计算机应用研究杂志

计算机应用研究杂志2025年第4期

• 面向社交媒体的讽刺检测研究综述

  余本功,李晨越,

  近年，网络社交媒体充斥着丰富的自由言论，而检测其中的讽刺语义作为一种特殊的情感分析引发了越来越多的关注。为了更好地研究面向社交媒体的讽刺检测，回顾了传统方法和基于深度学习方法的演进过程，并从文本讽刺检测和多模态讽刺检测两种角度来系统分析其发展趋势。首先，对讽刺检测的数据集进行了归纳；其次，探讨句子级、附加语境、知识和辅助任务的文本讽刺检测，详细阐述注意力机制、预训练模型、图神经网络和量子神经网络在多模态讽刺信息融合中起到的作用；接下来展望该领域的应用前景；最后总结当前研究现状与挑战，并结合近期大语言模型的发展提出讽刺检测可能的研究方向，为未来研究人员创新讽刺检测方法提供了参考和帮助。

• Graph Transformer技术与研究进展：从基础理论到前沿应用

  游浩,丁苍峰,马乐荣,延照耀,曹璐,

  图数据处理是一种用于分析和操作图结构数据的方法，广泛应用于各个领域。Graph Transformer作为一种直接学习图结构数据的模型框架，结合了Transformer的自注意力机制和图神经网络的方法，是一种新型模型。通过捕捉节点间的全局依赖关系和精确编码图的拓扑结构，Graph Transformer在节点分类、链接预测和图生成等任务中展现出卓越的性能和准确性。通过引入自注意力机制，Graph Transformer能够有效捕捉节点和边的局部及全局信息，显著提升模型效率和性能。深入探讨Graph Transformer模型，涵盖其发展背景、基本原理和详细结构，并从注意力机制、模块架构和复杂图处理能力（包括超图、动态图）三个角度进行细分分析。全面介绍Graph Transformer的应用现状和未来发展趋势，并探讨其存在的问题和挑战，提出可能的改进方法和思路，以推动该领域的研究和应用进一步发展。

• 基于双链架构与BBF-Merkle树的高速公路事故救援数据共享方法

  王光辉,关道伟,申凌峰,丁爽,翟中豪,

  针对现有区块链数据共享方法在高速公路事故救援场景下面临的效率瓶颈和安全性不足的问题，提出一种高效、安全的数据共享方法，旨在提高数据查询性能，保证链下数据的防窜改能力。提出的数据共享方法结合公有链与联盟链的优势，采用双链架构提升数据共享的安全性与效率。通过将公有链链上共享数据的摘要信息同步至外部数据库，设计了基于BBF-Merkle树的数据库索引结构来优化查询性能，同时保证链下数据的防窜改能力。设计了缓存-链下数据库-公有链的分层查询方案，降低整体查询耗时。实验结果表明，基于BBF-Merkle树的外联数据库查询耗时相较于其他方案表现最优，采用基于BBF-Merkle树的缓存-数据库-公有链分层查询方案，相较于公有链智能合约查询速度提高了七倍。所提出的数据共享方法在提升数据共享效率、降低查询延迟的同时，确保了数据的安全性与防窜改能力，为高速公路事故救援数据共享提供了技术支撑。

• 考虑平行进口下区块链追溯对企业跨国IP授权影响和策略分析

  黎继子,李刘迪,王勇,

  区块链IP（知识产权）追溯正成为当前研究的热点。为探讨“灰色市场”（也称平行进口，是指正品在未经IP所有人许可下进入另一个国家）背景下，IP授权后采用区块链追溯对授权制造商和被授权制造商的决策影响，基于博弈论分析方法，构建单寡头垄断市场的Stackelberg博弈模型，运用逆向归纳法进行求解。结果表明，在没有灰色市场存在情形下，IP授权处于早期阶段时，领先制造商实施区块链进行IP追溯意愿不强，但当IP授权处于中期，区块链追溯IP的意愿逐步增大；而在存在灰色市场情形下，领先制造商只有通过调节单位IP授权费分摊至制造商之间时，才能促使企业实施区块链追溯IP，降低领先制造商区块链追溯成本，也能同时有利于双方利润提高。数值分析表明，灰色市场下，不采取区块链追溯会损害制造商利润，而采取区块链虽不能完全消除损害，但能减轻影响。IP授权费受平行进口和区块链成本影响而上升。制造商的区块链采用决策需根据灰色市场折现值灵活调整。结论如下：当不存在平行进口（灰色市场）时，领先制造商总有动机进行IP授权，并根据采取区块链成本决定区块链追溯策略；当平行进口IP产品（灰色市场）进入市场后，领先制造商可以通过观察平行进口产品折现值，来决定其IP授权和区块链追溯策略。

• DPC-DQRL:动态行为克隆约束的离线-在线双Q值强化学习

  闫雷鸣,刘健,朱永昕,

  离线-在线强化学习旨在使用少量在线微调来提高预训练模型的性能。现有方法主要包括无约束微调与约束微调。前者往往由于分布偏移过大而导致严重的策略崩溃；后者由于保留离线约束导致性能提升缓慢，影响训练效率。为了改善上述问题，可视化对比分析两类方法的微调过程，发现不准确的Q值估计是影响性能的主要原因，并提出了一种动态策略约束的双Q值强化学习算法（DPC-DQRL）。首先，该算法设计了遵循记忆遗忘规律的动态行为克隆约束，在微调过程中动态调整约束强度；其次，构建离线-在线双Q值网络，引入离线动作价值网络参与Q值估计，提高微调过程中Q值的准确性。在Gym仿真平台使用MuJoCo物理引擎进行了Halfcheetah、Hopper、Walker2D三个经典仿真任务，使用DPC-DQRL算法微调后性能比原预训练模型分别提升47%、63%、20%，所有任务的平均归一化得分比最优基线算法提升10%。实验结果表明，DPC-DQRL在提升模型性能的同时保证了模型的稳定，与其他算法相比具有一定的优越性。

