计算机应用研究杂志

计算机应用研究杂志2022年第6期

• VR全景视频传输研究进展

  叶成英,李建微,陈思喜,

  VR全景视频作为一种沉浸式虚拟现实技术，其高分辨率及低延迟的严格要求为视频传输带来了严峻挑战。全景视频传输在全景视频的系统构建中起到了关键作用，并与其他重要技术紧密衔接。为了分析全景视频传输的研究现状和发展趋势，首先对映射格式、视频编码、质量评估等全景视频传输相关技术进行阐述，从不同视角对相关研究领域和方法进行分类归纳。而后详细探讨了全景视频传输技术的传输协议、三类主要传输方法及视口预测，并对各部分梳理了一些比较具有代表性的研究方法。最后就关键性技术对全景视频传输的未来研究进行展望，旨在为研究人员快速全面了解该领域提供帮助。

• 基于强化学习的智能车间调度策略研究综述

  王无双,骆淑云,

  智能制造是我国制造业发展的必然趋势，而智能车间调度是制造业升级和深化“两化融合”的关键技术。主要研究强化学习算法在车间调度问题中的应用，为后续的研究奠定基础。其中车间调度主要包括静态调度和动态调度；强化学习算法主要包括基于值函数和AC（Actor-Critic）网络。首先，从总体上阐述了强化学习方法在作业车间调度和流水车间调度这两大问题上的研究现状；其次，对车间调度问题的数学模型以及强化学习算法中最关键的马尔可夫模型建立规则进行分类讨论；最后，根据研究现状和当前工业数字化转型需求，对智能车间调度技术的未来研究方向进行了展望。

• 不平衡数据集分类方法研究综述

  周玉,孙红玉,房倩,夏浩,

  社会发展的同时带来大量数据的产生，不平衡成为众多数据集的显著特点，如何使不平衡数据集得到更好的分类效果成为了机器学习的研究热点。基于此，对目前存在的不平衡数据集分类方法进行综述研究，从不平衡数据采样方法、基于机器学习的改进算法以及组合方法三个层面对目前存在的方法进行全面的梳理与总结，对各方面方法所解决的问题、算法思想、应用场景以及各自的优缺点进行归纳和分析，同时对不平衡数据集分类方法存在的问题和未来研究方向提出一些总结和展望。

• 选择式机器阅读理解综述

  贺吉飞,徐行健,孟繁军,

  机器阅读理解是自然语言处理领域的研究热点之一，对提升机器阅读能力和智能水平有着重要意义，为跟进相关领域的研究进展对其进行综述。首先，介绍机器阅读理解的发展历程及主要任务；其次，重点梳理当前选择式机器阅读理解基于深度学习方法的相关工作，并从语义匹配、预训练模型、语义推理、外部知识四个方面展开叙述；归纳总结了相关数据集以及评价指标；最后，对选择式机器阅读理解的未来发展趋势进行了展望。

• 基于区块链和密码累加器的自我主权身份认证方案

  赵一霈,谭海波,张中贤,程昊天,周桐,赵赫,吕波,

  针对现有基于区块链的身份认证方案中存在的认证流程复杂、需要多次区块链操作、链上数据不够精简、身份暴露后无法再次隐藏的问题，提出了一种基于区块链和密码累加器的自我主权认证方案。利用密码累加器成员验证高效性的特点，精简区块链数据存储，降低链上数据交互频率，提高系统性能和可扩展性；同时，提出了一种身份数据二次隐藏的方法，能够再次隐藏已披露的用户数据，进一步提高系统的安全性。经与现有身份认证方案进行对比分析和实验验证，表明该方案具有较低的存储、通信与计算成本和较高的可扩展性和安全性。

• 基于主从联盟链结构的农产品供应链追溯系统方案设计

  张燕丽,李波,

  针对目前农产品供应链追溯系统存在的数据存储容量低、管理中心化、可扩展性差、参与主体隐私信息得不到保证等问题，使用Hyperledger Fabric v2.0平台设计了基于主从联盟链结构的农产品供应链追溯系统。该系统基于已构建的主从联盟链模型存储供应链的信息，利用联盟链的多通道设计方案保证了供应链各参与主体隐私信息的安全性。通过在供应链的各参与主体中部署物联网设备进行信息的采集、处理和上传，保证了供应链存储的信息无人为窜改且安全可信。同时，基于《食品安全国家标准》设计了主从链间的智能合约，用于判断各参与主体上传信息的合理性，以实现从源头保证食品的安全质量。此外，设计了分簇集群传输方法以较低的能耗上传农场中物联网设备产生的大量数据。实验结果表明，该系统可以以较低的时延构建农产品供应链，并且可以在较短时间内返回消费者查询的信息。另外，使用分簇集群传输方法可以明显降低物联网设备传输数据产生的能耗。所设计的农产品供应链追溯系统最终实现了农产品供应链的公开透明，提高了供应链信息溯源效率，增加了消费者对食品安全的信任度。

• 语义嵌入重构的跨模态哈希检索

  许炫淦,房小兆,孙为军,韩娜,吴惠粦,黄永慧,

  针对大多数跨模态哈希检索方法仅通过分解相似矩阵或标签矩阵，从而导致标签语义信息利用不充分、标签矩阵分解过程语义信息丢失以及哈希码鉴别能力差的问题，提出了一种语义嵌入重构的跨模态哈希检索方法。该方法首先通过最小化标签成对距离和哈希码成对距离之间的距离差，从而将标签矩阵的成对相似性嵌入哈希码；接着对标签矩阵分解并重构学得共同子空间，共同子空间再回归生成哈希码，从而将标签矩阵的类别信息嵌入哈希码，并有效地控制标签矩阵分解过程的语义信息丢失情况，进一步提高哈希码的鉴别能力。在公开的三个基准数据集上进行了多个实验，实验结果验证了该方法的有效性。

