小型微型计算机系统

过刊目录

  • 2022年, 43卷, 第1期
    刊出日期：2022-01-12
      
  • 全选
    |
  • 面向业务过程挖掘和分析的事件日志预处理技术
    赵海燕,李欣歌,陈庆奎,曹健
    2022, 43(1): 1-9.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在企业业务运行过程中会产生大量的数据,这些数据以事件日志的方式进行保存.通过对事件日志的采集、处理和分析可以支持对业务过程的挖掘、监控和优化.然而,原始的事件日志因含有各种类型的数据质量问题而无法直接应用于过程挖掘与分析.尽管目前在数据挖掘领域已提出各种数据预处理方法进行数据过滤,但由于业务过程事件日志中事件信息的序列化、动态化以及传递性等特点不同于普通数据,所以无法简单地应用传统的数据预处理方法对事件日志进行预处理.本文对事件日志数据预处理的研究现状进行了系统化的总结,分析了事件日志数据预处理技术面临的挑战,并对未来的研究方向进行了展望.
  • 一种基于非线性惯性权重的海鸥优化算法
    秦维娜,张达敏,尹德鑫,蔡朋宸
    2022, 43(1): 10-14.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对海鸥算法(SOA)在求解最优化问题中的不足和算法性能依赖于参数的选取等缺点,提出一种基于惯性权重的海鸥优化算法(Inertia Seagull optimization algorithm,I-SOA),采用非线性递减的惯性权重计算附加变量A的值来调整的海鸥的位置,通过莱维飞行和随机指数值增加海鸥飞行的随机性,增强算法搜索寻优的全局能力,避免算法寻优搜索陷入局部优值;通过12个基准测试函数将I-SOA与标准PSO,SOA,GA算法进行测试比较.实验对比结果表明,所提出的I-SOA优化算法具有较快的收敛速度、较高的求解精度和全局收敛能力.
  • 多空间协同进化的自然计算方法
    孙小晴,季伟东,林平,徐浩天
    2022, 43(1): 15-21.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在自然计算方法中,种群规模大,计算复杂度高;种群规模小,容易陷入局部最优.本文提出多空间协同进化(Multispace Coevolution,简称MSC)的自然计算方法,该方法适用于各种基于种群进化的优化算法,不依赖于算法进化的具体步骤,具有普适性.在传统的生物种群进化的基础上,将大种群分解为个数有限的小种群,部分小种群组成进化空间,另一部分构成指导空间,两个空间拥有不同的功能,指导空间通过特定的信息传递方式将经验概括信息传递到进化空间,从而使整个种群协同进化.将该策略分别应用到粒子群优化算法(PSO)和遗传算法(GA)中,并与标准粒子群算法、遗传算法以及目前主流的针对大规模问题进行优化的7个算法对比,在高维测试函数中,结果表明,寻优性能方面新的种群进化算法相比其他算法提高80%左右,具有普适性.
  • 融合BERT词嵌入和注意力机制的中文文本分类
    孙红,陈强越
    2022, 43(1): 22-26.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    文本分类是自然语言处理的一个重要领域.近年来,深度学习的方法被广泛应用于文本分类任务中.在处理大规模的数据时,为了兼顾分类的精度和处理效率,本文使用BERT训练词向量作为嵌入层,进一步优化输入语句的词向量,然后用双层的GRU网络作为主体网络,充分提取文本的上下文特征,最后使用注意力机制,将目标语句重点突出,进行文本分类.实验证明,BERT作为嵌入层输入时,有效优化了词向量.同时,文本提出的BBGA模型具有高效的处理能力,在处理THUCNews数据集时,达到了94.34%的精确度,比TextCNN高出5.20%,比BERT_RNN高出1.01%.
