计算机应用研究杂志

计算机应用研究杂志2024年第12期

• 面向扩散模型的电子健康档案数据生成研究综述

  魏博伦,张贤坤,

  医学领域的电子健康档案（electronic health records，EHR）数据涵盖了大量宝贵的生物医学知识，为医疗数据分析提供了重要的资源。然而，隐私保护和数据共享的限制成为研究的主要瓶颈，阻碍了数据分析和机器学习技术在医疗领域的应用和发展，为应对这些挑战，研究者探索使用生成式建模来生成EHR数据。首先介绍并概括了扩散模型的起源与发展；深入探讨了现有扩散模型的各种方法，对不同方法进行了详细分析；列举并对比了各种生成式建模方法在EHR数据生成中的应用效果，重点分析了扩散模型的优势和局限性。最后，总结了扩散模型在EHR数据生成领域的应用现状，讨论了当前研究的局限性并展望了扩散模型在该领域的未来发展方向。

• 基于符号距离函数的体渲染表面重建研究综述

  余瑛,万贻前,洪瀚,叶青,

  在计算机视觉和图形学领域，多视图物体表面重建是一个重要的研究方向。符号距离函数的体渲染技术是一种新兴的物体表面重建方法，因其在复杂场景重建中的出色表现受到人们广泛关注。旨在对符号距离函数的体渲染技术进行全面分析和总结，为未来研究人员提供参考。首先介绍了有向符号距离函数的基本原理及其在体渲染技术中的应用；随后，从提升表面重建质量、加快训练速度、稀疏视图重建、重光照和材料编辑、特定场景重建等方面整理分析了该领域的关键模型改进和技术进展；此外，还对比分析了不同模型在速度和性能方面的表现，并简要介绍了模型评估的主要指标和公开数据集；最后，对该领域的研究现状进行了总结，并对未来的研究前景进行了展望和探讨。

• 区块链跨链技术及其安全性综述

  朱涵,吴胜,

  跨链技术能促进资产互通、数据共享和生态系统互连，变得日益重要。然而，它面临着安全性方面的挑战。综述现有文献，探讨跨链技术及其安全性挑战，以及相应的技术和解决方案。首先介绍了跨链技术的研究背景与历史；再从三个不同的角度对跨链技术进行分类，并列举了不同跨链技术的代表性应用项目；接着详细介绍了几种跨链机制，分析了它们的不同之处与优缺点；随后，探讨了跨链所面临的安全性问题、恶意攻击以及不同跨链机制的安全能力；最后，对区块链跨链安全性问题进行了总结和展望。

• 自适应安全的区块链模糊多关键词可搜索加密方案

  翟社平,张瑞婷,杨锐,刘佳一腾,

  针对传统对称可搜索加密方案灵活性和安全性不足的问题，提出了一种自适应安全的区块链模糊多关键词可搜索加密方案。首先，使用局部敏感哈希模糊处理关键词，并为各文件生成双布隆过滤器存储和隐藏关键词，再以其为叶子节点结合基于图的关键词划分算法构造索引树，从而实现亚线性模糊多关键词搜索；其次，将默克尔哈希树与自适应多集累加器结合，用于验证搜索结果的正确性和完整性；此外，联盟链共识选举轮换产生授权节点管理加密密钥，链上部署智能合约执行添加和搜索交易，并提出以全局时间作为共识中间参考的存储优化机制，从而使得搜索安全可信并减少链上存储开销；最后，安全分析证明方案可抵抗自适应选择关键词攻击，仿真实验证明方案可实现亚线性多关键词搜索，具有实际应用价值。

• 基于节点可信度的区块链动态分片模型

  吴加英,袁凌云,陈美宏,谢天玉,

  针对当前区块链分片模型存在恶意节点聚集、分片失效率高及负载不均衡问题，提出基于节点可信度的区块链动态分片模型（blockchain dynamic sharding model based on node credibility，CBDSM）。首先，构建了一种区块链分片架构，以解决区块链面临的可扩展性瓶颈问题；其次，设计了节点可信度评估机制以量化节点的能力和可靠度，实现了节点的高效筛选和划分；在此基础上设计了动态网络分片算法及网络分片流程，通过对不同等级的节点进行动态分配，实现了链上负载均衡。理论分析和实验结果表明，相较于同类模型，该模型吞吐量提升了54%，共识失败率降低了46%，分片失效率降低了15.6%。该模型能够保障节点动态均衡，抵抗节点单点聚集和合谋攻击，确保了区块链分片系统的动态安全性，同时兼顾了系统的高性能及高可扩展性。

• 面向工业物联网的区块链多链存储模型

  杨锐,刘法鑫,张瑞婷,

  工业物联网环境中设备和传感器产生的大量数据被实时存储和处理，避免数据被非法获取、窜改或滥用是数据存储需要解决的关键问题。区块链具有可追溯和不可窜改的特性，可用于工业物联网数据安全存储与共享，但其存在吞吐量低、可扩展性差等问题。采用多链结构，实现了面向工业物联网的区块链多链存储模型以解决相应问题。首先使用多个区块链并行处理数据，不同区块链内定义不同的数据，实现数据的物理隔离；其次取消SM2算法证书认证，设置多密钥生成中心共同参与密钥生成，使其更契合工业物联网场景；最后采用SM2与SM4混合加密算法对交互数据加密，提升加解密速度的同时保证数据的安全性。实验结果表明，多链存储结构的吞吐量比单链存储结构有显著的提高，同时数据安全性也进一步提升。

• 多机器人巡逻可穿越圆的算法研究

  张蕊悦,魏琦,张文馨,吴浩男,

  对已知环境进行巡逻，是机器人的基本任务之一，在现实中有着广泛应用。相关问题在计算几何学和机器人学的研究中得到了广泛关注。机器人巡逻问题要求对规定区域长时间连续地进行覆盖，以空闲时间判断机器人巡逻效率，空闲时间越短，巡逻效率越高。针对变速机器人需同时巡逻区域边界和内部的情况，设计了可穿越圆模型，即机器人需要对圆边界和内部一条直径进行巡逻。针对该模型首先提出使用两个变速机器人的巡逻算法。在对模型几何特征分析的基础上，分析了最优算法应具备的一般要求，证明了所提算法的最优性。在研究两个变速机器人巡逻算法的基础上，提出了三个变速机器人相互配合巡逻可穿越圆的算法，并证明了在最好情况下空闲时间为分区算法的19/25。最后，通过实验仿真验证了理论分析的正确性。

