计算机应用研究杂志

计算机应用研究杂志2022年第5期

• 水下图像复原中背景光求解方法研究最新进展

  熊竞,曹建秋,张天驰,

  水下特殊的成像环境，使得图像存在模糊、色偏等问题，给水下图像复原带来了新的挑战。基于成像模型的图像复原是提高水下图像质量的典型方法之一。背景光作为逆向复原的重要参数直接影响到水下图像复原的效果。目前对水下图像复原中背景光求解方法的综述文献较少，为了深入了解水下图像复原的研究现状和发展趋势，对水下图像复原中背景光求解方法进行综述。首先简述了水下模型，归纳了背景光的特征及背景光求解方法分类，通过详细分析各种典型的背景光求解方法的原理和特点，总结归纳了各种典型方法的优缺点，并提出了研究展望。

• 基于深度学习的三维点云分类方法研究

  魏天琪,郑雄胜,

  随着深度学习和3D传感技术的快速发展，点云分类已在智能分级等领域得到了广泛的应用。为了更好地推进点云分类技术的研究与应用，利用管道体系结构对相关方法的研究进展进行全面而系统的梳理、分析和总结。首先，根据点云数据处理方式的不同，将现有的点云分类方法归纳为间接基于点云的方法和直接基于点云的方法。然后，着重介绍了具有代表性的方法和最新研究成果，同时比较分析了主要方法的核心思想、优缺点、适用范围、应用场景以及实验结果。最后，从四个方面对点云分类的未来发展以及研究方向进行了展望，结果表明，将间接和直接点云的方法进行2D-3D特征融合是未来的一个重要发展方向。

• 基于深度学习的多模态医学影像分割研究综述

  杨鸿杰,徐巧枝,于磊,

  多模态医学影像分割是医学影像分析领域的研究热点之一。有效利用不同模态影像的互补信息，从多种层面提供病灶区域及其周围区域的更多信息，可提高临床诊断的准确性。为了分析深度学习在多模态医学影像分割领域的研究现状及发展方向，对该领域近些年的分割方法进行了整理和研究。在分析它们的特点及存在的问题的基础上，对未来研究方向进行了展望，可帮助相关研究者全面、快速地了解该领域的研究现状、存在的问题和未来研究方向。

• 基于多层次区块链的医疗数据共享模型

  刘扬,胡学先,周刚,魏江宏,

  基于区块链的医疗数据共享能够有效地提升医疗数据的可信性，但是面临着链上存储容量有限、缺乏数据隐私保护等问题。针对这些问题，提出一个基于多层次区块链的医疗数据共享模型。对个人医疗数据进行加密后上传到链下的分布式存储中，并将数据索引信息上传到链上，利用多层次区块链协同技术和链上链下混合存储方式提高存储效率；引入差分隐私保护联邦学习中模型参数提升数据的隐私安全。实验结果表明，相对于以太坊而言，该方案机构存储开销平均下降了60%左右，用户存储开销平均下降30%左右。

• 基于智能合约的分类分级属性访问控制方法

  刘炜,盛朝阳,佘维,田钊,

  传统医疗数据共享模型存在访问效率低下和访问控制中心化问题。针对医疗数据动态性强、数据量大和隐私度高的特点，提出一种基于智能合约的分类分级属性访问控制方法。首先，对属性和级别进行划分，形成属性类别和资源隐私等级，根据资源等级设计不同粒度的访问控制策略，合理配置属性信息，提升用户访问效率；然后，利用智能合约为访问控制提供去中心化的执行环境，允许自动化策略判决，解决集中式访问控制带来的安全隐患；最后，实验结果表明该方案能够有效提高访问控制效率，实现访问控制智能判决，保证医疗数据的安全共享。

• 基于区块链的共享充电桩安全监管方案

  刘会霞,李玲玲,

  共享充电桩可缓解当前电车充电难的现状。然而，基于第三方平台的共享充电桩平台面临着信任问题；而基于区块链的共享充电桩平台虽可提供信任环境，但缺乏对用户、桩主、充电量等信息核查。为解决以上问题，提出了一种基于区块链的共享充电桩安全监管方案。该方案通过基于双链的共享充电信任模型，安全地存储用户、桩主或运营商的关键信息，并在该模型上设计穿透式监管方案，向上核查用户、桩主或运营商的身份，向下核查充电量、充电速度等信息正确性。实验评估表明，该方案能够以不大的开销提高平台的安全性。

• 基于图依存分析的情感原因对抽取任务

  高德辰,张本文,赵容梅,琚生根,

  情感原因对抽取是情感分析任务中的子任务，旨在抽取出给定文档中的所有情感子句以及引起该情感所对应的原因子句。先前的研究在生成情感子句与原因子句表示时忽略了情感子句与原因子句之间的相互联系。为了解决上述问题，基于图依存分析的思想并融入了图注意力机制，提出了GAT-ECPE模型。该模型在获取到情感子句表示与原因子句表示时，将句向量作为节点输入图注意力层从而学习到子句之间关系的信息，而后进行双仿射映射得到情感原因对的编码表示。并且设置了多任务来将情感抽取与原因抽取任务建立联系。在ECPE数据集上的实验结果证明，该模型相较于先前的一系列模型，在评估指标上有所提升。

• 卷积融合文本和异质信息网络的学术论文推荐算法

  吴俊超,刘柏嵩,沈小烽,张雪垣,

  针对交互数据稀疏和推荐多样性问题，基于卷积协同过滤推荐框架提出卷积融合文本和异质信息网络的学术论文推荐算法（WN-APR）。首先学习不同语义下用户和论文的多样化特征，缓解数据稀疏问题；然后基于外积设计不同语义特征相互增强的方式融合它们，并使用三维卷积神经网络代替二维卷积神经网络充分挖掘不同特征对性能的影响；最后改进贝叶斯个性化排序损失函数增强推荐多样性。在CiteuLike-a、CiteuLike-t数据集上的实验结果表明，相比于基线模型，WN-APR在准确率和多样性的四个指标上都有所提升。

