计算机应用研究杂志

计算机应用研究杂志2023年第11期

• 基于不确定性的深度强化学习探索方法综述

  逄金辉,冯子聪,

  深度强化学习（DRL）近年来在诸多复杂序列决策问题场景中（如游戏人工智能、无人驾驶、机器人和金融等）都取得了重要的成就。然而，在诸多现实场景中，深度强化学习的应用面临着采样成本高昂、效率低下的问题。场景中无处不在的不确定性是影响采样效率的重要原因，基于不确定性的深度强化学习探索方法成为解决上述问题的重要手段。首先简要介绍了深度强化学习中的重要概念和主流算法，列举了三种经典探索方法，并对这些方法面对复杂场景时的不足之处进行了总结；之后，介绍了不确定性的概念，以及将不确定性引入DRL探索问题研究的背景，在此基础上进行了归纳整理，将基于不确定性的探索方法分为基于乐观性、基于环境不确定性、基于偶然不确定性三种形式，详细梳理了各类方法的基本原理和优缺点；最后，展望了基于不确定性的深度强化学习探索研究的挑战与可能的发展方向。

• 基于强化学习的自动驾驶汽车路径规划方法研究综述

  许宏鑫,吴志周,梁韵逸,

  路径规划作为自动驾驶的关键技术，具有广阔的应用前景和科研价值。探索解决自动驾驶车辆路径规划问题的方法，着重关注基于强化学习的路径规划方法。在阐述基于常规方法和强化学习方法的路径规划技术的基础上，重点总结了基于强化学习和深度强化学习来解决自动驾驶车辆路径规划问题的算法，并将算法按照基于值和基于策略的方式进行分类，分析各类算法的特点、优缺点及改进措施。最后对基于强化学习的路径规划技术的未来发展方向进行了展望。

• 基于Raft分组的实用拜占庭容错共识算法

  翟社平,廉佳颖,杨锐,刘法鑫,

  针对现有应用于联盟链的拜占庭容错共识机制可扩展性不足、难以支持大规模网络节点下高效安全共识等问题，采用节点分组策略，提出一种基于Raft聚类分组的实用拜占庭容错共识算法H-PBFT。首先使用混合蛙跳算法结合K-medoids聚类分组策略，将系统中节点聚类形成多个分组；参与主共识集群PBFT共识的节点均为各分组聚类中心节点，各聚类小组内则使用引入监督节点改进的Raft算法进行共识；组内共识机制监督节点的引入使Raft算法具有抗拜占庭的能力。实验研究结果表明，在大规模网络节点环境下，相比于PBFT和Raft，H-PBFT算法提高了容错性能，同时还能够快速高效地对节点聚类分组，提高共识效率，降低共识通信开销与复杂度，具有较优的可扩展性，能够更好地在联盟链场景中应用。

• 适用于海量数据处理的高吞吐量联盟链共识算法DMDR

  丁云波,夏琦,田世云,陈伟,

  区块链技术能够有效解决物联网场景下数据的可信共享问题，但主流共识算法往往存在较大延迟，难以处理多源异构的海量数据。针对此问题，提出一种动态多区块双轮次共识算法（DMDR）。该算法将交易验证和打包两个环节拆分，以交易提前处理和区块延后生成的方式使普通节点可利用共识等待时间处理交易，于单次共识内生成多个区块，提高数据处理效率。该算法将网络中的节点划分为多个集群，采用各集群与系统整体双轮次共识的方式减少通信开销，并基于集群内点的相互印证确保共识结果的准确性。仿真实验表明该算法的吞吐量优于PoW与PBFT，且在较小网络延迟中仍具有较可观的交易吞吐量。

• 基于多重异或加密的区块链混币机制

  晏燕,李静静,刘青,

  混币机制是实现区块链交易信息隐私保护的技术之一。针对现有去中心化混币机制级联加密地址传输方式存在的效率低下和安全性不足等问题，提出一种基于多重异或加密的去中心化区块链混币机制（MXShuffle）。该机制为任意两个混币参与者生成一个临时共享密钥，随机选取一个参与者作为代理节点，其余参与者通过多重异或加密依次生成密钥异或集合和地址密钥异或集合，并将加密结果混洗后发送给下一个参与者，直到代理节点接收到所有参与者的两个异或加密集合并通过异或解密逐个恢复出混币交易的输出地址。安全性分析和实验表明，MXShuffle中50名参与者的混币时间仅需8 s，相较于CoinShuffle、TTShuffle、IMShuffle等方法提升了混币效率，在确保参与者隐私安全的同时降低了恶意节点监听混币关系的可能性，减小了拒绝服务攻击的影响。

• 自适应混合粒子群算法求解置换流水车间调度问题

  谢美华,李艳武,葛棚丹,

  为更有效地解决以最大完工时间最小化为目标的置换流水车间调度问题，提出了一种自适应混合粒子群算法（SHPSO）。该算法结合Q学习设计了参数自适应更新策略，以平衡算法的探索和开发；同时引入粒子停滞判断方法，使用平局决胜机制和Taillard加速算法改进基于迭代贪婪的局部搜索策略，对全局极值进行局部搜索，帮助粒子跳出局部最优。实验结果表明，对比其他四种改进PSO算法，SHPSO算法取得的平均相对百分偏差（RPDavg）至少下降了83.2%，在求解质量上具有明显优势。

• 基于多动作深度强化学习的纺机制造车间调度方法

  纪志勇,袁逸萍,巴智勇,樊盼盼,田芳,

  纺机制造车间调度问题是一种具有复杂工艺约束和序列相关设置时间的柔性作业车间调度问题，为了保证调度方案的质量，提升企业的订单准时交付能力，提出了一种以最小化最大完工期为优化目标的多动作深度强化学习算法。首先，将调度问题建模为多马尔可夫决策过程。然后，针对纺机制造车间调度的工件选择和机器选择两个子问题，分别设计了用于定义工序选择策略和机器选择策略的两个编码器，以预测选择不同工序和机器的概率分布。其中，在工序选择编码器中，采用图神经网络对析取图进行编码，以降低问题规模对解的质量的影响。其次，提出了一种具有多动作空间的强化学习训练算法，用于学习两个子策略。最后，经某纺机制造企业的实际生产案例验证，该方法的性能受问题规模影响较小，与其他对比算法相比，能够获得较高质量的调度方案，训练的模型具有较好的泛化能力和稳定性。

