计算机应用研究杂志

计算机应用研究杂志2022年第8期

• 移动边缘计算中基于中继辅助计算方法综述

  陈澈,郑艺峰,杨敬民,谢玲富,张文杰,

  为了满足下一代网络在覆盖范围、部署成本以及容量方面的挑战，移动边缘计算（MEC）通常需要借助中继节点的辅助来完成计算密集型和延迟敏感型的任务。首先介绍了基于中继辅助MEC系统的基本架构，之后从任务卸载、资源分配和中继节点选择三方面对基于中继辅助MEC系统最新的研究方法进行归纳总结。更进一步地针对现有方法可能存在的问题与挑战进行了讨论和分析，并提出了一些可行的解决方案为后续研究发展提供参考。

• 基于GAN的手绘草图图像翻译研究综述

  王建欣,史英杰,刘昊,黄海峤,杜方,

  目前基于GAN的手绘草图图像翻译工作处于起步阶段，分析了草图图像翻译面临的挑战性问题，从无控制和精细控制的草图图像翻译两个方面对基于GAN的草图图像翻译研究工作进行分析，并对生成图像的评估方法进行总结。基于已有研究工作的总结归纳，对该领域未来可能的发展趋势进行了展望，为该领域研究人员拓展研究思路提供了线索。

• 融合多模态资源的教育知识图谱的内涵、技术与应用研究

  高茂,张丽萍,

  传统的教育知识图谱研究多数面向文本资源，忽略了多模态资源对教育知识的解读作用及其自身丰富的特征表示。为了更好地推进后续研究工作，以多模态资源为切入点，对教育知识图谱进行综述。首先，介绍了知识图谱的概念和分类；其次，综述了教育知识图谱的内涵，对教育知识图谱的定义、分类及其构建框架进行梳理；结合以神经网络为代表的深度学习方式，对教育知识图谱的构建技术进行重点介绍；最后，总结了教育知识图谱的相关应用，并指出当前研究中存在的问题与未来的研究方向。

• 优化计算slater投票获胜者的Picat方法

  敖欢,王以松,冯仁艳,邓周灰,仝天乐,

  slater投票规则是基于锦标赛的投票规则，主要是通过构造无环锦标赛，找到与原锦标赛差异最小的一个，从中选出获胜者。针对求解难度为NP难的slater投票算法，提出了一种基于相似候选项集的优化求解slater问题的Picat方法。相比于非优化求解slater问题的方法，该方法缩小了slater算法的解空间，有效地减少了求解slater获胜者的计算量，提高了计算速度。实验结果表明，优化求解slater问题的Picat方法的计算速度优于非优化的Picat方法；当候选项人数少于20时，求解slater问题的回答集程序（ASP）方法的计算速度和计算能力优于优化的Picat方法，但当候选项人数超过30时，优化的Picat方法（用可满足问题求解器）的计算速度和计算能力优于ASP方法。

• 基于负载预测的微服务混合自动扩展

  宋程豪,江凌云,

  由于边缘云没有比中心云更强大的计算处理能力，在应对动态负载时很容易导致无意义的扩展抖动或资源处理能力不足的问题，所以在一个真实的边缘云环境中对微服务应用程序使用两个合成和两个实际工作负载进行实验评估，并提出了一种基于负载预测的混合自动扩展方法（predictively horizontal and vertical pod autoscaling，Pre-HVPA）。该方法首先采用机器学习对负载数据特征进行预测，并获得最终负载预测结果。然后利用预测负载进行水平和垂直的混合自动扩展。仿真结果表明，基于该方法所进行自动扩展可以减少扩展抖动和容器使用数量，所以适用于边缘云环境中的微服务应用。

• 基于非鲁棒特征的图卷积神经网络对抗训练方法

  承琪,朱洪亮,辛阳,

  图卷积神经网络可以通过图卷积提取图数据的有效信息，但容易受到对抗攻击的影响导致模型性能下降。对抗训练能够用于提升神经网络鲁棒性，但由于图的结构及节点特征通常是离散的，无法直接基于梯度构造对抗扰动，而在模型的嵌入空间中提取图数据的特征作为对抗训练的样本，能够降低构造复杂度。借鉴集成学习思想，提出一种基于非鲁棒特征的图卷积神经网络对抗训练方法VDERG，分别针对拓扑结构和节点属性两类特征，构建两个图卷积神经网络子模型，通过嵌入空间提取非鲁棒特征，并基于非鲁棒特征完成对抗训练，最后集成两个子模型输出的嵌入向量作为模型节点表示。实验结果表明，提出的对抗训练方法在干净数据上的准确率平均提升了0.8%，在对抗攻击下最多提升了6.91%的准确率。

• 基于沙漏网络的多层次协同搜索方法

  陈桂荣,邱仲禹,粟涛,陈弟虎,

  目前，人工智能快速发展，人们可以通过探索硬件设计空间使优秀的神经网络算法高效部署在FPGA加速器。然而，由于参数量大、操作过于复杂而导致算法与硬件难以匹配，加速效率不高。为了算法和硬件两者匹配性更强，提出了一种多层次协同搜索的方法，采用SPOS搜索策略并以检测准确率和延时为评估目标，搜索出最优神经网络架构、量化方式和硬件设计参数组合。该方法应用在姿态识别中具有优异性能的沙漏网络中，在获取候选子网络量化前、后的检测准确率的同时对硬件设计参数使用遍历搜索得到预估延时，根据目标函数获取最高得分的最优组合。为了保证获取的数据有效性，子网络需要进行重新训练、量化后重新推理得到检测准确率，获取硬件设计参数则利用基于Spinal HDL设计的加速器模板进行仿真测试得到测试延时。就平均而言，该方法比文献［1］减少了83.3%的参数，准确率只下降了0.69；比传统加速方法平均减少了33.2%参数量，准确率只下降了0.46，网络推理的测试总延时减少22.1%，在沙漏块的测试延时减少67.8%。总体而言，该协同搜索方法对于沙漏网络的优化有一定效果，比传统加速设计方法更有优势。

