计算机应用研究杂志

计算机应用研究杂志2023年第5期

• 深度学习模型中间层特征压缩技术综述

  汪维,徐龙,陈卓,

  深度学习模型中间层特征压缩作为深度学习领域中一个新兴的研究热点被广泛关注并应用于边端—云端智能协同任务中。针对深度学习模型中间层特征压缩的研究现状，对当前压缩方式中存在的问题进行分析总结。首先，系统地分类阐述了基于图像/视频编解码框架、基于特征通道比特分配和基于深度学习网络结构的三种深度学习模型中间层特征压缩方式；随后，对比了三种深度学习模型中间层特征压缩方式在数据集上的表现；最后，探讨了当前深度学习模型中间层特征压缩研究面临的挑战，展望了中间层特征压缩技术未来的发展趋势。

• 非平稳数据流下的持续学习灾难性遗忘问题求解策略综述

  袁坤,张秀华,溥江,杨静,李斌,李少波,

  持续学习作为一种在非平稳数据流中不断学习新任务并能保持旧任务性能的特殊机器学习范例，是视觉计算、自主机器人等领域的研究热点，但现阶段灾难性遗忘问题仍然是持续学习的一个巨大挑战。围绕持续学习灾难性遗忘问题展开综述研究，分析了灾难性遗忘问题缓解机理，并从模型参数、训练数据和网络架构三个层面探讨了灾难性遗忘问题求解策略，包括正则化策略、重放策略、动态架构策略和联合策略；根据现有文献凝练了灾难性遗忘方法的评估指标，并对比了不同灾难性遗忘问题的求解策略性能。最后对持续学习相关研究指出了未来的研究方向，以期为研究持续学习灾难性遗忘问题提供借鉴和参考。

• 脚本事件预测：方法、评测与挑战

  刘玉婷,刘茗,王保卫,丁鲲,刘姗姗,刘浏,

  相较于问答等经典的自然语言处理任务，脚本事件预测并未受到广泛关注。脚本事件预测旨在通过给定的上下文事件对未来事件进行准确预测，进而为后续可能发生的事件作出相应部署。为此，其研究具有重要意义，需要进行归纳与总结。针对脚本事件预测任务，首先给出脚本事件预测的基本概念；然后，梳理分析了事件表征中论元构成和事件表示学习两个子任务，其中事件表示学习从嵌入编码和语义增强两个方面叙述；接着，又以脚本建模方法为主线，从事件对、事件链、事件图以及结合型建模四个角度对其进行总结；并且，对现有模型进行测试，分析各类模型效果；最后，总结当前研究存在的问题，并展望未来可能的研究方向。

• 图依赖研究与应用综述

  余旭,曹建军,翁年凤,袁震,曾志贤,

  图依赖是用于解决图数据的数据一致性问题的数据质量规则。基于图依赖提升数据一致性的过程通常分为图依赖定义与形式化、图依赖自动挖掘、基于图依赖的数据一致性提升三步。介绍了针对数据一致性的图依赖理论，并根据拓展类型将图依赖分为基于结构约束拓展、基于语义约束拓展和基于外部约束拓展的图依赖；综述并对比了从图数据中自动挖掘图依赖及其拓展的算法；分析了应用图依赖提高数据一致性的研究现状；总结了当前研究中仍存在的问题，并依据问题展望了图依赖在数据质量领域的应用前景。

• 基于联盟链的工业物联网数据存储模型

  翟社平,刘法鑫,杨锐,廉佳颖,

  由于工业物联网数据具备较强的私密性，数据是否能够安全存储成为工业物联网发展的关键问题。针对这一问题，提出一种基于联盟链的工业物联网数据存储模型。为保证数据存储的效率与安全，首先，在原有PBFT算法的基础上搭建节点状态信用评估模型同时增加投票机制；其次，结合节点状态在SM9数字签名算法中设置多密钥生成中心共同参与密钥生成。对模型的吞吐量、共识时延及通信开销进行实验分析，结果表明，该模型相较于传统模型在数据存储、安全性方面得到了进一步保障，降低了黑客攻击并防止数据泄露或被窜改，并在通信开销方面提升了40%。

• 基于条件代理重加密的跨链数据共享方案

  薛庆水,孙晨曦,马海峰,谈成龙,张天昊,

  目前区块链大多属于异构链，信息孤岛问题严重，所以如何打破区块链垂直发展的封闭状态和实现链间互联互通一直是区块链的研究热点。针对联盟链之间数据共享难、互操作性差和存储压力大等问题，提出一种基于条件代理重加密的跨链数据共享方案。从各联盟链中选出高信用节点充当公证人并组成公证链，作为跨链共享的媒介；引入星际文件系统实现混合存储，减小存储压力；随机确定一位公证人作为代理者，执行条件代理重加密操作实现链间共享密文的状态转变；通过信用约束和激励策略，规范公证人的行为和提高各链节点参与数据共享的积极性。理论分析和实验结果表明，提出方案在跨链数据共享方面更安全可靠，具有较高的跨链交互效率和较低的存储开销。

• 基于时空感知增强的深度Q网络无人水面艇局部路径规划

  张目,唐俊,杨友波,陈雨,雷印杰,

  无人水面艇局部路径规划在海事救援、海洋运输等领域中发挥着重要的作用。现有局部路径规划算法在简单场景中取得了不错的效果，但面对环境中存在的复杂障碍物和海流干扰时，性能表现较差。为此，提出了一种基于时空感知增强的深度Q网络强化学习算法，首先，引入多尺度空间注意力模块捕捉距离传感器的多尺度空间信息，提升了复杂障碍物环境的感知能力；其次，利用基于长短时记忆网络的海流感知模块提取海流干扰环境的时间序列特征，增强了对海流干扰的感知能力；此外，对无人水面艇传感器和运动模型进行了模拟，并设计了强化学习状态空间、动作空间和基于方向导引的奖励函数，提升了算法的导航性能和收敛速度。在复杂仿真场景中进行了实验，结果表明，所提算法相比于原始算法在导航成功率和平均到达时间两个指标上均得到了提升，算法表现出较强的复杂环境适应性。

