计算机应用研究杂志

计算机应用研究杂志2022年第1期

• 主流区块链共识算法对比研究

  邓小鸿,王智强,李娟,王俊彬,黎康婷,

  共识算法是区块链中的核心技术，直接决定了整个区块链系统的运行效率。对现有的共识算法进行了总结，将其分为基于节点某种属性值证明的共识算法、基于节点投票机制的共识算法和类Paxos共识算法三类。详细介绍了三类共识算法的实现细节，并依据蒙代尔不可能三角理论进行对比研究，给出了共识算法的发展方向，为区块链共识算法的深入研究提供借鉴。

• 单幅图像去雨算法研究现状及展望

  陈舒曼,陈玮,尹钟,

  图像去雨算法通过对有雨图像进行分析和处理从而去除雨水条纹，恢复干净的背景场景，有助于提升计算机视觉任务识别精度，因此成为当下的研究热点。为系统地了解该领域的研究现状和发展趋势，首先介绍了典型的雨水合成模型，其次从基于模型驱动和基于数据驱动两个方面重点分析了典型图像去雨算法模型和方法；之后比较了去雨图像质量评价指标及雨水数据集；最后，对单幅图像去雨算法未来发展趋势进行了展望。

• 基于联盟链的音乐版权保护与交易系统

  牛晓林,韩德志,孙志杰,

  网络技术的快速发展促进了文字、图片、视频、音乐等数字内容的快速传播，这使数字内容的侵权变得更加容易。针对目前数据化音乐版权管理存在的确权难、耗时长、维权难等问题，结合区块链的去中心化和不可窜改的特点，使用Hyperledger Fabric平台设计并实现了一个基于联盟链的数字音乐版权保护与交易系统。采用Shazam算法提取能证明音乐的原创性的音乐特征指纹，将音乐特征指纹存储在星际文件系统（IPFS）上，IPFS返回的哈希地址存储在区块链中，在弥补区块链扩容难、存储空间昂贵的缺点的同时达到音乐作品的原创性证明，并利用音频水印技术的鲁棒性和隐蔽性，为创作者维权提供可信凭证。仿真实验结果表明，数字音乐版权保护与交易系统中音乐版权登记用时增幅约为0.238 s，每首音乐的特征指纹在IPFS上所占空间约为192 KB，并且区块链系统能够保持较高的吞吐量，具有良好的性能和较高的安全性。

• 基于以太坊平台的医疗数据安全共享方案

  蔡楚君,柳毅,

  针对中心化医疗数据管理系统易受黑客攻击、数据互操作性差以及患者无数据控制权等问题进行了研究，提出基于以太坊平台的医疗数据安全共享方案。利用区块链结合ElGamal算法、可逆哈希函数实现以患者为中心的安全共享机制，并采用智能合约和控制模块实现对数据使用者的访问控制。通过构建以太坊私链进行仿真，结果与对比方案相比，在满足机密性、完整性、身份验证、不可否认性以及访问控制五大安全性能的同时，具备更低的计算开销。

• 基于加权融合字词向量的中文在线评论情感分析

  张小艳,白瑜,

  随着社交网络平台的广泛使用，涌现出大量蕴涵丰富情感信息的在线评论文本，分析评论中表达的情感对企业、平台等具有重要意义。为了解决目前针对在线评论短文本情感分析中存在特征提取能力弱以及忽略短文本本身情感信息的问题，提出一种基于文本情感值加权融合字词向量表示的模型——SVW-BERT模型。首先，基于字、词级别向量融合表示文本向量，最大程度获取语义表征，同时考虑副词、否定词、感叹句及疑问句对文本情感的影响，通过权值计算得到文本的情感值，构建情感值加权融合字词向量的中文短文本情感分析模型。通过网络平台在线评论数据集对模型的可行性和优越性进行验证。实验结果表明，字词向量融合特征提取语义的能力更强，同时情感值加权句向量考虑了文本本身蕴涵的情感信息，达到了提升情感分类能力的效果。

• 结合依存句法分析与交互注意力机制的隐式方面提取

  汪兰兰,姚春龙,李旭,于晓强,

  隐式方面提取对于提升细粒度情感分析的准确性具有重要意义，然而现有隐式方面提取技术在处理大规模数据时泛化能力不强。为此，提出结合依存句法分析与交互注意力机制的隐式方面提取模型。首先利用预训练语言模型BERT生成文本的初始表征，然后传递给依存句法引导的自注意力层再次处理，再将两次处理的结果经交互注意力机制进一步提取特征，最终用分类器判断句子所属的隐式方面类别。与基线BERT及其他深度神经网络模型对比，所提模型在增强的SemEval隐式方面数据集上取得了更高的F1与AUC值，证明了模型的有效性。

• 融合多跳关系标签与依存句法结构信息的事件检测模型

  欧阳纯萍,邹康,刘永彬,万亚平,

  大部分基于依存句法分析的事件检测方法仅聚焦于依存句法结构上的单跳联系，忽视了词与词之间的多跳联系，造成事件触发词与部分相关实体间的语义缺失，从而影响了事件检测效率。因此，为了充分利用词语间的语义相关性提升事件触发词的识别能力，提出了融合多跳关系标签和依存句法结构信息的事件检测模型。构建了一种新型的依存句法多跳树以及多跳关系标签搜索算法，增强了核心词汇的事件表征能力，并结合图注意力网络聚合了词的多阶表示，提升了事件检测性能。在ACE2005数据集上的实验结果显示，提出的增加了多跳关系标签信息的事件检测方法比基准模型性能提升了近2%。

• 基于上下文融合的文档级事件抽取方法

  葛君伟,乔蒙蒙,方义秋,

  基于句子级别的抽取方法不足以解决中文事件元素分散问题。针对该问题，提出基于上下文融合的文档级事件抽取方法。首先将文档分割为多个段落，利用双向长短期记忆网络提取段落序列特征；其次采用自注意力机制捕获段落上下文的交互信息；然后与文档序列特征融合以更新语义表示；最后采用序列标注方式抽取事件元素并匹配事件类型。与其他事件抽取方法在相同的中文数据集上进行对比，实验结果表明，该方法能有效抽取文档中分散的事件元素，并提升模型的抽取性能。

