计算机应用研究杂志

计算机应用研究杂志2021年第9期

• 水下图像增强和修复算法综述

  魏郭依哲,陈思遥,刘玉涛,李秀,

  因受到光线散射和吸收、水体杂质、人工光源等因素影响，水下成像质量较低，很难满足生产作业的需求，而水下图像的增强和复原技术有助于提升水下机器视觉的能力。为帮助研究者掌握水下图像处理领域的研究方法和现有技术，对水下图像增强和复原方法进行综述。首先对水下图像存在的主要退化类型进行分析；分别对水下图像增强、复原的经典方法和最新进展进行总结，系统梳理了水下图像质量评测体系和公开数据集；最后对水下图像处理未来的研究趋势进行了展望。

• 基于区块链智能合约的应用研究综述

  林诗意,张磊,刘德胜,

  通过概述区块链智能合约的运作原理及应用研究现状，对现存项目和存在的问题进行分析总结。首先，基于区块链智能合约整体架构介绍合约模型及运行原理，以Ethereum、Hyperledger Fabric和EOSIO三大区块链平台为例分析智能合约部署原理并对三大平台进行对比分析。针对国内外区块链智能合约的应用研究进行归纳总结，并讨论区块链智能合约未来创新应用和发展趋势。从金融交易、物联网和医疗应用三大应用研究领域介绍了基于Ethereum和Hyperledger Fabric平台的区块链智能合约应用现状，进一步探讨了基于EOS（enterprise operation system）的应用研究和其他应用领域研究现状。最后，从隐私、机制设计与安全、性能和形式化验证等智能合约自身存在问题及三大平台应用存在的不足对区块链智能合约的未来研究方向进行分析和展望。

• 基于两种分类标准的目标检测算法综述

  李平,喻洪流,

  随着大数据、算力、深度学习的发展，基于深度学习的目标检测算法成为该领域主流算法，其性能远超传统算法。为了梳理算法发展脉络、跟踪最新研究成果、促进目标检测领域的研究，分别从两阶段/单阶段和anchor-based/anchor-free两个维度，对这两种不同分类标准下实现矩形框或近似矩形框标注的代表性目标检测算法进行综述，分析了算法流程、特点、演进及其性能，并对其重要改进版本进行了归类分析。最后总结了算法的优缺点、局限性及适用场景，并展望了未来目标检测领域的发展趋势，提出了几个重要的研究方向。

• 基于信誉度的Hashgraph共识算法

  周艺华,贾立圆,贾玉欣,杨宇光,

  针对Hashgraph中存在的共识过程复杂，稳定性差，系统受节点活跃度、处理能力、带宽等因素影响大等问题，提出了一种基于信誉度的Hashgraph共识算法。首先，该算法创建了信誉度模型，并将其和奖励机制结合，规范节点行为的同时激励节点积极参与数据同步与共识。其次，引入领导人优化共识过程，将虚拟投票中的投票、收集票数、确认事件三个步骤缩减为选择领导人、确认事件两个步骤，缩短了交易完成确认的时间。最后，为保证领导人节点的安全性和公平性，设计了基于信誉度的领导人选择算法，实现了领导人节点的不可预测性以抵抗拜占庭节点对领导人节点的提前攻击。实验及安全性分析表明，该算法有效降低了系统对节点的依赖性，具有系统稳定性强、共识效率高、安全性强等优点。

• LHB:用于工业互联网标志解析的轻量级混合区块链模型

  赵浩然,张继栋,谢人超,黄韬,

  针对工业互联网标志解析系统存在的数据完整性、真实性问题以及传统区块链部署方案显现的节点计算、存储、网络资源受限瓶颈和可扩展性问题，基于混合共识、一致性哈希等技术设计一种高性能的轻量级混合区块链（lightweight hybrid blockchain，LHB） 模型，以异步的方式实现可信验证和冗余备份，通过对全网区块存证防止窜改和伪造数据。性能比较与分析表明，LHB同时拥有联盟链的高吞吐量与公有链的安全等级，在最优情况下，基于LHB的标志解析系统时延可低至10 ms。

• 一种区块链数据的云存储与共享方法

  刘昌平,刘海,

  为了在不信任的环境中达成共识，区块链节点需要冗余地存储完整的区块链数据，对节点的存储要求很高。提出一种区块链数据的存储方法，设置M个云存储共享模块用于存储完整的区块链以及节点数字签名，节点将区块及其数字签名存储到若干个云存储共享模块。当区块链节点数量N足够大时，能够选择合适的M（M<

• 基于动态选择机制的低信噪比单声道语音增强算法

  台文鑫,王钇翔,李森,蓝天,刘峤,

  为了提升模型在复杂场景下的信息处理能力，提出了一种基于注意力的动态选择机制，根据当前信息选择性地分配权重，有效融合形变卷积和普通卷积的特征输出，自适应地在卷积形变和标准卷积之间进行权衡，从而提高其表示能力。此外，通过借鉴渐进学习，在不增加额外参数的前提下，通过循环迭代的方式进一步增强了模型的学习能力。在TIMIT公开语料库上使用七种来自NoiseX92的不同噪声，在多种信噪比环境下进行实验，结果表明无论信噪比高低，噪声是否在训练数据集中出现，所提出的算法在可懂度和语音质量等客观评价指标上均优于近期其他的深度学习算法。

• 交互式音乐类比生成

  黄润泽,郑茜颖,周海芳,

  类比生成是计算机生成自然和创造性音乐作品的一种关键方法。使用类比生成能够将高层次的音乐特征从一个作品转移到另一个。为了在进行高效类比的同时也能够控制音乐的特征属性，提出了一种新型的显式特征解耦的编解码模型，由编码器解开以和弦为条件的音乐片段的音高和节奏表示，并用解码器还原成原始的音乐。在进行音乐类比生成时，该模型能够使一个作品借用其他作品的表现形式，用不同的音高轮廓、节奏模式进行创作。另外，得益于可视化的特征编码方式，该模型可以对不同的特征属性进行直观控制。