• 考虑同时取送货的车机协同路径优化问题

  马华伟,宋洋,

  考虑到传统同时取送货问题模式单一，无法应对复杂多变情况的现实需要，研究了一种考虑同时取送货的路径优化问题（vehicle routing problem with drones for simultaneous pickup and delivery，VRPD-SPD）。首先，以车辆与无人机总成本最小为优化目标，建立了考虑无人机单架次访问顺序约束的混合整数线性规划模型。其次，提出了一种基于遗传思想的两阶段启发式算法（two-stage heuristic algorithm based genetic，TSHAG），第一阶段结合贪婪算法和节约算法生成初始解，第二阶段通过改进的遗传算法优化初始解，设计了多元组编码方式来提高解码效率，改进了交叉算子来增加邻域解的搜索空间，设计了新的变异算子来提高算法全局寻优性能。最后，算例实验结果表明了TSHAG算法能够有效地解决VRPD-SPD问题。

• 基于层次意图解耦的图卷积神经网络推荐模型

  吴田慧,孙福振,张文龙,董家玮,王绍卿,

  当前意图推荐研究提取出的用户意图趋向扁平化，忽略了意图间的层次关系。针对以上问题，提出了一种基于层次意图解耦的图卷积神经网络推荐模型（HIDR），将用户—项目交互图划分为多个动态交互子图，以刻画从细粒度到粗粒度的用户意图层次图。首先，在每个意图交互子图中根据节点高阶连接性自适应地聚合来自高阶邻域的信息，解耦提取用户细粒度意图表示；然后，依据低层次细粒度意图之间的相似关系在高层网络上构建粗粒度意图超节点，显式建模从细粒度到粗粒度的意图层次结构；最后，将解耦得到的层次意图向量聚合为高质量的用户和项目表示，并进行内积预测和迭代优化。在Gowalla和Amazon-book两个数据集上的实验结果表明，相较于最优基线模型CLSR，HIDR的召回率（recall）分别提升了10.82%、6.63%，归一化折损累计增益（NDCG）分别提升了14.65%、9.63%，精度（precision）分别提升了10.46%和7.73%。

• 基于混合采样的图对比学习推荐算法

  袁琮淇,刘渊,刘静文,

  在推荐系统领域中，图卷积网络具有对于图结构数据更强的信息抽取能力。然而，现有的图卷积网络推荐算法主要关注改进模型结构，忽视了提高原始样本采样质量与挖掘用户—项目间隐式关系的重要性。针对上述问题，提出一种基于混合采样的图对比学习推荐算法。首先使用混合采样方法，提取出正样本中部分信息并将其注入负样本，从而生成全新的富含信息的难负样本；其次，通过轻量图卷积网络对难负样本进行特征提取，得到用户和项目的节点表征，采用邻域对比学习方法挖掘样本隐式关系；最后，利用多任务策略对推荐监督任务和对比学习任务进行联合优化。在真实数据集Yelp2018和Amazon-book上进行实验，采用recall和NDCG指标进行评估，实验结果表明，提出的模型相较其他基准模型取得了更好的效果。

• 多策略改进的天鹰优化算法及其应用

  李雅梅,孟嗣博,陈雪莲,

  为改善天鹰优化算法（aquila optimizer，AO）在求解复杂优化问题时存在易陷入局部最优等不足，提出一种多策略改进的天鹰优化算法（multi-strategy improved aquila optimizer，MIAO）。首先，提出镜像单纯形法策略扩大天鹰搜索范围，提升种群多样性和逃离桎梏能力；其次，在天鹰算法的X3阶段融入社会自由觅食策略，摆脱全局平均值的束缚，提升迭代后期天鹰个体的多样性；同时，将阶梯步进策略引入X4阶段，保证当前优势个体加快向全局最优前进的趋势，增加收敛速度；最后，改进原有开发机制，提升算法寻优能力。对10个常用基准函数以及CEC2017部分函数进行寻优实验，实验结果与Wilcoxon符号秩和检验结果均表明改进算法具有更好的寻优精度、收敛性能和稳定性。另外，通过一个机械优化设计实验进行测试分析，进一步验证所改进算法的优越性和实用性。

• 一种多策略协同改进的海鸥算法及其应用

  李大海,熊文清,王振东,

  海鸥优化算法（SOA）作为一种随机搜索算法具有显著的优化性能，但仍然存在种群多样性程度较低、易陷入局部最优而导致寻优精度变低的问题。为了改善海鸥算法的缺陷，提出了一种多种策略协同改进的海鸥算法（CMSOA）。首先，在迭代过程中使用正余弦算法（SCA）对停滞的海鸥种群个体扰动更新，改善了整体种群的多样性；然后引入缩放因子，动态调整当前海鸥个体与最优个体之间的相对位移，提高了算法的探索与开发能力；最后，采取随机对立学习的方式对最优海鸥个体位置微调，领导整个海鸥移动至给定搜索空间的正确位置，提高跳出局部最优的能力，进一步增加寻优精度。为了测试改进的CMSOA的寻优性能，利用14个CEC2017测试函数作为测试基准，将CMSOA与对比算法进行性能测试。实验表明，CMSOA在以Freidman检验为标准的统计学意义上具有寻优优势；在三维无人机路径规划问题中，CMSOA也取得了最佳效果。

• 基于均衡池和莱维飞行的饥饿游戏搜索算法

  张大明,赵彦清,徐嘉庆,

  针对饥饿游戏搜索算法（hunger games search，HGS）存在收敛速度慢和易陷入局部最优等缺点，提出了一种基于均衡池和莱维飞行的饥饿游戏搜索算法（equilibrium Lévy hunger games search，ELHGS）。该算法首先利用tent映射产生更具多样性的初始种群；受到平衡优化器算法（EO）的启发，提出一种基于动态均衡池收敛的更新公式，其动态调整的更新策略使算法的全局搜索能力增强；为了进一步增强算法跳出局部最优的能力，在一定条件下对种群实施基于莱维飞行的变异操作。对23个基准函数进行仿真实验，结果显示与原始HGS算法相比，ELHGS求解精度更高、收敛更为迅速，在高维度多峰函数问题上效果最为显著。

