小型微型计算机系统

过刊目录

  • 2024年, 45卷, 第11期
    刊出日期：2024-11-01
      
    封面文件
  • 全选
    |
  • 融合GNN和注意力增强LSTM的轨迹相似度计算方法
    王语涵，孙未未，卢霖统
    2024, 45(11): 2561-2568.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    传统的轨迹相似度计算方法大多是针对欧氏空间中的轨迹而设计的，忽略了真实的轨迹被交通路网限制的这一事实，无法全面反映实际状况.本文提出了一种基于图神经网络和引入注意力机制的长短期记忆网络的深度学习模型来解决传统方法存在的问题.首先，将轨迹由路网上的路口来表示.然后为路网构建三个独立的视图，其中融合视图由路网知识图嵌入学习路口之间的关系而构建，使用图神经网络和多层感知机学习三个视图的信息，设计视图融合层生成路口表示向量，最后使用多层引入注意力机制的长短期记忆网络来学习轨迹的表示向量，同时还设计了一个判定轨迹相似度的损失函数.在两个真实的城市数据集上的实验结果表明，本文提出的计算方法相较于基线方法具有更高的有效性和可行性.
  • 基于大语言模型的体检总检结论自动生成研究
    郑路程，李旭涛，徐敏
    2024, 45(11): 2569-2575.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    本文研究了基于大语言模型自动生成体检总检结论的方法.与常规文本摘要生成任务不同，体检总检结论的生成特别关注体检异常检查结果，要求生成结论不仅准确，还需遵循医学领域的专业知识和标准.为此，本文基于经医疗知识问答数据微调的大型预训练语言模型，提出了一个体检总检结论自动生成方法.该方法包括两个关键模块：1）异常信息抽取模块，利用少量标注数据增强模型在抽取科室小结中异常检查结果识别能力；2）结论项排序模块，使得生成内容符合体检总检结论的顺序规范.在真实体检数据集上的实验表明，这两个核心模块有效提升了总检结论生成质量.本文为医疗文档自动生成技术提供了新思路，展现了大语言模型在医疗人工智能应用中的前瞻性.
  • 基于约束规划的航空电子系统任务分配与调度方法
    曾清华，杨志斌，周勇
    2024, 45(11): 2576-2585.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着综合模块化航空电子系统（Integrated Modular Avionics，IMA）对计算性能要求的日趋提高，既能提供更强计算能力又能减少电子设备的体积、重量和功耗的多核处理器将在航空电子系统领域得到广泛应用.目前航空电子系统的任务分配和调度主要基于手工方式，较少考虑多核环境下共享资源竞争带来的时间延迟，并且当系统更新时需要重新编排，十分耗时耗力.本文提出一种基于约束规划（Constraint Programming，CP）的航空电子系统任务自动化分配与调度方法.首先，给出了多核环境下任务最坏执行时间（WCET）的分析方法；其次，给出了基于CP的任务分配和调度方法；最后，设计与实现了原型工具CP4IMA，并基于ARINC653操作系统平台进行案例分析，验证了本文所提方法的有效性.
  • 实时系统多路径任务概率时序分析研究综述
    李子豪1，张轶2，刘学1，邓庆绪1
    2024, 45(11): 2586-2593.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着现代嵌入式实时系统在硬件与软件结构上的日益复杂化，传统WCET分析方法已难以满足需求，这推动了使用概率和统计技术对实时系统中多路径任务进行时序分析.本文深入探讨了这一领域的研究成果，首先回顾了传统时序分析方法，总结了传统方法的实现步骤和局限性，随后引入了概率时序分析和统计学的基本概念.接着详细讨论了静态概率时序分析、基于测量的概率时序分析和混合概率时序分析3种技术路线，并重点分析了这些技术在多路径任务时序分析中的应用与发展现状.最后，总结了当前多路径任务概率时序分析技术存在的主要挑战，并对未来的研究方向提出了建议.
