小型微型计算机系统

过刊目录

  • 全选
    |
  • 一种面向事件事实性预测的平行语料库构建方法研究
    张禛,谢志鹏
    2024, 45(7): 1537-1544.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    事件事实性预测(Event Factuality Prediction,EFP)是将事实性评价(Factuality Assessment)问题建模为句子级别回归任务,判定句子中事件提及(event mention)的事实程度.EFP是自然语言处理中重要且具有挑战性的任务.与英文事件事实性语料库的资源丰富不同,目前中文领域事件事实性语料库十分缺乏,这明显阻碍了对中文事实性评价问题的进一步研究.针对此问题,本文探索并提出了基于机器翻译的半自动事件事实性平行语料库构建方法.实验结果表明,利用本文构建的事件事实性中英平行语料库Parallel FactBank配合DLEF语料库进行多任务学习可以有效提升中文EFP任务中模型的泛化能力,并使模型在各数据集上性能优于单任务学习模型.
  • 基于多任务联合训练的属性感知情感分类模型
    刘欣怡,过弋
    2024, 45(7): 1545-1551.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在大数据时代,信息包含大量值得被挖掘和分析的价值,对情感进行自动分类的需求成为了自然语言处理的热门领域之一.由于大型预训练语言模型参数较多,针对下游任务进行微调时需要大量有标注语料以及时间对模型进行训练.本文基于多任务联合训练的思想,提出了一种多任务属性感知情感分类模型.首先,该模型采用提示学习的策略将多属性文本拆解为多条单属性文本,并针对可用语料不足的问题使用多个提示拼接文本进行训练;其次,该模型设计了对属性进行分类的辅助任务模块,让模型能关注到文本中属性信息从而作出更准确的预测;最后,在四个常用的公开数据集上进行了实验,通过分析证明该模型能够有效提高属性级情感分类的性能.
  • 面向深度强化学习的鲁棒性增强方法
    葛杰,郑海斌,陈晋音
    2024, 45(7): 1552-1560.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    深度强化学习(Deep Reinforcement Learning,DRL)结合了深度学习的感知能力和强化学习的决策能力,被应用于许多领域.然而,一旦攻击者窃取了DRL数据,就能干扰状态、奖励及动作或环境,从而影响智能体的决策.且已有研究表明DRL模型极易受到恶意攻击,攻击者根据状态及动作空间信息,训练等价模型实现黑盒攻击.为了实现DRL数据隐私保护及模型鲁棒性增强,本文提出一种基于垂直联邦的DRL模型(Vertical Federated based DRL,VF-DRL).VF-DRL搭建多个客户端并保证数据特征不重叠.同时服务器端上传各个客户端输出的隐层特征以保证数据隐私.进一步,本文对比不同基线算法,通过大量实验评估了VF-DRL模型的性能.假设存在一个恶意客户端执行对抗攻击的情况下,使用多种对抗攻击方法验证了VF-DRL模型的鲁棒性.同时在高维及较低维环境中验证VF-DRL模型的鲁棒性,并进一步分析影响其鲁棒性的因素.
  • 知识增强的个性化序列推荐算法
    王猛,汪海涛,贺建峰,陈星
    2024, 45(7): 1561-1567.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对现有的序列推荐系统在数据稀疏场景下表现不佳,以及无法充分学习用户的个性化兴趣问题,本文提出一种知识增强的个性化序列推荐算法.使用知识图谱作为辅助信息可以缓解数据稀疏问题,然而现有的融合知识图谱的方法会引入大量与系统无关的信息.为此采用一种关系感知采样方法,仅保留知识图谱中与系统相关性高的交互.在序列建模阶段卷积神经网络可以较好地学习用户的局部动态偏好,然而用户的全局交互特征对用户个性化偏好的表达同样重要,本文通过引入多头自注意力机制对全局交互特征进行学习.最后,设计一个自适应混合模块来动态融合两种特征.在公共数据集MovieLens-1M与Amazon-book上的实验结果证明了所设计模型的有效性.