• 一种改进的警示传播算法求解Max-SAT问题

  吴宇翔,王晓峰,丁红胜,于卓,

  Max-SAT问题是SAT问题的优化版本，目标是在给定的子句集中找到一组变元赋值，使得满足子句数最多，该问题是典型的NP-hard问题。随着大数据和人工智能的深度发展，过去原有的算法已不再适用，设计新的求解算法或对已有的求解算法进行优化是目前研究的热点。针对警示传播算法求解随机Max-3-SAT问题的局限性，提出了一种基于变元权值计算的警示传播算法，结合随机游走算法，给出一种新型算法WWP+WalkSAT，通过改进求解的局限性，更好地得到一组有效的初始解，从而提高算法的局部搜索能力。利用2016年Max-SAT国际竞赛部分基准实例，将WWP+WalkSAT算法与八种局部搜索算法进行精度方面的对比实验。实验结果表明，WWP+WalkSAT算法有较好的性能。

• 改进布谷鸟算法求解双资源约束柔性车间调度问题

  罗浩嘉,潘大志,

  针对双资源约束的柔性车间调度问题（DRCFJSP），以优化最大完工时间为目标，设计出一种具有改进解码方案的布谷鸟算法对其进行求解。由于DRCFJSP除了需要考虑机器的分配，还需要兼顾工人的加工情况，所以改进了传统解码方式以避免机器和工人在加工时间上的冲突，同时在解码时尽可能利用机器和工人的空闲时间。在布谷鸟算法核心框架下，将布谷鸟种群随机划分为三个子群，每个子群采用不同Lévy飞行方式独立进行寻优，并通过差分算子实现子群间信息交流，不仅增强了算法的全局搜索能力，也平衡了算法的局部搜索能力。最后通过基准测试算例进行实验仿真分析并与其他算法进行对比，验证了改进布谷鸟算法和改进解码方法的有效性和优越性。

• 基于门控循环图卷积网络的交通流预测

  汪鸣,彭舰,黄飞虎,

  交通流预测在智能交通系统的建设中起着关键性的作用，然而现有预测方法无法准确地挖掘其潜在的时空相关性，而且大多采用全连接网络进行单步预测。为了进一步挖掘数据的时空特性以及提升长短期预测的精度，提出了一种门控循环图卷积网络（GR-GCN）模型。首先，利用频域上的图卷积结合门控循环单元（GRU）构建一个时空组件（STC）以同时捕获节点的时空相关性，充分地提取数据的时空特征；然后，利用该时空组件构成编码器单元，并将时间序列数据和路网结构数据输入其中；最后，使用门控循环单元作为解码器单元，并按照时间顺序将两者组成一个编码器—解码器（encoder-decoder）结构，依次解码出每个时刻的预测结果。在加利福尼亚交通局（Caltrans）性能评估系统中高速公路数据集PeMSD4和PeMSD8进行了实验。结果表明，所提模型GR-GCN在预测未来15 min、30 min、45 min和60 min的交通流量方面优于大多数现有基准模型，尤其是在长期预测方面。

• 基于自适应门控图神经网络的交通流预测

  王杨,郑津,刘影,李平,

  交通流预测是智能交通系统中的重要组成部分，由于交通数据的复杂性，长期而又准确的交通流预测一直是时间序列预测中最具挑战性的任务之一。近年来，研究人员将基于图神经网络的时空图建模方法应用于交通流预测任务，并取得了良好的预测性能。然而，现有的图建模方法仅通过预定义的邻接结构反映道路网络中的空间依赖关系，忽略了各节点之间的序列关联关系对预测的重要性。针对这一局限性，提出了一种自适应门控图神经网络（Ada-GGNN），其核心为通过空间传递模块同时捕获道路网络的空间结构及自适应的时序相关性，并通过门控机制学习节点上的时间序列特征。在两个真实交通网络数据集PeMSD7和Los-loop上的实验结果证明了该模型具有更优越的性能。

• 结合状态预测的深度强化学习交通信号控制

  唐慕尧,周大可,李涛,

  深度强化学习（deep reinforcement learning，DRL）可广泛应用于城市交通信号控制领域，但在现有研究中，绝大多数的DRL智能体仅使用当前的交通状态进行决策，在交通流变化较大的情况下控制效果有限。提出一种结合状态预测的DRL信号控制算法。首先，利用独热编码设计简洁且高效的交通状态；然后，使用长短期记忆网络（long short-term memory，LSTM）预测未来的交通状态；最后，智能体根据当前状态和预测状态进行最优决策。在SUMO（simulation of urban mobility）仿真平台上的实验结果表明，在单交叉口、多交叉口的多种交通流量条件下，与三种典型的信号控制算法相比，所提算法在平均等待时间、行驶时间、燃油消耗、CO2排放等指标上都具有最好的性能。

• 多中心半开放式送取需求可拆分的车辆路径优化

  张颖钰,吴立云,

  针对多中心半开放式送取需求可拆分的车辆路径问题，构建了以车辆配送距离最短为目标的多中心半开放式送取需求可拆分的数学模型。设计大变异邻域遗传算法进行求解，采用二维染色体编码及顺序交叉策略，同时运用大变异策略和邻域搜索策略提高算法全局和局部的寻优能力，通过算例对比验证了所提模型与算法的有效性。算例实验表明，大变异邻域遗传算法在求解多中心物流配送车辆路径问题上求解质量较优、求解效率较高、求解结果较为稳定，同时验证了联合配送下多中心半开放式送取需求可拆分的配送模式优于独立配送下单中心送取需求可拆分的配送模式。研究成果不仅拓展了车辆路径问题，还可为相关快递物流企业配送优化提供决策参考。

• 车联网中基于轨迹预测的无人机动态协同优化覆盖算法

  吴壮,唐伦,蒲昊,汪智平,陈前斌,

  针对城市车联网中出现的基站覆盖空洞及局部流量过载等问题，提出了一种基于车辆轨迹预测信息的动态预部署方案。首先，为了训练得到统一的seq2seq-GRU轨迹预测模型，多个携带边缘计算服务器的无人机在分布式联邦学习与区块链的架构下去除中心聚合节点，采取改进的Raft算法，在每轮训练中根据贡献数据量的大小，选举得到节点来完成参数聚合及模型更新任务。其次，基于模型预测结果，提出了一种改进的虚拟力向导部署算法，通过各虚拟力来引导无人机进行动态部署以提升车辆的接入率及通信质量。仿真结果表明，提出的训练架构能够加速模型的训练，部署算法在提升车辆接入率的同时提升了车辆与无人机之间的通信质量。

