小型微型计算机系统

Select

徐若易,李金龙

2020, 41(2): 225-229.

摘要 ( ) PDF全文 ( )

可视化

在自然语言处理领域,句子表示方法能捕捉文本的不同信息,如卷积神经网络捕捉短语信息,循环神经网络捕捉时序信息等.自我注意力机制能够描述任意词对之间的重要程度,但是缺少词语间相对位置信息.我们提出了专注于相对位置的自我注意力模型(Relative Positional Self-Attention Network,RPSAN).在模型中,我们设计了远距离屏蔽矩阵,通过屏蔽词语相对距离较远的自我注意力值,来提取句子的局部信息.另外,我们设计了一种新的融合机制,通过softmax函数整合不同的句子表示来减少模型复杂度.实验表明,相比于其他基于注意力机制的模型,我们的模型在斯坦福情感分析数据集(Stanford Sentiment Treebank,SST)上有着最优的表现、最低的训练成本,并且在另外四个公开的文本分类数据集上获得了最优的分类正确率.

Select

一种半监督机器学习的EM算法改进方法

夏筱筠,张笑东（,）,王帅（,）,罗金鸣,崔露露（,）,赵智阳（,）

2020, 41(2): 230-235.

摘要 ( ) PDF全文 ( )

可视化

EM（Expectation Maximization）算法是含有隐变量（latent variable）的概率参数模型最大似然估计、极大后验概率估计最有效的算法，但很容易进入局部最优现象，对此提出基于半监督机器学习机制的EM算法.本文方法是在最大似然函数中加入惩罚最小二乘因子，同时引入非负约束作为先验信息，结合半监督机器学习方法，将EM算法改进转化为最小化求解问题，再采用最大似然方法求解EM模型，有效估计了混合矩阵和高斯混合模型参数，实现EM算法的改进.仿真结果表明，该方法能够很好地解决了EM算法容易局部最优化问题.

Select

MOEA/D线性插入方向向量策略研究

林梦嫚,王丽萍,周欢

2020, 41(2): 236-243.

摘要 ( ) PDF全文 ( )

可视化

MOEA/D具有良好的收敛性、均匀的分布性、求解效率高等优点,普遍应用于求解多目标优化问题.然而对于Pareto前端复杂的多目标优化问题,预先设定均匀的权重向量并不能够维持Pareto最优解集的良好分布性.本文,首先分析均匀分布的权重向量、均匀分布的搜索方向二者与均匀分布的解集之间的关系,提出一种新的权重向量设置方式;其次基于进化过程中解集的分布,提出线性插入搜索方向策略,并将其转换为对应的权重向量,同时在MOEA/D中周期性应用该策略调整搜索方向,获取分布均匀的解集;最后将该算法在WFG系列测试问题上进行性能测试,并采用世代距离指标(GD)、Spacing指标(S)、超体积指标(HV)对算法收敛性和多样性进行对比分析,实验结果表明,与原始的MOEA/D、使用均匀分布的搜索方向MOEA/D、使用预处理的MOEA/D、MOEA/D-DU相比,改进的算法求出解集的多样性极大提高,收敛性明显增强,解集的整体质量显著提高.

Select

理性背叛的推荐合作激励机制

金星,李明楚,孙晓梅,郭成

2020, 41(2): 244-251.

摘要 ( ) PDF全文 ( )

可视化

为了促进协作系统中用户的合作行为，激励机制得到了广泛的使用.然而，现有的激励机制往往存在无条件合作策略占优互惠策略的现象，进而抑制了合作的涌现.为了解决这一问题，本文在推荐激励模型上进一步考虑了用户的理性背叛行为.以演化博弈为框架，研究了理性背叛机制在全局平均学习和当前最优学习两种模式下的策略演化特性.结合实际场景，本文还研究了在非完美推荐下理性背叛机制的鲁棒性问题，并且基于余弦相似度提出了一种策略识别方案.最后，通过大量的数值实验与仿真实验，验证了理性背叛机制的理论特性，也展示了该机制在促进合作方面的有效性能.

Select

强化学习在自适应视频码率控制算法中的应用

肖强,白光伟,沈航

2020, 41(2): 252-258.

