小型微型计算机系统

Select

肖驰,徐林莉

2021, 42(3): 449-453.

摘要 ( ) PDF全文 ( )

可视化

文本分类任务是自然语言处理领域内一个重要的研究问题.近年来，因处理复杂网络结构的出色能力，图神经网络模型（Graph Neural Network，GNN）受到广泛关注并被引入到文本分类任务中.在之前的研究中，基于图卷积网络（Graph Convolutional Neural Network，GCN）的分类模型使用紧耦合方式将语料库中的文本和单词组织到同一张网络中，然而这种紧耦合处理方法存在消耗内存过大、对新样本不友好等问题.为解决上述问题，本文设计了一个松耦合图卷积文本分类网络模型（Loosely Coupled Graph Convolutional Neural Network，LCGCN）.模型将分类过程分解为核心提取和一般计算两部分，从而完成对紧耦合模型的解耦合操作.该模型能够在保持分类性能的基础上，有效地降低模型内存需求并动态地处理新来测试样本.另外，模型还将标签信息引入到图卷积网络中，进一步提升分类能力.实验表明，相比于其他文本分类网络模型，我们的模型在多个公开文本分类数据集上取得了最优的表现.

Select

记忆增强型深度强化学习研究综述

汪晨,曾凡玉,郭九霞,

2021, 42(3): 454-461.

摘要 ( ) PDF全文 ( )

可视化

近年来,深度强化学习的取得了飞速发展,为了提高深度强化学习处理高维状态空间或动态复杂环境的能力,研究者将记忆增强型神经网络引入到深度强化学习,并提出了不同的记忆增强型深度强化学习算法,记忆增强型深度强化学习已成为当前的研究热点.本文根据记忆增强型神经网络类型,将记忆增强型深度强化学习分为了4类:基于经验回放的深度强化学习、基于记忆网络的深度强化学习算法、基于情景记忆的深度强化学习算法、基于可微分计算机的深度强化学习.同时,系统性地总结和分析了记忆增强型深度强化学习的一系列研究成果存在的优势和不足.另外,给出了深度强化学习常用的训练环境.最后,对记忆增强型深度强化学习进行了展望,指出了未来研究方向.

Select

融合指针网络的新闻文本摘要模型

蔡中祥,孙建伟

2021, 42(3): 462-466.

摘要 ( ) PDF全文 ( )

可视化

本文针对实际党建领域中的新闻标题进行自动生成，提出了一种融合指针网络的自动文本摘要模型Tri-PCN.相比于传统基于编码器解码器框架的自动文本摘要模型，党建新闻标题生成模型还需要满足1）从更长的文本序列提取特征；2）保留关键的党建信息.针对党建新闻比普通文本摘要任务面临更长文本序列问题，论文使用Transformer模型在解码阶段提取多层次全局文本特征.针对党建新闻标题生成过程中需要保留关键的党建信息，论文引入指针生成网络模型的复制机制在新闻标题生成时可以直接从新闻文本中复制关键词信息.实验采用ROUGE值作为评测指标，结果表明本文提出的Tri-PCN模型在党建新闻领域自动文本摘要任务上效果明显优于基准模型，比其他模型具有更好的效果.

Select

一种自对弈棋局学习样例质量评价方法

姬波,尤惠彬,卢红星,田欣,柳宏川,

2021, 42(3): 467-471.

摘要 ( ) PDF全文 ( )

可视化

计算机棋类游戏学习中的自对弈学习指仅依赖行棋过程及最终的输赢结果的学习.整个过程中除下棋规则外不预设任何领域知识，也无专家指导.虽然基于极大极小算法、α-β剪枝算法和蒙特卡洛搜索的自对弈学习已经取得了卓越成果，但是目前仍旧缺乏对于学习样例质量评价的针对性研究.因此，本文首次提出了一种自对弈棋局学习样例质量评价方法，该方法采用样本规模综合指标T—使用样例重复度和样例个数的线性组合—来决定学习样例大小.在西洋跳棋上的实验表明，本评价方法可以达到有效控制学习样例规模的目的，在不降低学习效果的前提下大幅降低学习样例产生的计算成本.

Select

自适应变异粒子群优化算法及在新冠肺炎疫情传播预测中的应用

季伟东,徐浩天,林平

2021, 42(3): 472-477.

