计算机应用研究杂志

计算机应用研究杂志2023年第8期

• 网络协议模糊测试综述

  徐威,李鹏,张文镔,陆丽,

  模糊测试作为最有效的漏洞挖掘方法，在网络协议安全检测领域应用广泛，并且诞生了大量的研究成果。目前还没有工作对协议模糊测试技术进行全面的总结和分析。首先回顾了协议模糊测试的发展历程，按照其工作流程（预处理，种子生成，执行过程监测以及结果分析）总结现有协议模糊测试所做的工作以及不足；之后，分析了不同环境下协议模糊测试技术的挑战以及解决方法；最后讨论了当前协议测试方法存在的局限性，以及未来的发展方向。

• 有遮挡人脸识别进展综述

  张庆辉,张媛,张梦雅,

  人脸识别技术水平不断提升，在身份认证、人机交互等应用上得到了较为理想的识别率，市场规模不断增长。然而真实场景下的遮挡问题并没有被彻底解决，如何抑制或消除遮挡对人脸关键性特征的负面影响是当前人脸识别领域的热点之一。针对遮挡导致的人脸结构信息缺失问题，对有遮挡人脸识别数据集和有遮挡人脸识别方法进行综述，首先介绍分析了一些重要的新型有遮挡人脸识别数据集；其次，归纳分析了用于解决遮挡问题的传统方法和深度学习方法，重点介绍了基于深度学习的特征鲁棒性提取方法和遮挡部位信息恢复方法；最后，总结分析了相关方法的优缺点，指出有遮挡人脸识别研究存在的问题和挑战，对未来研究方向进行了展望。

• 一种基于区块链的联邦学习贡献评价方案

  徐浩曈,刘立新,王静宇,张晓琳,王永平,

  为了实现联邦学习中公平的收益分配，需要有一个指标来量化每个数据提供者对联合模型的贡献。针对现有的贡献评价方案存在的隐私泄露、不透明和依赖中心服务器等问题，提出一种基于区块链的透明的联邦学习贡献评价方案。首先，提出基于改进的Paillier安全聚合算法，通过联合解密避免了在模型聚合阶段对用户本地数据的推断。其次，提出一种基于用户累计提交的梯度来近似计算其贡献的方法，解决了现有贡献评估方案存在的隐私泄露问题。此外，将贡献的评估融入到区块链的共识过程中，使其评估结果具备了可审计性。最后，基于MNIST数据集进行的实验表明，所提出的方法可以有效地评估贡献。

• 基于监督者组的区块链账本修正方案

  顾康,张绍华,李超,

  区块链账本中存在违规数据、误操作上链数据等问题，相关学者开展了可修正账本技术研究。针对传统修正方案中修改效率低、恶意节点作乱影响安全性等问题，提出了一种基于监督者组的区块链账本修正方案来改进传统方案。通过基于改进PageRank的区块链节点信用排序算法筛选出监督组成员节点，进而在可信前提下提升了账本修正流程的效率。设计了一种改进随机选择修正者算法并使用可验证随机函数构建节点验证追责机制，保障了账本数据修正流程的可追溯性和安全性。通过分析和仿真实验，该方案具有较高的安全性，并在区块信息修正效率和资源利用率方面优于传统方案。

• 基于多元竞争淘汰的自然计算方法

  胡建暄,马宁,付伟,季伟东,刁衣非,刘聪,黄鑫宇,

  在自然计算方法中，为解决高维数据优化问题，需提高种群规模以获得更高精度，但同时需要的时间复杂度较大，若种群规模降低又会因种群多样性不足导致算法陷入局部最优。为解决优化过程中种群规模难以平衡、算法收敛速度慢及易陷入局部最优等问题，提出一种基于多元竞争淘汰（multiple competitive elimination，MCE）策略的自然计算方法，其适用于各类优化算法，而不依赖于算法进化的具体步骤，具有普适性。首先将原始解空间划分为具有竞争关系的两类大空间，每类大空间中细化分解为N元小空间；然后在两类大空间中分别执行反向学习和混合变异两种不同的淘汰方法，淘汰较差个体；最后选取N元小空间的部分较优个体跨两类大空间进行竞争交换以保持整体种群的多样性，提高了算法收敛速度和收敛精度。将该策略分别应用到粒子群算法和遗传算法中，并与标准粒子群算法、遗传算法及目前较先进的改进群智能优化算法对比，利用高维经典测试函数验证其性能。实验结果表明，多元竞争淘汰改进算法较其他对比算法表现出了更好的寻优能力，具有普适性。

• 一种基于自适应证据推理规则的集成学习方法

  赖尉文,贺维,

  当前集成学习中的结合策略难以兼顾各个基学习器之间的信息和模型的可解释性。使用证据推理（evidential reasoning，ER）规则作为结合策略，将各个基学习器结果作为证据参与融合，可以较好地解决以上问题。但传统ER规则的证据参数是单一的，对不同的基学习器模型使用相同的证据参数显然是不合理的。为此，提出一种基于自适应证据推理（adaptive-evidential reasoning，A-ER）规则的集成学习方法，该方法在每次证据融合前对证据的类别进行判断，针对不同的证据类别自适应分配不同的证据参数。通过不同的分类案例表明，该方法与案例中其他方法相比具有更高的分类精度，证明了该方法使证据参数设置更加合理且具有更好的可解释性和泛化能力。

• 基于图神经网络多模态融合的语音情感识别模型

  李紫荆,陈宁,

  目前，基于多模态融合的语音情感识别模型普遍存在无法充分利用多模态特征之间的共性和互补性、无法借助样本特征间的拓扑结构特性对样本特征进行有效地优化和聚合，以及模型复杂度过高的问题。为此，引入图神经网络，一方面在特征优化阶段，将经过图神经网络优化后的文本特征作为共享表示重构基于声学特征的邻接矩阵，使得在声学特征的拓扑结构特性中包含文本信息，达到多模态特征的融合效果；另一方面在标签预测阶段，借助图神经网络充分聚合当前节点的邻接节点所包含的相似性信息对当前节点特征进行全局优化，以提升情感识别准确率。同时为防止图神经网络训练过程中可能出现的过平滑问题，在图神经网络训练前先进行图增强处理。在公开数据集IEMOCAP 和RAVDESS上的实验结果表明，所提出的模型取得了比基线模型更高的识别准确率和更低的模型复杂度，并且模型各个组成部分均对模型性能提升有所贡献。

