小型微型计算机系统

Select

刘晔晖,赵海燕,曹健,陈庆奎

2021, 42(7): 1345-1352.

摘要 ( ) PDF全文 ( )

可视化

在开源社区中,参与者积极参加问题解决过程对于推进开源社区的发展具有积极意义.在本文中,我们选择了部分Github流行仓库中的18215个问题,根据ISO/IEC 14764规范并将问题分为纠正性、适应性、完善性或预防性维护,然后使用了深度学习模型对问题的类型进行了分类,并分析问题类型对开发人员参与评论问题积极性的影响,我们的分析表明,部分开发人员对问题类型具有敏感性,即他们更偏向于参与特定类型的问题解决过程.基于此认识,我们提出了一个对问题进行自动分类的参与者推荐方法.在该方法中,利用了Atten-3CNN深度学习模型进行问题分类,达到了较高的准确度.在问题分类的基础上,我们构建了开发者的问题偏好模型,并计算问题与开发者的匹配程度从而实现回答者推荐.在实际数据上的实验结果表明,加入问题类别到问题特征向量后,显著提高了问题类型敏感人群参与问题推荐效果.

Select

协作机器人逆运动学形式化建模与验证

王畅,王国辉,施智平,关永,张倩颖,邵振洲

2021, 42(7): 1353-1359.

摘要 ( ) PDF全文 ( )

可视化

在机器人迅速发展的时代,人机协作型机器人安全性问题是人们关注的焦点.机器人逆运动学的建模与求解是决定其安全性的必要因素之一.旋量法是一种机器人逆运动学建模的常用方法,它可以解决传统D-H参数法的奇异性问题.然而,在建模过程中,旋量法会因人为因素或软件系统缺陷导致模型出现漏洞,从而威胁操作人员安全.因此,本文在旋量高阶逻辑定理证明库的基础上,实现了指数积和Paden-Kahan子问题(subprob-R)等数学理论的高阶逻辑表达,在交互式定理证明器HOL-Light中对6R型协作型机器人逆运动学建模与求解过程进行了形式化验证,结果表明基于旋量理论和Paden-Kahan子问题的协作机器人逆运动学建模与求解是安全可靠的.

Select

邻域感知的不平衡数据集过采样方法

严远亭,戴涛,张以文,赵姝,张燕平

2021, 42(7): 1360-1370.

摘要 ( ) PDF全文 ( )

可视化

不平衡数据学习是机器学习中一个研究热点,近年来得到广泛的关注.以SMOTE为代表的过采样方法是不平衡数据学习的主流方法之一,近年来涌现出大量的基于SMOTE的改进过采样方法.但是,当前对过采样的研究中,如何利用样本分布信息,实现高效的过采样,仍然是一个具有挑战的问题.本文提出一种有监督的样本空间分布学习方法,用以学习少数类样本的局部邻域信息,并以局部邻域信息约束过采样过程中样本的合成,以降低线性插值可能带来的噪声以及样本重叠等不利因素,从而提高过采样的效率.在典型不平衡数据集上的实验表明,利用少数类样本邻域信息为约束,能有效提升过采样的效率.

Select

融合SDE算法和双路加权门控循环神经网络的股价走势预测模型

吴彬,张勇,唐颖军

2021, 42(7): 1371-1376.

摘要 ( ) PDF全文 ( )

可视化

关于股票价格走势的预测,传统的操作方法多是通过统计分析工具或者是单一的机器学习算法进行预测,很难准确把握股价这种时间序列数据的非线性和非平稳性等特征,从而使预测精度受限.融合SDE算法与加权BiGRU网络的优化预测模型,先使用SDE全局寻优网络的结构参数,求得最优初始权值、阈值以及权重系数,再将优化的参数应用到改良的加权BiGRU网络模型中进行预测.优化的预测模型能够有选择的考虑过去和未来时间点对当前时刻数据的影响,而且能有效避免局部最优值以及网络的长程依赖问题.实验结果表明,优化的预测模型与其他传统神经网络预测模型相比较,预测误差得到显著降低,预测准确度得到明显增强.

Select

结合ONLSTM-GCN和注意力机制的中文评论分类模型

邵党国,张潮,黄初升,相艳

2021, 42(7): 1377-1381.