• 基于深度强化学习的多路口信号控制优化研究

  赵纯,董小明,任奕颖,

  新的智能交通系统在改善交通流量，优化燃油效率，减少延误和提高整体驾驶经验方面有望发挥重要作用。现今，交通拥堵是困扰人类的一个极其严重的问题，特别是一些城市交通密集的十字路口处可能会更加严重。对信号控制系统的奖励机制进行了改进，将所有路口共享奖励的机制改进为每个交叉口共享唯一的奖励，并且通过密集采样策略与多路口信号控制相结合的方式，运用时下热门的深度强化学习来解决交通信号灯配时问题。仿真实验都是基于现在国际主流的交通模拟软件（SUMO）完成，从实验结果表明，改进后的深度强化学习多路口信号控制方法相较于传统强化学习方法控制效果更佳。

• 基于图生成过程的跨领域推荐

  蔡瑞初,吴逢竹,李梓健,

  推荐系统在各方各面得到充分的应用，时刻影响着日常生活。要训练出一个良好的推荐系统往往需要大量的用户—商品交互数据，但是实际情况下获得的数据往往是十分稀疏的，这往往会使得训练出来的模型过拟合，最后难以获得理想的推荐效果。为了解决这个问题，跨领域推荐系统应运而生。目前大部分的跨领域推荐系统工作都是借鉴传统领域自适应的方法，使用基于特征对齐或者对抗学习的思想将领域不变用户兴趣从有丰富数据的源域迁移到稀疏的目标域上，例如豆瓣电影迁移到豆瓣图书。但是由于不同推荐平台的网络结构有所不同，现有方法暴力提取的领域不变的语义信息容易和结构信息耦合，导致错配现象。而且，现有方法忽略了图数据本身存在的噪声，导致实验效果进一步受到了影响。为了解决这个问题，首先引入了图数据的因果数据生成过程，通过领域特征隐变量和语义特征隐变量、噪声隐变量解耦出来，通过使用每个节点的语义隐变量进行推荐，从而获得领域不变的推荐效果。在多个公开数据集上验证了该方法，并取得了目前最好的实验效果。

• 运动想象脑电信号的跨域特征学习方法

  韦泓妤,陈黎飞,罗天健,

  运动想象脑电信号采集成本高且个体差异大，跨个体域构建脑电信号模式识别模型属于典型的小样本跨域学习任务。针对该任务，提出了一种运动想象脑电信号的跨域特征学习方法。该方法首先选择最优度量方法对齐协方差并提取共同空间模式特征；其次，在该特征基础上采用领域自适应方法学习目标域的最优跨域特征。为验证所提方法的可行性与有效性，采用经典模型识别跨域特征，在两个公开的数据集上进行对比实验。实验结果表明，通过所提方法学习到的跨域特征，在运动想象模式识别中明显优于现有方法学习到的特征。此外，还详细对比了跨域特征学习方法的各项参数设置、性能及效率。

• 基于脑电微分熵的警觉度估计方法

  陈万,蔡艳平,李爱华,杨梅枝,姜柯,

  为提高人员警觉度实时估计精度，提出了一种基于微分熵（DE）、改进滑动平均和双向二维主成分分析（TD-2DPCA）的警觉度实时估计方法。首先将总频带以某一带宽分解为多个子频带，在每个子频带提取DE；然后结合警觉度的时间动态特征对传统滑动平均方法进行改进，利用改进滑动平均对DE进行了平滑处理；之后利用TD-2DPCA对DE进行降维，并采用最小二乘支持向量机（LS-SVM）建立特征矩阵与警觉度之间的回归模型，以实现警觉度的实时准确估计。最后利用SEED-VIG数据集进行了实验验证，结果表明，采用改进滑动平均和TD-2DPCA方法对数据进行处理可以提高警觉度估计的精度并降低估计时间；总频带在0~35 Hz以内，分解带宽为1 Hz或2 Hz时，提取的DE进行警觉度估计能够达到最高的估计精度；Pearson相关系数约为0.91，RMSE约为0.09，优于现有的警觉度估计方法。

• 基于图注意力网络的开源社区问题解决参与者推荐

  赵海燕,夏文宗,曹健,陈庆奎,

  在开源社区中，开发者提出的问题能否得到快速与高质量的答复和解决决定着社区的活跃程度。因此，为新提交的问题寻找和推荐合适的问题解决参与者有助于社区的发展。根据开发者之间的协作关系记录与开发者参与问题的记录构建了双层图注意力网络的问题解决参与者推荐模型（GAT-UCG）。首先获取问题参与者的信息和开发者的互动信息，分别构建开发者问题参与图和开发者协作关系图。通过注意力机制对于边重新分配权重，最后根据输出层得到的问题节点嵌入表示进行问题参与者的top-N推荐。选取了GitHub流行仓库中的7 352个问题进行了实验，实验结果表明，所提GAT-UCG模型在推荐准确率、召回率、F-score三个指标上均优于基线方法。

• 面向小样本关系抽取的自适应胶囊网络

  张晓明,窦全胜,陈淑振,唐焕玲,

  小样本关系抽取任务是自然语言处理中的热点问题，旨在使用低成本的标注数据训练关系抽取模型。目前广泛使用的原型网络存在类原型表达不准确、不完整等问题。为了克服该问题，提出一种自适应胶囊网络（adaptive capsule network，ACNet），ACNet借助胶囊网络的归纳能力生成类原型，并在此基础上对动态路由过程进行评估，使其面对不同样本能自适应调整网络参数。同时，在ACNet中引入一种记忆迭代机制，帮助模型快速确定类表示。在小样本关系数据集FewRel上进行实验验证得出，ACNet能够有效处理小样本关系抽取任务。

