计算机应用研究杂志

计算机应用研究杂志2022年第2期

• 遮挡人脸表情识别深度学习方法研究进展

  南亚会,华庆一,

  在真实环境下遮挡是准确分析识别人脸表情的主要障碍之一。近年来研究者采用深度学习技术解决遮挡条件下表情误识别率高的问题。针对遮挡表情识别的深度学习算法和遮挡相关的问题进行归纳总结。首先，概括局部遮挡条件下表情识别的发展现状、表情的表示方式以及研究遮挡表情用到的数据集；其次，回顾遮挡表情识别深度学习方法的最新进展和分析遮挡对表情的影响；最后，总结主要技术挑战，研究难点及其可能的应对策略。目的是为将来的遮挡表情识别研究提供更有益的参考依据和基准。

• 多轮任务型对话系统研究进展

  曹亚如,张丽萍,赵乐乐,

  对话系统旨在实现机器与人类进行信息交流并向其提供个性化服务，具有一定的研究价值。为了及时跟进相关领域的研究，对其目前研究进展进行综述。首先针对对话系统的发展和分类情况进行介绍；其次综述了任务型对话系统的架构，重点梳理基于模块和基于端到端两种框架，并进一步总结归纳所使用模型的优缺点；接下来介绍任务型对话系统的评估方法以及应用领域，包括电商领域、教育领域和医学领域等方面；最后对多轮任务型对话系统面临的问题与挑战进行分析并作出总结。

• 基于改进深度学习方法的人体动作识别综述

  朱相华,智敏,

  为了梳理深度学习方法在人体动作识别领域的发展脉络，对该领域近年来最具代表性的模型和算法进行了综述。以人体动作识别任务流程为线索，详细阐述了深度学习方法在视频预处理阶段、网络结构上的最新成果及其优缺点。介绍了人体动作识别相关的两类数据集，并选取常用的几种进行具体说明。最后，对人体动作识别未来的研究方向进行了探讨与展望。

• 融合点线特征的视觉惯性SLAM算法

  付煜,郑爽,别桐,朱晓庆,王全民,

  为使移动机器人在昏暗场景中获得更高的定位精度以实现更好的建图效果，针对特征点稀疏、相机移动过快所导致的SLAM算法初始化困难、定位精度较低等问题，提出了一种融合点线特征的视觉惯性SLAM算法。通过EDLines线特征提取匹配算法来引入丰富的线特征，进而提升特征跟踪的鲁棒性；利用惯性传感器和视觉传感器的互补优势，通过视觉惯性分步联合初始化方法在初始化阶段分三步进行优化，进而提升初始化的精度和速度。实验表明，该算法所使用的线特征提取匹配算法相比传统的LSD算法具有了更快的匹配速度和更低的误匹配率，并且该算法在视觉惯性数据集中相机位姿的估计精度更高、鲁棒性更强。

• 基于脑电功能连接拓扑表征的心算任务分类

  吴选昆,颜延,贾振华,白雪丽,王磊,

  使用脑网络图的方法分析脑电功能连接存在阈值选择、忽略了脑电图动力学特性的问题。针对这一问题，提出了一种使用拓扑动态建模的方法来分析脑电功能连接矩阵，以提高心算任务分类识别正确率。该方法首先将功能连接矩阵转换为无向加权图，然后使用持续同调工具来构建不同的复形，记录拓扑动态过程中形成的不同阶的同调特征，形成持续图，最后使用持续景观图特征作为分类特征，输入到随机森林分类器进行心算状态识别。在心算状态识别和心算质量分类两个任务中分别获得了最高99.26%、99.20%的识别准确率，97.87%、99.80%的敏感性，以及99.78%、97.64%的特异性，并且在跨个体验证实验中分别获得了66.81%、66.85%的准确率。实验结果表明，该方法能充分考虑所有可能的阈值，有效提取脑电功能连接的分类信息，实现脑电心算状态自动识别。

• 基于混合策略改进的花朵授粉算法

  李克文,梁永琪,李绍辉,

  针对传统花朵授粉算法（FPA）在解决复杂问题时搜索精度低和收敛速度慢等问题，提出了一种基于混合策略改进的花朵授粉算法（HSFPA）。采用自适应转换概率策略改进转换概率，动态平衡全局授粉和局部授粉之间的关系；在全局授粉阶段，提出一种动态全局搜索策略，既可以加快算法收敛速度，又能增加花粉种群的多样性，防止花粉陷入局部最优；局部搜索增强策略使得花粉能够充分开发当前优质花粉周围的搜索空间，提高收敛精度；花粉越界修正策略进一步加强了算法的探索能力。通过对10个基准函数进行仿真测试，实验结果表明，HSFPA算法在搜索速度和寻优精度方面具有更好的效果。

• 引入物种演化的改进生物地理学优化算法

  张其文,杨勇超,

  针对生物地理学优化算法（biogeography-based optimization，BBO）易早熟收敛、陷入局部最优的问题，引入物种演化理论提出了改进生物地理学优化算法。该算法将所有栖息地按照物种数量划分为三种地区，并建立协同进化关系，合理地采用区间入侵、区内合作/竞争策略，满足多样性的同时避免了早熟收敛。定义了物种更迭和物种进化两种变异策略，提出的双策略协同变异算子旨在解决变异算子对较优解的破坏。通过CEC2017中的八个基准测试函数与标准BBO及相关改进算法相比，该算法在算法性能、稳定性等方面优于BBO及其他改进算法，且该算法不易被局部最优值所限制。将该算法应用于以最大完工时间为目标的柔性作业车间调度问题（flexible Job-Shop scheduling problem，FJSP）以检验其实际应用价值，实验表明，该算法在解决FJSP上具有一定的有效性。