摘要 ( ) PDF全文 ( )

可视化

中文文本情感分类的一个难点是未利用句法信息来做分类决策从而需要大量训练数据.针对现有深度学习方法在语义分析中效果显著但尚未充分利用句法信息的现状,本文提出一种基于句法依存融合ONLSTM-GCN-Attention(OG-ATT)的中文评论文本分类的机器学习模型.该模型可在得到语义分析的基础上进一步捕获文本的句法信息并引入注意力机制使得文本中重要信息获得更高的决策权重,从而模型对评论文本类别做出准确的判断.本文在两个数据集(携程酒店评论数据集,新浪微博评论数据集)上进行实验根据准确率,召回率,精确率,F1值4项衡量指标,表明本文所使用的模型可以捕捉文本的句法信息并且相对于现有主流算法效果更优,实现了良好的分类效果.

Select

一种改进时序卷积网络的序列推荐方法

施浩杰,刘学军,肖庆华

2021, 42(7): 1382-1388.

摘要 ( ) PDF全文 ( )

可视化

序列推荐在构建现代推荐系统中起着十分重要的作用,如何对序列进行建模是当前学术界研究的热点.针对传统推荐算法难以表示用户兴趣的动态变化,基于循环神经网络的推荐方法在捕捉复杂的序列关系方面的不足,提出了一种嵌入压缩-激励模块的改进时序卷积网络来提取序列特征.模型利用扩张卷积增大感受野,捕获更多的序列关系,利用残差连接减小反向传播过程中的梯度消失问题.通过对用户和项目特征的融合,模型可以综合考虑用户的短期和长期偏好进行个性化推荐.在两个数据集上的实验结果表明,本文提出的算法要优于基线算法,取得较好的推荐效果.

Select

融合改进Stacking与规则的文本情感分析

宛艳萍,谷佳真,张芳

2021, 42(7): 1389-1395.

摘要 ( ) PDF全文 ( )

可视化

文本情感分析是自然语言处理的重要部分,但现有的文本情感分析方法均有其不足.为了使各个方法进行互补,提出了一种融合改进Stacking与规则的文本情感分析方法Stacking-I.该方法在Stacking集成算法的基础上进行改进,融合了两种主流的情感分析方法：文本规则方法和机器学习方法.在不同的3组网络评论文本上进行实验,证明该方法在网络评论文本情感分析实验中表现良好且有较高的准确率,其准确率高于传统机器学习方法、其它集成算法以及深度学习方法,最高可达91.700%,并且在不同数据量的基础上,通过大量实验和时间复杂度对比,得到了针对网络文本情感分析最佳的Stacking-I算法配置.

Select

结合半监督AP聚类和改进相似度的推荐算法

李昆仑,赵佳耀,王萌萌,于志波

2021, 42(7): 1396-1401.

摘要 ( ) PDF全文 ( )

可视化

寻找近邻用户或近邻项目是传统协同过滤推荐算法的关键内容.通常,数据稀疏性会导致推荐精度降低.基于项目类别偏好的混合协同过滤算法利用项目特征的低维性与二值性进行聚类,通过用户的类别偏好信息寻找近邻用户,此类方法可以在一定程度上缓解数据稀疏性问题.为了进一步提高近邻用户间的相似性,本文在项目类别偏好的混合协同过滤的算法基础上利用半监督AP聚类算法代替传统的聚类算法,并对相似性度量方式进行改进,提出了一种基于半监督AP聚类和改进用户相似度的协同过滤算法.该算法有两个方面改进：一方面,提出了一种新的半监督AP聚类算法-基于k近邻密度估计的半监督AP聚类;另一方面,使用用户活跃因子和用户评分轨迹改进Pearson相似度.实验结果证明了该算法的有效性.

Select

融合时空信息的双向GRU下一个地点推荐

李全,李书明,许新华,向丹丹,曹双双

2021, 42(7): 1402-1406.

摘要 ( ) PDF全文 ( )

可视化

传统的基于序列数据的下一个地点推荐算法没有深度挖掘签到序列的上下文信息.本文通过深度学习神经网络的GRU模型对用户的签到序列、时间信息和距离信息进行双向地特征分析,提出了融合时空信息的双向GRU下一个地点推荐算法(BiGRU+ST).首先将相邻地点之间的时间间隙和距离间隔通过嵌入层投影为潜在特征向量.然后采用双向GRU模型从两个方向提取签到序列、时间信息和距离信息,得到用户的全局特征表示.最后,通过贝叶斯个性化排序(BPR)算法构造目标函数并学习模型参数.在两个数据集上进行实验,结果表明所提BiGRU+ST算法的性能有了较大的提高,且当距离间隔取200m,或者时间间隙取30min时,该地点推荐算法的效果较好.