• 求解旅行商问题的探索—开发—跳跃策略单亲遗传算法

  陈加俊,谭代伦,

  针对遗传算法求解旅行商问题（TSP）时容易早熟、收敛速度慢等问题，提出一种基于探索—开发—跳跃策略的单亲遗传算法（EDJS-PGA）。该算法将基因移位、倒序、交换三种算子组合构成探索策略，用于扩展解的搜索空间，增强算法全局搜索能力；再将logistic混沌映射和改良圈操作融合为一种混沌映射改良圈算子，用于增强算法的局部搜索能力，构成开发策略；最后针对种群中的同优个体设计了近邻变异算子，构成跳跃策略，增强了算法跳出局部最优解的能力，使其兼具个体变异、局部优化、防止早熟等多重作用。通过对18个TSP实例进行仿真实验，结果表明EDJS-PGA相较于传统单亲遗传算法具有更高的求解精度和收敛速度，且最优解偏差率和平均误差率均处于较低水平；与其他文献对比，EDJS-PGA具有更强的鲁棒性和求解效率。

• 分区引导种群进化的拟态物理学多目标优化算法

  孙宝,张丽静,李占龙,范凯,靳琴琴,罗芸滢,

  针对基本拟态物理学优化（artificial physics optimization，APO）算法易陷入局部最优、分布性不佳等问题，提出一种分区引导种群进化的改进多目标拟态物理学优化（multi-objective APO improved by partition-guided evolution，PEMOAPO）算法。首先，采用tent映射与反向学习相结合的策略进行种群的初始化，增强种群的多样性；其次，提出分区引导个体进行进化的机制，对处于可行域与不可行域的个体，采取不同的质量函数及虚拟作用力计算规则进行迭代更新，增强算法的收敛性能。选取MW系列和C_DTLZ系列作为基准测试函数进行仿真实验，通过综合性能评价指标对比分析、统计学分析、收敛性分析及时间复杂度分析，表明改进算法具有良好的多样性及收敛性，能快速收敛到Pareto前沿。

• 基于潜在组分配及对比学习增强的符号二值图神经网络

  吴勇,仝鑫,高冠东,马国富,

  针对符号二值网络的节点异质性及三角形形式平衡理论不适用性的问题，提出一种基于潜在类分配及对比学习增强的符号二值图神经网络模型，其通过同质和异质双空间的互相补充来充分提取网络的隐式和显式信息。在同质空间，采用可学习的潜在组对节点进行分配并将节点看做多个潜在组的组合，然后通过训练来自动挖掘节点间的信息。在异质空间，对节点邻居进行有方向区分的注意力聚合，然后采用网络重建的互信息对比学习来引导聚合过程以获得表达能力更强的表示向量。在符号链接预测任务上与多种相关模型进行对比实验，实验结果显示所提出的模型在四个真实数据集上采用四种评价指标获取的16个评价结果中，12个评价结果可以取得最优值，验证了所提出模型的有效性。

• 知识图谱的增强CP分解链接预测方法

  赵博,王宇嘉,倪骥,

  CP分解作为知识图谱链接预测的方法之一，能够对一些包含常规数据的知识图谱进行链接预测补全。但当知识图谱存在大量稀疏数据及可逆关系时，该方法不能体现两个实体间具有的隐藏联系，无法对此类数据进行处理。为解决上述问题，提出增强CP分解方法，对三元组中前实体和后实体的两个嵌入向量分别进行学习，并在训练过程中使用概率方法生成更高质量的负例三元组，引入ELU损失函数和AMSGrad优化器，有效对可逆关系和稀疏数据进行处理。在通用数据集上的实验结果表明，所提方法可以有效提升链接预测精度，与对比模型相比取得了5%的性能提升，同时应用在汽车维修知识图谱数据集补全中，取得83.2%正确率的实体补全结果。

• 基于意图—槽位注意机制的医疗咨询意图理解与实体抽取算法

  王宇亮,杨观赐,罗可欣,

  自然语言理解作为医疗对话中的关键组成部分，包含意图识别和槽位填充两个重要的子任务。为建立意图和槽位的相互促进关系，实现语义层次上的建模，提出了基于意图—槽位注意机制的医疗咨询意图理解与实体抽取算法。首先，收集医疗信息网站上用户的医疗健康提问文本，基于医学知识归纳总结了24类医疗意图和5种槽位，构建了中文医疗健康咨询数据集（CMISD-UQS）；然后，引入槽位选通机制来建模意图和槽位向量之间的显式关系，设计了意图—槽位注意机制层，构建了意图上下文信息以意图标签向量方式嵌入到槽位的方式。在公共数据集ATIS和SNIPS上与八种代表性算法的对比实验结果表明，所提算法优于所比较的八种算法；在CMISD-UQS数据集上的测试结果表明，所提算法的医疗意图识别准确率、语义槽填充F1值、句子级语义框架准确率分别为78.1%、94.9%和73.2%，均优于其他对比算法。

• 融合依存信息的关系导向型实体关系抽取方法

  王景慧,卢玲,段志丽,张亮,王玉柯,

  中文实体关系抽取多以字符序列处理文本，存在字符语义表征不足、长字符序列语义遗忘等问题，制约了远距离实体的召回率，为此提出了一种融合依存句法信息的关系导向型抽取方法。输入层以字符序列和基于同义词表示的词序列为输入；编码端用长短时记忆网络（LSTM）进行文本编码，并加入全局依存信息，用于产生关系门的表示；解码端加入依存类型信息，并在关系门的作用下，用双向长短时记忆网络（BiLSTM）解码得到实体关系三元组。该方法在SanWen、FinRE、DuIE、IPRE中文数据集上的F1值分别较基线方法提高5.84%、2.11%、2.69%和0.39%。消融实验表明，提出的全局依存信息和依存类型信息表示方法均可提升抽取性能，对长句和远距离实体的抽取性能也稳定地优于基线方法。