摘要 ( ) PDF全文 ( )

可视化

为克服粒子群算法容易陷入局部最优和全局寻优精度不高的缺点,通过对算法的局部寻优和全局寻优的特点进行分析,首先使用正态分布衰减策略改进惯性权重;同时基于算法运行的时间自适应采用不同的基于高斯分布及柯西分布的变异优化策略,解决全局搜索和局部开发能力的不平衡问题,实现了局部寻优和全局寻优的双重优化,满足了提高寻优速度和寻优精度的目的.为验证算法有效性及实用性,将改进算法用于预测新冠肺炎疫情传播情况.选取100天新冠肺炎疫情每日新确诊人数的数据,利用算法优化前馈神经网络的参数,使训练好的神经网络模型预测新冠肺炎疫情的性能提升.实验部分首先使用测试函数将改进的算法与其它五种算法进行对比,验证算法的良好性能,最后应用到神经网络完成新冠肺炎疫情传播预测.

Select

群智感知任务分配中的用户类型转换问题研究

黄丹镭,黄河,孙玉娥,陆乐,吴晓灿,杜扬

2021, 42(3): 478-484.

摘要 ( ) PDF全文 ( )

可视化

群智感知系统中用户所提交的感知数据并不一定是可靠的.因此，设计合理的激励机制以保证用户高质量地完成群智感知任务是群智感知研究中所面临的最主要挑战.然而，大多数现有研究并未充分考虑系统无法吸引足够高质量用户参与的情形.针对这一问题，文章研究如何通过设置额外的奖励机制，激励完成任务质量较低的用户更好地参与任务，从而转换为高质量用户.所设计的用户类型转换方法首先根据用户的历史记录，将用户分为高质量用户和低质量用户两类.然后，通过随机试探的方式构建低质量用户完成质量提升与奖励金额之间的关系曲线.最后，以最大化任务的最低完成质量为优化目标，设计了一种总奖励金额受限情况下的最优任务及奖励分配机制，进而保证所有任务间完成质量的最大最小公平.仿真实验结果验证了所设计机制的有效性和可行性.

Select

一种新的三支扩展TAN贝叶斯分类器

张春英,冯晓泽,刘洋,马逸涛,刘凤春,高瑞艳,任静

2021, 42(3): 485-490.

摘要 ( ) PDF全文 ( )

可视化

针对二支决策TAN分类器在处理不确定数据时有较高的错误率，提出一种新的三支扩展TAN贝叶斯分类器(3WD-TAN).首先通过构建TAN贝叶斯分类模型，采用先验概率和类条件概率估计三支决策中的条件概率；其次构建3WD-TAN分类器，制定3WD-TAN分类器中正域，负域和边界域的三支分类规则，结合边界域处理不确定性数据的优势，在一定程度上纠正了传统TAN贝叶斯分类器产生的分类错误；最后通过在5个UCI数据集上选取NB、TAN、SETAN算法进行对比实验，表明3WD-TAN具有较高的准确率和召回率，且适用于不同规模数据集的分类问题.

Select

朴素贝叶斯小样本金融客户分类方法与分类偏好研究

杨超,李卫民

2021, 42(3): 491-495.

摘要 ( ) PDF全文 ( )

可视化

对金融客户进行准确分类是向其提供个性化服务的前提.针对某金融产品的销售需求，通过在线推销测试收集客户样本数据，并根据用户反馈标注样本.通过构造概率分布函数、离散化连续型数据两种方式构建贝叶斯分类器.利用交叉检验训练和测试分类算法，发现朴素贝叶斯分类算法性能优于高斯贝叶斯算法和逻辑回归算法.离散化连续型数据过程中结合分类偏好进行数据过滤，实验证明，异常数据滤除率参数对客户分类算法的准确性有显著影响，通过恰当设置该参数的取值，可以调节分类算法的分类偏好.方法对于提升金融产品销售效率，降低营销成本有参考价值.

Select

一种基于个性化成对损失加权的新颖推荐

唐晓凤,雷向东

2021, 42(3): 496-503.