摘要 ( ) PDF全文 ( )

可视化

视频码率自适应是提高视频服务质量的一种有效方法.现有视频码率自适应算法大多都试图将一套相对固定的模型规则应用于所有用户，无法确保所有用户都拥有良好的QoE.针对上述问题，本文提出一种基于强化学习的自适应视频码率调节方案，可以根据不同的网络条件实时调整视频码率算法的参数.该方案通过强化学习方法，提高了学习收敛速度，限制了次优选择，并且不会因为快速收敛而降低视频码率调节的效率.实验结果表明，基于强化学习的自适应视频码率调节方案与Bola，MPC等传统视频ABR算法相比，总体平均比特率提高了大约83%，这得益于本文提出的方案能够更好地在不同的网络状态下对视频码率调节行为进行细粒度定制和优化.

Select

一种最优粒子逐维变异的粒子群优化算法

罗强,季伟东,徐浩天,孙小晴

2020, 41(2): 259-263.

摘要 ( ) PDF全文 ( )

可视化

针对粒子群算法(Particle Swarm Optimization,PSO)容易陷入局部最优、收敛速度过慢、精度低等问题,提出一种新的变异策略,对全局最优粒子进行逐维的重心反向学习变异.逐维变异降低了维间干扰,通过更新全局最优位置引领粒子向更好的位置飞行,同时加强了种群的多样性.仿真实验与基于柯西变异的混合粒子群算法(HPSO)及重心反向粒子群优化算法(COPSO)在9个标准测试函数上进行了对比.实验表明逐维重心反向变异算法(DCOPSO)具有较高的收敛速度及精度.

Select

带柯西变异的自学习改进烟花算法

曾敏,赵志刚,李智梅

2020, 41(2): 264-270.

摘要 ( ) PDF全文 ( )

可视化

针对烟花算法收敛速度慢和求解精度不高,论文提出了一种改进烟花算法——带柯西变异的自学习改进烟花算法.改进算法用全局搜索能力更强的柯西变异算子替代高斯变异算子,增大变异范围;用全局最优烟花个体和历史柯西火花的位置来构造新的爆炸半径使其不仅能够继承和学习历史信息,还能够自适应地调整步长;并使用可同时兼顾烟花质量与分布的“精英-随机”选择策略.使用了10个典型基准测试函数和10个0-1背包问题进行仿真实验,结果表明,与蝙蝠算法、粒子群算法、带高斯扰动的粒子群算法、烟花算法、增强烟花算法、自适应烟花算法相比.该算法在收敛速度、计算精度以及稳定性方面性能更优.

Select

卷积自注意力编码过滤的强化自动摘要模型

徐如阳,曾碧卿,韩旭丽,周武

2020, 41(2): 271-277.

摘要 ( ) PDF全文 ( )

可视化

自动文本摘要技术是一种能从海量文本中获取重要信息的方法，它可以缓解大数据时代信息过载的问题.传统基于编码-解码自动摘要模型生成的摘要易出现句内重复、语义无关等现象，不利于读者理解文本的核心思想.受人工摘要书写方式的启发，即先理解文本局部信息，再从全局层面归纳信息、书写摘要，提出一种基于卷积自注意力编码过滤的自动摘要模型（CSAG）.模型由编码器、卷积自注意力门控单元、解码器组成，结合卷积神经网络可以提取局部特征，多端自注意力机制可以学习长期依赖关系，模型可以根据上下文的局部和全局特征，从不同角度和不同层面提取文本潜在信息，确保模型生成正确流畅的摘要.然后通过策略梯度强化学习可直接利用不可微的度量指标ROUGE对模型进行优化，避免推理过程中出现曝光偏差问题.在Gigaword数据集上的多组对比实验结果表明，该文提出的模型在自动摘要任务上具有一定的优势.

Select

预训练模型下融合注意力机制的多语言文本情感分析方法

胡德敏,褚成伟,胡晨,胡钰媛

2020, 41(2): 278-284.

摘要 ( ) PDF全文 ( )

可视化

多语言文本的情感分析是情感分析领域的重要问题之一，而现有的情感分析方法着重于对单语言文本的研究.本文针对中英混合文本提出了一种细粒度情感分析模型，通过基于大规模语料的预训练语言模型得到上下文语义相关的词向量，将词向量输入双向LSTM网络学习文本的情感表征，使用多语言注意力机制分别针对单语和双语文本提取关键情感表征，最终通过并行融合的方式提升情感分类效果.本文使用NLPCC2018多语言文本情绪分析任务数据集进行细粒度情感分析，对比评测任务中的最好结果，本文模型得到的宏平均F1值提高至0.581，表明了本文方法的有效性.