• 基于文本序列错误概率和中文拼写错误概率融合的汉语纠错算法

  孙哲,禹可,吴晓非,

  中文拼写纠错是一项检测和纠正文本中拼写错误的任务。大多数中文拼写错误是在语义、读音或字形上相似的字符被误用，因此常见的做法是对不同模态提取特征进行建模。但将不同特征直接融合或是利用固定权重进行求和，使得不同模态信息之间的重要性关系被忽略以及模型在识别错误时会出现偏差，阻止了模型以有效的方式学习。为此，提出了一种新的模型以改善这个问题，称为基于文本序列错误概率和中文拼写错误概率融合的汉语纠错算法。该方法使用文本序列错误概率作为动态权重、中文常见拼写错误概率作为固定权重，对语义、读音和字形信息进行了高效融合。模型能够合理控制不同模态信息流入混合模态表示，更加针对错误发生处进行学习。在SIGHAN基准上进行的实验表明，所提模型的各项评估分数在不同数据集上均有提升，验证了该算法的可行性。

• 融合局部搜索与Pareto支配的多目标任务调度模型

  韩迪雅,张凤荔,尹嘉奇,王瑞锦,韩英军,

  为了解决复杂任务群调度过程中资源利用不均、任务完成时间较长等问题，以最小化资源负载均方差和最小化任务群完成时间为目标构建复杂任务群资源调度模型，提出一种融合局部搜索和Pareto支配的多目标优化算法BRLSN（multi-objective optimization based on boundary range local search and NSGA-Ⅱ，BRLSN）。该算法采用有效的编码方式与交叉变异算子进行迭代寻优，并利用基于边界区域局部搜索的精英保留策略扩大算法搜索范围，保存种群优良个体。实验结果表明，BRLSN相较于其他多目标算法在收敛性和多样性上有显著的提升，同时算法收敛速度更快，种群质量更高，明显优化了最终目标函数的结果值。

• 基于传播树的微博推荐模型

  徐建民,张钊源,

  针对目前微博推荐模型未考虑传播特征的问题，提出一种基于传播树的微博推荐模型。首先利用树结构对微博传播特征进行表示，由内容、时间和用户三方面特征构成树的节点，以微博的转发和评论关系作为树的边；然后基于节点间关联关系和层次关系分别计算待评估微博传播树与目标用户每棵微博传播树的传播路径相似度和传播层相似度，以此量化两棵传播树间的结构相似度；最后根据相似度大小对所有待评估微博进行排序，生成推荐列表，实现微博推荐。实验结果表明，与未考虑传播特征的微博推荐模型相比，该模型在准确率、召回率和F1值上分别提升13.0%、9.6%和10.7%，合理利用微博传播特征可以提升推荐结果的可靠性，增强用户体验感。

• 基于可自动扩展的LSTM模型的航空发动机剩余寿命预测方法

  胡立坤,何旭杰,殷林飞,

  对航空发动机进行实时状态监测和健康管理可以有效降低发动机故障风险，确保飞机飞行安全。准确预测航空发动机的剩余寿命是有效监测发动机运行状态的一种重要手段，其中长短期记忆（long-short term memory，LSTM）网络常被使用。但由于航空发动机复杂的机械结构与运行模式，使用传统的LSTM网络对航空发动机的剩余寿命进行单次预测后，所得预测结果的准确率不足以满足其寿命预测的精度要求。基于LSTM网络的广泛使用以及它对时间序列数据的有效预测能力，考虑到采用多级预测的方法能够有效降低预测误差，提出了一种新型的可自动扩展的长短期记忆（automatically expandable LSTM，AELSTM）预测模型。AELSTM模型依托多个子模块逐级连接的网络结构，不断地提取前一级模块的输出误差作为后一级模块的训练值，形成了误差的多级预测机制，有效降低了模型的预测误差，提升了预测结果的准确性。基于美国国家航空航天局发布的C-MAPSS数据集的四个子集对AELSTM模型的预测效果进行了测试，实验结果表明，与传统的LSTM网络相比，AELSTM模型在四个子集上的均方根误差平均减少了95.44%，同时它的预测效果也优于现有的一些先进算法。实验充分验证了AELSTM模型在提升航空发动机剩余寿命预测准确度方面的有效性及优势。

• 基于密度峰值的标签传播社区发现算法

  付立东,刘佳会,王秋红,

  针对标签传播算法中节点启动顺序和更新标签的随机性造成的结果不稳定问题，提出一种新标签传播算法用于复杂网络社区检测（density peaks and node similarity，DPNS-LPA），包括社区中心的确定和外围节点的标签传播。首先利用大度节点不利指标、Jaccard指标和度为1节点的结构特性刻画节点局部相似性指标，并用此指标度量节点间距离和解决最大标签相同时的随机选择；然后引入改进的密度峰值聚类算法寻找社区中心，确定社区数量；最后基于社区中心和外围节点的标签传播，得到最终的社区划分结果。通过人工网络和真实网络上的实验，结果表明标准化互信息、模块度和D-score指标值优于对比算法，所提出的算法可以有效发现复杂网络中的社区结构，且鲁棒性更高。

