小型微型计算机系统

Select

张建宗,陶丹

2021, 42(2): 225-230.

摘要 ( ) PDF全文 ( )

可视化

GPS等设备的普及使得基于大规模车辆数据的城市级道路状态评估成为可能，本文研究移动群智感知下的交通流速缺失数据恢复问题.首先，利用探测车收集车辆数据，设计了基于网格密度提取路网的方法;其次，针对GPS数据特点设计一种自适应的路段流速计算方法，得到交通流速矩阵;再次，对交通状况评估时存在的数据缺失情形进行分类，基于数据时空特征改进了压缩感知的稀疏基，有效地将交通流速缺失数据的预测问题建模成稀疏向量的恢复问题;最后，基于大规模真实出租车数据集对所提出算法性能进行全面验证.结果表明：在数据缺失程度大于50%时，本文所提出算法能够准确地恢复缺失数据，且性能优于其他同类算法.

Select

孪生网络中文语义匹配方法的研究

于碧辉,王加存

2021, 42(2): 231-234.

摘要 ( ) PDF全文 ( )

可视化

语义匹配是问答领域的一个核心任务，能够为问答系统和信息检索等领域提供技术支持.目前对于语义匹配这一特殊分类问题，神经网络主要使用交叉熵或者对比代价损失函数，忽略了损失函数的分类限制宽泛，导致其在分类边缘存在误差.为了解决此种问题，本文在已有的孪生神经网络的基础上，引入amsoftmax损失函数，提升模型精确度，同时在现有的词向量和字向量作为网络输入的基础，进一步引入Attention机制，使模型进一步获取更多的文本信息.实验结果表明，与之前的深度学习模型相比，模型的性能有进一步提高.

Select

E2ECER：一种基于端到端的对话情感识别分类模型

孙鹏,彭敦陆

2021, 42(2): 235-240.

摘要 ( ) PDF全文 ( )

可视化

人机对话中的情感识别对提升人机交互效率具有重要意义.当前，人机对话系统中的情感识别主要由特征提取和回归两步完成.但是，通常这两个步骤是相互独立的，目标并不一致，难以判断提取的特征是否为合适的情感特征.再者，在特征融合方面，传统方法仅将不同模态特征简单拼接，忽略了不同模态对分类结果影响的大小.针对以上问题，本文提出了一种端到端的对话情感识别模型E2ECER，该模型将情感识别过程整合在一个统一的系统中.此外，还引入了基于注意力机制的多模态融合方法，提高了对上下文语境的学习能力，改善了动态特征融合效果.最后基于公共数据集IEMOCAP进行情了感分类识别实验，实验结果显示，同对话情感识别基线相比，所提模型表现明显高于平均水平，表明其在情感识别上的有效性.

Select

结合模糊控制的时序数据预测循环神经网络

田贤忠,顾思义,胡安娜

2021, 42(2): 241-245.

摘要 ( ) PDF全文 ( )

可视化

时序数据处理任务中，循环神经网络模型以及相关衍生模型有较好的性能，如长短期记忆模型（LSTM），门限循环单元（GRU）等.模型的记忆层能够保存每个时间步的信息，但是无法高效处理某些领域的时序数据中的非等时间间隔和不规律的数据波动，如金融数据.本文提出了一种基于模糊控制的新型门限循环单元（GRUFuzzy）来解决这些问题.本文在GRU的基础上对记忆层增加了一个子空间分解，由模糊控制模块和一个启发式的失效函数组成，根据数据波动和时间间隔决定记忆层保留的信息量，从而提升模型性能.实验表明，相比于其他的循环神经网络模型，在标普500和上证50中选出股票的股价预测任务中，本文提出的模型有较好的表现.

Select

融合预训练模型的中文知识图谱问题生成方法

叶子,陈小平,张波,欧阳昱,刘辉舟

2021, 42(2): 246-250.

摘要 ( ) PDF全文 ( )

可视化

基于知识图谱的问答方法旨在通过知识图谱的三元组检索和推断来对自然语言形式的问题进行解答.然而，现有中文知识图谱问答语料库存在规模较小，质量较差等问题，相关语料库构建方法亟待完善.因此，本文提出一种融合预训练模型的中文知识图谱问题生成方法，目标是以中文知识图谱三元组作为输入生成正确且多样的问题.该方法汲取了条件变分自编码器的思想，以预编码器源编码器解码器为核心架构，利用BERT模型进行预编码，并以Transformer模型为基础构建源编码器和解码器.此外，该方法还结合了答案编码技术并进行了改进.本文使用NLPCC2017 KBQA数据集进行实验，实验表明该模型在BLEU、ROUGE以及人工评价指标上较基线模型有明显提升，并且能够生成更具多样性的问题，证明了该方法的有效性.