  • KBLCC：融合实体关键字特征的医疗领域实体分类方法
    王星予,吕学强,游新冬
    2022, 43(1): 27-34.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    实体抽取是自然语言处理中的一项基础任务,基于实体抽取的医疗领域实体分类是医疗知识图谱构建的基础,现有的实体抽取方法鲜有基于字符级的特征.文中提出了KBLCC方法,一种融合实体关键字特征的医疗领域实体分类方法.通过对医疗领域文本的语言特点进行分析与总结,发现医疗领域实体通常包含一些明显的关键字特征,能够辅助实体分类任务.融合实体关键字特征构建了BERT-BILSTM-CNN-CRF混合模型对医疗领域实体进行抽取,并将医疗实体分为检验指标、疾病、症状这三大类.实验结果表明,使用KBLCC模型进行医疗领域实体分类能够提高实验效果,准确率、召回率和F1值分别达到89.38% 、92.46%和90.89%.
  • 融合多方面潜在特征和神经网络的推荐模型
    郑诚,付娴,董露露
    2022, 43(1): 35-41.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    目前,潜在因子模型被广泛用于推荐,现有的方法大多利用用户与项目之间的交互信息来学习潜在特征,然而,用户和项目的潜在特征可能是来自多个方面.同时,考虑到神经结构可以替代矩阵分解中内积的形式,模拟用户和项目之间的交互,本文提出了一种融合多方面潜在特征和神经网络的推荐模型.首先,将推荐系统建模为包含丰富语义的异构信息网络,然后利用元路径和异构skip-gram模型提取并学习不同方面的潜在特征;其次,结合注意力机制将这些特征向量加权融合;最后,将得到的用户和项目的全局向量表示送入到神经网络中以实现评分预测.本文模型在movielens数据集和豆瓣电影数据集上进行了实验,结果表明,该算法相比于传统仅基于单一方面的算法和不采用神经结构的算法具有更低的平均绝对误差和均方误差.
  • BETES：一种中文长文档抽取式摘要方法
    王宗辉,李宝安,吕学强,游新冬
    2022, 43(1): 42-49.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    文本摘要在自然语言处理领域是最重要的研究工作之一,并随着深度学习的兴起成为研究热点,而中文长文本的摘要抽取面临更大的挑战,存在长文本-摘要语料库不足、摘要抽取信息不准确、目标摘要冗余、摘要句缺失等问题.本文以中文长文本的摘要抽取为研究对象,提出一种BETES方法,基于规则和人工辅助筛选构建中文长文本-摘要语料库;利用Bert预处理模型进行文本向量化,更好地捕捉长文本上下文的语义,提升信息抽取的准确性;在识别中文长文本的基本篇章单元的基础上,以基本篇章单元为抽取对象,降低摘要抽取的冗余度;最后利用Transformer神经网络抽取模型,实现基本篇章单元的抽取,提升摘要句抽取的准确率.实验证明,提出的BETES方法在中文长文本的抽取式摘要过程中提高了准确性,降低了冗余度,并且ROUGE分数优于主流的摘要抽取方法.
  • 深度估计网络的可学习步长轻量化研究
    胡坤,陈迟晓,李伟,甘中学
    2022, 43(1): 50-55.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    目前大量被提出的关于单目视觉深度估计网络研究中其网络结构庞大臃肿,在实际部署中会存在占用大、延迟高的问题.针对以上问题,本文提出了基于可学习步长的量化策略的轻量化深度估计网络.该网络采取特征金字塔(FPN)的网络结构对图片不同尺度的特征信息进行提取.并结合内存优化,对网络的特征提取部分采用深度可分离卷积,使得网络相对于ResNet参数总量下降1/3.同时文中对特征解码器进行设计,网络计算中跳跃连接传递的参数量对比ResNet下降了68.61%.本文的轻量化深度估计网络参数位宽由32比特降至3比特.实验结果表明,轻量化后的深度估计网络的网络参数大小下降90.59%,在KITTI数据集上绝对相对误差为16.0%,最终轻量化的网络大小从34.12MB下降到了3.21MB.