• 基于环境状态分布优化的POMDP值迭代求解算法

  朱荣鑫,王譞,刘峰,赵志宏,

  基于点的值迭代算法是一类解决 POMDP 问题的有效算法，PBVI 是基于点集的经典算法，但是其算法效率较为低下。FSVI使用内在的 MDP 最优策略来降低算法复杂度，但求解大规模问题的效果较差。为解决上述问题，提出了基于环境状态分布优化的前向搜索值迭代算法（PBVI-OSD），通过基于权重值的QMDP选出最佳的动作，基于信念状态和转换函数选取最大可能的状态，基于动作和状态从观察中随机选取一个观察概率大于阈值的观察，由此获得更具探索价值的后继信念点集，提升值迭代收敛的质量。在四个基准问题上的实验表明，相比于 FSVI 和 PBVI，PBVI-OSD能保证收敛效率，特别是在大规模问题上能收敛到更好的全局最优解。

• 复杂路段的角度差和后续点地图匹配方法

  汪小寒,何增宇,胡王悟,王配,杨龙,

  针对仅依靠距离和轨迹与路径的相似性来判断正确道路的方法，在并行和交叉路段的复杂路网环境中，易匹配到相邻路段或部分不可达的路段，导致匹配错误的问题，提出采用线性回归模型的方法，其能更精确地描述道路形状在转弯处的变化，根据路段方向和移动对象移动的方向差判断并行或交叉路段，并通过参照多个后续点的匹配情况，实现复杂路段处的地图匹配，减少匹配错误。此外，还提出简化聚类的路网补全方法，可以解决部分GPS点周围缺失候选路段无法匹配的问题，并采用四叉树索引地图数据，提高效率。对比实验结果表明在轨迹点数较少时，与现有的基于隐马尔可夫模型的概率匹配方法相比，时间最多减少了62%，更适合时效性要求高的应用场景，与传统的几何匹配方法相比，匹配精度提高了3%，且更适合复杂路段匹配。

• 基于动态平衡策略的自动化码头多AGV路径优化算法研究

  牛雅倩,余芳,刘静雯,杨勇生,

  对自动化集装箱码头AGV（automatic guided vehicle）自动运输系统路径规划算法和港口布局进行深入研究之后，针对岸桥与堆场之间路径规划中可能出现的冲突以及任务分配不均等问题，提出了基于动态平衡策略的自动化码头多AGV路径优化算法。通过对Dijkstra算法进行改进，在考虑路径距离的基础上，同时引入该路径上预计通过的AGV数量，实现了路径分配的动态平衡；提出了改进速度控制策略和重新规划路径控制策略，有效减少了冲突次数，且减少了道路堵塞率。建立了基于动态平衡策略与基于MAS（multi-agent system，MAS）的控制方式对比实验，结果表明该算法能有效求解500个任务以上的大规模任务分配问题，并且显著降低平均堵塞率0.000 8~0.005 5。此算法亦可应用于其他类型的码头布局中，进一步提高了码头水平运输效率。

• 带模糊需求的多阶段双目标应急选址—路径优化

  高鑫宇,倪静,

  针对灾后应急救援的选址—路径问题，在需求不确定性的约束下，建立以救援效率最大化和总成本最小化为目标的多阶段决策模型。首先，采用数据包络分析模型评价每段路线的救援效率；其次，考虑到决策者在不同阶段对救援效率和成本的要求不同，构建多阶段选址—路径优化模型；最后，设计改进的快速非支配遗传算法进行求解，改进的NSGA-Ⅱ算法设计两段式编码方式，采用基于混合交叉和退火变异的优化策略，并在传统精英策略的基础上加入比例法。实验结果表明，改进的快速非支配遗传算法能有效地求解双目标选址—路径问题，且在平衡救援效率和成本方面多阶段模型相较于单阶段模型表现更优。

• 面向柔性制造车间的多目标RFID网络规划方法

  吴立辉,李元生,胡文博,代争争,孟亚,张中伟,

  针对具有多种覆盖需求的柔性制造车间RFID网络规划问题，以部署成本、阅读器干扰与阅读器效能为多优化目标，提出一种分层聚类、冗余消减与梯度下降方法集成的RFID网络规划方法，采用分层聚类算法确定RFID初始数量与部署位置，采用冗余阅读器消减算法优化RFID数量，采用梯度下降算法优化RFID部署位置从而实现网络规划多目标优化。实验研究表明，提出的方法在多目标综合性能方面优于传统基于分层聚类方法、遗传算法、粒子群与冗余消减混合方法的RFID网络规划方法，验证了该方法的有效性。

• 机器人路径规划的新型头脑风暴优化算法

  魏诗雨,刘勇,

  针对头脑风暴优化算法在求解机器人路径规划问题时存在初始解成功率低、运算代价大且路径不平滑等问题进行了研究，从心理学角度出发，提出了一种新型头脑风暴优化算法及其离散化方案。引入羊群效应下的教与学思想增强个体学习的方向性，并通过基于自我选择效应的步长调节机制扩大后期局部搜索比例，提升算法效率；离散处理阶段采用贪婪移动搜索法取得较优初始解，重新定义运算过程以双向平滑路径。仿真结果表明，新型头脑风暴优化算法在离散化前后均有较优的表现，在不同障碍物环境中均能规划出较优的路径。数值实验验证了所提算法的有效性，该算法在路径规划领域的应用值得进一步探索。

• 基于全文索引知识图谱的危化品运输地址匹配研究

  刘斐,贺向阳,邹志云,

  地址匹配是危化品运输交通起止点调查分析的关键技术之一。为解决复杂非标危化品道路运输地址匹配精度较低的问题，通过构建自扩展中文分词及自扩展的地址数据知识图谱，基于全文索引知识图谱进行危化品运输中文地址的匹配，纳入加权拼音全文搜索机制以提高拼写错误地址的匹配准确率，结合在线地理解析接口构建危化品运输地址多重匹配机制，并对少量疑难地址执行半监督匹配，形成了完整的危化品运输地址匹配方法体系。针对危化品运输电子运单地址数据的计算表明，算法能实现复杂中文危险化学品运输地址匹配的高准确率及高精度。在随机地址测试集中准确率达94.6%，在较难分类地址测试集中准确率达67.5%，在较难分类地址匹配的准确率及精度上均相比于通用匹配方法及地理搜索引擎有大幅度的提升。