Select

基于动态损失函数的远程监督关系抽取

彭正阳,,吕立,于碧辉

2021, 42(2): 251-255.

摘要 ( ) PDF全文 ( )

可视化

关系抽取是信息抽取的主要任务之一，远程监督作为关系抽取中的一种有效的方法，已成功地应用于包含上千关系的大型语料库.然而，远程监督造成的错误标注会影响关系抽取的性能.为了缓解这一问题，现有的远程监督关系抽取方法选择每个实体对中一个最好的句子或通过注意力机制赋予每个句子不同的权重.但这些方法并不能完全解决错误标注的问题.本文提出了一种新的方法来寻找错误标注或简单的实例，并通过动态改变损失函数的方式来降低它们在批量梯度下降中的权重.在NYTFreebase公共数据集上的实验结果表明，本文提出的方法优于基线方法，能够有效提高远程监督关系抽取的准确率.

Select

相似度保持跨模态哈希检索

房小兆,唐宝动,韩娜,孙为军,滕少华

2021, 42(2): 256-263.

摘要 ( ) PDF全文 ( )

可视化

由于不同模态数据之间的异构性以及语义鸿沟等特点，给跨模态数据分析带来巨大的挑战.本文提出了一个新颖的相似度保持跨模态哈希检索算法.利用模态内数据相似性结构使得模态内相似的数据具有相似的残差，从而保证学习到的哈希码能够保持模态内数据的局部结构.同时利用模态间数据的标签，使得来自于不同模态同时具有相同标签的数据对应的哈希码能够紧密聚集在一起.为了进一步提高哈希码的鉴别能力，算法引入线性回归使得投影后的哈希码能够逼近样本的二值标签.在三个公开的不同跨模态检索数据集上的实验结果显示本文算法有较高的平均查准率.

Select

轨迹数据的多特征融合及检测方法

饶元淇,赵旭俊,蔡江辉

2021, 42(2): 264-270.

摘要 ( ) PDF全文 ( )

可视化

传统轨迹检测方法中的轨迹相似度仅从位置向量进行度量，忽略了轨迹数据的速度和时间特征，这导致轨迹检测结果无法全面反映实际状况，降低了检测结果的有效性.针对上述问题，提出一种面向多个特征向量的轨迹数据相似性度量及检测方法.该方法首先将轨迹数据映射到图模型描述的轨迹图中，每条轨迹是轨迹图的一个节点;针对各节点的速度、时间和空间特征，给出了适用其度量的三个核函数，通过加权求和实现三个特征向量的融合;然后采用每个节点的特征融合值来构建轨迹数据的相似矩阵及其对应的Laplacian矩阵，以此实现轨迹数据的相似性度量;最后，运用Kmeans聚类方法对轨迹图进行分割，通过对的图模型节点的划分来实现特征相似的轨迹数据划分到相同的类.在实验中，采用出租车和飓风数据，分别对算法的效率和准确性进行检验，实验结果显示本文提出算法是合理有效的.

Select

时间序列特征提取方法研究综述

任守纲,张景旭,顾兴健,熊迎军,王浩云,徐焕良

2021, 42(2): 271-278.

摘要 ( ) PDF全文 ( )

可视化

随着物联网、大数据和人工智能等技术研究和应用的蓬勃发展，各类时间序列数据不断涌现.时间序列数据特征是表象，内在蕴含着丰富的领域知识，如何高效分析时间序列特征模式，提取可辨识的时间序列特征，挖掘数据蕴含的规律，正成为业界研究的热点.本文首先介绍时间序列概念，综述了时间序列分类、聚类和预测三方面研究的最新进展;然后从时间序列特征提取方法的形状特征、时间依赖特性、序列变换特征3方面,详细分析和比较机器学习方法在时间序列问题上的研究情况，最后基于当前时间序列特征提取方法的发展趋势，对时间序列特征提取方法的未来发展做出展望.

Select

字词融合的双通道混合神经网络情感分析模型

陈欣,杨小兵,姚雨虹

2021, 42(2): 279-284.