  • 物体坐标系曲面投影立体环视图像生成算法
    谢迎娟,许海燕,李丽媛,张学武
    2022, 43(1): 56-60.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对立体环视图像拼接准确度的难点,提出了一种基于物体坐标系的曲面投影图像拼接算法.根据实际应用场合建立合适的三维模型,对图像进行基于物体坐标系的纹理映射,将三维模型划分为融合、非融合区域,将原始图像映射到非融合区域,对于拼接融合区域,结合模型特点,设计了一种基于角度信息的加权平均融合算法,对拼接后的图像进行颜色校正,消除光照不均、亮度及色度差异现象.算法通过车载立体环视图像的生成验证其有效性,实验结果表明,生成的立体环视图像能够以立体的形式显示车身周围环境,图像拼接准确度较高,视觉效果佳.
  • 基于图像分类的弱监督RGBD图像显著性检测方法
    沈启金,龙观潮,陈羽中,
    2022, 43(1): 61-68.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    彩色深度(Red Green Blue Depth,RGBD)图像不仅包含红绿蓝三通道的颜色信息,还包含深度信息,因此能提供更全面的空间结构信息.近年来,随着RGBD图像的广泛应用,基于RGBD的图像显著性检测方法相继被提出.为了更好地解决弱监督图像显著性检测方法中的跨模态数据融合问题,本文提出一种基于图像分类的弱监督RGBD图像显著性检测方法.首先,本文通过基于梯度的类别响应机制生成初始类别响应图,同时使用传统的显著图检测算法生成初始显著图.然后,根据本文提出的基于深度图的优化策略将初始类别响应图和初始显著图融合形成伪标签.最后,通过本文提出的由加权交叉熵损失、条件随机场推理损失以及边缘损失构成的混合损失对网络模型进行训练.实验表明,本文提出的弱监督RGBD图像显著性检测方法具有先进的性能.
  • 组合模型的图像配准
    周知政,柳翠寅,
    2022, 43(1): 69-75.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    为解决图像配准中因旋转变换,尺度缩放,光照变化,相机抖动,气流变化以及压缩等影响成像质量,而导致特征点检测数目不足的问题,本文提出了基于组合模型的图像配准方法.该方法采用KAZE与SURF算子联合检测局部区域中线性与非线性特征点;同时为了提高计算效率,采用二进制向量描述符表征特征点,并使用汉明距离计算特征点之间的匹配距离,有效地提高匹配效率;最后,利用随机一致性算法(RANSAC)进一步消除异常点,并根据内点之间的对应关系来计算几何变换模型.实验结果表明：本文有效地解决了因特征点数目不足配准失效的问题,多幅图像的配准实验结果说明了本文方法具有更好的稳定性与鲁棒性,同时运行效率最快.
  • 弱监督多示例子概念学习的遥感场景分类
    陈春芳,边小勇,费雄君,杨博,张晓龙,
    2022, 43(1): 76-83.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    遥感场景分类是近年来计算机视觉和表示学习领域的热门研究课题,其主要工作是基于学习到的特征信息自动分类图像场景.传统上场景分类方法忽略了场景中多个子概念的学习,进而影响到场景语义识别.为了解决上述问题,文中提出一种弱监督多示例子概念学习(Weakly Supervised Multi-Instance Sub-concept Learning)的遥感场景分类方法.首先,基于弱监督定位网络从逐类响应图中预测峰值坐标,以定位感兴趣的示例区域;其次,将峰值坐标信息回溯到卷积层,自动截取多个示例特征组成示例袋作为多示例聚合网络的输入.然后,在多示例聚合网络上嵌入一个子概念层,迭代学习子概念与示例之间的匹配分数,再将所有的示例进行聚合生成示例袋概率分数;最后,组合两个损失函数,联合训练整个网络,得到富于判别的分类模型.在AID、NWPU-RESISC45和CIFAR10/100数据集上进行了分类实验,结果表明,所提方法有效提高了遥感场景分类性能.
