计算机应用研究杂志

计算机应用研究杂志2023年第2期

• 基于信用的区块链共识算法对比研究

  刘惠文,谢才炳,邓小鸿,

  基于信用的共识算法在共识效率和安全性上具有显著优势，成为近年来学术界和产业界广泛关注的热点。对当前信用共识算法进行对比分析，为研究者们深入研究提供参考。首先对当前的信用共识算法进行系统梳理，给出了其发展历程、分类和核心工作原理，总结了其信用计算模型和性能评价指标。其次对信用共识算法进行了定性和定量的比较分析，指出了各类信用共识算法的优缺点。最后，针对目前信用共识算法中存在的信用激励不够和与共识过程融合度不高的问题，提出了从基于博弈论的信用激励和设计高效的通信拓扑两个方面进行优化，给出了未来的研究方向。

• 鲸鱼优化算法研究综述

  许德刚,王再庆,郭奕欣,邢奎杰,

  鲸鱼优化算法是一种受座头鲸的狩猎行为启发所提出的新型群体智能优化算法，其性能远超传统算法。为了跟踪最新研究成果、促进群体智能优化算法领域的研究，首先介绍了鲸鱼优化算法的基本原理，简述了其实现步骤，并对比分析了其性能特点。针对其收敛速度慢、收敛精度低等缺点，总结分析了融入其他智能优化算法、Lévy飞行策略、混沌策略等改进方式及其优势与局限；接着阐述了其在组合优化、图像分割、数据预测等方面的应用及取得的效果；最后，对未来发展趋势进行总结与展望。

• 基于区块链改进的代码共享航班管理系统模型

  齐放,钟玲,张珊,

  为解决现有的代码共享航班信息系统分布于各个航司与GDS，存在信息不一致的问题，提出了一种基于区块链改进的代码共享航班管理系统模型。改进模型在保证原系统功能的基础上，增加区块链系统的支持，将交易的用户信息及数据的摘要上链，来保证系统的不可窜改特征。并提出四次交互的消息验证机制，将改进系统中涉及业务变更的信息进行抽象并规范化。对实现的系统进行时间及空间两个维度的测试。结果表明，系统具有可扩展性，并有着较好的吞吐量及可预估的空间占用，符合企业级信息系统上链要求。

• 区块链拍卖退款交易智能合约DoS漏洞优化研究

  陈虹,王颖辉,金海波,曹玥,

  针对智能合约的DoS漏洞可能在拍卖退款交易中造成资源耗尽问题进行了研究，设计了拍卖退款交易中智能合约DoS漏洞优化方案。首先构造可能存在DoS漏洞的智能合约，然后采用增加映射以及压栈出栈方法完成漏洞优化，最后通过形式化验证运行优化后的智能合约，检测其是否存在逻辑错误或不一致性。实验结果表明，采用该方法优化的智能合约能够避免因资源耗尽产生的拒绝服务，与带有漏洞智能合约相比，优化后的智能合的等效内存使用量减少了约62.8%，运行时间也有缩短。

• 融合注意力机制与孪生神经网络的更新日志主题学习模型

  张鑫,黄文超,熊焰,

  为进一步挖掘更新日志信息，提出了基于注意力机制的孪生双向LSTM网络模型，对更新日志进行分类以实现主题标注，并辅助定位代码缺陷位置。该模型提出了具有安全特色的分词工具实现日志预处理，借助双向LSTM网络学习更新日志语义信息，通过孪生神经网络解决更新日志自身存在的过拟合模式问题并高质量扩充数据集，提升泛化能力。针对多语句组成的更新日志进行序列化训练，通过注意力机制对语句影响性进行区分。针对缺陷修复类的部分日志基于LLVM工具进行改进，生成映射表进行日志内容搜索，定位源码中缺陷模块的位置。大量实验结果表明，所提模型分类效果具有强泛化能力，且较其他文本分类通用方法在准确率、F1值等指标提升近10%，具有理想的日志分类效果与主题学习效果。

• 多视图动量对比学习算法

  李永财,刘向阳,

  比较同一图像不同增强的相似性是对比学习取得显著成果的关键。传统对比学习方法使用了图像的两个不同视图，为了学习到图像更多的信息以提高分类准确率，在MoCo（momentum contrast for unsupervised visual representation learning）的基础上，提出了一种多视图动量对比学习算法。每次迭代中，对于图像的多个数据增强分别使用一个查询编码器和多个动量编码器进行特征提取，使得本次迭代可以使用更多的数据增强和负样本。使用优化的噪声对比估计（InfoNCE）来计算损失，使得查询编码器能得到更有益于下游任务的特征表示。对查询编码器使用梯度回传更新网络，对各动量编码器使用改进的动量更新公式以提高模型的泛化能力。实验结果表明，使用多视图动量对比学习可以有效提高模型的分类准确率。

• KENAOTE：一种知识增强的方面和意见对提取多任务学习模型

  李阳,唐积强,朱俊武,梁明轩,高翔,

  方面和意见对提取旨在根据给定句子提取方面和意见项并匹配关系，然而相关研究通常独立提取方面和意见项，而不识别关系。为了识别方面和意见项关系，提出一种知识增强的方面和意见对提取多任务学习模型。首先使用预训练语言模型为文本生成具有语义信息的词向量，为了实现知识增强的效果，使用遮蔽注意力的方式将知识图谱的语义信息融入词向量中，然后使用基于距离注意力和条件随机场的序列标注方法提取方面和意见项，最后再将提取的方面和意见项两两匹配预测对应关系。为了加强方面和意见项提取模块和匹配模块的联系，采用共享编码层的方式实现联合训练。在训练流程中，匹配模块采用真实标签作为输入，在测试过程中采用提取模块的结果作为输入。为了证明模型的有效性，使用三个通用领域数据集进行对比实验，该模型在方面和意见项匹配任务中F1值分别达到66.99%、75.17%和67.30%，并优于其他比较模型。