• 基于双种群交叉学习的粒子群优化算法

  李伟,丁书慧,陈勋俊,

  粒子群优化算法因其支配参数少、收敛速度快、易于实现等特点被广泛应用，但是粒子群优化算法存在精度低、容易陷入局部优化的问题。为此提出一种基于双种群交叉学习的粒子群优化算法。在该算法中，整个种群被分为普通子种群和精英子种群。普通子种群采用综合变异机制，该机制通过设置概率参数使普通子种群随机选择朝着优秀粒子的方向或者保持自身方向进行变异，以侧重寻找可能解区域。精英子种群则采用交叉学习机制，将粒子的历史最优和全局最优个体进行交叉生成范例，从而引导粒子对可能解区域进行局部搜索，还提出了一种非线性惯性权重来平衡粒子的全局勘探和局部开发能力。为了验证算法的有效性，在十六个基准问题上进行测试并与其他七种粒子群优化算法变体比较，实验结果表明该算法在求解精度和收敛速度总体排名第一，验证了该算法求解性能优于其他粒子群优化算法变体。

• 基于基因库求解旅行商问题的遗传算法

  王永,吕致为,

  针对传统遗传算法（genetic algorithm，GA）求解旅行商问题（traveling salesman problem，TSP）存在寻优效率低、实验结果缺乏一致性等问题，提出了一种基于基因库的遗传算法（genetic algorithm based on genes pool，GPGA）。GPGA从种群中搜索减小哈密顿圈长度的边，并当做优良基因构成基因库。父代哈密顿圈在基因库引导下产生更优的子代哈密顿圈，基因库也随着种群的不断进化而同步更新，引导种群个体逐步向最优解靠近。算例结果表明在同样条件下，GPGA比传统遗传算法和几种改进遗传算法的性能更优。

• 多策略协同改进的麻雀搜索算法

  李大海,曾能智,王振东,

  针对麻雀搜索算法（SSA）种群多样性差、易陷入局部最优等问题，提出了一种多策略协同改进的麻雀搜索算法（ISSA）。首先，ISSA采用一种融合转移概率的边界学习策略的发现者位置更新方式，扩大发现者搜索范围并丰富其种群多样性；其次，ISSA在麻雀跟随者更新过程中引入混合粒子群机制，扩大目标跟随个体的选择范围；最后在算法寻优过程中，ISSA利用模糊推理系统动态监控种群陷入局部最优的概率，以差分变异操作提高种群跳出局部最优的能力。采用CEC2017测试函数中的12个函数作为性能基准函数，将ISSA与标准SSA及其他四种改进的麻雀搜索算法（ESSA、CSSOA、SSASC、MSSA）进行性能测试，基于实验数据的Friedman检验表明，ISSA能获取更好的性能。

• 融合多模态特征与时区检测的视频摘要算法

  白晨,范涛,王文静,王国中,

  针对传统视频摘要算法没有充分利用视频的多模态信息、难以确保摘要视频片段时序一致性的问题，提出了一种融合多模态特征与时区检测的视频摘要算法（MTNet）。首先，通过GoogLeNet与VGGish预训练模型提取视频图像与音频的特征表示，设计了一种维度平滑操作对齐两种模态特征，使模型具备全面的表征能力；其次，考虑到生成的视频摘要应具备全局代表性，因此通过单双层自注意力机制结合残差结构分别提取视频图像与音频特征的长范围时序特征，获取模型在时序范围的单一向量表示；最后，通过分离式时区检测与权值共享方法对视频逐个时序片段的摘要边界与重要性进行预测，并通过非极大值抑制来选取关键视频片段生成视频摘要。实验结果表明，在两个标准数据集SumMe与TvSum上，MTNet的表征能力与鲁棒性更强；它的F1值相较基于无锚框的视频摘要算法DSNet-AF以及基于镜头重要性预测的视频摘要算法VASNet，在两个数据集上分别有所提高。

• 基于图神经网络和长短期记忆模型的房价预测方法

  刘歆,杜红力,温道洲,

  针对目前仅单独考虑价格序列中样本的趋势或仅考虑多个关联属性与价格间的函数关系，而不能更准确地进行房价预测的问题，构建了时空注意力图卷积长短期记忆模型AG-LSTM，包含局部特征提取模块、区域特征提取模块、复合预测模块。局部特征提取模块分别使用同构图和异构图神经网络提取各小区及价格关系属性、各小区和配套邻居节点相关性的特征信息；区域特征提取模块先对邻近小区节点进行聚类，再结合图注意力网络获得小区节点对所属区域的重要性程度，建立区域与小区之间的映射矩阵，根据小区节点信息和映射矩阵得到区域特征；复合预测模块使用长短期记忆模型对由局部特征和区域特征组成的复合特征进行时序建模，实现房价预测。以链家网北京房价数据进行了实验，结果表明AG-LSTM预测结果优于已有基线模型。该模型同时挖掘了小区间位置关系、小区与其配套间位置关系、多个关联属性、价格时序趋势对房屋价格的影响，较好地实现了房屋价格的预测。

• 新型一维偏移耦合映像格系统及其动态特性

  赵耿,潘周,马英杰,董有恒,

  混沌系统具有复杂的动力学行为，但在数字系统中运行时会出现动力学特性退化的问题。元胞自动机在时间、空间上都具有离散性，能够有效减弱混沌系统在有限精度下的动力学退化问题。基于元胞自动机，提出了一种一维偏移耦合映像格系统，利用初等元胞自动机每次更新的不同状态，动态产生每个格子的耦合索引偏移量，再根据偏移量对混沌序列施加不同的扰动，然后交替切换元胞自动机的迭代规则。最后，对混沌系统的动力学特性进行对比分析以及对该系统产生的时间序列进行量化和随机性检测，仿真实验结果表明，该混沌系统周期更长，遍历性更好，产生的序列随机性更佳，在序列密码算法中有很大的应用价值。