  • 基于循环神经网络的多阶段图像去噪方法
    林煌伟,陈钧荣,牛玉贞,
    2022, 43(1): 84-90.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    图像在采集和传输过程中往往受到噪声污染,去噪任务是图像预处理中的重要步骤.现有的基于深度学习的图像去噪方法往往只进行单次的去噪,容易产生过于平滑或者太多噪点未去除的结果且无法恢复.因此,本文提出了一种基于循环神经网络的多阶段图像去噪方法.该方法包括两个去噪阶段,通过调整两个阶段的训练权重可以使得第1阶段的去噪结果包含部分未去除干净的噪点和更多细节信息,然后将第1阶段提取的特征通过门控循环单元传递到第2阶段,再进行第2个阶段的去噪.同时,为了使深度网络的训练更稳定,本文还设计了一个估计噪声分布的子网络,用于从噪声图像中估计噪声的分布.最后,将噪声分布和噪声图像拼接,作为网络的输入来训练去噪网络.实验结果表明,本文的基于循环神经网络的多阶段图像去噪方法具有先进的去噪性能.
  • 一种基于超像素和改进U-net的多模态脑部肿瘤图像分割方法
    胡春燕,司明明,陈玮
    2022, 43(1): 91-97.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对多模态脑部肿瘤图像分割难度较大和对脑部肿瘤边缘区域的分割不足等问题,本文将多模态脑部肿瘤图像分割任务分成两部分解决.第一部分是对脑部肿瘤轮廓区域的分割,先用超像素分割算法对图像进行预处理简化图像的表示形式,再提取每个超像素区域的灰度直方图,通过皮尔逊相关系数计算每个超像素区域的相似度,最后用均值漂移算法对剩余的直方图进行迭代运算,完成对脑部肿瘤图像轮廓区域的分割.通过在2D脑部肿瘤图像LGG数据集上的大量实验分析,本文的肿瘤轮廓分割模型可以很好的分割出肿瘤轮廓.第二部分用本文改进的 U-net算法对脑部肿瘤图像轮廓区域进行精细的多模态分割.在多模态脑部肿瘤图像数据库Brats2019进行大量的实验,结果表示本文算法能够很好的细分出脑部肿瘤区域.
  • 改进ORB特征点检测的图像拼接方法
    秦绪佳,陈国富,王洋洋,张美玉
    2022, 43(1): 98-102.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对图像拼接的实时性、准确度问题,本文提出了一种基于改进ORB特征点检测的图像拼接方法.方法在提取图像噪声点周边点的方式和判断特征点条件上进行改进.首先根据ORB算法判断特征点的特点将选取16个点减少为仅选取上下左右4个点,大大减少了质心与周边像素的比较次数;然后根据特征点延展性的特性,再在外圆选取4个相关点进行比较,快速区分噪点或是特征点,提高了特征点匹配准确率.本文还改进了随机取样一致性RANSAC算法,在迭代过程中增加合适的新特征点,提高内点比,减少迭代次数,不仅提升了效率,还可以计算出更合适的变换矩阵,达到更好的拼接效果.实验证明通过改进的ORB算法,改进的RANSAC算法和泊松融合算法能够实时的、高效的、准确的实现图像拼接.
  • 多时间维度信息融合的图像描述方法
    李坤,周世斌,朱佳明,张国鹏
    2022, 43(1): 103-110.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    目前图像描述技术的主要架构是基于深度神经网络的Encoder-Decoder架构.大多数工作集中在图像的特征提取和注意力机制上,如hard注意力模型和top-down注意力模型等.这些方法仅使用上一时刻的信息预测当前时刻的输出,使得解码器的输入信息的时间维度单一,同时解码器的单个输出也影响着预测结果的准确性.本文提出横向和纵向的多时间维度信息融合的图像描述模型,其中模型的横向结构使用过去和现在时刻的语义信息丰富解码器的输入,模型的纵向结构同时生成现在和未来时刻的预测向量来丰富解码器的输出,模型两种独立结构的解码器都生成多个输出,然后分别对其进行加权融合作为模型两种结构的最终输出.在Flickr30k和MSCOCO两个数据集上的实验结果表明,模型的两种结构在多个评价指标上的得分超过了其他主流的模型,对图像的描述更准确.