• 基于时间窗的AGV动态避碰路径规划方法

  孙毛毛,匡兵,

  为了解决多AGV在动态不稳环境下的无碰撞路径规划和系统效率提升的问题，提出了基于时间窗的AGV无碰撞路径规划方法。首先建立了多AGV的避碰模型，并结合时间窗模型，将多AGV的无碰撞路径规划分为预先规划和实时规划两阶段，预先规划阶段进行多AGV无冲突时间窗的计算和最大化系统中AGV的流通量，实时规划阶段通过改变AGV在避碰模型上的占用优先级和局部重规划的方法进行动态避碰。最后以某智能仓储为应用案例进行仿真实验，证明了该算法能有效避免多AGV的碰撞，提高AGV的流通量，同时在动态环境下具有较好的鲁棒性和柔性。

• 基于改进BIT*算法的机器人路径规划研究

  张伯泉,刘嘉栋,

  针对BIT*存在小样本下路径规划成功率低、冗余大样本下路径规划效率有待提高的问题，提出基于样本增量生成和概率随机几何图的BIT*-SP算法，设计了生成样本和选择样本的启发式函数。实验结果表明，BIT*-SP算法在小样本下路径规划成功率大幅度提高，且能更快找到初始解；在大样本下能用更短的时间找到一条优秀的路径，规划速度显著提升。该算法鲁棒性高，在简单及复杂环境中都能适用，性能高效。

• 基于双重注意力和关系语义建模的实体对齐方法

  赵丹,张俊,

  实体对齐任务目标是在知识图谱间发现更多的等价实体对。目前一些实体对齐方法聚焦实体结构和属性信息，却没有很好地处理两者交互学习的问题。为此，提出一种基于双重注意力和关系语义建模的实体对齐方法，采用双重注意力在属性分类嵌入的基础上学习实体属性和结构的交互特征，采用关系语义建模对实体结构嵌入进行局部语义优化，最后对实体多方面语义特征下的相似度矩阵进行融合。在三个真实数据集上的对齐准确率分别可达到81.00%、83.90%和92.73%，与基准模型相比平均提升了2.62%，实验结果表明提出的方法可以有效地识别出对齐实体对。

• 基于联邦学习的船舶AIS轨迹谱聚类算法研究

  吕国华,胡学先,张启慧,魏江宏,

  如何实现数据的安全共享，促进多源数据的碰撞、融合是当前学术界和产业界共同面临的重要技术挑战之一，近年来，联邦学习作为应对这一挑战的新技术受到了广泛的关注，已在智慧医疗、智慧城市建设等领域得到应用，但是在充满潜力的轨迹数据挖掘领域却鲜有研究。为了解决这个问题，提出一种安全的、分布式的基于联邦学习的谱聚类算法框架FSC（federated spectral clustering），并应用于船舶AIS（automatic identification system）轨迹数据谱聚类。该算法通过加密样本对齐技术和同态加密技术，在保证用户数据安全的前提下实现了多参与方联合训练机器学习模型。实验部分以合成数据和船舶AIS轨迹数据为样本，通过与其他聚类算法对比，验证算法具有良好的聚类性能；聚类结果能够准确提取水域船舶的主要航线，可为海事监管系统智能化提供技术支撑。

• 考虑用户偏好的启发式动态共乘匹配算法

  刘文彬,杨波,钟敏娟,

  针对现有算法很少考虑用户之间的共乘偏好需求，提出了一种考虑用户偏好的启发式动态共乘匹配算法。构建一个满足用户偏好需求的动态共乘匹配模型，旨在最大化系统匹配率和最小化车辆的绕行距离。算法首先根据出行请求的时间约束、车辆与用户的出行轨迹以及用户的兴趣偏好，过滤不满足用户偏好需求的车辆；其次，构建一个临时匹配图，设置边的权值为出行请求插入到车辆的当前行驶路线中的最小绕行距离；最后采用贪婪方式实现用户与车辆之间的匹配，并采用节点插入方式，将出行请求的出发地点和到达地点插入到车辆的当前行驶路线中。仿真结果表明，提出的启发式动态共乘匹配算法使车辆增加的平均绕行距离和运行时间低于现有算法，系统匹配率高于现有算法；用户的出行时间需求、兴趣偏好、信誉度等共乘需求对系统匹配率有显著影响。

• 最小费用充电站选址问题的分支定界算法

  孙智勇,宁爱兵,傅汤毅,尹思淼,张惠珍,

  电动汽车的充电站选址问题是当前社会的热点问题，其实质是组合优化中经典的NP-hard问题。基于最小开设费用对充电站选址问题进行研究，首先对该问题进行了数学建模，进而研究了该问题的数学性质并给予相应的证明，利用这些性质减小问题的规模，从而降低问题的求解难度；然后设计了上下界子算法以及降阶子算法，基于这些子算法提出了一种可以快速缩小问题规模同时得到最优解的分支定界算法，降低了时间复杂度，同时可以对解空间进行大量剪枝加快求解速度；最后通过分析和求解一个示例来进一步阐述所提算法的原理和执行过程。

• 基于TE-DS的半监督化工过程故障诊断方法

  刘嘉仁,宋宏,李帅,周晓锋,刘舒锐,

  针对现有基于深度学习的化工过程故障诊断方法通常需要完备的标签数据才能构建故障诊断模型等局限，提出一种基于时间集成—双重学生模型（temporal ensembling-dual student，TE-DS）的半监督化工过程故障诊断方法。该方法首先以双重学生模型为基础，通过分类项约束、稳定性约束和一致性约束条件指导相互训练，有效地缓解了误差累积情况的发生；然后利用时间集成（temporal ensembling）将多个先前网络评估的预测集成作为一致性正则化对象，达到缓解预测值噪声、降低模型训练时间的目的，以提高分类性能，实现故障诊断；最后通过田纳西—伊斯曼（Tennessee-Eastman）化工过程基准数据进行故障诊断实验，验证提出方法的有效性和可行性，并与BNLSTM、DCNN和MCLSTM等有监督方法进行比较，证明了TE-DS算法对故障诊断的优越性。