• 两阶段量子行走算法在社区检测中的应用

  梁文,闫飞,陈柏圳,

  已有基于量子行走的社区检测算法存在计算开销过大或对时间参数过于敏感的问题。针对此问题，提出两阶段量子行走（two-stage quantum walk，TSQW）算法。TSQW算法第一阶段为无测量量子行走，此阶段融合节点的邻域拓扑信息将节点表达为向量，第二阶段利用K-means方法聚类上一阶段得到的节点向量以划分网络社区。通过仿真网络和空手道俱乐部网络的验证，该算法能够准确地检测网络社区结构。进一步，提出TSQW的扩展（TSQW-E）算法，该算法依据节点的社区信息增加或删除原始网络的连边并实现社区隐藏。根据互信息指标和调整兰德系数下的实验表现，TSQW-E算法使已有社区检测算法的平均识别精度分别下降0.491和0.58，对网络社区结构的破坏效果最好。

• 基于模运算的新颖离散差分演化算法求解多背包问题

  王丽娜,张寒崧,孙菲,高泽贤,贺毅朝,

  多背包问题（MKP）是一个求解难度极大的背包问题。为了基于差分演化（DE）求解MKP，首先建立了MKP的整数规划模型，在利用模运算构造简单且有效的新型传递函数基础上，提出了一个新颖离散差分演化算法MODDE；基于贪心策略提出了消除MKP不可行解的一个有效算法GROA，由此利用MODDE给出了求解MKP的一种新方法。最后，利用MODDE求解30个国际通用的MKP实例，通过与四个代表性演化算法的比较表明，MODDE不仅计算结果优，而且算法的稳定性强，是求解MKP的一个高效算法。

• 面向交通事故预测的时空多模态点过程

  彭文闯,郭晟楠,万怀宇,林友芳,

  交通事故预测对于构建智慧城市具有重要意义。然而发生在连续时间域上的交通事故数据同时包含具有不同语义特征的时间、空间模态信息，且这两种模态的不确定性存在差异，因此传统的序列建模方式无法全面描述交通事故的时空相关性，很难实现准确的交通事故预测，对此提出了一种面向交通事故预测的时空多模态点过程模型MSTPP。该模型设计了一种具有双解码器的seq2seq框架。在编码器中提出了衰减感知长短期记忆网络DLSTM用于编码在连续时间域中的交通事故事件序列，有效地融合不同模态信息以及建模事件序列的异步性。在解码阶段，使用两个特殊设计的解码器去处理模态间差异性。在两个真实的交通事故数据集上的实验结果表明，MSTPP在预测下一个交通事故发生的时间和区域任务上相比于其他基准模型具有最优的预测能力。

• 低碳导向的网约车合乘动态匹配算法研究

  于天翔,李文翔,张玉梁,陈豪,董洁霜,

  针对网约车合乘减排效益未能充分发挥的问题，提出一种低碳导向的网约车合乘动态匹配算法，可在保证网约车合乘经济效益的同时优化合乘的减排效益。首先根据合乘规则构建可合乘网络，然后基于图优化理论将可合乘网络转换为带权无向图，同时基于COPERT模型计算潜在合乘订单的碳减排量作为无向图的权重，最后利用改进的最大权重匹配方法对其进行求解，进而得到碳减排效益最大化的合乘匹配方案。以成都市网约车订单数据为分析实例，对该算法与传统匹配算法进行对比评估。结果表明，当乘客最大允许延误为10 min时，该算法下的可合乘出行比例达86%，碳减排总量相比传统匹配算法可提高122%，单次合乘行程的减排效率平均提高128%。因此，该算法能够在不影响平台经济效益的情况下，显著提升合乘减排效益。

• 疫情期间生活物资集散点选址问题的降阶回溯算法

  储旭,宁爱兵,胡开元,代苏玉,张惠珍,

  疫情爆发后，封控区内居民的生活物资发放问题成为亟待解决的焦点问题之一，该问题可抽象为疫情期间生活物资集散点选址问题，其实质为组合优化中的NP-hard问题。基于疫情封控期间的应急生活物资集散点选址问题的精确算法进行研究，首先得出一些可以降低问题规模的数学性质并证明利用这些性质可以减小问题规模，降低问题的求解难度；然后设计出分配子算法、上下界子算法以及降阶子算法；基于这些子算法提出一种可以减小问题规模同时得到最优解的降阶回溯算法；最后通过分析和求解若干个示例进一步阐述该算法的原理和执行过程，结果表明该算法能通过减小问题规模来降低问题求解的难度。

• 基于动态分级的自适应运动目标处理SLAM算法

  王富强,王强,李敏,杨盼,

  针对移动机器人在动态环境中视觉同时定位和地图构建（visual simultaneous localization and mapping，VSLAM）精度低、鲁棒性差的问题，提出了一种自适应运动目标处理SLAM算法（adaptive dynamic SLAM，AD-SLAM）。基于对极几何约束的场景动态分级前端实时感知运行环境的动态变化。通过基于几何约束和运动概率的低动态环境动态特征和基于语义分割的高动态环境动态目标处理消除运动目标。在计算机视觉数据集TUM上进行实验验证，结果表明提出方案在复杂动态环境中保证算法实时性的前提下提升了移动机器人建图过程中定位的精度和鲁棒性。

• 基于跨模态多维关系增强的多模态模型研究

  成曦,杨关,刘小明,刘阳,

  针对当前多模态模型不能充分挖掘图像中非显著区域的空间关系和上下文间的语义关系，导致多模态关系推理效果不佳的问题，提出了一个基于跨模态多维关系增强的多模态模型（multi-dimensional relationship enhancement model，MRE），用于提取潜层结构下图像各要素之间的空间关系信息，并推理出视觉—语言间的语义相关性。设计了特征多样性模块用于挖掘图像中与显著区域相关的次显著区域特征，从而增强图像空间关系特征表示。同时设计了上下文引导注意模块来引导模型学习语言上下文在图像中的关系，实现跨模态关系对齐。在MSCOCO数据集上的实验表明所提模型获得了更好的性能，其中BLEU-4和CIDEr分数分别提升了0.5%和1.3%。将这种方法应用到视觉问答任务中，在VQA 2.0数据集上性能得到了0.62%的提升，证明了该方法在多模态任务方面的广泛适用性。