• 针对中文分词的带标签注意力的成词记忆网络

  韩士洋,马致远,杨芳艳,李想,汪伟,

  成词信息是一种对中文分词任务十分重要的文本特征。最新中文分词模型之一的WMSEG就是通过引入成词信息来获得最顶尖的分词性能。然而这类模型在建模时并未考虑标签之间的依赖关系，导致其分词性能特别是对未登录词的识别有所欠缺。针对这一问题，通过在学习过程中引入标签嵌入的注意力机制，提出了一种带标签注意力的成词记忆网络来增强标签之间的依赖关系以及标签和字符之间的相关性。实验结果表明，该模型在四个常用数据集上都取得了不弱于WMSEG的分词性能，同时提高了对未登录词的识别能力。

• 基于依存树增强注意力模型的方面级情感分析

  张文轩,殷雁君,

  近年来的方面级情感分析研究尝试利用注意力机制与基于依存树的图卷积模型对上下文词和方面之间的依赖关系进行建模，然而，基于注意力机制的模型具有容易引入噪声信息的缺点，基于依存树的图模型则具有高度依赖于依存树解析质量、鲁棒性较差的缺点。为解决以上问题，探索一种将注意力机制与语法知识相结合的新方法，利用依存树和位置信息分别对注意力机制进行监督，设计并提出了一种用于方面级情感分析的依存树增强的注意力模型，能够更合理地利用语义和句法信息的同时减轻对依存树的依赖程度。在三个基准数据集上进行的实验验证了所提方法的有效性和可解释性。

• 基于语义增强的多特征融合小样本关系抽取

  潘理虎,刘云,谢斌红,张英俊,

  关系抽取是自然语言处理和知识图谱构建的一项关键任务，现有小样本关系抽取方法无法有效获取和充分利用更多的文本语义信息，为此给出一个基于语义增强的多特征融合关系抽取方法（SMPC）并应用于小样本任务中。该方法构建了一个融合位置、词性和句法依存等信息的分段卷积神经网络最大化表示语义特征，并从维基百科中抽取细粒度语义信息，将其融入词嵌入，提高模型上下文共性学习。在两种场景下对不同基线方法进行实验，分别取得最高4%和10%的准确率提升，证明了该方法的有效性。

• 融合先验约束的拓扑霍克斯过程格兰杰因果发现算法

  蔡瑞初,刘跃群,黄正婷,黄晓楷,陈薇,郝志峰,

  离散时序数据的格兰杰因果关系发现算法具有重要应用价值。现有方法主要采用霍克斯过程建模，无法适用于非独立同分布数据和带有时间误差的数据。为此，提出了一种融合先验约束的拓扑霍克斯过程格兰杰因果关系发现算法（PTHP）。首先，使用基于约束的方法筛选出一批显著性水平较高的因果边，提升算法对故障发生时间误差的容忍性；随后，将上一步获取的边作为先验约束融合到拓扑霍克斯过程中，解决序列间的非独立同分布问题。模拟数据和真实数据的实验证明了该方法的有效性，并获得了PCIC 2021因果推理大赛第一名。

• 混合哈里斯鹰算法求解作业车间调度问题

  刘小宁,魏霞,谢丽蓉,

  针对哈里斯鹰算法（HHO）求解作业车间调度问题（JSP）时存在寻优能力差、易陷入局部最优等缺点，提出了混合哈里斯鹰算法（HHHO）。首先，在种群初始化阶段引入混沌理论增加种群多样性；其次，在HHO搜索前期采用能量非线性递减和量子计算增强算法全局探索能力，在搜索后期采用邻域搜索算法增强算法局部开发能力；最后，选取了FT和LA系列算例测试了算法的性能，并与其他先进元启发式算法对比，验证了HHHO在求解JSP时的有效性和优越性。

• 基于修正状态类图的标签时间Petri网系统故障诊断

  邓明喜,黎良,刘斌,

  针对具有不可观事件的离散事件系统的故障问题，提出了一种基于标签时间Petri网的诊断方法。首先，对标签时间Petri网系统现有的修正状态类图（modified state class graph，MSCG）进行分析，提出MSCG的改进算法。其次，对于给定的可观标签序列和观测时间，通过求解由改进的MSCG的路径信息构建的线性规划问题，获得所有与可观标签序列时间一致的有效路径，从而分析系统的故障情况。最后，以交替位协议为实例分析验证了所提方法的有效性，为复杂的实时系统故障诊断问题提供有效方案。

• 系数自调整的PD-RED算法

  毛银宁,姚旭寅,张小贝,李伟杰,杨融,

  随着技术发展，民机上的网络环境渐渐趋于日常生活中的网络环境。为了避免拥塞，需要对飞机上的链路数据进行主动队列管理。在比例微分控制的随机早期检测（random early detection based on proportional derivative control principle，PD-RED）算法基础上，提出一种系数自调整的PD-RED（improved PD-RED，IPD-RED）算法。在IPD-RED算法中，引入比例系数和微分系数的调整函数来减小参数选取对算法的影响。考虑队列偏差，将其归一化处理后，作为调整函数的参数来使系数动态变化，根据系数变化规律设计函数。实验通过改变上下门限值组合、路由节点间延时和端节点数量来分析算法改善效果，通过改变比例系数和微分系数的初值来探究初值对算法性能的影响。NS2仿真结果表明，IPD-RED算法使平均队列长度更接近期望值，提高了吞吐量，减小了丢包率。初值影响表明，一定范围内增大比例系数可使平均队列长度更快更接近期望值且减小丢包率，但会使延时和振荡增加。微分系数的动态范围很大，对几个网络性能参数的影响很小。实际应用中适当选取系数初值，可使算法更好地适配飞机上的业务。

• 多模式生成对抗网络

  尹来国,孙仁诚,邵峰晶,隋毅,邢彤彤,

  生成对抗网络已经成为深度学习领域最热门的研究方向之一，其最大的优势在于能够以无监督的方式来拟合一个未知的分布。目前，生成对抗网络在图像生成领域大放异彩，其能够产生一些高质量的图像，但也暴露了一些弊端。在生成图像的过程中，经常会出现模式坍塌问题，从而导致生成的样本过于单一。为了解决这个问题，对生成对抗网络的模型结构和损失函数加以改进，使判别器能够从多个角度来度量生成数据的分布和真实数据的分布之间的差异，从而改善生成样本的多样性。通过在多个数据集上进行实验，结果显示，提出的模型在很大程度上缓解了模式坍塌问题。