Select

对抗训练在人脸关键点序列稳定化问题中的应用

何卓骋,李京

2021, 42(7): 1407-1414.

摘要 ( ) PDF全文 ( )

可视化

人脸关键点检测问题在静态图像上已经得到了较好的解决,然而当使用这类解决方案逐帧地应用于视频数据时,所预测出的人脸关键点会呈现出明显的非规则抖动,因此如何准确且稳定地对流媒体中的人脸关键点进行定位成为了新的挑战.本文提出了一种基于平滑网格逆变换以及借助参数化人脸3D模型进行对抗训练的方式对现有方案进行改进.该方案训练所得的神经网络模型能够在不借助序列平滑后处理算法的情况下,逐帧应用于流媒体数据,给出稳定且准确的人脸关键点位置信息.其准确性相较于改进前的模型保持一致,而稳定性则超越了已有工作.

Select

分段反卷积改进SSD的目标检测算法

马跃,赵志浩,尹震宇,樊超,柴安颖,李成蒙,

2021, 42(7): 1415-1420.

摘要 ( ) PDF全文 ( )

可视化

针对当前SSD算法低层特征图语义信息不足导致存在小目标漏检以及误检的问题,提出一种基于分段反卷积改进SSD的目标检测算法SD-SSD(Segmented Deconvolution-Single Shot MultiBox Detector).根据SSD模型低层特征图语义信息提取不足,高层特征图边缘信息丢失过多,本文重新设计了融合结构,不仅降低了计算过程中的参数数量,而且丰富了各个特征图的细节信息和语义信息;由于特征图反卷积的次数过多会增加噪声信息,本文将模型中高层特征图分成三段做分段反卷积与低层特征层融合;为增强小目标在模型下的检测效果,增加更低层次的特征图进行特征融合,着重检测小目标.在Pascal VOC2007测试集上进行验证,本文SD-SSD模型大幅度提高了小目标类别的AP值,mAP相对SSD模型和DSSD模型分别提高了4.30%和3.0%,相比目前主流单阶段目标检测算法,本文算法保持了较高的检测精度和检测速度.

Select

一种基于宽钻石搜索的改进TZS算法

但鸿键,汪伟

2021, 42(7): 1421-1426.

摘要 ( ) PDF全文 ( )

可视化

针对高效视频编码中运动估计的计算复杂度高和消耗大量编码时间的问题,提出一种改进的TZS算法,从而有效提升视频编码效率.首先对搜索区域进行运动矢量预测,确定起始搜索点;再使用宽钻石搜索算法代替钻石搜索算法来搜索率失真最小点;然后根据运动矢量的十字中心偏置的分布特点,采用八边形-十字栅格模式进行栅格搜索,减少编码过程中的搜索点数;最后采用精细搜索得到最佳匹配点.实验结果表明,提出的算法与HM-16.14中的TZS标准算法相比,平均降低了26.59%的编码时间,并保持视频质量基本不变.

Select

文字图像不规则干扰修复算法研究

段荧,龙华,瞿于荃,杜庆治,邵玉斌,

2021, 42(7): 1427-1434.

摘要 ( ) PDF全文 ( )

可视化

该文针对不规则干扰导致文字图片字符识别率下降的问题,提出一种基于U型网络框架和部分卷积运算的文字图片修复模型.首先,针对常见字体的干扰问题,通过图像融合建立干扰文字图像数据库,在逐像素损失、感知损失和全变分损失的共同约束下,根据已有笔画细节对污损部分进行修复,并对污损汉字的字体形状和笔画走向的细部特征进行复原;其次,使用光学字符识别接口对修复前后图片进行测试并计算识别率;最后,将该文算法初步应用于真实场景下的古代文字拓片修复.实验证明,该文模型在常见文字修复上峰值信噪比最高达到32.58 dB,最佳损失值为0.015,污损文字图片修复后识别准确率提升30.49%.