• 基于自注意力机制的局部与全局特征融合的评分预测算法

  伊磊,纪淑娟,

  为了完全挖掘异质信息网络中节点的特征并且更好地融合这些特征，提高推荐算法的性能，提出一种基于自注意力机制的局部与全局特征融合的评分预测算法（rating prediction algorithm based on self-attention mechanism and fusion of local & global features，AMFL&GRec）。首先基于LeaderRank算法提取目标节点的全局序列，基于元路径带偏置的随机游走算法提取节点的局部序列，通过skip-gram模型分别学习节点的全局特征与局部特征；通过自注意力机制学习目标节点对局部与全局特征的偏好，从而得到在单一元路径下节点的特征表示；再通过自注意力机制融合不同元路径下同一节点的表示，从而得到节点在不同元路径下的最终特征表示；最后基于多层感知器实现评分预测任务。在两个真实数据集进行了大量实验，实验结果验证了AMFL&GRec算法不仅能够捕获具有密集连通节点的微观（局部）结构，而且还能够捕获该节点在网络中的全局结构，从而使其得到的节点特征得以体现节点的整体（局部+全局）特征。同时，实验结果也证明了AMFL&GRec算法评分预测性能优于对比算法，从而证明利用自注意力机制考虑异质信息网络中节点对于局部、全局特征以及元路径的偏好能够提高评分预测的准确性。

• 基于动态规划的优先语义扩充求解算法

  熊才权,宗泽华,吴歆韵,

  抽象辩论框架中的优先语义是判断争议可接受程度的最重要语义。现有优先扩充求解方法多用标记映射求解，依赖于标记的定义、转换规则、相邻争议的标记。算法每次迭代会产生一个新的抽象辩论框架导致时间、空间复杂度较高。提出一种基于动态规划的优先扩充算法，在动态规划中加入争议可接受性判断，求出辩论框架中极大可容许集得到优先扩充。在基于随机抽象辩论框架与ICCMA提供的数据集进行实验，同Heureka、ArgSemSAT等算法进行对比。结果表明，求解相同数量的优先扩充，算法耗时较少，时间、空间复杂度有所降低。

• 多层结合的多阶显式交互的融合推荐模型

  孙伟智,欧鸥,杜雪垒,罗凯耀,

  现有不少模型着眼于对有限数据通过生成显式特征交互以进行挖掘来提升点击率预测效果，但存在以下问题：对于原特征与新生成的显式特征，直接一起输入到一个统一的神经网络结构进行挖掘然后输出，由于两者参数量差别较大导致在表征上差异巨大；同时如果直接采用多级层数的神经网络结构还会导致低层，如第一、二层信息的丢失，但若直接将各层进行累加以结合，则一些层中有用性有限的信息可能成为噪声以影响预测。为此设计多层权重结合的多阶显式交互的融合推荐模型，通过将原数据与生成的多阶显式特征分别放入各自对应的自注意力层中挖掘，其中各自对应结构的层数不同，同时对各层进行加权后输出以完成多层的结合，以提高点击率预测效果。通过在两个公开数据集上与多个不同模型进行比较分析，并对模型进行消融对比和超参数对比实验，证明了该模型能有效挖掘原特征与显式交互特征信息，平衡各阶特征表征能力。

• 基于伪标签的无监督领域自适应分类方法

  杨国庆,郭本华,钱淑渠,武慧虹,韩静,

  现有的领域自适应方法在匹配分布时并未完全考虑伪标签置信度或伪标签损失计算问题，针对此类问题，提出循环选择伪标签分类模型（CSPL）。利用深度网络提取图像特征，为目标域打上高置信度伪标签使得训练数据增强，采用MMD距离度量方法对齐源域和目标域的概率进行分布，同时设计伪标签损失同步迭代学习，更新模型作为下一次循环的训练模型直至模型收敛。在常用的领域自适应数据集Office31、Office-Home、ImageCLEF-DA以及Amazon-Review上实验表明，该模型相比之前域适应模型在准确度方面平均提升4%~8%，且模型的鲁棒性也明显增加。

• 融合统计方法和双向卷积LSTM的多维时序数据异常检测

  夏英,韩星雨,

  通过数据分析进行异常检测，有助于准确识别异常行为，从而提高服务质量和决策能力。然而，由于多维时序数据的时空依赖性以及异常事件发生的随机性，现有方法仍然存在一定的局限性。针对上述问题，提出一种融合新型统计方法和双向卷积LSTM的多维时序数据异常检测方法MBCLE。该方法引入堆叠的中值滤波处理输入数据中的点异常并平滑数据波动；设计双向卷积长短期记忆网络（Bi-ConvLSTM）和双向长短期记忆网络（Bi-LSTM）相结合的预测器进行数据建模和预测；通过双向循环指数加权移动平均（BrEWMA）平滑预测误差；使用动态阈值方法计算阈值以检测上下文异常。实验结果表明，MBCLE具有良好的检测性能，各步骤均对性能提升有所贡献。

• 少样本文本分类的多任务原型网络

  于俊杰,程华,房一泉,

  少样本文本分类中，原型网络对语义利用不足、可迁移特征挖掘不够，导致模型泛化能力不强，在新任务空间中分类性能不佳。从模型结构、编码网络、度量网络等角度提高模型泛化性，提出多任务原型网络（multiple-task prototypical network，MTPN）。结构上，基于原型网络度量任务增加辅助分类任务约束训练目标，提高了模型的语义特征抽取能力，利用多任务联合训练，获得与辅助任务更相关的语义表示。针对编码网络，提出LF-Transformer编码器，使用层级注意力融合底层通用编码信息，提升特征的可迁移性。度量网络使用基于BiGRU的类原型生成器，使类原型更具代表性，距离度量更加准确。实验表明，MTPN在少样本文本情感分类任务中取得了91.62%的准确率，比现有最佳模型提升了3.5%以上；在新领域的情感评论中，基于五条参考样本，模型对查询样本可获得超过90%的分类准确率。