• 基于协作推断的正例未标注图学习算法

  陈航,梁春泉,王紫,赵航,

  针对现有正例未标注图学习方法仅提取节点表征信息、独立推断节点类别的问题，提出了一种基于协作推断分类算法，利用节点之间关联信息来帮助推断未标注节点的标签。首先，采用个性化网页排位算法计算每个节点与全体已知正例节点的关联度。其次，采用一个图神经网络学习节点表征信息，与正例关联度联合构造一个局部分类器，预测未标注节点标签；采用另一个图神经网络获取局部节点标签之间依赖关系，与正例关联度联合构造一个关系分类器，协作更新未标注节点标签。然后，借鉴马尔可夫图神经网络方法交替迭代地训练两者，形成多跳步节点标签之间的协作推断；并且，为有效利用正例与未标注节点训练分类器，提出了混合非负无偏风险评估函数。最后，选择两者中任意一个，预测未标注节点的类别。在真实数据集上的实验结果表明，无论是识别单类别正例还是识别多类别合成正例，所述算法均表现出比其他正例未标注学习方法更佳效果，且对正例先验概率误差表现出更好的鲁棒性。

• 考虑动态平衡装卸的点对点取送货车辆路径优化

  张英贵,盛丽宁,张云丽,

  针对点对点取送货车辆路径优化问题，引入动态平衡、后进先出、三维装载等约束，以总路径最短为优化目标，构建多车多客户应用场景下的动态平衡装卸点对点取送货车辆路径优化模型；基于研究问题的特征，采用启发式插入法确定路径初始方案，设计节点交换和重新定位算子，构造路径邻域方案，并将动态平衡装卸纳入路径迭代过程，运用多重指标定序策略和三分空间策略，设计客户动态平衡装卸检算算法，并提出基于禁忌搜索的点对点取送货车辆路径优化算法，制订多车多客户取送货车辆路径方案的同时编制动态平衡装载方案。最后，通过标准算例验证方法的有效性，计算表明：所提方法能高效解决带动态平衡约束的点对点取送货车辆路径优化问题；在多车多客户应用场景下具有更强的寻优能力，求解效率更高。

• 基于异构双种群全局视野蚁群算法的移动机器人路径规划研究

  马飞宇,瞿中,

  针对蚁群算法中存在的算法收敛速度慢、逼近最优解能力不足等问题，提出一种基于异构双种群全局视野的蚁群算法，并将其应用于移动机器人路径规划领域。首先，研究基于异构蚁群的并行结构，通过差异化种群的相互协作提高蚁群算法的收敛速度和规划最优路径的能力；然后，研究具有全局视野的自适应步长，解决蚁群算法因局部视野导致无法搜索到最优步长的问题；最后，研究信息素初始化以及信息素更新方式，改进传统蚁群算法运行初期搜索无序性以及信息素更新不合理等问题。实验结果表明，该算法在逼近最优解能力和提高收敛速度等方面较对比方法有着显著提高，在测试的几种仿真地图中，平均路径长度优化了12%，平均迭代次数和平均运行时间分别减少了67%和82%。

• 采用多模式飞行的乌鸦搜索算法

  冯爱武,王勇,付小朋,

  针对乌鸦搜索算法（CSA）的不足，提出采用多模式飞行的乌鸦搜索算法（MFCSA）。算法基于觅食能力的强弱，将群体分成觅食能力较强和较弱两个组，觅食能力较强者采用尾随跟踪当前群体最优目标策略，在群体信息指引下飞到群体当前最优位置附近开展搜索活动，增强了算法的局部开发能力； 觅食能力较弱者采用观察和学习强者的觅食方法、遇到危险迅速飞离两种策略，前者可提升算法的全局探索能力，后者可保持种群的多样性。通过15个基准测试函数和两个工程应用问题的数值实验仿真结果表明，MFCSA在优化精度、收敛速度等方面有更好的表现，增强了规避陷入局部最优的能力，稳定性更好。

• 采用混合策略的改进学生心理优化算法

  张伟,王勇,张宁,

  针对标准学生心理优化算法（SPBO）的不足，分析了学生学习心理特征，提出采用混合策略的改进学生心理优化算法（HSSPBO）。首先，以学生考试总分的倒数值作为该学生的适应度值，以全班最好学生的适应度值为基准将全班学生分成最好学生、好学生、普通学生和尝试随机改进的学生四个类别；其次，利用正弦平方和余弦平方这一动态切换概率来平衡全局探索和局部开发，使算法全局探索能力和局部开发能力均得到有效提升；再次，引入柯西变异策略改变局部搜索步长，有效提升算法的局部搜索能力，增强算法跳出局部最优的能力；最后，引用Lévy飞行策略，使个体搜索步长更具随机性和灵活性，有效增强个体寻优能力，进而提升了算法的寻优速度。通过12个基准函数的仿真实验并与六个优化算法相比较，结果表明HSSPBO的全局搜索能力得到了明显的提升，在函数优化中具有更快的全局收敛速度、更好的优化精度和稳定性。

• 基于停滞检测的双向搜索灰狼优化算法

  张大明,徐嘉庆,赵彦清,丁俊杰,

  针对灰狼优化算法（GWO）易陷入局部最优、收敛速度低的问题，提出了一种基于停滞检测的双向搜索灰狼优化算法（DBGWO）。为了提升初始种群的质量，引入了Bernoulli shift映射；为了充分利用GWO特有的头狼机制，实现整体提升算法性能的目的，提出一种双向搜索策略；为了提升算法跳出局部最优的能力、增加算法的收敛速度，提出一种停滞检测机制，针对算法是否有陷入局部最优风险的判断，狼群会采取相应的措施改变当前状态。通过对23个基准测试函数进行仿真实验结果表明，所提算法在求解多峰函数问题上效果显著，同时在求解最优解非0点的函数问题上表现也较为优越。将该算法用于求解多阈值图像分割问题，解决了用Kapur熵法计算多阈值时耗时过长的问题。