• 多中心半开放式城市物流异构电动车辆路径优化

  初良勇,王嘉宁,丁静茹,

  随着国家政策的推动及新能源技术的发展，电动物流车在财政补贴、限行、节能环保和运营成本方面相较传统燃油车具有优势，越来越多的物流企业在城市配送中采用电动物流车。根据异构车型电动车辆配送队伍较单一车型电动车辆配送队伍具有降低物流配送费用优势的研究，在多中心半开放式情况下，考虑客户时间窗要求及电动车辆续航里程和充电约束，构建了配送总成本最小的电动车辆物流配送路径优化模型。针对该模型特点，利用遗传算法与模拟退火相结合的混合算法进行求解。分析表明，所构建的优化模型及求解算法可以有效解决多中心半开放式的异构电动物流配送车辆路径优化问题。

• 融合椭圆约束的快速行进树路径规划算法

  袁雷,贾小林,顾娅军,徐正宇,

  为解决快速行进树算法（fast marching tree，FMT*）生成路径拐点多，且由于冗余探索导致路径规划时间长的问题，提出一种融合椭圆约束的快速行进树算法（ellipse constraints FMT*，EC-FMT*）。首先引入椭圆约束限制算法探索范围，并结合直连策略避免冗余探索，缩短了路径规划时间；对于路径拐点多的问题，通过父节点重选策略修正路径，去除不必要的拐点。仿真实验表明：采样点数量为1 000、1 500、2 000个时，EC-FMT*与FMT*、RRT*、APF-Dynamic FMT*相比，在平均规划时间上分别降低了81.9%~86.76%、86.15%~89.78%、77.12%~85.76%，并且拐点数量也有所降低；同时，EC-FMT*与FMT*、APF-Dynamic FMT*相比，迭代次数分别减少了84.72%~87.03%、80.89%~85.55%。说明EC-FMT*能够有效减少冗余探索，缩短路径规划时间，提高路径质量。

• 基于分布式模型预测控制的实时可交互无人机群编队方法

  王子恒,李伊陶,熊兴中,

  为满足无人机群实时可交互的队形变化和个性化表演需求，提出了一种基于分布式模型预测控制（DMPC）的无人机群离线轨迹生成新算法。首先对于无人机编队时点对点队形变化问题进行数学建模并求解优化问题。为分布式模型预测控制引入了一种新的按需防撞策略，提出了一种用于多无人机点对点过渡的快速DMPC算法，再结合智能的目标点分配，在减少轨迹生成计算压力的同时得到更高效的飞行轨迹。通过仿真与现有方法进行了比较和性能评估，结果显示所提方法显著提升了轨迹生成的成功率、轨迹生成的速率和轨迹的飞行效率。该算法可以根据需求快速生成无人机群点对点队形变化所需的高效飞行轨迹，满足无人机群飞行表演的实时可交互性和观众的个性化需求。

• 基于图重构的社交知识推荐

  张馨月,高辉,

  现有推荐模型大多聚焦于显式地构建用户和物品的联系，忽视了对图结构高阶全局特性的建模，对用户隐式兴趣的挖掘不足。因此，提出了一种基于图重构的社交知识推荐模型（social knowledge recommendation based on graph reconstruction，SKRGR），引入图重构技术将用户-物品知识图谱划分为多个子图，并利用基于关系的图注意力网络和三层图神经网络对其进行独立编码。通过实施邻域增强策略，深入挖掘用户的隐式兴趣，促进了对邻域局部特征的建模。为进一步提升节点表示的质量，提出了全局对比学习机制，统一全局交互图和局部协作图的节点表征，并运用门控融合策略控制全局与局部的信息聚合。在Ciao和Epinions社交数据集上的实验结果表明，SKRGR模型在recall指标上平均提升了8.77%，在NDCG指标上平均提升了13.40%，相较于DSL、CLDS等基线模型展现出了显著的性能优势，验证了其在捕捉用户隐式兴趣和建模全局特征方面的有效性。

• 联合实体类别及邻域信息指导的实体对齐方法

  蒋敏,王淑营,

  针对当前的一些实体对齐工作仅利用关系结构信息，而忽略了实体与实体类别之间的联系以及属性信息的重要性的问题，提出一种联合实体类别及邻域信息指导的实体对齐方法。该方法通过嵌入关系三元组、属性三元组和实体类别信息，利用BERT预训练模型进行编码，解决缺失语义信息的问题，采用卷积神经网络提取属性特征，利用实体类别和种子词构建类别冲突矩阵。最后通过实体和属性指导实体对齐，并在迭代训练过程中将高质量的实体对加入到种子词中。在四个公开数据集上hits@1分别可达到90.1%、94%、92.5%和94.5%，相较于基准模型平均提升了6.225百分点，实验结果表明提出方法可以有效地实现实体对齐。

• 面向小样本命名实体识别的实体语义优先提示学习方法

  何丽,曾骁勇,刘杰,段建勇,王昊,

  近些年来，提示学习在小样本命名实体识别任务上得到了广泛应用。然而，命名实体识别仍然是一个令牌级的标记任务，在通过提示模板调动预训练知识时，很容易忽略新实体类型的语义信息。为此，提出了一个语义优先的提示学习方法。具体来说，首先检测少量示例中实体类型蕴涵的语义信息，然后将实体语义信息和询问实体位置的提示模板输入模型中，利用模型中的非自回归解码器并行预测来提取实体；此外，为了确保语义信息与实体类型的关联性，使用对比学习的方法来训练一个分类器，以去除与实体类型无关的语义信息；最后在两个常用的公共基准数据集上评估了所提方法，实验结果证明了该方法的有效性。