  • 使用改进自编码器的细粒度图像分类研究
    魏赟,李凌鹤
    2022, 43(1): 111-116.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对深度连续聚类算法(Deep Continuous Clustering,DCC)特征提取能力有限,对复杂图像不能提取足够有效细节特征的不足,本文提出一个新的循环卷积自编码器(Recurrent Convolutional Auto-Encoder,R-CAE).自编码器结合门控循环网络GRU和卷积网络CNN构造编码层;同时在门控循环网络GRU部分添加空间域注意力通道,增强网络的特征学习能力.图像信息经过R-CAE自编码器编码后获取细节信息,传入经典卷积神经网络学习特征;当优化结果接近或者达到聚类阈值的时候,获得最终的聚类结果实现分类.训练过程中,模型首先预训练,确定自编码器参数;然后结合编码部分和经典网络学习训练,微调网络参数.本文通过实验证明了改进方法结合DCC在聚类实验中优于大部分经典聚类算法,在针对真实图像的细粒度分类实验中也有显著的进步.
  • 结合特征金字塔和区域候选网络的视觉目标跟踪
    王敬坤,丁德锐,梁伟,王永雄
    2022, 43(1): 117-123.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    基于区域候选网络(RPN)与孪生网络的框架可以快速的回归位置、形状信息,展现出了良好的跟踪速度和准确性.然而,采用的单阶段SiamRPN跟踪器不能有效地处理相似性干扰和大尺度变化等复杂情况.针对上述问题,本文提出了一个基于特征金字塔(FPN)的级联 RPN网络(简记为CF-RPN)的多阶段的跟踪框架.该框架的基础网络由一对孪生的FPN构成,其深高层到浅低层特征分别输送到级联的RPN模块中.相对于传统RPN网络,级联 RPN网络具有多个锚点框,其锚点受前一级RPN的影响.与现有的算法相比,其一,多尺度特征的提取使得目标的高层语义信息以及底层空间信息都能充分利用;其二,级联 RPN网络能够对难负样本(hard negative samples)进行采样,保证训练样本更加均衡;其三,级联的RPN可实现锚点框逐级更新,从而细化每一个RPN中目标的位置和形状,提高定位的准确性,使得跟踪更加精确.通过测试,本文提出的CF-RPN算法在OTB50,OTB100上能达到62.36%和66.18%的准确率,相对于SiamMask算法,其精度分别提高了2.14%和1.9%;在VOT2016,VOT2018,VOT2019数据集上分别能达到65.5%,61.3%,60.0%,相对于SiamMask算法,其精度分别提高了3.4%,2.1%和1.8%.
  • 基于自适应窗的立体相机视差图优化方法研究
    周思达,谈海浪,唐嘉宁,蒋聪成
    2022, 43(1): 124-130.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对通过立体匹配直接得到视差图存在空洞等失真点(区域)的问题,本文提出一种基于自适应窗的视差优化方法.该方法先通过左右图像的视差一致性,检测出非零视差失真和黑洞失真区域,然后将所在像素点与周围像素点作视差代价比较,并针对由环境、光照以及其他噪声因素造成的误匹配所导致的黑洞区域,通过采用自适应窗填充黑洞失真区域,进而利用中值滤波平滑图像,最终实现对由立体相机左右图像匹配所获得的视差图的优化.通过与3种现有的视差优化方法进行对比,结果表明：本文方法具有更好的视差优化效果,且实现更为简便.
  • 三层架构的空间众包服务网点选址遗传算法
    刘松林
    2022, 43(1): 131-136.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    空间众包泛指将一个或多个与地点相关的子任务,分配给大量携带有智能终端的移动用户,通过他们共同完成而形成的一种新型协作计算模式.如何分配执行的移动用户并覆盖所有空间众包任务,对于企业的发展有决定性作用.本文综合考虑了空间众包系统在现实中的不同应用场景(如移动数据收集、快递、共享汽车等),引入了一种三层空间众包架构,包括系统平台、服务网点、移动用户3部分.本文针对该架构的服务网点选址问题,建立以收益最大化为目标的问题模型,证明了这是NP难解问题.并且结合Voronoi图,设计了遗传算法,借助于Matlab软件对模型进行求解,并通过实验验证了算法的优越性.本研究能够帮助企业更好地利用资源、降低成本并提供更好的服务,因此具有较高的社会价值、应用价值和现实价值.