• 考虑结构与行为特征的水军群组检测算法

  张琪,纪淑娟,张文鹏,曹宁,李宁,

  在线评论对用户的购买决策有重要的影响作用，部分卖方为提高自身信誉或贬低竞争对手的产品，通过雇佣大量水军有组织、有策略地撰写虚假评论来误导潜在消费者。为了检测这种有组织的水军群组，提出了一个综合考虑网络结构与评论者的行为特征水军群组检测算法。首先，根据评分和评论时间相关性得到评论者之间的紧密度，构建评论者关系图；其次，基于构建的评论者关系图，利用标签传播方法检测社区，得到候选群组集合；最后，复原候选群组对应的二部图，以对比可疑度为评估指标，在每个二部图上找到最终的造假者。基于真实数据集的实验结果证明了该算法的有效性。

• 基于知识图谱的互补项目推荐

  刘广明,梁永全,纪淑娟,李琳,

  在缺乏用户交互互补项目方面数据的情况下，将用户对项目的偏好融合到只考虑项目关系的互补项目推荐中，提高推荐模型的性能。提出一种基于知识图谱的互补项目推荐方法，在用户历史交互项目集中推测用户交互的互补项目，基于知识图谱提取用户对互补项目的偏好，利用图像与文本学习项目之间的互补关系，最后基于神经网络实现两者的共同学习。提出的方法在Amazon数据集上与次优的基线方法相比，ACC提升了7%，precision提升了3%，这说明提出的方法性能优异。该算法共同学习用户对项目的偏好与项目之间的互补关系，提升了推荐性能。

• 多策略协同改进的阿基米德优化算法及其应用

  罗仕杭,何庆,

  针对阿基米德优化算法（AOA）寻优过程中存在全局搜索能力弱、收敛精度低、易陷入局部最优等缺陷，提出一种融合多策略的阿基米德优化算法（MAOA）。首先，采用随机高斯变异策略选取适应度优的多个个体引导种群向最优解区域寻优，增强全局搜索能力；其次，利用多种混沌映射的随机性、遍历性和多样性，引入局部混沌搜索策略扩大混沌空间的搜索范围，提高算法的局部开发能力；同时，为了协调算法的全局勘探和局部开采能力，提出一种非线性动态密度降低因子；最后，利用Lévy飞行引导机制的黄金正弦策略对种群位置进行扰动更新，增加迭代过程中种群的多样性，提高算法跳出局部最优的能力。通过对12个基准测试函数和部分CEC2014测试函数进行仿真实验，结果表明所提算法能够改善AOA全局探索能力弱、易陷入局部最优等缺点，提高AOA的寻优精度和稳定性。另外，引入机械设计案例进行测试分析，进一步验证MAOA在处理实际问题上的适用性和可行性。

• 基于角度惩罚距离的收敛因子非线性递减多目标鲸鱼优化改进算法

  王龙达,王兴成,刘罡,

  为了提高多目标鲸鱼优化算法的全局优化性能，提出了一种基于角度惩罚距离的收敛因子非线性递减多目标鲸鱼优化算法IWOA-APD。首先，针对基本多目标鲸鱼算法收敛性和多样性难以平衡的问题，采用角度惩罚距离作为解优劣评价指标。其次，给出了一种基于迭代进度和优化因子的收敛因子指数形式非线性递减策略，该策略可以通过调整优化因子进一步提升优化性能。除此之外，给出了基于融合距离与拥挤度距离的精英集维护机制，从而改善精英集的多样性维护效果。最后，为了验证该算法的有效性，基于五种标准测试函数及一种城市轨道列车速度曲线优化实际算例，在MATLAB2016b GUI平台下采用所提出的IWOA-APD与IWOA、MOWOA、dMOPSO进行对比仿真。仿真结果表明，所提出的IWOA-APD寻到了更理想的优化结果。由此说明，相比于一些性能品质良好的优化算法，IWOA-APD还具有更快的计算速度和更高的全局收敛精度。

• 求解多峰目标函数的改进阴阳对算法

  李大海,詹美欣,王振东,

  针对阴阳对优化算法（YYPO）在优化多峰目标函数时存在收敛速度过快和收敛精度过低等问题，提出了一种融合差分变异策略和高斯分布扰动的D向分割方法改进的阴阳对算法MYYPO。首先，MYYPO在算法的分割阶段引入了结合自适应变异因子的差分变异操作，以提高候选解的多样性并增强算法的全局探索能力。其次，利用改进的D向分割方法进行候选解的更新，提高算法面对高维目标函数的搜索能力。实验采用CEC2013进化大会中的20个测试函数对各算法的性能进行评估。实验结果表明，MYYPO在多峰函数的优化上可以获得更好的收敛精度和更好的全局搜索能力，在大多数情况下都优于标准YYPO和YYPO的其他改进算法。最后，将MYYPO应用于一个电液位置伺服控制系统的PID参数优化问题，MYYPO也获得了最好的结果。

• 自适应t分布与动态边界策略改进的算术优化算法

  郑婷婷,刘升,叶旭,

  针对算术优化算法（arithmetic optimization algorithm， AOA）存在的收敛速度慢、易陷入局部最优等问题，提出了自适应t分布变异和动态边界策略改进的算术优化算法（t-CAOA）。利用引入自适应t分布变异策略提高种群的多样性和质量可以有效提升算法的收敛速度，同时通过引入余弦控制因子的动态边界策略优化AOA的寻优过程，从而协调AOA的全局勘探和局部开发能力。对10个单模态和多模态函数进行寻优实验，并与鲸鱼优化算法、灰狼优化算法等算法进行对比，实验结果表明，经过改进的算术优化算法具有更高的寻优精度和稳定性。进一步对t-CAOA进行求解大规模优化问题的实验，实验结果表明，改进过的t-CAOA可以有效地解决大规模优化问题。