• 基于传递熵关键因果连接的情感识别方法

  王忠民,蔡兰兰,范琳,

  人脑在情绪活动中呈现的信息流是复杂多变的，因此理解脑区间的动态交互过程至关重要，但是基于原始脑电信号构建的情绪网络包含了许多与情绪无关的冗余信息。针对此问题，提出一种在不丢失关键因果信息的前提下去除情绪无关网络连接的方法，并验证其在情感识别过程中的有效性。首先，基于传递熵因果分析方法对积极、中性和消极情绪构建归一化传递熵矩阵，再从积极、消极情绪矩阵中减去中性情绪矩阵，最后基于简化后的矩阵构建因效性脑网络并利用图论分析不同情绪的网络连通性。通过在DEAP数据集上的验证发现，该方法有效地提高了情感识别准确率。

• 基于字词混合的中文实体关系联合抽取方法

  葛君伟,李帅领,方义秋,

  针对中文关系抽取中分词时引起的边界切分出错而造成的歧义问题，以及出现实体对重叠不能提取出所涉及的多个关系问题，提出一种基于字词混合的联合抽取方法。首先，对于分词边界问题，嵌入层在词向量的基础上结合字向量，并且增加位置信息来保证字与字之间的正确顺序。其次，模型引入混合扩张卷积网络进行不同粒度、更远距离的特征提取。最后，采用分层标注方法，通过得到的主实体信息标记对应的关系和客实体，每个主实体可对应多个关系和客实体。与其他关系抽取方法在相同中文数据集上进行实验对比，实验结果表明，该方法的抽取效果最佳，并且也表现出更好的稳定性。

• 融合注意力机制的深度混合推荐算法

  段超,张婧,何彬,陈增照,

  大量研究利用用户或项目的边信息来缓解视频推荐中的数据稀疏和冷启动问题，取得了一定的效果，但是没有关注辅助信息中的关键信息。针对此问题进行了研究，提出了一种融合双注意力机制的深度混合推荐模型。该模型通过融合自注意力机制的卷积神经网络挖掘项目端隐藏因子，同时融合自注意力机制的堆栈去噪自编码器提取用户端隐藏因子，深度挖掘项目端和用户端的重要信息。最后，通过结合概率矩阵分解实现视频评分预测。在两个公开数据集上的大量实验结果表明，提出的方法结果在已有ConvMF+、PHD、DUPIA等基线模型基础上有一定提升。

• 边缘计算中面向多码率视频的缓存、转码和传输联合优化策略

  刘伟,陈振,

  结合边缘缓存技术与流媒体传输技术能有效提升视频服务质量，为降低视频内容提供商的边缘资源租赁成本，提出一种视频缓存、转码和传输联合优化策略。首先，综合考虑视频的缓存、转码、边缘传输和云端传输的成本，以最小总租赁成本为目标建立整数规划模型，并证明其NP-complete性质；其次，根据历史请求数估计视频流行度变化，并对流行视频进行缓存；最后，基于视频的缓存状态，为用户的请求选择成本最低的响应方式。仿真实验表明，所提策略与现有策略相比，可提升请求命中率并有效降低内容提供商的资源租赁成本。

• 基于异构动态图模型的社交网络节点分类方法

  蔡瑞初,李烁,许柏炎,

  在机器学习领域，与传统的神经网络相比，图神经网络在社交推荐等任务中发挥着越来越重要的作用，但是目前工作中大多数都使用静态图。针对现有静态图神经网络方法难以考虑社交用户动态特性的问题，通过引入动态图模型提出了一种基于异构动态图模型的社交网络节点分类方法。该方法在动态图建模的基础上，通过基于点边交互的节点特征更新机制和基于循环神经网络的时序聚合方法，实现了高效的动态社交网络节点分类。在多个真实数据集上的实验结果表明，提出方法在动态社交网络数据的节点分类方面有较好的效果，对比静态图和动态图的基准方法有显著的提升。

• 基于时空相似LSTM的空气质量预测模型

  方伟,朱润苏,

  由传统机器学习方法组成的空气质量预测模型得到了普遍应用，但是此类模型对于数据有效性，特别是时空相关数据的选取仍旧存在不足。针对深度学习输入数据有效性问题进行研究，提出了一种基于时空相似LSTM的预测模型（spatial-temporal similarity LSTM model，STS-LSTM），以便在时间和空间层面选取更加有效的数据。STS-LSTM分为前序、中序和后序三个模块，前序模块为时空相似选择输入模块，提出了格兰杰因果权重动态时间折叠（Granger causal index weighted dynamic time warping，GCWDTW）算法，用于选取具有更高时空相似性的数据；中序模块使用LSTM作为深度学习网络进行训练；后序模块根据目标站点特征选择不同的输出组合进行集成。STS-LSTM整体模型在空气质量预测误差上较现有算法提升了8%左右，经过有效性选取的数据对于模型精度达到了最高21%的提升。实验结果表明，对于有效数据的选取该算法取得了显著效果，将数据输入输出方法作为应用型深度学习网络的一部分，可以有效提升深度学习网络的最终效果。

• 基于图嵌入与支持向量机的社交网络节点分类方法

  张陶,于炯,廖彬,余光雷,毕雪华,

  针对无属性社交网络的节点分类问题，提出了一种基于图嵌入与支持向量机，利用社交网络中节点之间关系特征，对节点进行分类的方法。首先，通过DeepWalk、LINE等多种图嵌入模型挖掘节点隐含关系特征的同时，将高维的社交网络数据转换为低维embedding向量。其次，提取节点度、聚集系数、PageRank值等特征信息，组合构成节点的特征向量。然后，利用支持向量机构建节点分类预测模型对节点进行分类预测。最后，在三个公开的社交网络数据集上实验，与对比方法相比，提出的方法在社交网络节点分类任务中能取得更好的分类效果。