  • 结合语法规则和图神经网络的文本分类方法
    郑诚，肖双
    2024, 45(11): 2594-2601.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    图神经网络被广泛应用于文本分类任务，并取得了显著的效果.然而，现有基于图的文本分类模型存在全局上下文信息和局部特征信息提取不充分的问题.此外，现有方法在构建文本图时，仅在原始文本上使用滑动窗口建立单词之间的边，使模型无法捕捉到远距离的单词交互信息.针对上述问题，提出一种结合语法规则和图神经网络的文本分类模型.首先，在构建文本图时，除了使用滑动窗口在原始文本上建立单词间的边之外，还根据预定义的语法规则提取短语，以捕捉到远距离的单词交互信息；其次，利用Transformer编码器提取上下文信息，以丰富全局语义信息；同时，采用门控图神经网络提取文本的局部特征信息，以增强局部特征的表达能力.最后，将提取到的单词特征进行融合.在4个基准数据集上的实验结果验证了该模型相比于基线模型有较好的分类效果.
  • 基于改进注意力机制的领域对抗网络的认知负荷识别模型
    班瑞阳1，周大鹏1，韩吉平1，刘文海2
    2024, 45(11): 2602-2608.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在认知负荷识别领域，精确的跨领域识别对提高模型的鲁棒性和适应性至关重要，其中基于脑电信号（EEG）的评价方法当前已经成为研究的主流方向，但是由于脑电信号自身具有差异性非稳态性的特点，因此需要提高脑电信号在测量时的泛化性，有效实现通过测量EEG信号进行认知负荷识别.本文提出了一种增加注意力机制的长短时记忆网络和领域对抗网络相结合的深度学习模型，在领域对抗网络中加入了通过经验模态分解（EMD）计算的近似熵注意力机制，该模型通过集成注意力机制增强特征提取能力，能够有效捕捉与认知负荷相关的关键信息；同时通过源域和目标域之间的不断对抗，混淆源域与目标域之间的分布差异，达到提高模型识别泛化性的效果.在完成模型构建之后，选择现有方法与本文提出模型进行对比，取得了较好成绩，证明了本文模型在EEG识别中的优越性.
  • 在线社交网络中基于双向动态图注意力网络的异质图谣言检测方法
    周峤，林兴澎，周赵斌，许力
    2024, 45(11): 2609-2617.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在线社交网络的普及在帮助人们获取信息的同时，也为谣言的产生和传播创造了条件.现有的基于异质图的谣言检测研究忽略了传播动态性和双向结构特征的重要性.本文提出了一种基于双向动态图注意力网络的异质图谣言检测方法.首先，将谣言传播过程建模为包含消息节点和用户节点的连续时间动态异质图，更细粒度地刻画传播的动态性；其次，使用自注意力和互注意力机制学习不同模态数据之间的隐藏关联，得到包含跨模态信息的表示向量；最后，通过独特的双向图注意力计算方式，在学习时序信息和双向结构信息的同时强化负向关联邻居节点的作用.在真实数据集上的实验结果证明本方案的效果优于其他对比方法.
  • 一种多种群进化和差分变异的鲸鱼优化算法
    朱杰，付伟，马宁，季伟东，苏婷，陈珊
    2024, 45(11): 2618-2627.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对鲸鱼优化算法容易陷入局部最优，求解精度低，收敛速度慢，提出了一种多种群进化和差分变异的鲸鱼优化算法（MDWOA）.首先，根据适应度值将种群划分为两个大小相等的子种群，并为每个子种群分配不同的移动策略，以平衡全局和局部搜索能力.其次，设计了一种种群进化和差分变异的策略来帮助MDWOA提高收敛速度，避免其陷入局部最优.最后，引入反向学习策略，增加种群多样性.将MDWOA与多种优化算法在13个基准函数上进行仿真测试，非参数检验的结果表明相较于其他优化算法来说改进的算法具有更高的精度和稳定性.在此基础上，建立了基于MDWOA优化BP神经网络模型，预测波士顿房价的实验结果表明所提出的预测模型具有更好的预测性能和有效性.
  • 基于双流残差融合的多模态讽刺解释研究
    吴运兵1,2，曾炜森1,2，高航1,2，阴爱英3，廖祥文1,2
    2024, 45(11): 2628-2635.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对现有多模态讽刺解释模型在融合过程中仅关注图像中的细粒度特征信息，使得模型存在解释效果不佳、多模态特征难以融合等问题，本文设计了一种基于双流残差注意力的多模态融合机制.首先，本文采用了BART和VGG19模型分别提取文本和图像两种模态特征.其次，模型经过两路多头注意力引导，分别关注图像和文本的细粒度信息，考虑到单纯的多头自注意力不能很好学习图文间的关联信息，采用二次注意力模块（AOA）合理分配特征权重.最后，本文将多模态特征拼接融合后输入BART解码器中进行讽刺解释.模型在公开的数据集MORE上的实验结果表明，相较于ExMore模型，本文模型在METEOR和ROUGE-L评价指标上分别提升了4.35%、3.39%.实验结果表明本文模型能更好融合模态特征,从而显著地提升模型解释的效果.