• 多源域分布下优化权重的无监督迁移学习Boosting方法

  李赟波,王士同,

  深度决策树迁移学习Boosting方法（DTrBoost）可以有效地实现单源域有监督情况下向一个目标域迁移学习，但无法实现多个源域情况下的无监督迁移场景。针对这一问题，提出了多源域分布下优化权重的无监督迁移学习Boosting方法，主要思想是根据不同源域与目标域分布情况计算出对应的KL值，通过比较选择合适数量的不同源域样本训练分类器并对目标域样本打上伪标签。最后，依照各个不同源域的KL距离分配不同的学习权重，将带标签的各个源域样本与带伪标签的目标域进行集成训练得到最终结果。对比实验表明，提出的算法实现了更好的分类精度并对不同的数据集实现了自适应效果，分类错误率平均下降2.4%，在效果最好的marketing数据集上下降6%以上。

• 面向图相似性搜索的高效图编辑距离算法

  邱珍,郑朝晖,

  在图相似性搜索问题中，图编辑距离是较为普遍的度量方法，其计算性能很大程度上决定了图相似性搜索算法的性能。针对传统图编辑距离算法中存在的因大量冗余映射和较大搜索空间导致的性能低下问题，提出了一种改进的图编辑距离算法。该算法首先对图中顶点进行等价划分，以此计算映射编码来判断等价映射；然后定义映射完整性更新等价映射优先级，选出主映射参与扩展；其次，设计高效的启发式函数，提出基于映射编码的下界计算方法，快速得到最优映射。最后，将改进的图编辑距离算法扩展应用于图相似性搜索。在不同数据集上的实验结果表明，该算法具有更好的搜索性能，在搜索空间上最大可降低49%，速度提升了约29%。

• QAOA最大切割问题的类Dijkstra优化及实现

  潘文杰,李志强,杨辉,

  最大切割问题是可以用量子近似优化算法（QAOA）来解决的典型问题，Ansatz线路构造为该算法的重要组成部分。为了减少多种图结构在QAOA中的构造代价和提高其稳定性，从线路的可优化性出发进行分析，结合 Dijkstra算法的点边存放特点，提出了该线路的类Dijkstra优化算法，并将其应用于QAOA最大切割问题。使用Qiskit量子框架来模拟优化算法的正确性，并用IBM Quantum Composer的真实环境进行对比实验来验证优化的稳定性。与未优化的线路相比，此优化算法下的CNOT门能减少约40%，其稳定性也得到了明显的提高。结果表明类Dijkstra优化算法可以适用于QAOA最大切割问题的多种图结构优化。

• 基于多路语义图网络的图像自动问答

  乔有田,张海军,路明,

  基于视觉特征与文本特征融合的图像问答已经成为自动问答的热点研究方向之一。现有的大部分模型都是通过注意力机制来挖掘图像和问题语句之间的关联关系，忽略了图像区域和问题词在同一模态之中以及不同视角的关联关系。针对该问题，提出一种基于多路语义图网络的图像自动问答模型（MSGN），从多个角度挖掘图像和问题之间的语义关联。MSGN利用图神经网络模型挖掘图像区域和问题词细粒度的模态内模态间的关联关系，进而提高答案预测的准确性。模型在公开的图像问答数据集上的实验结果表明，从多个角度挖掘图像和问题之间的语义关联可提高图像问题答案预测的性能。

• 基于高对比度子空间的改进孤立森林方法

  周杭,蒋瑜,

  针对孤立森林通过随机选择属性进行数据空间分割，在面对高维数据时具有不可靠性这一问题，提出了一种基于高对比度子空间的改进孤立森林算法 （high contrast subspace isolation forest，HiForest）。首先，该方法基于子空间各属性边缘概率与联合概率间的偏差值，选取具有高对比度值的子空间；其次，在相关子空间中构建离群点检测能力更优的隔离树，多棵隔离树集成为隔离林，通过遍历数据点在隔离森林中的平均路径长度从而得到异常分数。基于ODDS数据集的实验表明，与传统的异常检测算法相比，HiForest在曲线下面积、查准率、召回率和F1-score评价指标上均有较明显的提升。因此，HiForest算法是一种适用于中高维数据集，检测精度更高的异常检测算法。

• 基于平面镜反射成像学习的海洋捕食者算法及特征选择

  徐明,龙文,羊洋,

  针对基本海洋捕食者算法在求解复杂优化问题时存在收敛速度慢、解精度低和易陷入局部最优的缺点，提出一种改进的海洋捕食者算法。一方面，该算法在迭代前期引入当前全局最优个体引导群体中其他个体进行搜索的策略，从而加快算法的收敛速度；另一方面，在迭代后期引入平面镜反射成像学习策略，从而帮助群体逃离局部最优和提高求解精度。将改进算法应用于12个基准测试函数的寻优，结果表明，该算法比在求解精度和收敛速度方面均获得了显著提高。再将改进算法应用于求解21个特征选择问题，结果表明，该算法能有效去除冗余特征，提高数据分类的准确度。通过以上对比实验，显示出该改进算法的性能具有较强竞争力。

• 具有成本约束的设备投资木桶—贪婪优化算法研究

  彭可,周稼辉,代礼奇,陈志盛,宋雨情,杨陈浩,

  针对以经验为主的混合流水车间设备购置策略所导致的生产不平衡问题，提出了一种木桶—贪婪算法。该算法在固定设备成本的约束下，以产线生产节拍最快为目标，利用木桶效应的补短板思路识别出瓶颈工序，并在此基础上针对产线内多种类产品瓶颈工序不一致的特性引入贪婪思想。然后，基于实际产线案例对比不同算法的求解结果，木桶—贪婪算法相比穷竭搜索算法以及改进遗传算法在求解质量和效率方面具有一定优势。最后，以实际产线为背景，利用Plant Simulation仿真进行产线改造前后对比，验证了提出的算法在实际生产中的可行性和有效性。

• 混合策略改进的麻雀搜索算法及其应用

  李大海,詹美欣,王振东,

  针对麻雀搜索算法（sparrow search algorithm，SSA）在优化过程中易陷入局部最优、寻优精度低等问题，提出了一种混合策略改进的麻雀搜索算法（MSSA）。为了使麻雀个体在搜索空间中能够进行充分搜索，在算法寻优过程中引入存档阶段去接收麻雀发现者向安全区域移动时可能被捕获而残留的位置信息；在算法的迭代过程中对当前最优个体作自适应邻域搜索，通过充分探索优质个体周围的位置信息来增强算法跳出局部最优的能力。通过九个基准测试函数进行性能评估，将MSSA、SSA以及四个改进的麻雀搜索算法，即混沌麻雀搜索算法、混合策略改进的麻雀搜索算法、改进的麻雀搜索算法、增强型的麻雀搜索算法，进行性能评测比较。实验结果表明，MSSA相较于其他对比算法在近80%的测试函数上都有更好的收敛精度和稳定性，并且在Friedman检验中MSSA的排名均获得了第一。最后，将MSSA应用于障碍物环境下的无线传感器网络（wireless sensor network，WSN）覆盖优化问题，MSSA比五个对比算法的覆盖率分别提高了9.77%、4.25%、6.62%、3.02%、7.38%。