• 混合策略改进鲸鱼优化算法

  李安东,刘升,

  针对标准鲸鱼优化算法（whale optimization algorithm，WOA）易陷入局部最优解、收敛精度低、收敛速度慢等问题，提出一种利用混合策略改进的鲸鱼优化算法（multi-strategy improved whale optimization algorithm，MSIWOA）。首先采取精英反向策略初始化种群，提高初始种群质量；其次，采取卡方分布的逆累积分布函数更新收敛因子以实现全局探索和局部开发的平衡；然后利用改进氏族拓扑结构强化种群的全局探索能力，并提高算法收敛速度；最后采取circle映射产生混沌解，结合贪婪策略保留较优解，以帮助种群跳出局部最优解。通过对10个基准测试函数以及CEC2019测试函数进行仿真实验，结果表明，MSIWOA在收敛精度和收敛速度上均有较明显的提升。

• 基于图像识别的跨模态实体链接模型

  陈烨,周刚,章梦礼,朱秀宝,黄宁博,

  提出了一个基于图像识别的跨模态实体链接模型。首先，利用人机交互的图像目标截取模块实现图像目标指代，支持多目标图像的输入，将复杂的目标检测任务简化为图像识别分类任务。然后，设计了一个基于轻量快速的MobileNetV2网络训练的图像识别模块，在自建目标图像数据集环境下进行测试。实验结果验证了该模型能够减小模型规模，降低对硬件的要求，通过有监督的数据增强，在少样本训练条件下达到了94.06%的识别准确度，缓解了数据缺乏的问题。最后，进一步借助模型输出的目标实体命名标签，完成跨模态实体链接任务，能够有效支撑图像输入条件下的知识图谱问答任务。

• 基于动态度的回溯算法求解大值域约束满足问题

  张学才,赵春艳,

  针对一个具有精确可满足性相变现象的大值域随机约束满足问题，提出了两种启发式动态回溯算法，即基于动态度的ddeg-MAC（dynamic degree-maintaining arc consistency）回溯算法和基于值域与动态度比值的dom/ddeg-MAC（dom/dynamic degree-maintaining arc consistency）回溯算法。这两种算法分别基于ddeg和dom/ddeg挑选变量，利用维持弧相容（MAC）技术为挑选的变量进行赋值。当赋值无法进行时，再执行动态回溯修正变量的赋值。数值实验结果表明：在控制参数非常接近理论相变点时，算法仍然能够有效地找到问题的解。与经典回溯算法相比，这两种启发式动态回溯算法具有显著的优越性。

• 基于K维结构熵的调查传播算法收敛性分析

  梁晨,王晓峰,刘子琳,芦磊,牛鹏飞,

  信息传播算法在可满足性（SAT）问题上性能表现优越，其收敛性却依赖于因子图的结构复杂程度，至今缺少系统的理论解释。调查传播算法（SP）是解决SAT问题效果最好的信息传播算法。为有效分析SP算法的收敛性，借助因子图转换技术和鲁汶算法划分因子图社区，基于K维结构熵理论，提出了SAT实例的K维结构熵度量模型，得出了随机SAT实例的K维结构熵。分析了SP算法收敛性与K维结构熵之间的关系，给出了SP算法收敛性的K维结构熵阈值。实验证明该方法有效。

• 基于差异距离反馈的多执行体裁决算法与调度算法

  余飞,刘可,耿洋洋,魏强,

  针对现有多执行体裁决算法和调度算法主要将执行体受攻击的次数作为可信度的参考依据，难以区分每次攻击行为的恶意程度，也难以应对执行体输出为数值且允许存在误差的应用场景的问题，以电力系统状态估计异常检测作为应用场景，提出根据归一化的执行体输出差异距离调整其可信度的裁决算法，以及基于运行时长、可信度和切换开销等构造收益函数的调度算法。仿真实验结果表明，相比同等权重的裁决算法和随机切换的调度算法，所提算法在系统执行开销基本相同的情况下，可以将系统平均失效率降低43.8%，能够有效地提升工业网络防护设备的防御能力。

• 基于交叉注意力机制的波束形成后置滤波网络

  刘卓,付中华,

  针对经典后置滤波器存在的对非平稳噪声抑制效果较差且存在目标语音失真的问题，提出一种基于交叉注意力机制的后置滤波网络，使用基于门控循环单元的编解码器作为网络框架，并在编解码器组之间添加残差连接；使用基于伽马通域的波束输出信号与噪声参考信号功率谱的子带增益作为双特征输入；使用特征交叉的多头归一化点积注意力捕获序列输入的长距离依赖信息并进行特征融合。实验结果表明，该算法在不同信扰比和噪声条件下的语音质量和可懂度指标均优于基线系统，具有较强的鲁棒性；在对非平稳噪声具有较好抑制效果的同时，能最小化目标语音的失真；且相较端到端的深度学习方法，具有轻量化和低时延的特点，能满足实际工程应用的需求。

• 基于张量奇异值理论的交通数据重构方法

  武江南,张红梅,赵永梅,曾航,

  由于探测器和通信设备的故障，交通数据的缺失是不可避免的，这种缺失给智能交通系统（ITS）带来了不利的影响。针对此问题，运用张量平均秩的概念，对张量核范数进行最小化，从而构建了新的低秩张量补全模型，并且在此基础上，基于张量奇异值分解（T-SVD）和阈值分解（TSVT）理论，分别使用坐标梯度下降法（CGD）和交替乘子法（ADMM）对模型进行求解，提出两个张量补全算法LRTC-CGD和LRTC-TSVT。在公开的真实时空交通数据集上进行实验。结果表明，LRTC-CGD和LRTC-TSVT算法在不同的缺失场景和缺失率条件下，补全精度要优于现行的其他补全算法，并且在数据极端缺失情况下（70%~80%），补全的效果更加稳定。