• 折扣{0-1}背包问题粒子群算法的贪婪修复策略探究

  代祖华,周斌,龙玉晶,王宗泉,

  群智能启发式算法求解折扣{0-1}背包问题（D{0-1}KP）时，为提升求解效率和求解质量，需采用某种修复与优化策略将非正常编码个体转换为符合解约束条件的编码个体。在引入项集价值密度概念基础上，以粒子群算法（PSO）为例，提出一组基于项集的贪婪修复与优化方法（group greedy repair and optimization algorithm，GGROA），并进一步构造PSO-GGRDKP算法（PSO based GGROA for solving D{0-1}KP）以探究GGROA方法的可行性和性能。PSO-NGROADKP（PSO based NGROA for solving D{0-1}KP）和PSO-GRDKP（PSO based GROA for solving D{0-1}KP）是基于项贪心修复与优化方法的粒子群算法。在D{0-1}KP标准数据集的实验结果表明：与PSO-NGROADKP和PSO-GRDKP相比，PSO-GGRDKP算法的解误差率略高，但算法时间性能分别提升了13.8%、12.9%。

• 综合维度学习的多群协作粒子群优化算法

  张其文,王杨婷,

  针对维度学习策略（dimensional learning strategy，DLS）中存在的过度开发问题，提出了一种综合维度学习的多群协作粒子群优化算法（CDL-MCPSO）。为提高种群搜索效率，采用基于主从范式的集群结构，将种群划分为一个主群和四个从群，主群执行综合学习策略在搜索空间进行大范围探索，从群执行综合维度学习策略（comprehensive dimensional learning，CDL）在局部最优解附近进行高精度的开发，主从群通过执行具有不同职能的算法能够有效实现其在勘探和开发之间的平衡；同时为保持种群多样性，提出了一种新的解交换机制（SEM）用于在主从群独立运行各自算法若干代之后进行信息的交流与协作，以指导粒子后期进行更准确的搜索；最后，针对初始化过程随机性过高，运用拉丁超立方体采样方法对算法重建输入分布。为验证CDL-MCPSO的有效性，将其与五种粒子群算法变体在10个测试函数上进行实验对比，结果表明该算法总是可以找到优于或相当于对比算法的解，在求解复杂函数时具有可行性和高效性。

• 基于局部并行搜索的分布式约束优化算法框架

  石美凤,杨海,陈媛,肖诗川,廖鑫,何颖,

  针对当前局部搜索算法在求解大规模、高密度的分布式约束优化问题（DCOP）时，求解困难且难以跳出局部最优取得进一步优化等问题，提出一种基于局部并行搜索的分布式约束优化算法框架（LPOS），算法中agent通过自身的取值并行地搜索局部所有邻居取值来进一步扩大对解空间的搜索，从而避免算法过早陷入局部最优。为了保证算法的收敛性与稳定性，设计了一种自适应平衡因子K来平衡算法对解的开发和继承能力，并在理论层面证明了并行搜索优化算法可以扩大对解空间的搜索，自适应平衡因子K可以实现平衡目的。综合实验结果表明，基于该算法框架的算法在求解低密度和高密度DCOP时性能都优于目前最新的算法。特别是在求解高密度DCOP中有显著的提升。

• 基于数据冗余控制的移动群智感知任务分配方法

  何杏宇,赵丹,杨桂松,金子日,覃洋恺龙,汪琦沛,

  移动群智感知系统中任务之间存在时空覆盖重叠性，这可能导致重复数据收集从而引发数据冗余问题，为此，提出了一种可同时控制任务内以及任务间数据冗余的任务分配方法。该方法首先提出基于长短期记忆（LSTM）神经网络的轨迹序列预测模型，对任务参与者进行细分时空单元的轨迹序列预测，然后根据轨迹预测结果提出最小化数据冗余的优化模型。通过最小化时空单元的数据冗余度来控制单个任务内的数据冗余问题，并通过让单个任务参与者在时空单元中的感知数据被最大化重复利用来控制多个任务之间时空覆盖重叠性带来的数据冗余。实验结果表明，提出的任务分配方法可以有效地减少任务内及任务间的数据冗余。

• 多策略增强花授粉算法及其应用

  李大海,伍兆前,王振东,

  针对经典花授粉算法容易陷入局部最优解和收敛速度慢的缺点，提出一种增强型透镜成像策略和随机邻域变异策略的花授粉算法。通过增强型透镜成像策略扩展花授粉算法的搜索空间，增加解的多样性，有助于算法跳出局部最优解。引入随机邻域变异策略，借助邻域内的信息指导算法搜索，增强算法的收敛精度和搜索速度。对改进后的花授粉算法和四种其他改进算法在CEC2013测试函数上进行比较，实验证明改进后的多策略花授粉算法不论是收敛精度还是搜索速度都比对比算法优秀。最后把多策略花授粉算法应用在汽车传动参数模型上研究该算法的实际效用，结果表明多策略花授粉算法在汽车传动参数优化问题上都优于对比算法。

• 融合角色、结构和语义的口语对话预训练语言模型

  黄健,李锋,

  口语语言理解是任务式对话系统的重要组件，预训练语言模型在口语语言理解中取得了重要突破，然而这些预训练语言模型大多是基于大规模书面文本语料。考虑到口语与书面语在结构、使用条件和表达方式上的明显差异，构建了大规模、双角色、多轮次、口语对话语料，并提出融合角色、结构和语义的四个自监督预训练任务：全词掩码、角色预测、话语内部反转预测和轮次间互换预测，通过多任务联合训练面向口语的预训练语言模型SPD-BERT（spoken dialog-BERT）。在金融领域智能客服场景的三个人工标注数据集——意图识别、实体识别和拼音纠错上进行详细的实验测试，实验结果验证了该语言模型的有效性。

• RA-GCN：抑制过平滑现象的文本分类算法

  苏凡军,马明旭,佟国香,

  现有大多数利用图神经网络的算法进行文本分类时，忽略了图神经网络的过度平滑问题和由于文本图拓扑差异引入的误差，导致文本分类的性能不佳。针对这一问题，提出了衡量多个文本图表示的平滑度方法WACD以及抑制过平滑现象的正则项RWACD。随后提出了基于注意力和残差的网络结构ARS，用于弥补由于图拓扑差异引起的文本信息的损失。最后，提出了图卷积神经网络文本分类算法RA-GCN。RA-GCN在图表示学习层使用ARS融合文本表示，在读出层使用RWACD抑制过平滑现象。在六个中英文数据集上进行实验，实验结果证明了RA-GCN的分类性能，并通过多个对比实验验证了RWACD和ARS的作用。