• 改进的哈里斯鹰算法求解农产品供应链调度

  支永坤,刘欢,代永强,

  针对农产品流通体系的效率低、流通链条协同效率不高、紧急情况下食品供给慢等问题，将农产品供应链调度问题建模成混合流水车间调度问题。结合禁忌搜索算法中禁忌表机制，离散化实数编码，提出了一种改进的哈里斯鹰算法来求解农产品供应链调度问题。该方法相比较原始的哈里斯鹰算法，降低了算法陷入局部最优的可能，进一步提高了算法的求解精度。实验结果表明相比较对比算法，改进的哈里斯鹰算法在提出的农产品供应链调度问题模型上取得了更好的效果。

• 基于双策略协同进化的QPSO算法及其应用

  何光,卢小丽,李高西,

  为更好地提升量子粒子群优化算法（QPSO）的局部挖掘和全局搜索能力，提出了一种改进的QPSO算法（DSQPSO）。在改进算法中引入了双策略协同进化的思路调整粒子的位置更新公式。为充分体现个体粒子挖掘的优势和群体共同引导的特点，提出了两种吸引点构造的思路，做到个体和种群更好地融合以及信息的互通；分别考虑了最优平均位置与全局最优和粒子的历史最优之间的联系，对粒子搜索范围作出了重新定义；此外，在迭代过程中，借助随机扰动机制对全局最优位置进行调整，以保持种群的多样性。通过18个测试函数将DSQPSO算法与PSO、QPSO、RQPSO和LQPSO四种算法在收敛精度和鲁棒性方面进行对比；进而在两个具体的工程优化问题上，应用改进算法与八个智能算法进行了寻优结果比较。实验表明DSQPSO算法无论在基准测试中还是在工程应用上，其计算精度和收敛效果均有明显优势。

• 结合Transformer的轻量化中文语音识别

  沈逸文,孙俊,

  近年来，深度神经网络模型在语音识别领域成为热门研究对象。然而，深层神经网络的构建依赖庞大的参数和计算开销，过大的模型体积也增加了其在边缘设备上部署的难度。针对上述问题，提出了基于Transformer的轻量化语音识别模型。首先使用深度可分离卷积获得音频特征信息；其次构建了双半步剩余权重前馈神经网络，即Macaron-Net结构，并引入低秩矩阵分解，实现了模型压缩；最后使用稀疏注意力机制，提升了模型的训练速度和解码速度。为了验证模型，在Aishell-1和aidatatang_200zh数据集上进行了测试。实验结果显示，与Open-Transformer相比，所提模型在字错误率上相对下降了19.8%，在实时率上相对下降了32.1%。

• 基于注意力机制的深度强化学习交通信号控制

  任安妮,周大可,冯锦浩,唐慕尧,李涛,

  深度强化学习（DRL）广泛应用于具有高度不确定性的城市交通信号控制问题中，但现有的DRL交通信号控制方法中，仅仅使用传统的深度神经网络，复杂交通场景下其感知能力有限。此外，状态作为强化学习的三要素之一，现有方法中的交通状态也需要人工精心的设计。因此，提出了一种基于注意力机制（attention mechanism）的DRL交通信号控制算法。通过引入注意力机制，使得神经网络自动地关注重要的状态分量以增强网络的感知能力，提升了信号控制效果，并减少了状态向量设计的难度。在SUMO（simulation of urban mobility）仿真平台上的实验结果表明，在单交叉口、多交叉口中，在低、高交通流量条件下，仅仅使用简单的交通状态，与三种基准信号控制算法相比，所提算法在平均等待时间、行驶时间等指标上都具有最好的性能。

• 基于多通道Transformer的交通量预测方法

  周楚昊,林培群,

  目前，我国高速公路拥堵程度居高不下，而交通流预测作为实现智能交通系统的重要一环，若能对其实现高精度的预测，那么将能够高效地管理交通，从而缓解拥堵。针对该问题，提出了一种考虑时空关联的多通道交通流预测方法（MCST-Transformer）。首先，将Transformer结构用于不同数据的内在规律提取，然后引入空间关联模块对不同数据间的关联特征进行挖掘，最后，借助通道注意力整合优化全局信息。采用广东省高速公路数据，实现了两小时内92个收费站的高精度流量预测。结果表明：MCST-Transformer优于传统机器学习方法以及部分基于注意力机制的时间序列模型，在120 min预测跨度下，相比贝叶斯回归，MAPE降低了5.1%；对比Seq2Seq-Att以及Seq2Seq这些深度学习算法，所提方法的总体MAPE也能降低0.5%，说明通过多通道的方式能够区分不同数据的特性，进而更好地预测。

• 基于图卷积网络的交通路口流量预测模型

  何沁玮,李学俊,廖竞,

  交通流量预测是建设智慧城市中一项重要性高且挑战性大的任务。准确预测需要考虑如节假日、相似节点和天气等多种影响因素组成的时空特征。为了准确捕获到路网路口的时空特征，提出了一种基于图卷积神经网络、时序算法Prophet和Pearson相关系数的预测模型，以实现考虑空间结构、相似节点、节假日及其他影响因素对路口流量的准确预测。首先，为降低相似节点影响引入Pearson相关系数，改进时序算法，实现时间特征的捕捉；然后，采用图卷积神经网络实现空间特征的捕捉；最后，通过线性回归确定图卷积网络和时序算法的融合权重，得到时空融合预测的结果。最终基于成都市出租车轨迹数据分析提取出路口流量数据，并进行了流量预测实验。结果表明，提出的模型准确性优于大多现有的基线方法，与T-GCN、ASTGCN、AGCRN模型相比，MAE分别降低了1.623、0.724、0.161，精度分别提高了0.144、0.068、0.021，验证了该模型在交通路口流量预测中的有效性。