Select

云环境下基于强化学习的多目标任务调度算法

童钊,邓小妹,陈洪剑,梅晶,叶锋

2020, 41(2): 285-290.

摘要 ( ) PDF全文 ( )

可视化

针对云计算环境下的多目标任务调度问题，提出一种新的基于Q学习的多目标优化任务调度算法（Multi-objective Task Scheduling Algorithm based on Q-learning，QMTS）.该算法的主要思想是：首先，在任务排序阶段利用Q-learning算法中的自学习过程得到更加合理的任务序列；然后，在虚拟机分配阶段使用线性加权法综合考虑任务最早完成时间和计算节点的计算成本，达到同时优化多目标问题的目的；最后，以产生更小的makespan和总成本为目标函数对任务进行调度，得到任务完成后的实验结果.实验结果表明，QMTS算法在使用Q-learning对任务进行排序后可以得到比HEFT算法更小的makespan；并且根据优化多目标调度策略在任务执行过程中减少了makespan和总成本，是一种有效的多目标优化任务调度算法.

Select

融合时间序列的POI动态推荐算法

原福永,李晨,雷瑜,刘宏阳,冯凯东,梁顺攀

2020, 41(2): 291-295.

摘要 ( ) PDF全文 ( )

可视化

兴趣点（POI）的签到数据体现了用户的偏好和兴趣点的分布特征，这在兴趣点推荐领域有极为重要的价值.为了缓解数据稀疏造成的推荐不准确等问题，本文提出了融合时间序列的POI动态推荐算法，结合用户与用户之间的关系、兴趣点位置以及流行度信息等.首先划分时间序列，得到时间因子的相似度；其次时间序列融入到基于用户的协同过滤算法，再根据时间的连续性特征得到基于用户的预测评分，然后将地理影响因子与基于时间的流行度信息结合，预测用户的评分，进而与基于用户的评分加权融合；最后，在Gowalla数据集上进行实验，结果表明，本文提出的融合时间序列的POI动态推荐算法能够有效减小推荐误差，提高推荐精度与召回率.

Select

一般间隙近似无重叠模式匹配

武优西,陈彤,闫文杰,高雪冬

2020, 41(2): 296-302.

摘要 ( ) PDF全文 ( )

可视化

具有间隙约束条件模式匹配问题是序列模式挖掘问题的基础与核心.无重叠模式匹配是其中的一种方法,当前研究是在间隙为正的精确模式匹配,为了进一步增加匹配的灵活性,本文探索了一般间隙近似无重叠模式匹配问题.本文提出一种有效的求解算法,该算法首先将问题转化为网树;然后为了有效地避免可行解丢失,提出近似监测机制以解决该问题;采用迭代搜索最左孩子策略的方式寻找无重叠出现;之后在网树上剪枝找到的无重叠出现,并迭代上述过程直至没有新的无重叠出现产生.最后本文理论分析了算法的空间复杂度和时间复杂度.大量实验结果验证了本文算法具有较好的求解质量及求解效率.

Select

异构计算环境下基于优先队列划分的调度算法

王兰,张龙信,满君丰,周立前,李肯立

2020, 41(2): 303-309.

摘要 ( ) PDF全文 ( )

可视化

人工智能的飞速发展对高性能计算提出了更高的要求，异构计算环境下任务调度问题一直是高性能计算中的关键问题.本文提出一种基于优先队列划分的调度算法（PQDSA），该算法根据DAG（有向无循环图）任务集的入口节点数量确定优先队列数，通过任务的通信开销和计算开销划分任务队列，进而将关键节点任务分配给合适的队列，以产生效果较佳的任务调度队列，从而提高任务间的并行性，降低任务集的完工时间.与此同时，进一步基于插入策略将任务调度到处理器上，使任务调度更加高效地执行.PQDSA算法可以减少任务间的时间消耗，提高处理器的调度效率.通过与两个经典算法的性能对比，实验结果表明本文提出的PQDSA算法在任务完工时间和调度效率方面都要明显优于对比的算法.

Select

一种加权距离连续K中心选址问题求解方法

黄书强,江秀美,范人胜

2020, 41(2): 310-315.

摘要 ( ) PDF全文 ( )

可视化

K中心选址作为一种经典问题,学者们提出了很多好的解决方法,但是对于加权距离连续K中心选址问题的研究一直没有很好的进展.本文针对连续K中心选址问题,以最小加权距离作为优化目标提出改进的粒子群优化算法(SA-PSO).本文将模拟退火机制引入PSO算法并且加入惯性权重等策略对算法进行改进,使得该算法可以更快收敛于全局最优.仿真实验结果表明,SA-PSO算法相比于GA算法和K-means算法,具有更强的稳定性,收敛速度更快,并且优化得到的加权距离更小.

