计算机应用研究杂志

计算机应用研究杂志2024年第1期

• 共情对话研究进展

  何俊,饶方喜,周志豪,徐秋,

  人工智能驱动的对话是当前研究热点，有着广泛的应用前景。但目前这类对话系统普遍缺乏情感交互能力，限制了其在心理关爱、抑郁症等精神障碍疾病方面的应用。如何让对话系统充分理解用户情绪并生成带有共情的回复是目前对话系统面临的主要挑战之一。首先介绍了共情对话研究中情感感知和共情对话生成两大挑战，并分别调研归纳了相关研究方法。情感感知任务大致可分为基于规则、基于机器学习和基于深度学习三类方法，共情对话生成大致可分为基于检索和基于动态生成两类方法。接着介绍了共情对话的最新发展动向，并总结了共情对话数据集、通用对话数据集和多模态数据集的特点和链接，归纳了当前共情对话研究中不同的评估方法便于后续研究。最后对共情对话的研究工作进行了总结和展望。

• 可解释的视觉问答研究进展

  张一飞,孟春运,蒋洲,栾力,ErnestDomanaanmwiGanaa,

  在视觉问答（VQA）任务中，“可解释”是指在特定的任务中通过各种方法去解释模型为什么有效。现有的一些VQA模型因为缺乏可解释性导致模型无法保证在生活中能安全使用，特别是自动驾驶和医疗相关的领域，将会引起一些伦理道德问题，导致无法在工业界落地。主要介绍视觉问答任务中的各种可解释性实现方式，并分为了图像解释、文本解释、多模态解释、模块化解释和图解释五类，讨论了各种方法的特点并对其中的一些方法进行了细分。除此之外，还介绍了一些可以增强可解释性的视觉问答数据集，这些数据集主要通过结合外部知识库、标注图片信息等方法来增强可解释性。对现有常用的视觉问答可解释方法进行了总结，最后根据现有视觉问答任务中可解释性方法的不足提出了未来的研究方向。

• 基于GAT与SVM的区块链异常交易检测

  谭朋柳,周叶,

  公有链因为透明公开而面临着众多恶意交易和非法加密活动的问题，这造成了区块链出现异常交易，对用户的资产和信息安全造成严重损害。针对区块链异常交易问题，提出一种关注区块链事务图局部结构邻节点特征与联系，基于图注意神经网络（graph attention network，GAT）与支持向量机（support vector machine，SVM）相融合的区块链异常交易检测方法——GAS（graph attention network and support vector machine）。采用随机森林对节点交易数据特征进行重要性评估，并选取降序排列后前140个重要特征，再结合邻节点特征，利用GAT对当前节点进行特征更新，更新后的特征作为SVM的输入，从而实现异常检测。实验结果表明，相比非融合方法，GAS检测结果性能更优，准确率可达98.11%，精度可达94.01%以及召回率可达85.48%。

• 区块链赋能多边缘安全联邦学习模型

  姜晓宇,顾瑞春,张欢,

  联邦学习是一种革命性的深度学习模式，可以保护用户不暴露其私有数据，同时合作训练全局模型。然而某些客户端的恶意行为会导致单点故障以及隐私泄露的风险，使得联邦学习的安全性面临极大挑战。为了解决上述安全问题，在现有研究的基础上提出了一种区块链赋能多边缘联邦学习模型。首先，通过融合区块链替代中心服务器来增强模型训练过程的稳定性与可靠性；其次，提出了基于边缘计算的共识机制，以实现更加高效的共识流程；此外，将声誉评估融入到联邦学习训练流程中，能够透明地衡量每一个参与者的贡献值，规范工作节点的行为。最后通过对比实验证明，所提方案在恶意环境下仍然能够保持较高的准确度，与传统的联邦学习算法相比，该方案能够抵抗更高的恶意比例。

• 基于超图卷积网络和目标多意图感知的会话推荐算法

  王伦康,高茂庭,

  当前先进的会话推荐算法主要通过图神经网络从全局和目标会话中挖掘项目的成对转换关系，并将目标会话压缩成固定的向量表示，忽略了项目间复杂的高阶信息和目标项目对用户偏好多样性的影响。为此提出了基于超图卷积网络和目标多意图感知的会话推荐算法HCN-TMP。通过学习会话表示来表达用户偏好，首先依据目标会话构建会话图，依据全局会话构建超图，通过意图解纠缠技术将原有反映用户耦合意图的项目嵌入表示转换为项目多因素嵌入表示，再经图注意力网络和超图卷积网络分别学习目标会话节点的会话级和全局级项目表示，并使用距离相关性损失函数增强多因素嵌入块间的独立性；然后嵌入目标会话中节点位置信息，加权每个节点的注意力权重，得到全局级和会话级会话表示；利用对比学习最大化两者互信息，经目标多意图感知，针对不同的目标项目自适应地学习目标会话中多意图的用户偏好，得到目标感知级会话表示，最后线性融合三个级别的会话表示得到最终的会话表示。在Tmall和Nowplaying两个公开数据集上进行大量实验，实验结果验证了HCN-TMP算法的有效性。

• 基于非文本模态强化和门控融合方法的多模态情感分析

  魏金龙,邵新慧,

  针对各模态之间信息密度存在差距和融合过程中可能会丢失部分情感信息等问题，提出一种基于非文本模态强化和门控融合方法的多模态情感分析模型。该模型通过设计一个音频-视觉强化模块来实现音频和视觉模态的信息增强，从而减小与文本模态的信息差距。之后，通过跨模态注意力和门控融合方法，使得模型充分学习到多模态情感信息和原始情感信息，从而增强模型的表达能力。在对齐和非对齐的CMU-MOSEI数据集上的实验结果表明，所提模型是有效的，相比现有的一些模型取得了更好的性能。