• 基于MUBTM的方面词情感三元组抽取方法研究

  葛继科,程文俊,武承志,陈祖琴,董焱,

  方面词情感三元组抽取旨在从评论文本中识别方面词、评论观点词及情感极性。针对现有研究容易忽略三元组中部分实体与其情感极性在标记空间中的关联关系，并且较易出现三元组边界识别错误的问题，提出一种基于表格填充的多类别统一及边界标记模型（MUBTM）。首先，采用双仿射注意力机制学习词对间的交互，并构建多类别统一标记空间；然后，利用标记空间的对称性结构化约束与级联二进制边界约束，限制词对间的概率分布；最后，根据子元素在统一标记空间中结构为正方形或矩形的特性，逐步解码生成方面词情感三元组。实验结果表明，与其他基线模型相比，本模型在方面词情感三元组抽取上的F1值有显著提升，表明了所提出方法的可行性。

• 结合集成学习与迁移学习的标签比例学习方法

  罗旭斌,刘波,

  标签比例学习（LLP）是一种将实例放入包中的机器学习方法，它只提供包中的实例信息和标签比例信息，而不提供标签信息。针对多个相关任务的LLP问题，提出了一种基于迁移学习的标签比例集成学习模型，简称AT-LLP，该模型通过在任务之间构建共享参数来连接相关任务，将源任务中学习到的知识迁移到目标任务中，从而提高目标任务的学习效率。同时该算法引入了集成学习算法，在分类器多轮迭代的学习过程中，不断调整训练集的权重系数，进一步将弱分类器训练为强分类器。实验表明，所提AT-LLP模型比现有LLP方法具有更好的性能。

• 基于改进关键帧选择的ORB-SLAM3算法

  伍晓东,张松柏,汤适荣,曹立佳,

  针对视觉同时定位与地图构建（VSLAM）领域关键帧选择方法多为启发式阈值的方式，容易存在定位精度不高等问题，提出了基于改进关键帧选择的ORB-SLAM3算法。该算法从考虑关键帧质量出发，采用如下三个标准代替ORB-SLAM3中启发式阈值方式：首先是基于几何约束的自适应关键帧阈值，确保特征点数量充足；其次是基于图像质心原理的分布标准，确保特征点分布均匀；最后是惯性测量单元（IMU）加速度状态观测。在EuRoC数据集下的实验结果表明，所改进的算法在不使用启发式阈值的情况下，单目惯性模式下将ORB-SLAM3定位精度提高了9%，双目惯性模式下定位精度提高了6%，表现出更好的鲁棒性和构图能力。

• 基于对比学习的无监督三元哈希方法

  李玉强,陆子微,刘春,

  为了解决现有无监督二元哈希方法由于存在较大量化损失而导致检索精度较低的问题，在CIBHash方法的基础上，提出了一种新的基于对比学习的无监督三元哈希方法——CUTHash，将三元哈希编码用于图像检索。具体来说，首先，使用融合了解耦对比损失的对比学习框架，在目标数据集上进行无监督的图像特征学习；接着，为了得到三元哈希编码，对学习到的图像特征使用平滑函数进行量化操作，解决离散函数量化后导致的零梯度问题；最后，应用改进后的对比损失，约束同属一张图像的增强视图的特征在哈希空间中尽可能地接近，从而使得三元哈希编码具有一定的辨识力，使其更好地应用于无监督图像检索任务。在CIFAR-10、NUS-WIDE、MSCOCO以及ImageNet100数据集上进行了大量对比实验，取得了较当前主流的无监督哈希方法更好的检索性能，从而验证了CUTHash方法的有效性。

• 基于GENI-SD的定制化印制电路板工序重要性评估

  劳景春,金鸿,吕盛坪,李文强,

  精准评估影响定制化印制电路板质量的关键工序，可更好地指导企业精益管理产品品质，但企业常用方法难以利用工序关联实体间的深层语义。为解决上述问题，构建工序关联实体知识图谱并提出GENI-SD模型评估工序重要性。首先，使用知识图谱表征工序关联实体间的关系，并采用图神经网络模型GENI对工序节点进行重要性评估；然后，引入基于改进谓词感知注意力机制的采样模块和考虑邻边方向的分数聚合，改进GENI容易聚合到噪声邻节点且未考虑邻边方向的不足，建立工序重要性评估新模型GENI-SD。最后，以PCB车间真实数据开展实验验证，结果显示GENI-SD优于其他对比模型，且得到的Spearman和NDCG@10指标值较GENI所得结果分别提高6.78%和0.71%。该研究为工序重要性评估提供了新的有效方法。

• 无冲突Petri网系统活标识判定的结构化方法

  徐颖蕾,

  为了有效求解无冲突Petri网系统活标识的判定及配置优化问题，提出无冲突Petri网系统活标识判定的一种结构化方法。该方法首先求取无冲突Petri网的各强连通分支；然后对每一含有元素个数大于2的强连通分支求取其无同步变迁库所索引集合；最终得到无冲突Petri网系统的无前置库所索引集合，基于该库所元素集合即可实现对活标识的快速判定及配置优化。通过例子具体说明了该方法的实现及应用。分析结果表明，所提方法具有多项式时间复杂度，较易于操作和程序化实现。

• 融合多头自注意力的问答社区专家推荐算法

  陈颖婷,林耿,陈梦,陈双梅,林夏莹,龙素娟,

  专家推荐是在线问答社区的研究热点之一，但现有的算法大多关注用户的静态兴趣和问题信息的匹配，忽视了对用户的动态兴趣表征信息的有效捕捉，从而导致推荐的准确度不足。针对上述问题，提出了融合多头自注意力的问答社区专家推荐算法。首先，构造由卷积神经网络和注意力机制组成的问题编码器，来处理目标问题和用户历史回答问题，提取对应的问题表征；其次，将用户历史回答问题序列当做时间序列，利用多头自注意力机制学习序列中所蕴涵的动态兴趣表征，结合用户的静态兴趣表征，获取用户的综合兴趣表征；最后，将目标问题表征和用户综合表征进行相似性计算产生推荐结果。利用来自知乎问答社区的真实数据进行了不同参数配置及不同算法的对比实验，实验结果表明该算法性能要明显优于目前较流行的深度学习专家推荐算法。