• 基于点线特征融合的视觉惯性SLAM算法

  赵伟博,田军委,王沁,张震,赵鹏,

  针对目前视觉SLAM方法鲁棒性差、耗时高，使系统定位不够精确的问题，提出了一种基于点线特征融合的视觉惯性SLAM算法。首先通过短线剔除和近似线段合并策略改进LSD（line segment detection）提取质量，以提高线特征检测的速率和准确度；然后在后端优化中有效融合了点、线和IMU数据，建立最小化目标函数进行优化，得到更精确的相机位姿；最后在EuRoC数据集和现实走廊场景进行了实验验证。实验表明，所提算法可以有效提升线特征提取的质量和速度，同时有效提高了SLAM系统的定位精度，获得更为丰富的点线结构地图。

• 基于活动的行为关系与关联时间的多视角迹聚类方法

  张顺,方欢,

  常用的迹聚类方法大多使用相对单一的标准，如利用活动序列关系，而忽略了活动的行为关系、时间或资源属性，这对于一些柔性配置的业务流程系统提升过程挖掘质量是不利的。针对该问题，提出了一种结合活动行为关系与关联时间的多视角迹聚类方法。首先，根据活动之间的行为关系构建控制流编码；同时，在时间属性上，把迹表示为一组最近关联活动对及其时间差；其次使用加权聚合的方式集成两个视角下的迹相似性，然后进行聚类调整。最后，将所提方法应用于登录系统场景，并且在五个真实日志上与其他聚类方法进行对比。实验结果表明，该方法能够从复杂的登录系统中发现过程场景，并且从适应度、精度和F1分数三个度量标准上验证了该方法的优越性。

• 关联项目增强的多兴趣序列推荐方法

  张杰,陈可佳,

  现有基于多兴趣框架的序列推荐方法仅从用户近期交互序列中学习得到用户多兴趣表示，忽略了数据集中项目间的关联信息。针对这一问题，提出了一种关联项目增强的多兴趣序列推荐方法IAMIRec（item associations aware multi-interest sequential recommendation method）。首先通过数据集中用户交互序列计算得到项目关联集合和对应的项目关联矩阵，然后根据项目关联矩阵通过多头自注意力机制建模用户的近期交互序列，最后使用多兴趣框架学习得到用户的多个兴趣向量并进行top-N推荐。在三个数据集上对该方法进行了测试与分析，IAMIRec在recall、NDCG（normalized discounted cumulative gain）和hit rate指标上的表现均优于相关方法。实验结果说明 IAMIRec可以实现更优的推荐性能，也表明引入项目关联信息可以有效增强用户的多兴趣表示。

• 基于Tomek链的边界少数类样本合成过采样方法

  陶佳晴,贺作伟,冷强奎,翟军昌,孟祥福,

  在类别不平衡数据集中，由于靠近类边界的样本更容易被错分，因此准确识别边界样本对分类具有重要意义。现有方法通常采用K近邻来标识边界样本，准确率有待提高。针对上述问题，提出一种基于Tomek 链的边界少数类样本合成过采样方法。首先，计算得到类间距离互为最近的样本形成Tomek链；然后，根据Tomek链标识出位于类间边界处的少数类样本；接下来，利用合成少数类过采样技术（SMOTE）中的线性插值机制在边界样本及其少数类近邻间进行过采样，并最终实现数据集的平衡。实验对比了八种采样方法，结果表明所提方法在大部分数据集上均获得了更高的G-mean和F1值。

• 图重构下大规模网络的社团检测算法

  陈燕兵,张应龙,

  对大型复杂网络进行高质量的社团检测通常依赖图的拓扑结构来划分节点集，然而现实世界的网络通常带有嘈杂且与集群无关的连接，这些链接可能会导致模型将来自不同集群的节点划分在一起。为此，提出了基于图重构的社团检测算法（graph reconstruction based community detection，GRCD），该方法能够处理大规模复杂网络的社团检测。首先，删除社团之间的相互连接的边来重新构建原始图的社团结构；然后，将网络视为一个社交系统，旨在以更直观的方式揭示社团；提出了一种高效的社团检测策略，即基于话语权的社团组织生成策略；最后，在不同规模数据集上进行实验。实验结果表明，GRCD算法不仅能够处理大规模网络，而且在保持较高稳定性的同时，其社团划分的质量对比现有的几种基准算法都有很强的竞争力。

• 融合全局—局部特征的多粒度关系检测模型

  邱婉春,徐建,

  面向知识库问答的关系检测旨在从知识库的候选关系中选出与自然语言问题最匹配的关系路径，从而检索得到问题的正确答案。针对现有关系检测方法中存在的语义信息丢失和注意力交互不充分的问题，提出了一种融合全局—局部特征的多粒度关系检测模型。该模型首先使用双向长短期记忆网络对问题和关系进行编码，从单词级和关系级多种粒度对关系建模；然后使用双向注意力机制实现问题和关系的注意力交互；最后通过聚合操作提取全局特征，通过词级交互提取局部特征，计算问题和候选关系的语义相似度。实验表明，该模型在SimpleQuestions和WebQuestionsSP数据集上分别取得了93.5%和84.13%的精确度，提升了关系检测的效果。

• 基于动态注意力机制和多模态循环融合的帕金森氏症识别

  朱家英,徐志京,

  PD （Parkinson’s disease） 的运动障碍会累及口、咽、腭肌以及面部肌肉，引起声带震颤和面部运动迟缓，为利用声纹和面部特征识别PD患者提供了可能。为了有效利用以上两种特征以提高PD 识别率，提出了基于多尺度特征与动态注意力机制的多模态循环融合模型对患者进行识别检测。首先，设计了多尺度特征提取网络，将高、低层级特征的语义信息融合以得到完整的特征信息；其次，在多尺度特征融合过程中为了充分考虑模态间的相关性和互补性，提出了以不同模态信息互为辅助条件生成注意力特征图的动态注意力机制算法，降低特征融合时信息的冗余；最后设计了多模态循环融合模型，通过计算循环矩阵的每个行向量与特征向量间的哈达玛积得到更有效的融合特征，提高了模型性能。在自建数据集上进行的多组实验结果表明，提出的方法识别准确率高达96.24%，优于当前流行的单模态和多模态识别算法，可以有效区分PD患者和HP （healthy people），为高效识别PD患者奠定了基础。