• 基于时序感知DAG的多模态对话情绪识别模型

  沈旭东,黄贤英,邹世豪,

  针对现有对话情绪识别方法中对时序信息、话语者信息、多模态信息利用不充分的问题，提出了一个时序信息感知的多模态有向无环图模型（MTDAG）。其中所设计的时序感知单元能按照时间顺序优化话语权重设置，并收集历史情绪线索，实现基于近因效应下对时序信息和历史信息更有效的利用；设计的上下文和话语者信息融合模块，通过提取上下文语境和话语者自语境的深度联合信息实现对话语者信息的充分利用；通过设置DAG（directed acyclic graph）子图捕获多模态信息并约束交互方向的方式，在减少噪声引入的基础上充分利用多模态信息。在两个基准数据集IEMOCAP和MELD的大量实验表明该模型具有较好的情绪识别效果。

• 基于三维空间旋转平移的自适应知识表示方法

  李子茂,汤先毅,尹帆,王灿,姜海,

  现有知识图谱表示学习研究中普遍存在忽视特定关系的语义空间、难以建模非单射复杂关系或多种关系模式等问题，尤其是在不可交换的组合以及子关系两种关系模式上表现不佳。针对该问题，在对实体自适应投影的基础上，利用罗德里格斯旋转公式将旋转操作从二维空间拓展到三维空间并进行平移优化，提出一种新的具有强表征能力的模型ATR3DKRL。通过理论推导可以证明该模型能够建模非单射复杂关系以及多种关系模式。在多个通用数据集上的实验结果表明，该模型可以有效提高链接预测精度，在数据集DB100K与FB15K-237中四个指标上领先现有基线模型，其中在DB100K上评价指标MRR和H@1相较于基线模型RotatE分别大幅提高了3.3%以及6.5%。

• 融合交互强度的优化社交推荐算法

  周璐鑫,李曼,蒋明阳,张雷,

  针对现有社交化推荐算法忽视了评级数据与社交信息之间关联的探索，提出了一种融合交互强度的优化社交推荐算法。首先，利用社交信息和评级数据结合两种相似度丰富社交矩阵；接着，定义用户间交互强度代表用户间复杂关系；最后，利用交互强度与社交关系之间的关联以及用户潜在特征与用户群体参与特征的关联构建新的目标函数，学习用户和项目的潜在特征，实现个性化推荐。在三个真实数据集上进行实验，与基线模型相比，提出算法在推荐预测精度上有显著提升，且在对不同评级数量的用户进行潜在特征学习时，表现出良好的鲁棒性。综上，融合交互强度可以进一步提升社交化推荐算法性能，增强用户体验感。

• 面向矩阵秩函数准确估计的自表示子空间聚类方法

  刘明明,羊远灿,杨研博,张海燕,

  传统子空间聚类方法通常使用矩阵核范数代替矩阵秩函数进行低秩矩阵恢复，然而在目标优化过程中主要关注低秩矩阵大奇异值的影响，容易导致矩阵秩估计不准确的问题。为此，在分析矩阵奇异值长尾分布特点的基础上，提出使用基于截断Schatten-p范数的低秩子空间聚类模型。该模型充分考虑小奇异值对低秩矩阵恢复过程的贡献，利用小奇异值信息拟合矩阵奇异值的长尾分布，通过对矩阵秩函数进行准确估计以提升子空间聚类性能。实验结果表明，与现有加权核范数子空间聚类WNNM-LRR和近邻约束子空间聚类BDR算法相比，在Extended Yale B数据集上的聚类准确性分别提升了11%和8%，所提方法能够更好地拟合数据奇异值分布以及生成准确的相似度矩阵。

• 面向复杂数据审计需求的数据血缘构建方法

  潘晓华,金泳,高扬华,朱心洲,沈诗婧,

  针对复杂数据审计需求，现有方法是通过查询分析数据库中每条执行语句信息，数据审计效率低下；目前也有一些手段是使用数据血缘工具进行快速查找，但是这种方式需要侵入系统获取源码，容易造成数据泄露或者被恶意窜改。针对这些问题，提出一种面向复杂数据审计需求的数据血缘构建方法，融合日志预处理、数据关系解析、数据对齐等关键技术，通过解析系统运行日志信息以非侵入的方式实现数据血缘图谱的构建，并面向烟草物流出入库环节形成数据审计工具。以烟草物流中13 796个批次货物在流转过程中所对应的155 728条事务日志为测试数据集，从完整性、构建成本、数据审计效率三个方面进行对比实验。结果表明，提出的方法能够在10 s内完成查询任务，占用内存为1.23 MB/百条，明显少于现有方法。相比现有方法，提出的方法可在数据级粒度上进行完整准确的数据血缘构建，且使用基于该方法所构建的数据血缘进行数据审计能够大幅度提升卷烟物流过程中的数据审计效率。

• 基于多通道时空编码器的交通流量预测模型

  张安勤,秦添,

  传统的交通流量预测模型对历史数据进行时空建模，忽略了交通数据的时间周期性内部潜在关系和交通路网间节点的距离特征和相似性空间特征。据此，提出面向交通流量预测的多通道时空编码器模型MC-STGNN，用于提高交通流量预测的准确率。首先将交通数据处理成三通道的周期性时间序列，并对整体的序列数据进行时间位置编码和自适应的空间位置编码，提取路网节点间的动态相关性；其次引入具有卷积结构的多头自我注意力机制，更大程度地捕获周期数据不同程度的时间相关性；最后提出一种图生成器生成新的时空图，提取路网节点间的相似性和距离特征，并利用门控图卷积网络整合原始图和新时空图的空间信息。在高速公路数据集PEMS03和PEMS08上进行一小时的交通流量综合预测实验，结果表明，MC-STGNN模型与其他的基线模型相比，具有更佳的性能指标，说明MC-STGNN模型具有更优的建模能力。