• 回溯法与DEclat算法结合的模具组合分配方法

  韩忠华,李博,刘松林,李曼,孙亮亮,

  生产预制构件所使用的模具在模台上的组合分配受多种因素影响，会产生多种组合分配结果。为了解决这类问题，快速找到模具在模台上的最佳分配结果，提出一种基于回溯法与改进的Eclat算法结合的模具组合方法。首先基于历史数据中的模具组合关系构建二叉树模型，通过回溯法对二叉树进行搜索，得到所有理论上可行的模具组合结果；再通过使用改进的BL定位算法将这些组合结果在固定面积的模台上进行预放置，从中筛选出符合实际放置条件的模具组合结果；应用Eclat算法从已筛选出的组合结果中获取最优模具适配组合集，进而确定不同型号模具间的关联规则，并将其用于指导新构件生产任务中模具在模台上的分配过程；同时通过引入划分思想和突出基于概率的先验约束思想改进Eclat算法，提升其在处理大规模数据时的运行效率。最后通过采用预制构件生产企业中的实例数据进行仿真测试，验证了该方法对快速解决模具模台组合分配问题的有效性。

• 自动驾驶车辆在无信号交叉口右转驾驶决策技术研究

  王曙燕,万顷田,

  利用深度强化学习（deep reinforcement learning，DRL）技术实现自动驾驶决策已成为国内外研究热点，现有研究中的车辆交通流缺乏随机性与真实性，同时自动驾驶车辆在环境中的有效探索具有局限性。因此利用TD3算法进行自动驾驶车辆在无信号交叉口下的右转驾驶决策研究，首先在Carla仿真平台中开发无信号交叉口的训练与测试场景，并添加交通流管理功能，提高系统训练和测试随机性。其次，为了提高自动驾驶车辆的探索性，对TD3算法中的Actor网络进行改进，为目标动作添加OU噪声。最后使用通行成功率和平均通行时间评估指标评价自动驾驶行为决策。结果表明，在不同交通流场景下，改进后的TD3算法通行成功率与基于DDPG算法控制的车辆相比平均提升6.2%，与基于规则的AEB模型相比平均提升23%。改进后的TD3算法不仅能够探索更多可能，而且其通行决策表现更加突出。

• 基于QoE的无人机网络部署和缓存策略优化方法

  唐焕博,郑鸿强,沈启航,陈星,

  为了最大限度提升用户的体验质量，设计了一个使用支持缓存的无人机进行辅助通信的蜂窝网络模型。该模型使用无人机通信和边缘缓存相结合的方式来进行流量卸载，通过联合优化无人机部署，缓存放置和用户关联以实现用户QoE的最大化，并使用平均意见得分来对其进行评估。基于问题定义，提出了一个无人机部署、缓存放置和用户关联的联合优化算法，以最大化MOS。该联合算法使用K-means聚类算法为用户创建基于用户位置的无人机部署集群，使用基于罚函数的凸优化算法以获得缓存放置策略，使用贪心算法以获得对用户的关联策略。多次仿真实验验证了所提出算法的有效性和可行性。实验结果表明，与三种基准算法相比，所提出的联合优化算法在MOS、回程流量卸载率和内容访问时延三方面均具有更好的性能。

• 基于改进BN模型的网络切片安全部署方法

  王淼,赵锟,孙磊,臧韦菲,郭松辉,刘海东,

  为了满足5G垂直用户对于网络切片部署时细粒度安全隔离需求，同时兼顾用户的隔离需求和提高资源利用率，提出了一种基于改进BN模型的网络切片安全部署方法。首先提出了一种双层BN模型的网络切片部署架构，基于SBA（service based architecture）设计了虚拟机容器的双层虚拟化架构，将网络切片根据其所属用户的隔离需求分配利益冲突类标签，基于改进的BN模型部署规则确定网络切片的隔离部署策略；然后将该部署方法建立为整数线性规划模型，并将部署成本作为目标函数，通过最小化目标函数实现低成本部署网络切片；最后使用遗传算法对该问题仿真求解。实验结果表明，该安全部署方法在满足网络切片安全隔离需求的前提下降低了部署成本。

• 基于矢量转发的节能型水声传感器网络路由协议

  魏宗博,李莉,靳晓珂,路晨贺,李进,

  近年来，水下物联网和海洋物联网已经成为一个热门的研究方向，水声传感器网络路由协议作为海洋物联网的重要组成部分也得到研究人员的广泛重视。因此在HH-VBF协议的基础上，提出一种基于矢量转发的节能型水声传感器网络路由协议——ES-HH-VBF协议。ES-HH-VBF协议在保留了将下一跳节点的位置信息作为计算节点转发因子的参考值的基础上，引入了节点剩余能量改进节点转发因子的计算方式，以此来均衡网络中的能量消耗；并且还将预设的距离阈值由HH-VBF协议中的固定值改为根据节点剩余能量变化的动态值，从而可以动态地控制数据冗余。为了验证ES-HH-VBF协议的性能，在水下传感器网络仿真器Aqua-Sim上对HH-VBF协议和ES-HH-VBF协议的性能进行了对比分析。仿真结果表明，随着节点发包间隔的增加，ES-HH-VBF协议的包传递率比HH-VBF协议的包传递率高4.2%左右，网络平均时延比HH-VBF协议低11.3%左右，网络平均能耗比HH-VBF协议低8.2%左右。通过对ES-HH-VBF 协议和HH-VBF协议的仿真实验分析可知，ES-HH-VBF协议在提高数据包传递率、降低平均能耗和降低平均延时方面具有较大优势。