  • 利用工作量证明的P2P信誉女巫攻击防范
    李标奇,付晓东,岳昆,刘骊,刘利军,冯勇,
    2022, 43(1): 137-143.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    信誉可以帮助用户在对等网络系统中做出更好的服务选择决策.然而女巫攻击者可以获取多个身份,并伪装成多个在系统中的实体,通过操控多个女巫节点的评价意向,让其他参与者的信誉随攻击者的意愿而改变.现有的防范方法需要引入特定环境进行攻击检测或者仅进行单次注册验证,难以从源头上抑制女巫攻击.通过引入多轮工作量证明验证和动态难度调整的验证机制,本文提出了一种针对对等网络信誉系统的女巫攻击者防范模型.理智的攻击者通常不会在没有收益的情况下进行攻击,因此可以通过使用多轮难题验证将攻击者的预期收益降至最低.此外考虑到攻击者在实施女巫攻击时引发洗白攻击重新申请节点的情况,将攻击者的洗白攻击纳入攻击效用考量,并通过理论分析和对比实验验证了模型的有效性.
  • 考虑时延和辟谣效应的谣言传播模型
    裴蕾,高彦平,刘新亮,宋绍义
    2022, 43(1): 144-151.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对网络中离线状态用户浏览信息存在延迟,辟谣信息可信度和辟谣者个体影响力存在差异的特点,本文基于传染病动力学的经典模型,建立基于时延机制和辟谣机制的新型谣言传播动力学模型.网络用户扩展为五大类,并引入辟谣函数表示其他类节点转化为辟谣节点的概率.利用微分动力学和再生矩阵谱半径方法,计算模型平衡点和基本再生数,通过理论推导和数值实验证明平衡点的存在性以及稳定性.对模型进行数值仿真实验,探究谣言的潜伏期、辟谣信息可信度和辟谣者个体影响力对网络谣言传播的影响,并与传统的谣言传播动力学模型对比.研究结果表明该模型能有效降低传谣者密度,缩短谣言存在的时间,较好地控制谣言的传播.最后从个人行为角度、危机管理角度和技术角度给出有效控制谣言传播的建议.
  • XGBoost-RF的物联网入侵检测模型
    乔楠,李振兴,赵国生
    2022, 43(1): 152-158.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对物联网入侵检测中检测数据不平衡导致的分类不准确的问题,提出了一种基于极端梯度提升树和随机森林相结合的物联网入侵检测模型.首先,针对物联网应用环境中产生的大量数据,对数据进行数据归一化处理.然后,利用XGBoost算法对其中的特征进行重要性评分,选择最优特征.最后,结合改进的随机森林算法,解决因数据不平衡导致的分类不准确的问题.仿真试验表明所提模型能有效的进行数据最优特征选择及合理地检测分类,同RF算法、SVM算法、Tree-SVM模型和RF-GDBT模型相比,所提模型的检测准确率有效改善.
  • 天地一体化智能网络智能节点部署策略
    杨力,何兆斌,孔志翔
    2022, 43(1): 159-164.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对传统卫星网络中,由于低轨卫星节点计算能力不足,导致大量计算任务需要传输到高轨卫星计算或转发,进而产生巨大传输时延的问题,本文利用移动边缘计算技术,结合天地一体化智能网络架构,提出了一种基于人工蜂群的智能卫星节点优化部署算法.该算法通过迭代,结合网络分簇算法,选出边缘服务有效覆盖率最高的智能卫星节点部署策略.从而使得更多卫星和地面节点能够获取到边缘服务,进而有效降低了系统的平均传输时延.实验部分建立了基于Matlab和STK的仿真实验平台,仿真结果表明本文提出的算法有效降低了传统卫星网络的平均传输时延,优化效果与粒子群算法和集群化部署算法进行对比,也有着较大的提升.