• 基于邻接矩阵优化和负采样的图卷积推荐

  王慧,梁兴柱,张绪,夏晨星,

  为了缓解推荐系统中随机初始化用户和物品的嵌入、忽视不同卷积层的重要程度以及负样本数量太少且质量不高的问题，提出了一种基于邻接矩阵优化和负采样的图卷积推荐方法（graph convolution recommendation method based on adjacency matrix optimization and negative sampling，AMONS）。具体来说，模型利用邻接矩阵对用户和物品进行嵌入优化，并在卷积层聚合时引入层衰减系数，区分不同层的重要程度。接着，为每对用户-正样本生成一组经过筛选的负样本，让模型能够充分利用用户-物品的历史交互数据，更好地学习用户偏好。在Gowalla和Amazon-Books两个公开数据集上进行了充分的实验，与相关方法相比，AMONS取得了最佳的性能表现，证明了方法的有效性。

• 基于多模深度森林和迭代Kuhn-Munkres的动态上车点推荐算法

  郭羽含,朱茹施,

  针对现存动态上车点配置模型在大规模算例的全局最优和求解效率方面存在瓶颈的问题，基于乘客步行距离、乘客步行时间、上车点路况指标以及至乘客目的地所需成本四个关键影响因子进行建模，并提出了基于多模深度森林的动态上车点预测算法和一种迭代Kuhn-Munkres上车点配置算法。预测算法融合了多模态决策树结构和深度学习技术以提升模型预测准确性；配置算法通过多场景自适应机制自动调整边权重并选择最优边进行增广，以得到所有乘客和上车点的最优配置。实验结果表明，相较于其他主流预测模型，该预测算法平均绝对误差降低2.705，均方误差降低5.915，可决系数提升0.214，解释方差提升0.195；配置算法在乘客数量占优条件下的平均调度效果相较于实验中其他方案提高了2.04%。这表明预测算法和配置算法具有较高的实用性，且配置算法在处理大规模实例上具有明显优势。

• 面向工业运维人机对话的意图和语义槽联合识别算法

  周超,王呈,夏源,杜林,

  在工业运维人机对话任务中，为解决运维数据中包含复杂嵌套实体以及存在少量缺字、错字的问题，提出一种改进的BERT联合任务算法GP-GraphBERT，利用意图和语义槽识别任务的关联性提升对话性能。首先，由BERT得到隐藏层状态后，通过构建邻接矩阵将其转换为图结构，嵌入加权残差图注意力网络（WRGAT）增强模型的邻居感知能力。其次，改进融合旋转式位置编码（rotary position embedding，RoPE）的全局指针机制（GlobalPointer），使模型能够无差别地识别常规实体和嵌套实体。最后，设计意图识别和语义槽识别任务的联合损失函数，利用两者的关联性提高预测精度，在模型训练过程中引入动态掩码处理，增强模型的鲁棒性和泛化能力。实验结果表明，GP-GraphBERT算法在工业运维人机对话数据集上意图识别和语义槽识别的F1分数达到87.5%和86.4%，相较于原网络JointBERT分别提升9.2和3.0百分点，同时能够满足运维数据嵌套实体识别需求。实验充分验证了算法在联合识别任务中的性能。

• 面向在线多标签分类的多核算法

  唐朝阳,翟婷婷,郑逸先,

  近年来，多核方法已被证实在很多领域上有着比单核更好的性能。然而，现有的在线多标签分类算法大多采用单核方法，并且依赖于离线的核函数选择过程。为了克服这些问题并提升分类性能，提出了一种在线多核多标签分类算法（online multi kernel multi-label classification，OMKMC）。具体而言，OMKMC将多个核分类器及其权重系数的学习建模成一个非凸优化问题，使用交替最小化方法求解这一问题，推导出了核分类器及其权重系数的闭式更新公式。此外，OMKMC还引入了孤立核以解决大规模数据上的计算问题。在八个公开数据集上的实验表明，相较于其他几种先进多标签分类算法，OMKMC在多项性能指标上均有优势，证明了OMKMC是有效的。

• 基于双分支融合和时频压缩激励的鲁棒语音关键词识别

  张婷婷,邱泽鹏,赵腊生,毛嘉莹,

  现实生活中的噪声会对语音时域和频域信息产生干扰，导致语音关键词识别模型在噪声环境下准确率下降。针对此问题，提出了双分支融合单元，其中时域分支与频域分支以并行的方式提取时域特征和频域特征，降低了串行堆叠时域卷积和频域卷积所带来的信息损耗；随后通过交叉融合的方式加强模型对时频信息的感知，进一步增强了模型特征表达能力。同时提出了时频压缩激励模块，通过对时域与频域中信息的重要性分布建模，可以为模型提供选择性关注有价值片段的能力，进一步提高了模型鲁棒性。在Google Command v2-12数据集上，相比于对比模型，所提模型在不同信噪比的测试中取得了更高的识别准确率，且参数量更低；对于训练阶段未涵盖的信噪比条件，所提模型在测试中展现出更高的泛化性。实验结果表明，本文模型在识别准确率和参数量方面更具优势，具有更好的噪声鲁棒性。

• 一种多种群二进制算术优化算法及其应用

  王若宾,耿芳东,王佳伟,徐琳,段建勇,

  针对算术优化算法（AOA）无法对离散二进制型问题进行优化的局限，提出一种使用sigmoid函数变体实现的离散二进制算术优化算法（BAOA_S），解决了原始算法无法用于离散二进制变量优化的问题。进一步提出一种基于突变策略实现的多种群二进制算术优化算法（multi-swarm binary arithmetic optimization algorithms，MS-BAOA）。该算法将原始种群划分为多个子种群，子种群间通过通信策略进行交流，并使用突变策略进一步增强种群多样性，克服了BAOA_S无法跳出局部最优解的缺陷。基于CEC2013基准函数将MS-BAOA与BAOA_S、二进制粒子群算法（binary particle swarm optimization algorithm，BPSO）、二进制灰狼优化算法（binary gray wolf optimizer，BGWO）、二进制鱼群迁徙算法（binary fish migration optimization algorithm，BFMO）以及二进制均衡优化器（binary equilibrium optimizer，BiEO）进行了对比，实验结果显示MS-BAOA总体上优于对比算法。将MS-BAOA应用于配电网故障区段定位中，实验结果显示该算法能够对配电网单点故障以及多点故障实现快速精准定位，进一步验证了该算法的实用性。