• 基于全局图扩散和时空感知的解缠绕会话推荐方法

  高榕,周浩,邵雄凯,吴歆韵,

  针对会话推荐中存在的推荐性能不足的问题，提出了一种采用全局图扩散和时空感知的解缠绕图神经网络模型（GDST-GNN）。具体来说，该模型首先基于所有会话从全局视角下构建全局协同图，然后采用图扩散作为项目的全局表示学习的消息传播范式，以捕获超越当前会话外的全局信息。对于当前会话的表示学习，设计了一种解缠绕时空门控网络建模会话中项目的复杂转换模式和时序依赖模式，然后将学习到的全局表征和局部表征逐因素融合。此外，还采用了一个自监督任务实现模型的性能增强。最后，通过注意力网络生成会话表示，实现了项目的准确推荐。在四个真实世界中的数据集进行广泛的实验验证了所提出模型的有效性。

• 基于子空间差异的投影聚类算法

  吴涛,陈黎飞,钟韵宁,孔祥增,

  针对传统K-means型软子空间聚类技术中子空间差异度量定义的困难问题，提出一种基于概率距离的子空间差异表示模型，以此为基础提出一种自适应的投影聚类算法。该方法首先基于子空间聚类理论提出一个描述各簇类所关联的软子空间之间的相异度公式；其次，将其与软子空间聚类相结合，定义了聚类目标优化函数，并根据局部搜索策略给出了聚类算法过程。在合成和实际数据集上进行了一系列实验，结果表明该算法引入子空间比较可以为簇类学习更优的软子空间；与现有主流子空间聚类算法相比，所提算法大幅度提升了聚类精度，适用于高维数据聚类分析。

• 基于自适应邻居图的离群点检测方法

  缑鹏飞,宋承云,

  离群点检测的目标是识别数据集中与其他样本明显不同的个体，以便检测数据中的异常或异常状态。现有的方法难以有效应对复杂、非线性分布的数据，并且面临参数敏感性和数据分布多样性的问题。为此，现提出一种新型图结构——自适应邻居图，以边为导向，通过迭代的方式对数据进行特征提取，并计算近邻可达度对离群点进行识别，减小了参数的影响，同时可适用于不同分布类型的数据。为了充分验证其性能，将该方法在多个合成与真实数据集上同其他方法进行了比较分析。实验结果表明，该方法在所有19个数据集中平均排名第一，在保持高精度的同时表现出稳定性。

• 一种基于图注意力的双分支社会关系识别方法

  李欢,陈念年,

  从图像中挖掘人物间的社会关系在刑侦、隐私防护等领域有重要的作用。现有的图建模方法通过创建人际关系图或构建知识图谱来学习人物关系，取得了良好的效果。但基于图卷积神经网络（GCN）的方法一定程度上忽略了不同特征对特定关系的不同程度的重要性。针对上述问题，提出了一种基于图注意力的双分支社会关系识别模型（GAT-DBSR）。第一个分支提取人物区域以及图像全局特征作为节点，核心是通过图注意力网络和门控机制去更新这些节点以学习人物关系的特征表示；第二个分支通过卷积神经网络提取场景特征来增强对人物关系的识别；最终对两个分支的特征进行融合并分类得到所有的社会关系。该模型在PISC数据集的细粒度关系识别任务上的mAP达到了74.4%，相比基线模型提高了1.2%。在PIPA数据集上的关系识别准确率也有一定的提升。实验结果表明了该模型具有更优越的效果。

• 动态自适应的教学优化算法

  夏军勇,徐志强,钟飞,

  针对教学优化算法（teaching-learning-based optimization algorithm，TLBO）容易陷入局部最优和寻优速度慢等缺陷，提出一种动态自适应的教学优化算法（ITLBO）。首先，提出一种与sigmoid函数有关的惯性权重，并将其引入到教师阶段和学生阶段，以动态调整种群的移动步长，从而抑制算法前期种群多样性的衰减，扩大寻优区域，增强算法后期局部精细化搜索能力，提高求解精度；其次，在教师阶段，利用一种动态更新教师的机制来增强教师的教学水平，保证学生及时地向全局最优解学习，提高算法收敛速度；再次，在学生阶段，提出一种自学与向最好学生学习相结合的学习方式，让学生全面发展，从而提高算法的搜索能力和收敛速度。为验证ITLBO的有效性，采用16个标准测试函数，对惯性权重的有效性和各算子对算法整体的贡献度进行测试，对TLBO、RTLBO、EPGTOA和ITLBO进行仿真对比实验。一系列测试结果表明，ITLBO具有更好的收敛能力和稳定性。

• 云计算资源分配动态定价方法

  杨波,刘文彬,杨涵,钟敏娟,屈喜龙,

  云市场用户的资源需求往往会随着时间而波动变化，在资源分配与定价时若不充分考虑供需双方的内在激励，将难以获得理想的结果。基于市场策略，设计一个组合拍卖机制来平滑用户需求，以提高资源管理效率及服务收益；提出的机制以动态定价的方式向用户分配资源，实现了无妒与可信两种属性，无妒属性保证了机制运行的稳定性，而可信属性可以使得服务收益最大化。此外，提出的方法具有较低的计算复杂度，易于实现。实验结果表明，在短缺与饱和市场下，所提方法均可获得近似最优的收益及相对较高的社会福利。

• 基于图像与高精定位融合数据的封闭场地自动驾驶汽车驾驶测试方法

  戴力源,杨达,李凯,彭鸿捷,孙峰,

  现有的自动驾驶汽车场景仿真测试结果真实性不足，基于实际测试数据的评价方法缺乏实时性。为结合真实数据对测试过程展开实时评价，提出了基于“原场景”库的自动驾驶测试场景生成方法，利用差分定位GPS以及视频图像处理等工具，配合测试场地的高精地图设计了自动驾驶汽车实时测试评价方法，在自动驾驶测试场对本方法进行了实地验证。结果表明本方法具有较高的可行性，能够全面实时地对车辆自动驾驶能力进行评价。