• 基于注意力网络的属性级别情感分析

  沈斌,房一泉,蔡源,程华,钟烨,

  传统的属性级别情感分析方法缺乏对属性实体与前后文之间交互关系的研究，导致情感分类结果的正确率不高。为了有效提取文本特征，提出了一种利用多头注意力机制学习属性实体与前后文之间关系的属性级别情感分析模型（intra & inter multi-head attention network，IIMAN），从而提高情感极性判断结果。该模型首先利用BERT预训练完成输入语句的词向量化；通过注意力网络中的内部多头注意力与联合多头注意力学习属性实体与前后文以及前后文内部间的关系；最后通过逐点卷积变换层、面向属性实体的注意力层和输出层完成情感极性分类。通过在三个公开的属性级别情感分析数据集Twitter、laptop、restaurant上的实验证明，IIMAN相较于其他基线模型，正确率和F1值有了进一步的提升，能够有效提高情感极性分类结果。

• 基于注意力迁移的跨语言关系抽取方法

  吴婧,杨百龙,田罗庚,

  针对互联网上日渐丰富的多语言文本和匮乏大规模标注平行语料库的问题，为了从多语言的信息源挖掘语言间的关联性与扩展知识图谱，提出了基于注意力迁移的跨语言关系提取方法。首先针对语言间的实际平行语料情况，分类进行跨语言平行语料映射，并针对缺乏种子词典的低资源语言对，提出神经网络翻译模型获取目标语言数据集并保存多语言间的对应注意力权重关系，然后利用BERT端对端的联合抽取模型抽取训练数据实体关系特征，反向迁移语言间注意力权重关系，最后利用反向迁移的注意力进行增强的关系抽取。实验表明，该模型的关系提取效果相比其他模型在准确率和回归上都有所提升，在缺乏双语词典情况下也表现出较好的性能。

• 基于图神经网络的联合实体关系抽取

  苗琳,张英俊,谢斌红,李玉,

  从非结构化文本中联合提取实体和关系是信息抽取中的一项重要任务。现有方法取得了可观的性能，但仍受到一些固有的限制，如错误传播、预测存在冗余性、无法解决关系重叠问题等。为此，提出一种基于图神经网络的联合实体关系抽取模型BSGB（BiLSTM+SDA-GAT+BiGCN）。BSGB分为两个阶段：第一阶段将语义依存分析扩展到语义依存图，提出融合语义依存图的图注意力网络（SDA-GAT），通过堆叠BiLSTM和SDA-GAT提取句子序列和局部依赖特征，并进行实体跨度检测和初步的关系预测；第二阶段构建关系加权GCN，进一步建模实体和关系的交互，完成最终的实体关系三元组抽取。在NYT数据集上的实验结果表明，该模型F1值达到了67.1%，对比在该数据集的基线模型提高了5.2%，对重叠关系的预测也有大幅改善。

• 基于融合CNN和Transformer的分离结构机器翻译模型

  葛君伟,涂兆昊,方义秋,

  针对基于Transformer的机器翻译模型中存在的运行效率不高、计算参数过大以及计算复杂度过高的问题，提出一种基于融合CNN和Transformer的分离结构机器翻译模型。首先，对于运行效率不高和计算参数过大的问题，使用计算注意力模块和归一化模块分离的结构保证堆叠多层结构的可复用性，提高运行效率和降低计算参数。其次，引入了卷积计算模块和原始自注意力模块进行融合，原始自注意力模块用于计算全局上下文语义关系，卷积计算模块用于计算局部上下文语义关系，降低模型的复杂度。与其他机器翻译模型在相同的数据集进行实验对比，实验结果表明，该模型的计算参数最低，效果也比其他模型表现得更好。

• 基于异质信息网络分析的主题感知群推荐方法研究

  张馨悦,岳峰,王含茹,王刚,

  在社交网络上面向群组推荐物品时，已有研究大多基于群成员的完整偏好，运用一些合成策略生成群推荐结果。但在实际中，促使群成员加入目标群的可能只是其完整偏好中与该群相关的部分偏好。因此，使用群成员的完整偏好进行推荐便会带来大量的噪声，损害推荐效果。为解决这一问题，提出了一种基于异质信息网络分析的主题感知群推荐方法HINGR_GT（heterogeneous information network analysis based group recommendation method with group topic considered），针对每个群组构建面向群组的异质社交网络子图，将成员偏好中与群组无关的偏好提前排除在外，在此基础上使用异质网络表示学习方法为群组生成物品推荐。为验证所提方法的有效性，在豆瓣电影数据集上进行了实验，结果表明所提方法在所有评价指标上均取得了更好的效果。

• 基于v-结构和邻居集的启发式贝叶斯网络结构学习方法

  徐苗,王慧玲,梁义,綦小龙,

  针对K2算法存在的序依赖性问题，提出了能够从给定数据集中有效学习变量序的启发式算法（H-vnK2）。具体而言，基于PC算法学习的v-结构知识以节点块的形式快速准确修正部分父子节点顺序，获得部分节点的最优序；基于PC算法学习的邻居集知识以距离阈值启发式策略进一步从全局最优角度修正父子节点顺序，获得所有节点的最佳序。实验表明，在标准数据集Asia、Alarm网络上，所提算法显著优于对比算法，其中与性能最好的基于因果效应的方法相比，准确率平均提升了7%，增量最高能达到33.3%，可以学习到更准确的网络结构。

• 基于Relief和BFO的并行支持向量机算法

  胡健,王祥太,毛伊敏,刘蔚,

  针对大数据环境下并行支持向量机（SVM）算法存在冗余数据敏感、参数选取困难、并行化效率低等问题，提出了一种基于Relief和BFO算法的并行SVM算法RBFO-PSVM。首先，基于互信息和Relief算法设计了一种特征权值计算策略MI-Relief，剔除数据集中的冗余特征，有效地降低了冗余数据对并行SVM分类的干扰；接着，提出了基于MapReduce的MR-HBFO算法，并行选取SVM的最优参数，提高SVM的参数寻优能力；最后，提出核聚类策略KCS，减小参与并行化训练的数据集规模，并提出改进CSVM反馈机制的交叉融合级联式并行支持向量机CFCPSVM，结合MapReduce编程框架并行训练SVM，提高了并行SVM的并行化效率。实验表明， RBFO-PSVM算法对大型数据集的分类效果更佳，更适用于大数据环境。