• 联合图全局和局部互信息的重叠社团检测算法

  陈燕兵,张应龙,

  图神经网络在学习节点表示中展现了其突出的能力，然而在社团检测方面，大多数图神经网络模型仍然使用K-means来定位社团中心，为了克服K-means不适用于高维空间下聚类的缺点，提出了联合图的全局和局部互信息的重叠社团检测算法（overlapping community detection algorithm using global and local mutual information of graph，overDGI），这是一种用于处理重叠社团检测问题的图神经网络。首先，采用最大化图互信息和社团互信息使得隶属于同一社团的节点间的向量表示距离更近、更接近社团中心；然后，设计了一个目标分布来帮助模型更好地解决重叠社团检测任务。综合实验表明，overDGI在重叠社团划分上的表现对比现有的几种基准算法都有很强的竞争力。

• 基于词融合与跨度检测的中文嵌套命名实体识别

  陈淑振,窦全胜,唐焕玲,姜平,

  目前中文命名实体识别模型在识别具有嵌套结构的实体时存在误差，无法准确识别。基于跨度的方法能够找出嵌套实体，但在识别过程中经常生成不包含实体的跨度，无法明确划分跨度边界，增加模型负担。针对此问题，提出了基于词汇融合与跨度边界检测的中文嵌套命名实体识别模型。该模型使用多词融合方法达到文本特征增强的目的，在设计的注入模块中将目标语句中字符相关的多个词汇信息进行合并，之后融入到BERT中，以此获得更全面的上下文信息，提供更好的跨度表示；其次添加跨度边界检测模块，通过感知分类器预测跨度的首尾字符来划分跨度边界。在公共数据集上的实验表明，该模型可有效提升识别准确率。

• 多元时序的深度自编码器聚类算法

  张梓靖,张建勋,全文君,南海,

  针对深度聚类算法对多变量时间序列数据（MTS）的特征提取能力不足等问题，提出一种新的深度聚类结构模型（MDTC）。为了提取MTS的关键特征并实现降维，提出一维卷积学习MTS的属性和时序维度的特征表示与循环神经网络等网络层组成的自编码器结构；为了提高模型对时序特征的表示能力，提出了MCBAM时序注意力模块，用于增强MTS序列中不同时间段的表示特征。在九个公开UEA多元时序数据集进行了实验，模型的自编码器结构相较其他自编码器在七个数据集上提升了2%~9%；模型的MCBAM模块相较其他注意力模块在六个数据集上提升了0.3%~2%。实验表明MDTC模型结构和MCBAM模块的有效性，同时模型对比其他聚类算法具有优异的表现。

• 基于深度多匹配网络的多轮对话回复选择模型

  刘超,李婉,

  现有工作利用神经网络构建了各种检索模型，取得了一定的成功，但仍存在注入模型信息筛选不充分、引入噪声和对已知内容的潜在语义信息、时序关系挖掘不充分问题。针对上述问题，提出了基于深度多匹配网络的多轮对话回复模型（DMMN）。该模型将上下文与知识作为对候选回复的查询，在三者编码之后提出预匹配层，采用单向交叉注意力机制分别筛选出基于知识感知的上下文与基于上下文感知的知识，识别两者中重要的信息。将候选回复与以上两者交互作用之后，进行特征聚合阶段，一方面借助额外BiLSTM网络捕获基于回复的上下文对话信息间的时序信息，另一方面借助带门控的注意力机制挖掘基于回复的知识间的语义信息，增强匹配特征信息。最后，融合上述表示特征。在原始的和修改后的Persona-Chat数据集上性能评测结果显示，与现有方法相比，该模型召回率得到了进一步的提高，检索出的回复效果更好。

• 基于层次化结构表示的数据到文本生成方法

  龚永罡,郭怡星,廉小亲,马虢春,王希,刘宏宇,

  最近的数据到文本生成方法广泛采用了编码器—解码器架构或其变体，但是这些方法无法识别数据中不同部分的信息的重要性，导致在选择适当的内容和排序方面表现不佳。针对这些问题，提出了一个基于层次化结构表示的数据到文本生成方法，它包括规划阶段和生成阶段，规划阶段通过实体级、记录级的多层次注意力来增强语义空间的表达能力，输出的计划代表重要内容的高层次表示，同时将计划输入给生成阶段的生成器得到最终的文本。通过在两个数据到文本生成的数据集上进行的广泛实验表明，该方法相比于已有的数据到文本生成方法，生成的文本对数据的描述更加准确，质量更高，该方法的提出为数据到文本生成的研究提供了一定的指导性作用。

• 基于值函数估计的参数探索策略梯度算法

  赵婷婷,杨梦楠,陈亚瑞,王嫄,杨巨成,

  策略梯度估计方差大是策略梯度算法存在的普遍问题，基于参数探索的策略梯度算法（PGPE）通过使用确定性策略有效缓解了这一问题。然而，PGPE算法基于蒙特卡罗方法进行策略梯度的估计，需要大量学习样本才能保证梯度估计相对稳定，因此，梯度估计方差大阻碍了其在现实问题中的实际应用。为进一步减小PGPE算法策略梯度估计的方差，提出了基于值函数估计的参数探索策略梯度算法（PGPE-FA），该算法在PGPE算法中引入Actor-Critic框架。具体地，提出的方法使用价值函数估计策略梯度，代替了PGPE方法使用轨迹样本估计策略梯度的方式，从而减小了梯度估计方差。最后，通过实验验证了所提算法能够减小梯度估计的方差。