• 基于异步奖励深度确定性策略梯度的边缘计算多任务资源联合优化

  周恒,李丽君,董增寿,

  移动边缘计算（MEC）系统中，因本地计算能力和电池能量不足，终端设备可以决定是否将延迟敏感性任务卸载到边缘节点中执行。针对卸载过程中用户任务随机产生且系统资源动态变化问题，提出了一种基于异步奖励的深度确定性策略梯度（asynchronous reward deep deterministic policy gradient，ARDDPG）算法。不同于传统独立任务资源分配采用顺序等待执行的策略，该算法在任务产生的时隙即可执行资源分配，不必等待上一个任务执行完毕，以异步模式获取任务计算奖励。ARDDPG算法在时延约束下联合优化了任务卸载决策、动态带宽分配和计算资源分配，并通过深度确定性策略梯度训练神经网络来探索最佳优化性能。仿真结果表明，与随机策略、基线策略和DQN算法相比，ARDDPG算法在不同时延约束和任务生成率下有效降低了任务丢弃率和系统的时延和能耗。

• 基于SAC的多服务移动边缘计算中任务卸载和资源配置算法

  彭姿馀,王高才,农望,

  多服务移动边缘计算网络环境中的不同服务的缓存要求、受欢迎程度、计算要求以及从用户传输到边缘服务器的数据量是随时间变化的。如何在资源有限的边缘服务器中调整总服务类型的缓存子集，并确定任务卸载目的地和资源分配决策，以获得最佳的系统整体性能是一个具有挑战性的问题。为了解决这一难题，首先将优化问题转换为马尔可夫决策过程，然后提出了一种基于软演员—评论家（soft actor-critic，SAC）的深度强化学习算法来同时确定服务缓存和任务卸载的离散决策以及上下带宽和计算资源的连续分配决策。算法采用了将多个连续动作输出转换为离散的动作选择的有效技巧，以应对连续—离散混合行动空间所带来的关键设计挑战，提高算法决策的准确性。此外，算法集成了一个高效的奖励函数，增加辅助奖励项来提高资源利用率。广泛的数值结果表明，与其他基线算法相比，提出的算法在有地减少任务的长期平均完成延迟的同时也具有良好的稳定性。

• 编译支持的多线程程序多变体执行方法

  朱鹏喆,姚远,刘子敬,席睿成,

  多变体执行（multi-variant execution，MVX）是目前最流行的主动防御技术之一。理想情况下，当未受到攻击时，多变体执行架构提供正常的程序功能。但不幸的是，当多线程程序在多变体执行架构下运行时，由于各个程序变体中共享资源操作的线程执行顺序不一致，不同变体将会产生状态不一致，从而产生攻击误报，该问题导致了多线程程序难以以多变体执行方式运行。基于多变体执行环境，提出了一种编译支持的多线程程序对共享资源操作的同步编译模型，该模型以共享资源操作为同步点，分析确定多线程程序中对共享资源的操作时机和操作方式，保证各程序变体在运行时多线程对共享资源操作的一致性，从而消除了由此而引起的攻击误报。以LLVM 12.0编译框架为基础，设计实现了基于该同步编译模型的原型系统，并对该原型系统进行了仿真实验测试。实验结果显示，经过原型系统处理的多线程程序在多变体执行架构中的误报率显著降低，表明该同步编译模型作为一种通用性的方法，可有效消除多线程程序在多变体执行架构下运行时的攻击误报，提高了多变体执行的可用性。

• 基于无证书的具有否认认证的可搜索加密方案

  宋安宁,王宝成,李化鹏,

  物联网环境下，云存储技术的发展和应用降了低用户数据的存储和管理开销并实现了资源共享。为了保护用户的身份隐私，提出一种具有否认认证特性的可搜索加密方案。发送方对原始数据进行可否认加密并将密文上传，而接收端在密文的确认阶段无法向第三方证明数据的来源，保障了数据的安全性。相较于基于身份认证的单一设计，提出方案利用无证书密码技术解决了传统方案中密钥托管和密钥撤销阶段中存在的弊端，同时也实现了可否认加密的密态搜索。最后，对提出方案进行了严格的安全性分析。实验结果表明，该方案可以较好地完成可搜索加密任务。

• 面向无人机群组的轻量动态密钥管理方案

  刘军,袁霖,冯志尚,

  针对无人机群组在军事对抗复杂环境中，网络拓扑结构动态变化，提出了一种面向无人机群组的轻量动态密钥管理方案，旨在解决无人机加入及退出、批量加入及退出、群组合并及分裂等网络拓扑动态变化导致密钥更新问题，同时在网络拓扑没有变化的情况下进行本地周期性更新，提高无人机群组密钥更新效率。将参与构造的秘密信息分为用户空间、剩余空间和撤销空间，用户空间可以在接收密钥组管理器（key group manager，KGM）的广播消息后计算恢复出会话组密钥，而剩余空间和撤销空间无法计算恢复出组密钥。密钥更新过程中，KGM利用空闲时间提前在密钥池中选取密钥进行预计算处理，降低KGM因构造广播消息进行复杂计算导致的时延问题。分析和实验仿真表明，该方案具有前向和后向安全性、抗共谋攻击和节点撤销能力，与现有无人机密钥管理方案相比，该方案优化了计算和通信开销，且节点存储开销较小，适用于动态拓扑变化的无人机群组网络。

• 基于Shamir的动态强前向安全签名方案

  薛庆水,卢子譞,杨谨瑜,

  目前基于Shamir的数字签名方案多数仍需可信中心参与子秘密（秘密份额）的分发，缺乏成员对群管理的反向监督，缺少强前向安全性。在这些问题的前提下，提出一种无可信中心参与、多个成员可定期更新私钥，同时解决了成员加入和退出问题的方案。该方案由产生签名、私钥更新、成员加入和退出三个部分构成，涉及的运算主要有拉格朗日插值计算，有较为良好的时间复杂度，实现了去可信中心化，并在保持公钥不变的情况下定期更新成员私钥，实现成员加入退出，进而保证消息的完整性及强前向安全性。