Select

从信息学的角度分析复杂网络链路预测

王慧（,）,乐孜纯,龚轩,武玉坤,左浩

2020, 41(2): 316-326.

摘要 ( ) PDF全文 ( )

可视化

链路预测作为复杂网络分析的一项重要任务，其目的是寻找节点间缺失（新）的链路，识别虚假交互，对于挖掘和分析网络的演化，重塑网络模型具有重要意义.传统的链路预测方法多数采用拓扑结构信息、节点的属性信息和图的结构特征.应用这些特征等外部信息可以得到很好的预测效果.本文从信息学的角度全面分析、回顾和讨论了复杂网络链路预测的发展现状，提出了链路预测技术和问题的系统分类.首次将分层的思想引入链路预测分类体系中，把当前的链路预测方法分为基于监督学习的技术、基于半监督学习的技术、基于无监督学习的技术和基于强化学习的技术.对每种技术的优缺点、复杂性、所使用的具体特征，开源实现及应用建议进行了详细的分析.最后，讨论了当前复杂网络链路预测技术未来的发展方向.

Select

一个基于形式化方法的系统安全性建模分析实例研究

石梦烨,胡军,陈朔,唐红英,王立松

2020, 41(2): 327-332.

摘要 ( ) PDF全文 ( )

可视化

随着安全关键性系统的日益复杂，如何提高安全关键系统的安全性成为急需解决的问题.基于形式化模型的复杂系统设计与分析是一种重要的安全性分析方法.本文工作对AIR6110标准中的机轮刹车实例系统进行了基于形式化方法的安全性分析研究，包括：在系统模型设计层级对机轮刹车系统（WBS）的架构进行层次化分析，将自然语言描述的WBS系统功能用形式化语言（AADL的子集SLIM）进行严格的建模描述，消除AIR6110标准中自然语言描述存在的需求语义的二义性，从而建立了WBS系统的形式化模型；考虑系统可能发生的故障并设计多种类的故障模式，基于这些故障模式对建立的形式化功能模型进行失效行为语义的扩展，然后对获得的扩展系统模型进行安全性分析.实例分析论证了基于模型的安全性分析方法在工业系统中的有效性和实用性.

Select

不规则线段树的差分隐私位置隐私保护方法

胡德敏,廖正佳

2020, 41(2): 333-337.

摘要 ( ) PDF全文 ( )

可视化

差分隐私因具有严格推理和证明的隐私保证，常被应用于位置隐私保护场景中.用户进行位置连续查询时，会引起噪声叠加导致查询精度下降，目前基于规则树结构的差分隐私虽然能降低查询误差，但会产生大量无效零节点，数据结构过大，在查询精度上还有进一步提高的空间.本文提出了不规则线段树的差分隐私位置隐私保护方法，将不规则线段树引入差分隐私方法中，根据节点覆盖率和Laplace机制的敏感度推导出不规则线段树的估值函数，从而筛选出较优的不规则线段树结构.该方法能有效减小连续查询时噪声叠加带来的查询精度下降的问题，相对于其他提高差分隐私查询精度的方法有更小的查询误差，并能适应不同密度环境的LBS位置查询服务.

Select

链路预测模型下的无人机网关选择算法

姚玉坤,宋威威,李其超,张云霞

2020, 41(2): 338-343.

摘要 ( ) PDF全文 ( )

可视化

针对无人机自组网和地面控制站通信时网关节点持续时间短并由此带来的数据传输时延过大和成功率不高等问题,提出了一种基于无人机-地面控制站链路状态预测的网关选择算法.该算法通过建立基于无人机活动模型的预测和基于无人机运动趋势的预测,从而选择与地面控制站连接时间较长的节点作为网关候选节点.此外,通过使用函数计时机制选择网关选择参数最大的节点作为网关节点,有效避免分布式网关选择算法中随机延迟机制导致的不必要的网关切换.仿真结果表明,与现有的无人机分布式网关选择算法和移动自组网分簇算法相比,该算法有效延长了网关节点持续工作时间,并使无人机网络与地面控制站通信时的数据传输时延、数据传输成功率等性能得到提升.

