小型微型计算机系统

Select

蒋慧敏,陈锋

2022, 43(9): 1793-1800.

摘要 ( ) PDF全文 ( )

可视化

金融时间序列预测遵循不同的模式，由于用户行为的改变或环境本身的改变，这些模式可能随着时间的推移而改变.股票走势预测作为金融时间序列预测中最具挑战性的任务之一，目前的研究主要集中在公开市场数据上，而没有充分考虑行情局部趋势特征模式和交易行为相关性分析.本文提出了一个融合历史交易数据和关联市场信息的面向局部特征模式的深度神经网络趋势预测模型.首先，通过改进的Zigzag技术指标识别算法识别金融时间序列的重要点，并对局部趋势特征进行建模;然后，利用知识图谱和图嵌入技术来融合市场信息和行情交易特征信息，并与感知重要点等K线指标信息进行多特征融合.最后，将上述这些信息输入到基于注意力的双向长短期记忆网络进行股价走势预测.实验结果表明，所提出的模型具有较好的有效性、可用性与稳健性.

Select

区域-道路时空图网络：一种基于图神经网络的流量预测模型

金高铭,刘安,孙玉娥,于金刚

2022, 43(9): 1801-1807.

摘要 ( ) PDF全文 ( )

可视化

交通预测在城市规划中具有重要意义.由于交通流具有复杂的时空相关性，交通预测的任务一直面临着许多挑战.现有的方法通常利用上层区域图上的观测特征序列来学习和评价交通状况，而忽略了具有丰富语义的底层路网.为了克服这一缺点，本文将空间数据建模为观测图和隐藏图，并提出了一种新的交通预测框架：区域-道路时空图网络（R2RSTGN）.为了学习道路网络和观测到的交通信息之间隐藏的相互作用，本文同时考虑区域和细粒度道路并提出了一种压缩注意力机制，可以为预测提供解释结果.在两个真实数据集上的实验结果验证了该框架的有效性.

Select

面向异质基因数据的智能层次聚类算法研究

季姜帅,裴颂文,

2022, 43(9): 1808-1813.

摘要 ( ) PDF全文 ( )

可视化

随着对基因致病理论研究的深入，产生了大量的异质基因表达量数据，且这些基因数据普遍存在高维度、非对称和高噪声等特性，因此通用的聚类算法面向异质基因数据的聚类精度不高.本文提出了一种面向异质基因数据的智能层次聚类算法（HCIGA）.构建了融合精英保留法与轮盘赌的选择算子，并通过优化适应度函数和小生境策略保持种群多样性，加快收敛速度，提升聚类精度.HCIGA的有效性在脑肿瘤、肺癌、肾脏癌和乳腺癌数据集上进行测试，结果表明，与层次聚类算法（AGNES）、遗传K-Means算法（GKA）、DPeak和谱聚类算法相比，HCIGA算法的聚类精确度在五种算法中均为最佳，本文并将HCIGA算法应用于头颈部鳞状细胞癌（HNSC）数据集，成功识别出6种癌症亚型.

Select

兼顾用户话语权的改进加权Slope-One协同过滤推荐

陈梅梅,董晨光,王淇,戴伟辉

2022, 43(9): 1814-1819.

摘要 ( ) PDF全文 ( )

可视化

针对协同过滤算法中数据稀疏性导致的推荐结果精确度不高的问题，本文提出一种改进的加权Slope-One算法填充评分矩阵.首先，利用用户的评论次数信息区分用户活跃度，然后，在加权Slope-one算法考虑不同项目之间评分用户数量差异影响的基础上，进一步考虑不同活跃度的用户话语权差异对评分预测的影响，提出了兼顾用户话语权的加权Slope-One算法，最后，基于Movie-Lens和Amazon-Clothes两个不同商品品类的数据集，对4种协同过滤算法进行了不同填充比例和不同最优近邻数情况下的仿真实验.仿真对比发现：在仿真实验确定的最优矩阵填充比例和最优近邻数的情况下，相比加权Slope-One协同过滤、原始协同过滤、基于奇异值分解的协同过滤等推荐算法，引入本文所提出的改进加权Slope-One的协同过滤推荐算法，在数据稀疏度不同的两个数据集上的MAE值都更低，说明本文算法能够有效降低数据稀疏性并达到了提高推荐精确度的目的.