Select

结合天空分割和条件生成对抗网络的单幅图像去雾

陈玮,陈永顺,尹钟

2021, 42(7): 1435-1440.

摘要 ( ) PDF全文 ( )

可视化

针对现有大多数基于暗原色先验图像去雾算法对天空区域的透射率和整体大气光值估计不精确的问题,提高去雾算法的性能,本文提出了结合天空分割和条件生成对抗网络的单幅图像去雾方法.首先,提出一种可行的基于阈值的天空分割算法把图像分割为天空区域和非天空区域,并在天空区域中估计出大气光值;然后,利用改进的条件生成对抗网络实现对透射率的精确估计;最后,根据大气散射模型恢复无雾图像并对其进行对比度增强处理.实验表明,本文算法能准确的实现天空分割,大气光值和透射率估计也准确高效,恢复的无雾图像真实自然,细节恢复清晰,对比度高.

Select

一种用于行人再辨识的批次分块遮挡网络

张灿龙,常松雨,李志欣,王智文

2021, 42(7): 1441-1446.

摘要 ( ) PDF全文 ( )

可视化

提高行人再辨识任务识别性能的重要途径之一是通过卷积神经网络将全局特征和局部特征相结合,而现有的基于部件的方法主要是通过定位具有特定语义的区域来学习局部表示,这不仅增加了学习的难度,而且对于具有较大差异的场景难以学习到稳定的特征表示.本文提出了批次分块遮挡网络(Batch Part-mask Network,BPNet),该网络由全局特征分支和特征删除分支组成,并以ResNet-50作为主干网络.全局分支负责全局特征的编码任务,由第一分支和第二分支组成的批次分块遮挡分支则负责学习局部细节特征,BPNet网络将来自两个分支的特征连接起来,以提供更全面的空间分布特征表示.所提出的模型在行人再辨识任务上展现出良好的性能,将Duke数据集上的rank-1精度提高了1%-2%,达到了88.6%.将Market-1501数据集上的mAP精度提高了2%-3%,达到了86.3%.

Select

Nesterov动量迭代降噪对抗攻击算法NMI-FGSM & Whey

陶永才,李子晨,石育澄,石磊,卫琳

2021, 42(7): 1447-1452.

摘要 ( ) PDF全文 ( )

可视化

目前基于深度神经网络的图像分类器易受到对抗样本的攻击,而对抗样本往往是某种算法攻击原始样本所生成的特定图像.本文针对攻击算法的弱鲁棒性及低隐蔽性提出一种基于Nesterov-Momentum动量迭代以及Whey优化的NMI-FGSM & Whey攻击算法.首先在一般动量迭代攻击中加入Nesterov项,其次于生成对抗样本之后对图像实行Whey优化,在保证攻击性能的情况下有效地去除多余噪声.实验部分以Inception-v3、Resnet-152和IncRes-v2三种分类模型为基础,结合单模型攻击和融合模型攻击对比了多种攻击方法.实验结果表明所提算法在白盒模式中展现出较强的攻击力,并在有效减少噪声强度的同时于黑盒情景中呈现出较好的迁移性能.

Select

采用通道和空间注意力的真实噪声盲去噪算法

肖娟,李小霞,吕念祖,周颖玥,王学渊,

2021, 42(7): 1453-1457.

摘要 ( ) PDF全文 ( )

可视化

基于卷积神经网络的去噪方法对图像的加性高斯白噪声去除效果良好,但对图像的真实噪声去除效果欠佳.本文对加性高斯白噪声和真实噪声的灰度直方图进行统计分析,根据两者之间的分布差异构建出一个基于注意力机制的端到端盲去噪网络LDFNet,有利于学习真实噪声图像的复杂像素分布特征.LDFNet网络包含3个部分：特征自适应学习模块(L)、多尺度残差密集模块(D)与特征多路径融合模块(F).其中,模块L基于通道注意力机制,可以通过调节通道重要性自适应地学习到更具有判别性的像素特征;模块D包含空洞卷积和残差密集结构,既可完整保留数据结构信息又可兼顾全局及局部细节信息;模块F基于空间注意力机制进行多路径特征融合,可减少信息压缩,有效提取关键信息.实验结果表明,本文方法在DND测试集上的PSNR为36.10dB,相较于非盲和盲去噪方法分别提高了1.79dB和3.67dB,SSIM为0.9019,相较于非盲和盲去噪方法分别提高了0.0536和0.1119,同时表现出更好的视觉效果.