• 自注意力时序点过程生成模型的Wasserstein学习方法

  芦佳明,李晨龙,魏毅强,

  目前学界普遍通过循环神经网络（RNN）建模强度函数来刻画时序点过程，然而此类模型不能捕捉到事件序列之间的长程依赖关系，并且强度函数具体的参数形式会限制模型的泛化能力。针对上述问题，提出一种无强度函数的注意力机制的时序点过程生成模型。该模型使用Wasserstein距离构建损失函数，便于衡量模型分布与真实分布之间的偏差，利用自注意力机制描述历史事件对当前事件的影响程度，使得模型具有可解释性且泛化能力更强。对比实验表明，在缺失强度函数先验信息的情况下，该方法比RNN类的生成模型和极大似然模型在QQ图斜率的偏差和经验强度偏差这两个指标总体上分别减少35.125%和24.200%，证实了所提模型的有效性。

• 基于带惩罚的点概率距离策略优化算法在展示广告实时竞标中的研究

  李文权,齐琦,李霓,刘永娜,

  实时竞价（RTB）是在线展示广告中被广泛采用的广告投放模式，针对由于RTB拍卖环境的高度动态性导致最佳出价策略难以获得的问题，提出了一种基于强化学习（RL）的出价策略优化方法，即采用带惩罚的点概率距离策略优化（POP3D）算法来学习最佳出价策略。在基于POP3D的出价框架中，广告投标过程被建模为情节式的马尔可夫决策过程，每个情节被划分为固定数量的时间步，每个广告展示的出价由它的预估点击率大小和竞标因子共同决定。每个时间步，竞标代理都会根据上一时间步的拍卖情况对竞标因子进行调整，以使得出价策略能够适应高度动态的拍卖环境，竞标代理的目标是学习最佳的竞标因子调整策略。在iPinYou数据集上的实验结果表明，与DRLB算法相比，所提出价算法在预算比例为1/16和1/32时，在点击次数方面均提升了0.2%；当预算比例为1/8、1/16和1/32时，在赢标率方面分别提升了1.8%、1.0%和1.7%；另外，在稳定性方面，所提方法也具有优势。表明了该方法的优越性。

• 针对低频词进行改进的中文短文本分类方法

  罗孝波,林佳瑜,梁祖红,王漳,

  中文短文本分类中存在大量低频词，利用好低频词中的信息能有效提高文本分类效果，针对基于词向量的文本分类研究中低频词不能被有效利用的问题，提出一种针对低频词进行数据增强的方法。首先，利用受限文本生成模型产生的数据来微调低频词的词向量，再利用一种词向量的构造算法将高频词的更新信息迁移到低频词中，使低频词获取更准确且符合训练集分布的词向量表示；其次，引入相似词和实体概念等先验知识来补充上下文信息；最后，利用改进的卡方统计去除明显的噪声词，以及设计词注意力层对每个词进行加权，减少无关噪声对分类的影响。在多个基础分类模型上进行实验，结果表明各基础模型经改进后都有明显提升，体现了提出方法的有效性，同时也说明了短文本分类任务中低频词能改善分类的效果。

• 基于格的多授权密文属性加密方案

  唐慧,汪学明,

  在综合分析现有基于密文策略属性加密方案的基础上，针对现有密文策略属性加密方案中单授权中心负担过重，以及基于传统BDH（bilinear Diffie-Hellman）困难假设的属性加密方案不能抵抗量子攻击的问题，结合格理论构造一个新的多授权中心密文属性基加密方案。该方案可实现多授权中心对用户属性的分散管理，方案使用格上的抽样算法为用户生成密钥，采用线性秘密共享方案来实现属性访问控制策略，支持“与、或与门限”运算。矩阵形式可以支持格上的并行算法，算法的效率更高，安全性证明规约至判定性带误差学习问题的难解性，安全性更满足云环境的要求。

• 混沌系统参数扰动方案及分析

  常景辉,张雪锋,

  对混沌系统施以扰动可以有效解决由于计算机有限精度效应导致的混沌系统动力学特性退化问题。基于区间映射中Cantor集的构造方法，提出一种数字混沌系统参数扰动方案，该方案将混沌系统每次迭代后得到的序列值等比例地扩散到压缩后的混沌状态参数取值区间上，从而达到扰动混沌序列的目的。实验仿真及分析表明，增加扰动后的混沌系统具有更好的混沌特性、更大的参数范围和更高的复杂度。

• SM4算法门限掩码方案设计与实现

  武小年,李金林,潘晟,李俊榜,张润莲,

  侧信道分析已严重威胁到密码算法应用安全，为提高SM4算法抵御侧信道分析的能力，提出一种门限掩码方案。首先，完成对SM4算法S盒的复合域分解；其次，基于二共享设计门限掩码方案，使用随机数将S盒输入进行二共享拆分，通过复合域运算和S盒门限掩码进行电路重构，并基于S盒复用降低硬件开销；最后进行线性层操作后将两个输出结果通过异或完成去掩码操作。对SM4算法门限掩码方案的FPGA实现仿真结果和安全性测试结果表明，本掩码方案能够有效抵抗CPA攻击，实现面积相对较低。

• 无线体域网中具有生物特征的基于身份的访问控制方案

  金春花,谢润,单劲松,强豪,

  针对现有无线体域网（WBANs）中的安全和隐私性问题，为了充分利用生物特征的优势来确保WBANs 内数据通信的安全性，首次提出了一种具有生物特征的基于身份的隐私保护技术，然后利用该技术在WBANs中提出了一种新的访问控制方法。在安全性方面，在随机预言机模型下是可证明安全的，并且具有机密性、认证性、完整性、不可否认性和匿名性；在性能方面，与现有方案相比，提出方案在计算开销和通信开销方面都具有优势。