  • 一种引入过渡阶段和高斯变异的改进算术优化算法
    张伟,李世港,齐明楚,周徐虎,宋燕
    2024, 45(7): 1568-1576.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对算术优化算法收敛精度低、易陷入局部最优等问题,提出了一种改进的过渡高斯算术优化算法,该算法将新的非线性过渡阶段与改进的高斯变异策略相结合.首先,为了更好地从勘探阶段的高离散度策略过渡到开发阶段的低离散度策略,提出过渡阶段策略,并通过比较三种曲线实验重构数学优化加速函数.其次,引入具有算术优化算法特性的高斯变异策略和边界函数策略,加强算法跳出局部区域的能力.最后,将改进后的算术优化算法与几种著名算法进行对比,并进行不同维度的可扩展性分析,验证了所提算法的有效性.此外,该算法在压力容器设计问题中进行了测试.实验结果表明,TGAOA具有优异的收敛精度、收敛速度和鲁棒性.
  • 基于多结构深度学习的蛋白质模型细化方法
    张金龙,赵凯龙,刘栋,张贵军
    2024, 45(7): 1577-1584.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    为了进一步改善AlphaFold2蛋白质结构模型的质量,本文提出了一种基于深度学习捕捉多结构之间互补信息的蛋白质模型细化方法MSDRefine.首先,MSDRefine从初始结构出发,搜索多序列比对信息并提取位置特异性打分矩阵和协方差矩阵;同时从多个结构中提取残基的LDDT、USR、结构谱等特征.其次,设计了一个深度残差神经网络,学习多个结构间的互补信息来预测蛋白质残基间的距离分布.最后,将距离分布转化为势能函数用于能量极小化的模型细化.在150个测试蛋白上,MSDRefine在不依赖于多结构信息的条件下,细化模型的TM-score相比于DeepRefiner和GNNRefine分别提升了8.8%和5.7%.在47个CAMEO蛋白上,MSDRefine融合了AlphaFold2和RoseTTAFold的结构信息,大幅度提升了初始结构的精度,并优于AlphaFold2模型.
  • 领域数据增强与多粒度语义理解的多轮对话模型
    刘律民,陈羽中,陈敬添
    2024, 45(7): 1585-1591.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    检索式多轮对话是多轮对话中一个重要的分支,如何从众多的候选回复中选择出最适合当前上下文的答复是检索式多轮对话的关键问题.近年来,深度神经网络模型在多轮回复选择问题上取得了较大进展.然而,现有模型依然存在对上下文语义理解不准确,缺乏对上下文内部、话语内部蕴含的时序语义关系的学习等问题.针对上述问题,本文提出了一种基于预训练语言模型的多辅助任务优化的学习方法MSE-BERT.首先,通过区间掩码生成任务优化预训练模型,使其更好地适应当前领域的数据集.提出一种辅助任务是token乱序插入任务,该任务通过随机选择上下文中的一句话语并将其内部的token进行随机打乱,然后预测这句话在上下文中原本的位置,多粒度的学习蕴含在上下文之间的时序语义关系.最后,利用BERT特有的位置嵌入和深层注意力机制,提出了一种双向特征融合机制,将所有的局部信息进行融合,进一步优化模型进行回复选择的能力.在Ubuntu 和 E-commerce 数据集上的实验结果表明,MSE-BERT模型的总体性能优于对比模型.
  • 采用同态加密的联邦学习中极端类不平衡问题解决方法
    张晶,李传文
    2024, 45(7): 1592-1598.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    联邦学习是一种新兴的用于隐私保护的分布式机器学习框架.然而,在联邦学习模式下训练的模型通常比在标准集中式学习模式下训练的模型性能差,特别是在训练数据类不平衡的情况下.为了在保护客户隐私的同时解决联邦学习中的类别不平衡问题,提出了一种采用同态加密的整体数据分布评估方法.针对联邦学习中极端类不平衡问题,在评估得到的整体数据分布之上,每个客户对本地数据通过过采样和欠采样结合的方式进行样本采样.实验结果表明,本文提出的方法在不泄露客户隐私的前提下,提高了类不平衡条件下联邦学习模型的收敛速度和分类性能.