Select

融合密集连接与注意机制的颅内出血分割方法

张鹏,徐曾春,胡平

2021, 42(7): 1458-1463.

摘要 ( ) PDF全文 ( )

可视化

颅内出血区域结构不明确且存在伪影和其他脑组织等噪声对分割任务造成了极大的影响.针对这类问题,为提高颅内出血分割的性能,本文提出了融合密集连接与注意机制的颅内出血分割方法,在全卷积网络的编码器部分引入密集连接块进行颅内出血特征提取,但从编码器中提取的特征并非所有都可用于分割,为此,本文将融合空间和通道注意力的注意力机制融入网络架构中,在空间和通道方面对颅内出血特征进行加权,捕获丰富的上下文关系,获取更为精确的特征.另外,本文采用Focal Tversky 损失函数针对处理小面积颅内出血的分割.实验结果表明,本文方法的精确度、灵敏度达到了89.3%、87.58%.其相似度系数达到了88.28%.有效的提升的分割性能,可以实现精确,快速的分割.

Select

基于改进YOLOV3与贝叶斯分类器的手势识别方法研究

袁帅,韩曼菲,张莉莉,吕佳琪,张凤

2021, 42(7): 1464-1469.

摘要 ( ) PDF全文 ( )

可视化

手势识别研究与人机交互和谐发展具有密不可分的联系,因此具有重要研究意义.针对传统手势检测算法空间不变性较弱,手势识别效率较低等问题,本文提出基于改进YOLOV3网络与贝叶斯分类器相结合的手势识别深度学习模型.首先采用空间变换网络对YOLOV3网络进行改进,处理手势信息,提取关键性手势特征,解决了数据易受影响问题并且增强了网络不变性;然后将网络提取出的特征进行降维操作,减少冗余信息;再通过贝叶斯分类器进行分类,提高了分类准确率;最后在标准数据集和自制数据集上进行检测测试,表明本文方法能够提高手势的识别精度,验证了算法的有效性.

Select

一种VVC帧内编码单元快速划分算法

陶浩然,路锦正,李意弦

2021, 42(7): 1470-1474.

摘要 ( ) PDF全文 ( )

可视化

为了降低下一代通用视频编码(VVC)帧内预测编码单元(CU)划分的计算复杂度,提出一种基于梯度幅值相似度的CU快速划分方法.首先,计算当前编码单元下层的四个子编码单元的平均梯度幅值相似度偏差(MGMSD),根据该信息来确定当前编码单元是否进行四叉树划分或不划分.其次,当不满足四叉树划分和不划分的条件时,通过遍历得到三叉树划分和二叉树划分的子块像素方差的方差,根据该信息来选择二叉树和三叉树中最佳的划分方式.在全I帧条件下,本文方法与VTM7.0(VVC Test Model 7.0)标准模型相比,编码时长平均降低了50.69%,在大幅降低编码复杂度的同时码率仅增加1.36%.

Select

低复杂度HEVC帧内编码快速划分算法

周帅燃,杨静

2021, 42(7): 1475-1478.

摘要 ( ) PDF全文 ( )

可视化

高效视频编码(HEVC)在H.264之上实现了显著的编码性能.但是却以明显的编码复杂度为代价获得了性能上的提高,其中,由于对所有可能的编码单元(CU)进行基于率失真优化的遍历搜索,因此编码树单元(CTU)最耗时的部分就是CU的划分.为了解决此类问题,本文提出了一种基于纹理分类的深度卷积神经网络(CNN)模型来对CTU的划分进行预测.首先通过考虑每个CU的特征,开发了基于阈值的纹理分类模型来识别纹理简单的编码单元.其次,设计并训练一种CNN结构来预测纹理复杂的编码单元.最后,依据实验结果表明,本文提出的算法与原始HM16.5相比该方案可节省60.28%的帧内编码时间,而BD速率损失可忽略不计2.15％.与其他优秀算法相比,本文算法减少帧内编码时间更明显,并且编码质量更优.

Select

一种融合残差模块的U-net对眼底图像渗出液的检测

傅迎华,李震,张雨鹏,潘东艳

2021, 42(7): 1479-1484.

