计算机应用研究杂志

计算机应用研究杂志2022年第7期

• 微表情自动分析方法研究综述

  周伟航,肖正清,钱育蓉,马玉民,公维军,帕力旦·吐尔逊,

  微表情自动分析是计算机视觉研究方向之一。在刑侦、临床医学、商业谈判、公共安全等场景下的微表情分析技术具有重要研究和应用价值。为了梳理微表情自动分析领域研究现状及发展方向，对常用微表情数据集和数据预处理方法进行整理。基于微表情特征，全面整理和对比微表情检测和识别任务各类算法以及实验方法和验证指标。可以帮助研究人员更加快捷、全面了解该领域研究现状，存在的问题和未来发展方向。

• 求解可满足性问题的信息传播算法研究综述

  谢志新,王晓峰,曹泽轩,于卓,莫淳惠,吴宇翔,

  信息传播算法来自统计物理，被广泛应用于人工智能各个领域，特别是求解组合优化问题时，具有良好的有效性。通过对信息传播算法的相关文献进行分析，综述了信息传播算法以及其相关应用的发展史，根据信息传播算法的发展，介绍了求解可满足性问题的信息传播算法相关概念，主要涉及到警示传播算法、置信传播算法和调查传播算法，描述了三种算法发展中出现的收敛性、有效性研究，分别综述了各个算法在相关领域的应用情况，并总结了信息传播算法的研究路径和应用方向。

• 显著性物体检测研究综述：方法、应用和趋势

  李婉蓉,徐丹,史金龙,黄树成,

  显著性物体检测旨在快速定位图像中的显著性目标，可用于目标检测和识别、关键点定位、视觉跟踪、语义分割等计算机视觉任务中。为梳理显著性检测研究的发展脉络，从方法、应用领域和研究方向等方面分析显著性检测的研究现状和发展趋势。首先，阐述了显著性检测与相关研究的区别和联系；然后，分析了目前主流的显著性物体检测算法的流程、创新点、性能和适用性；接下来，介绍了显著性检测领域数据集的发展和演化；最后，展望了显著性检测研究的发展趋势并总结了显著性检测的主要应用领域。

• 基于许可区块链的托管数据中心的紧急需求响应

  刘巍峰,徐好,朱俊武,

  托管数据中心因其转移电力负载灵活的特点，可以在智能电网的紧急需求响应（emergency demand response，EDR）中发挥积极作用。在EDR时，托管数据中心需要与租户之间协同才能更好地满足智能电网下达的节能目标。传统的托管数据中心EDR系统缺乏可信的第三方，存在响应过程不透明、响应结果易被窜改的风险，且一旦系统出现故障将对整个EDR产生不利影响。基于许可区块链去中心化、成员身份可识别、分布式存储和多方共识的特点，提出了EDR系统架构PBDR（permissioned blockchain based EDR），使用共识机制保证响应过程的透明；利用链式存储保证响应结果的不可窜改；通过智能合约技术解决托管运营商和租户之间没有可信第三方的问题。使用Hyperledger Fabric对PBDR进行模拟实现，结果显示系统的平均延迟和TPS可以满足托管数据中心对EDR的需求，系统可以保证响应过程的透明和响应结果的不可窜改。

• 基于网络流量的挖矿行为检测识别技术研究

  史博轩,林绅文,毛洪亮,

  针对国内现有挖矿行为检测识别技术的准确性不高、缺少具体挖矿行为证据等问题，提出了一种基于网络流量的挖矿行为检测识别模型和多维度挖矿指纹特征提取方法，该模型通过对Stratum、Getwork等矿池协议的指令特征提取分析，能够高效准确地实现对挖矿行为的自动检测识别，并提炼出多维度的挖矿指纹特征，包括挖矿指令、矿池币种、软件型号、挖矿账号、算力、能耗等信息。实验结果表明，该模型能够准确识别相关挖矿行为并分析得出其多维度挖矿指纹特征，算力特征识别的准确性为95%左右，总体的挖矿行为检测识别的准确性为91.73%，为虚拟货币挖矿检测提供了一种精准有效的解决方案。

• 基于依存句法的Android App隐私条例解析算法

  王浩漪,阮树骅,陈兴蜀,郑涛,

  目前针对中文隐私条例的自动化解析研究较少，提取的信息不全面，无法满足管理部门对Android App隐私条例的自动化审查需求。为实现中文隐私条例自动化解析，提出了一种基于依存句法的中文隐私条例解析算法PPExtractor。基于动词和介词两类种子模式，PPExtractor使用自举模式方法生成隐私事件模式集；通过模式匹配，PPExtractor能有效提取隐私条例中开发者和第三方收集和使用的隐私信息，以及App需要用户输入的隐私信息，为管理部门监管 Android App 与隐私信息相关的违法行为提供依据。该方法能更全面地提取中文隐私条例中收集的隐私信息。实验结果表明，PPExtractor能有效识别隐私条例中与隐私相关的句子，并提取句子中与用户隐私相关的信息。

• 基于嵌入式GPU的pyramid LK光流法高速计算方法研究

  孙瑞鑫,朱国梁,谢双镱,郭雪亮,柴志雷,

  在嵌入式计算平台上实现双向约束LK金字塔高精度光流的实时计算，是该算法能否应用于自动驾驶等场景的重要影响因素。为了实现该目的，提出了基于网格划分的特征提取方法及新的双向约束方法；然后设计了动态窗口的金字塔模型，解决了光流计算过程中的负载不均衡问题；最后通过降低计算位宽，使得整体性能获得进一步提升。实验结果表明：在Jetson TX2上，针对真实场景所用的720P视频，所提出方法的性能比OpenCV的GPU版本提升了4.1倍，达到30 fps以上；将采用该方法的SLAM系统成功应用于车载场景并在真实环境中测试，使得系统的性能达到了28 fps。新方法有效地提升了位姿和点云的精度，较好地满足了车载场景的实时处理需求。