摘要 ( ) PDF全文 ( )

可视化

推荐系统的目的是为了基于用户喜爱，为用户提供最高匹配度的潜在项目.但如果用户和项目提供者喜欢单一的热门项目，那么用户不能发现新颖性项目，会给用户和项目的提供商双方造成巨大损失.现有的新颖推荐工作主要集中在对由精度为基础的基础模型生成的前N个列表进行重新排序.结果，这些框架是两阶段的，并且结果基本上限于基础模型.另外，在训练基本模型时，通用的BRP损失函数以相同的方式对待所有对，始终抑制应该建议的有趣负项.针对BPR损失函数的局限性，在此提出了一种个性化的成对新颖性加权方法，该方法能够对1阶段的新推荐进行端到端的训练.该方法解决了损失函数中所有负项的一致抑制问题，并在损失函数中明确引入了用户个人偏好信息.充分利用了用户和项目的新颖性信息，并将其显式地集成到损失函数中，使模型能够区分感兴趣的未知项目和不喜欢的项目.有效地提高了具有边缘损失的新颖性.基础模型将在损失权重的指导下学习用户偏好，并在1阶段生成新的建议列表.综合实验表明，该方法在几乎不降低准确性的情况下有效地提高了新颖性.

Select

融合关键对象识别与深层自注意力的BiLSTM情感分析模型

李磊,吴旭辉,刘继

2021, 42(3): 504-509.

摘要 ( ) PDF全文 ( )

可视化

在线评论文本通常涉及多个评价对象，对象的表达方式有显式和隐式之分，针对不同对象的情感倾向可能不会完全一致.关键评价对象是评论中最受关注的对象，其相应的情感语义对整条评论的情感观点起主导作用.本文构建了融合关键对象识别与深层自注意力机制的Bi-LSTM模型，以提升短文本情感分类的效果.使用CNN处理文本，基于卷积层输出结果识别关键评价对象，并在此基础上完成深层自注意力的学习.将对象信息与文本信息进行融合，利用注意力机制强化的Bi-LSTM模型得到评论文本的情感分类结果.在酒店评论数据集上进行实验，与之前基于深度学习的模型相比，本文方法在精确率、召回率和F-score评价指标方面均有更好的表现.

Select

交叉连接的少层残差卷积神经网络

李国强,陈文华,高欣

2021, 42(3): 510-515.

摘要 ( ) PDF全文 ( )

可视化

最近的研究表明，卷积神经网络的性能可以通过采用跨层连接来提高，典型的残差网络（ResNet）便通过恒等映射方法取得了非常好的图像识别效果.但是通过理论分析，在残差模块中，跨层连接线的布局并没有达到最优设置，造成信息的冗余和层数的浪费，为了进一步提高卷积神经网络的性能，文章设计了两种新型的网络结构，分别命名为C-FnetO和C-FnetT，它们在残差模块的基础上进行优化并且具有更少的卷积层层数，同时通过在MNIST，CIFAR-10，CIFAR-100和SVHN公开数据集上的一系列对比实验表明，与最先进的卷积神经网络对比，C-FnetO和C-FnetT网络获得了相对更好的图像识别效果，其中C-FnetT网络的性能最佳，在四种数据集上均取得了最高的准确率.

Select

CGGA：一种CNN与并行门控机制混合的文本分类模型

马建红,刘亚培,刘言东,陶永才,石磊,卫琳

2021, 42(3): 516-521.

摘要 ( ) PDF全文 ( )

可视化

针对中文文本分类准确率低、单一的卷积神经网络模型难以提取多方面特征的问题，本文提出一种基于CNN的并行门控机制的混合文本分类模型—CGGA（Convolutional Neural Network with parallel gating unit and attention mechanism）.利用卷积提取文本的局部特征，并加入双向门控循环单元对数据进行上下文数据建模，提取关系特征，同时，引入门控Tanh-ReLU单元进行进一步的特征筛选，从而控制信息向下层流动的力度，并且减轻梯度弥散，提高模型分类准确率.最后，使用多头注意力机制进行权重更新计算，以提高在相应文本类别上的输出，进而优化模型分类性能.实验结果显示，本文提出的文本分类模型和分类算法，在THUCNews数据集和搜狐数据集上，比基线模型的宏平均精确率分别提高了2.24%、6.78%.

Select

一种面向不完备数据的集对粒层次聚类算法

张春英,高瑞艳,范雨祥,王龙飞,裴天帅,冯晓泽,任静

2021, 42(3): 522-530.