摘要 ( ) PDF全文 ( )

可视化

渗出液是糖尿病视网膜病变(Diabetic Retinopathy,DR)早期出现的特征之一,也是判断糖尿病视网膜病变严重性的重要指标.由于渗出液在亮度特征上与视盘具有很大的相似性,渗出液的分割通常需去除视盘的干扰.为了加强图像的细微特征,本文提出了一种新的图像增强方法预处理方法,使得渗出液比视盘具有更高的对比度.深度U-net在训练样本较少且对稀疏性目标分割时具有较好的效果.本文在U-net结构基础上,加入Resnet结构,通过增强细微特征的学习来改进渗出液检测.本文通过kaggle和DIARETDB1两个公开数据集来验证所提出的方法,其准确度、特异性和敏感性指标在两个数据集上分别为99.1%、99.3%、80.3%和99.0%、99.0%、89.3%.

Select

一种自适应上采样的光伏面板分割算法研究

宋灿,吴谨,朱磊,邓慧萍

2021, 42(7): 1485-1491.

摘要 ( ) PDF全文 ( )

可视化

光伏产业的面积统计是一个具有挑战性的问题,通过深度学习自动获取光伏面板的面积是一个可行的方案.为了快速准确地获取光伏面板的分布情况,本文设计了一个卷积神经网络模型用于提取遥感图像中的光伏面板.首先,以ResNet作为主干网络,结合金字塔池化模块构建了一个多尺度模型,以此表达各种尺度的光伏面板的视觉特征.然后,引入了非局部操作,融合长距离的上下文依赖关系,利用目标之间空间上的相关性更准确的提取前景目标.最后,提出了一种自适应上采样的方法,通过高分辨率输入图像的结构信息自适应地生成采样系数,指导低分辨率的语义特征图进行上采样,以此降低目标边缘模糊的问题.相比于三种较新的算法,在loU,精度和指标上F-Measure,本文的算法取得了最好的结果.

Select

融合拓扑势的有向社交网络关键节点识别模型

李慧

2021, 42(7): 1492-1499.

摘要 ( ) PDF全文 ( )

可视化

社交网络的关键节点识别是网络数据挖掘的基本研究问题,根据用户角色辨识网络的关键用户对提升网络拓扑结构的稳定性具有重要意义.针对有向社交网络的节点重要度分析和用户角色识别,本文考虑网络的拓扑结构、节点的属性和节点之间的相互影响,提出新度量—拓扑势距离TPD,挖掘网络中的关键节点;提出一种基于二维有向拓扑势的用户角色识别模型,根据节点的有向拓扑势和局部影响力划分4类用户角色.以3个真实有向社交网络为例,剖析用户角色识别结果,分析拓扑势距离与7项常用的节点重要度指标(中心性指标、PageRank等)间的相关性,并采用极大连通系数与网络效率评估网络的动态攻击效果.结果表明本文所提模型能有效识别有向社交网络中的关键节点和用户角色,并在合理区分重要度相当的节点时具有一定优势.

Select

基于权重关联性的卷积神经网络模型剪枝方法

严阳春,郭荣佐,杨锦霞

2021, 42(7): 1500-1504.

摘要 ( ) PDF全文 ( )

可视化

模型剪枝是深度学习领域对模型进行压缩加速的一种有效方法.目前结构化的剪枝方法仅对整个过滤器的权重进行评估,但当一个过滤器被移除后,依赖过滤器而存在的关联权重也会被移除,现有的方法并没有考虑这部分权重的重要性,忽略了权重关联性.同时,通过试错的方式来得到每层的剪枝比例,工作量较大.针对上述问题,本文提出一种基于权重关联性的卷积神经网络剪枝算法.首先,在经过预先训练的模型上,该算法对整个过滤器权重与其相应输出通道在下一层的关联权重进行联合评估.其次对评估值进行全局标准化,实现评估值的全局可比较,移除整个模型中重要性较小的过滤器权重从而实现剪枝.最后对剪枝后的模型进行微调,恢复模型的准确率.在CIFAR10/100数据集上,本文对VGGNet、ResNet和DenseNet模型进行实验.实验结果表明,提出的方法可以有效地压缩和加速模型,且模型仍能保持良好的精度.

Select

虚拟机环境下MPI/RDMA库的通信优化

谢尚威,华蓓

2021, 42(7): 1505-1510.