• 融合交互意图的图神经网络协同过滤算法

  张贤坤,秦锋斌,孙月,黄文杰,董梅,

  传统的协同过滤方法很大程度上以一种统一的方式进行建模，没有在交互意图的细粒度上考虑建模关系。为此提出一种融合交互意图的图神经网络协同过滤算法（INTNGCF）。首先，通过将边分解成多个潜在空间来识别潜在意图；其次，利用交互意图融合层确定这些潜在意图的重要性；最后，生成用户对项目的预测评分。在三个真实数据集上与七种基线模型进行对比实验，结果表明，提出的算法与其他先进的推荐模型相比具有一定的性能优势。

• 基于用户复杂网络特征分类的协同过滤模型

  艾均,戴兴龙,苏湛,

  协同过滤算法被广泛应用的同时一直存在着伸缩性和可扩展性困难的问题。针对该问题，提出了一种基于用户复杂网络特征分类的推荐系统协同过滤模型。首先，在用户集中基于度值选择特征用户，建立相似性阈值实现非特征用户分组；然后，构建用户—用户相似性网络，通过K-core分解完成网络中的社区标记；最后，目标用户在组内选择邻居，实现电影评分预测。基于MovieLens和Netflix数据集的实验结果表明，该算法与经典协同过滤算法相比，提升了时间和空间的性能，展现了更为出色的伸缩性和可扩展性。

• 融合上下文信息与自注意力机制的群组推荐算法

  张闯,王巍,杜雨晅,郑小丽,

  针对群组推荐中组内成员存在偏好动态复杂性的问题，群组成员间的偏好会彼此影响，提出了一种融合上下信息与自注意力机制的群组推荐算法。首先，为了更好地捕捉群组成员间的动态关系，利用自注意力机制自动学习群组内用户的上下文信息与群组中其他成员间的关系权重；其次，根据自注意力机制学习到的组矩阵取其均值嵌入得到群组偏好表示；最后，根据群组偏好利用贝叶斯个性化排序方法进行群组推荐。将提出的方法在MovieLens-1M和CAMRa2011两个数据集上进行实验，并且与基准算法进行比较分析，该方法在推荐的命中率HR和NDCG两个指标上均有提升，实验结果证明该方法得到了更优的群组推荐结果。

• 一种基于路网的多源聚合距离Skyline查询算法

  宋志远,马慧,柳毅,

  基于路网距离的多源Skyline查询在地图服务中广泛使用，但现有的Skyline查询方法对于复杂的路网距离计算效率低下，并且随着查询点数量的增加查询结果集变得过于庞大，无法为用户提供精简有效的查询结果。为了提高查询结果的有效性和查询效率，提出一种基于最小聚合距离的倒排索引Skyline查询算法，该算法对道路网建立QG-tree索引，提高聚合距离的计算效率；同时对兴趣点集建立倒排索引，结合剪枝策略对兴趣点进行检索，减少聚合距离计算和支配判定的开销，有效地提高查询效率。在真实道路网上的实验表明，所提出的算法效率比现有算法DSR和N3S快1~3个数量级，可以有效地处理道路网环境下多源Skyline查询问题。

• 面向CPS的单车排放配额协同动态分配方法研究

  黎炜驰,曾雪兰,刘永红,余志,吴潇彬,蔡雨锋,何嘉俊,

  建立个体车辆的排放配额管理机制可以低成本实现道路交通行业污染物和碳排放的减排目标。这需要面向车辆个体的全域全量的动态感知、计算、决策、执行的闭环信息化体系进行支撑，而信息物理系统（cyber-physical system，CPS）技术为此提供了基础条件。但现有道路交通排放配额分配相关研究未研究车辆的污染物与碳排放的协同控制问题，忽略了车辆排放的个体排放差异性与时空动态性；交通信息物理系统相关研究缺少集成精细化的排放量化模型和排放配额管理模型。针对上述研究局限，提出了一种面向信息物理系统的个体车辆污染物与碳排放配额协同动态分配方法，构建了集成个体车辆身份识别及出行行为模型、污染物及二氧化碳排放量化模型、排放配额管理模型的交通信息物理系统框架，并提出了核心流程算法。以宣城市的真实数据进行实验分析，结果表明：提出的交通信息物理系统框架可实现个体车辆污染物和碳排放量及配额量的协同动态计算，配额分配方法与传统方法相比，配额分配颗粒度更加精细，分配对象的确定更加精准，可实现配额分配的动态调整以应对减排目标的时变性，配额分配激励先进、惩罚落后的引导效果更加显著。

• 基于交互车辆轨迹预测的自动驾驶车辆轨迹规划

  李文礼,韩迪,任勇鹏,易帆,李超,

  针对城市道路等复杂行车场景，提出了一种基于交互车辆轨迹预测的自动驾驶车辆轨迹规划方法，将高维度的轨迹规划解耦为低维度的路径规划和速度规划。首先，采用五次多项式曲线和碰撞剩余时间规划车辆行驶路径；其次，在社会生成对抗网络Social-GAN的基础上结合车辆空间影响和注意力机制对交互车辆进行轨迹预测；然后，结合主车规划路径、交互车辆预测轨迹及碰撞判定模型得到主车S-T图，采用动态规划和数值优化方法求解S-T图，从而得到满足车辆动力学约束的安全、舒适最优速度曲线；最后，搭建PreScan-CarSim-MATLAB&Simulink-Python联合仿真模型进行实验验证。仿真结果表明，提出的轨迹规划方法能够在对交互车辆有效避撞的前提下，保证车辆行驶的舒适性和高效性。

• 轻度认知障碍功能连接的频率和聚类分析

  保涵,吴海锋,晏洁,曾玉,

  传统计算功能性连接（FC）的方法较少关注对应的频率信息，且所得聚类簇的生理意义存在争议，提出一种小波相干聚类方法。首先，采用小波相干研究FC的频率、相位差和时间差信息；其次，定义四种类型以明确聚类簇的生理意义；最后，采用K-means和欧氏距离判决相结合的方法寻找MCI和正常对照（NC）的簇间差异性。实验结果表明，type2中最大频率约0.11 Hz，最大时间差约46.33 ms，type1中最大频率约0.08 Hz，最大时间差约67.01 ms，两者间频带、相位差和时间差异度分别约为0.02 Hz、0.49 rad和20 ms。分析表明，在较大相干值时MCI则更多表现出小的相位差和时间差，且发生在较高频带slow4-3和slow4-4上；NC被试更多表现出大的相位差和时间差，且发生在较低频带slow4-1和slow4-2上。