Select

一种基于WiFi的室内重点区域监测方法

党小超（,）,张彤,郝占军（,）,段渝

2020, 41(2): 344-349.

摘要 ( ) PDF全文 ( )

可视化

针对无设备的室内重点区域监测问题,本文提出一种Wi-KAM方法,通过获取室内人员的实时位置信息,判断重点区域内部的人员存在情况和区域边界的入侵情况.本方法使用高斯低通滤波算法和主成分分析(PCA)法对提取出的信道状态信息(CSI)进行预处理,并提取位置特征信息.结合最小二乘支持向量机(LSSVM),对样本集进行离线训练和在线分类,获取人员实时位置,实现对重点区域内部及周边人员位置情况的监测.实验表明,本方法可以更精确地进行重点区域内人员入侵检测和位置判别,并提高了室内人员定位的准确性.

Select

DDBS:云数据中心基于数据依赖的虚拟机选择策略

宋娟,潘欢

2020, 41(2): 350-355.

摘要 ( ) PDF全文 ( )

可视化

提出了一种云数据中心基于数据依赖的虚拟机选择算法DDBS(data dependency based VM selection).参考Cloudsim项目中方法,将虚拟机迁移过程划分为虚拟机选择操作(VM selection)和虚拟机放置(VM placement)操作.DDBS在虚拟机选择过程中考虑虚拟机之间的数据依赖关系,把选择与迁移代价值比较小的虚拟机形成侯选虚拟机列表,配合后续的虚拟机放置策略最终完成虚拟机的迁移过程.以Cloudsim云计算模拟器中的虚拟机选择及放置策略作为性能比较对象.实验结果表明:DDBS与Cloudsim中已有能量感知的算法比较起来,在虚拟机迁移次数和能量消耗方面都比较少,可用性比较高.

Select

一种结合时间因子聚类的群组兴趣点推荐模型

陶永才,曹朝阳,石磊,卫琳

2020, 41(2): 356-360.

摘要 ( ) PDF全文 ( )

可视化

推荐系统本质上是一种信息检索工具,它检索出有用信息并推荐给特定的用户.组推荐系统通过不同的融合策略融合群组偏好,支持群组用户访问当前的热门兴趣点.传统组推荐模型没有将时间因子对用户选择兴趣点的影响计算在内,且传统协同过滤推荐算法往往对数据的稀疏性较为敏感.本文提出一个混合推荐模型(AGRT),综合K-均值聚类算法和隐语义模型(LFM)技术,将其应用于群组兴趣点.考虑到用户在不同时间点的不同兴趣偏好,AGRT利用K-means算法对用户数据集合基于时间点聚类,划分为不同的簇,在与当前推荐时间最为接近的用户数据簇上进行兴趣点推荐,采用LFM隐语义模型对用户数据进行矩阵分解,通过将分解矩阵再次相乘获得用户对未评分地点的评分数据,解决用户数据稀疏性的问题.实验结果表明,AGRT模型在低相似度(随机)群组和高相似度群组评测条件下下较文献［3］中提出的HAaB提高了5.19%和2.06%,具有有效的改进.

Select

一种联系数表达的位置不确定数据流聚类算法

史玲娟,黄德才

2020, 41(2): 361-368.

摘要 ( ) PDF全文 ( )

可视化

在不确定数据流聚类算法的研究中，位置不确定性是一种新的不确定数据类型.已有的不确定数据模型不能很好地描述和处理位置不确定数据.鉴于此，在提出基于联系数的位置不确定数据模型、联系距离函数、微簇密度可达性等主要概念的基础上，提出了一种联系数表达的位置不确定数据流聚类算法——UCNStream.数据流聚类算法采用在线/离线两级处理框架，使用基于密度峰值思想的初始化策略，定义了新的可动态维护的微簇聚类特征向量.利用衰减函数和微簇删除机制对微簇进行在线维护，准确地反映了数据流的演化过程.最后，分析了算法的计算复杂性，并通过对实际数据集上的实验与几种优秀的聚类算法进行了比较，实验结果表明，UCNStream算法具有较高的聚类精度和处理效率.

Select

基于Spark框架的用于金融信贷风险控制的加权随机森林算法

胡婵娟,于莲芝,薛震

2020, 41(2): 369-374.