• 基于有效路径拓扑稳定性的链路预测方法

  刘英杰,刘士虎,徐伟华,

  许多链路预测方法来源于复杂网络中路径上的资源传输过程，但缺少考虑路径周围结构的拓扑稳定性，使得路径上的资源传输有效性不高。针对此问题，提出了基于有效路径拓扑稳定性的链路预测方法。该方法首先利用路径两端节点间所有共同邻居的聚类系数量化路径周围结构的拓扑稳定性；然后再利用两端节点的度和共同邻居个数量化预测节点间二阶路径上的双向资源传输有效性；最终结合量化的拓扑结构稳定性和资源传输有效性定义有效路径拓扑稳定性指标。通过九个网络仿真表明，提出的指标具有较高的预测精度与良好的鲁棒性。

• 基于BA-WPHM的滚动轴承两阶段剩余寿命预测方法

  王英,顾欣,吕文元,

  为了提高滚动轴承剩余寿命预测的准确性，根据滚动轴承运行过程的两阶段性特点，提出了一种基于蝙蝠算法（BA）和威布尔比例风险模型（WPHM）的滚动轴承两阶段剩余寿命预测方法。首先，构建基于WPHM的剩余寿命预测模型；其次，提出了两阶段极大似然估计法，建立新的似然函数，并利用BA算法进行求解，以提高参数估计的准确性；最后，建立BA-WPHM模型对滚动轴承进行剩余寿命预测。案例分析表明，相比于Newton-Raphson算法、自组织分层猴群算法（SHMA）和独特的自适应粒子群算法（UAPSO），提出的方法参数估计的准确性更高，剩余寿命的预测精度优于支持向量回归（SVR）方法，验证了所提方法的有效性，为滚动轴承维修决策的可行性提供了依据。

• 邻域等价关系诱导的改进ID3决策树算法

  谢鑫,张贤勇,杨霁琳,

  经典ID3决策树算法适用于离散型数据分类，但用于连续处理时需要数据离散化容易导致信息损失。提出邻域等价关系从而诱导邻域ID3（NID3）决策树算法，NID3算法改进了ID3决策树算法，能够直接实施连续预测并获取更好的分类效果。在邻域决策系统中，挖掘一种邻域等价关系；基于邻域等价粒化，构建邻域信息度量；基于邻域信息增益，设计NID3决策树算法。实例分析与数据实验均表明，NID3算法具有连续数据分类预测有效性，在分类机器学习中优于ID3算法。

• 观测永久丢失下随机离散事件系统故障预测的验证算法

  廖辉,刘富春,

  针对随机离散事件系统在故障预测时可能出现系统观测永久丢失，导致预测不准确的问题，提出一种观测永久丢失下故障预测验证的算法。首先对观测永久丢失的随机离散事件系统的U-可预测性进行了形式化。其次使用随机预测器构造了一个随机离散事件系统的U-预测器，实现了系统的故障预测。基于U-预测器，提出了随机离散事件系统U-可预测性的充分必要条件及验证算法，并且引入成对的方式，明显地改进了该验证算法的复杂度。仿真结果表明，该验证算法使得观测永久丢失下系统故障预测准确。最后，实例说明观测永久丢失下故障预测验证算法的应用。结果表明，该验证算法相比现有同类验证算法应用范围更广，验证结果更精确。

• 基于杂交策略的自适应灰狼优化算法

  刘紫燕,吴应雨,梁静,陈运雷,张倩,郑旭晖,

  针对灰狼优化算法（GWO）存在较为严重的收敛性缺陷问题，提出了一种基于杂交策略的自适应灰狼优化算法（AGWO）。首先引入非线性收敛因子，以平衡算法的全局搜索性和局部开发性；其次引进遗传杂交策略，对灰狼群体以一定概率两两杂交以产生新个体，从而有效增强灰狼群体的多样性；同时为避免算法后期陷入局部最优解，受蝠鲼觅食策略的启发，引入蝠鲼觅食策略并加入了动态自适应调节因子以调节群体的多样性，有效提升算法的收敛精度及全局寻优性能。通过选取CEC2014中11个基准测试函数进行实验，与其他相关算法横纵向对比分析，多方位验证了AGWO算法的综合寻优性能。实验结果表明，在相同参数设置下，AGWO算法的收敛速度及综合寻优性能明显优于其他比较算法。

• 基于扇形领域扩展的同步双向A*算法

  陈万通,刁天茹,贾吉庆,秦仕伟,

  为提高航空器飞行的安全性和平滑性，解决传统A*算法拐弯角度过大、搜索路径节点过多等问题，提出一种基于扇形领域扩展的同步双向A*搜索算法。首先，根据栅格图法扩展危险区域边界；其次，设计了基于同步双向搜索的A*算法，动态定义正反向搜索的目标节点。针对搜索角度有限问题，提出了在5×5领域内的扇形领域扩展策略，并设计了含有双重权重参数的评价函数以减少冗余点的产生。为验证改进算法的有效性，选取方形和不规则形状危险区进行仿真。结果表明改进的同步双向搜索算法搜索的路径更平滑；与传统双向A*算法的结果相比，在不同形状的危险区域下，搜索路径长度分别减少了1.65%、13.16%，搜索路径节点个数减少了42.6%、46.81%，具有较强的搜索效率。

• 基于用户偏好的协作内容缓存策略

  左亚兵,王凯,杨帆,姜静,

  随着无线网络不断增长的业务需求，蜂窝架构频谱资源受限，回程容量将成为系统瓶颈。为了缓解这种瓶颈，考虑一种特殊的异构蜂窝网络，结合缓存节点的部署、用户位置分布、用户对请求内容的偏好以及缓存节点有限的存储空间，对内容存储及用户关联联合优化问题进行建模分析。将目标函数建模为请求时延的最小化，简单证明该问题是NP-hard的，并设计了基于改进KM（Kuhn-Munkres）的内容放置策略。最后，通过实验比较了该算法与其他基准方案的性能。