• 基于度值和聚类系数的跨单元调度问题优化

  马梦珂,倪静,

  针对工业互联网大环境下的跨单元调度存在协作效率差、生产成本过高等问题，在机器设备归置存在重叠的情况下，首先使用分层网络设计思想构造以机器和制造单元为节点的双层有向加工网络，通过分析网络中全局协作效率、单元间冗余加工路径与一阶度值的相关性，构建最小化平均度值、完工时间和加工成本的多目标调度模型。其次根据麻雀搜索算法局部搜索能力强的特点，提出了一种非支配排序遗传算法和麻雀搜索算法融合策略以及基于聚类系数的初始解生成机制。最后通过实例计算说明网络特征与跨单元调度目标呈相关性，所提模型和算法求解质量更高。

• 基于BERT双向预训练的图模型摘要抽取算法

  方萍,徐宁,

  近年的自动摘要算法大多是基于监督学习机制，没有考虑到人工标记语料的烦琐，并且大多数摘要模型在句子嵌入时不能结合上下文来更充分表达语义信息，忽略了文本的整体信息。针对上述问题提出了一种基于改进的BERT双向预训练语言模型与图排序算法结合的抽取式摘要模型。根据句子的位置以及上下文信息将句子映射为结构化的句子向量，再结合图排序算法选取影响程度靠前的句子组成临时摘要；为了避免得到有较高冗余度的摘要，对得到的临时摘要进行冗余消除。实验结果表明在公用数据集CNN/DailyMaily上，所提模型能够提高摘要的得分，相对于其他改进的基于图排序摘要抽取算法，该方法效果更佳。

• 基于共享评级迁移的跨域推荐算法

  陈燕,马进元,李桃迎,

  数据稀疏和用户冷启动一直是推荐系统中亟待解决的问题，因此提出了一种基于共享评级迁移的跨域推荐算法（shared ratings transfer cross-domain recommendation，SRTCD）。首先，该算法考虑到不同领域间存在着用户群体/项目信息潜在特征的相似性，对各个领域评分矩阵进行概率矩阵分解，得到用户和项目的潜在特征；再利用基于模拟退火和遗传算法优化的K-means算法对用户和项目分别进行聚类，将用户类别和项目类别的内积作为共享评级；然后利用各领域数据集的共享评级和目标领域数据集的特定评级得出推荐结果。最后，利用公共数据集对所提方法SRTCD进行验证，结果表明该方法的推荐性能明显优于常用推荐算法。

• 一种面向高维缺失不平衡数据的信用评估方法

  樊东醒,叶春明,

  传统随机森林填补方法并未考虑高维不平衡问题导致填补没有针对性，且使用0值预填补的方式可能会引入噪声并导致预测精度降低，因此提出一种基于Q学习和随机森林的缺失值填补方法（QL-RF）。该方法在特征选择后使用Q-learning权衡填补精度和填补数量，通过计算奖励筛选出具有填补价值的样本和特征组合，然后利用冗余特征填补重要特征中的缺失，并重点填补了少数类样本。此外，为提高不平衡数据下的分类效果，基于Bagging框架提出一种融合量子粒子群算法（QPSO）和XGBoost的集成分类模型（QXB）。实验表明：QL-RF在G-means、F1-measure、AUC指标下均优于传统RF填补法，QXB显著优于SMOTE-RF和SMOTE-XGBoost，所提方法能够有效地处理高维不平衡数据下的缺失和分类问题。

• 衰减窗口中的不确定数据流聚类算法

  屠莉,陈崚,

  针对现实不确定数据流具备分布非凸性和包含大量噪声等特点，提出不确定数据流聚类算法Clu_Ustream（clustering on uncertain stream）来解决对近期数据进行实时高效聚类演化问题。首先，在线部分利用子窗口采样机制采集滑动窗口中的不确定流数据，采用双层概要统计结构链表存储概率密度网格的统计信息；然后，离线聚类过程中通过衰减窗口机制弱化老旧数据的影响，并定期对窗口中的过期子窗口进行清理；同时采用动态异常网格删除机制有效过滤离群点，从而降低算法的时空复杂度。在模拟数据集和网络入侵真实数据集上的仿真结果表明，Clu_Ustream算法与其他同类算法相比具有较高的聚类质量和效率。

• 基于有监督的多视角变分图自编码器的协同致死基因预测算法

  郝志峰,吴迪,蔡瑞初,陈学信,温雯,

  协同致死关系是开发靶向抗癌药物的重要方法之一，通过计算方法预测协同致死基因可以为生物学上的研究提供目标指导，从而提高研究效率并降低实验成本。针对协同致死预测问题，提出了一种通用的、多视角变分图自编码器框架，引入了已知的协同致死关系作为监督信号，同时对局部的单视角数据和全局的多视角协同致死关系重构进行监督训练，在细粒度下获取每个视角中和协同致死相关的基因隐藏表示，最后将多视角的重构图融合在一起进行协同致死预测。在SynLethDB数据集上的实验结果表明方法的有效性。

• 基于共享知识的不完整大数据填充方法

  熊中敏,郭怀宇,王鑫,

  针对传统大数据填充方法相似度度量方法单一，且通常只考虑原数据集内部联系，使得填充数据容易被原数据集限制、失去自身原有特点、填充结果不客观等问题。提出一种新的概念——共享知识，该方法首先基于共享知识构建不完整数据集与异源相似完整数据集的共享关系，并建立共享信息系统；其次通过新的相似度度量方法建立它们对象间的相似关系，从而用异源相似完整数据集对象对不完整的数据集对象进行相似填充。实验结果表明，新的相似度度量方法比单一的数值型相似度度量方法填充精度更高。与其他填补算法相比，该方法对缺失值的填充精度值能够稳定地保持在0.85以上，均方根误差稳定在0.15之下，充分保留了填充值的客观性，填充效果更好。

• 同时送取货选址路径问题及混合免疫算法

  刘冬,张惠珍,张莉,

  研究了同时送取货的选址路径问题（location-routing problem with simultaneous pickup and delivery，LRPSPD），在同时送取货问题中，每个客户都有送货需求和取货需求，并且两种需求需要同时进行服务。在此条件下，建立了以仓库的选址成本、车辆启用成本及运输成本等目标和最小的选址路径模型；针对该模型的特点，设计改进了一种混合免疫优化算法（hybrid immune algorithm，HIA）对该问题进行求解，运用贪心聚类算法生成初始解，利用原始免疫算法对抗体进行评价排序，由邻域搜索操作改进原始算法的免疫操作。最后，通过使用混合免疫优化算法与原始免疫优化算法、模拟退火算法、蚁群算法分别对案例进行求解和对比分析，验证了提出模型的可行性和算法的有效性。