  • 利用序数偏好预测的在线服务信誉度量
    尹芊植1,付晓东1,2,刘骊1,冯艳3,代飞4
    2024, 45(11): 2636-2646.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    基于序数偏好的在线服务信誉度量方法通过聚合用户的序数偏好计算服务信誉，解决了用户评价准则不一致情况下信誉度量结果不可靠的问题.然而，在无法得到用户完整的序数偏好时，现有基于序数偏好的在线服务信誉度量方法要么直接忽略未知偏好，要么采用协同过滤预测偏好，且未对偏好预测的准确性进行实验验证，导致得到的服务信誉不可靠.为此，提出一种利用用户-服务属性偏好预测序数偏好，进而进行在线服务信誉度量的方法.该方法首先基于不完整的评分数据学习用户的条件偏好网络来获取用户对服务属性的偏好；然后根据用户-服务属性偏好计算服务的偏好优先级预测未知偏好，得到用户完整的序数偏好；最后针对Schulze社会选择函数在用户总数为偶数时存在无法确定用户群体偏好关系的问题，提出Schulze-偏好优先级方法用于聚合所有用户的序数偏好得到服务信誉.在真实数据集上的实验结果表明，该方法相较协同过滤评分预测方法，预测的序数偏好更为准确；与现有的信誉度量方法相比，该方法得到的服务信誉与用户群体中用户的序数偏好更为一致.
  • 面向属性概念格下的知识状态转移方法
    朱泳帆1，2，许晴媛1，2，周银凤3，王大利1，2，李进金4，5，张培林1
    2024, 45(11): 2647-2655.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    如何高效率地寻找猜测答对或粗心答错情况下不相容答题状态对应受测者真实的知识状态是目前计算机自适应测试领域研究的一个热点问题.现有知识状态转移方法时间成本高，不适用于含有大量测试问题和技能的应用场景.并且，现有知识状态转移方法将合取模型和能力模型均视为能力模型，采用同一种方法进行知识状态转移，灵活性不够，评估效率不高.本文针对合取模型和能力模型，分别提出基于面向属性概念格的知识状态转移方法.首先由技能映射或多映射建立技能背景并诱导出对应的面向属性概念格，进一步使用概念格中概念的外延并结合最大概率方法得到受测者猜测或粗心情况下的真实知识状态，最后给出知识评估过程.实验表明，在知识评估结果相同的前提下，本文所提方法相比现有方法极大地降低了评估时间成本，因此具有更好的性能.
  • 基于相似度感知的深度卷积神经网络剪枝方法
    程点1，郑海斌1，2，陈晋音1，2
    2024, 45(11): 2656-2662.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着卷积神经网络规模的不断扩大，由于其庞大的计算量和参数量，终端智能设备的部署及发展面临着巨大的挑战，因此如何保持模型精度的同时尽可能地压缩和加速模型至关重要.目前已有工作提出的压缩方法仍然存在压缩算法实现、压缩效果、压缩效率等方面的缺陷.为此，本文提出了一种基于通道相似性的卷积神经网络剪枝方法.具体而言，首先探究了卷积神经网络特征通道间的相似冗余，引入了一种高效的相似性指标来量化特征通道之间的相似性；其次，通过相似性排序算法移除整个网络中冗余的通道从而实现剪枝；再次，加载保留的通道参数通过微调减少由于剪枝操作造成对模型分类性能的影响.为了提高压缩效率，本文采用一次性剪枝策略，满足时间复杂度更低的要求.最后，在CIFAR-10、CIFAR-100数据集上对VGG-16、ResNet-56、ResNet-110、GoogLeNet模型的实验结果表明，与现有方法相比本文所提方法可以更高效地压缩模型且模型依然保持良好精度.