摘要 ( ) PDF全文 ( )

可视化

针对双向门控循环神经网络(BiGRU)无法获取文本局部特征，卷积神经网络(CNN)无法聚焦文本全局特征的问题，提出一种字词融合的双通道混合神经网络文本情感分析模型(CW_BGCA).首先，将文本分别用字符级词向量和词语级词向量表示;然后使用门控循环神经网络和卷积神经网络结合的混合神经模型分别从字向量和词向量中提取隐层特征，并分别引入注意力机制进行特征权重分配;最后将双通道网络提取的特征融合，输入到Softmax函数进行分类.在数据集上进行了多组实验验证，该方法取得了93.15%的F1值、93.47%的准确率，优于其他对照模型.试验结果表明，该模型能够有效的提高文本情感分析的性能.

Select

融合信任关系与评论文本的矩阵分解推荐算法

李昆仑,翟利娜,赵佳耀,王萌萌

2021, 42(2): 285-290.

摘要 ( ) PDF全文 ( )

可视化

针对推荐系统中用户评分数据稀疏所导致推荐结果不精确的问题，本文尝试将用户评分、信任关系和项目评论文本信息融合在概率矩阵分解方法中以缓解评分数据稀疏性问题.首先以共同好友数目及项目流行度改进皮尔逊用户偏好相似程度并将其作为用户间的直接信任值，然后考虑用户间信任传播过程中所有路径的影响构建新的信任网络;其次通过BERT预训练（Pretraining of Deep Bidirectional Transformers for Language Understanding）模型提取项目的评论文本向量，构造项目的评论文本特征矩阵;最后基于概率矩阵分解（Probabilistic Matrix Factorization，PMF）模型融合用户的评分数据、用户的信任关系以及项目的评论文本信息进行推荐.通过不断的理论分析并在真实的Yelp数据集上进行实验验证，均表明本文算法的有效性.

Select

MTLBERT：一种结合BERT的中文文本多任务学习模型

武乾坤,彭敦陆

2021, 42(2): 291-296.

摘要 ( ) PDF全文 ( )

可视化

单任务学习常常受限于单目标函数的不足，多任务学习能有效利用任务相关性的先验性，故而受到了学界的关注.在中文自然语言处理领域，关于多任务学习的研究极为匮乏，该领域需同时考虑到中文文本特征提取和多任务的建模.本论文提出了一种多任务学习模型MTLBERT.首先将BERT作为特征提取器以提升模型的泛化性.其次分类和回归是机器学习中的两个主要问题，针对多标签分类和回归的混合任务，提出了一种任务权重自适应框架.该框架下，任务之间的权重由联合模型参数共同训练.最后从模型最大似然角度，理论验证了该多任务学习算法的有效性.在真实中文数据集上的实验表明，MTLBERT具有较好的计算效果.

Select

融合物品相似性与流形正则化的矩阵分解推荐模型

王嘉琦,顾晓梅

2021, 42(2): 297-302.

摘要 ( ) PDF全文 ( )

可视化

矩阵分解是推荐系统中应用最为广泛的方法之一，但其对物品隐因子及其相似性学习不够充分.社会网络分析中认为相互连接的个体有一定共性，受此启发提出一个能够借助近邻关系有效学习物品隐因子及其相似性的矩阵分解推荐模型.首先基于评分矩阵对物品相似性计算进行改良，综合同一用户和相似用户的评分共现信息对物品信息建模;然后通过构建相似性优化和流形局部保持正则化项，使物品相似性作用在矩阵分解中，从而充分学习物品隐因子特征及其相似性;最后根据用户和物品隐因子矩阵计算推荐指数.在公开数据集上的实验结果表明，通过流形正则化技术将改良的物品相似性作用在矩阵分解中，可以有效提升推荐效果.

Select

一种时空注意力网络的交通预测模型

王婧娟,陈庆奎,

2021, 42(2): 303-307.

摘要 ( ) PDF全文 ( )

可视化

交通预测在智能交通中有着重要的意义和应用.由于交通数据的复杂性和高度的非线性，精确的交通预测的核心挑战在于如何对复杂的空间相关性和时间动态建立模型.在现实生活中，我们发现：1)区域间的空间依赖是动态的;2)时间依赖有日和周的模式，但由于有动态时间变化，它不具有严格周期性.为了解决这两个问题，我们提出了一个新的时空注意力网络(STAN)，该模型的主要思想是区域间的动态相似性用一个门控机制学习，长期周期性时间转移现象由一个周期性注意力转移机制来学习，并考虑交通道路、天气状况等外部因素.通过与不同的方法在两个数据集上进行评估，实验结果表明，我们提出的模型有更好的准确性.

Select

一种面向数据可用性和存储可靠性动态要求的自适应纠删码存储策略设计

李子天,邢凯,龚海华

2021, 42(2): 308-314.