• 基于群体决策特征的中式自选餐厅菜品销量预测模型

  朱廷杰,王鹏举,孙卫强,

  从中式自选餐厅的运营流水数据中刻画餐饮消费者群体的膳食特征，并对餐厅菜品销量进行预测。由于中式自选餐厅每日供应的菜品变化巨大，传统的时间序列预测方法难以解决问题，为此提出了一种基于决策理论的预测模型。通过MACBETH方法和期望效用理论将餐厅的菜品转换为统一的效用值，作为就餐群体选择菜品的依据，使用决策权重代表消费者群体的膳食特征，然后基于行为决策理论设计餐饮消费者的决策模型来预测各个菜品的销量。使用了中式自选餐厅的流水数据训练销量预测模型，模型在训练集的交叉熵为0.082，在测试集上的交叉熵为0.086。相比基于神经网络的预测模型，该模型精确度更高，并具有良好的解释性。因此，该模型能够精确预测给定菜品供应下中式自选餐厅的菜品销量，从而支持中式自选餐厅的高效运营。

• 基于实体活跃度及复制生成的时序知识图谱推理

  刘恩海,楚航,王利琴,董永峰,

  现有时序知识图谱推理主要是基于静态知识图谱的推理方法，通过知识图谱的结构特征挖掘潜在的语义信息和关系特征，忽略了实体时序信息的重要性，因此提出一种基于实体活跃度及复制生成机制的时序知识图谱推理方法（EACG）。首先，通过改进的图卷积神经网络对多关系实体建模，有效挖掘知识图谱的潜在语义信息和结构特征。其次，时序编码器基于实体活跃度学习实体的时序特征。最后，使用复制生成机制进一步学习知识图谱的历史信息，提升对时序数据建模的能力。在时序知识图谱数据集ICEWS14、ICEWS05-15、GDELT上推理的实验结果表明，EACG在MRR评估指标中分别优于次优方法2%、10%和5%。

• 融合增强协同信息和知识图谱信息的推荐模型

  陶佳,黄贤英,高钰澜,

  将知识图谱引入推荐系统，能一定程度解决数据稀疏和冷启动问题，但是往往忽略了高阶协同信息和不同协同信息的重要程度对探索用户潜在偏好的重要性，由此提出了一种融合增强协同信息和知识图谱信息的推荐模型（CIKG）。该模型首先利用用户和项目的历史交互数据，获取一阶协同信息和高阶协同信息，同时使用注意力机制捕获重要信息，得到增强协同信息，用来补充用户和项目的特征表示。其次通过将用户交互的项目与知识图谱中的实体对应，在知识图谱中执行传播操作，得到知识图谱信息，用于挖掘用户的偏好并且增强模型的可解释性。最后通过聚合器将增强协同信息和知识图谱信息结合得到用户和项目的最终表示，从而进行预测。在Last-fm和Book-crossing两个数据集上进行的实验结果表明CIKG相比其他对比的模型推荐效果有较大提升。

• 鲁棒的特定人语音分离算法

  张新,付中华,

  特定人语音分离算法是指从包含多种说话人同时讲话场景的混合语音中，通过一个特征向量的引导来分离出特定说话人的语音。特征向量的获取通常有两种方式，一种是使用一组自定义的正交独热（one-hot）向量，该方法可以在训练过程中达到更好的训练效果，但是无法处理训练过程中未见过的说话人；另一种方法是使用一个分类网络自适应地生成具有说话人特征的嵌入式向量（embedding），该做法会因为分类网络的误差而损失一部分训练效果，但是可以在集外说话人的样本上取得较好的泛化效果。为了解决在特定人语音分离算法用单独使用one-hot或embedding作为特征向量存在的不足之处，提出了一种鲁棒的特定人语音分离方法，通过在训练过程中交替地使用one-hot向量和embedding作为目标说话人的身份特征向量，将one-hot和embedding映射到公共空间中，可以在保证训练效果的同时，增强对集外说话人的泛化能力。实验结果表明，在使用了这种混合训练方法之后，对于测试集中的集外说话人分离效果上SDR提升超过了10 dB。

• 基于轻量图卷积和注意力增强的多行为推荐模型

  高钰澜,黄贤英,陶佳,

  近年来，图卷积网络被广泛应用于多行为推荐中，以进一步缓解数据稀疏问题。但目前许多方法都是直接使用图卷积网络，使得模型时间复杂度较高，还忽略了邻域的不同聚合权重和各行为对用户偏好的不同贡献。为此，提出一种基于轻量图卷积和注意力增强的多行为推荐模型（MB-LGCA）。首先根据多行为数据构建用户—项目二部图，采用一种轻量图卷积网络聚合邻域特征获得高阶协同信息，同时利用注意力机制融入邻域权重，增强节点嵌入表示；利用k-阶用户嵌入传播来获取各行为对用户偏好的不同重要性，使模型具有更好的可解释性；最后合并不同层的嵌入表示进行预测。两个真实数据集上的实验结果表明，该模型具有较好的性能。

• 基于自适应图卷积注意力神经协同推荐算法

  杜雨晅,王巍,张闯,郑小丽,苏嘉涛,王杨洋,

  随着互联网的快速发展，推荐系统可以用来处理信息过载的问题。由于传统推荐系统的诸多问题导致其无法处理发掘隐藏信息，提出一种自适应图卷积注意力神经协同推荐算法（ANGCACF）。首先获取用户和项目交互图，通过图卷积神经网络自适应的聚合用户和项目特征信息；其次对用户和项目特征信息添加自适应扩充数据，以解决数据稀疏性，利用注意力机制对用户和项目特征信息及添加的自适应扩充数据重新分配权重；最后将得到的用户和项目特征表示使用基于矩阵分解的协同过滤的算法框架得出最终推荐结果。在MovieLens-1M、MovieLens-100K和 Amazon-baby三个公开数据集上的实验表明，该算法在推荐准确率、召回率、Mrr、命中率和 NDCG 五个指标上均优于基线方法。

• 融合属性信息的异质网络嵌入方法

  张贤坤,袁菁,罗学雄,段双玉,

  现有的异质网络嵌入方法不仅忽略了网络中的异质边及其对节点嵌入的不同影响，还未考虑到网络结构与节点属性的融合。为此提出了一种融合属性信息的异质网络嵌入方法（SHANE）。将序列到序列（seq2seq）模型应用到依据边类型划分的子图中，无缝融合节点的结构信息和属性信息，同时捕捉节点的高阶语义信息。实验表明，SHANE在两个不同类型的数据集中进行链接预测任务，可以取得相对显著的效果。