  • 多通道图神经网络的层次化融合模型用于增强会话的推荐
    岳彩梦,彭敦陆
    2024, 45(7): 1599-1607.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    基于会话的推荐系统(SBR)旨在根据用户历史的行为去预测下一个最有可能点击的项目.一方面由于会话推荐序列较短,可用的信息比较少,另一方面会话推荐多为匿名用户,没有丰富的用户信息,导致无法获得用户历史的交互行为或者用户的偏好,这为SBR带来了挑战.现有基于SBR研究方法大都是将会话序列建模为成对的图结构化数据或者建模为超图结构化数据,这种将会话序列建模为单一图的方法无法捕获更完整的项目转化信息,从而降低模型的准确度.为了充分考虑会话之间的相互影响,本文提出了一种多通道图神经网络的层次化融合模型用于增强会话的推荐(HFMC-SBR).模型首先将会话序列建模为全局图、局部图和超图数据,然后分别使用全局编码层和局部编码层以及超图卷机神经网络来捕获节点之间复杂的依赖性关系,学习3种项目嵌入,进而获得全局、局部以及超图项目表示信息,进而引入3层融合模型将三通道融合形成项目表示获得完整的项目转化信息,同时使用注意力机制和反向位置编码对全局上下文和局部上下文信息以及超图通道捕获的会话之间的高阶关系进行有效的融合.实验表明,本文所提出的模型HFMC-SBR,在Tmall、Diginetica和Yoochoose3种数据集上所表现的性能优于基线模型.
  • 一种解决带有凸集约束的分布式伪凸优化的连续时间算法
    喻昕,王思鉴
    2024, 45(7): 1608-1614.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    本文提出了一种可以解决带有凸集约束且全局目标函数是非光滑伪凸的分布式优化问题的连续时间算法.本文所提出的分布式优化算法采用罚函数方法建模,通过构造一个合适的惩罚项迫使所有智能体的状态变量进入可行域.通过使用李雅普诺夫(有限时间)稳定性理论等工具,证明了在一定假设下,本文所提出的算法将在有限时间内达成一致状态且进入可行域并永驻其中,并在此之后收敛到原分布式优化问题的最优解集.此外,该算法在运行时各个智能体仅仅需要接收邻居节点的相对状态的符号信息.最后,仿真结果验证了本文所提出的算法的有效性.
  • 关系信息增强的少样本关系分类原型表示研究
    王磊,任鹏瑞,瞿剑峰
    2024, 45(7): 1615-1621.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    少样本关系分类任务旨在只使用极少量样本来识别出句子中给定实体对的关系,现有工作在FewRel 1.0数据集上进行了大量研究,并没有考虑“以上都不是”(none-of-the-above,NOTA)关系的检测问题,而已有的考虑NOTA关系的工作都是在间接地计算查询样例与NOTA的相似度,这容易导致误差累积,模型性能因此表现不佳.为此,本文提出了一种基于关系信息增强的能够直接生成NOTA关系原型表示的方法.首先,本文提出了一种易混淆实例采样策略,通过挑选出信息丰富且易混淆的实例作为NOTA关系的支持数据并直接计算NOTA关系的原型表示;然后,本文使用了关系名和关系的描述信息作为外部关系信息,来提供给模型更多可用信息以生成更准确的原型表示.在广泛使用的FewRel 2.0数据集上的大量实验结果证明了本文提出的方法的优越性.
  • 一种结合词汇信息特征的中文命名实体识别方法
    闫河,李尧,雷秋霞,王旭
    2024, 45(7): 1622-1628.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在中文命名实体识别任务中,基于字符级嵌入的模型通常仅采用BiLSTM网络获取序列中字符的上下文特征进行实体识别,并没有考虑到词汇信息特征能够在识别实体边界时提供更优的约束.针对此问题,该文提出了一种结合词汇信息特征的中文命名实体识别方法.首先,采用带有残差连接的门控空洞卷积网络提取序列局部特征来表示词汇信息特征,以及采用BiGRU提取序列全局上下文信息特征,并添加句子级注意力机制来增强网络的长序列建模能力;其次,利用稀疏注意力机制对特征进行动态融合,获得包含词汇信息的文本特征;最后,运用CRF学习序列中的约束条件,得到最佳的实体标注结果.对比实验结果表明,该文方法在Resume和CLUENER2020数据集上优于主流的中文命名实体识别方法.