• 基于动态匹配策略的复杂事件处理方法

  夏秀峰,武孟达,张杨,郗红梅,杨宏伟,邱涛,

  复杂事件处理技术是在事件流中检测特定事件模型的分析技术。当前主流的复杂事件匹配方法在查询模式中按照事件连续性严格程度设置了匹配策略约束，这些特定的匹配策略由于设置粒度粗，所以难以根据需求精细调节匹配结果，造成匹配结果的冗余和匹配效率的不足。针对当前主要匹配策略存在的冗余问题，提出基于动态匹配策略的复杂事件处理方法，设计支持动态匹配策略的查询模式及基于查询模式的匹配方法。通过动态调节复杂事件实例的派生约束，实现匹配结果可调节的同时提升匹配性能。在模拟数据集上对方法进行对比实验。实验结果表明，提出方法可以有效调节匹配结果，并提高整体匹配性能。

• 一种模糊多粒度用电行为异常检测方法

  李琪林,严平,陈白杨,袁钟,彭德中,刘益志,

  异常用电检测旨在识别和定位电力系统中与常规用电行为显著偏离的用户。现有基于机器学习、深度学习的有监督的检测方法通常需要大量人工标记数据，且对于离散型数据需要进行类型转换，因而容易导致重要信息的丢失。模糊粗糙集理论提供了一种处理离散数据的有效工具，并能直接应用于包含连续数据和离散数据在内的异质信息的知识分类。在文本模糊粗糙集理论的基础上，提出了一个基于多粒度模糊相对差的无监督异常检测方法，并将其应用于智能电网的异常用电检测。具体而言，首先利用模糊近似空间的信息熵来度量属性在知识分类中的重要性，然后根据属性集重要性构造模糊信息粒序列，接着在此序列上定义样本的模糊相对差，最后构建基于多粒度模糊相对差的异常检测方法，并在公开的数据集上进行验证。实验结果表明了所提检测算法的有效性和优越性。实验相关的代码和数据已在网络上公开。

• 深度学习平台体系架构及其关键技术

  束柬,陈剑波,

  针对AI模型生产和训练，传统基于脚本的物理单机或集群方式存在训练推理割裂、资源利用不充分、计算环境难迁移、训练流程冗长等问题，提出了一种面向深度学习模型训练的平台体系架构，架构分为数据平台层、计算平台层、训练套件层以及管理平台层四层，并逐层进行分析。在关键技术上，首先提出了训练推理一体化框架，采用抽象的计算流图屏蔽网络结构差异，并进行图优化；其次，提出了GPU状态感知的自适应资源匹配机制，采用环形消除算法解决通信成本线性增长问题；同时，提出基于启发式算法的标签匹配调度算法，以提高资源利用率；并且，通过租户管理和容灾机制的建立保障了系统平台的安全可靠性。最终搭建仿真平台验证其可用性、安全可靠性和拓展性。通过深度学习平台的应用，可以帮助企业更简易快捷地训练定制化模型和使用个性化服务，加速AI生产落地，推动AI技术和整个生态的繁荣发展。

• 考虑数据安全的工业互联网制造服务QoS多方联合预测

  武沅林,王天日,刘娟,

  工业互联网平台支持各类制造资源的泛在连接，能够为不同用户提供全生命周期的制造服务。制造服务QoS（quality of service）在服务匹配、选择和共享中扮演重要角色。然而，如何在保护数据安全的前提下充分利用工业互联网平台下不同企业的制造服务特征数据，对提高QoS预测精度至关重要。为此，提出了一种QoS多方联合预测方法。首先，根据各制造服务商在本地长期累计的相关数据，建立用户—制造服务QoS关系矩阵；进而，在保护用户偏好信息安全下共享企业间制造服务的潜在特征向量实现QoS联合训练，同时应用同态加密与差分隐私加密机制保证传输数据的安全；最后，应用随机梯度下降法迭代更新模型参数以预测缺失的制造服务QoS值。实验以WS-dream数据集与案例企业制造服务共享平台数据为例验证了该方法的有效性，结果表明该方法能够在保护数据安全的前提下有效地提高模型预测的准确度。

• 兼容ARM Thumb指令的多指令集处理器技术研究

  白创,陈益如,童元满,

  随着处理器的快速发展，RISC-V的软件生态环境建设成为其在处理器市场中站稳脚跟的关键因素之一。二进制翻译是解决处理器二进制代码兼容性问题、为处理器生态环境建设获取时间成本的关键技术之一，但由于二进制翻译器难以以较低的功耗面积开销获得高效执行的二进制代码，使其无法广泛应用于嵌入式领域。针对二进制翻译器执行效率和功耗面积开销难以取得平衡的问题，采用硬件逻辑加速的方式处理ARMv7-M中条件执行指令、更新标志位指令以及桶形移位指令，并利用静态二进制翻译器对ARMv7-M程序进行IT Block分裂、地址重计算及指令映射后生成RISC-V二进制代码，以此支持ARMv7-M的各类指令。基于开源内核CV32E40P设计了一个支持ARMv7-M的处理器内核，结果表明，运行ARMv7-M程序的平均性能能够达到直接运行RISC-V程序性能的137%，与纯软件二进制翻译支持ARMv7-M相比，该处理器核运行ARMv7-M程序的性能提升了5.59倍。

• 基于标准版定制软件开发的复用方法

  李贞昊,洪昭宣,王宇杰,雷航,施婷,

  针对性地研究了基于标准版软件系统进行定制开发的特点。根据开发过程中功能覆盖、数据对象差异、功能逻辑差异、修改规模以及修改分布等特点，并结合生物学点突变过程提出一种综合了模型视图和功能逻辑两种维度的复用方法。在数据模型变化处理中，基于突变点影响的链式传递规律，提出了一种管理范围更广的模型构件复用体系；在功能逻辑处理中，通过逻辑描述特征抽取、业务特征增强、特征语法树构建、复用模块裁剪等处理，构造了一种包含映射关系的可复用片段。在共研企业的运输管理系统开发的实验和开源系统的迭代实验中证明，该复用方法平均生成可用性分别为94.13%和78.62%，平均复用比例分别为70.43%和62.68%，且复用资产库的维护成本可控，可有效用于多批次小规模频繁改动的定制开发。