• 基于多尺度特征和元学习的智能预测找矿靶区实验研究

  黄勇杰,高乐,杨田,张鑫,

  当前智能找矿靶区预测方法大多依赖于人工采样和专家的知识经验，然而，对于现实世界中区域小、数量少的矿区区域，这些方法将面临巨大的挑战。为了迎接这个挑战，提出一种新颖的深度智能找矿靶区预测框架——多尺度特征交互框架。具体地，首先定义两个网络，即多尺度特征映射网络和多尺度特征分类网络；在此基础上，通过膨胀卷积捕获多尺度特征映射网络中不同地球化学元素的特征，并且利用多尺度分类网络处理这些特征；其次，使用元网络为多尺度分类网络生成卷积权重；最后使用自蒸馏挖掘多尺度分类网络中的隐知识用于预测。整个模型采用端到端的训练方式，大量的实验结果表明，多尺度特征交互框架与当前最先进的方法比较具有显著的竞争力。

• 基于时空约束密度聚类的职住地识别方法

  苗登逢,肖跃雷,

  为了从移动终端位置数据中精准识别居民职住地，提出了一种基于时空约束密度聚类的职住地识别方法。首先，利用基于K-means的DBSCAN（density-based spatial clustering of applications with noise）时空驻点聚类过程将居民多天的原始轨迹点分成不同的时空驻点簇；然后，利用基于速度阈值的停留点簇和移动点簇识别过程将居民的每一个时空驻点簇区分为停留点簇或移动点簇；接着，利用基于K近距离的DBSCAN重要停留点聚类过程将居民的停留点分成不同的重要停留点簇；最后，利用基于KD-tree优化的KNN（K-nearest neighbor）职住地识别过程将居民的每个重要停留点识别为工作地、居住地、职住同一区域或兴趣地点区域。实验结果表明，该方法的每个过程都是合理有效的，并且最终的职住地识别效果要优于时间阈值法、累加时间法和信息熵法。

• 基于集成学习的物联网设备异常流量检测算法

  刘祥军,江凌云,

  随着物联网设备数量的快速增长，被劫持的物联网设备组成的僵尸网络发起非法攻击的频率大大增加，物联网设备的安全性已经成为一个严峻的问题。为了检测物联网设备发起的异常流量，提出一种集成学习的个体学习器选择算法（individual learner selection algorithm，IISA），IISA是一种基于相关系数度量的选择方法，利用相关系数将相似度差异大的个体学习器集成起来并采用投票的方式进行判决，在减少个体学习器的同时，提高检测的准确度和检测效率。实验结果表明，和八种半监督机器学习检测算法相比，其查全率最大降低9.12%，准确率最大提高4.69%，检测效率最大提高70.72%。

• 基于参数灵敏度分析的交通仿真模型校正研究

  张建旭,王雪芹,

  为了使交通仿真模型校正工作能够高效开展，提出了以参数灵敏度分析为基础的模型校正框架。通过灵敏度分析确定影响模型精度的关键参数，以简化模型；对关键参数进行标定，以校正模型。以城市快速路交织区为仿真案例，以跟车模型和换道模型为研究对象；首先进行了大量仿真实验，分析不同车流量水平下模型参数的取值特征；据此制定模型参数的区间划分规则和交叉组合规则，从而对LH-OAT算法和遗传算法（GA）进行改进；然后应用改进LH-OAT算法（ILH-OAT）对模型参数进行灵敏度分析，再应用GA对关键参数进行标定；最后依据校验指标对仿真结果进行误差分析。结果表明ILH-OAT和GA相结合，不仅简化了仿真模型，降低了仿真运行成本，仿真效果也更加接近真实的道路交通运行情况。

• 融合XGBoost与SHAP的冠心病预测及其特征分析模型

  陈小昆,左航旭,廖彬,孙瑞娜,

  为了解决冠心病诊断模型中性能无法满足临床应用要求、缺乏可解释性的问题，提出一种融合XGBoost与SHAP的冠心病预测及其特征分析模型。在对数据集进行特征工程的基础上，将处理好的数据集输入XGBoost模型进行训练，并且对模型进行优化，进一步提高了模型的性能表现；其次，与基于SVM、朴素贝叶斯等六种机器学习模型以及八种主流机器学习模型进行实验对比，参数优化后的XGBoost模型在准确率、特异度、F1值和AUC值四个指标上分别达到0.994 2、0.997 0、0.994 1和0.999 8，均优于已有模型；最后引入SHAP框架增强模型可解释性，综合四种模型特征重要性排序结果，识别出影响冠心病的重要因素，为医生作出正确的诊断提供决策参考。

• 约束不均衡条件下车辆双层线路规划流动稳定性问题研究

  马贵平,周玉清,

  双层线路在高峰期时，车辆规划计算最优解过程中为每个约束条件都分配一个最优解，会极大地浪费计算资源。车辆物流线路规划过程中，约束条件不均衡的天然特性，会导致规划过程车辆的流动稳定性受到影响。针对约束条件不均衡，对车辆双层线路规划流动稳定性影响的问题展开研究。构建了车辆物流线路双层规划Stackelberg模型，上层部分主要用于约束车辆物流线路的容量以及结构，排除不可用路线；下层部分主要对车辆物流线路实施均衡化配流，防止过多的车辆拥挤在同一路线中。利用模型将调度业务整合到高容量的路线中调度。在模型中加入调度资源缓存技术，保证调度过程的稳定性。实验结果表明：与使用单一模型求解相比，使用该模型进行调度业务疏导，可以在很大程度上获得更稳定的性能，解决了车辆物流线路规划流动稳定性问题。