• 基于专家反馈的广义孤立森林异常检测算法

  祝诚勇,黄鹏翔,李理敏,

  针对孤立森林算法无法检测与轴平行的局部异常点以及树结构无法动态更新等问题，提出了一种基于专家反馈的广义孤立森林异常检测算法。首先，将数据映射在单位特征向量上，从映射区域内选择分割点划分数据空间，重复此操作构造出一棵广义孤立树；然后，给广义孤立森林中每棵树的叶节点引入权重，综合考虑子空间划分次数和子空间内样本数量对数据异常分数的影响；最后，计算每个数据的加权异常分数，并选择异常分数较大的数据交由专家进行批量标注，算法根据标注结果更新叶节点权重，从而实现树结构的动态调整。实验结果表明，该算法在7个数据集中专家标注真实异常的数量优于其他同类树结构算法，并在12个数据集中平均准确率比孤立森林、扩展孤立森林和广义孤立森林分别提升了38.952%、49.144%和49.144%。

• HHUIM：一种新的启发式高效用项集挖掘方法

  高智慧,韩萌,李昂,刘淑娟,穆栋梁,

  针对基于启发式的高效用项集挖掘算法在挖掘过程中可能丢失大量项集的问题，提出一种新的启发式高效用项集挖掘算法HHUIM。HHUIM利用哈里斯鹰优化算法进行种群更新，能够有效减少项集丢失。提出并设计了鹰的替换策略，解决了搜索空间较大的问题，降低了适应度函数值低于最小效用阈值的鹰的数量。此外，提出存储回溯策略，可有效防止算法因收敛过快陷入局部最优。大量的实验表明，所提算法优于目前最先进的启发式高效用项集挖掘算法。

• 基于相似图投影学习的多视图聚类

  赵伟豪,林浩申,曹传杰,杨晓君,

  随着数据来源方式的多样化发展，多视图聚类成为研究热点。大多数算法过于专注利用图结构寻求一致表示，却忽视了如何学习图结构本身；此外，一些方法通常基于固定视图进行算法优化。为了解决这些问题，提出了一种基于相似图投影学习的多视图聚类算法（multi-view clustering based on similarity graph projection learning，MCSGP），通过利用投影图有效地融合了全局结构信息和局部潜在信息到一个共识图中，而不仅是追求每个视图与共识图的一致性。通过在共识图矩阵的图拉普拉斯矩阵上施加秩约束，该算法能够自然地将数据点划分到所需数量的簇中。在两个人工数据集和七个真实数据集的实验中，MCSGP算法在人工数据集上的聚类效果表现出色，同时在涉及21个指标的真实数据集中，有17个指标达到了最优水平，从而充分证明了该算法的优越性能。

• 基于子空间学习的快速自适应局部比值和判别分析

  曹传杰,王靖,赵伟豪,周科艺,杨晓君,

  降维是处理高维数据的一项关键技术，其中线性判别分析及其变体算法均为有效的监督算法。然而大多数判别分析算法存在以下缺点：a）无法选择更具判别性的特征；b）忽略原始空间中噪声和冗余特征的干扰；c）更新邻接图的计算复杂度高。为了克服以上缺点，提出了基于子空间学习的快速自适应局部比值和判别分析算法。首先，提出了统一比值和准则及子空间学习的模型，以在子空间中探索数据的潜在结构，选择出更具判别信息的特征，避免受原始空间中噪声的影响；其次，采用基于锚点的策略构造邻接图来表征数据的局部结构，加速邻接图学习；然后，引入香农熵正则化，以避免平凡解；最后，在多个数据集上进行了对比实验，验证了算法的有效性。

• 一种基于荧光信息导航的聚类算法

  王跃飞,曾世杰,于曦,刘兴蕊,李越,

  聚类是无监督机器学习算法的一个分支，它在信息时代具有广泛的应用。然而，在多样化的聚类算法研究中，常存在密度计算需要指定固定的近邻数、需要提前指定簇数目、需要多次迭代完成信息叠加更新等问题，这些问题会让模型丢失部分数据特征，也会加大计算量，从而使得模型的时间复杂度较高。为了解决这些问题，受萤火虫发光和光信息传递、交流的启发，提出了一种萤光信息导航聚类算法（firefly luminescent information navigation clustering algorithm，FLINCA）。该方法由腐草生萤和聚萤成树两大模块构成，首先将数据点视作萤火虫，并采用自适应近邻数的方式确定萤火虫亮度，通过亮度完成萤火虫初步聚类，然后再根据萤火虫树进行簇融合，完成最终聚类。实验证明，与12种不同的算法进行对比，FLINCA在4个聚类benchmark数据集和3个多维真实数据集上表现出较好的聚类效果。这说明基于萤火虫发光和光信息传递的FLINCA算法在聚类问题中具有广泛的应用价值，能够有效解决传统聚类算法中存在的问题，提高聚类结果的准确率。

• 基于Spark和NRSCA策略的并行深度森林算法

  毛伊敏,刘绍芬,

  针对并行深度森林在大数据环境下存在冗余及无关特征过多、两端特征利用率过低、模型收敛速度慢以及级联森林并行效率低等问题，提出了基于Spark和NRSCA策略的并行深度森林算法——PDF-SNRSCA。首先，该算法提出了基于邻域粗糙集和Fisher score的特征选择策略（FS-NRS），通过衡量特征的相关性和冗余度，对特征进行过滤，有效减少了冗余及无关特征的数量；其次，提出了一种随机选择和等距提取的扫描策略（S-RSEE），保证了所有特征能够同概率被利用，解决了多粒度扫描两端特征利用率低的问题；最后，结合Spark框架，实现级联森林并行化训练，提出了基于重要性指数的特征筛选机制（FFM-II），筛选出非关键性特征，平衡增强类向量与原始类向量维度，从而加快模型收敛速度，同时设计了基于SCA的任务调度机制（TSM-SCA），将任务重新分配，保证集群负载均衡，解决了级联森林并行效率低的问题。实验表明，PDF-SNRSCA算法能有效提高深度森林的分类效果，且对深度森林并行化训练的效率也有大幅提升。