• 动态信任感知的偏好演化模型研究

  海燕,贾卫华,刘志中,

  有界置信模型（bounded confidence model，BCM）是舆论动力学中对偏好演化进行建模的重要模型，但其假设个体会完全接受与之交流个体的偏好以及所有的个体会诚实表达其偏好与实际情况不符，存在明显不足。针对该问题，提出了一种动态信任感知的偏好演化模型（dynamic trust-aware preferences evolution model，DTPEM）。首先，引入偏好接受度算子建模个体对交互对象偏好的接受度；其次，引入动态信任度算子度量个体偏好表达的诚实程度；然后建模偏好差距对信任度的影响。基于智能体模拟仿真实验与其他模型进行对比，结果表明，DTPEM在偏好演化的准确度上有了较大幅度的提升。

• 不完备区间值决策系统的三支决策模型及增量式规则获取算法

  梁艳玲,唐孝,古睿,

  在现实应用中，区间值数据会因为测量、干扰或信息传输等噪声影响导致数据出现缺失值，而且这些数据随着时间推移呈现动态递增趋势，忽略或删除这些数据很有可能导致有用信息的丢失而出现决策误判。为此，针对这一问题，提出面向不完备区间值决策系统的三支决策模型和增量式规则获取算法。首先定义不完备区间值数据的量化相似容差关系，构造出基于不完备区间值决策系统的三支决策模型；其次从两个层级分析对象集动态规则获取策略，提出增量式规则获取算法；最后，通过一组UCI数据集对该算法进行验证。实验结果表明，该算法不仅能减少误划分损失获得更高的划分精度，而且在运行时间上也具有较大优越性。

• 基于自适应阈值的循环剪枝算法

  王以忠,郭振栋,房臣,杨国威,王琦琦,郭肖勇,

  针对YOLO系列目标检测算法中复杂的网络模型和大量冗余参数问题，提出了一种基于自适应阈值的循环剪枝算法：在经过基础训练和稀疏化训练后，进入到自适应阈值剪枝模块，该模块针对缩放因子分布情况，通过缩放因子对通道和卷积层的重要性进行评估，自主学习到一个剪枝阈值，再对网络模型进行剪枝，此过程可以循环进行，并在通道剪枝和层剪枝中应用。该算法中的阈值不是人为设定，而是针对当前网络结构学习获得，通过剪枝获得一个更优的精简模型。算法实验基于YOLOv3在三个数据集上验证，结果表明，该算法对不同数据集、不同网络结构表现出较强的适应性，与传统固定阈值相比，通过自适应阈值剪枝的模型在检测精度、压缩效果、推理速度等方面都取得了更优的效果。

• 基于语义分割动态特征点剔除的SLAM算法

  张恒,徐长春,刘艳丽,廖志芳,

  针对动态物体容易干扰SLAM建图准确性的问题，提出了一种新的动态环境下的RGB-D SLAM框架，将深度学习中的神经网络与运动信息相结合。首先，算法使用Mask R-CNN网络检测可能生成动态对象掩模的潜在运动对象。其次，算法将光流方法和Mask R-CNN相结合进行全动态特征点的剔除。最后在TUM RGB-D数据集下的实验结果表明，该方法可以提高SLAM系统在动态环境下的位姿估计精度，比现有的ORB-SLAM2的表现效果更好。

• 边界与密度适应的SMOTE算法研究

  梅大成,陈江,郑涛,

  针对合成少数类过采样技术等基于近邻值的过采样算法在处理数据类不平衡时，不能根据少数类样本分布情况及时调整模型参数，导致过采样后的数据集引入噪声，并且在原始分布区域上无差别地合成少数类实例造成过拟合等问题，提出了一种特征边界和密度适应的SMOTE算法（SMOTE algorithm for feature boundary and density adaptation，BDA-SMOTE）。该算法为每一个少数类样本规划安全区域，增加少数类的分布，同时基于数据的分布密度动态地调整模型参数，确保生成的数据具有明显的特征边界，防止过拟合。在公开数据集KEEL上与常用的SMOTE算法进行实验对比，结果BDA-SMOTE的性能优于其他基于近邻SMOTE算法。表明该算法较好地扩展了原数据集的分布，同时合成的噪声样本更少。

• 基于GIS技术的双层PCB布线的空间剖分算法

  杜晶,张剑,刘明玉,陈大涛,呙维,高飞,赵雨慧,杨坤,

  双层印制电路板（PCB）通常空间结构及布线线形复杂、约束规则众多，而常用PCB空间结构简单、布线线形单一，不能有效利用PCB的空间关系及拓扑信息引导布线规划。为弥补以前工作的不足，提出一种基于GIS（geographic information system）技术的空间剖分算法，首先利用空间距离与几何要素拓扑关系进行分组预处理，然后引入矢栅一体化模型构建复杂空间及属性约束下的网络模型，基于该网络模型提取区域基准线并利用空间缓冲区技术得到空间剖分结果，从而引导布线规划。实验结果表明，该算法能够在满足所有设计规则的情况下实现100%的布线连通率，同时有效利用布线空间资源；提出的算法布线线形接近人工布线，对于实现复杂场景与多约束下的双层PCB自动化布线具有实际意义。

• 基于注意力机制的PM2.5多阶图卷积网络推断模型

  彭一非,杨维,

  细颗粒物（PM2.5）与大气环境和人类生活息息相关。城市中PM2.5监测站数量有限，无法提供细粒度PM2.5浓度，而大多数现有的PM2.5浓度推断方法缺乏根据动态时空特征建立多阶相关系数矩阵的能力。为此提出了一种基于注意力机制的PM2.5多阶图卷积网络推断模型（MOSTGCNInf）。该模型在利用图神经网络提取特征关系的同时，采用注意力机制动态构建多阶节点的注意力系数矩阵，并进行时空特征融合来提升PM2.5浓度推断效果。在公开数据集上进行了对比实验，使用准确率和F1值作为评价指标，并通过消融实验验证了方法的有效性。实验结果表明，MOSTGCNInf对PM2.5浓度推断结果有提升作用。