• 基于强化学习的高可靠性多域虚拟网络映射算法

  赵季红,宋航,曲桦,雷智麟,

  现有的虚拟网络映射算法大多是依赖于人工规则对节点进行排序，决定节点先后映射的顺序，来优化节点映射从而提高虚拟网络请求的成功率。而在链路映射阶段普遍采用广度优先搜索算法，忽略了节点资源和链路资源具有强相关性的特点，从而只能取得局部最优的映射结果。针对上述问题，基于5G多域异构网络环境，从网络的可生存性的保护角度出发，提出一种使用双层强化学习的虚拟网络映射算法。将强化学习同时应用于网络映射的节点和链路两阶段，使用梯度策略和反向传播的方法对该网络模型进行训练，并使用此训练模型完成映射。仿真结果表明，与对比算法相比，该算法在优化节点映射的同时优化了链路映射，且在映射成功率、长期收益率、节点和链路的利用率等方面均取得较好结果。

• 多源多播服务功能链优化部署算法

  任诚,陈绪祥,唐斌文,王宇,李豪,

  在软件定义网络和网络功能虚拟化环境下，针对多播中的服务功能链（SFC）部署，探究了多源多播中的联合虚拟网络功能（VNF）部署和流量路由问题，目的是最小化节点资源消耗和链路资源消耗总成本。同时考虑到节点、链路及带宽延迟限制，建立了整数线性规划模型，并提出一种名为多源多播树优化的启发式算法。该算法旨在为所有用户找到最近的源节点，获得多个源、目节点组，为每个组构造一棵多播服务功能树，然后优化多播服务功能树。实验仿真结果表明，与其他启发式算法相比，该算法有效地降低了总成本、链路利用率及时延。

• 一种新型的增强型差分跳频通信抗干扰系统

  刘鑫,陈璐瑶,姚昌华,王玫,宋浠瑜,

  针对现存的智能抗干扰方法难以对抗高速跟踪干扰的问题，提出了一种主动的基于干扰利用的抗干扰方法。为了实现该方法，提出了一种增强型差分跳频（EDFH）框架，该框架在传统的通信信号传输的基础上增加了训练信号的发送和处理过程，并在接收端设计了针对用户信号与干扰信号的混合信号匹配滤波器（CMF）。仿真结果表明，该方法在对抗高速的跟踪干扰时表现出良好的性能，并且随着干扰信号速度和功率的增加，其通信性能也显著提升。

• NOMA网络中考虑回程约束的联合资源分配算法

  周童,程方,邓炳光,

  针对应用非正交多址接入（NOMA）技术的异构蜂窝网络，提出了一种具有回程容量约束的能效最大化的功率和带宽分配算法。首先，考虑小蜂窝发射功率约束、小蜂窝速率约束和回程链路容量约束，构建了功率和带宽分配模型。然后，对于功率分配，利用凸差（DC）规划和函数的拟凹性将原问题转换为等价的凸问题，并使用凸差迭代法和二分法求得全局最优解；对于回程链路带宽分配，将其转换为可行性问题并给出了解析解。仿真结果显示，该方案的能量效率高于相同场景中的已有方案。

• 基于稀疏图码的物联网邻居节点发现

  周华乔,徐义晗,孙一凡,曾维军,

  为了解决物联网中发现新节点的传统蜂窝随机接入方案不能适用于大规模节点的传感器网络的问题，首先基于组测试框架将邻居发现问题转换为压缩感知理论模型中的单向量测量问题，然后对测量矩阵进行精心构造，最后提出一种新颖的基于稀疏图码理论的逐步剥离恢复算法来解决物联网邻居节点发现问题。实验结果表明，该算法在低样本和时间复杂度下显著提高了大规模无线传感器网络活动邻居节点发现的有效性和准确性。

• 新的基于融合向量的DGA域名检测方法

  李晓冬,李育强,宋元凤,侯孟书,

  由于词典类DGA域名的字符分布随机性低、单词组合随机性高，基于传统机器学习的恶意域名检测方法难以识别，虽然利用LSTM等深度学习的检测方法能捕捉域名字符序列特征，但缺乏局部词根组合特征，检测准确率低。针对以上问题，提出一种基于融合嵌入层的DGA域名检测方法。在域名词嵌入阶段，基于分词技术进行字符和词根的融合嵌入向量表示，结合一维卷积神经网络（CNN）和双向门控循环单元（BiGRU）构建混合的深度学习模型，实现DGA域名检测。实验表明，该方法与单一采用CNN或LSTM模型相比，在域名二分类任务中的准确率分别提高3.1%和4.3%，针对词典类DGA家族matsnu、suppobox、ngioweb的检测具有更高的精确率。

• 抗共谋攻击的同步运动补偿扩频隐写视频水印

  王岩,

  针对视频水印无法抵抗帧间共谋而导致版权问题，提出一种同步运动补偿和扩频隐写相结合的视频水印来抵抗共谋攻击。首先构建共谋模型、模拟攻击原理和分析噪声来源确定两类共谋场景的混合抵抗策略及评判要求；其次分别利用同步运动补偿和扩频隐写应对两类共谋攻击；最后通过测试验证混合抵抗策略满足抗共谋攻击的评判要求，确保共谋者无法利用数据冗余获取有效的共谋规则并实施攻击。结果证明：均值矢量补偿（ACV）从算法时效性和运动一致性角度较对比方法亚像素精度运动补偿和可变分块运动补偿更适用于第一类共谋场景；对第二类共谋场景施加帧平均、帧切除，首末帧峰值信噪比（PSNR）平均降幅20.91%，帧重构、帧裁剪PSNR极值间平均波幅2.76%，明显优于对比方法平均降幅的41.76%和28.54%、平均波幅的13.91%和7.72%。综上所述，该方法满足共谋攻击的评判要求，起到了抵抗帧间共谋攻击的效果。

• 基于集成学习的僵尸网络在线检测方法

  沈琦,涂哲,李坤,秦雅娟,周华春,

  针对现有的僵尸网络研究工作所检测的僵尸网络生命周期的阶段较为单一的问题，提出基于集成学习的僵尸网络在线检测方法。首先，细粒度地标记僵尸网络多个阶段的流量，生成僵尸网络数据集；其次，结合多种特征选择算法生成包含23个特征的重要特征集和包含28个特征的次重要特征集，基于Stacking集成学习技术集成多种深度学习模型，并针对不同的初级分类器提供不同的输入特征集，得到僵尸网络在线检测模型；最后，将僵尸网络在线检测模型部署在网络入口处在线检测多种僵尸网络。实验表明，所提基于集成学习的僵尸网络在线检测方法能够有效地检测出多个阶段的僵尸网络流量，恶意流量检测率可达96.47%。