摘要 ( ) PDF全文 ( )

可视化

RDMA是在高性能计算中应用最广泛的网络通信技术,以高吞吐、低延迟、低CPU占用而著称.随着高性能计算向云环境迁移,如何在虚拟机环境下高效地利用RDMA通信成为一个研究热点.本文针对高性能应用最常使用的MPI/RDMA通信库,提出在虚拟机环境下的通信优化方案VMPI.VMPI采用连接虚拟化、控制路径与数据路径分离等技术来满足云环境的要求,通过在数据路径上实现对大消息的零拷贝传输来降低端到端通信延迟.实验表明,相比于传统的RDMA虚拟化实现,VMPI可将MPI的点对点通信延迟减少40%左右,并可降低应用基准测试程序Graph500的通信时间占比.

Select

基于Tangle网络的群智感知用户可信激励方法

牟星宇,廖祎玮,赵国生,王健

2021, 42(7): 1511-1517.

摘要 ( ) PDF全文 ( )

可视化

随着群智感知技术的广泛应用,用户参与度成为影响群智感知技术发展的关键问题,提出一种基于Tangle网络的群智感知用户可信激励方法.首先,基于Tangle网络构建群智感知网络模型,通过去中心化的Tangle网络来克服群智感知平台面临可信第三方参与的安全隐患,制定Tangle网络的可信度标准.然后,通过可信度来衡量用户权重,借此来评估交易的可信性,将感知任务分配给更可信的用户.最后,对用户上传的感知数据使用蒙特卡洛最大期望算法量化用户的工作量,支付相应报酬.通过基于真实数据集的仿真实验表明,所提方法能有效激励用户参与感知任务,同RSFP方法和CSII方法相比,所提方法在用户参与度上分别提升了0.379和0.067.

Select

运动控制系统时频特征融合多故障分类

朱俊威,张钧涵

2021, 42(7): 1518-1523.

摘要 ( ) PDF全文 ( )

可视化

针对带有执行器故障、传感器故障、过程故障的运动控制系统,本文建立了基于时频特征结合的多故障分类模型.该模型包含3个模块,首先根据电机正常运行数据样本建立故障检测模块.继而结合时频域特征建立故障特征提取模块,其中频域特征通过基于能量熵的聚类经验模态分解方法获得,而时域特征为测量信号的裕度、峰值、峭度、标准差、能量.最后将提取到的故障时频域特征导入多故障分类支持向量机进行训练,建立故障分类模块.通过运动控制系统测试数据验证了本文方法的有效性和优越性.

Select

结合区块链和属性基的可信数据分发

李峰,梁任纲,李雪聪,何倩

2021, 42(7): 1524-1531.

摘要 ( ) PDF全文 ( )

可视化

网络数据与日俱增,传统中心化平台管理模式导致海量数据的存储与数据分发产生高昂的成本;而且收集的数据在分发过程中容易受到恶意窃取,造成私密信息泄露.针对当前数据共享中急需解决的细粒度访问控制和溯源难题提出了一种结合区块链和属性基的可信数据分发机制.通过建立信任模型,基于信任的P2P分发平台提出一种基于属性基加密的细粒度访问控制机制,允许数据拥有者依照各自不同的目的和需求制定更合理的个性化数据访问策略,避免未授权实体不合法的数据访问.最后,针对区块链不适宜存储大量数据的问题,采取链下存储的模式,配合链上的智能合约存储返回的数据索引地址、经属性基加密的对称密钥等关键信息,在降低区块链存储压力的同时实现数据的保护和安全共享.实验结果表明,结合区块链和属性基的可信数据分发机制实现了对数据的细粒度访问控制,为用户提供了更加安全可靠的共享分发服务.

Select

反向时间依赖路网上移动对象的启发式k近邻查询算法

宋力翔,秦小麟

2021, 42(7): 1532-1538.

摘要 ( ) PDF全文 ( )

可视化

针对实际应用中用户在真实路网上进行移动服务(如出租车,救护车,外卖等)的查询需求,提出反向时间依赖路网上移动对象的k近邻查询问题.在分析现有查询算法的不足后,建立了反向时间依赖路网和基于标记点的最短路径树.并在此基础上,给出了一种针对反向时间依赖路网上移动对象的k近邻查询算法TDSPT-kNN.通过采用基于最短路径树的启发式函数等剪枝策略,进一步提升查询效率.最后,通过仿真实验对TDSPT-kNN算法和已有算法在多种情况下的对比分析,结果表明相比现有算法,TDSPT-kNN算法查询效率平均提升65.9%,可以高效地处理反向时间依赖路网上移动对象的k近邻查询问题.