• 基于动态多种群机制的增强花授粉算法

  李大海,凌继源,王振东,

  针对花授粉算法易陷入局部最优、收敛精度不足和过早收敛的问题，提出一种基于动态多种群机制的增强花授粉算法（DMEFPA）。首先，DMEFPA使用一种融合个体适应度值和相对距离的方法挑选中心个体，使选出的个体既保持较高质量又保持在搜索空间的分布广泛，再将剩余个体划分到距离最近的中心个体构成多种群，随后依据概率来考虑是否接受种群状态变化。其次，各子群通过随机顺序动态构成环拓扑进行个体迁移，以增强种群多样性避免陷入局部最优。最后，通过改进局部搜索策略，以完善对解空间的探索。选用CEC2017测试函数集中的12个函数作为性能基准函数，将DMEFPA和其他5个改进算法：SCFPA、HLFPA、WOFPA、AMSSA、SHSSA进行评测，并对改进策略进行了消融实验。基于实验结果的Friedman检验表明，在改进策略的共同作用下，DMEFPA能获取最优的性能，且全局收敛性能较为稳定。

• 多策略强化的金豺优化算法

  林雨珊,刘升,

  为了解决金豺优化算法种群多样性差、收敛速度慢、易陷入局部最优等问题，提出了一种多策略强化的金豺优化算法（strengthening golden jackal optimization，SGJO）。首先，采用混沌精英池策略生成精英种群以增强种群多样性并提高初始解质量；然后利用自适应扰动因子更新个体位置以扩大算法的寻优范围；最后，基于种群内个体差异引入柯西高斯突变策略，以解决算法易陷入局部最优的难题且有效提高了收敛速度。通过在基准测试函数与CEC2021测试函数上进行策略有效性实验，并与其他群智能优化算法对比实验来验证SGJO算法的寻优性能，通过Wilcoxon秩和检验与汽车侧面碰撞优化问题来验证SGJO算法的稳健性和有效性。实验结果表明，多策略强化的金豺优化算法有效增强了算法的寻优能力及收敛速度，与其他算法相比具有一定的优越性。

• 多维背包问题的新型人类学习优化算法

  张翼鹏,刘勇,马良,

  针对目前算法求解多维背包时精度低、稳定性差、特别是无法有效求解超大规模算例等问题，提出一种新型人类学习优化算法。首先，基于认知心理学中的记忆理论，在基本人类学习算法中采用哈希函数表示人类在学习过程中的记忆行为，避免重复搜索，提高算法搜索群体多样性；其次，采用认知心理学中的对比认知理论对学习算子选择策略进行自适应调整；最后，采用变邻域搜索操作提升算法局部搜索能力。采用小规模、中等规模、大规模、超大规模共76个多维背包问题的标准测试数据集进行数值实验，并将新算法和二进制粒子群算法、遗传算法、人类学习算法以及融合学习心理学的人类学习算法进行比较。结果表明新算法能够有效求解四种规模算例。与其他算法相比，新算法具有更高的寻优精度和更好的稳定性。此外，对提出的三种优化策略进行分析，测试其对提高算法搜索性能的有效性。

• 基于Holt差分预测校正的动态多目标优化算法

  刘志霖,康岚兰,董文永,

  为高效追踪动态多目标优化问题中随时间或环境变化而不断演变的Pareto前沿，提出了一种新的基于环境感知与预测校正的动态多目标优化算法（HD-DMOEA）。该算法包含三个主要策略：首先使用Wilcoxon符号秩检验对环境变化进行检测，并提出一种新的环境感知算子对环境变化强度进行判定。其次，构建Holt差分预测校正模型预测种群个体在下一个时间窗的位置，并在预测过程中根据参考点进行预测校正，以提高模型预测精度，加快算法寻优速度。另外，提出了一种新的变异方法，该方法根据环境变化强度引入不同的变异个体，以维持种群多样性，从而降低种群陷入局部最优的概率。为验证HD-DMOEA的有效性，将HD-DMOEA与五种最先进的预测算法分别在测试集FDA和dMOP上进行实验对比分析，实验结果表明，HD-DMOEA在搜索过程中能有效动态平衡种群的多样性和收敛性，实现对Pareto 前沿的持续高效追踪，并且优于其他五种对比算法。

• 邻域精英集体信息和种群全局信息自适应的多策略差分进化算法

  宋晓宇,朱彦霖,赵明,

  为了使差分进化算法（differential evolution，DE）能够更好地利用个体邻域和整个种群的信息，提出了邻域精英信息和种群全局信息自适应的多策略差分进化算法（adaptive multi-strategy differential evolution algorithm for neighborhood elite collective information and population global information，MSDE-NECPG）。首先，充分利用个体邻域中多个精英个体的信息对变异策略进行引导，使搜索向更好的方向移动，提高开发能力。其次，为了让邻域的状态能够随着搜索过程不断地进化，引入邻域更新机制。当邻域最优个体连续多代更新失败，邻域可能陷入局部最优，此时扩大邻域半径，提高探索能力。同时，引入变异策略“DE/current-to-pbest”，这一策略不划分邻域，是基于种群的全局信息。两个策略基于个体的改进率进行多策略的自适应，在局部信息和全局信息之间进行平衡。此外，为了防止参数的错误交互，缩放因子F、交叉率CR根据成功历史积累进行更新，采用分组的参数自适应机制，不断适应搜索过程。最后，为了验证其有效性，在CEC2014的30个基准函数上，与 5 种迄今为止比较先进的差分进化算法进行比较，实验结果表明，所提算法的精度、稳定性和收敛速度比得上这5种先进的算法。

• 基于时空邻域关联去噪时间面的事件数据表示

  林凯滨,陈云华,钟金煜,魏鹏飞,

  事件相机具有超高动态范围和超低延迟等优势，通过事件流分割、过滤与事件表示来提取事件相机输出数据的有效时空特征是发挥其优势的关键。现有基于时间戳采用指数核函数计算时间面的事件表示方法，可以保留事件中更多的有效信息，但仍然存在事件冗余度高、容易受到噪声事件的影响等问题。针对现有的事件流分割与过滤方法存在冗余度高的问题，提出一种新的基于密度排序的事件降尺度算法，通过分析事件流中的时空邻域关系计算时空关联密度，并根据时空关联密度进行密度排序，从而减少冗余事件，降低计算资源的消耗。针对现有事件表示易受噪声事件影响的问题，提出一种基于时空邻域关联去噪时间面的事件数据表示，考虑时空间上的关联性来形成时间面上的事件簇，从而筛选出有效事件，在提高时间面信噪比的同时降低计算复杂度。该方法在三个主流的神经形态数据集上取得了SOTA的分类准确率。对事件相机目标分类的事件流数据降维和事件表示方向进行研究，有效提高了事件相机目标分类的效率和精度。