• 用于漏洞检测的中间语言表示方法

  张国栋,刘子龙,靳卓,姚天宇,秦佳伟,孙东红,

  现有Web漏洞检测方法中使用的中间语言针对特定编程语言设计，在对多种编程语言源代码进行漏洞抽象表示时，无法将多语言下的同类型漏洞用统一的中间语言表示，增加了后续漏洞分析处理的难度。针对该问题提出了一种基于污点分析的中间语言表示方法，实现多编程语言下同类型漏洞信息的统一抽象表示。该中间语言设计过程中将漏洞发生过程抽象为三元组表示，将与三元组相关的代码元素抽象为中间语言的关键字，根据三元组间的语义关系设计了该中间语言的语法。在转义时，利用污点分析方法跟踪污染源的执行路径，对路径中的源代码进行转义得到中间语言表示。最后将该中间语言用于漏洞检测模型，实验结果表明该中间语言与对照中间语言相比对编程语言中漏洞信息的抽象表示更具普适性，对漏洞检测具有有效性。

• 基于SDN的混合分段路由概率流调度机制

  高新成,刘威,王启龙,张宣,

  针对数据中心网络流量路径分配不均匀、易造成大流碰撞，以及控制器流表开销大等问题，提出了一种基于SDN的混合分段路由概率流调度机制SRPFS（segment routing probability flow scheduling）。利用SDN集中控制与全局视图特性，首先采用混合分段路由完成流量初始转发；然后选用粒子群优化算法，重定义粒子群内部寻优过程来对流量进行筛选；最后构造全局节点概率矩阵，设计概率调度算法选举出流量转发最优路径。实验结果表明混合分段路由转发技术在流表开销方面优势较大，并且SRPFS相比于其他较典型的流传输机制，在平均网络吞吐量、链路利用率、标准网络吞吐率等方面有明显优势，能够有效减轻控制器的流表负载，保证了较好的网络性能。

• 混合IRS辅助大规模MISO中基于显性信道估计的联合波束成形设计

  李烨,邬婷婷,

  针对智能反射面辅助大规模MISO系统的波束成形设计，当前大多数研究都是基于信道状态信息完全已知，且未考虑基站端主动波束成形矩阵与智能反射面反射系数矩阵存在的耦合关系。智能反射面辅助的信道为级联信道，难以进行估计，且导频开销较大。鉴于此，采用了一种包含有源和无源元件的混合智能反射面架构，首先基于毫米波信道的稀疏特性，利用压缩感知算法估计信道，并设计一种融合注意力机制的两级卷积网络框架，以最大化和速率为目标，联合优化设计智能面反射系数矩阵和波束成形矩阵。实验结果表明，相比已有方法，所提方法可以使用更少的导频获得更优的和速率性能，有效减少了导频损耗，降低了计算时间复杂度。且当通信环境发生变化时，网络亦具有良好的鲁棒性。

• 车联网环境下基于多策略访问树的安全访问控制算法

  张迪,曹利,李原帅,

  车联网环境下传统的资源访问控制技术效率较低且存在安全隐患。因此，提出了一种创新性多策略访问树算法的资源访问控制方案。该方案将传统的单策略访问树改进为多策略访问树，实现多级策略制定，有效提高策略访问效率，实现对资源的细粒度访问。同时，通过引入拉格朗日多项式秘密值恢复机制，将秘密值与授权令牌结合，解决了车联网访问控制授权的安全性问题。通过安全性分析证明了所提方案具有身份匿名性和消息不可否认性；性能分析的结果表明，与其他方案相比，该方案采用了多策略访问树存储策略，在策略执行系统中的存储开销较小；且随着该方案的策略匹配效率提高，计算开销明显变小，说明了该方案适用于在车联网环境下的安全、高效的资源访问控制。

• 安全高效的无对运算无证书有序多重签名方案

  陈虹,曹玥,金海波,王颖辉,

  针对目前多数有序多重签名方案存在安全性低或运算复杂的问题，提出了一种新的安全高效的无证书有序多重签名方案。为防止公钥替换攻击，将用户的身份标识与部分公钥进行哈希运算作为用户的部分私钥。签名用户需用指定的顺序验证签名阶段的部分签名，确保签名的有序性。在随机预言模型下，基于计算离散对数问题的困难性证明方案生成的签名是不可伪造、不可窜改。方案在签名和验证阶段主要涉及椭圆曲线点乘运算，不含双线性对操作，通过理论分析和仿真实验表明，与同类方案比较，所提方案最多提高了28%的效率。

• 基于CP-ABE和区块链的时间锁加密电子投票方案

  沈华,李博轮,

  现有电子投票系统无法同时满足投票数据隐私性、投票者之间的公平性、投票者资格控制的灵活性、投票结果的精准性、投票结果的延时公布等多元应用需求。针对上述问题，提出了一种基于CP-ABE和区块链的时间锁加密电子投票方案。该方案综合考虑了电子投票在实际场景中的多元应用需求，通过结合CP-ABE算法和Fabric技术，将属性加密后的投票链接数据存入区块链账本，满足属性策略的投票用户才能访问其链接，实现了灵活控制投票资格的机制，从而保证能获取针对不同用户群体属性的精确投票结果；基于改进的时间锁加密方案将投票数据进行加密上链，在预计投票结果公布之前为投票数据的机密性提供了保障，避免恶意节点造成合谋攻击问题，同时实现了投票结果延时公布的功能。实验从用户属性限制、投票链接获取、投票数据上链，以及投票结果延时这四个方面验证所提方案的有效性。系统测试结果表明，该方案可以有效地控制投票资格，符合属性策略的投票用户能成功获取投票链接并发送至区块链存储，同时为投票数据的机密性提供了保障。通过性能分析、安全性分析以及对比分析表明了该方案的可行性。