Select

时态数据质量规则的研究及检测

黄慧,李海林

2021, 42(7): 1539-1546.

摘要 ( ) PDF全文 ( )

可视化

作为检测数据集中不一致数据的方法,函数依赖受到了广泛的关注.近年来,硬约束、等值约束、编辑规则、差分约束等被相继提出,用于发现更多的不一致数据.然而,这些约束规则仅适用于静态数据集中不一致数据的检测,而实际应用中,存在着大量随时间演化的动态数据,已有的规则忽略了具有时态语义数据的描述.该文首先提出了时态数据质量规则的形式化表达,为了提升检测效率,给出一套规则相关的性质,利用性质去除规则集中冗余规则;其次给出了不一致数据检测算法,并通过剪枝的策略对算法优化,再利用算法和不一致数据查询语言获取冲突数据;最后,通过实验验证,本文提出的方法能够检测出更多的不一致数据,经过优化后的算法执行效率较高.

Select

一种基于CUDA的K-Means多级并行优化方法

方玉玲,那丽春

2021, 42(7): 1547-1553.

摘要 ( ) PDF全文 ( )

可视化

K-Means聚类算法是data mining领域中最常用的算法之一.在进行海量数据分析时,K-Means均值聚类的计算时间与其要处理的计算量成正比.因此,数据量越大计算开销也越长.为了提升算法的运算性能,本文设计了一种基于CUDA模型的多级并行的K-Means算法优化方法.将K-Means串行算法并行化,并对并行计算部分进行包括线程块级,线程级,指令级,比特级在内的多级性能优化.首先,在计算样本点与聚类中心距离的核函数中,采用矩阵乘的思想对主要步骤进行并行处理,初步提升算法性能;然后,对核函数的线程块,块中线程数,每线程执行的指令数及比特数进行逐级分析和优化.在合理利用计算资源和存储资源的同时提升算法计算性能,使聚类效果达到最优;最后,通过多项实验对本文方法进行仿真和验证,检验其可行性.结果表明,在保证实验结果准确性的情况下,与其它优化并行算法相比,本文方法最高加速比达到了39.7%,平均加速比达到了22.3%,同时降低了GPU资源占用率.

Select

面向多尺度决策形式背景的粒结构模型

陈应生,李进金,林荣德,陈东晓

2021, 42(7): 1554-1560.

摘要 ( ) PDF全文 ( )

可视化

通过把大量信息按照各自特点进行分块,简化庞大信息和数据的规模,粒计算为处理大数据提供了一种有效的方法.决策形式背景通过对象集和属性集以及他们之间的关系定义算子,从而形成概念信息粒,以达到对庞大信息的深入认识,这种信息处理方法被广泛应用.由于认识信息的不同的目的导致不同的认识深度要求.我们需要对信息进行多尺度处理,为此,本文将多尺度信息系统的粒度转换函数推广到形式背景上,建立多尺度决策形式背景的粒结构模型.首先回顾决策形式背景的基本概念和协调性.其次,引入多尺度形式背景,并讨论该系统不同尺度间信息粒的关系、粗糙近似、以及不同尺度间对应形式背景的协调性关系.在此基础上,引入多尺度决策形式背景,并讨论该系统的各种协调性的传递性.最后,研究该系统的最优尺度选择并给出具体的算例.

Select

一种基于进程代数的Android组件行为形式化描述方法

梁东魁,申利民,马川,冯佳音,陈真

2021, 42(7): 1561-1568.

摘要 ( ) PDF全文 ( )

可视化

已有多种技术和方法用于Android恶意应用的检测,但关于应用行为形式化描述的研究仍有待完善.本文基于π演算提出一种使用进程代数从组件层次描述Android应用及组件行为的形式化描述方法.首先给出组件行为的基本语义和组件行为的定义,并给出了组件行为相应的演化规则,然后给出了组件交互行为的形式化描述,并应用于一个案例表明了方法的正确性和有效性,最后给出了基于模拟机制的行为判定规则,为应用行为的分析和判定提供有效支持.

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