• 动态网络社团发现及演化模式分析方法

  潘雨,姚锋,刘鑫,张磊,王帅辉,王沛,

  如何充分考虑网络的演化过程准确发现动态网络的社团结构，并对社团演化模式进行跟踪和分析是动态网络社团发现的重要挑战。提出一种动态网络社团发现及演化模式分析算法EC-DCD。该算法利用前一时刻的社团发现结果作为先验信息来减少网络噪声对社团发现的影响，利用演化聚类框架平滑连续时刻的社团演化，获得每个时刻准确的社团结构。同时，引入社团演化矩阵对社团演化模式进行建模和跟踪，实现社团演化模式的分析和可视化。实验部分，将EC-DCD同基线算法FacetNet、DYNMOGA、DNMF、NE2NMF和CoDeDANet在人工数据集与真实数据集上进行了对比实验，实验结果证明EC-DCD不仅能够准确地划分每个时刻的社团结构，具有较强的稳定性，还能够跟踪社团的演化模式。

• 基于大模型使用方程双重验证提示的数学问题求解

  张颖霖,刘昌辉,黄淑芬,

  尽管使用思维链（chain of thought，CoT）的大模型（large language model，LLM）在单未知数的数学问题求解（math word problem，MWP）任务上取得了显著成果。但是，目前的研究缺乏适用于方程数学问题的方法。由于数学问题求解对推理步骤具有很高的敏感性，列方程出错会导致后续步骤连环出错，所以提出一种渐近式验证纠正的方法2ERP，一边验证一边纠正步骤错误，输出最有可能的正确答案。在验证环节使用等式和答案的双重验证，回代答案到等式确保计算的正确，从数学表达式获取数值关系来验证等式的正确性。在纠正流程中，根据回代的结果和双重验证的一致性排除错误的推理路径，逼近正确结果。与其他CoT方法相比，2ERP方法在6个数据集上均取得了性能上的提升，平均准确率达到了66.2%，尤其是方程问题的数据集上，平均提高了6.9百分点。2ERP方法是一种设计提示的零样本方法，通过多次迭代提高数学问题的准确率，并输出具有详细步骤的求解过程，该方法在方程问题上的提升更加明显。

• 基于动态超图小波神经网络的半监督超图节点分类

  庞俊,程俊澳,林晓丽,王蒙湘,

  半监督超图节点分类任务旨在利用少量节点的标签信息，预测未标记节点的标签，在复杂网络分析和应用中具有重要意义。现有半监督超图节点分类模型主要存在以下两点不足：a） 神经网络层数增加后，忽视隐藏的高阶关系；b） 模型时间复杂度高。因此，提出了一种新的动态超图小波神经网络（dynamic hypergraph wavelet neural network，DHGWNN），解决半监督超图节点分类问题。一方面，提出了一种基于k-NN、k-Hop和注意力机制的超图动态构建方法，挖掘节点之间隐藏的高阶关系，进一步丰富超图特征嵌入；另一方面，使用超图上的小波变换，构建了一种超图小波卷积网络，并重新推导了卷积更新公式，以解决模型时间复杂度高的问题。四个引文网络真实数据集上的实验结果表明，该方法的分类性能优于基线模型。

• 基于时空Transformer-encoder的跨社交网络用户匹配方法

  张洋,马强,

  针对目前基于签到时空数据的跨社交网络用户匹配方法未充分利用时空信息之间的耦合关系，导致时空数据特征提取困难，匹配准确率下降的问题，提出了一种基于时空Transformer-encoder的跨社交网络用户匹配方法。该方法通过网格映射将签到时空信息转换为序列数据，生成签到序列；利用序列嵌入层将离散的签到序列映射到连续高维空间；然后借助多头注意力机制和卷积神经网络提取高维签到特征，并利用卷积神经网络实现优化多头注意力模块权重变换和特征融合；最后利用前馈神经网络实现分类，输出用户匹配得分。在两组真实社交网络用户数据集上进行大量用户匹配实验，与现有方法相比，准确率提升了0.40~10.53百分点，F1值提升了0.43~9.5百分点。这验证了所提方法能够有效提取用户签到耦合特征，并提高用户匹配的性能。

• 边缘计算卸载策略的ORB-SLAM3建图算法

  章杰,党淑雯,陈丽,

  针对同步定位与地图构建（SLAM）中需要的大量计算资源和高昂的计算成本，以及ORB-SLAM系统建图过程中计算资源大量消耗的问题，提出一种基于边缘计算卸载策略的ORB-SLAM3建图算法。首先，引入动态规划算法有效筛选关键帧子集，构建不确定性量化模型用以评估地图中的不确定性；然后，结合最小化马氏距离优化地图；最后，在移动设备和边缘服务器中分别构建最佳局部地图和全局地图。采用TUM-RGB-D数据集进行实验。结果表明，相较于传统ORB-SLAM3算法，改进后算法在关键帧数量较少的环境下精度较高，定位精度平均提高14.2%；改进后算法的CPU占用率较低，平均减少了20.7%。验证了在计算资源受限时，改进型算法在构建最佳局部和全局地图的可行性及有效性。

• Raft存储集群中的日志分发机制优化

  徐辉,高辉,

  在分布式存储系统中，Raft（replicated and fault tolerant）算法的强领导特性在节点数量增多时会带来巨大的日志分发开销，限制了系统性能和水平扩展能力。针对系统性能和扩展性瓶颈，提出了两种新的日志机制来优化一致性哈希集群分布式存储方案。第一种是基于动态优先级的日志分发机制，日志分发顺序由领导者与跟随者节点日志的同步程度决定，加快了日志项的提交速度；第二种是基于窗口流水线的日志分发机制，领导者节点指派日志同步程度较高的跟随者节点对同步程度较低的跟随者节点进行日志分发，缩短了系统中节点日志趋向一致的时间。相比于未优化方法，吞吐量和日志同步时间在多节点集群上有显著提升，证明了两种日志机制在改进系统性能上的有效性。