• 一种抗恶意攻击的OpenFlow虚拟流表高性能查找方法

  熊兵,黄巧荣,罗瑶,赵锦元,张锦,

  针对恶意攻击给OpenFlow虚拟流表查找带来的破坏性影响，构建了一种抗恶意攻击的OpenFlow虚拟流表高性能查找方法。该方法基于近似成员关系查询理论，采用布鲁姆过滤器预测元组查找失败结果，以绕过绝大多数元组失败查找操作，提高OpenFlow虚拟流表查找效率；进一步，设计了一种可扩展计数型布鲁姆过滤器，根据元组规模的动态变化进行适应性伸缩，从而始终以高准确率判定元组查找失败结果；最后，采用实际网络流量样本和模拟恶意攻击方式，评估所提OpenFlow虚拟流表查找方法的性能。实验结果表明：当攻击包与正常包分别按1：2和2：1比例混合时，所提方法的假阳性错误率始终保持在6%以下，比计数型布鲁姆过滤器降低了93%，而平均查找长度降低了90%。

• 基于匿名指纹集的室内指纹定位隐私保护算法

  乐燕芬,雷若兰,施伟斌,

  基于Wi-Fi无线信号的指纹定位技术是实现室内定位、追踪等物联网相关应用的重要手段之一。在用户向服务器请求定位服务的同时，如何保护用户的定位隐私和服务器的数据安全是其商业化应用中亟需解决的重要问题。针对目前通过加密算法进行隐私保护时，算法的实时性不足和定位精度不高的问题，设计了一种具有隐私保护的轻量级室内指纹定位算法。采用k匿名算法保护用户的请求隐私，Paillier同态加密算法保护用户的定位隐私和服务器的数据隐私；通过独特的指纹请求子集设计，改进方案进一步降低了定位中的计算开销和通信开销，并实现了定位精度的提升。理论分析和实验研究均表明，所提方案在实现隐私保护的同时，克服了现有同态加密巨大的计算开销问题，并提高了定位性能。

• 基于Transformer和边缘解耦的鸟瞰地图语义分割算法

  梁天骄,郑颖,潘卫国,鲍泓,

  高精（high-definition，HD）地图可以提供准确的道路信息和丰富的语义信息，使自动驾驶系统引导车辆正确行驶。高精地图通常依赖人工标注，现有自动化标注方法在自动驾驶场景下的识别精度较低，导致高精地图标注效率低下。为了解决这一问题，提出了一种新的用于高精地图自动标注的语义分割方法MapFormer，包括一个多级特征融合模块，能够使模型聚合不同级别的细节和语义信息；一种新的边界解耦联合解码器用以提高模型处理类别间边界的能力。在鸟瞰图数据集上的实验验证了该模型不仅在分割精度上取得了优秀的表现，而且在对类别边界的处理上更为清晰。其mIoU为55.82%，高于SegFormer的mIoU 1.03%，该方法可提升高精地图标注效率与标注自动化率。

• 基于上下文特征的渐进式图像修复方法

  彭晏飞,顾丽睿,李健,张曼婷,

  针对现有图像修复方法在面对大尺度缺失时生成部分易产生伪影、不符合原始图像语义等问题，提出了一种基于上下文特征的渐进式图像修复方法。首先，使用ResNet18网络对破损图像进行粗略填充。然后，将其输入具有双分支结构的细化网络：上下文特征聚合模块通过多尺度语义特征获取现存图像内部最有利于修复图像的区域；注意转移网络学习缺失区域与剩余背景区域的联系，将其以更高分辨率对缺失区域进行填充，引入CBAM（convolutional block attention module）模块作为网络注意力机制。定义全局和局部判别网络实现生成图像与背景语义一致性并计算得到对抗损失，将L1损失与结构相似性损失相结合作为网络重建损失，再将其与对抗损失相结合作为损失函数。在Place2数据集上进行实验，平均峰值信噪比和平均结构相似性分别为27.83 dB和93.19%；与四种图像修复方法进行比较：主观感受上该方法较其他方法生成的修复图像更加清晰自然，与背景语义高度相符；客观指标上选用四种常用评价指标进行比较，在更符合人眼视觉的结构相似性上该方法分别提升11.48%、6.23%、3.24%、2.21%。对改进网络各模块的消融实验结果也验证了所提创新点的有效性，表明该方法优于同类算法。

• 基于ORB-SLAM3的改进型特征匹配与稠密建图算法

  刘畅,党淑雯,陈丽,

  针对传统ORB算法存在提取的特征点极易堆积在纹理丰富的区域及误匹配率高等而导致无法满足高精度定位要求，以及ORB-SLAM3系统无法构建稠密地图的问题，提出一种基于ORB-SLAM3的改进型ORB-GMS特征匹配方法，并增加稠密建图线程来实现稠密地图的构建。首先，在特征点提取过程中引入四叉树策略，将图像帧分为若干个网格，并在每个网格中提取最优特征点；然后，在特征匹配过程中将运动平滑约束转换为剔除错误匹配的统计量，通过比较匹配对邻域内的匹配对数量和阈值来快速筛选正确匹配；最后，完成位姿估计并根据关键帧与相应位姿完成稠密点云地图的构建。采用TUM的RGB-D数据集进行实验，改进算法提取的特征点相较传统ORB算法分布更加均匀，匹配数比ORB-SLAM3增加64.5%，比GMS算法增加4.7%，匹配耗时比ORB-SLAM3减少20.4%，比GMS算法减少94.6%，从而验证了改进算法在特征点提取与匹配方面的优越性，并且相较于ORB-SLAM3，改进算法的定位精度提高了3.75%，从而验证了其在总体上提高定位精度，进而实现稠密建图的可行性和有效性。