  • 一种偏差和方差双降的双鲁棒去偏学习模型
    苗忠琦，童向荣
    2024, 45(11): 2663-2672.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在推荐系统中，点击后转化率是反映用户偏好的重要信号.然而，传统的双鲁棒估计器在预测转化率时存在选择偏差的问题，这会导致估计器方差和偏差过高.为解决以上难题，提出了通用的双鲁棒去偏学习模型，在选择偏差场景下提出更具稳定性的双鲁棒估计器，该估计器通过改进填充模型的训练权重来增加低倾向样本惩罚，缩小点击样本和曝光样本的分布差距，缓解双鲁棒估计器的偏差影响；受强化学习双重深度 Q 网络的启发，改进双学习模式为交替学习模型，交换转化率预测模型、点击率预测模型、填充预测模型之间的梯度信号，并指导网络模型的参数更新，缓解模型方差过高的问题；另外，在参数更新过程中，将预测模型的回归问题转化为二分类问题，降低了预测模型学习的复杂程度，提高模型可解释性.实验在两个真实的大型数据集和一个半合成数据集中进行，与已有的去偏方法对比，实验验证，所提方法在召回率和累计收益率方面优于其他方法，其中，相较于主要实现降低方差的更具鲁棒性的双鲁棒双学习模型在指标DCG@2和Recall@2上分别提升4.43%和4.97%，相较于主要实现降低偏差的双鲁棒联合学习模型在指标DCG@2和Recall@2上分别提升了7.21%和10.11%.
  • 联合场景理解与多尺度特征融合的人群计数方法
    余鹰，余家茂，钱进，韩星，朱锋
    2024, 45(11): 2673-2681.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    基于卷积神经网络（CNNs）的人群计数方法善于捕获目标多尺度信息，但建模全局上下文信息的能力相对不足，因此在复杂场景下的计数效果不佳.与此同时，基于ViT的人群计数方法虽然能够更好地建模全局上下文信息，但却难以充分地提取目标多尺度信息.为了解决这个问题，提出一种联合场景理解与多尺度特征融合的人群计数模型STCount.该模型首先采用Swin Transformer作为骨干网络，利用其内置的滑动窗口自注意力机制有效地建模长程依赖关系并降低计算开销，同时其分层式的网络结构也适合于提取多尺度信息.然后，引入多尺度感知模块（MSAM）和多层次特征融合模块（MFFM），以更好地应对人群计数中的目标尺度差异和场景复杂问题.MSAM采用多组膨胀卷积，以捕获更丰富的多尺度信息，从而解决目标尺度差异问题.而MFFM则致力于融合网络的深层语义信息和浅层细节信息，以对抗复杂场景的干扰.在4个公开数据集上，对STCount模型进行了详细的实验分析，实验结果表明，相较于现有算法，STCount模型在准确性和鲁棒性方面均取得了显著的进展，展示了其在实际应用中的重要价值.
  • 廉价卷积和解耦注意力的轻量化图像分割网络研究
    谢玉阳1，封澳2，王璇之1，孙延康2，肖建2
    2024, 45(11): 2682-2687.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    近年来，基于二阶段模型的图像分割网络凭借其卓越的性能和鲁棒性，在自动驾驶、医疗等多个领域得到广泛应用.然而，这类网络的庞大模型和复杂计算量严重限制了它们在低算力、低功耗的移动端嵌入式平台上的部署.为此，本文提出了一种新的轻量级二阶段分割网络CDViT Mask R-CNN，通过采用廉价卷积和长距离解耦注意力机制（DFC）对Mask R-CNN这一图像分割领域主流模型的backbone进行重构，在平均精度（mAP）仅下降了0.4%情况下，模型整体尺寸缩减了46.5%，推理帧率（FPS）提升了12.6%.此外，本文借助DFC特性，采用基于掩模恢复的知识蒸馏策略对模型进行多尺度蒸馏，以补偿模型轻量化后的精度损失，使蒸馏后的模型精度提高了1.2%.实验结果表明，本文提出的模型在分割任务中具有更好的速度与精度权衡.
  • 融合大卷积核注意力机制的水下目标检测算法
    陶洋，赵文博，钟邦乾，周昆，周立群
    2024, 45(11): 2688-2694.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    水下目标检测广泛应用于水下勘探、水下生物监测等领域.水下生物的自身习性导致目标之间存在相互遮挡的问题，水体对光线的吸收与散射导致水下图像存在颜色偏移与模糊.针对上述问题，本文提出LKCA-YOLOv5水下目标检测算法.首先，设计空间融合(S2F)模块，增强对空间维度信息的关注，提高对遮挡目标的检测能力.其次，设计大核卷积注意力特征提取模块，增强对模糊及颜色偏移水下图像的特征提取能力.最后，重参数化LKCA-YOLOv5的跨尺度特征融合单元(CFFU)，优化模型检测速度.实验结果表明，LKCA-YOLOv5算法在RUOD数据集和URPC数据集上的检测精度分别达到72.1%和87.3%，检测速度分别达到48FPS和33FPS，相比前沿水下目标检测算法，LKCA-YOLOv5在具有较高检测精度的同时具有更快的检测速度，更加适用于水下目标检测任务.