摘要 ( ) PDF全文 ( )

可视化

针对现有层次聚类算法难以处理不完备数据集，同时考虑样本与类簇之间的不确定关系，提出一种面向不完备数据的集对粒层次聚类算法SPGCURE.首先，采用集对信息粒的知识对缺失值进行处理，不同于以往算法中将缺失属性删除或者填充，用集对联系度中的差异度来表示缺失属性值，提出一种改进的集对信息距离度量方法，用于考量不完备数据样本间的紧密程度；其次，基于改进后的集对距离度量，给出各个类簇的类内平均距离的定义，形成以正同域Cs（样本一定属于类簇）、边界域Cu（样本可能属于类簇）和负反域Co（样本不属于类簇）表示的集对粒层次聚类；SPGCURE算法在完备和不完备数据都适用，最后，选用5个经典的UCI数据集，与常用的经典及改进聚类算法进行实验评价，结果表明，SPGCURE算法在准确度、F-measure、调整兰德系数和标准互信息等指标上均具有不错的聚类性能.

Select

一种基于图卷积网络的文本多标签学习方法

刘晓玲,刘柏嵩,王洋洋

2021, 42(3): 531-535.

摘要 ( ) PDF全文 ( )

可视化

多标签学习广泛应用于文本分类、标签推荐、主题标注等.最近，基于深度学习技术的多标签学习受到广泛关注，针对如何在多标签学习中有效挖掘并利用高阶标签关系的问题，提出一种基于图卷积网络探究标签高阶关系的模型TMLLGCN.该模型采用GCN的映射函数从数据驱动的标签表示中生成对象分类器挖掘标签高阶关系.首先，采用深度学习方法提取文本特征，然后以数据驱动方式获得基础标签关联表示矩阵，为更好地建模高阶关系及提高模型效果，在基础标签关联表示矩阵上考虑未标记标签集对已知标签集的影响进行标签补全，并以此相关性矩阵指导GCN中标签节点之间的信息传播，最后将提取的文本特征应用到学习高阶标签关系的图卷积网络分类器进行端到端训练，综合标签关联和特征信息作为最终的预测结果.在实际多标签数据集上的实验结果表明，提出的模型能够有效建模标签高阶关系且提升了多标签学习的效果.

Select

多尺度特征图分类再提取的目标检测算法

尹震宇,樊超,赵志浩,黄哲,张飞青,

2021, 42(3): 536-541.

摘要 ( ) PDF全文 ( )

可视化

为提高SSD算法检测目标的能力，提出了一种对多尺度特征图进行分类再提取的目标检测算法.该算法将SSD特征金字塔中多个不同尺度的特征图分为低层和高层两类特征图.针对低层特征图所处位置网络深度不够导致的特征表示能力不足，设计了SFE（Shallow Feature Enhancement）模块提取特征从而增加网络深度，最终提高对小目标的检测能力；高层特征图采用两段反卷积的方式，将更深层提取的语义信息融入特征图，从而提高对中等目标和大目标的检测能力.同时提出了减弱反卷积棋盘格效应的回流式反卷积的方法.在Pascal VOC 2007测试集上进行验证后的结果表明，本文算法的mAP值达到了79.6%，相比SSD算法提高了2.4%.

Select

无人车驾驶场景下的多目标车辆与行人跟踪算法

顾立鹏,孙韶媛,李想,刘训华,宋奇奇

2021, 42(3): 542-549.

摘要 ( ) PDF全文 ( )

可视化

考虑到现有的基于检测的多目标跟踪算法多会出现因目标漏检或数据关联算法冗余而造成的目标ID频繁切换、跟踪轨迹断开等问题，提出了无人车驾驶场景下的多目标车辆与行人跟踪算法.首先，选取CenterNet网络作为目标检测器，并用嵌入了1×1卷积和SE-Net的Res2Net来替代网络原有的残差单元，以提升网络对空间信息和通道信息的提取能力，提高目标检测器性能.接着，用孪生网络来提取目标所在区域的特征，进行关联概率度量，再用匈牙利算法对相邻帧目标进行关联.最后，用区域推荐网络设计的辅助跟踪器对漏检或消失又出现的目标进行持续跟踪，并将可靠的跟踪结果合并到轨迹中.实验结果表明，与已有的方法对比，所提方法在KITTI跟踪基准数据集上对于车辆与行人的跟踪具有竞争力.