摘要 ( ) PDF全文 ( )

可视化

为解决互联网时代线上贷款业务量庞大带来的困扰,优化快速迭代的数据模型,从线上贷款业务的特点出发,以Spark分布式计算引擎为核心设计并实现了能够并行处理非平衡数据的加权随机森林算法.该算法从特征切分点抽样统计、特征分箱、逐层训练三个角度对加权随机森林算法进行并行化优化.该算法有效提高了随机森林算法的分类准确率,同时有效降低了决策过程中出现的平局现象.对非平衡数据,该文章通过SMOTE算法对数据进行重构,较好的保留了原有数据集信息.实验表明,该算法能够有效提高放贷效率性与及时性,极大的提高了生产力.

Select

最近邻注意力和卷积神经网络的文本分类模型

朱烨,陈世平（,）

2020, 41(2): 375-380.

摘要 ( ) PDF全文 ( )

可视化

随着自然语言处理（NLP）的不断发展，深度学习被逐渐运用于文本分类中.然而大多数算法都未有效利用训练文本的实例信息，导致文本特征提取不全面.为了有效利用对象的实例信息，本文提出最近邻注意力和卷积神经网络的文本分类模型(CNN-AKNN).通过引入基于加权卡方距离的最近邻改进算法训练文本，构建文本对象的注意力，然后将注意力机制与卷积神经网络相结合实现全局特征与局部特征的提取，最后通过softmax函数进行文本分类.本文采用搜狗新闻语料库、中山大学语料库以及英文新闻语料库AG_news进行大量实验，结果表明本文所使用的改进算法相较于基准算法效果更优，更有利于提取模型的隐含特征.

Select

云平台任务资源使用状态预测分析研究

邓莉（,）,任雨林（,）,朱金灿（,）,何亨（,）,李超

2020, 41(2): 381-386.

摘要 ( ) PDF全文 ( )

可视化

预测任务的资源使用状况是提高云平台资源使用率的重要手段之一.然而云计算平台资源使用的动态性、不确定性和突变性使得预测效果有限.为了提高云平台任务的资源使用率预测性能,本文做了如下工作:1）详细地分析了当前主流云平台的资源使用情况,提炼了云平台任务的资源使用特征；2）根据云平台的特点设计了适合任务的资源使用预测性能评价函数PEFOT(Performance Evaluation Function fOr Tasks,PEFOT)；3）设计并实现了一种云平台任务的资源使用率预测方法REPO-TASK(REsource Prediction method fOr TASKs,REPO-TASK).使用Google云平台数据集进行了实验,结果表明,相对于目前已经提出的任务资源使用率预测模型BP和LSTM,REPO-TASK方法具有更好的预测性能,PEFOT值平均下降了3.2591.

Select

基于局部估计密度的局部离群点检测算法

谢兄,唐昱

2020, 41(2): 387-392.

摘要 ( ) PDF全文 ( )

可视化

局部离群点检测是近年来数据挖掘领域的热点问题之一.针对交通数据去噪问题,提出一种基于局部估计密度的局部离群点检测算法,算法使用核密度估计方法计算每个数据对象的密度估计值,来表示该数据对象的局部估计密度,并在核函数的带宽函数计算中引入数据对象的k-邻域平均距离作为其邻域信息,然后利用求出的局部估计密度计算数据对象的局部离群因子,依据局部离群因子的大小来判断数据对象是否为离群点.实验表明,该算法在UCI标准数据集与模拟数据集上都可以取得较好的表现.

Select

基于耦合CNN评分预测模型的个性化商品推荐

冯勇,韩晓龙,顾兆旭,王龙,徐孟阳,刘志国

2020, 41(2): 393-398.

摘要 ( ) PDF全文 ( )

可视化

电子商务中大量评论数据蕴含着丰富的信息，该信息有助于解决个性化推荐系统存在的数据稀疏问题.为了充分挖掘评论数据蕴含的价值，提高商品推荐的准确率，本文提出了基于耦合CNN评分预测模型的个性化商品推荐方法.该方法首先利用耦合CNN构建评分预测模型，将耦合CNN分为用户网络和商品网络，划分成输入层、卷积层、输出层和共享层；用户评论数据和商品评论数据分别从相应网络输入；在评论数据分析时，从字向量角度进行语义分析，同时改变传统的使用单一大小卷积核处理句子的模式，使用多个并行的卷积层，利用大小不同的卷积核对句子进行特征提取；两个网络的输出将共同汇聚于共享层，在共享层使用因子分解机进行评分预测；最后将结果中的高评分商品推荐给用户.经对比实验验证，本文所给方法能够提高商品推荐的准确率.