  • 最小点距离的边界框回归损失函数及其应用
    麻斯亮1，许勇1，2
    2024, 45(11): 2695-2701.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    边界框回归（BBR）已广泛应用于目标检测和实例分割，这是目标定位的一个重要步骤，但仍存在收敛缓慢和回归不准确的问题.本文研究发现大多数现有的边界框回归损失函数在预测框与标注框具有相同的纵横比，但宽度和高度值不同时损失函数值无法收敛.为了解决这个问题，本文充分挖掘矩形的几何特征，提出了一种最小点距离的边界框相似度度量，它包含了现有主流边界框回归度量的相关因素，即重叠或非重叠面积、中心点距离、宽度和高度的偏差，同时简化了计算过程.在此基础上，本文提出了一个最小点距离的边界框回归损失函数，称为.实验结果表明，损失函数应用于最先进的实例分割（例如YOLACT）和目标检测（例如YOLOv7）模型训练PASCAL VOC、MS COCO和IIIT5k，其性能优于现有损失函数，模型回归效率和精度得到有效提升.
  • CSAM：用于单目标跟踪的卷积自注意力模块
    郭崇1，张杨洋1，张文波1，朱宏博1，2，尹震宇1，3
    2024, 45(11): 2702-2709.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    为了在目标发生遮挡、形变、尺度变化和背景干扰等场景下准确地跟踪目标，注意力机制被广泛应用于特征抽取模块，以选择性地关注重要特征和抑制无关特征.然而，现有的注意力机制只考虑了通道特征层与空间特征点之间的局部或全局关系，没有对特征进行融合建模.本文针对复杂跟踪场景提出了一种基于卷积神经网络和自注意力机制的卷积自注意力模块（Convolutional Self-Attention Module，CSAM），该模块能够以注意力加权方式解决前景遮蔽、非刚性形变、快速尺度变化与相似特征背景干扰问题.经过实验验证，引入卷积自注意力模块的孪生网络能够显著地提升跟踪器的性能，在跟踪问题基准（Benchmark）数据集OTB100上以平均重叠率、跟踪成功率与准确率作为评判指标，相比基准模型分别提升了9.2%、2.2%与2.9%.通过进一步的消融实验证明了本文提出并引入的适用于孪生网络跟踪框架的卷积自注意力模块能够有效地提升特征辨识度，对比先进方案兼顾单目标跟踪性能和实时性，能够在大多数实时复杂跟踪场景实现轻量化部署.
  • 融合多尺度特征与边缘增强的前列腺图像分割
    王飞，丁德锐，朱天佑，何晓晨
    2024, 45(11): 2710-2716.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对前列腺磁共振（MR）图像上组织边缘模糊、形状和大小的多样性所导致的挑战，本文提出一种多尺度信息挖掘（Multi-scale Information Excavation Network，MSIE-Net）的医学图像分割算法提高图像分割的精度.首先，在编码阶段使用InceptionNext模块，将大核深度卷积沿着通道维度分解成4个并行分支，从而获取多尺度感受野.其次，在解码阶段设计双尺度特征密集融合模块（Dual-scale Feature Dense Fusion，DSFDF），实现了高低分辨率之间的特征交互.最后，通过边缘引导注意力（Edge-guided Attention，EGA），实现高层特征指导低层特征的相关信息的传输，从而提高了边界分割的精度.所提方法在前列腺公开数据集ProstateX和Promise12上分别进行了性能评估和泛化能力测试.ProstateX数据集上评估指标Dice和mIoU相较于TransUNet分别提高了1.54%和2.43%.结果表明，所提算法具有更好的边缘分割能力.