• 在线光束平差法的高速计算方法研究

  谢双镱,孙瑞鑫,郭雪亮,柴志雷,

  光束平差法（bundle adjustment，BA）是同步定位和地图构建（simultaneous localization and mapping，SLAM）后端优化的关键技术。在线使用光束平差时能否满足实时性要求，是将其应用于自动驾驶车端等实时系统的关键因素。首先分析特定场景中SLAM数据特点，提出滑动窗口机制降低计算规模；分析局部BA计算中稀疏矩阵性质提升算法的可并行性；最后基于嵌入式GPU对算法进行并行加速。将其应用于车载SLAM系统并在真实场景下测试，实验结果表明，在AGX Xavier嵌入式GPU上，针对720P道路场景，该方法比同平台CPU上处理性能平均提升4.8倍，可以处理15 fps的相机位姿地图数据，满足了30 fps的视频处理需求，达到了车载系统的实时性要求。

• 考虑客户分类的随机时间车辆路径优化模型与算法

  马俊,张纪会,郭乙运,

  针对一类考虑客户分类、随机旅行时间、随机服务时间及时间窗约束的车辆路径问题构建了机会约束规划模型，该模型考虑两类客户（普通客户与优质客户），并通过添加机会约束条件确保优质客户获得准时服务的概率。同时，设计了变邻域迭代局部搜索算法，并给出了一种基于最小等待时间的初始解生成启发式规则。基于Solomon算例进行了多组仿真实验。仿真实验结果表明，所设计生成初始解的启发式规则是有效的；所给算法能够在短时间内找到确定问题和随机问题的近似最优解；客户比与车辆使用数目呈正相关关系。研究结果对解决资源有限条件下克服随机不确定性因素带来的不利影响、保证客户服务水平等问题有一定的参考意义。

• 基于JPS改进的移动机器人路径规划算法

  蔡佳成,白克强,李旭春,黄正良,刘知贵,

  针对跳点搜索（jump point search，JPS）路径规划算法在大尺度复杂场景下存在内存资源消耗较大、路径结果平滑度较低且路径过于靠近障碍物等问题，提出融合安全势场等级函数与优化Floyd算法的改进JPS算法。首先建立了安全等级函数对栅格地图中的栅格状态进行重新赋值构建安全等级地图；然后改进了启发式函数，引入目标与主方向两项偏置函数项结合安全等级函数项，进一步减少对称性搜索带来的时间消耗，改善了所规划路径的安全程度；其次通过添加二次平滑算法流程优化了Floyd算法；最后结合B-spline样条插值法，进一步提高了改进算法所规划路径的平滑程度。仿真实验验证了改进优化算法在内存资源消耗、路径长度、路径平滑程度以及路径安全程度都有显著提升。

• 基于离散哈里斯鹰优化算法求解具有单连续变量的背包问题

  孙海禄,王原,王丽娜,贺毅朝,

  为了将哈里斯鹰优化（HHO）算法用于求解具有单连续变量的背包问题（KPC），基于0-1向量表示个体的编码，利用位运算重构了HHO的进化方程，并采用一种自适应变异机制改善搜索结果，由此提出了一个新的离散哈里斯鹰优化算法（DisHHO）。为了验证DisHHO求解KPC的性能，利用它求解四类大规模KPC实例，通过与已有二进制HHO以及求解KPC的最新算法比较表明：DisHHO不仅平均计算结果优，而且计算速度快，因此DisHHO是求解KPC的一个新的高效算法。

• 双策略学习和自适应混沌变异的郊狼优化算法

  赵金金,鲁海燕,徐杰,卢梦蝶,侯新宇,

  针对郊狼优化算法（coyote optimization algorithm，COA）存在收敛速度慢、求解精度低、易陷入局部最优的不足，提出一种基于双策略学习机制和自适应混沌变异策略的改进郊狼算法（coyote optimization algorithm based on dual strategy learning and adaptive chaotic mutation，DCSCOA）。首先，引入振荡递减因子，以产生具有多样性的个体来增强全局搜索能力；其次，利用双策略学习机制，适度地增强组群头狼的影响，以平衡算法的局部挖掘能力和全局搜索能力，同时提高算法的求解精度和收敛速度；最后，使用自适应混沌变异机制，在算法停滞时产生新个体，以使算法跳出局部最优。通过对20个基本测试函数和11个CEC2017测试函数进行仿真实验，结果验证了改进算法具有更高的求解精度、更快的收敛速度和更强的稳定性。

• 基于骑手优化的动态布谷鸟搜索算法

  吴浩峻,郝启润,聂群,王浩亮,王丹,

  针对传统布谷鸟搜索（cuckoo search，CS）算法对复杂问题收敛精度低、迭代步幅局限性大的特点，提出了基于骑手优化的动态布谷鸟搜索策略（rider optimization cuckoo search，ROCS）。结合骑手优化算法（rider optimization algorithm，ROA）思想，利用多种群在单周期内进行多策略寻优，动态使用最优策略进行加强搜索，提高算法对复杂问题的收敛效率；同时对Lévy飞行运动进行动态参数调节，改善算法搜索前期及末期表现。仿真测试结果显示，改进算法对复杂问题的优化表现优于对比算法，算法寻优效率得到显著改善。

• 基于新型非支配排序的多目标麻雀优化算法

  武文星,田立勤,王志刚,张艺,吴骏一,桂方燚,

  针对麻雀搜索算法在求解多目标问题中的不足，并且在求解过程中易陷入局部最优与收敛性差的问题，提出了一种改进的多目标麻雀搜索算法。首先，引入了新型非支配排序，找到最优前沿面；其次，将多项式变异和正余弦算法融合到种群进化策略中，增强其搜索能力，通过竞争机制的种群选择方法，降低搜索过程中局部最优粒子和全局最优粒子导致的误差；最后，将改进算法与多种多目标算法在标准测试函数上进行对比，仿真结果表明，改进算法的收敛性与搜索能力均优于其他算法。由此说明该算法具有可靠的多目标寻优能力，能够有效解决多目标优化问题。