• 基于自我监督学习策略的层智能图卷积网络

  孙峰,杨观赐,AjithKumarV,张安思,

  为了解决当前图卷积网络需要依赖大型数据集，从而导致时间和空间复杂度上升问题，提出了基于自我监督学习策略的层智能图卷积网络（RRLFS-L-GCN）。首先，通过在层智能图卷积网络（layer-wise graph convolutional network，L-GCN）中添加多任务机制以提高算法的泛化能力；然后，设计一种随机删除固定步长边（aandomly remove links with a fixed step，RRLFS）的自我监督学习策略，从而提出基于自我监督学习策略的层智能图卷积网络算法；最后，通过边预测验证RRLFS-L-GCN的性能。实验结果表明，该算法的识别率最高可达97.13%。对于Cora测试集，该算法所得识别准确率比未改进的层智能图卷积网络算法提高了6.73%。对于PubMed测试集，该算法所得识别准确率比未改进的层智能图卷积网络算法提高了8.13%。与图卷积网络相比，在Citeseer数据集上，识别准确率提高了18.43%。

• 融合变异策略的自适应蝴蝶优化算法

  刘凯,代永强,

  蝴蝶优化算法是近年来提出的一种新型自然启发式算法。针对基本蝴蝶优化算法收敛速度慢、求解精度低、稳定性差等问题，提出了一种融合变异策略的自适应蝴蝶优化算法。通过引入动态调整转换概率策略，利用迭代次数和个体适应度的变化信息动态调整转换概率，有效维持了算法全局探索与局部搜索的平衡；通过引入自适应惯性权重策略和局部变异策略，利用惯性权重值和混沌记忆权重因子进一步提高了算法的多样性，有效避免算法早熟收敛，同时加快了算法的收敛速度和求解精度。利用改进算法对12个基准测试函数进行仿真实验，与基本蝴蝶优化算法、粒子群算法、樽海鞘群算法、灰狼优化算法等其他算法对比表明，改进算法具有收敛速度快、寻优精度高、稳定性强等优异性能。

• 基于灵敏度分析的FPGM剪枝算法研究

  冉光金,李震,李良荣,

  针对等比例剪枝导致的重要卷积层剪枝过度、残留大量冗余参数以及精度损失较大的问题，在FPGM剪枝策略基础上融入灵敏度分析进行网络剪枝。算法采用精度反馈来分析每一层卷积层的重要性，控制单层剪枝比例分析每一层不同剪枝比例对精度损失的影响，获取各个卷积层的灵敏度；结合FPGM策略分析卷积层内卷积核的重要程度按灵敏度的剪枝比例剪掉不重要的卷积核，达到对神经网络进行有效剪枝的目的。实验结果表明，所提方法在MobileNet-v1和ResNet50上剪枝率为50%的情况下，精确度仅下降1.56%和0.11%；所提方法在精度损失一致下，ResNet50上具有更高剪枝率和更低计算量。

• 带平衡约束矩形布局优化问题的深度强化学习算法

  徐义春,万书振,董方敏,

  带平衡约束的矩形布局问题源于卫星舱设备布局设计，属于组合优化问题。深度强化学习利用奖赏机制，通过数据训练实现高性能决策优化。针对布局优化问题，提出一种基于深度强化学习的新算法DAR及其扩展算法IDAR。DAR用指针网络输出定位顺序，再利用定位机制给出布局结果，算法的时间复杂度是O(n3)；IDAR算法在DAR的基础上引入迭代机制，算法时间复杂度是O(n4)，但能给出更好的结果。测试表明DAR算法具有较好的学习能力，用小型布局问题进行求解训练所获得的模型，能有效应用在大型问题上。在两个大规模典型算例的对照实验中，提出算法分别超出和接近目前最优解，具有时间和质量上的优势。

• 具有激活机制的多头反向串联算术优化算法

  杨文珍,何庆,

  为提高算术优化算法（AOA）的全局勘探和局部开发性能，提出具有激活机理的多头反向串联算术优化算法（SFG-AOA）。激活机理策略是建立在算子位置更新层级的一种基于sigmoid函数的概率进化机制，通过引入激活因子在保证算子在继承父代位置信息的同时动态调整算子寻优步长而扩展新解多样性和全局勘探性能。引入基于适应度优化的反向学习与灰狼信息反馈机制改进算法开发阶段以提高寻优精度。适当修正非线性收敛曲线系数MOP构建随机调整策略。最后通过数值实验验证不同策略改进效果差异，并在CEC2014函数上进行仿真实验全面验证改进算法性能。

• 融合黄金正弦与sigmoid连续化的海鸥优化算法

  王宁,何庆,

  针对海鸥算法（SOA）在迭代寻优过程中容易陷入局部最优、收敛速度慢以及寻优精度低等缺陷，提出一种黄金正弦引导与sigmoid连续化的海鸥优化算法（GSCSOA）。在海鸥迁徙阶段，使用sigmoid函数作为非线性收敛因子引导海鸥搜寻过程，使得算法前期保持更强的全局寻优能力，后期更快收敛。在海鸥扑食阶段，引入禁忌搜索的思想，使得海鸥始终向着置信度更高的区域移动，并且在一次迭代中最优位置持续变化，从而提高寻优精度。之后使用黄金正弦机制指引种群位置更新，缩小搜索范围，提高局部寻优能力。最后，用12个测试函数和CEC2014函数集对改进算法进行测试，并与原算法以及其他算法的实验结果进行对比，结果证明改进的海鸥算法在收敛速度和精度上的表现更优。

• 基于加权子网参与度和多源信息融合的关键蛋白质识别算法

  费兆杰,刘培强,郭俊宏,杨壮,刘畅,

  现有关键蛋白质识别算法对生物信息考虑不全面、识别准确率亦有待提高，针对此问题，提出一种高效关键蛋白质识别算法PDWS。首先，结合由亚细胞定位信息获取到的蛋白质位置和蛋白质相互作用网络边聚类系数构建加权网络；其次，依据蛋白质所处亚细胞位置，提出亚细胞定位区室子网参与度指标；最后，融合亚细胞定位区室子网参与度和蛋白质复合物子网参与度指标，多维度度量蛋白质关键性。在DIP和Krogan两个标准数据集上的实验结果表明，PDWS算法性能优于PeC、PCSD等已有算法，可识别出更多特定结构的关键蛋白质，且识别精度分别达到0.76与0.73。