• 高效彩色图像无损认证加密算法的研究

  宋佳烁,丁海洋,李子臣,

  针对图像在加密过程中可能存在的信息丢失及安全性不高等问题进行研究，提出了一种基于AEGIS的彩色图像无损认证算法。该算法利用图像的文件头得到初始状态，通过AEGIS内部的状态更新对图像的加密，然后将状态更新后生成的认证标签隐藏到密文图像中，解密时从密文图像中提取标签并通过AEGIS恢复图像，实现了认证功能，保证了图像的真实性和完整性。与其他图像加密算法相对比，该算法运算效率高，密文图像含有信息量低。实验结果表明，该算法可以实现彩色图像的快速无损认证加密和解密。

• 基于关键点的类别级三维可形变目标姿态估计

  曾一芳,钱伟中,王旭鹏,杨玺,

  为了解决类别级三维可形变目标姿态估计问题，基于目标的关键点，提出了一种面向类别的三维可形变目标姿态估计方法。该方法设计了一种基于关键点的端到端深度学习框架，框架以PointNet++为后端网络，通过特征提取、部位分割、关键点提取和基于关键点的姿态估计部分实现可形变目标的姿态估计，具有计算精度高、鲁棒性强等优势。同时，基于ANCSH方法设计了适用于K-AOPE网络的关键点标准化分层表示方法，该方法仅需提取目标少量的关键点即可表示类别物体。为了验证方法的有效性，在公共数据集shape2motion上进行测试。实验结果显示，提出的姿态估计方法（以眼镜类别为例）在旋转角上的误差分别为2.3°、3.1°、3.7°，平移误差分别为0.034、0.030、0.046，连接状态误差为2.4°、2.5°，连接参数误差为1.2°、0.9°，0.008、0.010。与ANCSH方法相比，所提方法具有较高的准确性和鲁棒性。

• 基于自适应编码的脉冲神经网络

  张驰,唐凤珍,

  脉冲神经网络（SNN）采用脉冲序列表征和传递信息，与传统人工神经网络相比更具有生物可解释性，但典型SNN的特征提取能力受到其结构限制，对于图像数据等多分类任务的识别准确率不高，不能与卷积神经网络相媲美。为此提出一种新型的自适应编码脉冲神经网络（SCSNN），将CNN的特征提取能力与SNN的生物可解释性结合起来，采用生物神经元动态脉冲触发特性构建网络结构，并设计了一种新的替代梯度反向传播方法直接训练网络参数。所提出的SCSNN分别在MNIST和Fashion-MNIST数据集进行验证，取得较好的识别结果，在MNIST数据集上准确率达到了99.62%，在 Fashion-MNIST数据集上准确率达到了93.52%，验证了其有效性。

• 基于图模型与加权损失策略的视频行人重识别研究

  徐志晨,王洪元,齐鹏宇,欣子豪,

  针对监控视频中行人外观、姿态相似等现象导致的视频行人重识别准确率低的问题进行了研究，提出了一种基于图模型的视频行人重识别方法，有效利用了视频中的时序信息，实现跨帧及帧内区域的信息交互。具体来说，利用跨帧分块区域间的关联信息建立区域节点间的固有关系，并进行特征传播迭代更新区域信息。另一方面，在度量学习过程中，提出了一种加权损失函数策略，这个方法将先前挖掘策略中的二进制分配法（即丢弃或保留该样本）优化为连续分数分配法，解决了可用样本未被有效利用的问题。将模型在MARS和DukeMTMC-VideoReID两个数据集上进行了评估，实验结果证实了提出方法的有效性。

• 考虑用户兴趣分析的差分隐私方案推荐

  耿秀丽,王著鑫,

  现有差分隐私推荐算法在计算相似度时，直接根据用户—方案数据进行计算，而忽略了方案属性对用户偏好的影响，没有反映用户的真实偏好，不能进行准确推荐。针对此问题，提出考虑用户兴趣分析的差分隐私推荐方法。该方法首先收集用户对方案属性的兴趣评分，其次使用K-means++对用户—方案属性评分数据进行聚类，然后采用差分隐私算法选择近邻用户，并为目标用户推荐适合的方案。最后，以养老院方案推荐为例予以验证。实验结果显示：与KDPC、DPCF、PNCF相比，所提算法在相同隐私预算下，平均绝对误差下降约19.0%、34.0%、37.7%；在相同近邻集合尺寸下，平均绝对误差下降约10.4%、20.3%、21.4%。因此，该算法在保护了用户隐私的基础上，进一步提高了推荐精度。

• 复杂网络聚类特征层次布局算法

  周锐,王桂娟,邓皓天,蔡梦杰,赵韦鑫,谭博友,吴亚东,

  网络聚类模式发现是网络分析中的一项重要任务，好的网络布局应能体现网络中的聚类特征，并允许用户从不同层次探索网络结构。为此，基于社团划分和多层次布局思想提出了聚类特征层次布局算法。首先利用种子节点和个性化PageRank对网络实现社团划分；其次根据划分结果对网络进行粗化，并设计了粗化网络初始布局；然后利用节点度信息改进力导向模型以完成细化；最后，为验证所提算法的有效性，设计了从整体到局部的实验。实验表明所提算法能够在有效时间内生成高质量的布局结果，与现有布局算法相比，所提算法更能真实展示网络聚类特征，同时兼顾网络微观结构，能够满足用户从不同层次探索网络结构的需要。

• 基于改进图正则项的自编码器特征学习算法

  吴文彬,周伟,唐东明,

  传统的图正则化方法使用欧氏距离度量样本空间的相似度，并不能准确考察复杂数据集的邻域信息，容易导致模型在复杂形状数据和非凸数据集中的泛化性能下降。提出一种改进的图正则算法，使用等距特征映射保留样本空间的邻域信息，帮助模型进行流形学习，同时结合使用KL约束进一步使得数据表示的外部结构变得光滑，从而捕获到更稀疏和高级的特征表示。在MNIST和YaleB等数据集上的实验结果表明，相比于流行的几种特征提取算法，该算法能够提取到更有意义和稳健的特征。在分类任务和聚类任务上具有优势，同时具有更好的抗干扰性能。