• TCN-KT：个人基础与遗忘融合的时间卷积知识追踪模型

  王璨,刘朝晖,王蓓,赵忠源,唐坤,

  智慧教育的热门领域知识追踪（KT）被视为序列建模任务，其主要关注点和解决方式都集中在循环神经网络（RNN）上。但RNN通常会面临梯度消失或者梯度爆炸等问题，且训练时间和设备要求都过于严苛，针对以上问题，提出融合学习者个人先验基础和遗忘因素的时间卷积知识追踪模型（TCN-KT）。首先利用RNN模型计算得到学生个人先验基础，然后使用梯度稳定、内存占用率更低的时间卷积网络（TCN）预测学生下一题正误的初始概率，最后融合基于学生基础的遗忘因素得到最终结果。实验验证，TCN-KT预测性能最佳并减少了计算时间。

• 基于深度强化学习的AGV智能导航系统设计

  贺雪梅,匡胤,杨志鹏,杨亚乔,

  针对现有的AGV在大规模未知复杂环境中进行自主导航配送的问题，基于深度强化学习完成了AGV智能导航系统设计。首先，结合传感器对周围的障碍物进行探测感知，利用DDPG（deep deterministic policy gradient）算法实现AGV小车从环境的感知输入到动作的直接输出控制，帮助AGV完成自主导航和避障任务。此外，针对训练样本易受环境干扰的问题，提出了一种新颖的DL（disturb learning）- DDPG算法，通过对学习样本中相关数据进行高斯噪声预处理，帮助智能体适应噪声状态下的训练环境，提升了AGV在真实环境中的鲁棒性。仿真实验表明，经改进后的DL-DDPG 算法能够为AGV导航系统提供更高效的在线决策能力，使AGV小车完成自主导航与智能控制。

• 基于自适应多元多尺度熵的心电信号分类研究

  张浪飞,李诗楠,梁竹关,丁洪伟,

  针对目前单通道心电信号识别精度不高、现存多元分解方法效果不佳、多元非线性心电信号分析复杂等问题，提出了一种基于自适应多元多尺度色散熵的心电信号分类方法。首先利用频谱分析，创新性地引入了正弦辅助多元经验模态分解方法，对心电信号进行分解得到多元模态分量；然后结合多模态分解和色散熵的优越性，通过累加多元本征模态分量代替粗粒化采样，提出了自适应多元多尺度色散熵的方法获取特征熵值；最后将特征输入到多个分类器上进行分类，通过实验对比分析，在模拟信号和MIT-BIH数据上验证该方案的有效性。

• 工业5G的D2D多跳中继辅助传输方法及中断性能分析

  王准,许驰,王倚天,徐文彪,夏长清,金曦,

  面向工业5G网络的超可靠强实时传输要求，研究基于设备到设备通信（device-to-device，D2D）的多跳多中继辅助传输方法。基于随机几何理论，采用泊松点过程对工业现场设备进行建模，并划分中继选择区域。多跳中继过程中，每一跳中继选择信干噪比最大的节点进行解码转发，充分考虑层叠部署的多条D2D传输路径上的节点干扰以及随机噪声，推导出端到端中断概率的闭式表达式。仿真分析了中继节点部署密度、发射功率、路径距离等因素对端到端中断概率的影响。结果表明，采用多跳多中继辅助的D2D传输可以大幅降低工业5G网络的端到端中断概率，提高传输可靠性。

• 基于信任机制的无线传感器网络可靠传输路由协议

  张倩,任秀丽,

  在无线传感器网络中，针对异常事件监测时会出现大量数据发送引起网络拥塞、数据包无法可靠传输的问题，提出一种基于信任机制的可靠传输路由协议（RTRPT）。该协议提出了梯度分簇模型以选取簇头节点。在无异常事件发生时，通过转发能量阈值找出传输数据的邻居节点，进行数据传输。同时对这些节点进行转发概率与历史信任度计算得到直接信任度，再通过这些节点交互间接评价得到间接信任度。将直接信任度、间接信任度、距离度量和剩余能量作为评价指标，量化后通过熵权法得到邻居节点的综合信任。在异常事件发生时，节点仅需选择综合信任度最大的邻居节点作为转发节点，建立路由路径。使用OMNeT++进行仿真验证，RTRPT与TSRP、ESRT相比，在传输大量数据包时节点丢包率分别降低69.4%、52.7%；节点传输延迟分别降低53.6%、34.8%；网络生命周期分别延长32.5%、15.7%。仿真结果表明，RTRPT能有效减少丢包、降低传输延迟、延长生命周期。

• 基于AUPF的TDOA几何定位跟踪算法研究

  陈为业,刘广怡,李鸥,

  使用无源时差（TDOA）定位技术确定无人机等小型辐射源目标的位置是当前研究的热点，针对时差定位算法较为复杂的实际情况，推导了时差双曲线的几何解，并提出了一种基于自适应无迹粒子滤波（AUPF）技术的移动目标定位跟踪方法。通过仿真对该方法在不同场景的应用效果进行了验证，进一步比较分析了算法的定位精度。结果表明，基于自适应无迹粒子滤波的时差几何定位跟踪算法可以在多种情况下较好地拟合出目标真实运动轨迹，实现对运动目标的定位跟踪，同时拥有更低的定位误差和更高的轨迹包容度，使用该方法可以显著提高对非合作移动辐射源目标的位置估计性能。

• 多用户动态节能资源竞争计算卸载策略

  房玉超,梅红岩,周军,张兴,

  针对移动边缘计算环境下，移动设备的计算、续航、存储能力的不足，导致其响应延迟、电池寿命降低等问题，设计了一种动态节能资源竞争计算卸载（DERCO）策略。该策略综合考虑了信道容量以及设备间的相互干扰等情况，以一种贪婪算法的思想，让所有边缘设备通过迭代竞争信道资源，节能效果最好的设备将获得卸载机会，再利用一次性卸载方法，根据实时的信道状况和卸载速率进行动态的细粒度子任务卸载决策。实验结果表明，该策略优于一种近似协同计算卸载方案，有效降低了设备的能耗与时延。