• 基于横纵向联合控制的多目标优化车辆跟驰研究

  李孟凡,秦文虎,云中华,

  为解决车辆在拥堵环境中因车速波动较大所带来的跟驰平稳性较差、跟踪无效或不安全等问题，提出了基于车辆模型和深度强化学习的多目标优化跟驰方案。首先基于车辆横纵向动力学建立车辆跟驰模型，然后根据车间距误差、速度误差、横向偏差及相对偏航角等，利用深度确定性策略梯度算法得到跟驰车的加速度和转向角，以更平稳安全地控制跟驰车辆。经NGSIM公开驾驶数据集进行测试与验证，该方案可有效地提升跟驰车辆的稳定、舒适与安全性，对保证交通安全和提升道路通行能力具有重要意义。

• 基于改进的NSGA2算法考虑病患公平性及医院运作成本的病床配置优化研究

  陈龙,刘勤明,叶春明,李佳翔,

  针对目前医院病床调度存在运营成本较大以及医患关系之间公平性的问题，提出一个考虑医院运作成本和病患公平性下单科室病床分配的多目标随机规划模型。首先，基于医院的相关政策，提出一个考虑响应性与准入性的权重测度指标来反映医患关系的公平性，并考虑医院的运作成本建立多目标随机规划模型；其次，为方便算法求解，采用线性化方法将复杂模型处理成混合整数线性模型；最后，采用改进后的NSGA2算法对多目标问题求解，并对算例进行不同的数值实验。通过调整不同的参数进行相对应的灵敏度分析，改进后的算法提升了算法的收敛性与多样性，实验结果验证了模型的有效性和适用性。

• 基于商品描述文案的点击预测模型

  黄皓炫,盛武,

  为了预测商品描述文案中商品特征对点击的影响、量化分析用户的消费行为特征及缓解冷启动问题，建立了一种基于LDA模型和文本情感分析的点击预测模型。该模型基于LDA主题模型对商品描述词的分类筛选对构成词进行情感分析，构建特征向量以表示用户对商品各特征的情感倾向，并通过LightGBM算法进行点击的预测。模型可以将非结构化文本数据转换为结构化数据，量化用户对商品不同特征的兴趣倾向，并利用不同商品的相似特征缓解冷启动问题。实验结果表明，该模型有效提高了点击预测效果并能缓解冷启动问题。

• 考虑可变环境因素的公共自行车短期需求预测模型

  乔健,陈少博,何梦莹,

  现有公共自行车短期需求预测模型忽视了不同环境因素影响用户需求的性质差异和可变环境因素的时间依赖性。将环境因素区分为已内化于需求的不变因素和需要单独考虑的可变因素，提出一种用图卷积神经网络（GCNN）捕获用户需求的非欧氏空间依赖、用长短期记忆（LSTM）网络捕获用户需求和可变环境因素的时间依赖、通过向量拼接和全连接网络将可变环境因素的影响施加于用户需求的GCNN-LSTM-E模型。实验结果显示，GCNN-LSTM-E模型在1 h时间粒度下的预测性能最优，而且优于所有基准模型的预测性能。说明该模型的设计合理有效，1 h是最合适的时间粒度。

• 基于多维泰勒网的多入多出非线性时滞系统辨识

  李晨龙,严洪森,

  针对多入多出 （multiple input multiple output，MIMO） 非线性时滞系统辨识的准确性与实时性问题，提出基于多维泰勒网（multi-dimensional taylor network，MTN） 的辨识方案。MTN作为辨识模型，综合利用权剪枝 （weight-elimination，WE） 算法和共轭梯度（conjugate gradient，CG）算法，即WE-CG算法作为MTN辨识模型的学习算法；WE算法可以有效精简MTN辨识模型结构，从而降低计算复杂度、提高模型实时性能。最后，引入一个数值仿真例子和一个工程实例来验证所提辨识方案的有效性，同时与传统的MTN辨识方案作对比，给出了两者的准确性与复杂度分析，突出所提辨识方案的准确性与实时性。实验结果表明，所提方案能够准确地对MIMO非线性时滞系统进行辨识。同时，相比传统的MTN辨识方案，所提辨识方案结构更精简，具有更低的算法复杂度。

• 基于移动用户位置预测的垂直切换算法

  孟磊,唐鑫,徐彦彦,

  针对异构无线网络环境中现有垂直切换算法存在难以实现移动用户接入网络的无缝切换，无法向用户提供稳定通信服务的问题，提出一种基于移动用户位置预测的垂直切换算法。首先利用用户移动轨迹的相似性，使用用户轨迹数据离线训练LSTM模型以学习各用户普遍具有的移动规律；然后在线加载LSTM模型进行用户位置预测，从而使用模糊逻辑分析计算下一时刻用户对应候选网络的回报值，并选取回报值最高的网络进行切换。实验结果表明，该算法与已有垂直切换算法相比，在不同的用户移动速度和用户规模条件下的切换次数、切换失败次数和切换时延均有明显下降，内存消耗较低，能够实现无缝切换。

• 反向散射辅助的无线供能通信中的信息年龄最小化

  宋兆希,唐冬,黄高飞,赵赛,刘贵云,

  信息年龄（AoI）是一种从目的端的角度衡量所捕获数据新鲜度的性能指标。在能量受限的实时感知物联网场景中，为了提高系统的AoI性能，提出了联合采样和混合反向散射通信更新的策略。该策略通过允许源端选择状态采样动作以及更新过程的传输模式来最小化系统的长期平均AoI。具体来说，首先将该优化问题建模为一个平均成本马尔可夫决策过程（MDP）；然后在已知环境动态信息的情况下，通过相关值迭代算法获取最优策略；在缺乏环境动态信息的情况下，采用Q学习算法和探索利用方法，通过与环境的试错交互来学习最优策略。仿真结果表明，与两种参考策略相比，所提出的策略明显提高了系统AoI性能，同时发现系统的AoI性能随更新包尺寸的减小或者电池容量的增大而提升。