• 满足差分隐私的dK序列合成图发布

  周楠楠,龙士工,刘海,

  为了保护用户隐私，社交网络图数据发布前通常对其进行匿名化操作。然而，现有的各种匿名技术不能很好地保护用户隐私并且由于改变太大影响社交网络数据可用性。提出一种满足差分隐私的社交网络图数据发布模型（differential privacy perturbation graph，DPPM）。该模型将一个图的结构信息提取到dK度的相关统计中，将噪声引入到数据集中，并生成一个社交网络图。从理论上证明了该方法满足差分隐私。使用三个真实的社交网络数据集来评估所提方法的有效性。

• 改进人脸特征矫正网络的遮挡人脸识别方法

  陈秋雨,芦天亮,

  现有人脸识别模型受口罩等遮挡因素影响导致准确率无法提升。当前主流研究方法将有无遮挡场景分开训练后，整合应用于多场景。针对遮挡人脸识别模型的局限性，提出一种改进人脸特征矫正网络（FFR-Net）模型。该模型可同时用于有无遮挡人脸识别并应用于口罩与眼镜遮挡两种识别场景中。人脸特征矫正网络模型提出了一种人脸特征矫正模块，为保证充分利用无遮挡区域特征信息，在该模块中的空间分支引入involution算子扩大图像信息交互区域，增强在空间范围内面部特征信息；在通道分支引入坐标注意力机制，捕获跨通道信息以增强特征表示，利于模型准确地定位识别目标区域；将Meta-ACON作为该模块新的动态激活函数，通过动态调整线性或非线性程度以提高模型泛化能力和计算准确度。最后，利用改进的人脸特征矫正网络模型在CASIA-Webface经处理的有无口罩遮挡人脸数据集上进行训练，其在LFW经处理的有无口罩遮挡数据集、Meglass数据集上的测试结果准确率分别达到了82.50%和89.75%，优于现有算法，验证了所提方法的有效性。

• 基于知识回顾与特征解耦的目标检测蒸馏

  张瑶,潘志松,

  当前的知识蒸馏算法均只在对应层间进行蒸馏，为了解决这一问题，提高知识蒸馏的性能，首先分析了教师模型的低层特征对学生模型高层特征的指导作用，并在此基础上提出了基于知识回顾解耦的目标检测蒸馏方法。该方法首先将学生模型的高层特征与低层特征对齐、融合并区分空间和通道提取注意力，使得学生的高层特征能够渐进式地学到教师的低层和高层知识；随后将前背景解耦，分别蒸馏；最后通过金字塔池化在不同尺度上计算其与教师模型特征的相似度。在不同的目标检测模型上进行了实验，实验表明，提出的方法简单且有效，能够适用于各种不同的目标检测模型。骨干网络为ResNet-50的RetinaNet和FCOS分别在COCO2017数据集上获得了39.8%和42.8%的mAP，比基准提高了2.4%和2.3%。

• 双通道扩张卷积注意力图像去噪网络

  曹义亲,邱沂,

  针对深度学习图像去噪算法存在网络过深导致细节丢失的问题，提出一种双通道扩张卷积注意力网络CEANet。拼接信息保留模块将每一层的输出特征图融合，弥补卷积过程中丢失的图像细节特征进行密集学习；扩张卷积可以在去噪性能和效率之间进行权衡，用更少的参数获取更多的信息，增强模型对噪声图像的表示能力，基于扩张卷积的稀疏模块通过扩大感受野获得重要的结构信息和边缘特征，恢复复杂噪声图像的细节；基于注意力机制的特征增强模块通过全局特征和局部特征进行融合，进一步指导网络去噪。实验结果表明，在高斯白噪声等级为25和50时，CEANet都获得了较高的峰值信噪比均值和结构相似性均值，能够更高效地捕获图像细节信息，在边缘保持和噪声抑制方面，具有较好的性能。相关实验证明了该算法进行图像去噪的有效性。

• 融合PVTv2和多尺度边界聚合的结直肠息肉分割算法

  梁礼明,何安军,董信,李仁杰,盛校棋,

  考虑到结直肠息肉图像中病灶区域和周围粘液存在对比度低、边界模糊和形状不规则等复杂特性，导致现有大部分算法无法实现高精准的分割结直肠息肉。鉴于以上难点，提出一种融合PVTv2和多尺度边界聚合的结直肠息肉分割算法。首先，利用PVTv2逐层提取肠息肉图像中的病灶特征，解决传统卷积神经网络对病灶区域特征提取能力不足的问题；然后，针对网络对复杂病灶区域的空间特征信息表征能力不强的问题，在网络跳跃连接处构建多尺度上下文空间感知模块；其次，设计多尺度挤压适配融合模块聚合不同尺度的特征信息，以减少各个尺度特征的语义差异；最后，为进一步加强边缘细节特征的识别能力，创造性构造残差轴向双边界细化模块。该算法在Kvasir-SEG和CVC-ClinicDB数据集上进行大量实验验证，其相似性系数分别为93.29%和94.52%，平均交并比分别为88.36%和89.88%。实验结果表明，对于复杂的病灶区域以及病灶边界模糊的情况，所提算法在分割精度上均有较大的提升。

• 基于视觉和文本的多模态文档图像目标检测

  李玉腾,史操,许灿辉,程远志,

  由于文档图像的布局复杂、目标对象尺寸分布不均匀，现有的检测算法很少考虑多模态信息和全局依赖关系，提出了基于视觉和文本的多模态文档图像目标检测方法。首先探索多模态特征的融合策略，为利用文本特征，将图像中文本序列信息转换为二维表征，在文本特征和视觉特征初次融合之后，将其输入到骨干网络提取多尺度特征，并在提取过程中多次融入文本特征实现多模态特征的深度融合；为保证小物体和大物体的检测精度，设计了一个金字塔网络，该网络的横向连接将上采样的特征图与自下而上生成的特征图在通道上连接，实现高层语义信息和低层特征信息的传播。在大型公开数据集PubLayNet上的实验结果表明，该方法的检测精度为95.86%，与其他检测方法相比有更高的准确率。该方法不仅实现了多模态特征的深度融合，还丰富了融合的多模态特征信息，具有良好的检测性能。