Select

三维建筑模型的规则化重构方法

陈佳舟,陆鹏飞,徐阳辉,王宇航,金灵枫,李凯勇,秦绪佳

2021, 42(3): 550-555.

摘要 ( ) PDF全文 ( )

可视化

基于无人机照片的倾斜摄影测量技术能够快速重建大量三维建筑模型；但这些模型数据量大、噪声多，极大阻碍了在智慧城市中的应用.针对倾斜摄影测量重建的三维建筑模型屋顶重建精度较高的特点，提出一种基于屋顶轮廓线的三维建筑模型规则化重构方法.首先分割屋顶并提取屋顶的外轮廓线；接着通过改进的平面拟合提取屋顶的内轮廓线；然后由屋顶内外轮廓线进一步拟合出屋顶平面几何基元；最后，针对屋顶中太阳能、烟囱等的非平面部分，进行补充规则化处理，重构出数据小、噪声少的三维建筑模型.本文方法能够将三维建筑模型自动地重构为规则的建筑体，不依赖用户交互和先验信息.大量实验证明了本文方法的有效性、高效性和鲁棒性.

Select

SqueezeNet和动态网络手术的脱机手写汉字识别

周於川,谭钦红,奚川龙

2021, 42(3): 556-560.

摘要 ( ) PDF全文 ( )

可视化

传统和基于CNN的脱机手写汉字识别模型多数是为了追求更高准确率，未重视模型体积大小，模型中存在大量冗余参数，模型训练周期长并且很难在资源有限的平台上运行.针对这些问题，本文提出改进的SqueezeNet模型，保留了用小卷积核替代大卷积核的策略，采用层间的特征融合算法和L2范数约束的Softmax分类函数；然后再对参数裁剪进一步压缩，避免裁剪掉重要参数而损失过多准确率，采用动态网络手术算法来保证将误删重要参数重新拼接.并将改进后的模型与其它模型在测试集ICDAR-2013下进行对比，本文模型参数变少、训练速度快并且可移植性强，模型大小为3.2MB，在测试集ICDAR2013中其准确率达到96.03%，对输入图预处理后再训练所得模型准确率达到96.32%.

Select

多尺度沙漏结构的单幅图像去雨算法研究

马婧婧,黄煜峰,陈翔

2021, 42(3): 561-565.

摘要 ( ) PDF全文 ( )

可视化

雨天环境会造成图像模糊、变形,大幅降低图像质量,对于后续的图像分析和应用造成严重影响.单幅图像的去雨算法研究成为热点,然而现有算法存在过度平滑、颜色失真和复杂雨水图像复原能力差等诸多问题,去雨问题难以有效解决.本文提出一种新颖的多尺度沙漏结构的单幅图像去雨算法.首先,针对雨的特征复杂多样的特点,采用多尺度沙漏网络结构,提取并融合多尺度的雨线特征;其次,在沙漏网络内部,引入残差密集模块,使特征在不同级别网络中实现传递和复用,最大限度的提取细节特征和增强网络表达能力;最后,针对雨水不均匀分布的特点,在残差密集网络基础上加入注意模块,提高算法在空间和通道方面特征提取能力,能够处理复杂的雨天图像.实验结果表明,本方法相较于现有算法,能够更好的去除雨线,并且能够最大程度的保留图像细节和颜色信息.

Select

基于改进ReliefF与k-means算法的良恶性肺结节分类模型

朱英亮,仇旭阳,徐磊

2021, 42(3): 566-571.

摘要 ( ) PDF全文 ( )

可视化

肺结节是肺癌的症状.在CT图像中，肺结节的形状和大小常被用来进行肺癌的诊断，然而良性和恶性结节的鉴别对于疾病的治疗具有重要意义.由于良恶性结节的边缘纹理特征区别大，因此本文首先利用基于改进的边缘检测算子的灰度梯度共生矩阵（GGCM）提取小梯度优势、灰度分布不均匀性、能量、灰度熵、梯度熵、混合熵、逆差距、相关性等肺部CT图像的14种纹理特征.然后利用改进的ReliefF算法去除作用小的特征，保留重要特征的特征权重值.最后将重要特征的权重值应用于改进距离度量准则的k-means算法中进行良恶性结节的分类.应用本文算法在LIDC数据集上实验，实验分析结果表明，14种纹理特征对于结节良恶性的分类能力并不相同，而灰度差、梯度差、能量、小梯度优势、相关性、灰度熵、混合熵、逆差矩的组合得到的良恶性肺结节分类效果最好，最终实现了良性结节83.46%，恶性结节95.02%的识别率，可在临床应用中辅助医生进行肺结节的良恶性诊断.