• 基于灰狼优化和匈牙利算法的D2D资源分配策略

  肖瑶,刘会衡,程晓红,安忙忙,

  当前，车联网系统中存在频谱资源有限、系统干扰较大、D2D（device to device）用户通信质量差等问题。针对上述情况，提出了一种基于灰狼优化和匈牙利算法的D2D资源分配策略。在保证蜂窝用户以及D2D用户通信质量的前提下，该模型首先利用灰狼优化获得每个D2D用户的最佳发射功率，然后利用匈牙利算法实现D2D用户与蜂窝用户的最佳信道匹配，最大化D2D用户的总容量。仿真结果表明，该算法与和声搜索算法和遗传算法相比，在有效提升D2D用户的总容量同时，单个D2D用户也能获得较高的最大、最小容量。

• 深度可分离卷积在Android恶意软件分类的应用研究

  褚堃,万良,马丹,张志宁,

  传统机器学习在恶意软件分析上需要复杂的特征工程，不适用于大规模的恶意软件分析。为提高在Android恶意软件上的检测效率，将Android恶意软件字节码文件映射成灰阶图像，综合利用深度可分离卷积（depthwise separable convolution，DSC）和注意力机制提出基于全局注意力模块（GCBAM）的Android恶意软件分类模型。从APK文件中提取字节码文件，将字节码文件转换为对应的灰阶图像，通过构建基于GCBAM的分类模型对图像数据集进行训练，使其具有Android恶意软件分类能力。实验表明，该模型对Android恶意软件家族能有效分类，在获取的7 630个样本上，分类准确率达到98.91%，相比机器学习算法在准确率、召回率等均具有较优效果。

• 基于APCNN和BiGRU-Att的单词DGA域名检测方法

  黄蔚秋,欧毓毅,凌捷,

  为了提高对基于单词的域名生成算法（domain generation algorithm，DGA）生成的恶意域名的检测准确率，提出了一种结合改进的并行卷积神经网络（APCNN）和融合简化注意力机制的双向门控循环单元（BiGRU-Att）的网络模型，该模型能充分学习单词特征、单词之间的组合关系和关键字符信息。实验结果表明，相比Bilbo和CL模型，APCNN-BiGRU-Att模型的分类准确率和F1值更高，表明该模型具有更好的检测效果、多分类效果和稳定性。

• 自动化门限掩码新方法

  杨蕊涵,韦永壮,李灵琛,

  为了有效抵御差分功耗攻击，密码芯片通常在算法级使用掩码防护。现有的门限掩码方法主要依赖于手工对密码核心部件的分解、推算及随机比特数的配置，其明显的缺点是计算及验证过程复杂、烦琐，而且掩码方案实现效率往往较低。如何在不注入额外随机数的情况下，自动化地生成掩码方案是目前业界讨论的热点问题。基于依赖函数的最小共享数目提出一种自动化门限掩码新方法。该方法仅需在拆分变元时用到随机数，而其他掩码环节不需引入额外随机数。实验结果表明：该方法应用于轻量级密码LBlock算法及16类最优4 bit密码S盒上的一阶门限掩码防护时，其T-test的峰值较于不加防护情形下的峰值缩小10倍以上；在实际平台的差分功耗攻击下，使用100万条能量迹也无法恢复出LBlock密码算法的任何密钥比特。这证实该掩码防护是新型有效的。此外，针对SKINNY、Midori、PRESENT和PRINCE等轻量级密码算法使用的密码S盒还分别给出其一阶自动化门限掩码新方案。

• 基于假位置选择的位置隐私脱敏算法

  张爱,李晓会,李波,

  传统位置隐私脱敏技术容易遭受背景知识攻击和单点攻击，造成用户位置隐私泄露，危及其生命财产安全。针对此问题，提出了一种基于假位置选择的位置隐私脱敏算法DLPD（dummy location privacy desensitization）。首先，通过衡量位置敏感程度、实行偏移优化、过滤位置查询概率来构造假位置候选集；其次，改善位置分布筛选假位置；最终，构造安全匿名集实现位置隐私脱敏。实验证明，该算法增强了隐私保护强度，提高了隐私保护的有效性，同时，降低了开销，具有实用性。

• 基于多尺度卷积神经网络的交通标示识别研究

  刘万军,李嘉欣,曲海成,

  交通标示识别在自动驾驶领域有着广泛的应用前景。在实际场景中，光照、地理位置、检测方法等因素会对较小交通标示识别产生影响，导致识别精度降低。针对这些问题，提出一种新型多尺度融合卷积神经网络模型（SF-RCNN）。首先在基础特征提取网络中加入多尺度空洞卷积池化金字塔模块（MASPP），在多尺度空洞卷积采样后，不改变每一个特征下的信息量，而是通过合并通道数来实现特征图的融合，这样既减少了分辨率的损失，也可以捕捉同一图像的上下文信息；其次在网络中增加两个快速拼接模块（F-concat），融合模型中高层与低层的信息，既丰富语义信息，又可以实现不同尺度信息的重复利用；最后在每个最大池化层之前增加批标准化层（BN），转换每一层的数据。尽管增加模块加深了网络深度，但是BN层可以加快模型收敛速度，使整个训练时间不发生较大改变。在CCTSDB数据集上进行特征提取。实验结果表明，该模型利用新型网络结构SF-RCNN，交通标示识别精度均值达到了87.48%，警告类别识别精度达到89.93%，禁令类别识别精度达到89.25%、方向类别识别精度达到81.08%、指示类别识别精度达到89.66%。