• 引入生态扩张主义的改进生物地理学优化算法

  张永贤,陈杨谨瑜,邰万文,李伟,

  针对生物地理学优化算法（biogeography-based optimization，BBO）前期搜寻范围不足、后期易陷入局部最优等问题，提出一种引入生态扩张主义（ecological imperialism，EI）的改进生物地理学优化算法（EI-BBO）。首先，该算法通过在原始栖息地的周围寻找新栖息地，增强了初始化群体的多样性；其次，通过对栖息地进行改良式扩张，提高了算法后期的收敛效率；最后，通过梯度下降对最优解领域进行二次收敛，提高了算法的收敛精度。在CEC2014常用的12个优化测试函数上进行50次蒙特卡罗实验，结果表明无论是最优适应度值、平均适应度值还是标准差值EI-BBO，该算法总体表现均优于其他三种智能优化算法，说明EI-BBO能够提高寻找最优解的能力并提升搜索稳定性。

• 基于客户喜好的双向个性化推荐算法

  李杨,代永强,

  为了解决现有推荐算法仅考虑同类产品间单向推荐所缺乏的灵活性，提升产品的销量及用户的购物体验，提出一种基于客户喜好的双向个性化推荐算法，不仅可以为客户精准推荐产品，还可以为商家推荐潜在客户。首先，基于产品购买网络中客户及其邻居的购买信息，扩展客户购买信息；其次设计客户产品喜好权重计算办法，分析客户的购买喜好，并在客户喜好的指导下为客户提供个性化的产品推荐；最后，基于商家提供的样本客户，挖掘与样本客户相似的客户构成社区，为商家提供潜在客户推荐以及精准客户维护。在真实数据集上的实验验证了算法的有效性。该算法从客户和商家两个维度出发实现了产品与客户的双向推荐，为个性化推荐领域的研究提供有益的帮助。

• 一种考虑电压岛边界约束的多电压布图算法

  杨润萍,杜世民,俞牡丹,王超,

  多电压设计（multiple supply voltage，MSV）是降低SoC功耗的有效方法之一。为便于电压岛供电引脚的放置，提出了一种考虑电压岛边界约束的多电压布图算法。首先，基于切分树表示的布图解特点，提出一种边界检查算法快速确定所有模块的边界信息。其次，以优化功耗为目标采用改进动态规划方法进行多电压分配并构建电压岛。最后，以模拟退火算法作为搜索引擎对芯片的面积、线长和功耗进行协同优化。为减少SA迭代次数，采用了一个两阶段的降温策略。对GSRC电路的实验结果表明，该算法可获得满足边界约束的多电压布图，且和不考虑边界约束时相比，仅在功耗上平均增加 5.2%。

• 求解多文字可满足SAT问题的置信传播算法

  芦磊,王晓峰,牛鹏飞,刘子琳,

  可满足（SAT）问题是指：是否存在一组布尔变元赋值，使得合取范式公式中每个子句至少有一个文字为真。多文字可满足SAT问题是指：是否存在一组布尔变元赋值，使得CNF公式中每个子句至少有两个文字为真。显然，此问题仍然是一个NP难问题。为了研究解决多文字可满足SAT问题的算法，引入随机实例产生模型，设计求解多文字可满足SAT问题的置信传播算法。最后，用实例模型产生了大量数据进行实验验证，结果表明：该算法求解多文字可满足SAT问题的性能优于其他启发式算法。

• 基于双向GCN和CVm的实体对齐模型研究

  魏忠诚,张洁滢,连彬,张海燕,

  实体对齐旨在发现并链接不同知识图谱中指向现实世界的相同实体对象。针对基于图卷积网络的实体对齐通常作用于单一关系类型的无向图，容易导致对应实体学习的嵌入结果不一致问题，构建了一种基于双向图卷积网络和变异系数法的实体对齐模型。该模型通过拆分非对称邻接权重矩阵构建双向图卷积网络方法，学习实体前后向隐藏特征，实现实体的完整表示；同时通过变异系数法为属性加权，选择最有代表性的实体局部语义信息，有效提高实体对齐精确度。通过在两组大型真实异构数据集上对模型进行验证，实验结果表明，该方法与现有基于嵌入的实体对齐方法相比Hit@1值平均提高了4%，同时保持较高的平均倒数秩，在一定程度上可以提高实体对齐效果。

• 自动代客泊车背景下的共享停车供需匹配模型及对应禁忌搜索算法

  何胜学,

  为了减少自动代客泊车车辆在停车场或指定停车区域内的车辆移位次数和距离，从而降低相关的成本和潜在事故风险，在满足共享停车需求的条件下构建了相应的车辆和泊位匹配优化模型。考虑到无人驾驶车辆停车中可自由移位的特征，将共享停车的需求和供给在时间上加以细分，与决策变量和可行解对应定义了匹配、匹配条和匹配图的概念；通过概念转换将求解匹配图的有效邻居转换为经典指派问题，并利用匈牙利算法加以求解；针对匹配模型的NP-hard特征，设计了对应的禁忌搜索算法。数值分析不仅验证了模型的合理性和求解算法的有效性，也证实模型与方法可处理有人驾驶的共享停车匹配问题。结果表明，利用自动代客泊车可以进一步提升共享泊位利用率，增加可停放的共享车辆数。