• 混沌映射与t-分布变异策略改进的海鸥优化算法

  王娟,秦江涛,

  针对海鸥优化算法（SOA）求解精度较低、迭代后期收敛速度慢、易陷入早熟收敛的缺点，提出一种基于混沌映射和t-分布变异改进的海鸥优化算法（CtSOA），采用tent映射策略使初始海鸥种群均匀分布在搜索空间中，采用t-分布变异策略平衡算法的探索和开发能力，综合两种改进策略提高了算法的全局搜索精度和跳出局部极值的能力。在14个测试函数上分别与SOA、其他五种元启发式算法、单一策略改进的SOA以及其他学者改进的SOA进行对比，实验结果表明，综合两种改进策略的CtSOA具有更优的收敛精度和更快的收敛速度。

• 头脑风暴优化算法求解带转角能耗多无人机路径规划问题

  戚远航,黄子峻,曾楚祥,黄戈文,王福杰,

  多台无人机协同完成野外传感器数据采集的工作中，建立具有精确能耗模型的多无人机路径规划问题模型尤为重要。提出了带转角能耗多无人机路径规划问题（multi-UAV path planning with angular energy consumption，MUPP-AEC）模型，该模型考虑了无人机在加速、减速、匀速、转角等飞行条件下的能耗差异。针对MUPP-AEC的特点，提出目标空间聚类离散头脑风暴优化算法（discrete brain storm optimization algorithm in objective space，DBSO-OS）。该算法采用个体空间整数编码和带2-opt的分阶段贪婪法解码策略，并对扰动算子和个体更新算子进行了离散化定义。个体更新算子中采用了混合随机反转变换和部分匹配变换的生成策略。实验结果表明：DBSO-OS能有效地求解MUPP-AEC；所提离散头脑风暴算子在全局收敛能力、求解精度和稳定性等方面均优于传统头脑风暴算子；在中小规模测试算例和较大规模测试算例的测试中，DBSO-OS优于对比算法。

• 基于LSTM与非对称网络的改进DDPG算法研究

  何富君,王晓争,刘凯,

  针对深度强化学习算法在复杂动态环境中训练时，由于环境的部分可观测性原因导致智能体难以获得有用信息而不能学习到良好策略且算法收敛速度慢等典型问题，提出一种基于LSTM和非对称actor-critic网络的改进DDPG算法。该算法在actor-critic网络结构中引入LSTM结构，通过记忆推理来学习部分可观测马尔可夫状态中的隐藏状态，同时在actor网络只使用RGB图像作为部分可观测输入的情况下，critic网络利用仿真环境的完全状态进行训练构成非对称网络，加快了训练收敛速度。通过在ROS中进行机械臂抓取仿真实验，结果显示该算法相比于DDPG、PPO和LSTM-DDPG算法获得了更高的成功率，同时具有较快的收敛速度。

• 基于增强型Dijkstra算法的无信号灯交叉路口智能车辆调度研究

  孙宁,吴伟豪,赵风财,肖广兵,

  针对车辆在通过无信号灯交叉路口时存在等待时间长、通行效率低等问题，提出了一种基于增强型Dijkstra算法的优化调度方案。以智能车辆为研究对象，在将交叉路口网格化的基础上，综合考虑车辆在每个网格中的方向权值、安全权值和优先级权值，制定了动态网格权值赋值原则，进而搜索通行时间最短的路径。相比Dijkstra算法，提出的增强型Dijkstra算法实现了智能车辆在动态网格权值下最短路径的全局搜索，可以根据实际车辆环境灵活调整每个车辆的行驶轨迹。仿真结果表明，增强型Dijkstra算法不仅能够保持较低的冲突次数，还能有效减少车辆总通行时间。在100 m×100 m的双向六车道的交叉路口环境下，车辆平均停车延误减少1.5 s，冲突率下降13%。

• 基于知识图谱的人岗推荐系统构建

  徐孟奇,熊熙,李斌勇,李中志,

  为解决传统人岗推荐系统存在的三个常见问题，即数据稀疏性、数据冷启动和数据利用率低，提出了基于知识图谱的人岗推荐系统构建方法。该方法通过改进传统推荐模型，将知识图谱作为辅助边信息融合到推荐系统中进行人岗推荐，有效解决了数据稀疏性和数据冷启动问题；引入知识图谱补全算法提高了数据利用率。提出的方法在人岗推荐上准确率可达92%，比现有人岗推荐方法准确率提高约1%。实验结果表明该方法是可行的，知识图谱的加入可以提升人岗推荐系统的推荐效果。

• 考虑多样化需求的诊疗设备维护和患者调度联合优化研究

  张宁,刘勤明,李佳翔,

  针对诊疗设备维护和住院患者候诊难以有效协调的问题，建立了联合优化模型。首先，假设设备具有离散的劣化状态，将设备的劣化过程建模为连续时间马尔可夫链；其次，考虑到患者对诊疗设备的不同功能频率需求，以及不同劣化状态对患者治疗时间、费用的影响，以患者就诊顺序、检查策略、修复策略为决策变量建立了设备维护和患者调度模型；最后，采用改进后的非支配排序遗传算法对多目标问题进行了求解。实验结果验证了设备维护与患者调度联合优化模型的有效性。改进后的算法提高了整体和局部的搜索能力，且具有鲁棒性。

• 基于元模型的Simulink静态分析技术

  王瑞,陈静,王坤龙,郑一凡,柯文俊,钟季龙,

  为解决目前Simulink模型规则检查工具对国内如飞行控制等一些特定领域的标准规范覆盖不完善的问题，设计了41条建模准则，并基于元模型理论，提出了一种共性的解析和检查框架，在此基础上实现了Simulink模型规则检查工具SimREG。该方法通过一种无编译的方式来实现对Simulink模型的静态规则检查，在Simulink模型到元模型的映射过程中提取针对每条准则执行检查时需要的模型信息，并将模型重构为有向图的形式，然后在遍历过程中，对图中每个节点进行选定准则的分析处理，完成检查过程。SimREG完成了全部41条建模准则的检查过程，在与三个有代表性的规则检查工具的对比实验中取得了更好的检查结果。SimREG工具将元模型理论应用于Simulink模型的规则检查过程中，在检查速度更快的同时获得了更低的漏报率和误报率。