• 基于EV变量预处理与多目标蛇优化的微电网调度方法

  于仲安,夏强威,肖宏亮,叶康,

  针对大量电动汽车（EV）入网使微电网运行控制难度增加以及经济调度等问题，提出一种基于EV充放电状态变量预处理和多目标蛇优化的微电网调度方法。首先，通过排列组合的方式得到每辆EV所有充放电方案，按一定顺序给予这些充放电方案编号，并采用可调度充放电时段结合分时电价的方式进行条件限定以削减变量的决策空间，实现EV变量预处理。其次，建立以等效净负荷波动性、微电网运行成本、EV用户充电成本最小为目标的微电网优化调度模型，并利用改进多目标蛇优化算法进行求解。实验结果表明，所提EV预处理方法能实现EV的有序充放电并降低多方目标值；和其他多目标算法对比，所提方法有效降低了有序充放电模式下的各目标值。综上，所提方法与改进策略能有效提高算法的求解精度，实现电网的经济调度。

• 基于主机标识符关联的双栈节点IPv6地址快速扫描技术

  方亚开,张连成,郭毅,张宏涛,程兰馨,

  为增强用户IPv6地址的隐私性，苹果生态操作系统（包括macOS、iOS和iPadOS）节点使用随机接口标识符和临时IPv6地址。此外，因苹果移动终端节点协议支持和防火墙配置的特殊性，导致现有本地链路IPv6地址扫描技术存在IPv6地址扫描结果完整度低、缺乏对移动终端节点支持的问题。为此，提出一种基于主机标识符关联的双栈节点IPv6地址快速扫描技术（HScan6）。首先通过地址解析协议（ARP）扫描获取本地链路中活跃的IPv4地址，然后通过DNS服务发现（DNS-SD）协议获取与活跃IPv4地址相关联的主机标识符；接着使用组播DNS（mDNS）协议获取与主机标识符相关联的IPv6地址；最后利用互联网控制报文协议第六版（ICMPv6）差错报告功能对同一主机的不同全球单播地址进行分类，以区分永久和临时IPv6全球单播地址。构建了一个由4个桌面版本（macOS）和6个移动版本（iOS和iPadOS）苹果生态操作系统组成的典型IPv6本地链路环境，将HScan6同两个基于双栈关联的IPv6地址扫描方法LLMNR6和LinkScan6及Nmap工具的4个IPv6地址扫描脚本进行比较。实验结果表明，LLMNR6和LinkScan6无法有效扫描到这些节点的IPv6地址，而与Nmap的4个脚本相比，HScan6可额外扫描多达20个IPv6地址，有效提升了IPv6地址扫描结果的完整度。此外，具体到单个苹果生态操作系统，HScan6可额外多检测1～2个IPv6全球单播地址。

• 序列比对算法BWA的优化

  胡爽,陈长波,

  序列比对是基因组数据分析的关键一环，提高其比对效率对推动测序技术在医学、古生物学等领域的应用具有重要意义。针对BWA算法两大步骤之一的SAMSE存在冗余读取索引导致效率欠佳的问题，提出了新的算法BWA*。其通过运用流程优化消除了SAMSE中参考序列及其索引的冗余读取，在此基础上叠加运用关键参数值调整和多线程优化等技术，进一步提高了计算效率。公开数据库中的真实序列测试表明，BWA*的SAMSE步骤的性能是BWA中SAMSE性能的7.11~8.61倍，平均为7.84倍，BWA*的整体性能是BWA的1.25~1.70倍，平均1.47倍。针对实际应用中的古代DNA序列比对，实验表明和另一常用工具BWA-MEM相比，优化后的BWA*在继承原有BWA高精度特性的同时，实现了对BWA-MEM速度的超越。

• 基于S4PR网的多类型不可靠资源AMS自适应死锁控制策略

  孙雅婷,刘伟,

  自动制造系统（AMS）产生的死锁为制造企业造成严重经济损失，为解决死锁问题，提出了更精确、有效的死锁控制策略。该策略首先研究多类型不可靠资源对死锁的影响，扩展S4PR网建模，提出新的网结构表征死锁：资源严格极小虹吸，改进混合整数规划（MIP）方法计算资源严格极小虹吸，添加修复子网保证AMS活性；其次考虑资源故障问题，设计控制器与监督器确保系统稳健性，添加观察器，实现死锁控制自适应性；最后通过仿真实验验证该策略允许更多可达标记，得到多项式复杂度，对比分析其有效性与优越性。该策略研究复杂死锁与故障情况，为生产要求较高的制造过程提供稳健控制，在实际生产中实现高效化、智能化。

• CCA并行构件程序分布式负载均衡方法

  彭云峰,刘家磊,石聪明,高国伟,

  现有的并行构件程序大多采用静态或者集中式的动态负载均衡策略，性能优化效果并不理想。通过分析CCA（Common Component Architecture）并行构件程序的运行机制，提出一种动态的、分布式的并行构件程序负载均衡方法。使用基于面向对象机制的方法建立计算节点的类库，通过数据流分析管理不同并行构件调用之间的依赖关系，将不存在依赖的并行构件实例作为可以并行执行的任务分配给计算平台上的不同计算节点执行。实验表明，相对于已有的静态或集中式的负载均衡策略，能更好地利用计算资源，同时避免可能由管理节点造成的瓶颈效应，有较小的负载均衡开销，能取得更好的性能效果，具有较好的可扩展性。