• 基于强化学习策略的梯度下降学习求解GCP

  宋家欢,王晓峰,胡思敏,姚佳兴,锁小娜,

  图着色问题（graph coloring problem，GCP）是经典的组合优化问题，其目标是为图的每个顶点分配不同的颜色，使得相邻顶点的颜色不同，同时尽可能减少所用颜色的数量。GCP属于NP难问题，传统求解方法（如贪心算法、启发式搜索和进化算法）往往因计算复杂度高而受限，且易陷入局部最优解。为了解决这些问题，提出了一种基于强化学习策略（reinforcement learning strategy，RLS）的梯度下降学习方法来求解GCP。具体而言，将GCP转换为强化学习中的策略优化问题，通过设计策略梯度算法，将图的着色状态映射为强化学习的状态，将颜色分配视为动作，以目标函数的负值作为奖励信号，逐步优化着色策略。实验结果表明，所提方法在不同类型和规模的图实例上均优于传统启发式算法，尤其在高维度和复杂约束条件下表现出较强的全局探索能力和收敛性。该研究表明，基于强化学习的图着色方法为在解决复杂组合优化问题上具有广泛的应用潜力，为图着色及其衍生问题提供了有效的求解新路径。

• 融合先验知识与引导策略搜索的机器人轴孔装配方法

  陈豪杰,董青卫,刘锐楷,曾鹏,

  在现代工业自动化领域，机器人执行复杂装配任务的能力至关重要。尽管强化学习为机器人策略学习提供了一种有效途径，但在装配任务的策略训练初始阶段存在采样效率低和样本质量差的问题，导致算法收敛速度慢，容易陷入局部最优解。针对上述问题，提出了一种融合先验知识与引导策略搜索算法的机器人轨迹规划方法。该方法首先利用人类专家演示和历史任务数据的先验知识来构建初始策略，并将先验知识保留在经验池中，以提高学习效率；随后，通过引导策略搜索算法对初始策略进行在线优化，逐步提升策略的精确度和适应性；最后，通过机器人轴孔装配任务进行实验验证，该方法显著提高了策略学习效率，减少了训练时间和试错次数。研究表明，融合先验知识的方法可以有效提高强化学习学习效率，使机器人快速得到能够完成装配任务的策略。

• 基于行为克隆的机械臂多智能体深度强化学习轨迹跟踪控制

  易佳豪,王福杰,胡锦涛,秦毅,郭芳,罗俊轩,

  针对具有非线性干扰以及多变环境的机械臂轨迹跟踪问题，提出了一种结合行为克隆（behavior cloning，BC）的多智能体深度强化学习（multi-agent deep reinforcement learning，MDRL）控制方法。多智能体控制算法中包含了以孪生延迟深度确定性策略梯度算法（twin delayed deep deterministic policy gradient algorithm，TD3）为基底算法的比例积分微分智能体（proportional-integral-derivative agent，PID agent）和直接用深度强化学习策略输出扭矩的智能体（direct deep reinforcement learning agent，DDR agent），并采用两个奖励函数来优化两个agent的策略网络。PID agent用于输出PID控制器的参数，再由PID控制器输出力矩控制机械臂以增加控制器的跟踪泛性，DDR agent则直接输出扭矩增加控制器的抗干扰性。为了克服多智能体训练难度高的问题，在训练中引入行为克隆技术，利用PID控制器的专家经验对PID agent进行预训练，形成预策略在训练初期就可以输出较合适的PID参数，增加有效经验来加速训练过程的奖励收敛。为了验证方法的有效性，通过欧拉拉格朗日建模二自由度机械臂，并在具有干扰的多种环境下进行仿真实验对比。实验结果表明，所提算法在具有随机干扰环境以及与训练轨迹不同的跟踪轨迹中都具有最好的跟踪效果，验证了所提算法的有效性。

• 基于时空预测的多策略网约车调度算法

  郭羽含,钱一炀,钱亚冠,

  准确预测网约车订单需求与实施高效车辆调度策略，对于提升运营效率、降低成本和保证服务质量至关重要，是优化资源配置、增强乘客满意度的关键途径。然而，现存研究在模型构建上往往侧重单一维度分析，调度算法的求解效率及解空间探索能力有待提升，限制了对复杂出行场景的适应性和解决方案的全面性。针对上述问题，构建了时空融合图卷积预测模型，通过集成注意力机制，深度挖掘并利用时空维度综合信息，准确捕捉影响订单需求的隐含特征；同时设计了多策略解搜索算法，基于A*算法生成的代价矩阵选用多样化解搜索策略进行求解，增强了算法在复杂情境下的收敛性与求解质量。基于大量真实网约车数据的实验结果表明，相较于对比模型，所提预测模型MAE平均提升为1.87%，RMSE平均提升为1.92%。多策略解搜索算法较之对比算法，在最优解数量、解超体积以及解间距上平均优化提升率分别为13.88%、32.48%、17.61%，求解效率平均提升21.13%。