• 基于樽海鞘算法优化的帕金森病早期诊断模型研究与并行优化

  马超,谭旭,

  帕金森病是一种常见的神经性慢性疾病，由于其病因尚不明确，导致早期诊断精度低的问题，提出一种改进的优化核极限学习机方法用于帕金森病的早期诊断。研究利用混沌理论和高斯变异方法改进樽海鞘算法（salp swarm algorithm，SSA），提出一种基于进化机制的智能诊断模型ISSA-KELM。改进的SSA算法同步实现特征选择和KELM核函数的参数优化，有效地解决了模型的参数设定和最优特征选择问题，并基于OpenMP平台多线程调度处理模型，在保证模型分类精度最大化的同时进一步提高计算效率。实验结果表明，提出模型在分类精度上高于已有方法，计算效率也得到极大提高，具有较好的综合性能，验证了本模型有着很好的应用前景，有助于辅助临床医生在诊断中作出更准确的决策。

• 一种k-ary搜索树的快速求交算法

  王珏,包诗琦,宋省身,

  k-ary搜索树因其对高速缓存和SIMD并行指令集天然的适配性，正在受到越来越多的关注和研究。近年来，它被成功地应用于搜索引擎倒排索引结构中，用于实现高效的查询处理和索引压缩。但基于k-ary搜索树的查询处理算法目前仍处在一种相对简单基础的应用程度，效率提升有限；而且查询算法仅限于元素搜索，大大限制了其适用范围。基于上述观察，研究了基于k-ary搜索树的求交算法，并提出了两种优化技术用于压缩搜索范围以提升查询效率。实验证明，结合不同的遍历方式，优化后的求交算法可以极大地提高查询速度，尤其是针对存储海量数据的长倒排链，配合更大的SIMD寄存器，k-ary搜索树相比于传统求交算法的优势更为明显。

• 执行器饱和多智能体系统的自适应学习一致性算法

  杨娜娜,孟新友,王璇,

  针对一类受到执行器饱和高阶多智能体系统在有限时间区间［0，T］上的精确一致性问题，利用自适应迭代学习控制的方法，设计了具有全饱和差分型自适应更新律的时变增益。通过构造适当的复合能量函数，严格证明了一致性误差向量随着迭代次数趋于无穷而一致趋于零，得到了不依赖于网络通信拓扑矩阵特征值的自适应学习一致性算法。最后，给出一个仿真例子，仿真结果说明了所提算法的有效性。

• 基于人工路标的易部署室内机器人全局定位系统

  廖志涵,吴锋,

  在一些布局易变或存在较多动态障碍物的室内，移动机器人的全局定位依然面临较大的应用挑战。针对这类场景，实现了一种新的基于人工路标的易部署室内机器人全局定位系统。该系统将人工路标粘贴在不易被遮挡的天花板上来作为参照物，仅依赖一个摄像头即能实现稳定的全局定位。整个系统根据具体的功能分为地图构建和全局定位两个过程。在地图构建过程中，系统使用激光SLAM算法所输出的位姿估计结果为基准，根据相机对路标点的观测信息来自动估计人工路标点在全局坐标系中的位姿，建立人工路标地图。而在全局定位过程中，该系统则是根据相机对地图中已知位姿的人工路标点的观测信息，结合里程计与IMU融合的预积分信息来对位姿进行实时估计。充分的实验测试表明，机器人在该系统所部署范围内运行的定位误差稳定在10 cm以内，且运行过程可以保证实时位姿输出，满足典型实际室内移动机器人全局定位的应用需求。

• 基于特征值分布和人工智能的网络入侵检测系统的研究与实现

  何俊鹏,罗蕾,肖堃,张海涛,李允,

  为维护操作系统的安全性和可靠性，提出了一个具备泛用能力、基于人工智能模型的网络入侵检测系统框架，其主要功能是针对来自互联网里各种形式的网络流量进行检测，并嗅探出可能的入侵攻击及恶意网络连接并将其归类。该框架首先使用采样、独热编码、特征选择和归一化将网络流量实例进行预处理，获取基本信息和筛选重要特征；然后利用网络连接实例的特征值分布建立评分机制，对数据进行信息再提取；最后针对不同的网络流量形式，利用不同的基于机器学习或深度学习的模型进行结果判断。实验中使用三个公开基准数据集KDDCup99、UNSW-NB15和CICIDS2017进行训练和测试。通过与相关文献比较，发现提出方法在三个数据集的正确率和F1得分上均有着优异的表现。

• 基于堆栈处理器的实时多任务调度机制研究与实现

  郭金辉,刘宏杰,代红兵,周永录,

  针对堆栈处理器特殊架构，为提高实时性，引入多任务堆栈技术，采用Forth自生成器技术，提出一种基于堆栈处理器的抢占式与时间片轮转调度方法，实现了在Forth堆栈处理器中实时多任务的运行，弥补了Forth堆栈处理器在实时多任务操作系统方面的的不足。实验表明，与当前基于寄存器处理器的嵌入式Forth实时系统相比，本文方法在最大关中断时间、任务上下文切换时间和任务响应时间三项重要的实时任务性能指标方面，实时性能有明显提升，从而保证了Forth系统应用的高效性和安全性，满足人们对Forth堆栈处理器实时多任务操作系统方面的应用需求。

• 基于特征排序特征联合算法的疾病危险因素分析

  李家辉,刘勇国,

  针对疾病危险因素分析集中于危险因素单独作用的重要性评估，忽略危险因素联合作用的问题，为避免低估部分单独无用但与其他因素联合对疾病构成威胁的危险因素的有用性，提出一种基于特征选择的特征排序特征联合算法。第一阶段通过特征选择对危险因素进行单独作用重要性分析并排序；第二阶段设计特征联合算法分析危险因素联合作用，去除冗余危险因素并选出关键危险因素。仿真实验结果表明，特征排序特征联合算法可实现更高分类准确率并减少冗余，证明了该算法的有效性。

• IETCAM:基于信息熵的低功耗TCAM分类器

  王崇越,沈剑良,汤先拓,张霞,

  目前，三态内容寻址器被广泛应用于数据平面的高速转发，但现有的索引式TCAM在降低功耗和运行时间等方面仍存在问题。针对这些不足，提出了一种基于信息熵的低功耗索引式TCAM分类器，利用了信息熵技术，有效地解决了规则集在TCAM子块中分布不均、功耗较大的问题。实验表明，在2k大小的规则集下，该算法相较于经典的SmartPC算法平均可以提高63%的功耗降低率，运算时间更新速度缩小了97%，存储开销仅增加了10%。