• 一种针对安全可达动态系统的形式化学习方法

  鲁腾飞,娄攀登,王胜朴,丁觅,林望,

  在动态系统建模问题中，深度学习为建模提供了更便捷和灵活的方法，但其难以解释的特点降低了模型的可靠性。针对具有安全性和可达性的动态系统，提出了一种形式化模型学习方法，将安全性和可达性引入到对目标系统的学习过程中，使模型满足这两个性质。为保证所学系统在定义域上严格满足这两个性质，该方法基于现代控制理论中的Lyapunov方法和Barrier函数设计了可验证的Lyapunov Barrier函数（LBF），通过将其与动态系统联合学习，使得LBF能够为所学系统提供安全性和可达性保障。最后通过求解混合整数线性规划问题验证了模型确实满足相关性质，与DDPG的对比实验展示了这一方法的有效性。

• 面向微小振动故障诊断的匹配小波深度迁移学习

  张莹,彭庭威,罗睿敏,

  针对传统方法在微小振动故障诊断中存在的特征识别效率低和样本数量有限等问题，提出匹配小波深度模型迁移学习方法。首先利用Morse连续小波对一维故障信号进行匹配升维，捕捉微小变化，得到可视化强化特征图像；其次对深度迁移网络源域模型进行有效迁移，该模型具有高效的图像学习经验，可降低目标域训练样本数量；最后在模型迁移中根据有限数据进行流程的参数优化。实验证明，该方法泛化能力强，可对多工况下微小特征进行检测与定位，并有效减少对数据的依赖，能够极大提高运算速度和诊断精度。

• 基于众筹预售和众包生产的两阶段最优定价机制

  顾永跟,于再溥,陶杰,吴小红,张艳琼,

  为实现农产品产销供应链中按需生产，供需平衡的同时，提高电商平台的期望收益。分析了电商平台整个产销供应链的问题模型，提出一种基于电子商务平台众筹预售和众包生产的产销模式。基于迈尔森最优拍卖理论设计了众筹预售和众包分配的两阶段最优拍卖定价机制，能够在保证参与用户诚实报价的基础上，最大化电商平台的期望收益。实验结果表明，对比传统的先到先服务算法（FCFS），平均收益在需求数量区间为均匀分布时至少增加了5%，为指数分布时至少增加了18%，且至少能达到假设用户诚实报价下的最优利润（OP）收益的50%。

• 一种基于张量理论的云制造资源服务化封装与发布策略

  李州健,郭银章,

  针对云计算环境下智能制造集中资源分散服务过程中存在的数据异构与资源统一描述问题，在分析现有云制造资源服务化封装与发布技术的基础上，利用张量理论在描述异构数据上的技术特点，提出了一种基于张量理论的云资源服务化封装与发布策略。首先将云制造资源进行分类，并就不同资源给出封装方法；其次基于张量理论定义了不同类型的云制造资源的张量模型，根据不同资源服务属性建立低阶子张量；然后利用张量扩展算子对低阶子张量子进行融合，将各类属性信息嵌入至高阶张量空间，实现云制造资源的统一表示。给出了制造资源、制造能力、设计资源的统一封装模板和形式化描述。最后，给出了云制造资源的服务化部署及发布策略，设计开发了一个云制造资源服务化封装与发布系统，通过实例验证了所提方法的有效性。

• 基于色彩地址空间转换与多版本策略的复杂位图协同模型与一致性维护算法

  沈思宇,魏赟,高丽萍,

  调色编辑在现有位图协同模型下存在数据发送量大、编辑灵活性差、操作重叠易冲突、生成版本多、站点存储压力大等问题，针对这些问题提出了一种面向复杂位图的调色协同编辑模型。协同操作仅发送坐标与色彩变化量的协同操作，具有数据量小、多维编辑粒度、位置可重叠等特性；增加了时空关系的四维位图协同架构，只保存已编辑的像素点数据可减少数据存储量；采用空间转换的副本状态控制算法，通过回溯重构历史版本，可以确保协同操作总是在正确的副本状态上执行；根据当前状态与策略配置，动态生成分支版本的算法，可以解决此前模型分支版本过多的问题。最后，基于CCI（causality-preservation，convergence，intention-preservation）模型进行正确性推论，开发协同编辑器原型Co-Pixel，随机生成的操作集设计实验，对照Adobe Lightroom 模拟实际编辑行为。结果显示提出的模型可有效减少操作产生冲突，降低一致性维护过程中的算法开销，灵活调整用户执行意图维护工作的结果版本。

• 一种影像增强注射方案智能推荐及其控制系统的研究与开发

  田宸宇,张涛,李真林,于泽源,

  为了解决现有影像增强检查过程中存在的造影剂注射方案不优化、注射器控制不智能，各操作环节不连通的问题，提出了一种基于Java开发的一体化注射方案智能推荐与控制系统。通过智能化注射方案推荐，建立智能化的注射方案推荐模型，实现自动推荐最合适注射方案，提高注射效果和安全性；通过结合注射设备和影像处理算法，实现自动化注射方案控制，提高注射的准确性和一致性；通过实时监测注射过程中的影像数据和生物参数，对现有的检查全流程进行集成，保存并显示过程数据，提高治疗效果和患者的体验。最终，通过规则、案例推理与深度神经网络协同应用，实现造影剂方案的智能生成，并通过长连接实现对高压注射器的反馈与控制，为提高影像增强的智能化程度、改善医疗过程和结果和促进医疗结果互认提供了良好的综合方案。该系统已于华西医院进行应用，能够在影像增强检查中简化操作，提高影像质量，减轻对患者的身体损害，减少医疗资源的浪费。

• 基于联盟链的边缘缓存系统收益最大化的缓存策略

  杨帆,姜静,杜剑波,张雪薇,刘锰,琚磊,

  边缘缓存技术能够将热点内容提前放置在距离用户较近的网络边缘，可以显著降低传输时延、提高网络效率。然而，不同的运营商各自部署边缘设备，投入巨大且缓存内容相互隔离，无法共享。针对此问题，改进了一种基于联盟链的边缘缓存系统架构，运营商部署的边缘设备间能够打破内容隔离，实现更大范围的内容共享。此外，设计了基于智能合约的内容交易流程，使得不同运营商之间的合作变得可信、公平和可追踪。最后，考虑到热门内容的流行程度、文件大小以及传输时延等，对热点内容进行定价，并以收益最大化为目标，通过贪婪算法确定缓存内容放置的位置。仿真实验表明，基于该架构下的收益最大化缓存策略能够有效增加边缘缓存的收益。