• 面向飞机蒙皮检测任务的空-地异构机器人协同覆盖路径规划

  朴敏楠,罗佳,李海丰,周雨晗,

  飞机蒙皮检测对于保证飞机飞行安全至关重要。采用移动机器人自主检测方式能够大大提高检测效率以及降低安全风险。但由于飞机结构复杂，仅使用单一种类机器人作业难以实现飞机蒙皮全覆盖。所以，提出了一种空-地异构机器人协同覆盖路径规划方法（AG-CCPP）。首先引入无人机（UAV）、无人车（UGV）异构机器人系统，分析规划过程中必要的约束条件，包括作业空间约束、续航时间约束等，采用整数线性规划方法建立优化模型。其次，提出一种基于贪婪分配策略的多精英种群双染色体遗传算法进行任务分配与路径规划联合求解，增加分配染色体实现任务分配与路径规划联合求解，实现全局优化；基于续航约束进行贪婪分配，充分利用异构机器人优点；多层次精英种群设计，减少低效交叉种群数量，提升算法运行效率。最后，通过波音737-300的仿真实验进行对比分析，结果表明所提方法在机器人协同覆盖完成时间与程序执行时间方面均优于现有算法。

• 任务和参与者匹配意愿规则约束下的移动群智感知多任务分配

  杨凯程,张昕,胡佳豪,周超然,李泽睿,

  当前，大部分移动群智感知（MCS）多任务分配方法仅考虑时间约束，因忽略任务、参与者双方匹配意愿，难以保证真实场景下的任务接受率，无法最大化平台利润。为解决上述问题，提出了一种引入任务、参与者双方偏好的MCS任务分配算法，称为免疫遗传鲸优算法（IGWOA）。该算法基于鲸鱼优化算法的智能搜索机制解决MCS任务分配的资源配置问题，并在搜索、包围猎物阶段分别引入免疫遗传方法中的交叉、免疫思想，增加任务分配策略的多样性、提高解集的质量，在气泡网捕食阶段结合变异思想提升算法的局部搜索能力，实现了快速收敛和最优任务分配策略生成。实验结果表明，IGWOA在不同数据规模下的平台利润、任务分配率和参与者平均分配任务数量指标上优于基线方法，且在算法时间复杂度方面表现良好，证明其可有效解决时间和匹配意愿规则双重约束的MCS多任务分配问题。

• 融合多层图与分类信息的双意图会话推荐

  刘超,王中迪,余岩化,朱军,

  针对现有会话推荐系统存在的会话间信息挖掘不够充分、会话间聚合信息冗余和辅助信息未与会话特征相结合的问题，提出融合多层图与分类信息的双意图会话推荐模型（SRIMC）。首先，根据会话序列，构建局部会话图、会话关系图和全局项目图，通过图神经网络（GNN）学习得到局部会话特征、会话关系特征和全局项目会话特征，并将上述特征结合获得α意图；其次，基于替换先验分布为β分布的贝叶斯分布整合分类信息与会话长度信息，获得β意图；最后，将α和β意图融合进行预测。在五个公开数据集上的实验结果表明，SRIMC的P@20提升了1.23%~51.78%，MRR@20提升了2.87%~80.87%，证明了模型利用多层会话信息与分类信息捕获用户意图的有效性。

• 基于知识增强的跨模态融合网络的多模态对话情绪识别模型

  干欣怡,黄贤英,邹世豪,沈旭东,

  针对未充分利用模态表征能力的差异和说话者情绪线索的问题，提出了一种基于知识增强的跨模态融合网络模型。该模型设计了外部知识增强的跨模态模块，将较弱模态特征与多层次文本和外部知识逐层融合嵌入到多头注意力层中，充分挖掘较弱模态中的有效信息，实现模态间的特征互补和一致性。此外，模型还设计了基于有向图的情绪线索增强模块，利用基于说话者不同情绪线索的外部知识来增强融合特征，并构建上下文信息有向图，深入挖掘并利用说话者的情绪线索。实验结果表明，该模型在两个基准数据集中有效利用了模态表征能力的差异和说话者情绪线索，情绪识别效果显著优于现有方法，验证了模型的可行性与有效性。

• 基于细粒度图像-方面的情感增强方面级情感分析

  余本功,陈明玥,

  为了缩小模态间的异质性差异并缓解多个方面词带来的情感混淆，提出一种基于细粒度图像-方面的情感增强多模态方面级情感分析。具体地，该模型经过文本图像编码后，首先利用形容词-名词对将与方面词相关的图像信息加入到文本方面词中，并通过细粒度图像-方面跨模态注意力机制优化图像表征，得到细粒度方面词-图像特征；接着，基于句法结构引入情感得分，得到基于方面词的文本情感特征；最后，进行模态融合得到最终情感预测结果。在Twitter-2015和Twitter-2017数据集上，与基线模型TMSC相比，提出模型值准确率分别提高了0.25百分点和0.16百分点，充分证明了细粒度的图文匹配和情感增强操作有助于提高分类效果。

• 一种基于运动状态的轨迹预测方法

  顾一凡,莫磊,

  针对因为忽略车辆运动状态而导致的车辆预测轨迹不准确的问题，提出了一种基于运动状态的轨迹预测模型Movement-DenseTNT。首先，对交通参与者的轨迹信息和地图信息以图神经网络的方法进行编码；其次，使用LSTM提取车辆的运动状态信息；然后，将场景编码信息与在可行驶区域内采样得到的候选轨迹终点集合通过注意力机制的方式进行信息融合，从而得到每个候选轨迹终点的概率值；最后，通过筛选得到最终的轨迹终点并进行轨迹补全，以此得到准确的轨迹预测结果。该模型在两个基准数据集上与九个基线模型进行了比较，实验结果显示，Movement-DenseTNT模型在四个常用评估指标上优于基线模型，验证了加入车辆运动信息可以有效提升车辆轨迹预测的精度。