Select

一种基于时不变稳定性和夏普比率的模型泛化能力优化方法

邓洪武,邢凯,王志勇,李亚鸣,胡璇

2022, 43(9): 1820-1829.

摘要 ( ) PDF全文 ( )

可视化

近年来随着数据规模和算力水平的提高，深度学习及相关预训练模型如ResNet等在图像识别领域取得了较快进展，其在多类应用场景的指定任务上均取得了良好表现.然而如何提高深度学习模型如ResNet等预训练模型的泛化能力，仍然是图像识别领域亟需解决的关键问题.目前通常的做法是通过网络结构的优化，或是数据集的扩充来改善模型性能，然而这些方法往往依赖于大量数据和大量时间/算力的网络结构修剪和二次训练，模型训练效率和泛化性能的优化受制于数据规模和网络结构的复杂度.针对这一挑战，我们提出了一种基于深度网络时不变稳定性的深度学习模型泛化能力优化方法，从数据分布角度出发，对深度学习预训练模型进行结构化分析，随后针对非稳定子结构进行选择性裁剪而非随机dropout来实现网络结构定向修剪，然后基于夏普比率对模型中间输出的分布进行收益分析和组合优化，生成具有弱/去相关性的有效特征，并利用自注意力机制对这些特征进行自适应加权处理，进而生成具有较好泛化能力的改进模型.理论分析及实验都表明，本方法大幅降低了模型泛化优化过程中对于训练集规模和算力的要求，从原模型训练过程中每类需要1000余张训练图片到只需要20张，大幅提高了训练效率.针对ImageNet 2012 动物类数据集的泛化性能分析表明，本方法将ResNet的准确率从80.15%提高到了86.72%，并且对数据集外部分未知动物类别的感知能力也有明显提升.

Select

神经网络可信性的形式化验证方法综述

王莉,李晓娟,关永,王瑞,王佳岳

2022, 43(9): 1830-1837.

摘要 ( ) PDF全文 ( )

可视化

随着神经网络技术的不断发展和完善，其应用也随之扩展，如何保证其可信性是在许多应用领域特别是安全攸关应用中部署的关键，目前对神经网络可信性研究主要体现在通过循环优化网络训练等过程和对神经网络进行验证两方面.基于形式化方法可以对网络属性、核心算法进行严格的逻辑和模型表达并进行验证，本文利用形式化的方法对神经网络进行可信性验证的研究现状进行综述，对神经网络可信性问题的抽象、属性表达及形式验证进行阐述，并进一步对基于反例的验证、抽象解释、可满足性求解、输入/输出可达性分析等方法的核心算法、特点进行分类阐述和总结，对未来发展趋势进行展望.

Select

面向路网的空间众包三维匹配任务点选址算法

朱菲,刘安,孙玉娥,李姝

2022, 43(9): 1838-1845.

摘要 ( ) PDF全文 ( )

可视化

作为空间众包研究的核心问题之一，大多数任务分配工作仅仅针对用户和工人两类对象进行匹配，而忽视了任务点位置对分配结果会产生的影响.同时最新的三类对象分配工作都基于欧式空间，和现实路网中的路径计算存在较大误差.因此本文研究面向路网的任务点选址问题，通过给工人和用户指定任务点，在节约工人旅行成本的同时减少用户等待时间.为解决该问题，本文将任务点容量充足时的原问题规约到二分图最大匹配问题并使用KM算法求解;并在不足时规约到最大三维匹配问题并提出分块贪心算法.此外还提出两种优化算法，分别用于快速筛选可用三维匹配对和计算多点对之间的最短路径长度.最后，通过在真实数据集上的实验验证了本文方法的高效性.

Select

一种参数动态更新的布谷鸟搜索算法

闫河,谢敏,赵其峰,李晓玲

2022, 43(9): 1846-1852.