• 融合黄金正弦和曲线自适应的多策略麻雀搜索算法

  高晨峰,陈家清,石默涵,

  针对元启发算法中麻雀搜索算法（SSA）的早熟收敛、易陷入局部最优、全局搜索性差等问题进行研究，提出一种融合黄金正弦和曲线自适应的多策略麻雀搜索算法。首先，利用Chebyshev混沌映射初始化种群，使初始解位置分布更为均匀，产生优质初始解，增加种群丰富性；其次，引入黄金正弦和曲线自适应权重改进发现者和加入者位置更新方式，有效协调了全局搜索与局部挖掘能力，加快收敛速度；最后，动态选择随机游走或柯西-t扰动策略对最优麻雀位置进行扰动，提高算法跳出局部最优的能力以及收敛精度。选取14个基准函数进行测试，比较改进算法与其他九个元启发式算法的仿真结果，使用Wilcoxon秩和检验以及MAE（mean absolute error）排序来验证所提改进策略的有效性。结果表明，该算法在全局搜索性、克服局部最优、收敛速度、收敛精度、稳定性都有较大提升。

• WSN-UAV基于FPGA的异步带优先级数据转发轮询控制系统

  张浪飞,李诗楠,梁竹关,丁洪伟,

  在林、农作物监测作业中，可通过散布无线传感器节点形成的自组织WSN收集作物环境信息。将UAV应用于分簇式WSN作为移动的数据收集节点sink时，UAV不仅需要转发各簇首节点的信息，还需转发自带传感器检测到的重要信息。为了保证UAV传感器检测信息及时转发，并进一步降低簇首节点能耗，延长WSN网络寿命，提出异步带优先级的数据转发轮询控制系统方案，应用马尔可夫链和概率母函数进行建模以分析系统性能。用自带异步读写FIFO功能的FPGA作为主控器件，基于FPGA设计该轮询系统硬件电路结构，验证了该轮询控制系统的可行性和高效性。实验结果表明，该方案能保证UAV及时转发重要数据，缩短服务延迟，提高WSN能耗效率，优化系统性能。

• TR-light：基于多信号灯强化学习的交通组织方案优化算法

  吴昊昇,郑皎凌,王茂帆,

  针对多变环境条件下的交通堵塞问题，将强化学习、神经网络、多智能体和交通仿真技术结合起来，提出了用于优化多路口条件下交通状况的trajectory reward light（TR-light）模型。该方法具有几个显著特点：基于红绿灯拟定交通组织方案；将多智能体强化学习用于红绿灯控制；通过红绿灯的协同达到区域级的交通组织优化；在智能体每次行为执行结束后实施轨迹重构，在OD对不改变的情况下改变车辆行驶路径，根据方案和重构轨迹来计算智能体的最终回报。通过SUMO进行交通仿真实验和交通指标对比，验证了该模型在多交叉口中能够提高路网畅通率，改善交通状态。实验表明该模型可行，可有效缓解交通拥堵。

• 基于节点重要度的多机器人分布式巡逻策略

  霍耀彦,李宗刚,高溥,

  考虑到在多机器人巡逻任务中，待访问节点的重要程度存在差异是一种普遍现象，针对多数巡逻算法没有考虑节点重要程度的不同，导致所有节点的空闲时间趋于一致，从而造成重要节点访问频次不足、普通节点过度访问的问题，提出了一种基于节点重要度的分布式巡逻策略以优化节点访问频率、降低全局平均空闲时间。 机器人计算周围节点空闲时间与重要度，在线决策目标节点，估计到达目标节点的时刻，并且将访问目标与估计到达时刻告知附近的同伴；为了避免某些节点被过度访问，在边缘节点的被访问频率低于最小访问频率时提高边缘节点的重要度，使得机器人可以尽快访问该点。最后，通过仿真分析了机器人数量、环境变化、重要度等因素对机器人完成持续巡逻任务的影响。结果表明，重要度大的节点被访问次数明显增加；在巡逻环境与机器人数量相同的前提下，该算法的异常值较少且平均空闲时间较小，多机器人持续巡逻性能表现较好。

• 基于环境信息熵的点线视觉里程计自适应优化器设计

  李博谦,王强,

  针对即时定位与建图技术中点线视觉里程计在环境纹理发生变化时运行效率低下的问题，设计了一种基于环境信息熵的特征提取自适应优化器，以提高原有点线视觉里程计算法的效率及鲁棒性。优化器以图像信息熵作为主要影响因子，确定里程计的最优提取特征，生成包含特征提取选择的策略信息地图；对未探索区域的纹理环境进行预判性计算，与策略地图快速匹配，得到该区域的最优特征提取策略。在TUM数据集环境下测试了具有优化器的点线视觉里程计（APL-VO）的平均处理时间及建图效果。实验结果显示，与原有算法相比，具有自适应优化器的点线视觉里程计在复合环境中具有更强的鲁棒性及建图效率。

• 基于充电效率的WRSN能量补充策略

  许富龙,

  无线可充电传感器网络（WRSN）的节点能量补充问题是当前传感器网络研究的一个热点。已有研究大多假设传感器能量消耗速率较为恒定，因此难以适应能量动态消耗的实际场景；还有些研究虽然考虑了节点充电请求的动态性，却无法选出适当的充电对象，使性能受到限制。为解决该问题，分析了WRSN的充电问题，提出基于充电效率的能量补充策略（CEBER）。该策略首先提出充电效率的量化计算方法，将充电效率作为选择充电对象的重要决策因素；同时其也考虑了节点所能容忍的最长充电等待时间，使决策结果尽可能避免引起节点失效。仿真结果表明，CEBER能够有效降低节点失效率，提高网络整体的充电效率，从而为WRSN提供更加有效的充电服务。