摘要 ( ) PDF全文 ( )

可视化

为了满足指数级增长的大数据存储需求，现代的分布式存储系统需要提供大容量的存储空间以及快速的存储服务.因此在主流的分布式存储系统中，均应用了纠删码技术以节约数据中心的磁盘成本，保证数据的可靠性，并且满足应用程序和客户端的快速存储需求.在实际应用中数据往往重要程度并不相同，对数据可用性要求不一，且不同磁盘的故障率和可靠性动态不一的特点，对于传统RAID存储方式包括基于纠删码的存储系统提出了新的挑战.本文提出了一种面向数据可用性和磁盘可靠性动态要求的灵活自适应纠删码存储设计Ondemand ARECS（Ondemand Availability and Reliability Oriented Adaptive Erasure Coded Storage System），根据存储后端数据可用性和磁盘可靠性的多个维度进行设计，综合确定纠删码编码策略和存储节点选择，从而减少存储冗余度和存储延迟，同时提高数据可用性和存储可靠性.我们在TahoeLAFS开源分布式文件系统中进行了实验，实验结果验证了我们的理论分析，在保证具有多样性要求的数据可用性和磁盘可靠性的前提下，明显减少了数据冗余度和存储延迟.

Select

基于新小波阈值的轴承故障诊断方法

纪俊卿,张亚靓,张静,许同乐

2021, 42(2): 315-319.

摘要 ( ) PDF全文 ( )

可视化

对于滚动轴承的故障分类方法抗干扰性差、准确率低等问题，文中提出一种新小波阈值的滚动轴承故障特征提取方法.通过计算每层分解后数据与原始数据的相关系数，改变调节因子，在不同分解层中选取阈值和阈值函数，达到寻求最优信噪比的目的.以型号为62052RS的滚动轴承故障信号为例进行仿真实验，对降噪后的频谱以及LSSVM诊断结果对比可以看出，新阈值的降噪效果要明显好于另外几种方法.

Select

改进的单形进化算法及在神经网络上的应用研究

全海燕,易昭,郑蒙福

2021, 42(2): 320-325.

摘要 ( ) PDF全文 ( )

可视化

单形进化算法（SurfaceSimplex Swarm Evolution Algorithm，简称SSSE）是一种新型群体智能优化算法，该算法通过建立粒子的单形邻域搜索算子和多角色态搜索机制，具有很好地收敛效果.为了对该算法的性能进行进一步分析与讨论，同时，为了强调全局搜索的应用场景并提高算法的勘探搜索能力，提出一种改进的单形进化算法（ISSSE），ISSSE对原算法的多态平衡搜索机制进行了两点改进;然后用8个标准测试函数进行性能测试，并同不同的算法比较;最后将ISSSE算法应用于径向基神经网络（RBF）的参数优化中.实验结果表明，改进的单形进化算法（ISSSE）在其性能上具有更好的勘探搜索能力，提高了算法的求解精度和收敛速度，并且能够很好应用于RBF的参数寻优，提高了RBF的分类正确率.

Select

众筹项目推荐：面向隐式反馈的深度学习协同过滤

吴远琴,尹裴,干宏程

2021, 42(2): 326-333.

摘要 ( ) PDF全文 ( )

可视化

目前，在推荐系统研究中，用户的隐式反馈，以及极度稀疏的数据，已成为影响协同过滤推荐效果的主要问题.针对这一现象，本文提出了深度学习协同过滤算法，先利用卷积神经网络，对用户项目矩阵的隐层特征进行学习，再结合协同过滤，对用户项目的交互信息进行建模，并将两种特征融合预测推荐列表.以众筹平台的数据为实验对象，比较模型中各参数对推荐效果的影响，并设计与基线方法的对比实验.实验结果表明：均匀采集负反馈，并在一定卷积层数的网络中，数据稀疏度越高，效果越好;对比基线方法，本文提出的算法在公开数据集（Yahoo! Movie）上取得了最好的推荐结果.本文提出的算法有助于提高众筹平台的融资成功率，同时也丰富了推荐系统的研究体系.

Select

结合LSTM的强化学习动态环境路径规划算法

武曲,张义,郭坤,王玺

2021, 42(2): 334-339.

摘要 ( ) PDF全文 ( )

可视化

在路径规划领域已经涌现出了诸多的优秀的经典算法，但这些传统方法往往基于静态环境，对于动态可变环境缺乏处理能力.本文提出一种结合LSTM强化学习动态环境路径规划算法.首先，本文以环境图像作为输入，最大限度了保证了原始的信息来源.而后构建了自动编码器用来对环境图像进行特征降维，降低了整体模型的复杂程度.最后采用深度强化学习算法DDPG进行路径规划，其中Actor部分采用LSTM的网络构建，使Actor在决策时可以参考前序信息，做到有预测的避开动态障碍.最后通过实验证明了本文算法的可行性和高效性.