摘要 ( ) PDF全文 ( )

可视化

为提升布谷鸟算法对高维问题空间的搜索能力及算法的稳定性，提出了一种参数动态更新的布谷鸟搜索算法.该算法首先选用柯西随机数，动态更新迭代学习的步长因子，并结合Lévy飞行策略生成新解;在新解生成之后，提出了一种正态扰动策略生成干扰解以增加解的搜索空间;对迭代中的新解和干扰解，采用模拟退火算法得到优势解，从而避免算法陷入局部最优，提升了算法的容差性;并提出一种轮盘赌选择和双向随机搜索策略强化迭代中优势解的学习.实验结果表明改进算法拥有较高的准确性和稳定性.

Select

求解时变凸二次规划的变参积分动态学习网络

陆荣秀,黄伟,杨辉,张智军,

2022, 43(9): 1853-1861.

摘要 ( ) PDF全文 ( )

可视化

凸二次规划问题在许多领域都有着广泛的应用，系统分析、组合优化等诸多科学问题和工程问题都可以表述为二次规划问题后求解.为了高效地求解线性等式约束下的时变凸二次规划问题，本文提出了一种基于误差积分设计的新型变参积分动态学习网络.该网络引入时变指数型设计参数，具有灵活和自适应调整的特点.理论分析证明变参积分动态学习网络在使用单调递增的奇激活函数时有全局收敛性质和较强的鲁棒性.除此之外，变参积分动态学习神经网络还具有灵活的控制策略和超指数级收敛速率.仿真实验结果表明，使用不同激活函数的变参积分动态学习网络比传统的微分神经网络（即梯度神经网络，零化神经网络和变参收敛微分神经网络）有更好的收敛性质.

Select

一种带时间约束的影响力最大化方法

毋东,何楠群,张霄宏

2022, 43(9): 1862-1868.

摘要 ( ) PDF全文 ( )

可视化

影响力最大化问题是社交网络分析领域的热点研究问题之一，相关研究成果可在政治选举、在线营销、谣言控制等多个领域应用.本文主要关注具有时间约束的影响力最大化问题，即如何在给定时间范围内使影响力的传播范围最大.为解决这一问题，提出了一种基于时间约束的影响力最大化方法.该方法首先根据节点的拓扑属性和社交活动的时间属性设计影响力计算模型，并在模型中引入时间约束条件;其次，在影响力传播过程中引入最早激活时间、累积传播延时以控制影响力的传播过程满足约束条件;最后，通过定义有效激活节点来刻画每个节点在给定时间约束下的影响力传播范围，并据此选出种子节点.在6个不同规模真实数据集上的对比实验验证了本文方法的正确性和有效性.

Select

面向时间序列相似性的疾病风险评估模型

沈彧,陈庆奎

2022, 43(9): 1869-1876.

摘要 ( ) PDF全文 ( )

可视化

为进一步提升养老机构的服务水平，提出一种利用多元时间序列相似性度量对老人疾病风险进行评估的模型：首先通过离散小波变换将老人监测序列分解为尺度部分和细节部分，然后在完成对序列分段的基础上，提取局部极值特征对序列进行降维，同时根据老人行为存在规律的特点，运用自适应惩罚函数来减少单点的重复使用以及匹配点间相位差过大的情况，以最大程度地识别不同老人相似的行为;再通过主成分分析确定不同检测属性的权值，得到多元序列的相似性距离;最后结合提出的相似性度量对老人的状态检测序列进行K近邻分析，利用分类的结果完成对老人的疾病风险评估.实验结果表明，该方法的分类准确率达到91%以上，能对老人的疾病风险进行合理评估.

Select

融合LightGBM与SHAP的糖尿病预测及其特征分析方法

王鑫,廖彬,李敏,孙瑞娜,

2022, 43(9): 1877-1885.