  • 面向位置服务的K-Vretr隐私保护方法
    唐朝生,李鹏飞,王 辉,王成杰,申自浩
    2022, 43(1): 165-172.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对K匿名、空间泛化等隐私保护方法中匿名区域受攻击造成用户隐私泄露的问题,提出一种基于K匿名机制的K-Vretr方法.首先,引入Voronoi图模型,利用离散的Voronoi图特性,分析同类信息点,生成K匿名集发送给LBS服务器;其次,定义关系矩阵,计算出用户位置与目标信息点之间的邻近关系;再次,应用二次剩余假设模型,确保用户目标信息点的查询隐私安全;最后,通过实验验证K-Vretr方法在满足l-多样性的同时,既增大了匿名空间,又减少了匿名时间,进而保证了安全性与匿名效率,有效防止了用户隐私的泄露.
  • 有限信息约束下的离散鲁棒滤波器设计
    凌荣耀,冯宇
    2022, 43(1): 173-178.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    本文研究一类有限信息约束下的离散系统鲁棒滤波问题.滤波对象的测量输出经由多个量化器量化后发送给滤波器.在所考虑的滤波问题中,通过引入均匀分布的随机变量描述量化噪声,并采用随机系统的方法实现滤波误差系统的建模,从而将滤波误差系统建模成一个具有多个随机变量的不确定性系统.基于随机系统的分析方法,通过黎卡提方程给出了H∞滤波器的设计方法,使得滤波误差系统均方稳定且符合给定的性能指标.最后,通过仿真算例验证了本文所提设计方法的有效性.
  • HXDSP异构计算框架的设计与优化
    宁成明,蔡恒雨,郑启龙,耿锐
    2022, 43(1): 179-185.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    由于CPU在处理海量数据时所面临的性能瓶颈,使得基于异构系统的异构并行计算成为并行计算领域的研究热点之一.HXDSP是中国电子科技集团第三十八所自主研制的DSP芯片,能满足多种高性能计算领域的需求.为了充分发挥HXDSP的计算能力以及多HXDSP设备并行计算的能力,本文设计了基于OpenCL的HXDSP异构计算框架.本文根据计算任务的特性设计了不同的OpenCL设备映射方式,使得HXDSP异构计算框架能适应不同的应用场景,充分利用HXDSP的计算资源并节省能耗.本文在HXDSP异构计算框架设计完成的基础上针对HXDSP异构计算应用程序进行优化,包括数据传输优化和数据访问优化.最后本文通过实验分析了HXDSP异构计算框架的程序性能,验证了HXDSP异构计算框架的可行性以及有效性.
  • 一种特征转移和域自适应的异质缺陷预测方法
    黄燕,徐贤,虞慧群,杨星光
    2022, 43(1): 186-192.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    软件缺陷预测是软件工程领域中的一个研究热点.跨项目缺陷预测(Cross-Project Defect Prediction,CPDP)采用源项目的缺陷数据来预测目标项目的缺陷倾向性.然而,源项目和目标项目的特征可能会有所不同.因此,研究人员提出了异质缺陷预测(Heterogeneous Defect Prediction,HDP).为了提高HDP模型的性能,本文提出了一种基于特征迁移和域自适应的异质缺陷预测(Feature Transfer and Domain Adaptation,FTDA)方法.首先,FTDA使用基于相关性的特征选择算法从源项目的特征集中选择最优的特征子集.随后,使用欧氏距离进行匹配特征,并为每个目标项目选择最合适的源项目.再次,使用TCA算法解决不同项目之间的分布差异问题.最后,使用SMOTETomek算法处理类不平衡问题.为了验证FTDA方法的有效性,本文对AEEEM,PROMISE,NASA和Relink数据集中的24个项目进行了实证研究.实证研究表明,FTDA显著提高了异质缺陷预测的性能.