Select

自适应融合残差网在图像分类中应用研究

杨晶东,杨鑫,赵诚

2020, 41(2): 399-405.

摘要 ( ) PDF全文 ( )

可视化

针对卷积神经网络存在随着网络深度增加导致优化困难，识别正确率降低、泛化性能差等问题，在ResNet（残差网络）基础上，提出了一种基于softmax全连接自适应门控网络融合模型.该方法在隐层网络深度达到一定层数后，设置多种卷积核尺寸作为独立网络输出，通过softmax全连接门控网络输出各模型选择概率，融合多种卷积尺寸残差网输出作为模型最终输出.实验表明，本文提出的融合残差网络模型更适合于多类别、精细化数据集，与单网络模型相比，在训练集上具有更好的收敛性，在测试集上具有更好的泛化性能.

Select

一种用于实时模拟布料与流体交互的算法研究

唐勇（,）,赵伟（,）,宛月茶（,）,赵静（,）,吴德阳（,）

2020, 41(2): 406-409.

摘要 ( ) PDF全文 ( )

可视化

针对目前布料与流体交互时出现的流体穿透和布料自碰撞问题，提出一种用于实时模拟布料与流体交互的方法.首先，根据布料的网格拓扑结构引入拉伸约束和弯曲约束对弯曲力以及拉伸力进行建模；其次，采用膨胀式连续碰撞检测方法检测布料与流体间的碰撞，并使用基于惩罚的接触力来处理碰撞响应，解决了高速度流体与布料发生碰撞时的穿透问题；最后，引入交互因子记录布料与流体的首次接触时间，采用扩张的k-DOPs层次包围体结构对布料上的所有几何元素进行相交检测，并采用施加约束的方法处理发生碰撞的质点的位置和速度，保证了检测速率并解决布料自碰撞的问题.实验结果表明，该方法能够准确检测到流体穿透和布料自碰撞的问题，并对交互时的相互作用做出正确的碰撞响应，且该方法具有实时性、效率高和通用性等优点.

Select

细胞膜机制萤火虫算法优化多阈值Otsu图像分割

刘鑫晶,刘彦隆,徐鑫鑫

2020, 41(2): 410-415.

摘要 ( ) PDF全文 ( )

可视化

图像阈值分割是将灰度图像转换为二值图像的常用图像分割方式.经典多阈值Otsu算法对复杂图像进行分割取得了很好的效果，但是其采用穷举方法来寻找最优阈值是非常耗时的.针对这一问题，本文提出了一种基于细胞膜和自适应步长萤火虫混合优化算法的多阈值Otsu图像分割方法.利用萤火虫算法的启发式搜索来寻找图像分割的最优阈值很好地降低了算法的时间复杂度，并且在萤火虫算法中混合细胞膜算法很好地解决了萤火虫算法的“早熟”现象.实验结果表明，与经典多阈值Otsu法和萤火虫算法优化多阈值Otsu法相比，本文提出的算法具有更高的收敛速度和更好的图像分割效果，并且有效解决了萤火虫算法易陷入局部最优的问题.

Select

生成对抗网络进行感知遮挡人脸还原的算法研究

魏赟,孙硕

2020, 41(2): 416-420.

摘要 ( ) PDF全文 ( )

可视化

有遮挡人脸图像还原是指通过对遮挡区域的图像进行估计，尽可能使用语义上合理的内容来填补.现有的人脸图像还原算法大多使用预先定义的掩模来模拟遮挡，并未考虑真实场景下的遮挡（如眼镜、口罩等）大小和位置对图像还原的影响.提出了一种基于深度卷积生成对抗网络的遮挡感知人脸还原方法，通过学习最接近遮挡图像的编码，来推断缺失的内容，并在生成的过程中自动检测出遮挡的区域，此外，为了减少面部信息丢失，保证恢复后的人脸的真实性，引入语义感知网络，以此进一步优化所提模型.对所选数据集的实验表明，所提出的模型效果较好.

Select

融合CamShift的TLD算法实现人脸跟踪

牛颖,李丽宏

2020, 41(2): 421-425.