• 基于有监督的多视角图神经网络的药物组合协同预测算法

  郝志峰,詹健明,蔡瑞初,

  药物组合疗法在癌症治疗中具有重要应用价值。通过算法预测药物协同组合，可为生物学研究提供靶向指导，从而提高研究效率，降低实验成本。针对现有算法缺乏有效的药物互相作用建模方法、无法考虑细胞系之间的关系等问题，提出了一种基于多视角图神经网络的药物协同预测算法。首先，采用变分图自编码器来学习特定细胞系药物的向量表示；然后，通过多视角框架整合同一组织内其他细胞系的药物信息，提升药物表示向量的可靠性；最后通过引入已知的药物组合得分作为监督信号对模型进行监督训练，实现可靠的药物协同效果预测。在DrugComb数据集上的实验结果验证了本方法的有效性。

• 基于SAE-ConvLSTM深度学习模型的多站城轨短时客流预测

  李莎,王秋雯,陈彦如,秦娟,

  为准确预测多个站点城轨交通短时客流，提出卷积长短时记忆网络（ConvLSTM）与栈式自编码器（SAE）相结合的深度学习模型SAE-ConvLSTM。考虑了13个影响客流量的外部因素，并通过SAE对其进行逐层提取，获得更具代表性的外部特征。通过ConvLSTM充分提取客流量的时间与空间特征，并融合所获得的外部特征对轨道交通网络中多个站点的短时客流量进行同步预测。同时设计了隐动作蒙特卡罗树搜索方法（LA-MCT），对SAE进行参数寻优。为了验证寻优效果，与遗传算法、粒子群算法、模拟退火算法以及禁忌搜索算法进行对比。结果表明，LA-MCTS在寻优时间和寻优效果方面均具有优势。此外，以深圳地铁为例进行大量的数值实验，结果显示在预测均方根误差、绝对误差均值、平均绝对百分比误差以及拟合优度方面，所构建的SAE-ConvLSTM模型预测结果均优于浅层机器学习模型—反向传播神经网络、支持向量回归模型、整合移动平均自回归模型，及深度学习模型—长短时记忆网络、卷积神经网络、以及不加入外部特征的ConvLSTM、加外部特征无SAE的ConvLSTM、长短时记忆网络+卷积神经网络（CNN+LSTM）和加外部特征的CNN+LSTM。

• 引入知识表示的图卷积网络谣言检测方法

  郭秋实,李晨曦,刘金硕,

  在谣言检测的问题上，现有的研究方法无法有效地表达谣言在社交网络传播的异构图结构特征，并且没有引入外部知识作为内容核实的手段。因此，提出了引入知识表示的图卷积网络谣言检测方法，其中知识图谱作为额外先验知识来帮助核实内容真实性。采用预训练好的词嵌入模型和知识图谱嵌入模型获取文本表示后，融合图卷积网络的同时，能够在谣言传播的拓扑图中更好地进行特征提取以提升谣言检测的精确率。实验结果表明，该模型能够更好地对社交网络中的谣言进行检测。与基准模型的对比中，在Weibo数据集上的精确率达到96.1%，在Twitter15和Twitter16数据集上的F1值分别提升了3.1%和3.3%。消融实验也表明了该方法对谣言检测皆有明显提升效果，同时验证了模型的有效性和先进性。

• 基于渐进增强与图卷积的方面级情感分析模型

  齐嵩喆,黄贤英,孙海栋,刘嘉艳,

  方面级情感分析的任务目标是对评论中的特定方面词情感极性的判别，近年来的大多研究方法都采用句法依存树结合图卷积网络来构建模型，但是对句法依存结构的使用过于直接且忽略了在生成树是伴随的噪声影响，因此提出了一种渐进增强结合双向图卷积模块的情感分类模型（PCB-GCN）。首先，设计渐进增强算法来获取更加特异性的句法依存树，利用BiLSTM来提取语义，同时针对不同方向的句法图结构采用双向图卷积模块进行特征提取，最后将句法特征与上下文语义通过协同融合网络结合起来进行最终分类。模型在多组公开数据集上进行了实验，均取得了相比目前基线模型更好的效果。

• 融合学术水平相似性的合作者推荐模型

  秦红武,赵猛,马秀琴,闫文英,

  合作者推荐工作对科学研究的发展和科技成果的转化很有帮助，然而学者间水平的差距严重影响了合作的建立。模型从学者间学术水平差距，合作网络的拓扑距离以及研究兴趣三个角度进行合作者推荐。首先，定义了学者—学者、学者—主题、学者—水平标签三种网络，并融合成主题—学者—水平标签图；之后对该图中的边赋权重，从而将合作者推荐任务转换为链路预测问题；最后使用偏向重启随机游走算法计算学者间的访问概率，并筛选访问概率大的学者作为推荐建议。在三个数据集上的实验表明，模型在推荐的准确率、召回率、F1指数上平均提高了5.4%、2.7%、3.8%，同时目标学者与推荐学者的学术水平匹配度更高。

• 基于Moran过程竞争性舆情信息的网络传播博弈模型

  侯艳辉,管敏,王家坤,孟帆,张昊,

  新的媒体环境下，在享受不同形式在线社交网络提供便捷信息互动渠道的同时，需要加强对信息传播的管理与引导，防止其发展成为负面舆情信息肆意滋生的温床。结合传统演化博弈论与复杂网络理论，提出了竞争性舆情信息的网络传播博弈模型，并理论分析了正面舆情信息传播占优的收益条件及群体规模；随后，结合实际案例，通过仿真实验对比分析三种博弈环境下网络舆情的演化特征。三种博弈环境下，正面舆情信息传播策略占优条件均与收益有关，弱选择情境对收益参数的要求最为严格；强、弱选择情景下策略占优的条件还与群体规模有关，且强选择情景对群体规模的要求更为严格。