Select

一种鲁棒性的少样本学习方法

代磊超,冯林,杨玉亭,尚兴林,苏菡

2021, 42(2): 340-347.

摘要 ( ) PDF全文 ( )

可视化

少样本学习是目前机器学习研究领域的一个热点，它能在少量的标记样本中学习到较好的分类模型.但是，在噪声的不确定环境中，传统的少样本学习模型泛化能力弱.针对这一问题，提出一种鲁棒性的少样本学习方法RFSL(Robust FewShot Learning).首先，使用核密度估计(Kernel Density Estimation,KDE)和图像滤波(Image Filtering)方法在训练集中加入不同的随机噪声，形成多个不同噪声下的训练集，并分别生成支持集和查询集.其次，利用关系网络的关系模块通过训练集端到端地学习多个基分类器.最后，采用投票的方式对各基分类器的最末Sigmoid层非线性分类结果进行融合.实验结果表明，RFSL模型可促进小样本学习快速收敛，同时，与RNet以及其他主流少样本学习方法相比，RFSL具有更高的分类准确率，更强的鲁棒性.

Select

一种新的考虑注意力机制的微博谣言检测模型

潘德宇,宋玉蓉,宋波

2021, 42(2): 348-353.

摘要 ( ) PDF全文 ( )

可视化

随着社交媒体的迅速发展，谣言通过社交媒体迅速传播，识别社交媒体网络上的谣言是社交网络研究中一个至关重要的问题.本文提出了一种新的考虑注意力机制的微博谣言检测模型，考虑到卷积神经网络（CNN）提取到的特征对输出结果影响力问题，在经典的文本卷积神经网络（Text CNN）上引入了注意力机制，通过CNN中的卷积层学习微博窗口的特征表示，再根据每个特征表示对输出结果的影响力不同通过注意力机制赋予不同的权重来进行谣言事件的检测.研究结果表明，本文提出的微博谣言检测模型准确率达到了96.8%，并且在召回率和F1值上也有提升，即本文提出的新的微博谣言检测模型具有更好的谣言识别能力.

Select

面向不平衡网络评论数据挖掘的服务质量评价

顾永春,顾兴全,武娇,洪彩凤,金世举

2021, 42(2): 354-361.

摘要 ( ) PDF全文 ( )

可视化

针对基于不均衡网络评论的服务质量评价研究中存在的评论语料分布不均衡和特征词提取依赖主观经验的问题,在利用不平衡网络评论构建服务质量评价指标体系的过程中，本文提出基于主体频率G指数模型来客观地提取高频特征词，并通过特征词词向量聚类构建服务质量评价指标体系.在服务质量评分模型中，本文提出一种基于热度指数加权的顾客满意度评分方法，通过在评分中考虑主体受顾客关注的热度，有效弱化数据不均衡产生的评价偏差.本文以我国五星级酒店网络评论为数据来源验证方法的可行性，实验结果表明顾客最为关注酒店的餐饮服务、住宿条件、住宿服务和周边环境等四个方面，并得到顾客对酒店在整体及四个关注方面的满意度排名.

Select

融合多重注意力机制的卷积神经网络文本分类设计与实现

闫跃,霍其润,李天昊,毛煜

2021, 42(2): 362-367.

摘要 ( ) PDF全文 ( )

可视化

针对单一的卷积神经网络文本分类模型忽视词语在上下文的语义变化,未对影响文本分类效果的关键特征赋予更高权值的问题,提出了一种融合多重注意力机制的卷积神经网络文本分类模型.该模型将注意力机制分别嵌入卷积神经网络的卷积层前后,对影响文本分类效果的高维特征和低维特征进行权值的重新分配,优化特征提取过程,实现特征向量的精确分类.在池化层采用平均池化和最大池化相结合的方法,从而减少特征图的尺寸,避免过拟合现象的发生,最后使用softmax函数进行分类.本文在三个不同的中英文数据集上进行实验,同时设计注意力机制重要性对比实验,分析自注意力机制与CNN结合对文本分类效果提升的重要性,结果表明该分类模型有效地提高了分类的准确性.

Select

利用深度学习的HEVC帧内编码单元快速划分算法

易清明,林成思,石敏

2021, 42(2): 368-373.