• 基于负载反馈的分布式数字集群动态负载均衡算法

  曲乾聪,王俊,

  针对传统负载均衡算法不能满足公网数字集群系统高并发用户请求和快速呼叫建立等需求，提出一种基于负载反馈的分布式数字集群动态负载均衡算法，实现公网数字集群系统负载均衡，提高用户容量。首先建立参与MCPTT服务器的静态负载和动态负载监控机制和指标；然后利用加权轮询算法为用户分配参与MCPTT服务器，并通过用户请求的处理获得复合负载参数；根据负载指标的反馈更新参与MCPTT服务器权值以动态调整服务器负载。仿真结果表明，该算法的负载均衡效果优于传统算法和其他动态反馈算法，负载均衡度更小、用户请求响应延迟更低。

• 无人机自组网中基于Q-learning算法的及时稳定路由策略

  姚玉坤,张本俊,周杨,

  无人机自组网凭借其抗干扰能力强、适用于复杂地形、智能化程度高和成本较低的优点，近年来受到广泛关注，该网络中路由协议的设计与优化一直是核心研究问题。针对无人机自组网中因节点快速移动造成节点本地存储的路由未及时更新而失效的问题，提出一种基于Q-learning算法的动态感知优化链路状态路由协议（DSQ-OLSR）。该协议首先充分考虑了无人机自组网节点高速移动的特点，在选取多点中继（MPR）节点时添加了链路稳定性和链路存在时间这两个指标，使得选出的MPR节点集更稳定、合理；其次，结合Q-learning算法对TC消息的发送间隔进行自适应调整，使得在网络拓扑变动较小时增大TC发送间隔以减小控制开销，而在拓扑变动较大时减小TC发送间隔用于达到快速感知并构建网络拓扑的要求，进而实现数据的及时路由。仿真结果表明，与DT-OLSR协议相比，该协议在端到端时延、吞吐量、成功率和网络生存时间性能上分别提高了12.61%、9.28%、7.69%和5.86%，由此验证了其有效性。

• 基于移动扩展模型的无人机三维空地非平稳信道建模

  刘敏,张治中,邓炳光,

  无人机空地信道几何统计模型通常采用固定的速度和移动方向，无法描述UAV空地传播环境的非平稳特性。面向基于双圆柱散射体的UAV三维空地信道模型，提出在空地建模中引入具有动态速度和移动方向的高斯马尔可夫模型，模拟无人机在现实环境中的变化；为了使该模型模拟不同的运动，引入扩展因子切换模型的运动轨迹；此外，运用几何分析法，根据时变的速度和运动方向推导了空时相关函数和多普勒功率谱密度，并研究了无人机水平和垂直运动对信道统计特性的影响。仿真结果表明，扩展的模型仅会导致时域的非平稳，对空域没有影响，并验证了扩展模型的通用性。

• 基于延迟敏感应用的边云协同方案

  张帆,王亚刚,刘子杰,

  智能设备存在着存储能力以及计算能力不足的问题，导致无法满足计算密集型和延迟敏感型应用的服务质量要求。边缘计算和云计算被认为是解决智能设备局限性的有效方法。为了有效利用边云资源，并在延迟和服务失败概率方面提供良好的服务质量，首先提出了一种三层计算系统框架，然后考虑到边缘服务器的异构性和任务的延迟敏感性，在边缘层提出了一种高效的资源调度策略。三层计算系统框架可以根据应用程序的延迟敏感性提供计算资源和传输时延，保证了边缘资源的有效利用以及任务的实时性。仿真结果验证了所提资源调度策略的有效性，并表明该调度算法优于现有传统方法。

• 基于插值和周期图法的高动态信号载波频偏粗估计

  魏苗苗,刘洲峰,李春雷,孙俊,

  针对卫星通信系统中接收信号载波动态范围大、信噪比低造成的信号载波同步困难的问题进行了研究。基于联合插值和频域移位平均周期图法的载波频偏估计算法，通过对半符号周期频域移位平均周期图法中各并行支路输出的功率谱峰值波形进行双谱线插值，以进一步降低载波频偏变化率估计误差，进而改善原算法捕获概率。仿真结果显示，当比特信噪比为2.5 dB时，相比于半符号周期频域移位平均周期图法，该算法只增加了一次插值计算就可以实现将载波频偏变化率估计误差降低27%。在同等估计精度和参数设置下，相比于半符号周期频域移位平均周期图法和带补零频域移位评价周期图法，基于联合插值和周期图法的载波频偏粗估计算法可达到更高的捕获概率。

• 基于SM2的无证书盲签名方案

  唐卫中,张大伟,佟晖,

  针对现有无证书盲签名方案计算复杂度过高的问题，基于国密算法SM2，提出了一种高效无证书盲签名方案，该方案不需要双线性对操作。基于椭圆曲线离散对数问题（ECDLP）的困难性，在随机预言模型下对该方案进行了形式化分析，能够对类型Ⅰ和类型Ⅱ攻击均具有可证明的安全性。与现有无证书盲签名方案进行性能对比，分析结果表明，该方案计算开销远低于其他几种同类型的方案。

• 面向噪声图像的自适应高容量隐写算法

  孔水玲,赵琰,赵嘉琪,

  面向雷达、遥感图像等含噪图像，提出了一种利用噪声自适应嵌入的位平面加密算法。首先对不同的噪声图像利用遗传算法自适应找到最佳嵌入阈值，在噪声值较高处使用一种无须密钥的加密算法将两位秘密信息分别交叉嵌入到第一、三位平面中。然后利用BBE（binary-block embedding）算法将标记位数据压缩到第二位平面。最后在第二位平面冗余处用同样的加密算法将剩余秘密信息分别嵌入到第二、四位平面中完成信息隐藏。实验分析表明在满足高容量嵌入的条件下，与其他自适应位平面隐写算法相比有良好的隐蔽性以及较强的鲁棒性，同时能抵抗目前较好的隐写分析算法，保证了数据传送的安全性。

• 改进的毫米波复数网络稀疏成像算法

  车俐,吴兴云,汪林,杜刚,蒋留兵,

  针对基于压缩感知的重构方法耗时巨大的问题，从信号恢复的角度提出了一种基于深度学习方法的稀疏成像方案。首先，构建基于复数卷积的U-Net网络。其次，将欠采样信号输入网络得到满采样信号。最后，使用距离维脉压的二维匹配滤波算法重构出目标。实验建立在不同稀疏度和不同采样间隔下的欠采样仿真数据集中，并与传统和最近的信号处理方法进行对比。再使用实测数据进行验证，实验结果表明该算法在重构耗时以及图像平均梯度上具有更好的表现。