  • 一种面向SCR需求模型的形式化验证方法研究
    张漾,胡军,王立松,康介祥,王辉,高忠杰
    2022, 43(1): 193-202.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在需求层级进行建模分析与验证是复杂安全关键软件开发过程中的核心关注点.本论文工作面向航空领域中典型安全关键软件的需求层级,提出了一种基于形式化模型检验技术的需求模型验证方法.首先分析了形式化需求模型(SCR)的建模工具(T-VEC)中所定义的递归结构形式的模型语法与语义,提出了一种对模型变量关系进行平展化的方法,将SCR表格关系模型转换为自动机状态迁移图,然后设计了从SCR模型到模型检验工具(nuXmv)的模型自动转换框架,并对模型转换规则给出了严格的定义证明;最后通过一个航空软件系统的需求实例展示了方法的有效性.
  • 距离约束和二面角优化的蛋白质结构预测方法
    李亭,刘俊,周晓根,张贵军
    2022, 43(1): 203-209.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    预测蛋白质三维结构对了解其生物功能、疾病发病机理研究、药物研发等具有重大意义.为了提高蛋白质结构预测的精度,提出了一种基于距离约束和二面角优化的蛋白质结构预测方法(Distance Constraint and Dihedral Angle Optimized Protein Structure Prediction Method,DCDA).首先,对预测的残基间距离分布图进行筛选,进而构建基于残基间距离分布的构象评估模型,指导构象选择;然后,在片段组装大范围搜索构象空间的基础上,利用基于二面角差分进化采样策略增强结构灵活的Loop区域采样,进一步提高拓扑结构的精度,增强近天然态构象采样能力.在15个测试蛋白的预测结果表明,DCDA能够达到较高的预测精度,是一种有效的蛋白质结构预测方法.
  • 基于组MCP和复合MCP的人脑功能超网络分析及抑郁症分类研究
    薛晓倩,李瑶,梁家瑞,Ibegbu Nnamdi Julian,孙超,郭浩
    2022, 43(1): 210-217.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    近年来,脑功能超网络模型在脑疾病诊断中多有应用.传统的脑功能超网络大多通过LASSO方法进行构建,然而由于脑区间存在组效应问题,在过去的几年里,对LASSO方法进行延伸以进一步改善超网络成为主要研究内容,由此出现各种分组模型方法.但这些方法均存在同样的问题,即惩罚函数对系数的过强压缩,导致模型中目标变量回归系数的有偏估计,使得噪声变量在压缩的同时,目标变量也进行了一定程度的压缩.因此,本文考虑到该问题,并在组效应的基础上,提出两种基于Minimax Concave Penalty(MCP)的无偏稀疏模型用以改进原有方法：组MCP方法和复合MCP方法.实验结果表明,两种方法均优于传统方法,而两种方法由于对变量是否进入模型采取了不同解决方式,因而构建的超网络结构差异较大,复合MCP方法构建的超网络的超边分布范围较为集中,而组MCP方法则较为分散;此外,复合MCP方法得到较好的分类表现和较高的分类权重.本文提出的方法所构建的脑功能超网络可以更好地表达抑郁症患者与正常对照的结构差异,具有重要的理论意义和临床价值.
  • 多目标粒子群算法求解混合多处理机任务作业车间调度问题研究
    吕媛媛,樊坤,瞿华,周浪
    2022, 43(1): 218-224.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    混合多处理任务作业车间调度(Hybrid Job-shop Scheduling with Multiprocessor Task,HJSMT)是作业车间调度和多处理机任务调度的混合调度问题,即每个工件由多个工序组成且每个工序都需要一组机器同时进行加工.目前对HJSMT研究较少且集中于单目标问题,因此针对多目标HJSMT问题,本文以最小化最大完工时间和最小化总拖延时间为目标建立双目标HJSMT模型,提出一种新的改进多目标粒子群算法(IMOPSO)对其求解.该算法以IPOX交叉和多轮变异策略更新粒子;根据动态邻域思想设计新的外部种群寻优机制(EPOM)寻找每一代较优解,结合个体拥挤距离删减并维护外部种群.采用5-Job与10-Job两个算例分别进行仿真实验,结果表明IMOPSO算法在选取邻域粒子数量为2时求解效果最好,并且通过与NSGA-II算法进行对比,验证了IMOPSO的有效性.