• 结合评分习惯加权的稀疏矩阵插值推荐技术

  温佐承,沈少朋,周相兵,蓝昊杰,张智恒,

  插值估计可缓解推荐系统的稀疏问题，但其效果会影响预测性能。以logistic用户习惯（habit）评分加权改进Jaccard（HabJac）相似度量，并通过K近邻获得插补评分。进而，通过融合正则化奇异值分解（RSVD）技术提出了新的HISVD推荐算法，并获得最终预测。用户的习惯评分被定义为其出现频次最高的评分，并且logistic权值同评分与习惯评分之间的欧氏距离正相关。在四个现实数据集上的实验结果表明：a）HISVD在不同数据集上，最优情况下的参数比较稳定；b）HISVD在MAE和RSME指标上均超过了主流算法。

• 融合模糊逻辑与马尔可夫决策过程的边缘计算切换策略

  钟盛德,唐煜星,郭文豪,胡永乐,覃团发,

  在边缘计算切换策略中，针对马尔可夫决策过程（Markov decision process，MDP）传输时延高且环境适应能力差等问题，提出了一种融合模糊逻辑与马尔可夫决策过程的边缘计算切换策略。该策略采用模糊逻辑算法将系统参数模糊化，并且将模糊值引入适应度函数，保证系统参数能够有效融合；利用差分进化算法求解适应度函数最大值，从而选取出该环境的最优规则，提高边缘计算对环境的适应能力；将适应度函数引入MDP，提高系统综合性能。该方案将移动智能设备作为任务卸载发起方，将边缘服务器作为任务卸载对象，对一维MDP切换策略、一维仅时延MDP切换策略、二维MDP切换策略、模糊逻辑MDP切换策略、最小距离切换算法和最小时延切换算法进行仿真。仿真结果表明，模糊逻辑MDP的边缘计算切换策略的任务执行平均时长为608.8 s，较一维MDP切换策略、一维仅时延MDP切换策略、二维MDP切换策略、最小距离切换算法和最小时延切换算法分别降低了27.2%、8.6%、37.1%、41%和22.3%。该方案在提高了基于MDP的边缘计算切换策略的环境适应性的同时，大幅降低了边缘计算的传输时延。

• 基于空间尺度粗粒化的异常检测方法

  富坤,刘琪,禚佳明,李佳宁,郭云朋,

  目前，大部分基于链路预测对社会网络进行异常检测的研究中，缺乏对异常节点演化影响的分析，且受社会网络规模以及复杂度的限制，检测效率普遍不高。针对上述问题，提出了一种基于空间尺度粗粒化和异常节点加权机制的异常检测方法。首先利用凝聚型社区发现算法Louvain对社会网络进行粗粒化得到简化网络，然后在简化网络的演化过程中识别有异常演化行为的节点，并将其异常演化过程量化，引入异常节点加权机制到链路预测方法中进行异常检测。在真实社会网络数据集VAST、Email-EU（dept1和dept2）以及Enron上，与基于LinkEvent的不同调整策略算法和NESO_ED方法进行对比。结果表明，该方法可以兼顾异常检测的稳定性和敏感性，能够更合理地描述网络演化过程，得到更好的异常检测效果。

• 基于空间自适应哈希算法的并行双音频指纹技术

  黄一英,邓开发,邬春学,

  针对非法音频拷贝的检索跟踪性能问题进行研究，提出了一种基于新哈希的并行双音频指纹方法。为了提高检测片段的完整性，应用了并行的特性，通过沃尔什—哈达玛转换生成两组实时并行的指纹；通过新哈希方法对两组指纹进行相似性计算；最后检索时让并行的两组指纹进行匹配，合并得到最终结果。实验结果表明，该方法不仅对采用不同方法处理的音频具有良好的鲁棒性，能稳定地表征音频整体特性，与所考虑的其他方法相比，所提出的方法在匹配段完整性方面有所提高。

• 基于自适应学习的序列生成方法

  张宝奇,赵书良,张剑,吕晓锋,

  离散序列生成广泛应用于文本生成、序列推荐等领域。目前的研究工作主要集中在提高序列生成的准确性，却忽略了生成的多样性。针对该现象，提出了一种自适应序列生成方法ECoT，设置两层元控制器，在数据层面，使用元控制器实现自适应可学习采样，自动平衡真实数据与生成数据分布得到混合数据分布；在模型层面，添加多样性约束项，并使用元控制器自适应学习最优更新梯度，提升生成模型生成多样性。此外，进一步提出融合协同训练和对抗学习的方法，提升生成模型生成准确性。与目前的主流模型进行对比实验，结果表明，在生成准确性和多样性上，自适应协同训练序列生成方法具有更均衡的准确性和多样性，同时有效缓解了生成模型的模式崩溃问题。

• 基于改进深度强化学习的动态移动机器人协同计算卸载

  李少波,刘意杨,

  移动边缘计算是解决机器人大计算量任务需求的一种方法。传统算法基于智能算法或凸优化方法，迭代时间长。深度强化学习通过一次前向传递即可求解，但只针对固定数量机器人进行求解。通过对深度强化学习分析研究，在深度强化学习神经网络中输入层前进行输入规整，在输出层后添加卷积层，使得网络能够自适应满足动态移动机器人数量的卸载需求。最后通过仿真实验验证，与自适应遗传算法和强化学习进行对比，验证了所提算法的有效性及可行性。

• 基于E2E Deep VAE-LSTM的轴承退化预测应用研究

  周壮,周凤,

  针对额外提取数据特征的方法需要花费大量时间和人力成本、轴承退化的线性预测精度低等问题，以及时序数据具有时间依赖关系的特点，提出了端到端的结合长短时记忆网络的深度变分自编码器模型（E2E Deep VAE-LSTM）用于轴承退化预测。通过改进VAE的结构，并结合LSTM，该模型可以在含有异常值的数据集上直接进行训练和预测；使用系统重建误差表征轴承退化趋势，实现了轴承退化的非线性预测。在三个真实数据集上的实验结果表明，E2E Deep VAE-LSTM模型可以得到满意的预测结果，预测精度均高于现有的几种AE类模型及其他几种方法，且具有良好的泛化能力和抗过拟合能力。