• 基于终端差异化与D2D网络的IDNC协作重传方案

  姚玉坤,陈鑫垚,羊杰,

  为了满足终端用户的个性化需求并且降低D2D网络的传输时延，提出了一种基于终端差异化的立即可解网络编码（IDNC）协作重传方案。首先，针对PC-D2D网络存在的解码冲突以及传输冲突问题提出一种新的IDNC算法框架并且在此框架的基础上搜索极大独立集（MIS），综合考虑数据包的接收情况、终端用户需求以及链路丢包率情况设计权重，衡量权重选取一次重传时延增量最小的并发协作重传终端以及数据包组合生成编码包；同时，考虑不需要数据包提供的未来解码机会，优化终端不需要的数据包，进一步降低传输时延。仿真结果表明，所提方案在满足终端个性化需求的同时能够有效地降低解码时延和完成时间。

• 基于SDN与NDN的卫星网络多约束路由算法

  刘治国,姚巧雨,潘成胜,

  针对NDN卫星网络内容传输时延高、丢包率高且请求命中率低的问题，提出了一种基于SDN与NDN的卫星网络多约束路由算法，并命名为SNMcRA。基于SDN的集中控制与全局视图，通过建立多约束路由模型，将链路多约束信息与蚁群算法相结合以求解满足时延、带宽、丢包率多约束的代价最小路径，由节点在包转发的过程中动态完成转发表FIB和待定请求表PIT的构建。实验结果表明，该算法与DSP算法相比时延降低了35%，带宽利用率提升了29%，丢包率降低了17%，并且在请求命中率方面也具有显著优势。

• 软件定义车联网中缓存辅助的NOMA功率分配方案研究

  顾金媛,章国安,张鸿来,

  由于对丰富多媒体服务的需求日益增长，车联网需要提供海量的设备连接以满足高频谱效率和低延迟的需求。软件定义网络（SDN）、缓存和非正交多址接入（NOMA）被认为是有效解决这些关键挑战的潜在技术。针对软件定义车联网，提出了一种缓存辅助的NOMA功率分配方案。首先，针对车联网中车辆总是处于高速运动状态的特点，提出了一种新的簇头选择算法，到达的道路交通将借助SDN进行预测，实现自适应车辆分簇。其次，引入了缓存辅助的NOMA方案，每个车辆在文件缓存阶段使用NOMA原理缓存和请求文件。再次，针对双Nakagami-m衰落条件下的两个簇头车辆通信场景，提出了一种最优功率分配策略，将优化问题公式转换为找到每辆车的最佳功率曲线，从而最大化地在每辆车上成功解码目标文件的概率。最后，数值仿真和理论分析表明，所提缓存辅助NOMA功率分配方案的性能明显优于传统的NOMA和缓存辅助的OMA。

• 基于FPGA的万兆以太网UDP_IP硬件协议栈设计与实现

  董永吉,王钰,袁征,

  针对传统基于软件的协议栈无法满足高速数据传输处理需求的问题，提出了一种基于硬件加速的UDP协议栈设计方案，该方案基于硬件高效并行的特点，实现了UDP/IP协议栈，满足了万兆以太网数据高带宽传输的需求。通过实际测试表明，该设计最高可以达到9.32 Gbps传输速率，满足10 Gbps带宽下线速处理的需求，与传统软件实现相比，处理能力更接近理论极限。

• k-匿名下通过本地差分隐私实现位置隐私保护

  刘振鹏,苗德威,刘倩楠,李瑞林,李小菲,

  针对用户位置隐私保护过程中攻击者利用背景知识等信息发起攻击的问题，提出一种面向移动终端的位置隐私保护方法。该方案通过利用k-匿名和本地差分隐私技术进行用户位置保护，保证隐私和效用的权衡。结合背景知识构造匿名集，通过改进的Hilbert曲线对k-匿名集进行分割，使用本地差分隐私算法RAPPOR扰动划分后的位置集，最后将生成的位置集发送给位置服务提供商获取服务。在真实数据集上与已有的方案从用户位置保护、位置可用性和时间开销方面进行对比，实验结果显示，所提方案在确保LBS服务质量的同时，也增强了位置隐私保护的程度。

• 基于SecOC的车载网络通信安全模型研究

  章意,李飞,张森葳,

  车载电子设备的增加使得车载网络面对越来越多的威胁。车载网络中电子控制单元（ECU）无认证、控制器局域网络（CAN）通信数据无加密等缺陷使得车载网络易遭受重放、ECU注入、中间人伪造消息、窃听等恶意攻击，造成严重后果。针对车载网络面临的威胁，提出一种基于SecOC的车载网络安全通信模型，该模型使用SM4的密码算法与基于Bkake2s的改进密钥管理，实现车载ECU的认证和车载网络消息的加密与认证。最后经过分析与测试，该模型可以保护车载网络安全并更高效。

• 基于P4的SDN控制—数据平面流规则一致性校验

  夏计强,崔鹏帅,李子勇,兰巨龙,

  针对SDN数据平面的软/硬件故障、错误配置等导致的控制平面和数据平面流规则不一致的问题，提出了基于P4的控制—数据平面流规则一致性校验机制（P4-based consistency verification mechanism for SDN control-data plane，P4CV）。P4CV首先向数据平面发送特定结构的探针，然后各P4交换机将数据平面实际流规则执行信息嵌入到探针，最后P4CV采用基于符号执行的一致性校验算法，完成对控制平面流规则配置和数据平面遥测信息的一致性校验。仿真结果表明，P4CV的单路径校验时长不受网络拓扑结构影响，仅与路径上交换节点数量线性相关。在同等网络规模和流规则配置的多路径转发场景中，P4CV在仅产生约0.06‰带宽开销的同时，比现有方案平均减少了约42%的校验时长。

• 格上基于身份的可问责代理重加密方案

  孟慧,任利娜,李英,

  针对目前基于格的代理重加密方案中存在密钥滥用和数字证书管理等问题，引入问责机制，提出一种新的基于身份的可问责代理重加密方案。该方案采用用户身份ID计算生成矩阵作为公钥，并使用原像采样算法提取私钥，解决了数字证书管理的问题；使用双方用户公钥计算生成重密钥，提高了加/解密时的计算效率；使用代理商公私钥参与重加密运算，完成问责算法，有效地抑制了代理商和被授权者共谋的行为。安全性分析表明方案满足选择明文攻击安全；在效率方面，方案的计算复杂度和密文开销较小。