• 基于模态相关性学习的细粒度分类

  张天舒,刘凡,戴雯雯,高瑞琢,

  针对单模态细粒度分类方法难以区分图像间细微差异的问题，将多模态融合方法引入到细粒度分类任务中，充分利用多模态数据的相关性和互补性，提出了一种基于模态相关性学习的细粒度分类方法。该方法分为两个阶段，首先考虑到图像和文本数据之间的对应关系，利用它们的匹配程度作为约束来进行模型的预训练；接着，加载上一步得到的网络参数，先提取多模态特征，再利用文本特征指导图像特征的生成；最后，基于融合后的特征进行细粒度分类。该方法在UPMC-Food101、MEP-3M-MEATS和MEP-3M-OUTDOORS数据集上进行训练测试，分别达到91.13%、82.39%和93.17%的准确率。实验结果表明，该方法相对于传统的多模态融合方法具有更好的性能，是一种有效的细粒度分类方法。

• 基于数据特征的多传感器融合实时目标检测

  刘晋成,唐伦,陈前斌,

  为了进一步降低目标检测出现的误检率，提出了一种基于传感器数据特征的融合目标检测算法。首先，为了减少部分离群噪声点对点云表达准确性的影响，采用统计滤波器对激光雷达原始点云进行滤波处理；其次，为了解决点云地面分割在坡度变化时，固定阈值会导致分割不理想的问题，提出了自适应坡度阈值的地面分割算法；然后，建立KD（k-dimensional）树索引，加速DBSCAN（density-based spatial clustering of applications with noise）点云聚类，基于Andrew最小凸包算法，拟合最小边界矩形，生成目标三维边界框，完成聚类后的目标点云位姿估计；最后，将激光雷达检测到的三维目标点云投影到图像上，投影边界框与图像检测的目标边界框通过IoU关联匹配，提出基于决策级的三维激光雷达与视觉图像信息融合算法。使用KITTI数据集进行的测试实验表明，提出的点云聚类平均耗时降低至173 ms，相比传统的欧氏距离聚类，准确性提升6%。搭建硬件实验平台，基于实测数据的实验结果表明，提出的融合算法在目标误检率上比YOLO v4网络降低了约10%。

• 基于多层级联循环的立体匹配网络

  杨秀泽,潘明章,李劲,廖晓蓝,王硕,梁科,

  为了改善现有的立体匹配算法在较高的视差估计精度和较快的模型推理速度之间难以保持良好平衡的问题，提出了一种高效、精确的多层级联循环立体匹配网络。首先，设计了一个多层网络，在较高分辨率的特征图上引入位置编码和自注意机制，再利用分层循环细化、级联细化和循环细化的视差细化策略更新视差值，以便更好地恢复立体图像的细节信息；此外，改进了视差迭代更新的策略，在低尺度下采用轻量级群相关层，在高尺度下采用自适应群相关层来更新差异值，降低了视差迭代更新的计算量，提高了模型的推理速度。实验结果表明，该算法相对于其他算法，在取得极具竞争力的视差估计精度情况下，具有较快的模型推理速度。

• 基于LLE的边缘保持图像平滑算法

  龙建武,王雪梅,

  现有全局优化算法都使用不同范数约束输出图像梯度来实现图像平滑，但会牺牲图像中的弱结构信息来达到较好的平滑性能，导致输出图像出现颜色失真和细节模糊的情况。针对上述问题，提出一种基于LLE的边缘保持图像平滑算法（edge preserving image smoothing algorithm based on LLE，Ep-LLE），引入局部线性嵌入（LLE）的思想作为优化函数的正则化项并采用L2范数进行惩罚。该方法利用图像局部区域内像素存在的相互关系，通过约束局部相似以实现图像平滑任务。最后通过各个算法的实验对比验证，基于LLE的边缘保持图像平滑算法能在实现图像边缘保持平滑的同时，保留图像局部结构特征，并有效避免区域内颜色一致导致的边缘阶梯状现象，避免图像颜色失真。

• 基于自适应注意力融合特征提取网络的图像超分辨率

  王拓然,程娜,丁士佳,王洪玉,

  为了应对当前大型图像超分辨率模型参数过多难以部署，以及现有的轻量级图像超分辨率模型性能表现不佳的问题，提出了一种基于自适应注意力融合特征提取网络的图像超分辨率模型。该模型主要由一个大核注意力模块和多个高效注意力融合特征提取模块组成。首先，利用大核注意力模块进行浅层特征提取，然后将提取到的浅层特征信息输入级联的高效注意力融合特征提取模块进行深层特征提取、增强、细化和再分配的聚合操作。高效注意力融合特征提取模块由三个部分组成，分别是渐进式残差特征提取模块、通道对比度感知注意力模块和通道—空间联合注意力模块。该网络可以在利用少量参数的情况下实现更好的图像超分辨率性能，是一种表现优异的轻量级图像超分辨率模型。通过在流行的基准数据集上评估提出的方法，并与现有的一些方法进行对比，结果表明该方法的表现更优异。

• 基于边缘先验融合动态门控特征的人脸图像修复

  陈婷,王通,张冀武,陈光晨,

  为解决现有人脸图像修复算法因无法提取动态特征和缺乏边缘先验信息导致修复大区域不规则破损时纹理模糊和结构扭曲问题，提出了基于边缘先验融合动态门控特征的人脸图像修复算法。首先，设计动态门控卷积模块动态提取破损区域特征，关联已知区域和缺失区域的有效特征，提升纹理细腻度；然后，设计动态门控边缘增强网络和U型编码纹理修复网络，边缘增加网络旨在获取边缘轮廓信息，为U型编码纹理修复网络提供结构先验约束；U型编码纹理修复网络采用UNet++融合多层特征以保证人脸修复图像结构和纹理一致性；最后，通过消融实验证明UNet++的有效性和通用性，并剪枝U型网络以选取适宜的人脸图像模型表征层进行缺失区域纹理重建，在CelebA-HQ人脸数据集上进行实验评估。实验结果表明：相较于主流算法，所提方法在SSIM上平均提升3.87%，PSNR平均提升3.79 dB，FID平均下降16.54%，能有效修复大区域不规则缺失面积，生成纹理清晰、结构合理的图像。