Select

基于深度学习的在线健康社区抑郁症用户画像研究

刘海鸥,姚苏梅,何旭涛,苏妍嫄

2021, 42(3): 572-577.

摘要 ( ) PDF全文 ( )

可视化

人工智能与深度学习技术为精准识别在线健康社区抑郁症患者奠定了基础.首先构建了基于TCNN-GRU深度学习的抑郁情感分类模型,进行在线健康社区实验数据集进行抑郁情感分类标注后,通过TCNN-GRU模型判别用户的抑郁症倾向;在此基础上,进一步提出抑郁指数的概念,通过对抑郁指数和患者抑郁程度两者关系的深度挖掘,由此建立基于深度学习的在线健康社区抑郁症用户画像模型.实验结果表明,与传统的卷积神经网络模型、循环神经网络模型以及混合模型相比,TCNN-GRU模型在抑郁情感分类上能获得了更优的结果,基于深度学习的在线健康社区抑郁症用户画像模型也能够从文本分析的角度准确识别用户的抑郁情感和抑郁状态.

Select

针对鱼眼图像边缘校正缺失的快速校正算法

李江华,李恩德

2021, 42(3): 578-583.

摘要 ( ) PDF全文 ( )

可视化

针对鱼眼图像校正中水平方向畸变以及边缘缺失的问题，通过引入可控参数控制边缘部分的校正范围，同时融合三角计算以及参数变换，获取校正关系，使映射面与鱼眼图像达到最佳匹配结果.获取校正关系后运用双线性插值算法对校正图像进行插值运算以填充图像.实验表明，算法对视图主要区域和边缘部分畸变的校正取得较好效果，边缘部分信息流失较少，主视图区域畸变角度明显减小，校正后图像与未畸变源图像相比结构相似性高，尽可能大的保留鱼眼图像信息，算法效率提高，算法运行时间缩短近50％.该鱼眼图像校正算法在校正效率以及校正效果上都有显著提高，具有可行性和有效性.

Select

一种用于图形渲染的高性能SpMV专用加速器结构

邓军勇,马青青

2021, 42(3): 584-588.

摘要 ( ) PDF全文 ( )

可视化

图形渲染中涉及的几何变换、投影变换、视口变换等需要大量稀疏矩阵向量乘法（Sparse Matrix-Vector Multiplication，SpMV）运算，如何实现SpMV高性能计算成为了图形处理器设计中的关键性问题之一，然而，当前的SpMV运算存在并行度较差，资源占用较多等问题.为提升硬件运算的性能，本文基于矩阵列向量的线性组合，充分利用数据的并行性，设计了一种专用加速器结构.实验表明，在XC6VLX550T开发板上与其他两种结构相比，速度分别能够提高28%、37%，资源占用率分别减少约48%、18%，应用于图形渲染中的变换操作后，速度分别能够提高28%、30%，资源占用率分别最高减少约48%、60%.

Select

一种改进DCGANs网络的磁瓦缺陷图像生成方法研究

张晋,谢珺,梁凤梅,续欣莹,董俊杰

2021, 42(3): 589-594.

摘要 ( ) PDF全文 ( )

可视化

基于机器视觉的磁瓦表面缺陷检测研究对于改进磁瓦生产工艺、提升磁瓦生产效率有着重要意义.但在研究过程中，存在磁瓦含缺陷样本收集困难、不同缺陷样本数不均匀、缺陷类型单一等问题.本文提出一种使用高斯混合模型的深度卷积生成对抗网络(Gaussian Mixture Model Deep Convolution Generative Adversarial Networks,GMM-DCGANs)生成含缺陷磁瓦图像的方法.在深度卷积生成对抗网络的基础上，将生成图像的输入噪声潜在空间复杂化为高斯混合模型，从而提高图像生成网络对有限数量且具有类间及类内多样性训练样本的学习能力.实验结果表明，GMMDCGANs网络可以生成质量更好、缺陷类型更加丰富的磁瓦缺陷图像，并且生成的图像满足缺陷检测及分类的要求.