• 基于多通路融合网络的高速公路雾天能见度等级识别

  闫宏艳,孙玉宝,张振东,黄亮,

  雾天是影响高速公路交通安全的重要因素。研究从监控图像进行高速公路雾天能见度的自动识别方法可以为交通管理部门的智能管理和决策提供技术支持。根据大气散射模型分析出与雾浓度相关的多个物理因素，提出了综合这些物理因素的多通路融合识别网络。该网络使用三个通路联合学习深度视觉特征、传输矩阵特征和场景深度特征，并设计注意力融合模块来自适应地融合这三类特征以进行能见度等级识别。同时构建了一个合成数据集和一个真实的高速公路场景数据集，用于网络参数学习和性能评估。实景数据集中的图像是从中国多条高速公路的监控视频中收集的。在这两个数据集上的实验表明，所提方法可以适应不同的监控拍摄场景，能够比现有方法更准确地识别能见度等级，有效提升了识别精度。

• 非对称周期推理循环渐进的人脸修复算法研究

  李雅倩,张旭曜,李岐龙,

  针对生成对抗网络中修复网络无法兼顾图像的全局一致性和局部一致性，且计算负载较大的问题，在非对称U-Net网络架构的基础上引入渐进修复的思想。首先，提出了非对称周期特征推理模块，增加图像修复内容与周围已知像素之间的关联性，提高了修复图像的全局一致性表现；其次，提出新型的U-Net结构生成器网络，避免了编码器中的未知像素进入解码器，从而破坏解码器中特征的问题；最后，引入了感知损失和风格损失，进而提高了网络在主观评价下的修复效果。在人脸图像数据集上的实验表明，该算法在主观视觉效果和客观指标上都有显著的提高。

• 基于Transformer的多分支单图像去雨方法

  谭富祥,钱育蓉,孔钰婷,张昊,周大新,范迎迎,陈龙,

  雨纹会严重降低拍摄图像的质量，影响后续计算机视觉任务。为了提高雨天图像的质量，提出了一种基于Transformer的单图像去雨算法。首先，该算法通过具有窗口机制的Transformer获得大范围的感受野，进而获取雨纹特征的上下文信息，提高模型提取雨纹特征的能力；其次，该算法通过多分支模块提取和融合不同种类、不同层次的特征，提高模型对复杂雨纹信息的表征能力；最后，通过残差连接融合浅层特征和深层特征，补全深层特征中缺失的细节信息，增强网络表达能力。在公开数据集Rain100L、Rain100H和私有数据集Rain3000上的实验结果表明，该方法相较于现有算法，能更有效地去除雨纹，同时更好地恢复图像中丢失的背景纹理信息。峰值信噪比和结构相似度（PSNR/SSIM）分别达到38.33/0.985 5、28.42/0.900 0、34.51/0.964 3。

• 基于超图表示的服装兼容性预测模型

  李健,李卓,马天祥,梁纪峰,

  针对现有服装兼容性模型都集中探究成对单品之间的兼容性这一问题，提出一种基于超图表示的服装兼容性预测模型。该模型首先基于现有数据集中时尚服装的不同类别和时尚服装间的搭配关系构建了一个服装超图，其中每个节点表示一件衣服，每条超边表示多件衣服组成的套装。为了更好地从超图中推断服装的兼容性，该模型将超图转换为传统图，并利用图神经网络模拟节点之间的复杂交互。最后引入注意力机制计算服装的兼容性得分，增强模型的预测能力。实验结果表明，在服装填空任务和服装兼容性预测两个服装搭配任务上，该模型分别达到了77.29%和96.23%的准确率，较其他基线模型有显著的提升。

• 基于质量评价的无人机航拍图像拼接方法

  王欢,周颖玥,王学渊,王欣宇,

  针对大视差无人机航拍图像拼接中出现的错位、伪影问题，提出一种基于质量评价寻找最佳拼接缝的方法QEB-U。首先通过常规拼接缝估计得到初始拼接缝，然后根据无人机航拍图像的特点，综合考虑结构相似性、色差、纹理复杂度，提出一种新的质量评价函数对拼接缝上的每个像素进行评价，进而根据评价结果更新差异代价，之后再重新估计拼接缝。估计和评价过程重复执行，直到拼接缝趋于稳定则停止迭代，最后通过梯度融合生成最终结果。实验结果表明，所提方法可以避免大视差无人机航拍图像拼接中出现错位、伪影，优于目前几种无人机航拍图像拼接方法，且得到的拼接缝优先穿过道路、林地等区域，更加符合人类视觉感知，在常见的图像清晰度评价指标上表现良好。

• 多尺度特征深度复用的显著性目标检测算法

  周之平,樊斌,盖杉,徐温程,

  针对传统显著性目标检测方法在检测不同尺度的多个显著性目标方面的不足，提出了一种多尺度特征深度复用的显著性目标检测算法，网络模型由垂直堆叠的双向密集特征聚合模块和水平堆叠的多分辨率语义互补模块组成。首先，双向密集特征聚合模块基于ResNet骨干网络提取不同分辨率语义特征；然后，依次在top-down和bottom-up两条通路上进行自适应融合，以获取不同层次多尺度表征特征；最后，通过多分辨率语义互补模块对两个相邻层次的多尺度特征进行融合，以消除不同层次上特征之间的相互串扰来增强预测结果的一致性。在五个基准数据集上进行的实验结果表明，该方法在Fmax、Sm、MAE最高能达到0.939、0.921、0.028，且检测速率可达74.6 fps，与其他对比算法相比有着更好的检测性能。