• 多策略融合的蛇优化算法及其应用

  王永贵,赵炀,邹赫宇,胡鹏程,

  针对蛇算法寻优阶段交互性差，初始种群随机程度严重，易陷入局部最优解等问题，提出了一种多策略融合的蛇优化算法（multi-strategy snake optimizer，MSSO）。首先，利用正交矩阵对蛇种群进行初始化，使个体分布更加均匀；其次，设计探索开发阶段切换的自适应方程，用以替换原有的食物量与温度阈值，使算法进行自适应阶段切换；最后，使用联合反向选择策略替换算法原有的新个体孵化方法，提高算法收敛精度的同时加快算法收敛效率。选取10个基准测试函数从不同角度对MSSO算法进行实验，测试算法性能，分析各策略的有效性，并使用Wilcoxon秩和检验来证明算法显著性，通过两个工程应用仿真实验来验证MSSO的实用性。各实验结果表明MSSO较比较算法综合表现更优，证明MSSO算法改进在寻优能力、鲁棒性、实用性等方面均有所提升。

• 基于领导者竞争策略的改进猎人猎物优化算法

  常耀华,韦根原,

  针对猎人猎物优化算法寻优精度低和易陷入局部最优等问题，提出了一种基于领导者竞争策略的改进猎人猎物优化算法。首先将种群随机分为三个亚群，采用不同的搜索策略，扩大搜索范围；其次，采用精英组合突变策略，提升种群子代多样性，规避局部最优值；最后，提出领导者竞争策略，利用个体间的信息交流，统合各个策略，筛选出最优变量。通过数值实验以及在工程优化问题上的应用结果表明，所提算法相较于对比算法具有更为优异的寻优能力，验证了改进策略的有效性和可靠性。

• 自适应状态转移模拟退火算法及其应用

  徐博,韩晓霞,董颖超,卢佳振,武晋德,张文杰,

  状态转移模拟退火算法（STASA）作为解决复杂优化问题的有效方法，其搜索效率依赖于搜索算子和参数值的选择，在一些高维复杂问题上出现效率低下的问题。提出一种自适应状态转移模拟退火算法（ASTSA），通过自适应算子和参数选择策略来提高算法的适用性和求解效率；借鉴群智能算法的均值更新方法对平移算子进行改进，增强算子的搜索特性。通过23个基准测试函数和8个工程设计问题进行实验验证并与其他算法对比，证明了ASTSA算法和改进策略的有效性。

• 面向异构效用的移动群智感知多目标任务分配

  傅彦铭,陆盛林,祁康恒,许励强,陈嘉元,

  当前移动群智感知（MCS）任务分配往往只考虑工人或平台单方面的效用，并且效用的构成也不够全面。因此基于工人信誉指数和任务熟练指数，设计了工人和平台两方面的异构效用机制，并提出一种双种群竞争的多目标进化算法（DCMEA）来获得最优的工人和平台异构效用。该算法首先通过随机贪婪初始化种群，然后使用二元竞标赛算法将种群划分为胜者种群和败者种群，并针对每个种群采用不同的进化策略。最后，通过修复算子使进化过程中的无效个体满足约束条件。在真实场景的数据集上进行实验表明，与基线算法相比，DCMEA收敛速度更快，能够找到精度更优、稳定性更好的任务分配解集，同时在更为复杂的场景中依然能够保持其性能。

• 结合模糊控制的深度强化学习交通灯控制策略

  秦侨,杨超,杨海涛,黄旭民,张斌,杨海森,

  现有交通信号灯控制策略大多针对单一交叉口展开分析，该策略仅考虑车流量的单一因素，难以适应动态的路网状态。对此，提出了一种结合模糊控制的深度强化学习交通灯控制策略，利用SAC（soft actor critic）深度强化学习对两交叉口的交通信号灯相位选择及配时进行联合优化，同时考虑车辆速度、路段车辆排队长度等因素，利用模糊控制对SAC的惩罚函数进行处理。实验结果表明，与固定循环周期策略、SAC控制策略和DDPG（deep deterministic policy gradient）控制策略相比，提出的交通信号灯控制策略能获得更快的车辆通行速度，车辆的油耗和尾气排放情况也得到了改善。

• 基于Petri网工作流模型展开树的路径序列相似性算法

  许山山,史涯晴,简开宇,魏居尚,张文焘,

  在实际的数据迁移项目中，为了解决数据映射的问题，需要确定两个工作流模型之间的相似度。从工作流模型的相似性方面进行分析阐述，提出了基于Petri网的工作流模型展开树的路径序列相似性算法。首先采用深度优先搜索算法和动态规划算法对模型进行搜索；其次通过提出的算法获取展开树的所有路径序列；最后利用编辑距离算法计算两个模型序列之间的两两相似度，进而完成模型相似性计算；相较于其他的主流相似度算法，主要优点在于可以精确计算得到模型部分结构和行为相似度，可以更好地确定流程间映射，从而找到数据映射的解决方法。实验结果表明，该方法较主流的基于模型结构和行为相似性的算法，计算合理性和准确性有很大提升。

• 用于双阈值脉冲神经网络的改进自适应阈值算法

  王浩杰,刘闯,

  脉冲神经网络（spiking neural network，SNN）由于在神经形态芯片上低功耗和高速计算的独特性质而受到广泛的关注。深度神经网络（deep neural network，DNN）到SNN的转换方法是有效的脉冲神经网络训练方法之一，然而从DNN到SNN的转换过程中存在近似误差，转换后的SNN在短时间步长下遭受严重的性能退化。通过对转换过程中的误差进行详细分析，将其分解为量化和裁剪误差以及不均匀误差，提出了一种改进SNN阈值平衡的自适应阈值算法。通过使用最小化均方误差（MMSE）更好地平衡量化误差和裁剪误差；此外，基于IF神经元模型引入了双阈值记忆机制，有效解决了不均匀误差。实验结果表明，改进算法在CIFAR-10、CIFAR-100数据集以及MIT-BIH心律失常数据库上取得了很好的性能，对于CIFAR10数据集，仅用16个时间步长就实现了93.22%的高精度，验证了算法的有效性。