摘要 ( ) PDF全文 ( )

可视化

新一代视频编码标准高效视频编码（High Efficiency Video Coding,HEVC）中编码单元（Coding Unit,CU）大小不同的特性使得编码效率得到显著提升，但同时带来了极高的计算复杂度.为了去除CU划分中多余的计算从而降低编码复杂度，本文提出了一种利用深度学习的编码单元快速划分算法.首先使用原始视频亮度块及编码信息建立了一个HEVC中CU划分的数据库，用于接下来本文深度学习神经网络的训练.然后，为了更好地贴合编码单元划分的层级结构，本文提出了一种基于Inception模块的神经网络结构，使之内嵌于HEVC编码框架中对编码单元的划分进行提前预测，有效地去除了All Intra配置下中冗余的CU划分计算.实验结果表明，本文提出的算法与HEVC官方测试模型（HM16.12）相比，编码时间平均降低了61.31%，而BDBR与BDPSNR仅为1.86%和0.13dB.

Select

信号自适应衰减的多壳扩散磁共振成像方法

罗伶俐,王远军

2021, 42(2): 374-380.

摘要 ( ) PDF全文 ( )

可视化

提升总体平均扩散传播算子（Ensemble Average diffusion Propagator，EAP）的重建精度一直以来都是扩散磁共振成像领域中扩散光谱成像（Diffusion Spectrum Imaging，DSI）的核心问题.在诸多成像算法中，用径向基函数（Radial Basis Function，RBF）作为扩散MR信号插值基函数的方法在纤维方向分布重建及成像统计标量重建方面均获得了理想的EAP重建效果，为进一步提升重建效率及精度，本文基于RBF方法提出了对信号进行自适应衰减建模的方法，并结合确保扩散张量正定性的张量求解算法，分别基于系数l1，l2正则化方法求解最优化参数以作对比.针对体模数据的实验结果显示，该算法在提升各项指标重建精度及计算效率方面均取得了理想效果.

Select

一种自适应运动目标检测算法及其应用

李善超,车国霖,张果,杨晓洪

2021, 42(2): 381-386.

摘要 ( ) PDF全文 ( )

可视化

针对ViBe算法在动态背景下存在鬼影消除时间长、算法适应性差、前景检测噪声多的问题，本文提出一种基于ViBe算法框架的改进算法.该算法采用鬼影检测法标记第1帧中的鬼影区域，并向位于鬼影区域的背景模型中强制引入背景样本，从而快速抑制鬼影;在像素分类过程中，引入自适应分类阈值，解决全局阈值易受动态噪声干扰的问题;在背景模型更新中，根据像素分类的匹配值来动态决定更新因子，提高算法适应场景变化的能力.定性与定量的对比实验结果表明，本文算法相较于ViBe算法能够有效地检测动态背景下的运动目标，应用于河流漂浮物检测场景中也有较好的效果.

Select

一种使用机器学习方法的数字水印算法

孙晓霞,佟国香

2021, 42(2): 387-392.

摘要 ( ) PDF全文 ( )

可视化

针对目前数字水印算法存在的不足，本文将离散小波变换和奇异值分解相结合，提出了一种基于机器学习的图像数字水印算法.首先将载体图像进行一级小波变换，提取其低频子带图像对其进行4×4分块处理，然后对每一分块进行奇异值分解后嵌入水印，并提取特征向量用于最小二乘支持向量机的训练，训练好的最小二乘支持向量机用于自适应最大水印嵌入强度的计算以及水印的盲提取.实验选取三张512×512的标准测试图像以及64×64的二值水印图像对算法的透明性与鲁棒性进行测试.实验结果证明，图像具有很好的透明性，PSNR达到了63.71dB，针对旋转、剪切、JPEG压缩、高斯噪声等常规攻击手段时，算法能保持较强的鲁棒性.

Select

优化非线性激活函数全局卷积神经网络的物体识别算法

安凤平

2021, 42(2): 393-398.

摘要 ( ) PDF全文 ( )

可视化

传统的物体识别算法识别精度、自适应能力弱等问题已然不能满足实际的仓储物流领域对物体识别精度的要求.近年来，相关学者提出了基于深度学习的物体识别算法，它得到一定的推广和应用.但是，深度学习在物体识别的应用过程中存在以下问题：一是深度学习模型中激活函数的非线性建模能力弱;二是深度学习模型大量重复的池化操作丢失信息.鉴于此，本文提出了一种参数形式统一且可学习的指数非线性单元（Multiple Parameters Exponential Linear Units，MPELU）.它通过在ELU（Exponential Linear Units）中引入两个学习的参数，提升模型的非线性建模能力.同时，本文提出了一种新的全局卷积神经网络结构，减少大量池化操作丢失特征信息的问题.基于上述思想，本文提出了优化非线性激活函数全局卷积神经网络的物体识别算法.利用本文所提算法对CIFAR100数据集和ImageNet数据集分别进行实验.结果表明，本文所提物体识别方法不仅识别准确率较传统机器学习、其他深度学习模型有较大幅度提升，而且具有良好的稳定性和鲁棒性.