• 无线供能协作计算网络中的时延最小化资源分配方案

  张航,唐冬,黄高飞,赵赛,胡叠丽,

  在单专用能量站为多个用户无线供能的场景下，为缩短任务处理时延，设计了一种新型多用户协作计算方案。建立了关于匹配决策和资源分配的优化问题，在用户间一对一匹配情况下提出了一种基于交替优化和匈牙利算法的高性能求解方案和一种基于重构线性化方法的低复杂度求解方案；针对一对多匹配情况提出了一种改进的贪婪算法。实验结果表明，在用户间一对一匹配时所提方案能够较对比方案降低最多12.6%的任务处理时延；一对多匹配情况下所提方案节省了5%的任务处理时延，即所提方案能有效保障用户端的时延需求。

• 高效的MPR选择算法

  羊杰,任智,朱其政,

  OLSR（optimized link state routing）协议中最重要的功能之一是多点中继（multi point relays，MPR）节点的选择，该协议中路由的计算就要依靠MPR选择相关表项。传统的MPR算法只是减少了同一区域内相同消息的泛洪，并没有考虑网络中新加入节点获取全网拓扑信息的时间问题。针对该问题进行了研究并提出一种高效的MPR选择算法，该算法有三个步骤：首先减少了部分拓扑控制（topology control，TC）消息冗余问题；然后选择MPR时考虑有效覆盖面积让新加入的节点获取全网拓扑信息所需的时间缩短；最后考虑到移动性对网络拓扑的影响，基于历史信息预估下一时刻节点的位置，增强了链路的稳定性。通过仿真，将改进的MPR算法与传统算法比较，端到端时延降低，数据包的传递成功率也有所提升。

• 基于NSGA-Ⅱ算法的机动通信系统站址规划方法

  颜陆红,郭文普,徐东辉,杨海宇,

  针对机动通信中通信节点可移动和复杂地形影响通信信号等特点，提出不规则地形条件下处于无线宽带工作模式的机动通信系统基站选址规划方法。首先，通过分析机动通信场景确定站址规划的数学模型；其次，使用改进的NSGA-Ⅱ算法求解选址方案；最后，根据用户需求选定最佳方案。仿真实验结果表明，该方法能够减小有效覆盖损失和通信中断风险，改进后算法能够保证优化过程的多样性并改善优化效果，场景参数和用户偏好都会对规划的最终结果产生影响。所用方法能够综合考虑系统的覆盖能力和机动特性，为用户推荐符合需求的方案并快速适应需求的变化。

• 大规模无线传感器网络中高效按需充电规划

  刘亮,蒲浩洋,

  随着无线充电技术的日趋成熟，特别是磁共振无线充电技术的发展，利用移动充电车和无线充电技术给无线传感器补充能量，以保证无线传感器网络持续运转，成为新的研究热点。为此，主要介绍在大规模的无线传感器网络中，如何调度多个充电车给网络中的待充电传感器补充能量。为了均衡多个充电车的充电任务，缩小整个充电任务的完成时间，提出了充电总耗时最短问题，希望能为多个充电车找到各自的充电路径，使得多个充电车中耗时最长的任务完成时间最短。因为充电总耗时最短问题是一个NP难问题，难以在多项式时间内找到最优解，所以针对该问题提出了一个近似比为5的近似算法。最后用模拟实验证明了算法的性能，实验表明该算法的实际近似比不足2。

• 横向联邦学习中PCA差分隐私数据发布算法

  朱骁,杨庚,

  为了让不同组织在保护本地敏感数据和降维后发布数据隐私的前提下，联合使用PCA进行降维和数据发布，提出横向联邦PCA差分隐私数据发布算法。引入随机种子联合协商方案，在各站点之间以较少通信代价生成相同随机噪声矩阵。提出本地噪声均分方案，将均分噪声加在本地协方差矩阵上。一方面，保护本地数据隐私；另一方面，减少了噪声添加量，并且达到与中心化差分隐私PCA算法相同的噪声水平。理论分析表明，该算法满足差分隐私，保证了本地数据和发布数据的隐私性，较同类算法噪声添加量降低。实验从隐私性和可用性角度评估该算法，证明该算法与同类算法相比具有更高的可用性。

• 基于卷积神经网络与多特征融合恶意代码分类方法

  郑珏,欧毓毅,

  为了减小加壳、混淆技术对恶意代码分类的影响并提高准确率，提出一种基于卷积神经网络和多特征融合的恶意代码分类方法，以恶意代码灰度图像和带有API函数调用与操作码的混合序列为特征，设计基于卷积神经网络的多特征融合分类器。该分类器由图像组件、序列组件和融合组件构成，经训练后用于检测恶意代码类别。实验结果表明，相比目前已有的HYDRA、Orthrus等方法，该方法的分类准确率和宏F1值更高，表明该方法能减小加壳、混淆技术影响，更准确地分类恶意代码。

• 基于预测误差双重编码的大容量密文域可逆信息隐藏算法

  秦宝堃,郑洪英,肖迪,

  针对目前密文域可逆信息隐藏算法嵌入容量较小的问题，提出了基于预测误差双重编码的大容量密文域可逆可分离信息隐藏算法。首先为了预留秘密信息的嵌入空间，图像拥有者利用基于预测误差的哈夫曼编码及扩展游程编码对图像进行预处理，然后加密图像；数据嵌入者在加密后的图像中嵌入秘密信息；接收者根据信息隐藏密钥可以准确无误地提取秘密信息，根据解密密钥可以无损恢复图像，两者无顺序要求。实验结果表明，预测误差双重编码的应用有效地提高了嵌入容量。

• DCKPDP：改进k-prototype聚类的差分隐私混合属性数据发布方法

  张星,张兴,

  当前混合属性数据发布中隐私保护方法大多存在隐私保护效果不佳或数据效用较差的问题，采用差分隐私与优化的k-prototype聚类方法相结合，提出改进k-prototype聚类的差分隐私混合属性数据发布方法（DCKPDP）。为解决传统k-prototype聚类算法没有考虑不同数值型属性对聚类结果有较大影响的问题，利用信息熵为每个数值型属性添加属性权重；为解决聚类初始中心点人为规定或者由随机算法随机确定，导致聚类结果精确度不高的问题，结合数据对象的局部密度和高密度对聚类过程中初始中心点进行自适应选择；为解决数据信息泄露风险较高的问题，对聚类中心值进行差分隐私保护。实验结果表明，DCKPDP算法满足差分隐私保护所需的噪声量更小，数据的可用性更好。