Select

同态加密的硬件卸载及其在隐私保护计算中的应用

周慧凯,华蓓

2021, 42(3): 595-600.

摘要 ( ) PDF全文 ( )

可视化

同态加密可以满足计算外包、数据共享、数据交易等应用对隐私保护计算的需要，但是同态加密的高计算开销限制了它在实际生产中的应用.本文从硬件卸载的角度解决同态加密的高性能计算问题，基于Intel QAT加速卡实现了一个半同态加密的高性能异步卸载框架QHCS.QHCS通过重构同态加密应用的软件栈来实现高效的异步卸载，并通过引入协程机制、批量加密技术等实现加密性能的最大化.本文同时给出了偏好不同性能指标（吞吐量、延迟）的两种卸载方案.进一步地，在由GPU及QAT组成的异构计算系统中，利用QHCS完整地实现了一个隐私保护的线性回归应用.实验结果表明，QHCS的吞吐量是目前软件实现的110倍，在百万量级的高维数据上实施隐私保护的线性回归计算只需十几分钟，可以较好地满足实际应用的需要.

Select

城市车载网络的路边单元部署机制

陈潇然,唐晓岚,陈文龙,柴明璐

2021, 42(3): 601-608.

摘要 ( ) PDF全文 ( )

可视化

在支持车路通信的城市车载网络中，路边单元的部署方案影响着整个车载网络的性能，而传统的部署方案采用无线自组织网络中的布点方式，未充分考虑道路网络的拓扑结构和车辆移动的规律性，导致部署成本高和资源浪费.因此，本文提出了一种基于路口优先级和部署均匀性的路边单元部署机制，称为PUD（intersection Priority and deployment Uniformity based roadside unit Deployment scheme），保证其服务能力的同时降低部署成本.PUD以交叉路口作为路边单元的候选部署点，综合车辆移动特性和路网拓扑，以车流密度、连接中心性和公共交通线路数作为主要因素，计算每个交叉路口处部署路边单元的优先级，作为部署位置选择的标准.为了提高部署均匀性，避免路边单元的覆盖范围重叠导致的资源浪费，设置了四条部署约束规则，即位置约束、范围约束、优先级约束和覆盖约束，满足条件的交叉路口可被选择为部署位置.实验表明，与其他路边单元部署方案相比，PUD具有更低的部署成本、更高的覆盖率和车辆覆盖时间比例.

Select

机会网络中基于节点相似率的概率路由算法

崔建群,吴淑庆,常亚楠,黄东升

2021, 42(3): 609-614.

摘要 ( ) PDF全文 ( )

可视化

机会网络中的通信设备大多是随着时间的流逝而进行移动的，然而节点之间的移动路径又具有一定的重复性.因此，可以记录节点移动时与之相遇的节点之间的信息，利用该信息对路由算法做出更合理的决策.本文根据节点之间的相遇历史信息，提出了一种基于节点相似率的概率路由算法(Probabilistic routing algorithm based on node similarity rate,S-Prophet)，对传统的Prophet算法的预估节点传输概率阶段进行改进.首先统计网络中节点与其他节点的相遇集合，定义节点相似率，设计一个新的节点投递概率公式，并根据节点相遇持续时间对Prophet路由算法的概率衰减公式进行改变，最后，通过仿真实验验证S-Prophet的有效性.

Select

一种面向攻击图的即时验证方法

王婷,董浩,陈铁明

2021, 42(3): 615-620.

摘要 ( ) PDF全文 ( )

可视化

攻击图将原本孤立的攻击行为关联起来，描述潜在攻击路径，是一种网络脆弱性分析技术.现有方法通常从攻击目标节点开始进行反向搜索，找出所有可能的攻击路径，从而对网络进行安全分析.本文在攻击图的基础上，提出了一种基于正向搜索的即时验证方法.该方法快速搜索网络中的一条完整攻击路径，通常只需构造网络系统的部分状态空间，从而减轻了内存不足和状态爆炸等问题，可作为已有方法的补充.实验表明本文方法具备良好的性能和可扩展性.

Select

一种多重冗余的工业物联网智能产线安全通信模型设计

李明时,马跃,尹震宇,李成蒙,柴安颖,廉梦佳,

2021, 42(3): 621-626.

摘要 ( ) PDF全文 ( )

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