摘要 ( ) PDF全文 ( )

可视化

人工智能在辅助医疗诊断方面得到广泛关注，对糖尿病预测的相关研究是近年来关注的一个热点问题.以皮马印第安人糖尿病数据集为研究对象，首先，对原始数据进行缺失值填充、异常值分析、标准化处理等工作的基础上，将预处理后的数据作为LightGBM训练模型的输入;其次，与已有工作中基于SVM、随机森林、决策树以及Xgboost等多种机器学习模型进行实验对比，结果表明本文模型在准确率、精确率、召回率、F1值、AUC值5项性能指标上均明显优于对比模型;最后，引入SHAP模型增强模型的可解释性，同时综合比较了LightGBM和Xgboost的特征重要性排序结果，识别出了影响糖尿病的主要因素，为糖尿病的疾病诊断提供决策参考.

Select

面向多核的并发HTM空间池算法

牛德姣,周时颉,蔡涛,杨乐,李雷

2022, 43(9): 1886-1893.

摘要 ( ) PDF全文 ( )

可视化

层级时序记忆（Hierarchical Temporal Memory，HTM）是一种模拟生物大脑皮层结构的神经形态机器学习算法.由于HTM空间池（Spatial Pooler，SP）训练时需要搜索整个模型空间查找活跃微柱，算法时间复杂度高且不适用现有方法进行加速.针对此，本文提出了面向多核的并发HTM空间池算法，利用多核处理器的并发计算能力将空间池的训练分布在多个计算核心上并行完成，以加快查找速度，减少训练所需的时间开销.所提出的空间池训练方法包括基于分区的微柱激活策略和并发的近端树突调整算法.在多核大数据平台Phoenix上实现了面向多核的并发HTM（Multicore Concurrent Hierarchical Temporal Memory，MCHTM）空间池算法原型，并使用NYC-Taxi、NAB和MNIST数据集进行了测试.实验结果表明，MCHTM相较于HTM，在NYCTaxi、NAB和MNIST数据集上空间池的训练时间开销分别降低97.29%、97.25%和96.29%，预测准确率分别提高3.28%、1.83%和0.91%.相同训练时间开销下，相较于长短期记忆网络（Long Short-Term Memory，LSTM），MCHTM在NYC-Taxi和NAB数据集上均方根误差分别降低0.1266和0.089，在MNIST数据集上准确率提高0.42%.

Select

SD-FCE：一种识别睡眠呼吸暂停综合征发病时段的深度学习方法

高胜寒,熊馨,相艳,刘瑞湘,叶哲江

2022, 43(9): 1894-1901.

摘要 ( ) PDF全文 ( )

可视化

睡眠呼吸暂停综合征（Sleep Apnea Syndrome，SAS）是一种常见的睡眠呼吸系统疾病.目前有很多关于SAS自动检测的研究仅仅是在一段时间内判断是否发病，无法识别发病具体时段.针对这一局限性，本文提出一种新的SAS识别模型SD-FCE（SAS Detection based on Functional Connectivity of Electroencephalography），该模型具备识别不规则发病时段的能力.首先，为提取发病时段的神经系统异常，本文利用脑电功能连接性构建脑电功能连接矩阵.其次，为识别发病的具体时段，本文基于目标检测算法改进，针对SAS设计不同的预选框将不规则目标网格化，以进行模型搭建.分类与位置回归模块依托于网格化处理的结果输出发病的分类结果、中心时间与持续时间.对比以往相关研究，SD-FCE模型的识别结果更利于医学诊断，同时性能优于以往其它类似模型.

Select

差异性案件要素增强的案件舆情时间线生成方法

高盛祥,赵瑶,余正涛,黄于欣

2022, 43(9): 1902-1907.

摘要 ( ) PDF全文 ( )

可视化

案件舆情时间线生成是将同一案件的舆情新闻按照时间顺序生成话题簇，对于用户了解案件的发展过程具有重要意义，本质可以看做一个时间约束下的无监督聚类任务.但是描述同一案件的舆情新闻可能存在许多相同的要素导致其在聚类空间中的表征出现重叠.为了生成更有区分度的文本表征，基于自编码框架，提出一种差异性案件要素增强的案件舆情时间线生成方法.首先构建涉案舆情时间线数据集并生成每条微博文本的差异性要素;然后将差异性要素、微博文本和案件时间作为BERT编码器的输入，基于自编码框架生成文本的低维特征向量;最后基于该特征向量和K-Means聚类的方法，使用软聚类生成案件舆情时间线.实验结果表明，在构造的涉案舆情时间线数据集上，提出的方法在ACC和NMI两个聚类指标上均有较大提升.