• 一种细化边缘的轻量级边缘检测神经网络

  浦莹开,张笃振,

  针对目前边缘检测模型复杂度高、参数量大、识别边缘精度及效率不高的问题，提出了一种轻量级边缘检测神经网络。首先，通过MP模块将原图像分成同等维度的小块并进行位置编码，以增强边缘像素点之间的联系；再经过MGC中的多组卷积操作提取图像不同区域特征进行融合，减少冗余信息；最后通过多次的反卷积上采样调整输出图片的分辨率尺寸，输出预测边缘图。最终的网络只有125 KB的参数，在BIPED和MDBD数据集上进行实验，验证模型检测边缘的综合能力。相比于当前最先进的轻量级边缘检测方法LDC，在BIPED数据集上的测试结果表明，指标ODS（optimal dataset scale）仅低了0.9%，模型参数量则降低了81.5%，FPS提高了89.0%。在保持细粒度识别边缘的同时，可以满足实际任务中的需求。

• 融合自校准照明框架的水下图像增强网络

  蒋留兵,牟玉洁,车俐,吴永满,

  水下图像质量退化严重阻碍了海洋工程技术的发展，针对水下图像颜色失真、对比度偏低和亮度不均匀等问题，为了解决水下特殊成像环境导致的以上退化问题，同时以便于后续基于水下图像的研究工作，提出了融合自校准照明框架的水下图像增强网络模型，该网络模型在卷积神经网络的基础上融合了自校准照明模块，可以快速、灵活地亮化图像。自校准照明模块中建立了一个具有权重共享的级联照明学习过程来处理水下图像。考虑到级联模式的计算负担，又构建了自校准模块，实现了各阶段结果之间的收敛，大大降低了计算成本，实现了对水下图像亮度的自动调节。最后，分别对实验结果进行定性及定量分析，并且对比了八种先进的增强算法，结果表明提出的方法明显优于其他对比算法。该方法增强后的结果图提高了对比度，对颜色进行了校正，改善了亮度不均匀的问题，同时增强了视觉效果，定性及定量分析结果说明了该方法的有效性。

• 基于深度展开模型的毫米波稀疏成像算法

  车俐,吴永满,蒋留兵,牟玉洁,

  针对传统压缩感知算法的高计算成本问题，从稀疏信号的恢复角度出发，提出一种基于深度展开模型的稀疏成像算法。首先构建复数稀疏重建网络VAMP-Net，在该网络中，复数形式的降采样回波信号被拆分成实部和虚部作为输入，接着代入到基于VAMP算法的迭代块中，最后通过卷积神经模块进行最优非线性稀疏变换，得到恢复的实部和虚部信号，两者进行合并后得到恢复的目标图像。对于所提算法，采用人工合成的数据集在不同目标密集程度、迭代次数和噪声环境下进行仿真实验，并与传统的迭代收缩阈值算法和深度学习重构算法进行比较。再使用不同程度稀疏性的数据进行实测验证。实验结果表明，该算法重构的图像在NMSE、TBR、重构耗时以及内存使用上有更好的表现。

• 使用像素质量函数和边界约束实现图像去雾

  唐斌,陈清容,段春红,龙文,

  针对优化算法估算传输率复杂度高和去雾图像亮度不足的问题，提出一种基于像素质量函数和边界约束估算传输率的新算法。首先根据像素去雾度、像素信噪比构建像素质量函数，通过求解该函数最大值获取最优传输率，再结合复原图像灰度边界约束形成粗糙传输率；然后运用导向滤波获取精细传输率；最后使用大气散射模型对雾图以及去雾图像分别进行去雾和亮度增强处理。视觉效果显示，提出的算法复原的图像明亮自然；客观数据表明，算法处理结果的平均梯度比、信噪比和运行时间等指标值大幅提升。相对于其他测试算法，其平均梯度比均值至少提升1.34倍，信噪比均值至少提升1.07倍，运行速度均值至少加速1.28倍。该算法有效提高了雾图清晰度和明亮度，并且具有较好的实时性。

• 一种基于人体骨架的任意角度坐姿识别方法

  叶启朗,李戴薪,南海,

  针对当前坐姿识别技术在不借助外部工具以及在动态环境下检测效果较差的情况，提出了一种基于人体骨架的坐姿识别方法，实现在任意角度环境下对坐姿的识别。人体骨架由关节和骨骼相互连接所成，其骨架信息不受动态环境和复杂背景的影响。该方法首先对任意角度下的坐姿图像进行人体姿态估计，提取出人体骨架信息，在三维空间下利用骨骼的物理连接关系构造一种用于检测坐姿的骨架图，并提出Skeleton-GCN（骨架图卷积网络）提取骨架图空间特征，将特征取平均值聚合并输入MLP层保存输出预测概率。此外，将任意角度的人体骨架坐标在三维空间下的不同角度进行投影，得到不同角度下的骨架图像，通过对比网络对骨架图像进行正面姿态估计得到正面骨架图像并输入CNN中，输出该骨架图像的预测概率，通过加权融合集成两个模态分类器预测概率并输出类别结果。最后，将所提方法应用于办公室、课堂等场景，实现了任意角度下坐姿的有效检测。

• 细化Transformer网络的弱监督图像语义分割

  孙万春,冯欣,马慧,胡立松,

  图像级标签的弱监督图像语义分割方法是目前比较热门的研究方向，类激活图生成方式是最为常用的解决该类问题的主要工作方法。由于类激活图的稀疏性，导致判别区域的准确性降低。针对上述问题，提出了一种改进的Transformer网络弱监督图像学习方法。首先，引入空间注意力交换层来扩大类激活图的覆盖范围；其次，进一步设计了一个注意力自适应模块来指导模型增强弱区域的类响应；特别地，在类生成过程中，构建了一个自适应跨域来提高模型分类性能。该方法在Pascal VOC 2012 验证集和测试集上分别达到了73.5%和73.0%。实验结果表明，细化Transformer网络学习方法有助于提高弱监督图像的语义分割性能。