• 考虑工时区间的可重入混合流水车间调度方法

  王鑫峰,张峰,汪海,秦红斌,

  为了精确求解在工时区间约束下的可重入混合流水车间调度问题（IRHFSP），构建了以最小化最大完工时间区间为目标的调度模型，并设计基于产品重入阶段的编码方式，采用针对问题特性提出的改进候鸟优化算法IMBO进行求解。该算法通过启发式种群初始化和基于基因模式的禁忌邻域搜索等方式减少了重复解，并通过多种算法的大规模实验对比，验证了该算法在求解该问题上的有效性与优越性。此外针对工时区间进行优化，并引入基于多轮随机仿真结果的区间精准度指标，以评估不同工时区间边界调整策略在实际加工环境中的表现。最后采取IMBO进行一系列实验求解，结果表明进行工时区间优化后所得的最大完工时间区间，其区间长度仅有改进前长度的28.1%；区间精准度从0.243 63增加至0.764 69，提高了0.521 06；且优化的后调度方案比优化前更优。这证明了结合工时区间优化策略及IMBO的求解方法，在求解IRHFSP上更为有效且利于精准决策。

• 基于部分标准对齐的协同遗传规划算法解决本体匹配问题

  姜照航,吕青,戴可涛,孙东磊,

  本体异质性阻碍了知识交互和数据共享。本体匹配通过整合相似度特征解决多种异质问题。为提高匹配结果的质量，提出了基于部分标准对齐（PSA）的协同遗传规划算法。该算法利用基于自适应概率的交叉策略和基于语义相似度的变异策略，平衡局部开发和全局探索，寻找高质量的相似度表示；其次，提出了一种新的适应度函数，引导算法的寻优方向，全面挖掘PSA中的信息价值；最后，提出了一种新的PSA修正方法，通过多维度识别可疑匹配对，并结合随机森林分类器聚合专家投票，优化PSA来构建更可靠的相似度特征。实验结果表明，该方法在不同的专家错误率和本体匹配任务中均能获得高质量的匹配结果，优于先进的匹配技术。

• 注意力机制驱动的个性化联邦学习特征分离方法

  张晓琴,金西兴,陆艳军,曹泽宇,

  提出了一种名为注意力机制驱动的个性化联邦学习特征分离方法（attention-driven feature separation method for personalized federated learning，FedAM），旨在解决传统联邦学习在高度异构数据环境下模型收敛性差和缺乏个性化解决方案的问题。FedAM通过将模型分解为特征提取层和模型头部，加入注意力模块以分别提取全局和个性化信息，从而实现全局与个性化特征的自适应动态分离。此外，FedAM 引入相关性对齐损失来平衡个性化与泛化能力。实验结果表明，FedAM 展现出卓越的性能，不仅在客户端频繁掉线的情况下保持稳健表现，还通过灵活应对异构数据环境，显著提升了个性化和泛化效果。FedAM 有效提升了联邦学习模型的整体性能和适应性，为复杂的联邦学习场景提供了有力支持。

• 基于平滑插值和自适应相似矩阵的推荐算法

  高美珠,于万钧,陈颖,

  针对协同过滤推荐过度依赖共同评分项目导致交互数据不足，及不同时间段共享同一相似矩阵无法准确度量用户相似度等问题，提出一种基于平滑插值和自适应相似矩阵的推荐算法。首先，在线性插值技术基础上，结合均值和标准差设定动态区间，并通过sigmoid函数平滑调整原始评分，消除用户评分习惯差异。其次，使用时序变换函数量化用户偏好遵循的不同动态模式和遗忘规律，增强用户偏好表示。最后，利用标签语义、标签质量、时序变换函数和相对评分差异信息熵，构建标签感知机制和全局评分机制，并利用生成的相似矩阵重构用户自适应相似矩阵。仿真实验结果表明，相较于其他基线算法，该算法推荐性能最优，召回率提升5.27和4.73百分点，归一化折损累计增益（NDCG）提升6.67和5.90百分点，验证了算法的有效性。

• 融合迁移学习和解纠缠负采样的去偏推荐方法

  刘琦,唐宏,杨力鸣,

  针对现有去偏推荐方法在选择负样本时将样本作为一个整体考虑导致的采样偏差问题，以及不平衡的热门-长尾项目表征学习无法有效缓解数据稀疏的问题，提出融合迁移学习和解纠缠负采样的去偏推荐方法（DTDN）。该方法首先利用交互行为中的对撞效应设计负采样模块；其次，根据采样数据设计特征解耦模块对用户和正负样本的特征进行解耦表征学习（DRL）；然后，在表征学习阶段引入迁移学习模块，以对齐热门项目和长尾项目的表征分布；最后，基于解耦表征设计样本选择器去除数据中的固有偏差，帮助模型准确学习用户和正负样本特征中的规律。在两个实际应用数据集上的广泛实验结果表明，与最优的基线方法CD2AN相比，DTDN的各项性能指标均有明显的提升，验证了DTDN在降低推荐系统偏差负面影响方面的有效性。