Select

目标语义与位置融合的方面意见词抽取

廖黾,刘德喜,万常选,刘喜平,廖国琼

2022, 43(9): 1908-1917.

摘要 ( ) PDF全文 ( )

可视化

面向方面目标的意见词抽取（Target-oriented Opinion Word Extraction，TOWE）是方面情感分析的一个子任务，旨在针对给定句子的特定方面目标识别意见词.在同一句子中，对于不同的目标，模型需要输出不同的抽取结果，TOWE可以给出每个方面目标具体的观点信息，从而帮助理解用户情感的来源，细化情感分析任务的粒度.为识别文本中给定方面目标的方面意见词，需要综合考虑上下文语境、方面目标语义信息以及位置信息，并建模候选意见词与方面目标之间的对应关系.本文提出了一个目标语义与位置融合的方面意见词抽取模型（Target-oriented Opinion Word Extraction Based on the Fusion of Aspect Target Semantics and Position model，AP-IOG），模型使用编码器解码器框架，在方面目标融合编码器中包含3个LSTM模型：向内Inward-LSTM可以充分利用方面目标信息;向外Outward-LSTM可以将方面目标信息很好地编码到上下文中;位置注意力增强的Global-LSTM，可以帮助理解整个句子的全局含义，并且关注到整个句子中方面目标附近的局部信息.这3个LSTM很好地融合了方面目标及其上下文和位置信息，有利于定位针对方面目标的意见词.编码后，将方面目标的上、下文与位置注意力增强的全局上下文进行拼接，传入解码器中.使用TOWE中电脑和餐厅评论领域4个数据集作为实验数据集，实验结果表明，AP-IOG模型明显优于其他方法，在4个数据集上F1值相比于TOWE的基准模型IOG分别提升了2.23%、2.10%、2.75%以及3.55%.

Select

深度学习几何约束预测的蛋白质建模方法

杨涛,刘栋,刘俊,张贵军

2022, 43(9): 1918-1924.

摘要 ( ) PDF全文 ( )

可视化

蛋白质结构可以由残基间距离和主干二面角确定，精确预测残基间距离和二面角有助于蛋白质从头建模.为了提升蛋白质结构预测的精度，提出了距离约束和二面角优化的蛋白质结构预测方法.首先，基于HHblits和Jackhmmer搜索序列数据库以获取蛋白质多序列比对;进而，提取序列频率谱、位置熵、互信息、去除背景噪声的互信息、协方差矩阵、接触势能和 CCMpred 计算的耦合分数等特征;然后设计深度残差神经网络和长短时记忆网络，预测残基间距离和主干二面角;最后，开发了基于能量极小化的结构建模优化方法GCPFold.在80个测试蛋白上的实验结果表明，GCPFold方法可以有效折叠蛋白质结构.

Select

利用深度神经网络并结合配价信息的语义角色标注

袁里驰

2022, 43(9): 1925-1930.

摘要 ( ) PDF全文 ( )

可视化

语义角色标记被认为是实现自然语言理解的关键一步，并已被广泛研究.近年来，基于深度神经网络的端到端语义角色标记越来越受到关注.然而当前的语义角色标记方法使用没有语言特征的深度神经网络，配价结构可以较好地刻画句子的句法结构和语义构成关系，因此，本文提出了一种融合配价信息的深度神经网络模型，它有效地结合了丰富的语言配价信息以进行语义角色标记.本文在 CoNLL-2005 共享任务数据集和 CoNLL-2012 共享任务数据集上对融合配价信息的深度神经网络模型进行了评估，在两个基准语义角色标记数据集上比以前的工作取得了更好的结果.