• 一种晶上系统互连网络的容错感知结构

  王明楠,刘勤让,刘冬培,汤先拓,

  晶上系统融合预制件组装和晶圆集成等先进理念，是延续摩尔定律的一种新方法。由于晶圆基板本身制造良率和拼接的不确定性，晶上系统存在路由节点故障或链路故障等问题。为提高系统容错性，提出了一种基于2D-Mesh晶上互连网络的容错感知结构。在Mesh环中交叉使用主副感知器用于获取故障信息，再将其广播至全局路由节点实现数据包的避障绕行，缓解数据包在路由过程中可能发生的阻塞。实验仿真表明该结构在多种故障模式下，相较于传统容错路由算法有更高的饱和注入率，能够有效提高系统容错性，降低局部故障导致的性能影响。

• 基于低秩堆栈式语义自编码器的零样本学习

  冉瑞生,董殊宏,李进,王宁,

  在图像分类领域，现有的深度学习等方法在训练时需要大量有标注的数据样本，且无法识别在训练阶段未出现的类别。零样本学习能有效缓解此类问题。本研究基于堆栈式自编码器和低秩嵌入，提出了一种新的零样本学习方法，即基于低秩嵌入的堆栈语义自编码器（low-rank stacked semantic auto-encoder，LSSAE）。该模型基于编码-解码机制，编码器学习到一个具有低秩结构的投影函数，用于将图像的视觉特征空间、语义描述空间以及标签进行连接；解码阶段重建原始视觉特征。并通过低秩嵌入，使得学习到的模型在预见未见类别时能共享已见类的语义信息，从而更好地进行分类。本研究在五个常见的数据集上进行实验，结果表明LSSAE的性能优于已有的零样本学习方法，是一种有效的零样本学习方法。

• 一种基于混合NOMA的IRS-MEC系统能量效率优化方案

  赵宇,唐冬,周发升,赵赛,黄高飞,

  在移动边缘计算系统（MEC）中结合智能反射面（IRS）和资源分配策略以提高系统能量效率是当前国内外研究的热点。基于混合非正交多址（NOMA）传输模式，通过对用户的本地运算频率、传输功率、传输时间和智能反射面离散相移的联合优化，实现智能反射面辅助的移动边缘计算系统能量效率最大化。由于优化过程涉及难以求解的非凸分式规划问题，提出了Dinkelbach-SCA的两步迭代算法：首先利用Dinkelbach方法将初始问题转换成易于求解的形式，通过分离变量对智能反射面离散相移进行优化；其次为了解耦传输功率与时间之间的耦合关系，引入辅助变量，并结合逐次凸逼近（SCA）方法将非凸问题转换成凸问题，求出优化解。仿真结果表明采用的系统方案的能量效率优于其他对比方案，并发现系统的能量效率随用户2的最小计算数据量减少而提升。

• 工业物联网中基于多维特征业务的网络切片匹配算法

  赵季红,罗兴刚,曲桦,黄子豪,

  工业物联网中的业务具有数量大、种类多、特征维度高等特点，为了实现每一个业务都能根据自身的多维特征有效的匹配到具有特定服务质量的网络切片以获取相应的服务，提出了一种多维特征聚类的业务与网络切片匹配算法。该算法可以对工业物联网设备中提取的业务多维特征进行聚类，根据聚类结果将所定义切片的优先级因子添加到相应的业务中，进而实现业务与网络切片的匹配。实验结果表明，该算法在实现业务与网络切片匹配的过程中，与对比算法相比，既实现了高准确率，又加快了匹配完成的速度。

• 概率视距空地信道下的无人机安全通信优化设计研究

  徐煜轩,崔苗,张广驰,陈伟,

  考虑在物理层保障无人机多用户通信系统的信息传输安全，一架无人机与多个地面用户进行通信，存在一个地面窃听者尝试窃取无人机发送给用户的机密信息。研究将无人机与地面节点之间的空地信道建模为更符合实际的概率视距信道，在满足无人机飞行条件约束和离散的用户调度约束下，通过联合设计无人机的三维飞行轨迹和用户调度来最大化用户的最小平均安全速率。为求解该模型下的安全通信优化设计问题，首先将其解耦为三个子问题，然后利用整数松弛和连续凸近似方法分别求解三个子问题，最后利用块坐标下降法求出无人机的三维飞行轨迹；在此基础上，根据飞行过程中得到的瞬时信道状态信息，提出无人机飞行速度和用户调度实时优化算法。该算法将优化问题建模为线性规划问题，并用内点法求解。仿真结果表明，与已有基准算法相比，基于概率视距信道模型优化无人机的飞行轨迹可显著提升系统的安全速率，所提的飞行速度和用户调度实时优化算法可进一步提升安全速率性能。

• 智能反射面辅助的无线传感网络充电策略研究

  陈秋实,谈文蓉,刘韬,

  在无线可充电传感网的研究中面临诸多挑战，如无线功率传输中易衰弱、充电规划复杂度高、内存数据易溢出导致丢包。为此，引入智能反射面（IRS）并基于强化学习设计一种无线传感网能量传输和数据收集方案IRS_MDP。首先，该方案建立反射相位偏移优化问题，计算出以任一传感器节点为充电目标节点时IRS的最优相移值，实现最大化目标节点处所接收的功率。其次，根据上述结果并结合传感器实时状态，基于强化学习设计关于充电和数据传输过程的优化充电策略实现丢包率降低。仿真结果表明，该方案相较其他方案可以更好地提升网络吞吐量和降低数据丢包率。

• 基于1-D CNN的二阶段OFDM系统定时同步方法

  卿朝进,杨娜,唐书海,饶川贵,

  针对存在多径干扰的正交频分复用系统的定时同步准确性低的问题，提出基于一维卷积神经网络（1-D CNN）的二阶段OFDM系统定时同步方法。在第一阶段，利用经典互相关方法实现路径特征初始抽取，捕获可分辨路径上的定时辅助同步点；基于定时辅助同步点构建1-D CNN网络学习第二阶段中的定时偏移；最后，结合两阶段处理，获得系统最终的定时同步偏移估计。相比于基于压缩感知的定时同步方法和基于极限学习机的定时同步方法，所研究的二阶段OFDM系统定时同步方法提高了定时同步准确性，并有效地降低计算复杂度与处理延迟。