• 基于改进DDQN算法的复杂网络关键节点识别方法

  江宇楠,刘琳岚,舒坚,

  为全面提取节点的全局特征，提高复杂网络关键节点识别结果的准确性，提出一种基于改进DDQN （double deep Q-network）算法的复杂网络关键节点识别方法。通过重构DDQN的初始奖励值、引入回退探索和优先访问方法，改进DDQN算法，提取节点全局特征，从而提升全局特征提取的效率和提取结果的准确性。引入聚类系数获取节点的局部特征，通过网络性能均值实验得到全局特征和局部特征的融合参数，对全局特征和局部特征进行融合，得到节点的重要度排序，从而实现关键节点识别。在7个真实网络数据集上的实验结果表明，此方法在基于网络性能均值的评价指标以及SIR模型上均优于对比的基线方法。证明其可以更全面地提取节点全局特征，更准确地识别关键节点。

• 无人机辅助移动边缘计算中的视频任务卸载算法

  胡文杰,卢先领,

  无人机（unmanned aerial vehicles，UAV）在未来通信网络中的集成备受关注，在军事侦察、火灾监控等诸多应用中发挥着至关重要的作用。针对此类场景中对视频传输低时延和高体验质量（quality of experience，QoE）的需求，提出了一种无人机辅助的移动边缘计算（mobile edge computing，MEC）视频任务卸载算法。首先，为满足低时延需求，无人机作为MEC服务器对视频数据进行转码，并作为中继将视频数据转发到地面基站。其次，通过联合优化设备关联、传输功率、转码策略以及无人机飞行轨迹，构建最大化系统效益的模型。最后，提出一种基于柔性动作-评价（soft actor-critic，SAC）的深度强化学习算法作出联合决策。仿真实验结果表明，与其他基线算法相比，所提算法能有效降低系统时延并保证视频任务品质，并具有良好的收敛性。

• 基于交通流仿真的智能路侧设施管控效果测度方法

  钟琳凯,林毅,曾琪婷,连培昆,陈宁,张道智,

  智能路侧设施布设的管控效果对智能路侧设施建设至关重要，但在现有的智能路侧设施管控效果测度方法研究中，存在实地测度实验的高成本性、场景不可控及现有仿真软件侧重单车仿真且缺乏对交通流层面的控制策略植入与运行状态分析等问题。因此利用VISSIM COM二次开发，提出了基于交通流仿真的管控效果测度方法。首先，设计高速公路的管控场景，并利用VISSIM进行场景构建；其次，通过设计换道控制策略算法和动态限速策略算法，对换道过程和限速过程进行计算和控制；最后，通过构建管控效果评价模型对高速公路的管控效果进行量化及分析，并与其他方法进行对比。仿真结果表明，对比其他测度方法，所提方法的速度方差分别降低了39.51%和25.65%。由此可见，该方法能够适应复杂的高速交通环境，并能够有效地对高速公路智能路侧设施布设的管控效果进行测量。

• 基于先验知识的问诊系统文本结构化解析方法

  刘耀,翟雨,周家辉,

  对医学书籍等领域文本与患者自述等患者相关文本结构化解析，能够为问诊系统构建提供结构化资源支撑，有助于辅助医生诊断。为此，提出一种文本结构化解析方法。该方法利用工程方式获取领域先验知识与训练数据；基于BERT模型，通过掩码语言模型与实体排序任务将医学领域先验知识融入模型，获得先验知识增强的MedReBERT模型；设计文本生成模板构造概念标引模型与概念关系标引模型，实现概念及关系的标引，并提出一种工程处理与算法协同学习框架。实验证明该方法能够实现问诊系统文本的结构化解析。提出的方法框架能够建立各算法间的接口，实现问诊系统文本结构化解析相关算法的低门槛迭代应用。

• 广义更新过程下生产系统最优维修策略

  金海波,陈赛东,

  当生产系统的部件发生故障时，选择何种维修策略进行维修对生产制造企业具有重要意义。以往对维修策略的研究多集中于将维修成本最低作为研究目标，而忽略了维修活动对系统净收益产生的潜在价值。为此，针对如何最大化系统生命周期内获得的净收益问题，设计了基于广义更新过程的维修/更换策略，该策略通过引入维修次数和虚拟年龄刻画系统可靠度，利用模拟技术实现相邻两次维修策略时的可靠度转移概率。通过定义维修成本、更换成本、运行收益、运行成本给出每个策略周期内的系统净收益，以此构造系统生命周期内净收益的函数表示，以该净收益的最大值为目标函数建立维修策略模型。为求解该模型，提出了基于半Markov策略过程、参数估计、模拟技术和动态规划技术的求解算法。为了验证模型的正确性和求解算法的有效性，以数控机床主轴为研究对象，对维修策略进行数值实验并与Rosqvist模型结果进行了对比，对比实验结果验证了维修模型的正确性和高效性。敏感性分析结果表明，关键参数对最优维修活动均具有显著影响。该模型能够为企业在系统生命周期内实现净收益最大化提供有效维修决策。

• 神经网络算子——一种面向符号回归问题的遗传编程新方法

  陈勃,党隆政,陈国宏,

  针对符号回归中遗传编程方法在表达式空间中随机搜索缺乏方向性，以及种群进化过程中未利用数据特征导致效率低下的问题，提出了一种称作神经网络算子的新颖变异算子。该算子通过递归神经网络学习给定数据集特征，优化种群中的表达式，使种群向误差更低的方向进化，提升种群的进化效率。实验结果表明，结合神经网络算子的遗传编程方法在公式恢复率和种群进化速度上均优于原始方法，并在宏观经济数据集上取得了较高的决定系数。结论证明，神经网络算子能够有效引导遗传编程种群进行特征导向搜索，显著提升进化效率，具有实际应用潜力。