Select

结合多特征和跨连通道加权的面部表情识别

柳璇,唐颖军,黄淑英

2021, 42(2): 399-404.

摘要 ( ) PDF全文 ( )

可视化

面部表情是人类表达情感的主要方式.本文提出一种将手工特征和深度学习特征相结合，以跨连通道加权模块为基础的面部表情识别方法.将灰度图、局部二值模式特征、Sobel特征作为三通道特征输入，以深度可分离卷积代替标准卷积;同时引入跨连通道加权模块，通过建模不同通道特征之间的关系，更加高效地进行不同层次特征的融合.本文方法在CK+和JAFFE 两个常用表情数据集上进行了验证，取得了高达99.77%和99.48%的准确率，证明了本文方法的有效性与可行性.

Select

结合AttentionConvLSTM的双流卷积行为识别

揭志浩,曾明如,周鑫恒,何强

2021, 42(2): 405-408.

摘要 ( ) PDF全文 ( )

可视化

针对传统方法在通过视频数据进行人体行为识别的过程中，无法准确分析长时间范围的运动信息，不能很好地利用运动信息中的局部特征和其空间关系.提出将基于注意力机制的卷积长短时记忆神经网络（AttentionConvLSTM）与传统的双流卷积进行结合，实现了对视频数据中运动信息的非线性特征更好的学习，对局部显著特征及其空间关系更好的利用.本文还设计了新的正则交叉熵损失函数，使得扩展之后的神经网络实现更快的收敛.本文的方法在UCF101和HMDB51两个通用人体行为视频数据集上的表现相较于传统的方法有明显的提升.

Select

融合卷积神经网络与多层感知器的鞍部识别方法

孔月萍,党爽,曾军,高凯

2021, 42(2): 409-413.

摘要 ( ) PDF全文 ( )

可视化

针对传统鞍部识别方法中特征选择困难及未考虑鞍部与其它地形要素的共生关系等问题，利用深度卷积神经网络的特征自学习性能，提出了一种卷积神经网络与多层感知器相结合的混合模型实现DEM数据中的鞍部要素识别.首先设计改进的卷积神经网络模型自动提取鞍部的深度特征，经过Softmax分类器得到候选鞍部点，再运用多层感知器对候选鞍部点的位置进行精细回归，标识出最终的鞍部要素坐标.通过自建的鞍部样本集SADDLE100训练网络模型，并在三种不同的山地样区进行实验，实验结果表明该方法比其它鞍部识别方法的漏提率减少约50%，正确识别率提高6.7%，在一定程度上避免了人工选择特征造成的鞍部语义信息缺失现象，为DEM中的点状要素识别提供了新的技术途径.

Select

面向古汉字修复的单通道盲去卷积算法研究

尹甜甜,刘婷,郭一娜

2021, 42(2): 414-417.

摘要 ( ) PDF全文 ( )

可视化

针对古汉字修复中存在的问题，本文提出基于深度卷积生成对抗网络的单通道盲去卷积算法（Singlechannel blind deconvolution algorithm based on deep convolution generating adversarial network，DCSS），仅凭借单幅卷积混合图像分离干扰信号，并复原古汉字图像.实验从华文字库古汉字图像集中随机抽取5组古汉字图片，每组4096张训练集图片，512张测试集图片，实验结果中复原的古汉字图像的峰值信噪比（PSNR）均在29dB以上，表明该算法能够有效分离干扰信号和复原古汉字图像.

Select

利用网络表征学习辨识复杂网络节点影响力

杨旭华,熊帅

2021, 42(2): 418-423.

摘要 ( ) PDF全文 ( )

可视化

发现复杂网络中最具影响力的节点，有助于分析和控制网络中的信息传播，具有重要的理论意义和实用价值.传统的确定节点影响力的方法大多基于网络的邻接矩阵、拓扑结构等，普遍存在数据维度高和数据稀疏的问题，基于网络表征学习，本文提出了一种局部中心性指标来辨识网络中高影响节点（NLC），首先采用DeepWalk算法，把高维网络中的节点映射为一个低维空间的向量表示，并计算局部节点对之间的欧氏距离;接着根据网络的拓扑结构，计算每个节点在信息的传播过程中，对所在局部的影响力大小，用以识别高影响力节点.在八个真实网络中，以SIR和SI传播模型作为评价手段，将NLC算法和度中心性、接近中心性、介数中心性、邻居核中心性、半局部中心性做了对比，结果表明NLC算法具有良好的识别高影响力传播节点的性能.