• 频谱能量均衡的低空智联网无人系统信道干扰协同管理

  孙启禄,王桂胜,王叶群,田继伟,

  为适应未来无人系统自主化、分布式的低空智联联合抗干扰发展趋势，解决资源有限的无人系统各节点面临的信道干扰管理和功率控制问题，提出了干扰协同联合功率控制的网络吞吐量优化方法，实现在多普勒频移和外部干扰影响下网络吞吐量的最大化，并均衡整体的能量效率和频谱效率。根据无人系统簇首节点的不同全双工工作状态，分析了可能存在的跨层、同层以及混合层三种干扰形式，综合分析多普勒频移和外部干扰影响下跨层干扰、同层干扰和混合层干扰的信干噪比估计，并推导出相应的信干噪比关系；为减轻干扰影响的同时降低能量消耗，设计基于功率控制和干扰协同的网络吞吐量模型，进而针对性地设计了集中式迭代方法和分布式智能策略，用于求解复杂的非凸组合优化问题。仿真结果表明，该方法在无人系统部署密度、节点天线数量和组网通信容量之间保持了较好的平衡关系，一定程度上提高了无人系统的频谱利用率和抗干扰传输能力。

• 空地协同移动边缘计算系统的资源分配和轨迹优化

  李智灏,李俊杰,崔苗,张广驰,

  随着车联网的普及应用，车辆需要完成大量的实时计算任务，为了增强车辆的无线连接与计算能力，引入具有高机动性和按需部署优点的无人机进行辅助是一种有效方法。因此，研究了一个面向车联网的空地协同移动边缘计算系统，该系统由分别部署在无人机和地面基站的移动边缘计算服务器组成，协作为车辆提供通信和计算服务。为了最小化车辆的最大平均通信计算时延，研究了一个联合优化无人机和地面基站的通信带宽分配、计算任务卸载比例分配、无人机轨迹和计算资源分配的问题。为求解这个非凸优化问题，提出一种基于块坐标下降法和连续凸优化方法的高效交替优化算法，将原问题分解为带宽分配、计算任务卸载比例分配、无人机轨迹优化和计算资源分配四个子问题，并引入松弛变量和利用一阶泰勒展开的方法对子问题进行交替迭代求解。仿真结果表明，与多种基准方案相比，该算法能够有效地降低车辆的平均通信计算时延。这证明了无人机和地面基站的空地协作对车联网的通信与计算能力提升的重要性。

• 智慧城市中协同服务部署与任务调度的自适应机制

  陈婷婷,王素红,唐钰本,蔡争,覃团发,

  边缘计算通过利用边缘侧的计算、存储和网络资源为用户提供低时延、高响应性的服务，但在智慧城市边缘系统中仍面临着资源有限、服务请求多样性和边缘服务器过载等挑战。对此，研究了资源受限下联合服务部署与任务调度问题，提出了一种基于层次化时间框架的自适应协同服务部署及任务调度方案。优化问题的目标是在充分考虑任务优先级的情况下，优化系统时延和负载均衡。首先建立了系统时延和负载均衡的系统开销模型，并引入服务水平协议（service level agreement，SLA）提高灵活性。其次通过考虑服务优先级与访问频率构建启发式服务部署算法，再进一步提出一种改进的二元平衡优化器（binary equilibrium optimizer，BiEO）的任务调度算法来优化系统开销。最后，利用上海电信数据集进行仿真实验。结果表明该方法与其他方法相比，在平均加权时延（average weighted response time，AWRT）方面能降低12.35%以上，在负载均衡方面能优化14.47%以上，实现了更低时延的同时，保证了边缘服务器负载的均衡。

• 基于自监督学习PBS-Net和通道提纯的信息隐藏主动防御方法

  马媛媛,赵颖澳,徐富永,张倩倩,辛现伟,

  信息隐藏主动防御技术作为信息隐藏的对立面，能够阻断非法隐蔽通信的传输。然而，现有的主动防御方法过度依赖载体-载密图像对，无法对未知载密图像主动防御，使其防御的误码率在实际社交网络中降低。针对上述问题，为了在通信双方毫无察觉的情况下彻底阻断秘密信息的传输，提出一种自监督学习盲点网络和通道提纯的主动防御方法。首先，通过像素混洗采样策略降低载密图像中像素之间的空间相关性，将学习方式从监督学习改进为自监督学习；其次，中心掩码卷积和空洞卷积残差块用于消除载密图像中的秘密信息；最后，设计通道提纯模块改善图像纹理细节。该方法无须任何信息隐藏方案的先验知识以及人工操作，使得在主机接收到可疑图像之前消除秘密信息，阻断社交网络中的隐蔽通信。实验结果表明，该方法具有高秘密信息破坏效果和高图像质量，能够达到100%的防御成功率，阻断社交网络中的隐蔽通信。同时，在不同负载率的数据集下，该方法与SC-Net和AO-Net进行对比，在秘密信息消除方面各提升14.14%和2.91%，在图像质量方面各提升9.14%和43.34%。

• 基于OLH和虚拟数据的SDP直方图发布算法

  曹来成,陈丽,

  中心化差分隐私和本地化差分隐私下的直方图发布技术已得到广泛研究。为解决用户隐私需求和发布误差之间难以平衡的问题，在混洗差分隐私模型下提出一种直方图发布算法OD-HP（histogram publishing based on optimized local hash and dummy points）。该算法采用优化本地哈希扰动机制OLH对用户数据进行编码和扰动，解决了数据值域过大导致误差较大的问题。为抵御混洗器和收集端的合谋攻击，在扰动后的数据中添加虚拟数据，混洗端将扰动后的数据和虚拟数据随机均匀混洗，并在收集端进行直方图发布，最后使用EM算法对混洗后的数据求精优化。从理论上分析了OD-HP算法的隐私性和可用性，并在真实数据集上对所提出的方案进行验证。实验结果表明OD-HP算法在保证数据隐私性的同时有效降低了发布误差。

• 抗恶意敌手的多方概率门限隐私集合交集方法

  巩一德,张恩,王梦涛,

  概率门限隐私集合交集研究作为门限隐私集合交集的一种概率变体，在指纹或人脸识别、联邦学习等领域比确定型门限隐私集合交集协议效率更高。然而现有的概率门限隐私集合交集协议缺少针对恶意模型下的多方概率门限隐私集合交集的研究。针对该问题，提出了两种在恶意模型下安全的多方概率门限隐私集合交集协议。第一个多方概率门限隐私集合交集协议在参与方之间没有合谋行为时，能够抵御任意恶意敌手，并且使用对称密钥源语高效地实现了协议。该协议在八个参与方的场景下，集合大小为220，门限值为0.5 n，协议的时间成本约为24.59 s。此外，在第一个协议的基础上结合零共享方案以及不经意可编程伪随机函数设计了一种抗合谋版本的协议，即当两个指定参与方不同时参与合谋时，该协议可以抵抗任意参与方子集进行合谋攻击。在相同实验设置下，当合谋参与方数量为N/2时，协议的时间成本约为40.00 s。与现有方案的实验对比可得，该协议具有更多的应用场景与更好的效率。