  • 可变形分支注意力融合网络的胰腺分割方法
    付艳贞，樊建聪
    2024, 45(11): 2717-2724.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    胰腺具有尺寸小、形状不规则且多变的特点，因此在腹部CT图像中自动分割胰腺具有极大的挑战性.为了适应胰腺特征并解决其分割困难的问题，本文提出了一种轻量级的可变形分支注意力融合网络(Deformable Branch Attention Fusion Network,DBA-Net)作为胰腺自动分割方法.该方法首先将候选区域裁剪出来作为网络的输入，以便减少背景干扰并突出胰腺区域；然后引入可变形卷积使网络自适应地学习胰腺的空间结构；最后提出分支注意力融合模块实现低级别特征和高级别特征的融合，帮助解码器更好地还原特征图.本文的方法在NIH数据集上测试的Dice相似系数为85.3%，在MSD数据集上的Dice相似系数为78.9%，相比基线U-Net分别提高了3.9%和5.6%.实验结果表明本文的方法能够对胰腺进行更好的分割.
  • 一种改进Oriented RepPoints的遥感图像有向目标检测
    谢国波，张家源，林志毅，廖文康
    2024, 45(11): 2725-2731.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    为解决Oriented RepPoints算法在遥感图像有向目标检测中因遥感图像背景干扰信息较多和目标尺度大小不一所导致的检测精度不高、易漏检误检等问题，提出一种改进Oriented RepPoints的遥感图像有向目标检测方法MA-RPDet（Mixed Attention RepPoints Detector）.首先，采用了PVTv2作为主干网络，该网络利用线性空间缩减自注意力机制提取出更具局部连续性的特征图，并保持与卷积运算类似的线性复杂度.其次，在特征融合阶段设计了串联性混合注意力模块，进一步强化了重要特征，促进了多尺度特征的高效交互.最后，引入平滑GIoU损失函数对模型学习策略进行优化，提高了检测精度.在两个遥感图像目标检测数据集DOTA和HRSC2016上的实验结果表明，所提方法的检测精度mAP分别达到了77.19%和90.3%，均高于其他对比算法，证明了本文方法的有效性.
  • 基于SPD的改进YOLOv5的公交站台人群区域密度分析
    李钊宇，陈庆奎
    2024, 45(11): 2732-2738.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    经典的人群计数都是针对一些高清图片的全局检测，效果提升显著，但真实的站台数据为低分辨率图片，并且存在遮挡和站外目标等干扰因素，原始的检测方法不能很好地适应它.因此本文提出了一种基于YOLOv5的站台人群区域密度分析模型，从而有效帮助公交根据站台密度进行合理调度.为获取更多特征信息，本文使用SPD卷积模块替换了原始的池化层，并创新地结合了CBAM注意力模块和区域检测模块，使得优化后的模型能够针对站台中的特定区域进行密度分析.本文还针对不同站台的特定区域提出了区域切换算法，从而使模型的区域分析更加灵活.与传统的YOLOv5相比，优化后的模型在测试集上的mAP提升了1.1%，最终的检测指标提升了18.2%.因此，本文提出的模型更适用于站台数据的密度分析.
  • 一种基于Transformer的伪装目标实例分割方法
    单伟，王亚刚，管旭，赵开，李菲菲
    2024, 45(11): 2739-2746.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    本文研究主要针对伪装复杂背景下的图像进行实例分割.由于分割对象的伪装性以及缺少大规模训练集来支撑模型训练，这对于复杂背景下的实例对象分割构成了巨大挑战.受SOTR (Segmenting Objects with Transformer)的启发下，本文设计了一种方法框架，以解决动物野生环境和其他各类复杂伪装背景下的实例分割问题.相较于原始模型在特征目标的检测表现效果不佳，以及分割掩码存在上下文信息丢失的问题，本文提出的框架主要采用以下方法：引入特定的上下文特征金字塔提取网络CEM-FPN，以解决在高分辨率图像与感受野之间的矛盾.具体而言，高分辨率图像需要更大的感受野，但大感受野会导致小目标的检测误判为背景.在多层级融合模块加入通道空间注意力模块(CS Module)，以提升对不同尺度上的各个实例对象的关注度，从而提高原型掩码的质量.实验结果表明，本文方法相较于原模型在COD10K-Test数据集上提升了4.1%的精确度，并在NC4K-Test数据集上提升了4.5%的精确度.