• 融合静态程序分析与集成学习的Android代码异味共存检测

  王祯启,边奕心,马偌楠,毕博宇,王金鑫,

  相对于单一种类的代码异味，异味共存对程序更具危害性。针对Android特有代码异味，现有研究主要关注单一种类异味的检测，忽略异味共存对Android应用程序的负面影响。为识别共存的Android特有代码异味，提出融合静态程序分析与集成学习的Android代码异味共存检测方法。作为初步研究，识别忽略类成员变量的方法异味与缺少低内存处理程序异味的共存。首先，提出基于静态程序分析的Android代码异味共存检测方法和正负样本自动生成方法并实现工具 ASSD。该工具的输出为后续集成学习模型提供丰富的训练样本。然后，针对单一机器学习模型泛化能力有限的问题，提出一种软投票集成学习模型，识别共存的Android代码异味。该模型不仅可以集成传统机器学习模型，还可以集成改进的深度学习模型。实验结果表明，所提方法优于已有基于静态程序分析的检测方法，F1值提升了26.1百分点。此外，基于传统机器学习的软投票集成学习模型优于基于深度学习的软投票集成学习模型，F1值提升了6.1百分点。所提方法可以实现Android代码异味共存的检测。

• 基于强化学习的无人机网络自适应QoS路由算法

  谭周正,范琅,李宇峰,章小宁,

  由于无人机网络的动态特性，要保证其具有可靠的通信保障仍存在一定的挑战，尤其是在军事领域，对无人机网络的QoS保障能力要求更高。针对上述需求，提出了一种基于Q学习的自适应QoS路由算法。在该算法中，每个节点通过HELLO消息和数据包相结合的方式来进行邻居信息感知，通过接收邻居节点反馈的ACK来获取链路时延和丢包率，然后根据链路时延和丢包率来更新维护Q表。考虑节点移动特性，算法还引入了节点的位置信息。在路由过程中，节点综合考虑Q表和邻居节点的位置信息来进行最优下一跳选择。通过仿真验证，对比参考的路由算法，提出的路由算法能够在较低的路由开销下提供更低的传输时延和更高的传输成功率。

• 工业5G-TSN融合网络的异构流量整形器设计

  李琳,骆亮生,许驰,

  针对智能工厂内部多样化工业任务的端到端确定性传输要求和差异化QoS保障要求，基于5G与时间敏感网络（TSN）构建了工业5G-TSN的端到端组网架构，提出了支持控制任务、音视频任务、感知任务混合数据流整形的异构流量整形器（HTS）。其中，面向周期性的控制任务的确定性通信要求，HTS单独划分数据队列，并设置专属时隙，基于先入先出规则进行整形；面向非周期的音视频任务和感知任务的高带宽、高并发通信需求，HTS建立共享流队列，采用信用值规则进行整形；同时，HTS采用令牌桶机制对剩余非周期感知任务进行整形。OMNeT++仿真结果表明，HTS可严格满足关键控制任务的确定性传输要求，同时为音视频和感知任务的共存传输提供灵活调度，将非共存传输任务的最大端到端时延减小87.29%以上。

• 移动群智感知中基于纳什讨价还价博弈的多任务分配策略

  李丽,钟晓雄,

  在移动群智感知网络多个并发任务的情况下，如何根据用户资源以及任务的质量需求实现多任务的有效分配问题，利用纳什议价解模型在资源分配方面的优势，提出了一种基于纳什议价解的多任务分配策略。该策略将多个用户对多个任务根据不同目标以及质量需求的选择问题映射为一个多方纳什议价博弈模型，并采用空间距离的方法有效求得此多方纳什议价博弈的最优解。感知平台根据此解对多个任务进行统一分配，将每个任务分配给最适合的用户去执行。该策略可以实现用户整体得益的最大化，在保障数据质量的同时，减少同一任务执行用户的数目，有效降低感知平台的激励成本。实验结果表明，所提策略比现有任务分配策略具有更好的整体效用与任务质量满意度。

• 感知时间不可区分的车辆群智感知隐私保护任务分配方案

  张磊,张潇,纪莉莉,

  在车辆群智感知的任务分配中，大多数隐私保护机制将用户暴露于潜在的时间感知推理下，使攻击者能够推断出用户的敏感信息。针对该问题，提出一种感知时间不可区分的隐私保护任务分配方案。首先，该方案为满足用户对感知时间隐私保护的需求，运用差分隐私技术，对车辆的原始停留数据添加拉普拉斯噪声进行模糊处理。其次，在考虑任务之间旅行时间的同时，计算出车辆用户完成感知任务概率，以此来判断是否可以进行任务分配。若概率大于0，则合理分配所有任务保证负载均衡，否则不再分配任务。因此，该方案一方面提供了感知时间的隐私保护，另一方面能够保障分配任务的有效性。最后通过与其他方案进行比较，并分析它们的相对性能，进一步证实了该方案的优越性。