• 基于最优特征组合改进极限梯度提升的负荷预测

  谷云东,刘浩,

  为解决常规特征选择方法无法有效度量特征间的非线性相关的局限性，提出基于最优特征组合改进极限梯度提升（extreme gradient boosting，XGBoost）的负荷预测方法。该方法首先计算历史负荷与待预测负荷之间的互信息值（MI），取互信息最大的K个历史负荷特征形成MI滤集；进而从MI滤集取特征归因（SHAP）值最大的前L个特征形成SHAP滤集。通过粒子群优化寻找最优K、L值，建立基于最优特征组合改进极限梯度提升的预测模型（optimal feature combination improved XGBoost，OFCI-XGBoost）。结果表明所提方法的预测误差为1.11%，低于相同策略改进的支持向量机、决策树、岭回归模型，验证了该预测模型的有效性。

• 基于半经典量子傅里叶变换的t-比特半经典相位估计算法实现

  江舵,刘晓楠,王洪,尹美娟,宋慧超,

  半经典量子傅里叶变换（quantum Fourier transform，QFT）是通过测量计算线路中特定的比特，依据测量结果经过经典信息处理控制下一个比特的变换。利用半经典量子傅里叶变换思想，提出了t-比特半经典量子相位估计算法，并在IBM Q Experience量子云平台、IBM qiskit量子模拟器和国内本源悟源云平台量子模拟器上开展了不同规模的半经典相位估计实验。实验表明，该方法提高了估计精度的同时减少了算法对线路规模和两比特受控门的依赖。

• 基于流量模式和网络拓扑的网关部署算法

  黄启嵩,曹霑懋,

  多并发流所引起的网络负载不均衡是无线网状网（wireless Mesh network，WMN）面临的一个挑战，部署网关是一种能缓解竞争节点负载的可行方案。针对这一问题，提出基于流量模式和网络拓扑的启发式网关部署算法。该算法利用节点在多种流量模式下所承载流量的平均值来估算节点的网络负载，并基于节点的网络负载和位置来选择网关，再根据特定的计算，分配节点给已知网关所管理的簇。实验结果表明，在不同流量模式和网络资源配置下，该算法均能有效地提高网络吞吐量、降低端到端延迟、减少路径长度。

• Mesh网络中基于效用转发的网络编码算法

  康巧琴,袁丁,严清,

  在已有的无线Mesh网络路由算法的基础上，针对网络的动态变化性和差异性等因素带来的问题进行了研究，提出一种基于效用转发的网络编码算法。首先利用节点间的历史通信数据，动态获取不同网络环境下影响效用值的各因素所占的权重值；然后在簇头节点和汇聚节点处进行二维随机线性网络编码，结合节点的剩余能量、效用值和丢包率判断节点能否进行编码，并且采用编码包优先传输的策略转发数据包；最后综合利用网络时延、效用值和节点间的跳数，选择最优的下一跳转发节点。仿真结果表明，该算法能更好地提升数据包的转发效率，降低传输时延，提高网络的性能。

• 面向5G毫米波通信的波束选择机制

  陈发堂,曾勤,骆维扬,

  针对5G下行多用户多输入多输出（MIMO）系统，在毫米波频率下工作，并且在Sub-6 GHz系统的辅助下进行波束选择的问题，首先分析毫米波大规模MIMO系统以及Sub-6 GHz系统的波束选择模型，从Sub-6 GHz系统中获取空间信息，对其采用对数加权的方式并将其应用于毫米波波束选择中；在此基础上，采用启发式贪心算法进行波束选择，此算法可以匹配出最强的波束，算法复杂度低，性能一般。为了给所有用户和波束进行最大最优的匹配，提出了基于匈牙利算法的波束选择，通过将波束选择建模为二部图上的最大权匹配进行波束选择，此算法的计算复杂度稍高，性能较好。

• 新型基于几何的3D非平稳V2V MIMO信道模型

  何港,张治中,邓炳光,

  针对具有多种通信场景和收发端快速移动的V2V通信系统，提出一种基于几何的3D V2V MIMO信道模型。该模型首次结合双球模型和半椭球体模型，分别使用双球和半椭球体模型表征动态和静止散射体；考虑到收发端的运动状态，引入时变的出发角、到达角以及路径长度用于研究V2V信道的非平稳特性；对所提出的信道模型，推导了空间互相关、时间自相关和多普勒功率谱密度等统计特性函数，分析了不同场景和参数下的V2V信道统计特性。结果表明，不同场景下V2V信道各统计特性有较大差异，信道相关性与时间变化和散射体分布密切相关。仿真结果与理论值的高度拟合验证了模型的正确性，为V2V通信链路的设计提供了理论依据，拓展了基于几何的V2V信道建模领域的研究。

• SWIPT网络中保障物理层安全的保密能量效率优化

  薛亮,王缙,王金龙,徐哲壮,

  针对下行多用户携能通信网络中具有非线性特征的能量收集过程，提出了一种使用连续凸逼近方法的能量收集方案。该方案考虑授权用户对信息的安全性要求，构造了具有最大化保密能量效率的优化问题，联合优化了多用户的保密速率与网络能耗。为求解该多变量耦合的非凸优化问题，采用泰勒级数转换非凸函数，在连续凸逼近和Dinkelbach理论框架内，设计了满足最大保密能量效率要求的资源分配算法，获得了授权用户所需的最小输入功率。仿真实验的结果验证了该算法在最优化系统保密能量效率上的有效性。为多输入多输出或无法获得完整信道状态信息等更真实无线携能通信网络中通信安全及能量效率的研究提供了依据。

• 移动边缘计算中基于视频内容协作分发的联合激励机制

  刘伟,张涛,

  随着智能设备存储和传输能力的提升，用户可通过设备—设备连接共享视频服务，在移动边缘网络中实现视频内容协作分发。然而，现有架构缺少合适的激励机制解决中继传输节点经济收益受损和本地数据泄露问题。针对视频内容边缘协作分发系统存在的问题，提出适用于多码率编码视频的联合安全和经济激励机制，并对该机制的差分隐私性、近似诚实性和个体理性进行了理论上的证明。最后由实验数据表明，该机制能有效保护参与用户的个体利益，提高视频服务总体效益。