  • 口令攻击的集成学习模型构建方法
    陈辰，肖杨，曾剑平
    2024, 45(11): 2747-2755.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    多年来，研究者们提出了多种不同的口令模型，提高了口令攻击的效率，其中包括基于概率上下文无关模型、马尔可夫模型等不同原理的方法，它们分别捕捉了口令中不同方面的特征，这使得通过这些不同特征结合到一起来提高攻击效率成为可能.另一方面，在机器学习领域被广泛使用的集成学习方法能够整合多种模型来学习数据集中的不同特征，因此本文提出将集成学习应用于口令生成领域.本文提出了可扩展的集成口令攻击方法，并重点描述它的两个实例，通过分析多个重要的影响因素，以及进行大量实验来研究它们对攻击性能的影响.本文提出的集成口令攻击方法可以显著提升攻击效率，实验结果表明它相对于经典口令模型有着更高的攻击成功率，尤其是在跨站攻击的场景中，有近20%的提升.
  • 面向工业超高可靠低时延通信的5G网络上行混合重传策略
    陆俊成1，2，3，4，郑萌2，3，4，赵永恒2，3，4，5，梁炜2，3，4，曾静1
    2024, 45(11): 2756-2760.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    5G网络支持更细粒度、更灵活的通信资源分配，对于保障工业自动化的可靠、实时无线传输将发挥关键作用.本文提出一种面向工业超高可靠低时延通信的5G网络上行混合重传策略(Hybrid Uplink Retransmission Scheme，HURS).考虑上行周期性工业数据的传输场景，HURS将优势互补的按需重传机制和循环重传机制相结合，基于对两种重传机制的可靠性建模，在线选择最可靠的重传机制；最后，大量仿真验证了HURS的传输可靠性和最坏时延不仅优于其他重传方法，还满足工业URLLC要求.
  • RLR：一种基于资源负荷率的链路预测算法
    聂聆聪1，2，王剑1，2，刘前3，张岳松1，2，宁俊1，2，刘昱岑4
    2024, 45(11): 2761-2767.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    近年来，复杂网络得到了广泛的研究，链路预测作为复杂网络研究的一个重要分支，其本质是根据已观测到的信息预测网络中缺失的链路或未来可能出现的链路.解决链路预测问题的关键是如何高效地计算网络中节点之间的相似度，研究者们提出了许多基于节点相似性的链路预测算法，但算法准确性仍有待提高.本文提出一种基于资源负荷率(Resource Load Ratio)的链路预测算法.首先，根据节点拓扑属性与网络全局属性的占比量化节点资源储备，并将资源储备作为衡量节点重要性的主要因素.其次，根据两个节点的共同邻居数量与所有邻居数量占比量化节点间密集度，并上升到二阶节点.最后，基于节点间资源储备和密集度提出相应的链路预测算法.在8个真实网络上的实验结果表明，该算法在准确性和鲁棒性方面均取得了最优.
  • 复杂环境下多策略改进麻雀搜索的定位算法
    王磊，崔嵩，牛婷婷
    2024, 45(11): 2768-2776.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    为了提高传统DV-HOP(Distance vector hop)算法在三维复杂环境场景下的节点定位精度，提出了一种利用多策略改进麻雀搜索算法优化的3D-DVHop定位算法.首先通过重新定义距离加权因子划分最优跳数，其次利用距离相似链路法来修正节点间的跳数大小，最后采用麻雀搜索算法实现3D-DVHop算法未知节点的位置寻优，并通过优化位置控制因子，同时引入蝴蝶搜索算法和自适应的局部搜索策略，增强麻雀搜索算法初始种群的多样性以及全局收敛速度和跳出局部最优的能力.仿真结果表明，该算法与传统DV-Hop算法以及其他同类算法相比，具有更好的稳定性和更高的定位精度.
  • 云边协同下电力负荷终端低延迟接入响应方法
    姚明路1，李明2，何胜2，张剑1，邓博雅3，4，张华鲁3，4，段梅梅5，韩光洁6
    2024, 45(11): 2777-2783.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着新型电力负荷系统的快速发展，越来越多的电力负荷终端接入电力网络.由于大量电力负荷终端在有限的无线电频谱上进行大规模访问，可能会导致严重的拥塞和较高的接入延迟.考虑到电力负荷终端数量的爆炸性增长，必须降低终端的接入延迟，以实现大规模接入场景下的超可靠和低延迟通信（Ultra-Reliable Low-Latency Communications，URLLC）需求.为了解决上述问题，使用边缘计算技术已经成为了一种有效的解决方案.本文提供了面向云边协同电力负荷系统的终端低延迟接入响应方法，采用了基于TD3（Twin Delayed Deep Deterministic Policy Gradient，TD3）的DRL算法来解决云边协同电力负荷系统的终端低延迟接入响应和资源分配的联合优化问题，缓解了传统DRL算法的Q值过估计的问题，提高了学习效率，有效减少电力负荷管理系统中电力负荷终端的接入响应延迟和能耗，平衡边缘服务器的工作负载，提高计算和通信资源利用率.