• 基于区间分块Q学习的智能车辆安全舒适刹车算法

  余欣磊,周贤文,张依恋,顾伟,

  针对当前智能汽车刹车场景下的安全与舒适性问题，提出一种基于区间分块的Q学习算法。首先在Q表中将前车加速度以一定间隔划分入等长区间，用区间中值做间隔来划分后车加速度。其次通过在安全条件下与加速度呈负相关的奖励设置，使智能体在保证安全的前提下尽量降低刹车加速度。最后在智能体训练的过程中遵循ε-贪心策略以减少随机性，在训练完毕后遵循贪心策略以最大程度利用智能体。将提出的算法与传统Q学习算法在三种常见道路场景上进行仿真测试。实验结果显示使用提出算法的智能车辆在刹车场景中安全率100%、平均刹车加速度小于2 m/s2且能处理连续刹车加速度，表明提出的算法能够在确保智能汽车安全刹车的同时实现较低的刹车加速度。同时在连续刹车加速度与离线环境等复杂情况下，算法均能正常使用。

• 基于容器技术的水文水动力模型软硬件适配方法

  张海嘉,刘家宏,梅超,王佳,高希超,

  随着国产化软硬件系统的发展和普及，将现行的计算程序适配到国产硬件和操作系统上是科学研究和业务化应用的关键，亟待探索提出专业计算模型的软硬件适配方法。现有关于专业计算模型的软硬件适配方法存在缺乏通用性、硬件依赖性强等问题。鉴于此，系统解析了国产化适配需要解决的关键问题，并对比了现行的软件适配技术，筛选出容器技术作为水文水动力模型的国产适配技术。容器技术可将应用程序打包成独立的运行环境，摆脱对底层架构和操作系统的依赖。以水文水动力模型TELEMAC为例，详细说明了Docker镜像构成原理，并通过Dockerfile文件构建了TELEMAC镜像环境，开展了计算案例的验证。结果表明TELEMAC镜像能够安全运行在以鲲鹏920处理器为核心的openEuler和麒麟V10等国产软硬件平台上，且案例计算结果与标准结果相一致，模型计算效率高，实现了专业科学计算模型的国产化软硬件适配，该研究可为其他软件国产化适配提供参考借鉴。

• 存储系统中的局部修复阵列码模型

  洪铁原,唐聃,熊攀,蔡红亮,曾琼,许源平,

  对于单容错和双容错的存储系统，在磁盘修复过程中发生的任何故障都可能引起数据丢失，导致修复失败，保证数据的修复效率对于存储系统的可靠性至关重要。RDP码在进行单盘故障修复时使用混合恢复算法能减少25%的读取总量，但是在进行双盘故障修复时需读取所有的元素。针对目前难以同时提升单双盘故障修复效率的问题，对RDP码进行拓展，提出了一种具有局部修复性质的阵列码模型——DRDP码。DRDP码在RDP码的基础上将部分数据列按水平线进行异或计算生成局部水平校验列，并将其参与到全局校验列的编码计算中，从而缩短了修复链，使其拥有局部修复的功能。通过理论分析，DRDP码拥有良好的编译码复杂度和更新效率，大幅节省了单盘故障修复读取开销，并对双盘故障修复读取开销进行了优化，同时能修复75%三盘故障的情况。实验结果表明，与RDP码、LRRDP码和RDP（p，3）码相比，DRDP码的编码时间可节省8.23%~32.89%、单盘故障修复时间可节省7.08%~35.01%、双盘故障修复时间可节省5.07%~29.26%。

• 基于改进连续时间动态系统的模拟SAT求解器

  赵海军,陈华月,崔梦天,

  针对布尔可满足性问题的高效求解进行了研究。首先，通过对k-SAT问题和基于耦合常微分方程形式的确定性连续时间动态系统的分析，提出了一种基于时延信息形式的改进连续时间动态系统方程，以保持集中搜索特性；然后，提出了实现该系统方程的三个主要组件即信号动态电路、辅助变量电路和数字验证电路的模拟设计。在信号动态电路的设计中，设计了一种获得更高性能、更小面积和更低功耗的模拟硬件形式；在提出的辅助变量电路和数字验证电路的模拟硬件设计中，实现了避免梯度下降搜索陷入无解和确定给定问题的解是否已经找到的目标；同时提出了降低面积和功耗的可替代辅助变量电路的两种设计方案。仿真实验结果表明，提出的新的模拟SAT求解器不仅是有效的，而且相比于单一软件算法实现的SAT求解器和其他硬件类SAT求解器具有更高的加速性能和更低的功耗。

• 基于模糊MACBETH和生态位理论的PSS方案评价方法

  曾鹏,耿秀丽,

  针对多属性决策方法与生态位理论结合的PSS评价方法权重确定过程中一致性检验繁琐、权重计算过程复杂和未考虑评价语义的模糊性的问题，模糊MACBETH用于确定客户价值的权重和客户体验阶段提供客户价值的重要性系数；该方法无须复杂的计算过程，利用三角模糊数处理语义的模糊性且依托软件系统自动检验一致性，提高了评价效率和准确度。针对生态位优势仅适用于完全竞争状态的优势计算，将生态位重叠与生态位优势结合，提出的竞争优势公式可以体现方案间竞争程度和生态位优势表示方案间的竞争优势的优点，反映方案间真实的竞争状态。最后以某新能源汽车制造企业PSS方案评价问题为例验证了所提方法的有效性。