摘要 ( ) PDF全文 ( )

可视化

针对跟踪-学习-检测（Tracking-Learning-Detection，TLD）算法跟踪模块所用金字塔光流法计算量大，跟踪人脸实时性差的问题，提出融合连续自适应均值漂移（Continuously Adaptive Mean Shift，CamShift）的TLD算法提高人脸跟踪效率.改进的TLD算法框架中跟踪模块选用CamShift算法实现目标人脸跟踪，检测模块采用滑动窗法扫描搜索，再使用分类器判断目标是否存在，学习模块根据跟踪模块和检测模块的结果对比评估错误和误差，更新目标模型.将改进的TLD算法分别与CamShift算法和TLD算法进行对比试验，结果表明，融合CamShift的TLD算法实现人脸跟踪效率和准确率均高于原始两种算法，且满足实时性要求.

Select

基于多普勒雷达的发音动作检测与命令词识别

吴鹏飞,凌震华

2020, 41(2): 426-430.

摘要 ( ) PDF全文 ( )

可视化

本文提出了一种基于多普勒微波雷达的发音动作检测与命令词识别方法.该方法利用微波雷达的多普勒特性检测发音过程中面部肌肉的微小变化，实现不依赖语音声学信号的命令词识别.本文首先设计实现了一个基于多普勒微波雷达的发音动作检测系统，并基于此系统构建了一个包含2个说话人的命令词识别数据库.然后，本文研究了基于支持向量机和卷积神经网络模型的雷达数据分类方法，并对比了不同模型和特征组合在单话者建模和多话者建模情况下的命令词识别性能.实验结果表明，本文设计的数据采集系统可以有效检测发音动作，所构建的卷积神经网络分类器可以取得90%以上的命令词识别准确率.

Select

能耗和噪声约束下的柔性车间调度决策优化

张斯琪,倪静,郭起轩

2020, 41(2): 431-439.

摘要 ( ) PDF全文 ( )

可视化

针对柔性作业车间生产过程中能源消耗和噪声污染严重的问题，在考虑最大完工时间的基础上，将能耗和噪声作为独立的决策变量，构建关于完工时间、能耗和噪声的多目标FJSP优化模型，并改进鲸鱼算法实现调度优化.首先，利用转换序列二段式编码方式将连续个体映射为离散个体并通过反向学习法初始化种群，提高算法的搜索性能；其次，在种群迭代过程中采用收敛因子非线性调整策略，并基于小生境技术对存储非劣解的外部文档进行更新，结合二次插值变异算子，避免算法陷入早熟收敛；最后，通过评价系数的权重选出Pareto解集中的满意解.针对具体实例进行测试，证明所提算法的可行性和有效性.

Select

摄动开普勒问题形式化建模与验证

王国辉（,）,许京然（）,刘永梅（,）,施智平（,）,关永（,）

2020, 41(2): 440-444.

摘要 ( ) PDF全文 ( )

可视化

摄动开普勒问题广泛应用于卫星轨道摄动分析，然而卫星轨道摄动分析数学模型的错误将导致灾难性后果.传统的建模与分析方法涉及到矢量代数、旋量代数、复数、四元数等多种不同的代数系统，在各个代数系统相互转换过程中极易引入错误.几何代数方法将多种代数系统统一到相同代数结构中，弥补了传统分析方法的不足.但是基于几何代数的摄动开普勒问题数学模型的正确性并没有通过严格的形式化验证.本文采用高阶逻辑来描述该问题的属性和规范，以公认的逻辑公理和推理规则为基础构建其形式化模型并进行验证，从而最大程度确保数学模型的正确性和分析方法的可靠性.

Select

基于速度前瞻的数控运动轨迹控制及平滑处理

林浒（,）,刘飞（,）

2020, 41(2): 445-448.

摘要 ( ) PDF全文 ( )

可视化

随着制造技术的不断发展和新材料工艺的应用，制造业数控机床的性能要求越来越高.追求高效率，高精度和高可靠性是数控机床技术发展的一个永恒话题.经前人不懈努力，已取得了一些卓有成效的工作.但在产业化应用方面，需要针对具体的加工需求，尤其是某些特种加工，尚有待于进行深入研究.为此，本文以超快激光加工中的速度规划为研究对象，采用空间圆弧过渡实现程序段间的轨迹转接，保证轨迹的C1连续性，并且算法具有计算简单、技术成熟等特点，使用空间圆可以简洁地描述数控运动轨迹在拐角处的平滑过渡曲线，此外，采用实时前瞻技术，实现平滑且高速的轨迹运动效果.最后，对该算法进行了实际加工的验证，提高了工件的整体加工效率.

选择文件类型/文献管理软件名称

选择包含的内容

过刊目录

作者投稿

专家审稿

编辑办公

主编办公

编委审稿

下载中心