  • 基于重用距离的访存指令优化
    魏雨桐，顾乃杰，黄章进，苏俊杰，齐东升
    2024, 45(11): 2784-2789.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着机器学习、推荐系统和社交网络等数据驱动类技术的发展，数据正在以流的形式呈现.传统的缓存替换算法无法有效适应应用程序的流式访问行为，导致数据流程序带来了大量的缓存未命中与严重的缓存污染问题.本文依据数据流程序变化带来的新的局部性优化挑战，提出了一种基于重用距离和非时态访存指令的优化方法RDNT.该方法首先筛选内存访问指令，然后计算重用距离，最后用非时态内存访问指令替换重用距离过大的常规内存访问指令.在SPEC CPU 2017测试集的实验结果表明，RDNT能够有效提高程序性能，与常规访存方式相比产生了8%的加速比，降低了程序的运行时间.
  • 基于AADL的DIMA系统建模与可调度性分析方法
    胡乔乔，杨志斌，黄志球，周勇
    2024, 45(11): 2790-2799.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着航空电子系统功能的复杂性不断增加，航空电子架构由综合化向分布式综合化（DIMA）发展.考虑网络延迟的DIMA系统可调度性分析成为一个重要挑战.本文提出基于AADL（Architecture Analysis and Design Language）的DIMA系统架构建模和可调度性分析方法.首先，提出光纤通道（Fibre Channel，FC）网络属性集扩展和自定义调度算法属性集扩展，构建DIMA系统架构模型；其次，提出一种支持复杂自定义调度算法的DIMA系统可调度分析框架，其中包括OPNET网络延迟分析、自定义调度算法建模与验证及AADL模型到Cheddar模型的转换；最后，基于工业界实际案例分析所提方法的有效性.
  • GPU任务调度研究综述
    李来文，胡韬，邓庆绪
    2024, 45(11): 2800-2807.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    本文针对运行在GPU上的任务的管理和调度研究进行了综述，并且把讨论重点放在针对单GPU上的相关研究工作.随着人工智能技术的发展以及相关应用的普及，使得GPU成为加速计算的关键工具.本文首先介绍了GPU的架构和编程模型，然后按照调度粒度，从stream级到warp级介绍了多种调度方法的相关研究工作.每个级别的调度方法都旨在提高GPU的性能、资源利用率、可靠性或降低能耗.此外，本文还指出了GPU任务调度面临的挑战以及未来的研究方向，如保障GPU执行时间确定性的软硬件机制研究、结合机器学习的GPU任务调度研究、GPU新架构探索研究以及追求GPU性能和能耗平衡的调度技术研究.本文旨在为研究者们提供一个全面的视角，帮助他们了解GPU任务调度的研究动态和未来的发展方向.
  • 一种满足动态数据高频读写的高性能学习型索引
    郭娜1，2，孙文礼2，王雅琪2，蔡飞2，姜皓南2，夏秀峰2
    2024, 45(11): 2808-2816.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在诸多应用如目标跟踪定位服务和工厂生产线中的数据往往是大量且频繁变化的，这些数据需要被实时存储在数据库中并能够快速响应高频率读写，以备在后续环节中被及时处理.学习型索引由于其“低耗高效”的特点而被广泛应用，但现有的学习型索引结构并不能很好地处理频繁变化的动态数据.针对此类频繁更新的动态数据，设计了一种新的高性能学习型索引HPLI，采用一种懒惰式内存释放策略来加速索引的更新；采用子区间独立的键值管理方法用于减少写放大；构建了一个分布转换模型来均衡学习型索引的查询性能与内存占用.对分布转换模型的参数进行压缩，用极少参数的非线性函数作为回归目标模型，可有效降低计算开销对索引性能的影响.实验结果表明，与目前最优的学习型索引结构相比，HPLI可在内存开销更小的情况下具备更好的性能.