• 基于自蒸馏与自集成的问答模型

  王同结,李烨,

  知识蒸馏结合预训练语言模型是构建问答模型的主要方法之一，然而，这类方法存在知识转移效率低下、训练教师模型耗时严重、教师模型和学生模型能力不匹配等问题。针对上述问题，提出了一种基于自蒸馏与自集成的问答模型SD-SE-BERT。其中：自集成基于滑窗机制设计；学生模型采用BERT；教师模型由训练过程中得到的若干学生模型基于其验证集性能进行加权平均组合得到；损失函数利用集成后的输出结果和真实标签指导当前轮次的学生模型进行训练。在SQuAD1.1数据集上的实验结果表明，SD-SE-BERT的EM指标和F1指标相比较BERT模型分别提高7.5和4.9，并且模型性能优于其他代表性的单模型和蒸馏模型；相较于大型语言模型ChatGLM-6B的微调结果，EM指标提高4.5，F1指标提高2.5。证明SD-SE-BERT可以利用模型自身的监督信息来提高模型组合不同文本数据特征的能力，无须训练复杂的教师模型，避免了教师模型与学生模型不匹配的问题。

• 基于词性标注的启发式在线日志解析方法

  蒋金钊,傅媛媛,徐建,

  为了解决现有启发式日志解析方法中日志特征表示区分能力不足导致解析精度低、泛化差的问题，提出了一种启发式在线日志解析方法PosParser。该方法使用来源于触发词概念的功能词序列作为特征表示，包含解决复杂日志易过度解析问题的两阶段检测方法和处理变长参数日志的后处理流程。PosParser在16个真实日志数据集上取得了0.952的平均解析准确率，证明了功能词序列具有良好区分性、PosParser有良好的解析效果和鲁棒性。

• 基于D1-H应用处理器的RT-Thread驻留方法

  李志嫒,王宜怀,刘长勇,

  针对实时操作系统复杂性内核导致嵌入式应用程序编译速度慢、可复用性差的问题，提出基于通用嵌入式计算机架构（GEC）的RT-Thread实时操作系统驻留方法。在合理划分存储空间的基础上，通过对中断服务例程进行共享，为用户提供底层驱动与软件应用层的函数调用服务。最后以D1-H应用处理器为例进行RT-Thread驻留测试。实践结果表明，该驻留方法实现了系统内核与应用程序的物理隔离，编译时间更短，开发效率更高，为嵌入式程序开发的时效性、便捷性和简易性提供了应用基础。

• 面向持久化键值数据库的自适应热点感知哈希索引

  王楠,吴云,

  针对现有键值数据库存储系统缺乏热点意识，导致系统在高度倾斜的工作负载下性能较差且不可靠，提出了一种自适应热点感知哈希索引模型，该模型基于key值摘要信息实现了一个高性能哈希表。首先，利用key的摘要信息代替key值，压缩key的存储空间，优化哈希表中桶的数据结构；其次，利用CPU的数据级并行技术以及CPU cache line，对哈希表的探查操作进行优化；最后，为解决摘要信息导致key值无法精准比较，需要额外磁盘I/O的问题，设计了一种自适应key值调度算法，该算法根据当前可用内存大小、哈希索引负载以及访问热点情况动态地调整key值的存储位置。在YCSB仿真数据集上进行了实验，实验表明，相较于最先进的哈希表，自适应热点感知哈希索引在相同内存使用率的情况下，将速度提升至1.2倍。

• 基于异步时钟序列的分布式认知跳频算法

  刘杰,龚广伟,辜方林,李伦辉,

  为了解决传统跳频算法对动态、复杂电磁干扰环境适应能力不足的难题，以及克服现有跳频算法在分布式通信环境下对公共控制信道和统一时钟源的依赖，提出了一种基于异步时钟序列的分布式认知跳频算法。该算法通过建立认知跳频通信系统模型，分析其通信过程中面临的关键问题，设计了一种应用于分布式跳频通信环境的异步时钟结构序列。基于该序列的分布式认知跳频算法不依赖于任何公共控制信道和统一时钟源，能够在复杂电磁干扰环境下达到高效抗干扰通信的效果。验证实验结果表明，针对典型的窄带、宽带噪声干扰、部分频段干扰以及随机干扰，所提算法的抗干扰性能均显著优于传统的跳频通信算法以及现有的公用控制信道认知跳频算法。

• 基于重构SPT的单链路故障路由保护方法

  侯巍,耿海军,畅江,

  为了减少故障对网络运行带来的影响，提出了一种基于重构SPT的单链路故障路由保护算法SLFRPRSPT。该算法在最短路径树SPT的基础上实现，通过制定一系列定义和规则，对SPT进行重构，搜索节点关系发生改变的节点，为每个节点计算最佳备份下一跳节点，从而达到提高路由可用性的目的。经过实验验证，其在网络拓扑中故障保护率可以达到1，并且具有较低的路径拉伸度，可以有效避免单链路故障带来的影响。该方案支持增量部署和逐跳转发，便于实现。

• 非完美CSI下的全双工中继网络的能效谱效均衡

  张茜,仇润鹤,

  为优化非完美信道状态信息下的解码转发全双工中继网络的能效和谱效，提出了一种基于该网络模型的能效谱效均衡策略。通过构建能量效率和频谱效率的折中优化函数，将一个非凸的多目标优化问题转换为一个凸的单目标优化问题，利用求导法和拉格朗日乘子法求解在不同折中因子下的最优中继发射功率。仿真结果表明，可以通过改变折中因子来优化系统的能效和谱效值，获得最优能效和谱效的性能折中。

• 无人机自组网快速稳定加权分簇算法

  郭建,任智,邱金,陈春宇,姚毅,

  在无人机自组网中，网络规模增大会使节点间平均跳数增加，网络管理和路由协议运行更艰难。分簇结构可用来优化网络管理，提高网络的可拓展性。针对无人机高移动造成的簇结构不稳定以及分簇结构鲁棒性差的问题，提出了一种快速稳定加权分簇算法。该算法对比现有的加权分簇算法，对链路保持率、节点度和相对速度三个指标的选取进行改进。针对战场和应急场景下簇头节点掉线带来的簇振荡，提出了一种高效的簇维护机制。最后通过仿真验证该算法的性能，结果表明，与现有改进型加权分簇算法相比，该算法可以有效降低成簇的时间，同时在簇头节点掉线的情况下快速恢复，更适用于复杂环境下的网络部署。

