,杭丙鹏,杨梦琪,李晨光,王维江,

  针对卷积操作目标跟踪算法（ECO-HC）在遮挡、背景等干扰问题导致跟踪精度下降的问题，提出了一种自适应特征融合的卷积相关滤波算法，将CN与HOG特征进行加权融合，通过计算各自的响应来确定各自特征在下一帧的权重，将特征各自的优势充分发挥出来。此外，针对目标跟踪失败问题，提出利用形变相似多样性原理，构建目标重定位模块，当出现遮挡、快速移动等复杂情况造成跟踪的可靠性降低时，综合考虑目标响应得分、空间权重得分和形变相似多样性得分来确定目标的最终位置，实现重定位。实验证明，改进后算法与ECO-HC相比，针对目标遮挡、背景干扰等复杂情况，有效地提高了跟踪精度，鲁棒性更强。

• 基于3D深度胶囊网络的高光谱和LiDAR数据融合分类

  张雄山,赵艮平,程良伦,

  针对高光谱和LiDAR成像优势，通过构建三维深度胶囊网络（3D-deep capsule network，3D-DCN）探索了这两种遥感数据源在城市地物分类上的应用。该网络通过使用两层3D-CNN结构实现融合后数据的非线性特征映射，然后紧跟胶囊网络生成代表特征的矢量并实现卷积、封装和分类；针对胶囊网络层间的非线性激活函数提出一种称为e-squash的非线性激活函数用于特征学习。在城市数据集上的分类实验表明，使用LiDAR高程特征数据极大地改善了高光谱图像分类精度，采用提出激活函数的3D-DCN在城市数据分类方面比经典分类方法和未采用e-squash的胶囊网络具有更大的应用潜力。

• 基于区域语义的城市移动模式可视分析

  李茸茸,王桂娟,邓皓天,陈华容,吴亚东,

  针对城市区域语义及移动模式难以提取的问题，提出一种基于区域语义的城市移动模式可视分析方法用于直观地分析人群出行情况。通过提取用户通话特征，使用高斯混合模型区分基站通话模式来发现城市区域的功能性信息；进一步使用层次聚类算法对用户行为进行语义发现，分析区域用户行为规律；区域语义与用户语义结合分析，挖掘人群在区域间的移动模式。案例分析表明，该方法能有效地发现区域功能特征，结合数据能帮助分析人员发现城市间移动模式以及探索用户移动意图，得到用户移动模式和功能区域之间的联系。

• 结合Tri-training和CV-CNN的半监督PolSAR图像分类

  谢雯,马改妮,赵凤,刘汉强,张璐,

  现有深度学习算法应用于PolSAR图像分类时，较少考虑该图像数据的复数特点，使得数据的复数域信息不能被充分利用；同时，深度学习需要大量的标签样本作为模型的训练样本，但是PolSAR图像可获取的标签样本十分有限。针对上述问题，结合Tri-training算法和复值卷积神经网络（CV-CNN）提出了半监督PolSAR图像分类算法。首先通过Wishart分类器和Tri-training算法获取一些可靠性较高的伪标签样本，然后将其加入到复值卷积神经网络的训练样本中并用于模型训练，最终完成图像分类任务。通过四幅PolSAR图像分类的仿真实验表明，该算法不仅能够有效提升伪标签样本的可靠性，同时还可提高模型的分类准确率。

• 面向个人信息保护的对抗性图像扰动算法研究

  王涛,马川,陈淑平,

  通过研究对抗性图像扰动算法，应对深度神经网络对图像中个人信息的挖掘和发现以保护个人信息安全。将对抗样本生成问题转换为一个含有限制条件的多目标优化问题，考虑神经网络的分类置信度、扰动像素的位置以及色差等目标，利用差分进化算法迭代得到对抗样本。在MNIST和CIFAR-10数据集上，基于深度神经网络LeNet和ResNet进行了对抗样本生成实验，并从对抗成功率、扰动像素数目、优化效果和对抗样本的空间特征等方面进行了对比和分析。结果表明，算法在扰动像素极少的情况下（扰动均值为5）依然可以保证对深度神经网络的有效对抗，并显著优化了扰动像素的位置及色差，达到不破坏原图像的情况下保护个人信息的目的。该研究有助于促进信息技术红利共享与个人信息安全保障之间的平衡，也为对抗样本生成及深度神经网络中分类空间特征的研究提供了技术支撑。

• 基于颜色与结构失真的色域映射图像无参考质量评价算法

  余伟,康凯,袁连海,

  为了预测色域映射图像客观质量，通过分析不同色域映射算法的映射原理发现色域映射图像中主要存在颜色失真与结构失真的情况。基于此，提出了一种基于颜色与结构失真的色域映射图像无参考质量评价算法。在颜色失真方面，计算色调异常率和图像R、G、B三个分量的统计分布与理想均匀分布之间的相对熵；在结构退化方面，提取图像的信息熵与四阶矩，并对图像亮度与饱和度进行统计建模，提取参数特征。随后，将以上提取的数据作为质量感知特征与图像的主观分数值输入后向传播神经网络进行回归训练得到针对色域映射图像的质量评价模型。最后，在三个公开的色域映射图像数据库上进行性能验证。实验结果表明，该算法在预测色域映射图像质量方面优于现有的无参考算法。

• 挖掘文本框位置特性的anchor-free自然场景文本检测

  卢利琼,吴东,吴涛,刘瑶,

  针对现有优秀的anchor-free文本检测方法只挖掘了文本框几何特性而没有考虑文本框位置特性且缺乏有效的过滤机制，提出了挖掘文本框位置特性的anchor-free自然场景文本检测方法。该方法以ResNet50作为卷积神经网络的主干网络，将多个不同尺寸的特征层融合后预测文本框的几何特性和位置特性，最后辅之以二层过滤机制得到最终的检测文本框。在公开的数据集ICDAR2013和ICDAR2011上F值分别达到了0.870和0.861，证明了该方法的有效性。