• 基于注意力机制的物理对抗样本检测方法研究

  魏忠诚,冯浩,张新秋,连彬,

  随着深度学习的普及与发展，对抗样本的存在严重威胁着深度学习模型的安全。针对物理世界中对抗样本的攻击问题，提出了一种基于注意力机制的物理对抗样本检测方法。该方法将注意力机制与特征压缩相结合，对局部可视对抗样本主要区域进行针对性检测，排除非主要区域的影响，减少计算工作量；通过有效组合多种特征压缩方法对样本中的主要区域进行处理，破坏对抗噪声块的结构，使其失去攻击性。在MNIST 和 CIFAR-10 数据集上对不同的对抗攻击进行防御测试，并与其他对抗防御方法进行对比实验。结果表明，该方法的防御准确率可达到95%以上，与其他局部对抗样本防御方法相比通用性高，稳定性更强，可有效防御局部可视对抗样本的攻击。

• 基于双通道循环一致性GAN的跨视角步态识别研究

  王宇,夏懿,

  步态识别系统在生物识别领域显示出巨大的潜力，然而步态识别的准确性很容易受到视角的影响。为解决这一问题，提出的方法基于循环生成对抗网络（cycle generative adversarial network，Cycle-GAN）的网络结构，结合新的特征提取模块以及多重损失函数，提出了一种用于跨视角步态识别的网络模型双通道循环一致性生成对抗网络（two-channel cycle consistency generative adversarial network，TCC-GAN）。该网络首先将步态能量图像从任意视角转换为目标视角图像，然后进行比对从而实现身份识别。TCC-GAN分别引入了重建损失、视角分类和身份保持损失来指导生成器生成具有目标视角的步态图像并同时保留身份信息。为了避免可能存在的模式崩塌问题，并保证各个输入和输出以有意义的方式进行映射，模型中还利用了循环一致性损失。数据集CASIA-B和OU-MVLP上的实验结果表明：所提TCC-GAN模型的跨视角识别率高于目前大多数其他基于GAN的跨视角步态识别模型。

• 融合注意力机制与改进SSD算法的SAR舰船目标检测方法

  薛远亮,金国栋,侯笑晗,谭力宁,许剑锟,

  针对单次多盒检测算法（SSD）对复杂背景下合成孔径雷达（SAR）图像舰船目标的检测容易出现误检或漏检情况，提出一种基于融合注意力机制与改进的SSD算法的目标检测方法。首先在SSD算法上引入ResNet网络并进行改进，以提供丰富的语义信息和细节信息，提高算法的鲁棒性；其次融合通道和空间注意力增强对舰船目标的辨认能力，抑制海杂波等干扰信息；同时改进损失函数来解决舰船密集分布时的漏检问题，提高网络训练效果。数据集上的实验表明，该方法平均准确率（mAP）为87.6%，比SSD算法提高了4.2个百分点，目标的漏检和误检明显减少。相比SSD算法，该算法对复杂背景下的舰船目标有较好的辨别能力和鲁棒性，抗干扰能力有所提升。

• 基于二次误差的点云配准算法

  卢月妮,黄健民,许光润,周明,周磊,

  提出了一种基于二次误差的特征描述子，该特征描述子具有旋转不变性。通过提取点的二次误差和邻域点二次误差得到两种特征描述子。基于高斯混合模型的点云配准算法层出不穷，主要原因是概率模型在噪声和离群值方面具有更好的鲁棒性，然而该类方法对于尺度较大的旋转表现并不好，为此将二次误差特征描述子作为高斯混合模型的局部特征优化了高斯混合模型较大旋转中的配准效果，并提出基于双特征的配准策略优化了单一特征的缺陷。通过实验与鲁棒的ICP（iterative closest point）以及流行的基于特征的配准算法在配准效率和配准精度方面进行对比，效率是鲁棒性ICP的3~4倍。在大尺度的旋转中提出的算法具有良好的鲁棒性并且优于大多数流行的算法。

• 基于地面先验的3D目标检测算法

  赵筱楠,申丹虹,

  为了提高自动驾驶汽车环境感知的性能，增强单目相机对障碍物三维和边界信息的感知能力，提出了一种基于地面先验的3D目标检测算法。基于优化的中心网络（CenterNet）模型，以DLA（deep layer aggregation）为主干网络，增加目标3D边沿框中心点冗余信息预测。根据自动驾驶场景的地面先验信息，结合针孔相机模型，获取目标3D中心深度信息，以优化深度网络学习效果。使用KITTI 3D数据集评测算法性能，结果表明：在保证2D目标检测准确性的基础上，该算法运行帧率约20 fps，满足自动驾驶感知实时性要求；同时相比于CenterNet模型，在平均方位角得分（average orientation score）和鸟视图平均准确率（bird eye view AP）上分别有4.4和4.4%的性能提升。因而，该算法可以提高自动驾驶汽车对障碍物三维和边界信息的感知能力。

• 基于多模态推理图神经网络的场景文本视觉问答模型

  张海涛,郭欣雨,

  文本阅读能力差和视觉推理能力不足是现有视觉问答（visual question answering，VQA）模型效果不好的主要原因，针对以上问题，设计了一个基于图神经网络的多模态推理（multi-modal reasoning graph neural network，MRGNN）模型。利用图像中多种形式的信息帮助理解场景文本内容，将场景文本图片分别预处理成视觉对象图和文本图的形式，并且在问题自注意力模块下过滤多余的信息；使用加入注意力的聚合器完善子图之间相互的节点特征，从而融合不同模态之间的信息，更新后的节点利用不同模态的上下文信息为答疑模块提供了更好的功能。在ST-VQA和TextVQA数据集上验证了有效性，实验结果表明，相比较此任务的一些其他模型，MRGNN模型在此任务上有明显的提升。