• 基于动态卷积多层域自适应的轴承故障诊断

  周华锋,程培源,邵思羽,赵玉伟,焦晓璇,

  现有基于深度学习的轴承故障诊断方法对数据具有一定的依赖性，要求训练数据与测试数据具有相同的分布。在变工况的条件下，网络模型的故障诊断精度会因数据分布发生变化而下降。为保证网络模型能够在变工况条件下对轴承的健康状态进行准确识别，基于无监督域自适应理论，提出一种新颖的智能故障诊断网络模型——动态卷积多层域自适应网络。该网络一方面充分利用动态卷积强有力的特征提取能力，提取更多有效的故障特征；另一方面采用相关对齐实施非线性变换，同时对齐多层故障特征分布的二阶统计量，促进源域的诊断知识向目标域迁移，提高了模型在目标域无故障标签条件下的故障识别准确率。最后，在两个数据集共14个迁移任务下进行实验，实验结果表明，动态卷积多层域自适应网络能够实现较高的故障诊断识别精度。

• 移动App即时缺陷预测模型的可解释性方法

  胡新宇,陈翔,夏鸿崚,顾亚锋,

  在移动App即时缺陷预测领域，大部分研究只关注预测模型的性能，而忽略了模型的可解释性，因此会造成开发人员对缺陷预测模型的预测结果缺乏信任，并阻碍了缺陷预测模型在实践中的应用。主要针对Android移动App即时缺陷预测模型的可解释性展开研究，通过差分进化算法对局部可解释技术LIME方法进行超参优化得到ExplainApp方法，该方法可以对预测结果生成高质量解释。选择了14个实际Android应用程序作为实验对象，最终结果表明，ExplainApp方法可以解释移动App即时缺陷预测模型得到的实例预测结果。ExplainApp方法在拟合优度上要优于原始的LIME方法，可以平均提高94.50%。

• 湿地公园无人机航测的高效三维建模与呈现

  余国丽,陈宇拓,曹玉雯,高硕培,

  针对湿地公园地貌和生态特征，以实例为研究对象，对湿地公园无人机航测数据的高效三维建模和轻量化呈现技术进行研究，解决大型实景模型建模效率低、实时呈现与浏览困难和缓慢等瓶颈问题。提出基于二次高斯径向基函数线性组合方程及对航测空间位置数据进行四叉树分割的三维建模算法，并实现模型的光滑连接和优化处理。实验表明，该方法一改航测数据三维建模的传统烦琐建模方法和过程，利用少量的建模数据高效快速构建和呈现大规模三维模型，并大幅降低构建模型的数据量和获得满意的建模视觉效果。该方法不仅适用于湿地公园大规模三维高效建模与呈现，对自然风景区、林区等生态保护区的大规模三维建模与呈现亦有参考价值。

• 基于智能反射面辅助与无线中继的无人机协作通信系统优化算法

  李一聪,黄高飞,周发升,赵赛,唐冬,

  针对采用智能反射面（RIS）辅助与解码转发中继的无人机协作通信系统，研究了RIS反射相位、无人机部署位置和无线中继传输时隙联合优化算法。首先根据协作系统传输协议，建立了以最大化系统端到端信息传输可达速率为目标的资源分配联合优化问题。该问题非凸，为此提出一个交替优化算法，将该非凸问题分解为分别对RIS反射相位、无人机部署位置和协作中继传输时隙进行优化的三个子问题。其中RIS反射相位优化子问题和无人机部署位置优化子问题仍非凸，为此，分别采用半定松弛方法和提出一种基于连续凸逼近的局部区域优化方法进行求解，通过三个子问题的交替和迭代优化得到原问题的次优解。仿真结果验证了提出的联合优化算法获得的系统端到端信息传输可达速率优于其他的基准方案，并发现无人机应部署靠近中继或RIS的上方，其结果与系统的信噪比、RIS的反射元件数量以及RIS和中继所处地理位置等因素有关。

• 基于改进麻雀搜索算法的服务功能链优化映射算法

  朱国晖,景文焕,李世昌,

  为了实现5G网络场景下服务功能链的低成本高效率部署，提出了一种基于改进麻雀搜索算法的服务功能链优化映射算法。在服务功能链映射过程中，采用双层编码方式，将服务请求的组链方案和映射方案进行混合编码，然后使用改进离散麻雀搜索算法进行求解，得到该请求的服务功能链部署方案，并计算其映射权重。当同一时间片内存在多个请求类型时，按照映射权重对所有服务功能链进行排序，优先映射权重高的请求，以此减少延迟开销，提高节点计算资源利用率和链路资源利用率。仿真结果表明，该算法可以有效减少部署开销，提高资源利用率。

• 融合有向结构和非负矩阵分解的链路预测

  陈广福,郭磊,连雁平,

  现存有向网络链路预测方法仅考虑单类型网络结构而忽略一些关键网络结构，导致预测准确度下降。针对此问题，提出一个融合多类型有向网络结构和非负矩阵分解的链路预测框架去保持局部和全局结构信息。首先，将有向网络的邻接矩阵映射到低维潜在空间保持原始网络的方向链接；其次，通过2-范数和规范化拉普拉斯融合四个关键有向结构相似度包括有向共同邻居（DCN）、有向Adamic-Adar（DAA）、有向资源分配（DRA）和势理论（BF）去保持多类型网络结构信息，分别提出四个有向网络的链路预测模型NMF-DNS-DCN、NMF-DNS-DAA、NMF-DNS-DRA和NMF-DNS-BF；最后，启用乘法更新规则去学习四个模型参数并证明所提算法的收敛性。在八个真实世界有向网络上与现存的代表性方法相比较，该模型的AUC、recall 和F1分别最大提高5.3%、7.8%和6%。