• VANET中高效的格基异构多接收者签密方案

  曹冰燕,王敏,施俊,徐杰,

  随着车载自组织网络（VANET）技术在智能交通系统中的广泛应用，数据隐私和安全性问题日益凸显。针对车辆在异构密码系统通信中的隐私泄露问题，为了满足VANET的实时性需求，提出了一个高效的隐私保护格基异构多接收者签密方案。该方案实现了基于无证书加密（CLC）的路边单元（RSU）与基于身份加密（IBC）的车辆之间的安全数据交换。此外，设计了多接收者签密机制，允许将多次签密行为整合为一次操作，从而提升了传输效率。所提方案还使用拒绝采样技术，从而显著降低了签密者的计算开销。最后，通过随机预言机模型确认了此技术的高安全性。理论分析与实验结果显示，该方案在确保安全的基础上，有效降低了计算和通信开销。

• 基于矩阵的安全多方计算同态加密方案

  陈虹,马博宇,金海波,武聪,

  针对现有同态加密方案效率低，同态运算噪声增长速率高影响解密正确性的问题进行了研究，提出了一种格上基于整数矩阵的安全多方计算同态加密方案。方案采用了矩阵存储方式来处理明文数据并减小了密钥尺寸，与传统的比特或向量存储方式相比，矩阵存储方法在处理大规模数据时更为高效。为了控制噪声增长并提高解密结果的准确性，引入了比例降噪技术，可以有效地减缓噪声的累积。运用密文打包并对自举技术进行改进削减了噪声增长速率，为实现安全多方计算提供了条件。通过严格的理论证明，验证了方案的正确性和安全性。实验结果表明本方案加密、解密时间相较于对比方案至少降低了66.97%、33.04%，表现出了显著的性能优势。

• 基于相邻均值差直方图的高容量可逆信息隐藏算法

  熊涛,丁海洋,李雅静,

  为解决可逆信息隐藏（reversible data hiding，RDH）容量受限的问题，提出了一种基于相邻均值差的可逆信息隐藏（neighboring mean difference reversible data hiding，NMDRDH）算法。相邻均值差（neighboring mean difference，NMD）：计算两个相邻数值的平均值与其中一个数值的差值。NMD将差值最小化，使数据更加集中。首先将图像进行分块，然后在分块上应用NMD生成差值直方图，最后通过平移差值直方图，利用峰值点来嵌入秘密信息。由于NMD使生成的差值直方图具有更多的峰值点，所以该方法可嵌入更多的秘密信息。实验结果表明，采用本算法，原始图像恢复率和秘密信息提取正确率均为100%；相比于经典差值直方图平移方法，本算法的嵌入容量提升了43.7%；本算法在保证高容量的同时，PSNR达到42 dB以上，确保了嵌入图像失真较小。

• 基于可验证秘密共享与智能合约的隐私保护算法

  张磊,曹明增,张成林,何丽丽,纪莉莉,

  针对现有用户协作算法存在共谋攻击、背景知识攻击以及用户协作意愿等问题，基于可验证秘密共享与智能合约提出了一种用户协作隐私保护算法（privacy protection algorithm based on verifiable secret sharing and smart contracts，VSS-SCPPA）。该算法首先利用可验证秘密共享算法对用户查询信息进行加密和分裂，并提供系数承诺以验证子秘密数据的完整性。其次，结合智能合约与差分隐私技术设计了一种用户选择算法，构建匿名集。对该算法在抵御串通攻击方面的有效性进行了分析。通过在 Geolife 与BerlinMOD 数据集上的实验，结果显示VSS-SCPPA的隐私保护性更高。与Tr-privacy、Ik-anonymity和GCS相比，VSS-SCPPA的效率分别提高了约86.34%、99.27%和99.19%。VSS-SCPPA在提高隐私保护性的同时显著提升了算法效率，证明了其在用户协作隐私保护中的有效性。

• 无线传感器网络中基于PUF的轻量级多网关身份认证协议

  王雄,王文博,刘昂,许盛伟,李伟麟,张泽昊,

  针对无线传感器网络中多网关身份认证协议所存在的计算效率低、缺乏安全性以及无线传感器资源受限等问题，提出了一种基于不可克隆函数（PUF）的轻量级多网关身份认证协议。该协议全部使用异或、哈希函数等轻量级运算保证加密传输和完整性验证，每个设备利用PUF函数生成“设备指纹”标志其唯一性，并且通过提出的网络架构能够解决网关节点计算瓶颈和单点故障问题。其次通过随机预言模型、ProVerif协议仿真工具和非形式化安全分析，证明了所提协议满足信息传输机密性、完整性、匿名性等14 种安全属性。最后在统一的性能基准下通过与近年相关协议进行分析对比，结果表明所提协议在效率、存储成本和安全属性方面具有较大的优势。

• ASGC-STT：基于自适应空间图卷积和时空Transformer的人体行为识别

  庄添铭,秦臻,耿技,张瀚文,

  近年来许多行为识别研究将人体骨架建模为拓扑图，并利用图卷积网络提取动作特征。然而，拓扑图在训练过程中固有的共享和静态特征限制了模型的性能。为解决该问题，提出基于自适应空间图卷积和时空Transformer的人体行为识别方法—ASGC-STT。首先，提出了一种非共享图拓扑的自适应空间图卷积网络，该图拓扑在不同网络层中是唯一的，可以提取更多样化的特征，同时使用多尺度时间卷积来捕获高级时域特征。其次，引入了一种时空Transformer模块，能够准确捕捉远距离的帧内和帧间任意关节之间的相关性，建模包含局部和全局关节关系的动作表示。最后，设计了一种多尺度残差聚合模块，通过分层残差结构设计来有效扩大感受野范围，捕获空间和时间域的多尺度依赖关系。ASGC-STT在大规模数据集NTU-RGB+D 60上的准确率为92.7% （X-Sub）和96.9% （X-View），在NTU-RGB+D 120上的准确率为88.2% （X-Sub）和89.5% （X-Set），在Kinetics Skeleton 400上的准确率为38.6% （top-1）和61.4% （top-5）。实验结果表明，ASGC-STT在人体行为识别任务中具有优越的性能和通用性。