• 基于影响力网络模型的多智能体一致性协议

  谢光强,章昊晋,李杨,

  如何增强系统一致性是多智能体系统研究中的一个重要问题。传统一致性协议通常未考虑拓扑中的关键节点，并且拓扑权重单一，从而导致系统更容易分裂。基于人际关系网络中的关键人物可以促进不同社区信息交流的思想，提出了一种影响力网络模型（influence network model，INM）。首先，提出了分布式的hub node识别算法（distributed hub node identify algorithm，DHNI），用于区分关键节点和非关键节点，可以应用在分布式多智能体系统中；其次，提出了基于分布式hub node的拓扑权重设计算法（distributed hub node-based topology reweighting algorithm，DHNTR），量化不同节点对其邻居的影响力；最后提出了基于影响力网络的一致性协议。设计了公共Lyapunov函数，分析了系统的全局稳定性，证明了系统具有Lyapunov意义下的稳定性。仿真实验表明该协议可以增强系统一致性。

• 5G抽头延迟模型中极化译码后处理方案

  沈园园,马秀荣,单云龙,

  考虑5G协议中的抽头延迟信道模型，针对分段循环冗余比特自适应（SCAD-SCL）极化译码算法未考虑信噪比对接收序列对数似然比影响的问题，提出SCAD-SCL的后处理（PSCAD-SCL）译码算法。通过仿真确定用于提高可靠性设定的常数和不可靠对数似然比的数目，翻转并适当放大不可靠的对数似然比值，从而提高误比特率性能。仿真结果表明，PSCAD-SCL的误比特率在信噪比1~3 dB优于原有SCAD-SCL译码算法。在误比特率为10-4时PSCAD-SCL较SCAD-SCL算法性能提升了约0.3 dB，提出算法能够提升5G传输性能。

• 一种新型的无线传感器网络能效路由算法

  曾伟健,梁家荣,

  为了解决重复分簇而加剧能量消耗的问题，提出了一种新的无线传感器网络能效路由算法——基于簇树的非均匀分簇路由算法（UCCT）。该算法分为两步。第一步，划分网络区域为面积不相等的两个区域，对每个区域内的节点集，利用K-中心算法确定其质心节点；以每个质心作为一个簇，计算其中继能耗开销；确定各簇间的通信路由。第二步，利用线性规划方法来确定非质心节点所属的簇，选取各簇中剩余能量最高的节点为相应的簇头。该算法的特点是无须重复分簇。仿真结果表明，与ANRB相比，采用UCCT进行通信路由，无线传感器网络的寿命延长10.97%，数据吞吐量提高了13.09%。

• 一种面向图数据的AWG-LDP局部差分隐私保护算法研究

  孙涛,李晓会,李晗,赵雪,

  针对传统的图数据隐私保护方法只关注保护属性或结构两者之一易导致节点或边隐私信息泄露的问题，提出了一种对属性加权图的局部差分隐私的保护算法（AWG-LDP）。首先，该算法利用GN算法将图数据划分成社区子图；其次，分别计算每个社区子图的局部敏感度，对于划分后的每一个子图，通过结合结构相似性和属性相似性并添加拉普拉斯噪声进行边扰动，实现局部差分隐私；最后，利用属性泛化的方式将待发布的节点进行泛化，防止节点敏感信息被攻击。利用真实的图数据集进行了不同参数配置以及不同算法的对比实验，实验结果表明该算法提升了隐私保护效果，同时，降低了信息损失，提高了数据的可用性。

• 基于差分隐私保护知识迁移的联邦学习方法

  徐晨阳,葛丽娜,王哲,周永权,秦霞,田蕾,

  联邦学习解决了机器学习的数据孤岛问题，然而，各方的数据集在数据样本空间和特征空间上可能存在较大差异，导致联邦模型的预测精度下降。针对上述问题，提出了一种基于差分隐私保护知识迁移的联邦学习方法。该方法使用边界扩展局部敏感散列计算各方实例之间的相似度，根据相似度对实例进行加权训练，实现基于实例的联邦迁移学习。在此过程中，实例本身无须透露给其他方，防止了隐私的直接泄露。同时，为了减少知识迁移过程的隐私间接泄露，在知识迁移过程中引入差分隐私机制，对需要在各方之间传输的梯度数据进行扰动，实现知识迁移过程的隐私保护。理论分析表明，知识迁移过程满足ε-差分隐私保护。在XGBoost梯度提升树模型上实现了所提方法，实验结果表明，与无知识迁移方法相比，所提方法使联邦模型测试误差平均下降6%以上。

• MPECA：面向多平台的高效密码算法

  李珂悫,冯景亚,韦永壮,赵琪,

  目前基于AESNI指令集设计面向6G系统高速加密算法备受业界关注，如ROCCA算法。然而，如何在不支持AESNI指令集环境下设计高速实现的密码算法是目前的研究难点之一。基于AES轮函数特点，设计了一个面向多平台的高效加密算法——MPECA。该算法轮函数采用四轮AES迭代操作，使其在不支持AESNI低端环境下仍可利用固定切片技术进行高效软件实现。特别地，MPECA比ROCCA在初始化和生成标签阶段少花销32个AES轮函数操作和128个XOR操作，使得其在支持AESNI指令的环境下实现更快捷。实验结果表明：与ROCCA相比，Intel平台上，在不支持AESNI环境下，MPECA加密速度提高了3.05倍，在支持AESNI环境下，MPECA加密速度提高了30.64%；在ARM平台上，MPECA加密速度提高了近2.37倍。此外，MPECA密码算法具有较高的安全强度，足以抵抗差分密码攻击、积分攻击及密钥恢复攻击等。