• 基于自适应MSB与差值预测的大容量密文域可逆信息隐藏算法

  祁凯莉,张敏情,柯彦,狄富强,

  为提高密文域可逆信息隐藏（reversible data hiding in encrypted images，RDH-EI）的嵌入容量，提出了一种基于自适应MSB（most significant bit）与差值预测的RDH-EI方案。首先将图像进行分块，然后进行块级加密和置乱以抵抗对于加密图像的分析。在嵌入数据阶段，对于自适应MSB预测的方法进行改进，将没有嵌入数据的块，利用部分块内像素之间差值很小的特点采用自适应差值预测的方法嵌入数据，以块中左上角像素为目标像素，用于预测其他像素从而腾出更多的嵌入空间。实验结果表明，所提方法具有可逆性和可分离性，并且在自适应MSB预测方法的基础上进一步提高了嵌入容量，对于512×512大小的灰度图像，平均嵌入容量提高了大约7 445 bit。

• 基于随机分布圆形模板的抗屏摄盲水印算法

  剡瑞霞,贾渊,高琳,

  针对现有的抗屏摄水印算法不能兼顾鲁棒性、不可见性和水印容量等问题，提出一种基于随机分布圆形模板的抗屏摄鲁棒盲水印算法。首先将十六进制水印序列转换为固定的角度值，再根据随机线条分布算法生成一系列带有角度信息的圆形模板，将原宿主图像蓝色分量进行整数小波变换并取出低频子带（LL），对LL分块并用密钥选出若干水印嵌入块，最后将圆形模板嵌入被选出的块中。另外，为了提高水印容量，选择十六进制水印密码以代替二维码或条形码；为了提高水印不可见性，将水印模板嵌入整数小波变换的低频子带；为了平衡水印透明性和鲁棒性，利用粒子群寻优算法（PSO）自适应地得出最佳嵌入强度；为了解决拍摄后造成的图像畸变，在水印提取前对拍摄的图像进行几何校正。在数据集USC-SIPI上选取了测试图，进行了常规攻击与屏摄攻击实验，并与该领域主流的六种方法进行了比较。实验结果表明，在保证不可见性的前提下，该算法能抵抗各种常规类型攻击。在一定范围的拍摄距离和拍摄角度内，算法能有效提取出水印密码，并提高了水印容量，在抗屏摄方面具有良好的鲁棒性。

• 支持撤销属性的CP-ABE密钥更新方法

  董国芳,鲁烨堃,张楚雯,刘兵,

  在现有云存储的密文策略属性基加密方案（CP-ABE）中，大多只考虑用户的计算开销，而忽略了属性授权中心在更新密钥的时候所消耗的大量计算资源。针对该问题提出了一种基于CP-ABE的支持细粒度属性撤销的密钥更新方法。首先属性授权中心创建用户撤销列表以及属性密钥撤销列表；然后利用区块链公开、安全、可验证等相关特性来存储撤销列表等数据；最后系统根据这些数据在用户请求密文时更新其属性密钥，即将密钥频繁变更转为按需单次变更，从而减少属性授权中心在一定时间段内大量的计算。同时，通过引入可验证外包的方法确保用户解密的正确性以及低廉的开销。理论分析验证了方案的安全性以及密文加解密的高效性，并通过仿真实验与其他方案比较验证了方案在单次系统属性撤销方面也具备着高效的性能。

• 基于属性加密的个人医疗数据共享方案

  薛庆水,时雪磊,王俊华,薛震,王晨阳,

  目前有关共享医疗数据的研究中，存在患者对本人数据不可控、隐私泄露、共享效率低下等问题。针对这些问题，提出了一种基于属性加密的个人医疗数据共享方案。该方案的优势在于允许患者自主设置共享策略，实现了细粒度共享数据；设计属性撤销算法，及时变更用户共享权限；结合可搜索加密技术实现多关键词加密检索；描述医疗场景验证该方案合理性。安全性分析和实验结果表明，该方案能够在保护患者隐私的情况下，以较低的通信开销实现患者个人医疗数据共享。

• 移动RFID高效率认证协议设计

  潘涛,左开中,王涛春,黄重春,

  移动RFID的无线通信与移动应用给认证提出更高要求，针对当前移动RFID认证协议安全性不强及认证效率不高的问题，提出移动RFID高效率认证协议。协议通过执行算术运算、按位运算及数据排列组合，保证了信息传输安全；通过后台数据库和移动阅读器对随机数的递进式验证，标签对随机数的捆绑式验证，有效防范敌手攻击。由于通信实体均执行轻量级运算，大幅提高系统计算性能；通信实体的递进式验证实现了对标签数据的初步筛选，缩短了无效认证时间，提高了认证效率。利用GNY形式化语言对协议正确性进行了证明。理论分析表明，该协议可抵御多种类型攻击。仿真结果显示，与同类移动RFID认证协议相比，该协议认证效率高，应用价值好。

• 一种等量约束聚类的无监督蒸馏哈希图像检索方法

  苗壮,王亚鹏,李阳,张睿,王家宝,

  为了进一步降低无监督深度哈希检索任务中的伪标签噪声，提出了一种等量约束聚类的无监督蒸馏哈希图像检索方法。该方法主要分为两个阶段，在第一阶段中，主要对无标签图像进行软伪标签标注，用于第二阶段监督哈希特征学习，通过所提等量约束聚类算法，在软伪标签标注过程中可以有效降低伪标签中的噪声；在第二阶段中，主要对学生哈希网络进行训练，用于提取图像哈希特征。通过所提出的无监督蒸馏哈希方法，利用图像软伪标签指导哈希特征学习，进一步提高了哈希检索性能，实现了高效的无监督哈希图像检索。为了评估所提方法的有效性，在CIFAR-10、FLICKR25K和EuroSAT三个公开数据集上进行了实验，并与其他先进方法进行了比较。在CIFAR-10数据集上，与TBH方法相比，所提方法检索精度平均提高12.7%；在FLICKR25K数据集上，与DistillHash相比，所提方法检索精度平均提高1.0%；在EuroSAT数据集上，与ETE-GAN相比，所提方法检索精度平均提高16.9%。在三个公开数据集上进行的实验结果表明，所提方法能够实现高性能的无监督哈希检索，且对各类数据均有较好的适应性。