• 模幂运算安全外包算法的新设计

  赵铮宇,王少辉,

  由于模幂运算的计算成本较高，资源有限的本地客户端可以将模幂运算外包给计算能力强大的云服务器。该算法主要研究形如ua（mod N）的模幂运算的外包算法，其中N是两个大素数的乘积。其利用欧拉定理设计了一个基于双服务器模型的模幂运算安全外包方案。在运算外包过程中，保证底数u、指数a，以及运算结果对两个服务器的隐私保护。通过安全、效率分析和实验仿真表明，相较于现有方案，新方案具有更好的执行效率和可验证性，在用户端的效率更高，且新方案的可验证概率为1。

• 双场量子密钥分发协议的相位离散化分析

  刘冰,贾炜光,孙莹,刘欣瑞,

  在传统的双场量子密钥分发（TF-QKD）协议中，需要相干光源所添加的随机相位是连续的。然而在现实条件中，这样的假设经常无法满足，由此会降低协议的实际安全性。针对此问题提出了一种在测试模式和编码模式下具有随机相位离散化特征的TF-QKD协议，并使用了离散随机相位情况下的诱骗态方法进行分析。仿真结果表明，只需要少量的离散相位，随机相位离散化TF-QKD协议的密钥速率也可以超过密钥速率容量界，从而为TF-QKD协议的实际应用提供参考。

• 面向APT时空行为的受损主机检测

  孙一丁,李强,

  高级持续性威胁（APT）给企业、政府等组织带来沉重的损失。然而大多数检测方法没有同时考虑到APT攻击本质上的两个特性，即时间性和空间性。被入侵主机的行为模式与被入侵之前相比会产生一系列时序性的异常。在空间性方面，受损主机往往会继续渗透其他主机。因此，提出一种基于时空特性检测APT受损主机的方法。该方法针对APT攻击中必不可少的身份验证行为进行检测，构建主机认证图，从图中提取特征，利用LSTM学习主机的时序性特征，建立主机关联图，利用GAT提取主机间的空间特征。该方法利用神经网络提取特征，无须人工的特征选择。该方法在公共数据LANL上进行实验，F1得分达到了0.979。

• 基于混沌映射的分块循环DNA图像加密算法

  陈虹,赵菊芳,郭鹏飞,黄洁,肖成龙,周沫,侯宇婷,

  数字图像具有数据量大、冗余度高、像素间关联性强等特点，打破数据间关联性及提高敏感性是保护图像信息的关键。针对如何快速有效打破图像像素间强关联性、提高图像数据敏感性等问题，提出基于logistic混沌映射的分块循环DNA图像加密算法。算法采用二次置乱、一次扩散结构，首先通过zigzag变换置乱明文图像，打破明文像素间的强关联性；其次将伪随机序列生成器产生的密钥作为混沌参数进行混沌映射，生成动态DNA编/解码、运算规则，对置乱的明文图像进行DNA编码形成初始密文；然后利用DNA运算规则，对初始密文进行分块循环DNA运算，完成密文扩散，并对DNA碱基进行统计和归一化作为二次混沌密钥；最后采用二次混沌映射生成动态步长规则，对密文进行变步长约瑟夫置乱，利用DNA解码规则形成最终密文图像。实验结果表明，密文图像像素分布均匀、像素间关联性弱、密钥敏感性强、密钥空间足够大，能够有效抵御信息分析、暴力、噪声、剪切等常见攻击，具有较高的安全性。

• 基于日志聚类构造行为子集的近似一致性方法

  王丽丽,向小阳,方贤文,

  利用行为子集可以求得事件日志与过程模型之间的近似一致性度，但现有方法得到日志候选迹间的行为差异小，影响了行为子集的代表性而导致近似一致性度的准确度偏低。针对该问题，提出一种应用聚类技术预处理事件日志以构造行为子集的近似一致性方法。首先根据迹之间的Levenshtein编辑距离，将事件日志中具有较高行为相似性的迹聚类成若干个子日志；然后遍历各子日志，采用簇内高频和簇中心两种方法选出子日志中的代表迹，形成候选迹集合；进一步利用最优对齐技术构造出模型的行为子集，将其与完整的事件日志进行拟合度计算来得到近似一致性度及其上下界值。最后对现实事件日志进行仿真实验，从准确度和时间效率两方面验证了该方法的优越性。

• 结合线性稀疏表示和图像抠图的多聚焦图像融合方法

  王纪委,曲怀敬,魏亚南,徐佳,张志升,张汉元,

  针对现有的多聚焦图像融合方法对聚焦/散焦边界（FDB）信息捕捉不准确的问题，提出了一种新的基于线性稀疏表示和图像抠图的多聚焦图像融合方法。首先，引入一种基于线性稀疏表示的焦点测度，它利用自然图像形成的字典与输入图像在局部窗口上的线性关系，通过求解线性系数来表示图像的焦点信息。然后，利用焦点测度获取源图像的焦点图和一个由聚焦区域、散焦区域以及包含FDB的未知区域组成的三元图，并将三元图作为一个输入，采用图像抠图技术处理源图像的FDB区域，从而得到较精确的全聚焦图像。最后，为了进一步提高融合图像的质量，将得到的全聚焦图像作为新字典实现融合过程的迭代进行，在经过设定的更新次数后得到最终的全聚焦融合图像。实验结果表明，相比于11种最先进的多聚焦图像融合方法，该方法具有较好的融合性能和视觉效果，且有较高的计算效率。

• 基于离群特征的γ辐射图像去噪方法

  方琳琳,张华,邓豪,王海,王姮,

  针对Co60辐射环境中γ光子穿透CMOS图像传感器时致使场景图像存在斑块噪声的问题，提出了一种基于离群特征的γ辐射图像去噪方法。首先在序列图像中逐点获取对应的像素序列，并将该像素序列进行光照归一化以消除图像帧之间光照差异影响；然后在光照归一化后像素序列中利用噪声像素值的离群特性判断当前像素点是否为噪点；最后利用序列中各点的一、二阶离群特征筛选有效像素序列，并将其均值进行逆光照归一化以作为噪点修复的像素值。所提方法与多种典型去噪方法分别在高剂量率区和低剂量率区的真实γ辐射图像上进行了对比实验，该方法均取得了最佳去噪效果。