Select

面向光束平差法的视觉SLAM并行计算架构与实现

成祥,陈迟晓,翟鹏,张立华,

2022, 43(9): 1931-1938.

摘要 ( ) PDF全文 ( )

可视化

同步定位和建图(SLAM)是解决机器人探索未知环境的最基本的方法之一,它能够让机器人在无需预先获得场景定位基础结构的条件下便可以进行定位和避障.作为一个普遍而通用的解决方法,光束平差法被绝大多数的视觉SLAM算法的后端优化环节所采用,但实际应用中需要耗费大量的计算资源和时间.目前,视觉SLAM算法对算力要求越来越高,其中后端性能优化更是直接影响视觉SLAM算法的整个性能.本文提出一种基于FPGA的光束调整加速架构,该架构包括矩阵乘加加速器、舒尔补构造加速单元以及预处理共轭梯度求解器,能够有效地简化求解矩阵规模,以并行化方式加速求解后端优化方程.本文使用高层次综合来实现基于块的预处理共轭梯度加速器的并行化设计,比ARM计算平台提升了27.7倍的执行速度,节省了约95%的能耗,所提出的加速架构能灵活适用于采用各种视觉SLAM算法的光束平差法部分的运算.

Select

融合随机擦除和通道注意力的行人重识别方法

闫昊雷,李小春,张仁飞,邱浪波

2022, 43(9): 1939-1945.

摘要 ( ) PDF全文 ( )

可视化

通过不同角度和方位的视频传感器对进入重点区域的人员视频数据进行分析管控，精准、快速定位视频中的目标人员对于保障社会安全具有重大意义.为解决传统方法受复杂环境干扰严重，识别准度低的问题，本文提出一种基于随机擦除和残差注意力网络的行人重识别方法.首先使用随机擦除的方法对原始数据进行数据增强，其次基于原始ResNet网络，提出一种融合注意力机制的残差网络模型，能够提取通道维度的视频序列特征，并且抑制冗余背景干扰，提高模型对重要特征的关注程度和提取能力，最后使用级联的难采样三元组损失函数和交叉熵损失函数对网络模型进行训练，使样本能够在高维特征空间中实现聚类，从而有效提供识别精度.实验结果表明，该算法在CUHK03数据集上的精准度优于其它被比较的方法，证明了该方法能够应用于不同条件下的行人重识别任务.

Select

环境感知的立体树木图像融合

程银婷,杨丽锦,叶阳

2022, 43(9): 1946-1952.

摘要 ( ) PDF全文 ( )

可视化

图像融合技术是图像处理领域的研究热点之一，旨在实现源图像中获取的特定对象与目标背景之间的无缝融合.树木图像在三维场景中的显示效果常对三维场景的沉浸感产生影响.为了对三维树木图像构建的立体显示效果进行提升，本文提出了一种环境感知的立体树木融合方法.该方法首先采用模板匹配的方法获取树木对象多层次的视差图，并在融合时，依据树木对象融合到目标图像中的位置，调整融合后的视差图;然后，通过感知目标图像的颜色及光照调整树木对象的颜色;最后，通过深度计算对融合中出现的物体遮挡问题进行解决.融合结果表明本文方法可以很好地处理遮挡关系，并且构建出的立体树木具有多层次感，融合效果自然.

Select

一种自适应感受野卷积神经网络模型

金勇逸,张孙杰

2022, 43(9): 1953-1957.

摘要 ( ) PDF全文 ( )

可视化

本文提出一种自适应感受野卷积神经网络结构，简称ARFN（Adaptive Receptive Field Network）.通过卷积核的自主选择机制来实现感受野的动态调整，更大程度上获取残差网络低层特征的空间信息并与高层特征进行自适应融合，弥补高层特征空间信息不足的缺陷.同时，在残差块中加入一种轻量的新型注意力机制，通过一维空洞卷积实现特征通道间适当的非线性交互，有效地学习各通道特征的权重.相较于一些主流的注意力模块而言，在保证性能提升的同时大幅度缩减了参数量.通过在公开数据集上进行图像分类和目标检测实验验证网络的有效性，结果表明本文提出的网络结构在视觉任务上性能都有较大提升.