• 基于Transformer实现文本导向的图像编辑

  兰红,陈子怡,刘秦邑,

  为方便非专业用户修图，提出一种基于Transformer的图像编辑模型TMGAN，使用户可通过自然语言描述自动修改图像属性。TMGAN整体框架采用生成对抗网络，生成器采用Transformer编码器结构提取全局上下文信息，解决生成图像不够真实的问题；判别器包含基于Transformer的多尺度判别器和词级判别器两部分，给生成器细粒度的反馈，生成符合文本描述的目标图像且保留原始图像中与文本描述无关的内容。实验表明，该模型在CUB Bird数据集上，IS（inception score）、FID（Fréchet inception distance）以及MP（manipulation precision）度量指标分别达到了9.07、8.64和0.081。提出的TMGAN模型对比现有模型效果更好，生成图像既满足了给定文本的属性要求又具有高语义性。

• 基于注意力机制的红外与可见光图像融合网络

  陈伊涵,郑茜颖,

  针对现有融合方法缺乏通用性的问题，提出一种结合空间注意力和通道注意力的特征融合网络，设计一个端到端融合框架，采用两阶段的训练策略进行训练。在第一个阶段，训练一个自编码器用来提取图像的特征；在第二个阶段，使用提出的融合损失函数对融合网络进行训练。实验结果表明，该算法既能保留红外图像显著目标特征，还能在保留可见光图像细节上有很好的特性。主观和客观的实验分析验证了该算法的有效性。

• 结合结构重参数化方法与空间注意力机制的图像融合模型

  俞利新,崔祺,车军,许悦雷,张凡,李帆,

  针对深度学习在红外与可见光图像融合时无法同时满足运算效率和融合效果的问题，提出了一种无监督端到端的红外与可见光图像融合模型。该模型的图像特征提取模块采用结构重参数化方法，有效提升了算法的运行效率；同时引入了注意力机制，减小了冗余信息对融合结果的干扰；损失函数基于结构相似度设计。对比实验结果表明，该模型保证了融合效果并提升了运行速度，相比于不使用结构重参数化的方法，运行速度提升了34%。

• PNet：融合注意力机制的多级低照度图像增强网络

  杨微,张志威,成海秀,

  低照度图像存在亮度低、噪声伪影、细节丢失、颜色失真等退化问题，使得低照度图像增强成为一个多目标增强任务。现有多数增强算法不能很好地在多个增强目标上取得综合的性能，对此，提出PNet——融合注意力机制的多级低照度图像增强网络模型，通过构建多级串联增强任务子网，结合注意力机制设计多通道信息融合模块进行有效特征筛选及记忆，网络以序列方式处理图像流，协同渐进式完成图像全局自适应亮度提升、噪声伪影抑制、细节恢复、颜色矫正等多任务。此外，通过与现有主流算法进行定量及定性分析对比，结果显示该方法能实现自适应图像亮度增强、细节对比度提升，增强后图像整体亮度自然，没有明显光晕及伪影且色彩较丰富真实，在PSNR、SSIM、RMSE指标中较次优算法分别提升0.229、0.112、0.335。实验结果表明，该方法在低照度图像增强的多目标任务上取得了综合较优秀的表现，具有一定的应用价值。

• 学习点云邻域信息的三维物体形状补全

  张京军,郑灿,高瑞贞,

  在现实世界中，点云数据的采集方式有激光雷达、双目相机和深度相机，但是在机器人采集过程中由于设备分辨率、周围环境等因素的影响，收集到的点云数据通常是非完整的。为了解决物体形状缺失的问题，提出了一种使用局部邻域信息的三维物体形状自动补全的网络架构。该架构包括点云特征提取网络模块和点云生成网络模块，输入为缺失的点云形状，输出为缺失部分的点云形状，将输入与输出点云形状进行合并完成物体的形状补全。采用倒角距离和测地距离进行评估，实验结果表明，在ShapeNet数据集上，平均倒角距离和平均测地距离均小于多层感知机特征提取网络与PCN网络的值，两值分别为0.000 84和0.028。对于现实中扫描的点云数据进行补全处理也达到了预期效果，说明该网络有较强的泛化性，可以修复不同类别的物体。

• 基于多尺度残差视觉信息融合的牧场牛只数量估计方法

  杨武,王颖慧,谈耀,冯欣,

  由于牧场牛只分布不均以及尺度变化大，传统的目标计数算法在畜牧领域计数精度不高，且用于研究的牛只数据集较少。针对这些问题创建了一个用于牛只密度估计的数据集，并提出了一种基于多尺度残差视觉信息融合的牧场牛只数量估计方法。该方法利用多个并列且空洞率不同的空洞卷积提取牛只目标的多尺度特征，并将残差结构与小空洞率卷积相结合，设计出更适合牛只活体计数的深度神经网络，从而缓解了由空洞卷积带来的网格效应的影响，同时能更好地适应牛只的多尺度变化。在牛只密度数据集中，该方法取得了最低的平均绝对误差（MAE）和均方根误差（RMSE）。此外，在密集人群数据集中，该方法的MAE和RMSE也属于最优或次优结果。实验结果表明，该方法不仅适用于牛只场景的数量估计，在人群密度估计中也有较高的准确性和鲁棒性。

• 基于卷积神经网络的多模态视频场景分割优化算法

  黄清,丰洪才,刘立,

  针对基于内容的视频检索中场景分割效率有待提高的问题，提出了一种基于卷积神经网络提取特征的多模态视频场景分割优化算法。首先利用改进的VGG19网络从视频镜头中提取多种模态的底层特征和语义特征，再将这些特征组成向量，然后通过三重损失学习与镜头相似度计算等方法，使场景分割问题转换为对镜头边界的二分类问题，最后建立评分机制优化所得结果，获取分割好的视频场景及对应的场景边界，完成场景分割任务。实验结果表明，该算法能对视频场景进行有效分割，整体查全率与查准率分别能达到85.77%、87.01%。