• 基于图像-文本大模型CLIP微调的零样本参考图像分割

  刘杰,乔文昇,朱佩佩,雷印杰,王紫轩,

  近年来，以CLIP为代表的视觉-语言大模型在众多下游场景中显示出了出色的零样本推理能力，然而将CLIP模型迁移至需要像素水平图-文理解的参考图像分割中非常困难，其根本原因在于CLIP关注图像-文本整体上的对齐情况，却丢弃了图像中像素点的空间位置信息。鉴于此，以CLIP为基础模型，提出了一种单阶段、细粒度、多层次的零样本参考图像分割模型PixelCLIP。具体地，采取了多尺度的图像特征融合，既聚集CLIP中不同视觉编码器提取的图像像素级特征，同时又考虑CLIP中固有的图像整体语义特征。在文本信息表征上，不但依靠CLIP-BERT来保持物体种类信息，还引入LLaVA大语言模型进一步注入上下文背景知识。最后，PixelCLIP通过细粒度跨模态关联匹配，实现像素水平的参考图像分割。充分的数值分析结果验证了该方法的有效性。

• 联合边缘特征的物流驾驶员危险行为识别

  侯贵捷,王呈,夏源,杜林,

  准确识别物流驾驶员接打电话等危险行为是实现生产安全的重要一环。针对工业现场背景复杂、驾驶员手臂动作相似度高等问题，提出一种联合边缘特征的物流驾驶员危险行为识别算法EF-GCN（edge feature graph convolutional network）。首先，提出基于自适应图卷积的空间感知模块，考虑人体运动过程中远离质心的边缘关节点，设计空间感知算法以提高权重分配。其次，设计时空边缘注意力模块，在时空均值化后添加边缘卷积，改善模型对边缘特征提取不充分的缺点；同时，引入可分离卷积SC block（separable convolution block），替换主干网络中的标准卷积，减少模型参数量。最后，构建相似特征识别网络SF-RN（similar feature recognition network），对接打电话、抽烟等手臂相似行为进行区分，强化算法对相似行为的识别能力。实验结果表明，EF-GCN较传统的时空图卷积网络识别精度提高10.4百分点，较基线模型提升3.2百分点，能够准确识别物流驾驶员的危险行为，验证了算法的有效性。

• 面向隐私保护的无镜头成像坐姿识别技术

  朱斌杰,李裕麒,

  现有基于视觉的坐姿识别方法普遍存在过度采集个体生物信息的问题，在追求高识别精度的同时，未充分考虑个人隐私的保护，从而增加了个人信息泄露的风险。针对上述问题，提出了一种在无镜头成像环境下基于层叠特征融合区域注意力增强的坐姿识别方法。该方法旨在利用无镜头成像技术下的模糊图像，通过设计特征融合与锐化模块，结合改进的级联分组注意力机制，增强了模型对关键特征和细节的捕捉能力。同时，采用组合损失函数优化了模型性能。实验结果表明，所提方法在自建无镜头坐姿数据集上，在准确率、精确度、召回率和F1-score上分别达到了0.964 77、0.931 96、0.935 27和0.932 46，均高于其他对比方法，有效提升了坐姿识别的隐私保护性和识别精度。

• 基于关节结构依赖的三维人体姿态估计与优化策略

  汪彬姿,宁欣,疏洋,丁友东,

  由于面临着固有的深度模糊和潜在的遮挡，单目三维人体姿态估计仍充满着挑战。为了缓解不确定性，提出了一个轻量高效的三维人体姿态估计模型，充分利用人体关节的结构依赖关系，通过两个局部约束增强策略对高自由度关节施加额外约束；设计了一个基于扩散模型的后处理框架，通过对多假设结果逐步去噪并加以骨长约束，优化带噪声的三维姿态。该方法在Human3.6M数据集上相比同类方法，在两个常用指标上分别提升了3%和4.5%，验证了其优越性。

• 基于多模态特征融合的场景文本识别

  蔡明哲,王满利,窦泽亚,张长森,

  为了解决自然场景文本图像因为遮挡、扭曲等原因难以识别的问题，提出基于多模态特征融合的场景文本识别网络（multimodal scene text recognition，MMSTR）。首先，MMSTR使用共享权重内部自回归的排列语言模型实现多种解码策略；其次，MMSTR在图像编码阶段提出残差注意力编码器（residual attention encoder，REA-encoder）提高了对浅层特征捕获能力，使得浅层特征能够传到更深的网络层，有效缓解了vision Transformer提取图像浅层特征不充分引起的特征坍塌问题；最后，针对解码过程中存在语义特征与视觉特征融合不充分的问题，MMSTR构建了决策融合模块（decision fusion module，DFM），利用级联多头注意力机制提高语义与视觉的融合程度。经过实验证明，MMSTR在IIIT5K、ICDAR13等六个公共数据集上平均词准确率达到96.6%。此外，MMSTR在识别遮挡、扭曲等难以识别的文本图像方面相较于其他的主流算法具有显著优势。