• 基于Smooth-DETR的产品表面小尺寸缺陷检测算法

  张乃雪,钟羽中,赵涛,佃松宜,

  为应对实际工业产品视觉质量检测中缺陷罕见、尺寸小等挑战，提出了一种仅需要少量训练样本的小尺寸缺陷检测算法——Smooth-DETR，该算法采用基于DETR的编码—解码结构对缺陷类别和位置进行预测，该结构降低了参数量和计算复杂度。因DETR强大的全局特征学习能力，该算法可从少量训练样本中充分挖掘产品表面纹理特征，从而对打破了表面纹理连续性的缺陷检出率高；通过结合Smooth-L1损失和GIoU损失的优势，进一步提升了小尺寸缺陷的回归精度。实验结果表明，所提方法检测性能优于现有先进检测模型。此外，仅用少量训练样本，该算法对11类产品表面的缺陷检测平均精确率就能够达到98%以上。

• 基于布局图的多物体场景新视角图像生成网络

  高小天,张乾,吕凡,胡伏原,

  新视角图像生成任务指通过多幅参考图像，生成场景新视角图像。然而多物体场景存在物体间遮挡，物体信息获取不全，导致生成的新视角场景图像存在伪影、错位问题。为解决该问题，提出一种借助场景布局图指导的新视角图像生成网络，并标注了全新的多物体场景数据集（multi-objects novel view synthesis，MONVS）。首先，将场景的多个布局图信息和对应的相机位姿信息输入到布局图预测模块，计算出新视角下的场景布局图信息；然后，利用场景中标注的物体边界框信息构建不同物体的对象集合，借助像素预测模块生成新视角场景下的各个物体信息；最后，将得到的新视角布局图和各个物体信息输入到场景生成器中构建新视角下的场景图像。在MONVS和ShapeNet cars数据集上与最新的几种方法进行了比较，实验数据和可视化结果表明，在多物体场景的新视角图像生成中，所提方法在两个数据集上都有较好的效果表现，有效地解决了生成图像中存在伪影和多物体在场景中位置信息不准确的问题。

• 注意力机制结合残差收缩网络对遥感图像分类

  车思韬,郭荣佐,李卓阳,杨军,

  针对遥感场景图像中背景复杂、类内差异大以及类间相似度高问题所导致的分类效果欠佳情况，提出一种基于有监督对比学习的注意力机制和残差收缩单元算法。首先对有效通道注意力机制（ECA）进行改进，优化对待识别图像特征的提取；然后提出一种协同残差收缩单元算法，利用算法对图像进行冗余信息的筛选消除；再用有监督对比学习算法，增强算法的泛化能力。最后在遥感图像数据集进行实验，并与最新算法如增强注意算法、尺度注意力机制算法进行对比。实验表明，该算法在20%训练比例的AID数据集中分类精度提高了1.75%和2.5%。

• 基于条件对抗域泛化的人脸活体检测方法

  蔡体健,尘福春,刘文鑫,

  针对现存的跨场景人脸活体检测模型泛化性能差、类间重叠等问题，提出了一种基于条件对抗域泛化的人脸活体检测方法。首先，该方法使用嵌入注意力机制的U-Net和ResNet-18编码器提取多个源域的特征，然后将提取的特征送入辅助分类器，并将特征编码器的输出和分类器预测的结果通过多线性映射的方法进行融合，再输入到域判别器中进行对抗训练，以实现特征和类层面对齐多个源域。其次，为了减少预测不准确的难迁移样本对域泛化造成的影响，采用了熵函数来控制样本的优先级，以提高域泛化的性能。此外，通过添加人脸深度图以进一步抓取活体与假体的区别特征，通过非对称三元组损失约束作为辅助监督，进一步提高类内紧凑性和类间区分性。在公开活体检测数据集上的对比实验验证了所提方法的有效性。

• 基于MobileVit轻量化网络的车辆检测方法

  熊李艳,涂所成,黄晓辉,余俊英,谢云驰,黄卫春,

  针对车辆检测模型参数量大，以及对小目标和遮挡目标漏检问题，提出了一种基于MobileVit轻量化网络的车辆检测算法。首先，在数据预处理阶段使用GridMask图像增强方法，提升模型对遮挡车辆目标的检测性能；其次，使用基于MobileVit网络作为模型的主干特征提取网络，充分提取特征信息且使得模型轻量化；最后，在预测层网络中，使用基于PANet实现多尺度的车辆检测，提升模型对小目标车辆的检测能力。实验结果表明，该模型的平均检测精度达98.24%，检测速度达每张图片0.058 s，模型大小为136 MB，与对比算法相比综合性能更好。

• 融合迁移学习和数据增强的SC-Net模型在皮肤癌识别中的应用

  左航旭,廖彬,陈小昆,童洋,李勇,

  为了解决皮肤癌诊断模型中性能无法满足临床应用要求，对于少数类别诊断精度不高的问题，提出一种基于迁移学习和数据增强的皮肤癌诊断模型SC-Net（skin cancer-net）。首先，引入ECA注意力模块，把DenseNet-201在ImageNet数据集上的预训练模型在皮肤癌数据集上进行微调训练并提取图像隐含高层次特征；然后融合一般性统计特征，并且通过SMOTE过采样技术以增强少数类别数据；最后，将数据输入XGBoost模型进行训练，最终得到SC-Net分类模型。实验结果表明，SC-Net模型在准确率、灵敏度、特异度三个指标上达到99.25%、99.25%和99.88%，诊断准确率相对于已有文献精度提升约0.6%~18.7%，并且对于皮肤纤维瘤、光化性角化病等少数类别具备更强的分类能力。

• 基于多尺度聚合神经网络的双目视觉立体匹配方法

  杜宬锡,朱凌云,张瑞贤,

  为了改善机器人、无人驾驶领域采用深度神经网络实现双目视觉立体匹配存在参数量大、GPU资源成本高的问题，提出一种多尺度聚合的立体匹配方法。首先设计了一个结合多尺度的特征提取网络，利用空洞卷积在不改变分辨率下获得更为丰富的特征，引入注意力机制，再将不同分辨率下特征交叉融合以完善特征信息；其次，改变代价卷获取方式，在低尺度下聚合得到代价卷，不断结合高尺度相似信息以迭代更新，将多个代价卷进行交叉融合以得到最终代价卷；最后，结合注意力机制的精细化模块修正初始视差图中的异常值与不连续区域，得到最终视差图。实验结果表明，该算法能够在较低参数量，以及低成本GPU资源下运行，且获得较好的匹配精度。