Select

移动场景下的节点高效寻路RPL路由算法优化

姚玉坤,满巧,朱克兰

2021, 42(2): 424-430.

摘要 ( ) PDF全文 ( )

可视化

在低功耗有损网络(low power and lossy networks)中，现有的移动性支持路由算法存在控制消息冗余，应用场景不具有普适应，网络丢包率和移动节点能耗较高等问题.针对这些问题，提出一种移动场景下的节点高效寻路RPL路由算法（efficient pathfinding RPL routing algorithm for nodes in mobile scenarios，MSERPL）.该算法提出的优化思路如下：首先,精简了移动节点的控制消息，并采用自适应黑名单机制建立备选父节点集，从而降低了移动节点的能耗;其次，基于移动节点的移动速度和方向，从备选父节点集中选择移出通信范围预估时间最短的节点作为最优父节点，不但适用于随机移动场景，还降低了平均端到端时延;最后，在链路中断前，利用DIS计时器及时通告DIS消息以快速重构拓扑，降低了丢包率.仿真结果表明，MSERPL算法在平均端到端时延、移动节点能耗、丢包率等性能指标方面均有明显改善.

Select

一种改进的基于在线解耦的轻量级动态污点分析方法

潘家晔,庄毅

2021, 42(2): 431-436.

摘要 ( ) PDF全文 ( )

可视化

在针对二进制程序的实际分析场景中，动态分析方法因具有更高的准确性而得到更为广泛的关注和运用.但是以动态污点分析为代表的细粒度分析方法通常会产生较高的性能和资源开销.为缓解这些问题，本文提出一种改进的轻量级在线解耦的动态污点分析方法，其主要思想是在线解耦程序执行和指令分析，同步构建分析代码并完成分析.该方法能够进一步降低对目标程序运行时的性能影响，并易将分析过程迁移至其它上下文环境中，从而可进一步减小对目标程序运行环境的干扰.本文通过采用多种实际程序进行实验，结果表明该方法能够比传统在线污点分析具有更高的分析性能，并具有较低的系统资源消耗，易于在实际环境中进行部署和应用.

Select

机器学习在工业网络入侵检测中的研究应用

何戡,曲超,宗学军,郑洪宇,纪胜龙

2021, 42(2): 437-442.

摘要 ( ) PDF全文 ( )

可视化

在工业化和信息化两化深度融合的背景下，工业控制网络面临着高强度、持续性的恶意渗透和网络攻击，对国家安全和工业生产构成了巨大威胁.检测工业控制网络遭受恶意攻击，高效区分正常数据和攻击数据的研究已成为热点问题.以密西西比州立大学SCADA实验室的能源系统攻击数据集作为工业控制网络入侵检测的主要研究对象，对比不同机器学习算法的准确率、漏警率、虚警率等重要指标，得出综合性能最优的XGBoost算法.为进一步提高入侵检测效率，提出了一种针对XGBoost算法的包裹式特征选择方法，在简化数据集的同时突出不同特征在入侵检测中的重要性.研究结果表明，结合包裹式特征选择的XGBoost算法能有效解决入侵检测问题并提高入侵检测效率，验证了此方法的有效性和科学性.

Select

注意力ConvLSTM模型在RUL预测中的应用

程成,张贝克,高东,许欣

2021, 42(2): 443-448.

摘要 ( ) PDF全文 ( )

可视化

预测性维护的应用能够极大地降低企业运维成本，而设备剩余使用寿命（Remaining Useful Life，RUL）预测是预测性维护的关键技术之一.针对传统RUL预测算法难以提取时序数据的潜藏特征以及特征权重分配不合理的问题，本文提出一种基于注意力机制（Attention Mechanism）的卷积长短时记忆（Convolution LongShort Term Memory，ConvLSTM ）预测模型，该模型充分利用LSTM网络处理和预测长期时间序列的优势，并引入注意力机制对产生显著影响的特征因子提高权重，极大地优化了模型的时空特征提取能力.为验证模型预测效果，本文以NASA提供的CMAPSS数据集为对象进行实验，以均方根误差（Root Mean Squared Error，RMSE）和数据集自定义的Score为评价指标，将预测结果与其他RUL预测算法作比对，证明了该模型具有更佳的预测准确性.

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