• 基于超像素和随机游走的交互式分割算法

  龙建武,栗童,朱江洲,宋鑫磊,石美凤,

  交互式图像分割通过先验信息指导获取图像中人们感兴趣的部分，但是现有算法无法在效率和精度上实现平衡。为了解决此问题，提出了一种基于超像素和随机游走的快速交互式分割算法（random walk on superpixel，SPRW）。首先，将图像预分割为具有局部相似性的超像素区域，使用像素颜色均值对超像素区域表示；其次，根据人工标记的先验信息建立F-B图结构，扩展随机游走的范围，并使用随机游走的方法求解，获得硬分割结果；最后，针对分割结果的边界不光滑问题，提出改进的抠图算法（fast robust matting，FRB）进行二次处理，得到软分割结果。在BSD500和MSRC数据集上的实验证实，所提出的硬分割方法与其他算法在时间和平均交并比等指标上有较大优势；在Alpha Matting数据集上的实验充分证实所提出的软算法在提高效率的同时精度也有一定的提升；此外，在生活照更换背景的实验上展现了该算法的应用价值。

• 基于分频和多感受野残差密集的指静脉图像超分辨率重建

  李礁,钟乐海,包晓安,张娜,邢伟寅,韩正勇,

  针对红外线CCD摄像头采集指静脉图像较为模糊造成指静脉识别误检率高的问题，提出了基于分频和多感受野残差密集的指静脉图像超分辨率重建方法。该方法构建了图像高低频信息处理子网络，并将RRFDB结构集成到高频子网络中，以RFB为核心的残差密集块设计提升了感受野并降低计算复杂度，更好地保留了原始指静脉图像的线状纹理特征。实验结果表明，该方法能有效改善指静脉图像质量，与SRCNN、VDSR、DRRN等超分辨率重建方法在FV-USM和MMCBNU-6000数据集上进行对比实验，该方法对指静脉特征提取效果好，重建的图像质量高，PSNR与SSIM均优于其他方法。

• 基于深度学习的光流插帧边信息生成算法

  蔺毓敏,周俊伟,

  在分布式视频编码（DVC）中，如何在各种运动场景下生成高质量的边信息并提升解码性能是一个重点研究领域。提出一种基于深度学习的光流插帧边信息生成算法（optical flow interpolation，OFI），编码端采用区间重叠的分布式算术编码（distributed arithmetic coding，DAC）对视频进行编码，解码端生成边信息时提取已解码关键帧，输入深度学习光流插帧网络。网络采用多层光流模块产生光流，并结合光流向后弯曲关键帧产生初步的边信息估计，再由融合过程消除遮挡产生更加细化的结果，最后边信息辅助解码树完成解码。实验结果表明，与现有方法相比，该方法PSNR最大可提升2.25 dB，主要体现在线性运动场景下。同时在线性和非线性场景下SSIM指标可提升0.001 5~0.064 8，在解码视频率失真曲线上也体现出一致的结果，证明了该算法对线性运动边信息估计有较好的提升，对非线性运动边信息结构也有良好的恢复性。

• 融合密集连接与自适应加权损失的血管壁图像分割

  高红霞,郜伟,

  针对传统深度神经网络在对血管壁图像分割中难以提取具有针对性有效特征的问题，提出一种融合密度连接与自适应加权损失的血管壁图像分割方法。首先通过构建密集连接的分割网络学习更多的边界和轮廓表征以促进特征复用融合；然后设计了改进的自适应加权损失和边界紧凑性损失约束训练网络，利用自适应加权损失自动调整不同区域分割产生的损失比例来引导网络向最佳方向学习；同时引入边界紧凑性损失约束以充分利用边界信息，提升对血管壁图像的分割精度；最后对包含2 544张MRI的MERGE血管壁数据集进行了验证实验。结果表明，提出的改进方法能够有效提取血管壁图像的特征信息，在管腔和外壁轮廓分割中的Dice分别达到了93.65%和95.81%，设计的消融实验也充分证明了所提各个模块和网络的有效性，能够更好地实现高精度的图像分割。

• 结合双流网络和金字塔映射的步态识别

  张家波,李杰,甘海洋,

  目前，基于深度学习的步态识别方法虽然取得了一定的进展，但数据采集和步态外观的变化仍然是实现精确步态识别所面临的挑战。为了提高网络对时空步态信息的捕捉能力，提出了一种基于步态轮廓流和步态特征差分流的双流网络结构。步态轮廓流以步态轮廓图作为输入，用来提取步态序列中包含的空间步态信息；步态特征差分流则是以步态特征差分图作为输入，用来捕获相邻步态图之间的动态信息。同时，为了充分利用步态序列中的全局和局部信息，提出了多尺度金字塔映射（multi-scale pyramid mapping，MPM）模块，并插入到各单流网络中以增强网络对全局和局部步态信息的提取能力。所提方法在步态数据集CASIA-B和OU-MVLP上的平均识别精度分别达到了87.0%和85.5%，这表明双流网络架构和MPM模块可以有效地捕获步态序列中的时空步态信息。

• 基于视频时空关系的高速公路异常停车检测

  梁睿琳,王锐,郭迎,

  针对传统高速公路异常事件检测方法效率低、漏检率高、实时性较差等问题，提出基于视频时空关系的高速公路异常停车检测方法。首先，采用基于交通流频率分析的无监督分割方法分割道路图像，去除较小连通域提取道路分割图；然后，通过透视关系模型将近远目标归一化到同一尺度并进行裁剪，输入YOLOv4网络进行二次检测增强对近远目标检测的鲁棒性；最后建立时空信息矩阵，通过时空矩阵的更新与NMS（non-maximum suppression）方法检测合并异常区域并输出检测结果。实验结果显示，该方法在远距离场景中的准确率为95%，在拥挤场景中的准确率为93%；通过对比实验结果发现该方法能够有效提高复杂场景下异常停车的检测准确率且具有良好的泛化能力。