• 基于属性访问策略的批量零知识身份认证方案

  周雨卫,薛庆水,孙晨曦,马海峰,鞠兴忠,崔墨香,

  隐私保护技术主要有属性基加密、同态加密、多方安全计算等。针对属性基加密的访问控制中双线性映射耗时问题、同态加密难以非公开地验证明文计算的结果问题以及多方安全计算需要可信第三方等问题，提出了一种基于属性访问策略的批量零知识身份认证方案。该方案是基于Aurora 协议提出的，具有良好的抗量子攻击计算潜力；所提方案引入合成证明者，其作用是将各个用户生成的证明合成一个证明以减轻证明者和验证者计算开销，且设计了找出未通过认证用户的查找算法。最后对所提方案进行了安全分析、可行性分析并与其他方案进行了对比分析。经过分析该方案中验证者的时间复杂度可维持在O（n）。

• 基于ETRN具有任意压缩率的彩色加密图像有损压缩

  胡娟,王春桃,边山,

  当前大多数的先加密后压缩ETC（encryption-then-compression）方法只能够获得有限固定的压缩率，而无法获取到实际需求的任意压缩率。针对此问题提出一种具有任意压缩率的加密彩色图像有损压缩算法，该算法采用均匀下采样和随机下采样有机结合的方式对加密图像进行压缩，以获得加密图像的任意压缩率。接收方接收到加密图像的压缩序列后通过解压解密获得解密图像，随后把从解密图像有损重构原始图像的过程表征为一个结合下采样压缩方式约束的最优化问题，并设计一种基于卷积神经网络的有损ETC系统图像重构模型ETRN（ETC-oriented reconstruction network）来求解该优化问题。ETRN模型包含浅层特征提取层SFE（shallow feature extraction）、残差堆叠模块RIR（residual in residual）、残差信息补充模块RCS（residual content supplementation）、下采样约束模块DC（down-sampling constraint）。实验仿真结果表明，提出的加密彩色图像有损压缩算法能够获得优秀的加密压缩和重构性能，充分体现了该方法的可行性和有效性。

• 基于条件生成对抗网络的光场图像透视视图生成算法

  张逸骋,井花花,晏涛,

  光场图像新视图生成算法在视点内插和外插方面已经取得了良好的研究成果，但在视点位置平移和旋转一定角度情形下的透视视图生成仍然是一项具有挑战性的任务。针对上述问题，提出了一种基于条件生成对抗网络的光场图像透视视图生成算法LFIPTNet（light field image perspective transformation network），利用相机的位姿信息作为条件来引导条件生成对抗网络学习新视图的内容。提出了多个模块，充分利用相机位姿信息和光场宏像素图像（macro pixel image，MPI）记录空间信息、角度信息、深度信息来生成预测视图。提出的方法在构建的数据集上与最新的三种方法进行了比较，相比于性能第二的StereoMag模型，PSNR提高了7.77 dB，SSIM提高了0.35。消融实验部分对提出的模块进行了评估，验证了创新点的有效性。充分的实验结果表明LFIPTNet相比于现有算法，生成的预测视图更加准确。

• 基于视点预测的全景视频码率自适应策略

  刘克峰,李泽平,

  为解决全景视频传输中存在的视频卡顿多、用户体验质量（quality of experience，QoE）低等问题，研究当前主流的视点自适应传输方案，提出一种基于视点预测的码率自适应策略（VPBAS）。首先，构建了一种基于长短期记忆网络和全卷积网络的视点预测模型，模型将视点数据和视频显著性信息进行特征融合，实现不同模态数据的相互补充和修正，提高视点预测的准确率；然后，客户端采用随机森林算法预测当前的可用带宽，并根据视点预测结果和可用带宽信息为视频分块选择码率；最后，客户端把选择的码率信息定期发送给服务器，服务器根据反馈的信息向客户端推送最佳码率的全景视频流，这种交互过程在视频播放期间不断地重复，直至客户端观看完毕。实验结果表明，与现有传输方案相比，VPBAS能有效提高带宽受限情况下的视频观看体验。

• 3D-BSNet:双边特征和相似度量的点云实例分割网络

  田枫,徐昕,刘芳,刘宗堡,

  针对现有的三维分割方法在挖掘点云特征时，会忽略几何特征有效利用的问题，提出双边特征和相似度量的点云实例分割网络3D-BSNet（3D-bilateral feature and similarity measure network）。该网络主要由双边特征学习和轻量级相似度量两部分组成。首先提出一种包含基于子流形稀疏卷积的3D-UNet和多层感知机的双边特征提取模块，用于提取经过体素化处理的点云数据的语义特征和几何特征；然后设计一种结合通道维度和空间维度的双边注意力机制，用于减少双边特征聚合过程中产生的信息损失；最后开发一种轻量级相似度量模块，获取高维嵌入特征空间中邻近点云之间的相似性，并生成细粒度实例分割结果。实验表明，3D-BSNet在S3DIS和Scannet（v2）数据集上的多指标综合表现优越，其中在Scannet（v2）上的平均精确率比 SSTNet 提高了3.3%，有效提高了室内场景三维实例分割的精度。

• 基于NSCT域滚动引导滤波与自适应PCNN的医学图像融合

  邸敬,郭文庆,刘冀钊,廉敬,任莉,

  针对传统CT和MRI医学图像融合后存在边缘轮廓模糊、纹理细节丢失等问题，提出基于NSCT域结合相位一致性滚动引导滤波与改进参数自适应双通道PCNN的图像融合方法。首先，采用相位一致性滚动引导滤波对CT源图像进行增强，提高骨骼轮廓结构清晰度。然后，通过NSCT变换分解增强后的CT和MRI源图像得到低频子带和高频子带。低频子带系数采用改进参数自适应双通道脉冲耦合神经网络融合策略，明显改善了软组织的纹理细节模糊效果；高频子带系数采用加权求和修正拉普拉算法融合，提升了融合后图像的细节、纹理等信息。最后，通过逆NSCT变换重构出融合图像。通过五组对比实验表明，所提方法的AG、CC、SF、MSE以及CEN客观评价指标分别平均提高了13.30%、6.71%、4.40%、40.23%、19.16%，说明该融合方法在处理纹理细节、边缘轮廓、结构相似性以及图像像素方面性能更好。