• 基于线性回归的无线传感器网络链路质量估计方法研究

  张书毓,施伟斌,王文龙,厉祚,

  针对无线传感器网络链路质量估计模型中回归算法复杂度高、缺少统一分类标准和公开数据集等问题，提出了一种基于EWMA和线性回归的链路质量估计方法ELR-LQE。以物理层获取的RSSI、LQI和SNR，以及包接收率PRR作为度量参数，分别在多种实验环境中采用不同的发射功率、竞争条件和部署方式采集数据，建立了链路质量估计数据集。通过最小值填充和EWMA对数据进行预处理，明显提高了回归模型的输入特征与链路质量的相关性。与现有方法相比，提出方法易于和网络层协议适配，并且复杂度较低，适合在资源有限的无线传感器网络节点中实现。实验结果显示，ELR-LQE具有较高的精度，在多种实验条件下平均的ME为4.6×10-2，R2为0.99。

• 基于扩展混沌映射的远程医疗信息系统认证方案

  翟孝影,王箭,

  针对远程医疗信息系统（TMIS）的实时应用场景，提出了一种安全高效的基于扩展混沌映射的切比雪夫多服务器认证协议。该方案使用随机数和注册中心的私钥为用户/应用服务器的身份加密，有效地支持用户和应用服务器的撤销和重新注册。同时，还利用模糊验证因子技术避免离线密码猜测攻击，利用honeywords技术有效避免在线密码猜测攻击。该方案在公共信道上传输的与用户身份相关的信息均使用随机数或随机数的计算结果进行加密，因此可以为用户提供强匿名性。通过BAN逻辑证明该协议可以实现用户和服务器的安全相互认证；同时，使用非正式安全证明该协议可以抵抗多种已知攻击。

• 基于异构可重构计算的AES加密系统研究

  聂一,郑博文,柴志雷,

  随着大数据的发展及加密场景的增多，仅以软件运行的加密方式难以满足加密性能的需求；而使用Verilog/VHDL方式实现的FPGA/ASIC加密系统又存在灵活性较差、维护升级困难等问题。针对上述问题，设计并实现了一种基于异构可重构计算的AES算法加密系统，包含了AES算法ECB、CBC、CTR三种主流模式，每种模式实现了128 bit、192 bit、256 bit三种密钥大小的加密。基于FPGA对模块分别进行了硬件加速，同时基于硬件可重构机制实现了不同模式及不同位宽加密模块的动态切换。通过在Intel Stratix 10上实现并验证该系统，实验结果表明：系统中AES-ECB、AES-CTR、AES-CBC吞吐率分别达到116.43 Gbps、60.34 Gbps、4.32 Gbps，ECB模式相比于Intel Xeon E5-2650 V2 CPU和NVIDIA GeForce GTX 1080 GPU分别获得了23.18倍与1.43倍的加速比，整体系统相比纯软件方式的计算加速比达到4.72。

• 基于可编程协议无关报文处理的分布式拒绝服务攻击检测

  刘向举,尚林松,方贤进,路小宝,

  传统软件定义网络（SDN）中的分布式拒绝服务（DDoS）攻击检测方法需要控制平面与数据平面进行频繁通信，这会导致显著的开销和延迟，而目前可编程数据平面由于语法无法实现复杂检测算法，难以保证较高检测效率。针对上述问题，提出了一种基于可编程协议无关报文处理（P4）可编程数据平面的DDoS攻击检测方法。首先，利用基于P4改进的信息熵进行初检，判断是否有可疑流量发生；然后再利用P4提取特征只需微秒级时长的优势，提取可疑流量的六元组特征导入数据标准化—深度神经网络（data standardization-deep neural network，DS-DNN）复检模块，判断其是否为DDoS攻击流量；最后，模拟真实环境对该方法的各项评估指标进行测试。实验结果表明，该方法能够较好地检测SDN环境下的DDoS攻击，在保证较高检测率与准确率的同时，有效降低了误报率，并将检测时长缩短至毫秒级别。

• 基于博弈策略的攻防模型有效变化域验证算法

  刘雨舟,方贤文,

  变化挖掘能够通过变化日志找到模型中可能存在的变化空间，而传统变化挖掘算法在信息安全攻防态势的场景下，结果可能并不符合安全需求，甚至极大偏离安全标准。针对此问题，提出了一种基于博弈策略的变化域验证方法，解决了传统变化挖掘算法不能验证自身有效性的缺陷。该算法首先会根据安全指标构建效益矩阵计算纳什平衡点，然后通过纳什平衡点验证攻防模型变化域的有效性，其次对无效的、次有效的变化域进行安全等级划分，并在应对未知漏洞的响应问题上给出明确的指导性意见，最后以典型信息安全事件为例验证了该方法的可行性。

• 面向医疗数据的AUR-Tree差分隐私数据发布算法

  张思琪,李晓会,江欣俞,李波,

  随着医学技术的进步和大数据时代的到来，在数据发布时如何对患者就诊记录中的敏感信息进行隐私保护成为当前的研究热点。针对医疗大数据在发布过程中隐私保护问题，提出了基于属性效用值排序法AUR-Tree（attribute utility value ranking-tree）差分隐私数据发布算法。该算法用属性效用值排序法衡量准标识属性对敏感属性的影响程度，以此作为迭代分割的度量依据，采用基于泛化的自顶向下迭代分割分类树技术，通过类等差法合理地分配隐私预算从而实现在医疗数据发布过程中的隐私保护。实验结果表明：该算法在极大地提高了数据的安全性、有效性和可用性的前提下，还保留了后续数据挖掘的价值。