• SM2算法软件实现的安全性分析与防护

  王腾飞,张海峰,许森,

  国家商用密码标准SM2是以椭圆曲线密码学为基础的公钥密码体制，在软件实现的过程中可能面临敏感数据侧信道泄露的风险。为了提高SM2算法在实际应用中的安全性，针对基于多精度整数和有理算术C语言库（MIRACL）的SM2软件实现，利用缓存计时攻击方法进行了分析。提出监测地址的选取策略，尽可能避免因缓存块大小、时间精度以及数据预取技术带来的误差，并根据泄露点提出改进的固定时长防护方案。实验表明，在以同样方式实施的缓存计时攻击条件下，固定时长的标量乘函数比MIRACL库提供的标量乘函数能够更好地保护SM2中的敏感数据。说明基于MIRACL函数库实现的SM2算法需要采取必要的防护手段，才能具备抵御缓存计时攻击的安全性。

• 可穿戴设备流数据的隐私保护发布

  苟聪,郑洪英,肖迪,

  针对可穿戴设备流数据可能泄露个人隐私的问题，提出了一种基于自编码器和时频变换的隐私保护数据发布方法。通过分块离散余弦变换将滑动窗口数据变换为频谱数据，再通过自编码器实现脱敏变换，最后由重构的频谱数据逆变换回滑动窗口数据。利用预训练的活动识别与身份识别分类器评估自编码器输出结果的效用性和隐私性，通过多目标损失函数与反向传播更新自编码器权重。在Motion-Sense数据集上的实验结果表明，在重构数据上活动识别的F1-score由0.944降低至0.940，而身份识别的F1-score由0.908降低至0.673，重构加速度数据与原数据之间的均方误差为0.27。与同类算法相比，该算法能够更好地保留数据的效用性以及提高数据的安全性。

• 基于随机性特征的SM4分组密码体制识别

  纪文桃,李媛媛,秦宝东,

  对加密算法的识别是进行密码分析的首要工作。目前的识别方案涵盖了分组密码的识别、流密码的识别以及对称密码和公钥密码混合算法的识别。随着国密算法的应用普及，其安全性也备受关注。针对国密算法提出了基于随机性特征的SM4分组密码体制识别，将国密SM4算法与国际主要标准分组密码算法进行识别。利用随机性测试方法对密文进行特征提取，从而得到特征向量，由这些特征向量构成特征空间，最后借助机器学习算法对特征空间进行训练和测试。实验结果表明，SM4与其他分组密码算法的识别率高达90%以上。后续工作可以对分类算法和特征选取两个方向进行突破，来验证密码识别方案的有效性和可行性。

• 21轮CRAFT算法不可能差分分析

  石新蕾,刘亚,陆海宁,王凌云,

  CRAFT是FSE 2019年提出的一种轻量级可调分组密码，适用于硬件实现面积小且资源受限设备保护信息的安全。该算法使用128 bit密钥和64 bit调柄值加密64 bit明文，对其进行安全性评估，可以为日后使用提供理论依据。通过研究CRAFT的结构特点和密钥编排方案的冗余性，利用预计算表、等效密钥和轮密钥线性关系等技术，选取一条充分利用密钥冗余性的13轮不可能差分链，在其前后分别接3轮和5轮，提出了对21轮CRAFT的不可能差分分析。攻击的时间、数据和存储复杂度为296.74次加密，253.6个选择明文和256.6 64-比特块。此攻击是对缩减轮CRAFT算法在单密钥和单调柄值情形下时间复杂度最低的分析。该方法依赖于调柄值调度算法的线性相关，有助于更进一步理解CRAFT的设计。

• 格上基于智能卡的安全口令认证方案

  赵宗渠,郭小杰,叶青,殷明辉,汤永利,

  基于智能卡的认证方案是一种高效且常用的认证机制，但安全性基于数论难题构建的相关认证方案存在不能抵抗量子攻击、恶意读卡器攻击等问题。提出一种新的格上基于智能卡的口令认证方案，该方案利用格密码中近似平滑投射哈希函数和可拆分公钥密码体制，通过用户口令和智能卡完成与服务器的身份认证和会话密钥协商。该方案在随机预言模型下满足理论可证明安全，在抵抗量子攻击、恶意读卡器攻击和其他类型攻击方面有较高的可靠度。仿真实验表明，所提方案执行效率高，满足实际应用需求。

• 差分隐私保护WGAN-GP算法研究

  于雅娜,李红娇,李晋国,

  针对攻击者利用生成式对抗网络技术（GAN）还原出训练集中的数据，泄露用户隐私信息的问题，提出了一种差分隐私保护梯度惩罚Wasserstein生成对抗网络（WGAN-GP）的方法。该方法在深度学习训练过程中对梯度添加精确计算后的高斯噪声，并使用梯度惩罚进行梯度修正，实现差分隐私保护。利用梯度惩罚Wasserstein生成对抗网络与原始数据相似的数据。实验结果表明，在保证数据可用性的前提下，该方法可以有效保护数据的隐私信息，且生成数据具有较好的质量。

• 零件点云法向量估计的多尺度特征融合网络

  钟小品,李锋,邓元龙,

  为了解决机械零配件点云处理中非均匀采样干扰、尖锐特征损失等难点，提出一种基于深度神经网络多尺度融合的点云法向量估计方法。该网络在不同邻域尺度下集成了采样点细节与点云块整体两种特征。为了使该多维回归输出网络的训练更稳定且能缓解梯度爆炸问题，重新设计了一个光滑的损失函数。实验结果表明，该方法性能优于传统的方法以及HoughCNN、PCPNet等方法，能够更准确地估计尖锐边缘的法向量，对点云各种噪声和采样方法鲁棒性都更强。