• 基于多分支网络的道路场景实时语义分割方法

  廖文森,徐成,刘宏哲,李学伟,

  针对目前实时语义分割方法存在大目标分割不准确、小目标信息丢失的问题，提出一种基于多分支网络的实时语义分割算法。首先，对双边分割网络进行优化，设计了金字塔分支扩大感受野，以覆盖视野内的大目标，充分地将上下文信息结合起来；其次，设计双边指导融合模块，为深层和浅层的特征映射提供指导信息，弥补小目标信息的损失。最后在Cityscapes数据集上进行验证，实验结果表明所提模型以51.3 fps的推理速度使平均交并比达到77.8%，与基准相比，精度提高了2.5个百分点。所提方法采用金字塔分支，在扩大感受野的同时，获取不同尺度的语义边缘区域特性，增强对语义边界的建模能力，且提出的双边指导融合模块可以更有效地融合不同层次的特征，弥补下采样造成的信息丢失，能够更好地指导模型学习。

• 一种SOFC燃烧室燃烧状态识别方法

  王阳,付晓薇,李曦,

  针对固体氧化物燃料电池（SOFC）燃烧室燃烧状态识别问题，提出一种基于注意力机制与图像特征金字塔的SOFC燃烧室燃烧状态识别方法。该方法使用加权分布的自适应伽马矫正算法（AGCWD）进行数据前处理，对数据进行标准化；利用两个附加1×1卷积的全连接改进了压缩—激励结构，并结合空间注意力，提出了一种混合注意力结构，提升了网络特征提取能力；为增强特征的多尺度信息交流能力，使用双向计算和多尺度融合，提出了多尺度双向融合金字塔。实验表明，所提方法在参数量为3.98 M、浮点运算数（FLOPs）为397 M的前提下，识别准确率达到99.22%，能够有效识别SOFC燃烧室燃烧状态。

• 基于边缘关联点云的激光雷达与相机外参标定方法

  冯欣,李杰,余崇圣,钱基业,何颖,

  激光雷达的点云和相机的图像经常被融合应用在多个领域。准确的外参标定是融合两者信息的前提。点云特征提取是外参标定的关键步骤。但是点云的低分辨率和低质量会影响标定结果的精度。针对这些问题，提出一种基于边缘关联点云的激光雷达与相机外参标定方法。首先，利用双回波提取标定板边缘关联点云；然后，通过优化方法从边缘关联点云中提取出与实际标定板尺寸大小兼容的标定板角点；最后，将点云中角点和图像中角点匹配。用多点透视方法求解激光雷达与相机之间的外参。实验结果表明，该方法的重投影误差为1.602px，低于同类对比方法，验证了该方法的有效性与准确性。

• 胸部X线影像和诊断报告的双塔跨模态检索

  张嘉诚,欧卫华,陈英杰,张文川,熊嘉豪,

  针对现有胸部X线影像和诊断报告跨模态方法重点聚焦于全局信息对齐，忽视了影像和诊断报告间的细粒度语义关联，导致检索精度低、匹配度差的问题，提出全局和局部联合对齐的胸部X线影像和诊断报告双塔跨模态检索方法（CDTCR）。具体来说，针对细粒度语义表征，提出由残差网络组成的影像编码器学习影像的细粒度特征和由Transformer构成的BERT模型学习诊断报告的细粒度语义特征；针对细粒度语义关联问题，设计影像对句子和区域对词组两个不同粒度的模态间信息对齐策略，解决了不同模态间细粒度语义关联不足的问题。大型医学数据集MIMIC-CXR上的实验结果表明，CDTCR比现有的跨模态检索方法，检索精度更高、可解释性更强。

• 基于时空注意的毫米波雷达人体活动识别网络

  郑元杰,黄俊,陈州全,

  为了解决传统方式利用摄像头进行人体活动识别抗干扰性差以及侵犯用户隐私的问题，提出一种基于时空注意的毫米波雷达3D点云数据的人体活动识别网络，以实现智能应用上下文的准确感知。该网络首先使用二级滑动时间窗口分别累积和分离人体活动产生的点云数据作为分类器的输入，利用PointLSTM单元根据点云坐标关系聚合点特征和状态以提取人体活动的时间序列特征；然后拼接时空特征，通过采样分组模块降低整体网络计算量以及提升网络对局部特征的聚合能力；最后使用堆叠的注意力模块深度融合动态点云数据时空上的全局和局部特征以完成对人体活动任务的准确分类。利用毫米波雷达采集了多种人体活动点云数据集，实验结果表明，提出的时空注意网络平均准确度可达98.64%，能够有效识别复杂且差异小的人体活动类型，完成人体活动识别系统的要求。

• 特征挖掘与区域增强的弱监督时序动作定位

  王静,王传旭,

  弱监督时序动作定位旨在定位视频中行为实例的起止边界及识别相应的行为。现有方法尽管取得了很大进展，但依然存在动作定位不完整及短动作的漏检问题。为此，提出了特征挖掘与区域增强（FMRE）的定位方法。首先，通过基础分支计算视频片段之间的相似分数，并以此分数聚合上下文信息，得到更具有区别性的段分类分数，实现动作的完整定位；然后，添加增强分支，对基础分支定位中持续时间较短的动作提案沿时间维度进行动态上采样，进而采用多头自注意机制对动作提案间的时间结构显式建模，促进具有时间依赖关系的动作定位且防止短动作的漏检；最后，在两个分支之间构建伪标签互监督，逐步改进在训练过程中生成动作提案的质量。该算法在THUMOS14和ActivityNet1.3数据集上分别取得了70.3%和40.7%的检测性能，证明了所提算法的有效性。