• 基于Polar码的ElGamal型公钥密码体制

  刘冰,吴旭聃,聂艇,

  在量子计算技术飞速发展的时代背景下，为了满足密码应用的安全需求，提出了一种基于Polar码的ElGamal型公钥密码体制。采用Polar码为基于纠错码ElGamal型公钥密码体制中的公开码，利用SC译码算法进行译码，并对方案的译码失败概率和安全性进行了分析。结果表明算法具有较高的传信率，选取的参数满足信息集译码复杂度和译码失败概率的要求，且算法满足IND-CPA安全性。

• 基于FPGA的TANGRAM分组密码算法实现

  王建新,许弘可,郑玉崝,肖超恩,张磊,洪睿鹏,

  TANGRAM系列分组密码算法是一种采用比特切片方法，适合多种软硬件平台的系列分组密码算法。针对TANGRAM-128/128算法，使用Verilog HDL对该算法进行FPGA实现并提出设计方案。首先，介绍了TANGRAM密码算法的特点和流程，提出了针对TANGRAM密码算法进行44轮加/解密迭代计算的方案，该方案采取有限状态机的方法有效降低了资源消耗；其次，基于国产高云云源平台，完成了基于高云FPGA的算法工程实现，以及功能仿真和数据的正确性验证，同时在Quartus Ⅱ 13.1.0平台上也进行了相关测试，用以比较。测试结果表明，TANGRAM系列分组密码算法基于Altera公司的Cyclone Ⅳ E系列EP4CE40F29C6芯片进行工程实现，最大时钟频率为138.64 MHz，加/解密速率为403.30 Mbps；基于高云半导体GW2A-55系列芯片的最大时钟频率为96.537 MHz，加/解密速率为280.80 Mbps。

• 基于可逆网络的轻量化图像隐写方案

  孙文权,刘佳,钮可,董炜娜,陈立峰,

  目前，基于深度学习的隐写模型的隐写容量有所提高，但由于网络结构复杂，需要大量的时间来训练。为此，提出轻量化的可逆神经网络结构，并以此设计了高效图像隐写方案，采用基于密集连接的可逆神经网络实现图像的隐藏与恢复，在减少可逆块数量的同时，增加每个可逆块中可逆函数f(·)、r(·)和y(·)的卷积块数量来保证图像质量。这样能够显著降低计算和存储开销，使得模型在计算资源有限的设备上运行更加高效，模型开发和迭代的过程更加高效，有效地节省了宝贵的计算资源。载体图像与秘密图像通过正向隐藏可逆变换生成含密图像，含密图像与随机变量通过反向恢复可逆变换得到恢复图像。实验结果表明，与HiNet算法相比，轻量级网络结构能够得到良好的图像质量且更具安全性，同时训练时间缩短了46%，隐写时间缩短了28%。

• 支持虚拟车辆辅助假名更新的混合区位置隐私保护方案

  何业锋,刘闪闪,刘妍,权家辉,田哲铭,杨梦玫,李智,

  在车载通信系统中，车辆的位置信息泄露会危及驾驶员的隐私安全，而基于混合区中，车辆的假名更新是实现位置隐私保护的一种有效方法。然而，现有的一些混合区方案忽略了车辆密度变化对位置隐私保护效果的影响。针对此问题，提出了一种支持虚拟车辆辅助假名更新的混合区位置隐私保护方案。该方案旨在根据周围合作车辆的密度不同来动态调整生成所需的虚拟车辆，并广播它们的踪迹，使攻击者无法区分虚拟车辆和真实车辆，从而实现车辆的位置隐私保护。仿真实验结果表明，该方案通过引入虚拟车辆信息，使攻击者无法区分虚拟车辆和真实车辆，有效降低了车辆真实位置或轨迹泄露的可能性，同时提高了交通密度较低情况下的位置隐私保护效果。

• 基于对比学习的多特征融合戴口罩人脸识别

  陈岸明,林群雄,刘伟强,

  随着计算机视觉技术应用的发展和智能终端的普及，口罩遮挡人脸识别已成为人物身份信息识别的重要部分。口罩的大面积遮挡对人脸特征的学习带来极大挑战。针对戴口罩人脸特征学习困难这一问题，提出了一种基于对比学习的多特征融合口罩遮挡人脸识别算法，该算法改进了传统的基于三元组关系的人脸特征向量学习损失函数，提出了基于多实例关系的损失函数，充分挖掘戴口罩人脸和完整人脸多个正负样本之间的同模态内和跨模态间的关联关系，学习人脸中具有高区分度的能力的特征，同时结合人脸眉眼等局部特征和轮廓等全局特征，学习口罩遮挡人脸的有效特征向量表示。在真实的戴口罩人脸数据集和生成的戴口罩人脸数据上与基准算法进行了比较，实验结果表明所提算法相比传统的基于三元组损失函数和特征融合算法具有更高的识别准确率。

• 基于生成逆推的大气湍流退化图像复原方法

  崔浩然,苗壮,王家宝,余沛毅,王培龙,

  大气湍流是影响远距离成像质量的重要因素。虽然已有的深度学习模型能够较好地抑制大气湍流引起的图像像素几何位移与空间模糊，但是这些模型需要大量的参数和计算量。为了解决该问题，提出了一种轻量化的基于生成逆推的大气湍流退化图像复原模型，该模型包含了去模糊、去偏移和湍流再生成三个核心模块。其中，去模糊模块通过高维特征映射块、细节特征抽取块和特征补充块，抑制湍流引起的图像模糊；去偏移模块通过两层卷积，补偿湍流引起的像素位移；湍流再生成模块通过卷积等操作再次生成湍流退化图像。在去模糊模块中，设计了基于注意力的特征补充模块，该模块融合了通道注意力机制与空间混合注意力机制，能在训练过程中关注图像中的重要细节信息。在公开的Heat Chamber与自建的Helen两个数据集上，所提模型分别取得了19.94 dB、23.51 dB的峰值信噪比和0.688 2、0.752 1的结构相似性。在达到当前最佳SOTA方法性能的同时，参数量与计算量有所减少。实验结果表明，该方法对大气湍流退化图像复原有良好的效果。