• 基于度量学习的行人检测算法

  韩冲,汪洋,李鹏,周晚林,

  针对拥挤场景下行人漏检率较高的问题，设计了新的类平衡策略。其次，采用度量学习方法改进目前的行人语义提取效果，并设计了新的距离度量方法。最后，结合提取的行人语义信息设计了新的非极大值抑制算法。在行人检测数据集CityPersons和CrowdHuman上，与目前的行人检测器进行对比，效果优于目前最优无锚框的行人检测器，同时也证明了度量学习方法在行人检测中的有效性。

• 基于熵增强的无监督域适应遥感图像语义分割

  张勋晖,周勇,赵佳琦,张迪,姚睿,刘兵,

  为了实现利用有标注源数据获得在无标注目标数据上可用的遥感图像语义分割模型，提出了一种基于熵增强的域适应端到端语义分割方法。首先，为了充分利用遥感图像多尺度信息并且减少域之间传感器分辨率带来的域偏移，采用空洞空间金字塔池化模块作为分类器；其次，为了使无标注的目标域类别正确对应，使用了两个分类器进行协同训练；将像素点预测值的信息熵当做分类置信度的度量，将其作为对抗损失的权重，从而使训练能专注于难分类的像素，降低域偏移。在ISPRS（WGII/4）2D数据集上进行实验，所提方法相对于直接使用分割模型和使用传统对抗方法，mIoU分别提高了18%和12%。实验结果表明，所提方法在遥感图像域适应语义分割表现上优于直接使用分割模型或使用传统对抗域适应分割方法。

• 基于Cardinal样条曲线的虚拟漫游路径优化

  刘志强,江海凡,付建林,丁国富,

  漫游路径不平滑和漫游相机视角方向固定是导致虚拟漫游沉浸感差的主要问题。基于此，提出一种基于Cardinal样条曲线拟合的漫游路径平滑过渡算法，解决漫游中由于漫游路径不平滑造成的视点跳跃问题；提出一种虚拟漫游相机视角方向动态更新算法，实现漫游相机视角方向沿路径方向动态更新，更加符合人们的观察习惯；最后，基于开源场景图形引擎（OpenSceneGraph，OSG）对上述算法进行了实现和实验验证。结果表明，基于所提方法生成的漫游路径平滑、漫游相机视角方向过渡自然，有效提高了漫游的虚拟沉浸感。

• 基于改进动态ReLU和注意力机制模型的中药材粉末显微图像识别研究

  王一丁,姚毅,李耀利,蔡少青,袁媛,

  中药材粉末显微特征图像数据量少、样本类别分布不均衡、类间差异小，传统的图像识别方法分类效果不佳。针对以上问题提出一种基于动态ReLU和注意力机制模型的深度卷积神经网络改进方法。首先，采用对小样本数据分类效果明显的Xception作为基础网络；其次，将网络中的静态ReLU激活函数替换为改进的动态ReLU函数，让每个样本具有自己独特的ReLU参数；最后，在网络中嵌入改进的SE模块，使网络能够更好地自动学习到每个特征通道的重要程度。以上方法可以使网络更加注重于图像中的细节信息，能很好地解决样本类别分布不均衡、类间差异小的问题。实验结果表明，对56种中药材粉末导管图像进行分类识别，其准确率提升了约1.5%，达到93.8%，证明了所提研究方法相比于其他图像分类方法具有一定的优越性。

• 基于旋转中心点估计的遥感目标精确检测算法

  蒋光峰,胡鹏程,叶桦,仰燕兰,

  由于遥感图像背景复杂、目标密集分布以及目标尺度、形状差异巨大，给检测带来挑战。当前基于R-CNN的两阶段算法在水平框（HBB）检测上取得了良好效果，然而在定向框（OBB）检测上效果有限。基于点估计的HBB目标检测框架，提出用于定向遥感目标检测的旋转中心点估计网络（RCNet），大幅提升一阶段anchor-free算法在倾斜目标检测上的性能，同时保持较高的检测速度。RCNet通过添加一个用于方向预测的分支，实现旋转中心点估计。提出新的角度表示方式，解决回归角度参数loss不连续以及宽高交换导致训练过程不稳定的问题。所提方法在DOTA数据集上取得66.68 mAP的检测精度以及29.4 fps的检测速度，实现了最佳的速度和精度平衡。

• 采用多边形位置校正的时空正则化相关滤波跟踪

  徐子钦,王涛,高赟,张晋,

  针对时空正则化相关滤波跟踪算法在背景混乱、光照变化等挑战场景下跟踪结果与正确目标位置总是存在偏离的问题，提出了采用多边形位置校正的时空正则化相关滤波跟踪算法，以提高跟踪结果的准确性和鲁棒性。该算法采用峰值噪声比对当前跟踪结果的置信度进行判别，对置信度判别结果为不可信的情况采用多边形位置校正方法对当前跟踪结果进行修正。实验表明，该算法在成功率曲线下面积和精度两种评价标准下都有较大的提升，尤其是在背景混乱和光照变化场景下都具有更好的跟踪效果，具有一定的应用价值。

• 基于多尺度特征融合双U型皮肤病变分割算法

  梁礼明,彭仁杰,冯骏,尹江,

  针对皮肤病分割问题中皮肤病变区域大小不一且形状各异问题，提出一种基于多尺度特征融合的双U型皮肤病分割算法。该算法由粗分U型网络和细分U型网络两部分组成。首先粗分U型网络编码部分采用预训练VGG-19模型对相关特征进行多尺度特征提取；在解码阶段利用改进注意力残差块将底层与高层信息进行有效的映射融合，得到初步的Mask；然后将初步生成的Mask与原图像聚合，并输入多路特征提取编码器中进行二次特征蒸馏；而细分U型网络解码器同时与粗分U型网络编码部分和细分U型网络的编码部分特征映射进行融合，保证网络可以聚合更多的有效特征；最后利用Focal Tversky损失函数进一步提升分割效果。实验表明，所提算法在ISBI2016数据集上实验分割精度为96.11%、敏感度为93.59%、特异性为97.10%、Dice系数为93.14%、Jaccard系数为87.17%，能够有效地分割皮肤病病变区域。