• 基于推迟重采样的时空路径复用蓄水池算法

  刘双嘉,马宁,李方钏,张严辞,

  现有的基于蓄水池的时空重要性重采样（ReSTIR）算法在渲染具有光泽（glossy）材质的场景表面时，难以兼顾渲染质量和性能。为此提出了一种基于推迟重采样的时空路径复用蓄水池算法。其基本思想是仅复用起点为漫反射（diffuse）材质的路径和子路径，利用diffuse采样分布的弱方向性，减少采样分布差异。具体而言，该算法将样本获取和重采样计算，从着色点推迟到路径上第一个diffuse材质的路径顶点。此外，提出了一种路径选择方法，通过选择推迟距离更小的路径，来增强重采样结果对渲染结果的影响。实验结果表明，与其他ReSTIR算法相比，该算法能够以较低的性能开销，取得较高质量的glossy表面渲染结果，在实时渲染中具有更高的实用价值。

• 基于高阶纹理与结构特征交互的瓦当图像修复

  胡涛,刘世平,汪昊,程鹏飞,孟庆磊,辛元康,

  针对中国历史建筑中瓦当构件图像在修复过程中图像纹理紊乱和边缘结构模糊丢失加剧的问题，提出了一种基于高阶纹理与结构特征交互的生成对抗式瓦当图像修复方法。首先以编码器-解码器作为基本架构，对破损图像及其边缘结构图进行纹理与结构特征的编码与解码；其次，在编码器和解码器中设计循环部分卷积层以增强图像高阶与低阶特征的交互，提高模型对瓦当图像纹理和结构细节的表征能力；最后，设计特征融合层以实现纹理和结构特征图的信息融合与细节增强。针对典型瓦当构件，构建了一套包含图像类、图案类和文字类的瓦当图像数据集。在该数据集中进行瓦当图像修复实验验证，实验结果表明，所提方法与常用算法相比，在主观感受和客观评价指标方面均表现出更加优异的修复结果。

• 多模态嵌入与轨迹修正的三维多目标跟踪

  赵国伟,刘恒源,李辉,秦修功,杨浩冉,陶冶,

  点云和图像的多模态特征具有很强的优势互补性，能够有效提升三维多目标跟踪的性能。然而，由于跟踪场景的复杂性和目标状态的不确定性，使得目标跟踪仍面临许多挑战。基于此，提出多模态嵌入与轨迹修正的三维多目标跟踪算法。首先构建多模态嵌入学习网络，通过多尺度语义特征学习与多模态再融合模块，学习更具判别性的嵌入表示；其次，提出多特征综合关联模块，联合跟踪嵌入和几何信息，同时修正角度预测错误，实现更精确的数据关联；最后，提出双流轨迹修正与管理算法，修正错误消失轨迹，以提升轨迹的准确性。在KITTI数据集上对提出的方法进行评估并与其他先进方法进行比较，该方法的HOTA指标达到了77.72%，MOTA指标达到了88.24%，整体体现出较好的跟踪性能。实验证明该方法有效地提升了跟踪精度，并减少了跟踪错误的发生，具有良好的跟踪性能。

• 基于CLIP的视频时刻检索预训练模型

  缪翌,张卫锋,徐领,

  视频时刻检索作为下游任务，依赖预训练模型提取特征的能力。近年的研究表明，以CLIP为代表的图像-语言预训练模型在大规模数据集下能学习到有效且通用的语义知识，从而在图像分类等任务上表现出强大的迁移能力和零样本能力。然而其迁移到视频时刻检索任务仍效果不佳。为解决上述难题，提出了视频时刻检索网络VMRNet，该网络以CLIP预训练模型为骨干，并设计了用于增强CLIP模型时序建模能力和跨模态交互能力的视频时序增强模块VTEMo。该模块采用旁路层级结构，引入查询文本引导的视觉提示，引导视觉编码器学习当前查询任务关注的视觉信息和时序信息。在QVHighlights、Charades-STA等常用数据集上进行了验证实验，VMRNet的R1@0.5指标在两个数据集上分别提高0.83和1.27，模型总体性能优于其他代表性的模型。实验结果充分表明，提出的VTEMo可在查询文本引导下有效学习视频视觉特征和时序特征，VMRNet结合VTEMo可在视频时刻检索任务上获得更为优秀的表现。

• 基于多尺度视觉信息和非局部目标挖掘的肿瘤分割

  邱丹丹,任书敏,张倩,句建国,涂慧娟,

  从计算机断层扫描（CT）中准确分割各种临床病变是肿瘤学成像的关键任务。然而，现有分割框架均是针对某种特定类型疾病设计的，且对于精确分割视觉上不显著的小范围肿瘤仍然极具挑战性。为此，通过模仿临床医生的诊断行为，提出基于多尺度视觉信息和非局部目标挖掘的非显著小肿瘤分割框架。该框架首先结合尺度空间理论提取1.0×、0.5×、1.5×尺度下的差异化特征。然后，使用尺度融合模块分层融合特定尺度的特征映射，得到既全面又准确的肿瘤表征。得到的特征通过全局定位模块捕获通道和空间位置的远程语义依赖关系，从全局角度定位肿瘤，得到初始预测结果。分层聚焦模块基于前景和背景特征进行上下文探索，逐层聚焦错误区域，并利用逐元素加法、减法消除这些错误。通过逐层细化粗糙的预测结果，最终实现更为精细的非显著小肿瘤分割。在小肠间质瘤数据集（SISD）和胰腺肿瘤数据集（PTD）的实验表明，该框架在6个标准度量下均优于现有的10个先进方法。所提框架在SISD和PID数据集上分别达到58.37%和57.64%（Dice），比之前最优秀的结果分别提高7.38百分点和4.07百分点。