• 基于改进SPCNN模型的机场跑道胶痕检测方法

  刘晓琳,吴佳敏,

  针对机场跑道胶痕形态特征多样性和跑道环境复杂性导致胶痕检测效率低下的问题，提出了基于改进简化脉冲耦合神经网络模型的机场跑道胶痕图像分割算法。首先在利用邻域灰度关系优化反馈输入的基础上，将神经元点火阈值机制从传统的指数衰减改进为线性分层步长衰减。然后引入杜鹃搜索算法，结合最小交叉熵对改进模型进行参数寻优。最后根据点火映射区域的平均灰度值构建自适应迭代终止条件。实验结果表明，该算法具有更高的胶痕检测精度，且在光照条件较差和标志线影响的情况下具有更好的抗干扰性。

• 基于空间特征提取和注意力机制的双路径语义分割

  郑鹏营,陈玮,尹钟,

  针对现阶段语义分割网络存在的空间和通道特征不匹配、小目标物体像素丢失等问题，设计了一种基于空间特征提取和注意力机制的双路径语义分割算法。空间信息路径利用四倍下采样来保留高分辨率特征，并引入空间特征提取模块融合多尺度空间信息，加强网络对小目标物体的识别能力；采用一条结合双阶通道注意力的语义上下文路径提取判别特征，使深层特征能够指导浅层特征捕捉更精确的语义信息，从而降低精度损失。在CamVid和Aeroscapes数据集上验证该算法，平均交并比分别可达70.5%和51.8%，相比于当前主流的双路径语义分割模型有所提升，结果验证了所提算法的有效性。

• 基于局部聚类的改进运动网格统计算法的研究

  邱云飞,王媛媛,

  针对常用的匹配点筛选算法效率低、对具有角度和尺度变化匹配图像稳定性差等问题，提出一种基于局部聚类的改进网格运动统计特征点筛选算法。首先，通过局部区域抑制算法筛选响应强度较高且成对出现特征点作为种子点，并以种子点为聚类中心分割图像，得到最小外接矩形作为运动网格；随后把运动网格划分为3×3邻域支持估计量网格，计算运动网格在不同方向上的梯度最大值，作为运动网格的主方向；最后，把待匹配图像邻域支持估计量网格旋转至目标图像运动网格的主方向位置，借助网格运动统计算法筛选匹配。实验表明：对具有JPEG压缩变换、光照变化、模糊变换的匹配图像，所提算法匹配正确率在90%以上；对具有旋转和尺度变换图像，所提算法匹配正确率相较运动网格统计算法提高10%左右，高达40%以上；算法耗时仅为13 min，效率较高；所提算法可稳定高效地筛选正确的匹配点。

• 基于高斯密度图估计的自然场景汉字检测

  胡巧遇,仝明磊,

  针对自然场景下中文小文本难以定位的问题，提出了基于高斯密度图估计的并行深度网络对自然场景汉字进行检测。首先将中文数据集中的汉字位置信息转换为高斯文字密度图；其次引入一种多级并行连接结构，提高网络细节信息捕捉能力；最后再融合网络中的上采样特征信息得到高精度文字密度图，最终实现对文字区域的定位。在中文数据集CTW（Chinese text in the wild）上进行了实验，实验结果表明提出方法准确率和召回率均有较大提升，证明了该方法的可行性和准确性。

• 基于文本引导对抗哈希的跨模态检索方法

  朱杰,

  随着深度学习方法的不断发展，跨模态哈希检索技术也取得了长足的进步。但是，目前的跨模态哈希检索方法通常基于两种假设:a）相似文本描述的图像内容也相似；b）相同类别的图像有着较好的全局相似性。但是，真实数据集中的数据往往不能满足以上两种假设，导致了跨模态哈希检索模型性能的降低。针对以上两个问题，提出了一种基于文本引导对抗哈希的跨模态检索方法（text-guided adversarial hashing for cross-modal retrieval，TAH），此方法在构建的网络结构基础上，将文本哈希码作为训练图像网络的基础，并将图像的局部特征与全局特征结合用于表示图像内容。此外，还针对性地提出了文本模态内全局一致性损失、模态间局部与全局一致性损失和分类对抗损失用于训练跨模态网络。实验证明，TAH可以在三个数据集中取得良好的检索性能。

• 基于轮廓分段特征描述的遮挡目标识别算法

  赵亚威,郑伟,于洋,宋建辉,

  针对传统目标识别算法对于遮挡目标识别准确率低的问题，提出了一种基于轮廓分段特征描述的遮挡目标识别算法。该算法首先采用离散曲线演化算法初步划分目标轮廓，根据分段起伏度进行分段优化，得到完整描述目标轮廓特征的有效分段；然后通过动态规划算法分析轮廓分段之间高度函数特征的相似度，利用特征显著度评价分段特征相对于目标整体特征的重要性；最后将分段之间的相似度和其特征显著度相结合，得到衡量识别准确率的联合相似度，获得最终的识别结果。通过对MPEG-7测试集进行实验分析，证明所提算法能够有效地对遮挡目标进行匹配识别，识别率优于常见的遮挡目标识别算法。

• 基于法向量投票的点云配准方法

  周颖,林意,

  针对多平面结构的物体，传统的点特征点云配准方法存在鲁棒性差、易收敛到局部最优解等问题，提出了一种基于法向量投票的点云配准方法。用平面特征代替点特征作为配准基元，建立基于平面的坐标转换模型。首先构建kd-tree，计算各点的法向量，并将法向量转换到霍夫空间进行投票，提取平面特征；然后将单位四元数作为特征描述算子，以同名平面特征作为约束条件，根据最小二乘平差原则，求解点云之间的位姿变换关系。实验结果表明：相较于其他两种方法，提出方法对初始位置没有依赖性，在配准过程中可以有效避免局部最小陷阱，并且配准精度得到了提高。