• 基于多模态融合的城市道路场景视频描述模型研究

  李铭兴,徐成,李学伟,刘宏哲,闫晨阳,廖文森,

  城市道路视频描述存在仅考虑视觉信息而忽视了同样重要的音频信息的问题，多模态融合算法是解决此问题的方案之一。针对现有基于Transformer的多模态融合算法都存在着模态之间融合性能低、计算复杂度高的问题，为了提高多模态信息之间的交互性，提出了一种新的基于Transformer的视频描述模型多模态注意力瓶颈视频描述（multimodal attention bottleneck for video captioning，MABVC）。首先使用预训练好的I3D和VGGish网络提取视频的视觉和音频特征并将提取好的特征输入到Transformer模型当中，然后解码器部分分别训练两个模态的信息再进行多模态的融合，最后将解码器输出的结果经过处理生成人们可以理解的文本描述。在通用数据集MSR-VTT、MSVD和自建数据集BUUISE上进行对比实验，通过评价指标对模型进行验证。实验结果表明，基于多模态注意力融合的视频描述模型在各个指标上都有明显提升。该模型在交通场景数据集上依旧能够取得良好的效果，在智能驾驶行业具有很大的应用前景。

• 联合松弛块对角表示矩阵回归的遮挡人脸识别

  马倩,马祥,

  基于核范数矩阵回归的方法能够有效解决人脸识别中连续遮挡的问题，然而该类方法仅关注误差图像的低秩结构信息，忽略了样本图像表示的相关性。为了有效解决自然场景下的遮挡人脸识别问题，考虑到这一特点，提出一种联合松弛块对角表示的矩阵回归模型（RBDMR）学习图像的松弛块对角表示，并通过动态优化表示矩阵的块对角分量加强类内表示的相关性和类间表示的差异性。此外，通过联合优化训练样本和测试样本的表示持续提高类内表示的一致性。通过在三个不同的数据集进行验证，实验结果表明，该方法优于其他对比算法，在真实遮挡和光照变化的情况下有较好的性能。

• 基于注意力和卷积特征重排的图像修复

  邬开俊,单宏全,梅源,徐泽浩,王梦思,

  近年来，基于U-Net与GAN（生成对抗网络）的深度学习网络模型在图像修复领域展现出了独特的优势，但是修复结果中仍然存在伪影、模糊、纹理细节退化、对于大面积破损难以修复、修复后的孔洞与背景图像不相容等现象。为了解决现有模型对大面积破损图像修复不友好以及修复后的图像存在退化现象等问题，通过对现有方法进行研究，改进了Shift-UNet（移位网络）模型：在U-Net与GAN的基础上，在每一层编码器和解码器之间增加了改进之后的注意力机制Attention-UNet并融入Shift-UNet，形成Attention-Shift-UNet；通过研究，将原来下采样部分的激活函数由Leaky_ReLU改为了SiLU函数。改进模型不仅在64×64的中心遮罩上取得了较好的效果，还实现了随机遮罩，遮罩面积由20%增加到80%。通过实验结果证明，该模型的修复效果更优，特别是针对大面积破损图像的修复。在CelebA、ParisArchitecture以及Paris Streetview数据集上经过测试，各评价指标都有明显的提高，其中结构相似性（SSIM）由原来的0.944 5提高到0.947 1，峰值信噪比（PSNR）由原来的27.992 7提高到28.553 6，L2损失由原来的0.001 7降低到0.001 5。

• 联合图像—频率监督的图像超分辨率重建算法

  陈书理,张书贵,赵展,

  针对现有单幅图像超分重建方法难以捕获图像中完备有效信息的问题，提出一种联合图像—频率监督的图像超分辨率重建算法，旨在利用多个域之间的互补信息，进而获得更完备的图像特征表示。首先通过分析图像像素转换到频域空间后的特性，根据其复数表征方式提出了一种新的频域距离监督损失，将频谱信息有效地应用到卷积神经网络的优化过程；然后通过分析频域中不同频带的表征特点，在频域距离损失基础上构建了频谱加权损失，并将其分别应用到低频和高频两个频带；最后结合图像域的监督，构成多个域的联合优化，取得良好的性能。在Set14、B100和Kodak三种公开数据集上进行了验证，结果表明：该算法的PSNR和SSIM分别达到了33.47 dB和0.985 9，与几种图像超分方法相比取得了最好的性能。

• 多尺度特征多径自适应复用的显著性目标检测

  徐温程,周之平,程家睿,盖杉,

  由于忽略了对多尺度特征的提取，以及不同层次特征之间的差异，显著性目标检测仍然存在预测结构不完整、细节丢失的问题。为了解决这些问题，提出了一个新的显著性检测模型M3Net。该网络主要由多尺度特征自适应融合模块和循环反馈聚合模块组成。多尺度特征自适应融合模块旨在自适应地捕捉和聚合不同层次的多尺度特征。循环反馈聚合模块组成可以在迭代过程中对不同层次特征聚合的同时，有效地防止特征的稀释。在五个基准数据集上的实验结果表明，该网络在Fβ、Em、MAE三种评价指标上优于十种现有网络。在DUT-OMRON数据集上，Fβ指标比排名第二的显著性检测模型提高了0.4%，Em指标提高了0.3%；在ECSSD数据集上，Fβ指标比排名第二的显著性检测模型提高了0.2%，Em指标提高了0.3%，同时网络还具有优秀的速度表现。

• AF-Center：基于自适应体素绘画融合和高斯中心样本分配的多模态三维目标检测

  秦建伟,王传旭,付小珊,

  相机图像和激光雷达点云可以为3D目标检测提供互补信息，但如何进行有效的融合仍是一个挑战。针对传统方法中无区分性融合带来的对齐偏差问题，提出一个自适应融合网络。首先构建点云体素与对应的多个图像像素之间的注意力亲和矩阵，然后依据亲和矩阵实现多像素到单体素的重要性区分融合。除此之外，针对传统anchor-based检测方法难以枚举所有方向的问题，将目标表示为关键点，首先进行中心点定位，然后回归到3D尺寸与方向等其他属性。同时，针对关键点检测时中心点样本量过少的问题，使用椭圆高斯热图进行了中心点样本的再分配。该算法在Waymo数据集上，较基线PointPillar、CenterPoint与3D-MAN分别提升了2.3%、5.9%与4.0% level2 mAPH。