Select

结合元路径的属性重边异质网络嵌入方法

汤启友,张凤荔,王瑞锦,周志远

2022, 43(9): 1958-1967.

摘要 ( ) PDF全文 ( )

可视化

网络嵌入（network embedding）技术已被广泛地应用于图数据挖掘领域，并取得了良好的表现.然而当前针对异质网络的嵌入模型研究主要集中于拓扑图为简单图的网络，没有考虑对象之间的多重关系及其关系属性，这可能导致节点嵌入语义不完整、下游预测任务性能不高的问题.针对此问题，本文设计了一种结合元路径的属性重边异质网络嵌入（Attributed Multiple-Edge Heterogeneous Network Embedding with meta-path，AMEHNE）方法.该方法通过子网抽取、子网嵌入、嵌入融合等步骤将具有多重关系的网络节点嵌入到一个低维、实值的空间，同时还基于关系属性优化了元路径采样方式.实验结果表明，该方法优于传统的网络嵌入方法，能够对小样本节点在分类、聚类任务上有较大提升效果.

Select

基于NGAC的物联网访问控制授权方案

韩宗芮,郭渊博,秦晰

2022, 43(9): 1968-1975.

摘要 ( ) PDF全文 ( )

可视化

由于物联网设备异构性、数据海量性、交互动态性和信息强隐私性等特点，现有访问控制方案面临着授权粒度、动态性和策略管理等方面的严峻挑战，本文提出基于下一代访问控制的授权方案，以图的方式描述访问控制策略，实现细粒度动态授权，同时为用户提供良好的操作管理体验，文中通过智能家居领域示例说明其在物联网中的适应性.另外，为解决其授权执行效率问题，以更好适应物联网实时动态性的特点，提出支持多策略类决策的决策算法，以将策略图所表达的策略提取为特权列表并建立索引的方式减少授权决策时间，最后对其执行效率进行了分析与评估，结果表明，该算法在最坏的情况时间复杂度仍然很低，能够保持高效的执行效率.

Select

ACT、TED算法基于MILP搜索的积分分析

熊家琪,袁征,魏锦鹏,刘宗甫,朱亮

2022, 43(9): 1976-1983.

摘要 ( ) PDF全文 ( )

可视化

ACT和TED算法是近年来相继被提出的，分别基于SPN结构和Feistel结构而设计的两种轻量级分组密码算法.本文根据这两种算法不同的结构特性，分别构建了相关的基于比特可分性的MILP模型，并调用求解工具Gurobi对MILP模型进行求解.实验结果表明：ACT和TED算法都存在8、9、10轮积分区分器，另外TED算法还存在7轮积分区分器.根据所搜索到的积分区分器，实现了两种算法的11轮密钥恢复攻击方案.利用ACT算法的9轮积分区分器向后扩展2轮进行11轮的密钥恢复攻击时，攻击数据复杂度为236.39，时间复杂度为236.39次11轮加密，存储复杂度为220.利用TED算法的8轮积分区分器向后扩展3轮进行11轮的密钥恢复攻击时，数据复杂度为260.81，时间复杂度为2109.54次11轮加密，存储复杂度为259.

Select

面向养老照护的多传感器序列异常行为检测模型

潘兰兰,陈庆奎

2022, 43(9): 1984-1991.

摘要 ( ) PDF全文 ( )

可视化

互联网时代下，传统养老照护模式已经无法适应新型养老行业的发展.因此本文提出一种基于多传感器序列的异常行为检测模型，该模型能够在分布式、无干扰的传感器网络环境中监测老人生活，检测行为异常，并给出健康预警.文中通过类比生物信息学中蛋白质序列的表示方法，将多维传感器序列转换成一维序列.采用词袋模型，将划分后的不等长子序列映射为等长子序列.选择基于CalinskiHarabasz指数的层次聚类算法，识别出用户日常行为模式.最后，结合用户健康状况下日常行为活动的高斯分布，及FRS（Fuzzy Reasoning System）模糊推理系统，检测出用户的异常行为（天）.实际数据结果表明，该模型能够有效识别用户的起床、就餐、用药、如厕等多种日常活动及其规律，异常行为天检测的F1均值达到近90%，并给出对比实验.