• 基于邻域曲率的低特征辨识度点云配准方法

  熊丰伟,庄健,沈人,

  在对特征辨识度低的点云进行配准的过程中，传统的基于局部特征提取和匹配的方法通常精度不高，而基于全局特征匹配的方法精度和效率也难以保证。针对这一问题，提出一种改进的局部特征配准方法。在初步配准阶段，设计了一种基于法向量投影协方差分析的关键点提取方法，结合快速特征直方图（FPFH）对关键点进行特征描述，定义多重匹配条件对特征点进行筛选，最后将对应点的最近距离之和作为优化目标进行粗匹配；在精配准阶段，采用以点到平面的最小距离作为迭代优化对象的改进迭代最近点（ICP）算法进行精确配准。实验结果表明，在配准特征辨识度低的点云时，相较于其他三种配准方法，该方法能保持高配准精度的同时降低配准时间。

• 基于PWC-Net的多层权值和轻量化改进光流估计算法

  胡毅轩,吴飞,熊玉洁,

  针对现有光流估计方法实时性不够的问题，提出轻量化的深度可分离卷积的PWC-Net改进模型（depth separable pyramid，warping and cost volume，DS-PWC）。其改进是将常规二维卷积网络层解耦为深度可分离卷积层，并且DS-PWC在金字塔层增加基于层数的权重系数，从而使得网络结构在不损失精度的情况下大幅减少模型参数量。在训练过程中，使用图像及对象感知数据随机擦除（image and object-aware random erasing，I+ORE）等数据增强技术，进一步提升估计预测结果泛化能力。实验结果表明，在数据集测试DS-PWC模型，在保持质量的同时运行效率达到约58 fps（frame per second）。同时为了验证算法有效性，进行了模型结构和数据增强的消融实验。结果证明了DS-PWC模型的有效性。

• 基于深度学习的多目标运动轨迹预测算法

  任条娟,陈鹏,陈友荣,刘半藤,孙萍,

  针对多目标运动轨迹预测过程中由于检测精度和实时性不足造成部分目标位置信息丢失和预测准确度不高问题，提出基于改进卡尔曼滤波的多目标轨迹运动轨迹预测（MMTP）算法。MMTP算法在目标检测阶段使用YOLOv4检测器提升目标检测的准确率和速度；在目标匹配阶段采用KM匹配算法将当前检测框的检测目标与上一时刻预测的预测框的目标进行数据关联，从而增强目标关联的准确性，避免目标遮挡、目标交错和漂移造成的目标丢失；在目标坐标预测阶段，提出改进卡尔曼滤波算法为每个运动目标预测下一帧位置坐标并画出预测框，提高非线性场景中目标坐标的预测精度，降低预测坐标的误差。使用MOT16与实际交通系统拍摄的视频序列数据集验证算法整体性能，仿真结果表明，MMTP在目标检测阶段具有较好的检测精度和速度，有效提升了算法整体的运行速度；在目标匹配阶段，MMTP算法能增强目标关联的准确性，减少目标丢失，比RMOT、POI、SORT、Deep-SORT和YVTP算法更优。

• 基于稠密残差网络的多序列卫星图像去云

  肖昌城,吴锡,何妍,

  遥感影像中最常见的问题是云层污染，它会导致图像信息缺失，降低遥感数据的可用性。针对该问题，提出了一种基于稠密残差网络的多序列卫星图像去云算法。首先，该网络使用多序列的有云卫星图像作为输入，能为网络提供更多的时序特征信息，提升去云效果；其次，在网络中段使用稠密残差层，以保证卷积层之间最大程度地传递和使用特征信息，让生成的修复图像整体结构合理、边缘细节更加清晰；最后，使用像素上采样来增强空间信息的利用，提升修复效果。该方法在欧洲“哨兵-2”遥感卫星图像数据集上进行验证，峰值信噪比和结构相似度指标为27.59和0.854 0，两项指标均超过了该数据集的原处理方法STGAN，提升了遥感图像去云的效果。

• 基于NSST的改进双通道PCNN多聚焦RGB图像融合

  邸敬,尹世杰,廉敬,

  针对光学成像设备景深有限、图像部分失焦的问题，提出一种基于非下剪切波变换（NSST）的改进双通道脉冲神经耦合网络（PCNN）融合算法。首先，该算法采用Lab颜色空间分割RGB图像的亮度分量和色度分量间的关联性得到亮度和色度通道子图；然后，亮度通道子图使用NSST重构，色度通道子图使用能量匹配融合；针对融合时阈值设置和点火量化产生的误差，提出改进双通道PCNN模型融合，并结合对比敏感度函数（CSF）自适应设定PCNN参数；最后，亮度和色度重构图通过逆Lab得到最终融合图。实验结果证实，该算法可有效减小失真，抑制伪影并保留边缘轮廓信息，提升全场景清晰度。

• 基于W型网络的乳腺动态对比度增强磁共振图像合成

  郭薇,何聪,宫照煊,张国栋,

  动态对比增强核磁共振成像已被广泛应用于乳腺癌等恶性肿瘤的临床诊断，但是对造影剂过敏患者将无法进行该项检查，提出一种融合边界及区域信息的增强图像生成网络用于生成乳腺虚拟动态增强MRI图像。该网络由一条下采样路径和两条对称的上采样路径组成，使用跳跃连接将下采样路径的低维特征图直接传递到上采样路径上，同时在两条上采样路径间也实现边界与区域特征图的传递。实验结果表明，该方法能够安全、高效及低费用地实现乳腺虚拟动态增强MRI图像合成。

• 基于改进全局—局部注意网络的室内场景识别方法

  徐江浪,万新军,夏振平,胡伏原,

  由于卷积神经网络（CNN）大多侧重于全局特征学习，忽略了包含更多细节的局部特征信息，使得室内场景识别的准确率难以提高。针对这一问题，提出了基于改进全局—局部注意网络（GLANet）的室内场景识别方法。首先，利用GLANet捕捉场景图像的全局特征和局部特征，增加图像特征中的细节信息；然后，在局部网络中引入non-local注意力模块，通过注意力图和特征图的卷积来进一步保留图像的细节特征，最后融合网络不同阶段的多种特征进行分类。通过在MIT Indoor67和SUN397数据集上的训练和验证，所提方法的识别准确率与LGN方法相比分别提高了1.98%和3.07%。实验结果表明，该算法能够有效捕获全局语义信息和精细的局部细节，显著提高了识别准确率。