• 多变量体制下的代理签密方案

  俞惠芳,张帅,

  目前大多数代理签密方案的安全性主要是基于传统密码体制下的，随着量子计算技术的发展，传统密码体制下的代理签密方案受到严重威胁，构造抗量子计算的代理签密方案具有重要意义。多变量公钥密码是抗量子计算密码的主要候选者之一，鉴于此，提出多变量密码体制下的代理签密方案，利用有限域上求解非线性多变量多项式方程组问题和多项式同构问题保证了其安全性。分析表明该方案计算速度快、通信代价低，并具有抗量子计算的能力。

• 行人再识别系统中无感噪声攻击的防御方法

  王进,张荣,

  深度学习在行人再识别任务上的应用已经取得了较大进步。然而，由于深度神经网络的鲁棒性容易受到对抗样本的攻击，深度学习在行人再识别模型应用中暴露出来一些安全问题。针对该问题，提出一种无感噪声攻击的防御方法DSN。首先，利用RGB图像的灰度补丁图像，使其在训练过程中增强数据，从而提升行人再识别模型的识别能力。其次，采用模型内外结合的防御结构，并采用一种新的降噪网络，对输入的噪声图像进行降噪处理，从而使得行人再识别模型有更高的识别精度和防御无感噪声攻击的能力。在market1501数据集上模拟无感噪声攻击与防御，实验结果显示，该方法将mAP识别精度从2.6%提高到82.6%，rank-1精度从0.8%提高到83.5%。另外，通过消融实验表明了该方法中每个模块防御无感噪声攻击的有效性。

• ARGP-Pose:基于关键点间关系分析与分组预测的3D人体姿态估计

  黄程远,宋晓宁,冯振华,

  尽管3D人体姿态估计已经相对成功，但现存方法在复杂场景下的性能依然差强人意。为了提高在无约束场景下3D人体姿态估计的准确性以及鲁棒性，提出了ARGP-Pose，一种基于探索关键点间关系的单目视频3D人体姿态估计框架。该框架包含一种关键点信息预处理方式以及3D姿态估计网络结构。关键点预处理能够强化结构特征，抽取出关键点之间联系信息，并作为网络输入。3D姿态估计网络能够融合各个关键点的局部信息以及整体姿态的全局信息。此外，利用自注意力模块来提取有效时序信息，以进一步提高预测准确度。而对于复杂姿态，采用了分组预测的方式将复杂动作的预测分解为各个点的预测，从而使网络对复杂姿态的估计能力有了明显的提高。在Human3.6M和HumanEva-I这两个著名数据集上的实验结果证明了所提出的方法的优越性。

• 融入多尺度双线性注意力的轻量化眼底疾病多分类网络

  李朝林,张荣芬,刘宇红,

  现在大多数眼疾分类方法都是对单一类别疾病不同级别进行分类，并且网络模型存在参数量大、计算复杂等问题。为解决这些问题，提出一种轻量化的眼底疾病多分类网络MELCNet，该网络以PPLCNet为主干网络，由输入层特征提取、并行多尺度结构、双线性SE注意力模块、深度可分离卷积、更小参数计算的h-swish激活函数构成，能关注到不同尺度不同疾病的关键患病信息。实验结果表明，提出的多尺度注意力轻量网络模型具有较少的参数量和计算复杂度，并在所选的四种眼底疾病和正常眼底图像的多分类上取得了优异的分类结果，在内部组合数据集测试集上的分类准确率相对于ResNet-50提升1.11%，相对于Xie等人提出的类似眼疾多分类网络在公开数据集cataract测试集上提升2.5%，相较于其他轻量级分类网络在眼底疾病多分类领域具有较高的准确率以及较强的鲁棒性。

• 基于双向互补学习网络的散焦模糊检测

  张广强,郑津津,丰穗,苏天成,周洪军,

  散焦模糊检测存在轮廓细节丢失、错分均质清晰区域以及难以处理低对照度渐变区域等诸多问题，针对上述问题，提出一种基于双向互补学习的散焦模糊检测网络，双向学习、逐层融合、互补信息以生成高质量检测结果。双向互补学习网络由特征提取残差模块、双向互补解码子网和融合校正解码子网构成。残差模块提取原始图像的分层级特征；双向互补解码子网同时学习模糊区域和清晰区域的信息，形成互补学习、互补不足；融合校正解码子网则逐层融合成对互补特征图，校正预测误差；此外，所有解码子网均采用分层监督的方式引导网络高效学习。提出的方法在三个公开数据集上F分数分别提升了1.1%、0.1%、1.8%，检测速度达到26.618 fps，超越了现存方法。双向互补学习网络可以有效地挖掘分层级特征和互补标签的信息，快速地生成检测结果。

• 融合注意力与时域多尺度卷积的手势识别算法

  毛力,张艺楠,孙俊,

  针对基于深度学习的动态手势识别方法网络规模庞大、提取的时空特征尺度单一、有效特征的提取能力不足等问题，提出了一种深度网络框架。首先，使用时域多尺度信息融合的时空卷积模块改进3D残差网络结构，大幅度缩小网络规模，获得多种尺度的时空感受野特征；其次，引入一种全局信息同步的时空特征通道注意力机制，使用极少量参数构建特征图通道之间的全局依赖关系，使模型更加高效地获取动态手势的关键特征。在自建手势数据集SHC和公开手势数据集SKIG上的实验结果显示，提出的手势识别方法参数量更少且多尺度时空特征提取能力强，识别率高于目前的主流算法。