• 级联离散小波多频带分解注意力图像去噪方法

  王力,李小霞,秦佳敏,朱贺,周颖玥,

  针对图像去噪网络中下采样导致高频信息损失和细节保留能力差的问题，设计了一种级联离散小波多频带分解注意力图像去噪网络。其中多尺度级联离散小波变换结构将原始图像分解为多个尺度下的高低频子带来代替传统下采样，能减少高频信息损失。多频带特征增强模块使用不同尺度的卷积核并行处理高低频特征，在子网络每一级下重复使用两次，可增强全局和局部的关键特征信息。多频带分解注意力模块通过注意力评估纹理细节成分的重要性并加权不同频带的细节特征，有助于多频带特征增强模块更好地区分噪声和边缘细节。多频带选择特征融合模块融合多尺度多频带特征增强选择性特征，提高模型对于不同尺度噪声的去除能力。在SIDD和DND数据集上，所提方法的PSNR/SSIM指标分别达到了39.35 dB/0.918、39.72 dB/0.955。实验结果表明，该方法的性能优于主流去噪方法，同时具有更清晰的纹理细节和边缘等视觉效果。

• 基于ToF红外图像的手部轻量化检测算法设计与优化

  葛晨阳,马文彪,屈渝立,

  嵌入式设备上实现快速精准的手部检测主要面临两个挑战：一是复杂的深度学习网络很难实现实时的手部检测；二是场景复杂性导致基于RGB彩色图像的手部检测算法准确率下降。与主流基于RGB图像的检测技术不同，基于ToF红外图像的轻量化手部检测算法实现了红外图像中手部的精准快速检测。首先，通过自主研发设备采集了22 419张静态红外图片，构建了用于手部检测的红外数据集；其次，通过对通用目标检测算法进行轻量化改进，设计了RetinaHand轻量化手部检测网络，其中采用了MobileNetV1和ShuffleNetV2两种不同的轻量化网络作为模型骨干网络，并提出了一种融合注意力机制的特征金字塔结构Attention-FPN；最后，在红外数据集上与常规方法进行了对比实验，验证了该方法的有效性。

• 基于半投影翘曲的无人机图像拼接方法

  陈珺,高海宽,李梓贤,

  为了解决无人机图像在拼接过程中出现的错位、重影等造成图像失真的问题，提出一种基于半投影翘曲的无人机图像拼接方法。首先估计图像的全局投影变换矩阵；然后根据待拼接图像的重叠情况，以及投影变换和相似性变换的连续性，求解出过渡变换矩阵和相似性变换矩阵，得到最终的半投影变换矩阵；最后构建图像重叠区域的差异矩阵，以此为基础获取重叠区域的差异性区域。使用分区融合策略，在差异性区域进行单采样，在其他区域进行距离加权融合。实验结果表明，该方法可以很好地拼接由于视角变化、地势起伏等造成视差的无人机图像，得到的拼接结果自然清晰，效果优于其他先进算法。该方法有效地解决了无人机图像拼接错位、重影的问题，在多项定量指标上表现良好。

• 面向边缘端设备的轻量化视频异常事件检测方法

  李南君,李爽,李拓,邹晓峰,王长红,

  现有基于CNN模型的视频异常事件检测方法在精度不断提升的同时，面临架构复杂、参数庞大、训练冗长等问题，致使硬件算力需求高，难以适配无人机等计算资源有限的边缘端设备。为此，提出一种面向边缘端设备的轻量化异常事件检测方法，旨在平衡检测性能与推理延迟。首先，由原始视频序列提取梯度立方体与光流立方体作为事件表观与运动特征表示；其次，设计改进的小规模PCANet获取梯度立方体对应的高层次分块直方图特征；再次，根据每个局部分块的直方图特征分布情况计算表观异常得分，同时基于内部像素光流幅值累加计算运动异常得分；最后，依据表观与运动异常得分的加权融合值判别异常分块，实现表观与运动异常事件联合检测与定位。在公开数据集UCSD的Ped1与Ped2子集上进行实验验证，该方法的帧层面AUC分别达到86.7%与94.9%，领先大多数对比方法，且参数量明显降低。实验结果表明，该方法在低算力需求下，可以实现较高的异常检测稳定性和准确率，能够有效兼顾检测精度与计算资源，因此适用于低功耗边缘端设备。

• 噪声指导下过滤光照风格实现低光照场景的语义分割

  罗俊,宣士斌,刘家林,

  低光照图像分割一直是图像分割的难点，低光照引起的低对比度和高模糊性使得这类图像分割比一般图像分割困难很多。为了提高低光照环境下语义分割的准确度，根据低光照图像自身特征，提出一种噪声指导下过滤光照风格的低光照场景语义分割模型（SFIS）。该模型综合利用信噪比作为先验知识，通过指导长距离分支中的自注意力操作、长/短距离分支的特征融合，对图像中不同噪声的区域采用不同距离的交互，并设计了一个光照过滤器，该模块从图像的整体风格中进一步提取光照风格信息。通过交替训练光照过滤器与语义分割模型，逐步减小不同光照条件之间的光照风格差距，从而使分割网络学习到光照不变特征。提出的模型在数据集LLRGBD上优于之前的工作，取得了较好的结果。在真实数据集LLRGBD-real上的mIoU达到66.8%，说明所提出的长短距离分支模块和光照过滤器模块能够有效提升模型在低光照环境下的语义分割能力。