• 基于双分支通道空间依赖和非对称权重共享卷积的目标检测优化结构

  王慧薷,王传旭,刘豪,张浩,

  以往的目标检测任务中，大量研究通过空间和通道信息来构建特征优化算法。然而，如何利用通道和空间中最大和平均特征的信息分布情况进行特征提取，仍是一个挑战。针对上述挑战，构建了双分支通道空间依赖网络，用来提取空间和通道中信息依赖特征，其关键是获取最大特征和平均特征上的重要信息分布情况。为了优化网络的检测精度与计算效率，构建了非对称权重共享卷积网络，利用相同的非对称卷积核进行联合训练来实现权重共享，极大地增强了卷积核参数的鲁棒性。以YOLOv4、YOLOv5和EfficientDet为检测基线，在PASCAL VOC和MS COCO数据集上进行实验，验证了双分支通道空间依赖网络和非对称权重共享卷积网络模块的有效性。在两个数据集上精度最高分别增长了1.98%和2.6%。

• 面向部件分割的PointNet注意力加权特征聚合网络

  梁振华,王丰,

  为解决PointNet最大池化损失次要特征导致部件分割精度降低的问题，提出一种面向部件分割的PointNet注意力加权特征聚合网络，能够充分利用点云的不同特征进行部件分割。首先利用多层感知机提取点云的空间几何特征，将特征乘以共享权重矩阵，以获取每个点的每一个特征的注意力分数；接着把归一化的分数作为权重乘以对应的全局特征并求和，得到聚合的全局特征；最后使用多层感知机将聚合的特征映射到部件分割结果。实验结果表明，相比于传统PointNet方法，该方法提升了部件分割的总平均交并比，同时在网络鲁棒性和计算复杂度方面具有显著优势，有效优化了PointNet。

• 基于SAU-NetDCGAN的天气云图生成方法

  杨鹏熙,侯进,游玺,任东升,杜茂生,

  天文台天气监测系统对天气云图存在巨大需求。为解决传统的生成对抗网络在扩充天气云图数据集时模型不稳定以及图像特征丢失等问题，提出一种基于SAU-NetDCGAN的双层嵌入式对抗网络天气云图生成方法，该方法由两层网络相互嵌套组成。首先，第一层嵌入式网络是将U型网络添加到生成对抗式网络的生成器中，该网络作为基础架构，利用编码器与解码器之间的跳跃连接增强图像的边缘特征恢复能力；接着，第二层嵌入式网络是将简化参数注意力机制（simplify-attention，SA）添加到U型网络中，该注意力机制通过简化参数降低了模型复杂度，有效地改善了图像暗部特征丢失的问题；最后设计了一种新的权重计算方式，加强了各特征之间的联系，增加了对图像细节纹理特征的提取。实验结果表明，该方法生成的图像在清晰度、色彩饱和度上与传统的生成对抗网络相比图像质量更好，在峰值信噪比、结构相似性的评价指标下分别提高了27.06 dB和 0.606 5。

• 语义线特征辅助的动态SLAM

  陈帅,周非,吴凯,

  动态环境干扰是视觉同时定位与地图构建（SLAM）领域内一个亟待解决的问题，场景中的运动对象会严重影响系统定位精度。结合语义信息和几何约束更强的线特征辅助基于传统ORB特征的SLAM系统来解决动态SLAM问题。首先采用深度学习领域的优秀成果SOLOv2作为场景分割网络，并赋予线特征语义信息；完成物体跟踪和静态区域初始化后，使用mask金字塔提取并分类特征点；再使用极线约束完成动态物体上点线特征的剔除；最后融合静态点线特征完成位姿的精确估计。在TUM动态数据集上的实验表明，所提出的系统比ORB-SLAM3的位姿估计精度提高了72.20％，比DynaSLAM提高了20.42％，即使与近年来同领域内的优秀成果相比也有较好的精度表现。

• 融合自适应图卷积与Transformer序列模型的中文手语翻译方法

  应捷,徐文成,杨海马,刘瑾,郑乐芊,

  针对手语翻译方法所存在的动作特征提取以及时序翻译方面存在的问题，提出一种融合自适应图卷积AGCN 与Transformer时序模型的AGCN-T手语翻译网络。自适应图卷积网络用于学习手语动作中骨骼节点的交互空间依赖信息；Transformer时序模块捕捉手语动作序列的时间关系特征信息并将其翻译成可理解的手语内容。此外，在预处理部分，提出了一种移动窗口的关键帧提取算法，并用MediaPipe姿态估计算法对关键帧图像序列进行骨架提取。实验表明，该方法在大型中文连续手语数据集CCSL的词错率达到了3.75%，精度为97.87%，优于其他先进的手语翻译方法。

• 基于自适应聚合与深度优化的三维重建算法

  郑米培,赵明富,邢镔,宋涛,邢影,

  针对现有基于多视图的三维重建方法未充分考虑像素点在其余视图的可见性，从而导致重建完整度不足，且在弱纹理和遮挡区域重建困难等问题，提出了一种应用于高分辨率的三维重建网络。首先提出了一种引入可见性感知的自适应成本聚合方法用于成本量的聚合，通过网络获取视图中像素点的可见性，可以提高遮挡区域重建完整性；基于方差预测每像素视差范围，构建空间变化的深度假设面用于分阶段重建，在最后一阶段提出了基于卷积空间传播网络的深度图优化模块，以获得优化的深度图；最后采用改进深度图融合算法，结合所有视图的像素点与3D点的重投影误差进行一致性检查，得到密集点云。在DTU 数据集上与其他方法的定量定性比较结果表明，提出方法可以重建出细节上表现更好的场景。