• 基于循环神经网络的散焦图像去模糊算法

  程文涛,任冬伟,王旗龙,

  近年来，基于深度学习的运动模糊去除算法得到了广泛关注，然而单幅散焦图像去模糊算法鲜有研究。为针对性地解决单幅图像的散焦模糊问题，提出一种基于循环神经网络的散焦图像去模糊算法。首先级联两个残差网络，分别完成散焦图估计和图像去模糊；随后，为了保证散焦图和清晰图像的深度特征可以更好地跨阶段传播以及阶段内相互作用，在残差网络中引入LSTM（long short-term memory）循环层；最后，整个残差网络进行了多次迭代，迭代过程中网络参数共享。为了训练网络，制作了一个合成散焦图像数据集，每一张散焦图像都包含对应的清晰图像和散焦图。实验结果表明，该算法相较于对比算法在主客观图像质量评价上均有显著优势，在复原结果中具有更锐利的边缘和清晰的细节。对于真实双像素图像散焦模糊数据集DPD，该算法相比DPDNet-Single在峰值信噪比（PSNR）和结构相似性（SSIM）上分别提高了0.77 dB、5.6%，因此所提方法可以有效处理真实场景散焦模糊。

• 基于偏振成像和显著区域自补偿的水下显著目标检测

  王慧敏,霍冠英,周亚琴,余大兵,

  在浑浊的水下环境中，受水体多重散射以及噪声的影响，造成水下成像质量大幅下降，现有显著性目标检测算法无法满足目标检测准确性的任务需求。因此，提出一种基于偏振成像和显著区域自补偿的水下显著目标检测算法。提出的算法分为两个阶段：采用基于偏振角估计后向散射光的方法去除后向散射的影响，同时引入引导滤波进行水下去噪，再通过PSF函数去除前向散射造成的模糊效应；利用改进的栅格扫描算法结合局部特征描述符识别前景超像素，根据前景超像素生成显著区域对网络进行优化补偿，再结合DeepLabv3+网络生成最终的分割图。在浑浊水下环境进行了多组对比实验结果表明，所提复原算法可以有效地增强目标，提高了目标的对比度和清晰度，所提显著目标检测算法能够准确地检测出水下显著目标，并且可以保留细节信息。结合偏振成像模型的优点，该算法能够较好地克服水下复杂的光学成像环境，并且能快速准确地检测出水下显著目标。

• 稀疏差分网络和多监督哈希用于高效图像检索

  张志升,曲怀敬,徐佳,王纪委,魏亚南,谢明,张汉元,

  针对基于深度哈希的图像检索中卷积神经网络（CNN）特征提取效率较低和特征相关性利用不充分的问题，提出一种融合稀疏差分网络和多监督哈希的新方法SDNMSH（sparse difference networks and multi-supervised hashing），并将其用于高效图像检索。SDNMSH以成对的图像作为训练输入，通过精心设计的稀疏差分卷积神经网络和一个监督哈希函数来指导哈希码学习。稀疏差分卷积神经网络由稀疏差分卷积层和普通卷积层组成。稀疏差分卷积层能够快速提取丰富的特征信息，从而实现整个网络的高效特征提取。同时，为了更加充分地利用语义信息和特征的成对相关性，以促进网络提取的特征信息能够更加有效地转换为具有区分性的哈希码、进而实现SDNMSH的高效图像检索，采用一种多监督哈希（MSH）函数，并为此设计了一个目标函数。在MNIST、CIFAR-10和NUS-WIDE三个广泛使用的数据集上进行了大量的对比实验，实验结果表明，与其他先进的深度哈希方法相比，SDNMSH取得了较好的检索性能。

• 基于无监督深度图像生成的盲降噪模型

  陈晓军,李芬,徐少平,肖楠,程晓慧,

  鉴于有监督神经网络降噪模型的数据依赖缺陷，提出了一种基于无监督深度生成（UDIG）的盲降噪模型。首先，利用噪声水平评估（NLE）算法测定给定噪声图像中的噪声水平值并输入到主流FFDNet降噪模型中，所得到的降噪后图像（称为初步降噪图像）作为UDIG降噪模型的输入；其次，选用编码器—解码器架构作为UDIG模型的骨干网络并用UDIG模型的输出图像（即生成图像）分别与初步降噪图像、噪声图像之间的均方误差之和构建混合loss函数；再次，以loss最小化为优化目标，通过随机梯度下降（SGD）网络训练算法调整网络模型的参数值从而获得一系列生成图像；最后，当残差图像（噪声图像与生成图像之间）的标准差逼近之前NLE算法所测定的噪声水平估计值时及时终止网络迭代训练过程，从而确保生成图像（作为降噪后图像）的图像质量最佳。实验结果表明：与现有的主流降噪模型（算法）相比，UDIG降噪模型在降噪效果上具有显著优势。

• 基于视觉信息补偿的多流音视显著性检测

  王芸,尹来国,宋梦柯,

  音视显著性检测方法采用的双流网络结构，在音视信号不一致时，双流网络的音频信息对视频信息产生负面影响，削弱物体的视觉特征；另外，传统融合方式忽视了特征属性的重要程度。针对双流网络的问题进行研究，提出了一种基于视觉信息补偿的多流音视显著性算法（MSAVIC）。首先，在双流网络的基础上增加单独的视频编码分支，保留视频信号中完整的物体外观和运动信息。其次，利用特征融合策略将视频编码特征与音视频显著性特征相结合，增强视觉信息的表达，实现音视不一致情况下对视觉信息的补偿。理论分析和实验结果表明，MSAVIC在四个数据集上超过其他方法2%左右，在显著性检测方面具有较好的效果。

• 基于损失自注意力机制的立体匹配算法研究

  郭乾宇,武一,刘华宾,赵普,

  针对现有的立体匹配算法在阴影、物体边缘和光照反射等区域匹配困难且存在大量错误结果的问题，设计了一种可拆卸的损失自注意力网络（loss self-attention net，LSAnet）查找图像中的匹配困难区域。LSAnet的网络各层相互稠密连接，应用了空洞卷积来扩大感受野，并以立体匹配算法生成的损失分布为标签，能够动态地进行有监督训练，最终生成匹配困难区域掩膜辅助立体匹配网络进行更好的优化；同时，改进了立体匹配网络中经典的特征匹配代价卷结构，降低了后续3D卷积的计算负荷，提高了匹配效率。实验结果表明，该算法相比于基准算法精度更高，并且可以提高算法对于匹配困难区域的鲁棒性。