Select

车联网边缘计算的多目标均衡任务卸载方法研究

程鹏,张文柱,谢书翰,杨子轩

2022, 43(9): 1992-1998.

摘要 ( ) PDF全文 ( )

可视化

随着边缘计算技术的逐渐成熟，各种对时延有苛刻需求的应用相继产生.虽然云中心能够为用户提供强大的计算能力，但是由于距离遥远无法提供实时的服务，边缘计算是很好的解决办法.移动边缘计算通过将任务卸载到边缘设备上，使用户能够灵活的获取计算资源等服务.本文首先对边缘计算环境下车辆通信模式选择进行了研究和分析，车载应用产生的服务需求可以卸载到配备边缘服务器的路侧单元进行处理，也可以卸载到邻近的车辆进行计算，使路侧单元服务效率最大化.本文根据K-means聚类算法对车辆通信模式进行合理选择，然后针对基于边缘计算的车联网架构通过非支配排序遗传算法在负载均衡、时间消耗和能量消耗3个目标函数之间取得平衡，最后得到了最优的卸载决策，仿真结果表明，本文所提出的算法大大提升了车联网架构的服务质量.

Select

二级Hash全局和局部索引筛选的长序列比对并行算法

潘登,钟诚

2022, 43(9): 1999-2004.

摘要 ( ) PDF全文 ( )

可视化

通过构建参考基因组的二级Hash索引，以快速筛选出测序长序列在参考基因组中可能匹配的候选区域;建立测序序列局部索引，以加速测序序列和参考基因组候选区域之间的映射定位;对每个候选区域里的k-mer与测序序列的索引命中进行左右扩展获得比对种子;采用等距离抽样方式对种子抽取多个位置，利用抽样结果建立判断依据来过滤掉那些不可能匹配的种子;建立处理包含“均聚物”类型错误的序列片段全局比对得分方程，并行填补比对骨架的空隙，并采取GPU显存预分配和后释放独立的并行比对策略，以提升序列片段全局并行比对效率.模拟与真实数据的实验结果表明，相较于已有同类的长序列比对并行算法，本文提出的并行算法获得整体上较高的比对敏感度、碱基层次灵敏度和准确度，且可有效处理第3代测序长序列含有的“均聚物”类型错误，显著加速了大规模长序列与参考基因组比对的完成.

Select

安全关键系统多范式建模及安全性分析方法

李书铭,杨志斌,谢健,周勇,陈静

2022, 43(9): 2005-2016.

摘要 ( ) PDF全文 ( )

可视化

随着安全关键系统的规模和复杂性不断增长，单一建模语言无法完全覆盖该类异构系统的建模要求.近年来，多范式建模方法逐渐成为表达复杂异构系统的有力手段，而安全性分析则是保证安全关键系统质量的重要步骤.本文提出一种面向安全关键系统的多范式建模及安全性分析方法.首先，使用SysML和AADL两种建模语言对安全关键系统进行多范式建模，SysML定义系统需求和逻辑架构，AADL则用于表达系统实现的物理架构、执行平台和应用软件运行时.其次，面向航空适航安全分析标准ARP4761的要求，对多范式模型进行安全性分析，即，为支持SysML系统定义层的安全性分析，提出安全性扩展附件SafetyProfile用于表达安全性信息，并将安全模型和SysML系统模型进行链接，自动生成功能危害评估报告和故障树;提出SysML系统模型和安全模型到AADL架构模型和错误附件模型的自动转换方法，并对AADL模型进行系统实现层的安全性分析.最后，设计实现了原型工具，并以航空领域的飞机空气增压系统（Airplane Air Compressor System）这一安全关键系统为案例，验证本文所提方法和工具的有效性.

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