  • 求解复杂约束优化问题的集成多策略差分进化算法
    张佳玉,潘志庚
    2024, 45(7): 1629-1638.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    工程和科学领域中的优化问题常常具有大量的约束限制,称为约束优化问题.这类问题要求算法有能力在可行域中寻找问题的最优解.本文针对约束优化问题提出一种集成多策略的差分进化算法(Differential Evolution with Ensemble Multi-Strategies,EMSDE).首先,提出一种用于约束优化的参数自适应策略,利用归一化罚函数作为权重引导参数自适应地生成.其次,结合约束和动态罚函数法设计一种新的约束处理技术.最后,采用CEC2017约束优化基准函数来测试EMSDE和7种经典的约束优化算法.实验结果表明,相比7种经典的算法,EMSDE算法具有很强的竞争力.
  • 可判别性标签语义指导的域适应检索
    周康宾,滕璐瑶,张巍,滕少华
    2024, 45(7): 1639-1647.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    从不同领域准确检索相似的对象,域适应检索解决了信息检索中的域偏移问题.然而,现有的方法仍然存在两个问题：a)忽略了类结构差异造成的域偏移(跨域和域内不同类的距离较近);b)忽略了特征与标签之间的语义差异.为了解决上述两个问题,本文提出了一种高效的可判别性标签语义指导学习(DLSG)方法.该方法探索源域和目标域的类结构,通过拉大不同类的距离使得类别更具有判别性.然后通过标签语义指导学习(LSG)来增强特征的标签语义,以提高学习的有效性.此外,动态对齐边缘分布和条件分布,以减少域差异.最后,采用两步哈希策略生成高质量的哈希码.在多个跨域检索数据集上的实验表明,DLSG的性能得到了提高.
  • 结合实例分割与抓取筛选的堆叠目标抓取方法
    刘光辉,宋鑫,孟月波,徐胜军
    2024, 45(7): 1648-1655.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    为了在种类多样、位姿随机、背景散乱的堆叠场景下得到机器人抓取目标物体的最优次序与抓取位姿,本文提出一种结合实例分割与抓取筛选的堆叠目标抓取方法,包含抓取次序推理与抓取位姿检测两部分.抓取次序推理部分,首先设计基于自注意力与边界细化的实例分割网络,利用自注意力模块提升特征提取能力,并通过边界细化模块提高堆叠场景下物体边界的分割精度;其次提出一种抓取筛选方法,运用判断物体间完整掩码是否重叠与优先抓取分数排序的策略,筛选出目标最上层未被遮挡的物体为待抓取目标,以减少机器人多余抓取动作.抓取位姿检测部分,为适应不同尺度物体的检测,设计融合多尺度密集残差模块的抓取位姿检测网络,以保留物体的多尺度特征,从而适应不同尺度物体的检测.实验结果表明,本方法能够有效推理出堆叠场景下的抓取次序,并准确检测出物体的位姿,以实现目标的抓取.
  • 基于BERT-GAT表示学习的问答社区最佳回答者推荐
    夏文宗,赵海燕,曹健,陈庆奎
    2024, 45(7): 1656-1662.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在问答社区中,每天都会出现大量新的问题,为新问题推荐合适的回答者有助于加快问题的解决并促进社区发展.然而,目前最佳回答者推荐大多基于用户历史回复记录或文本匹配进行推荐,而用户是否回答某一问题与多方因素有关,特别是问题与用户擅长的知识领域是否匹配有关.因此,本文根据用户回答文本构建的社区知识语料库并对BERT模型进行微调,结合用户社区行为记录和回答赞同数等辅助信息,基于LightGBM模型进行最佳回答者的推荐.在实验中,利用Precision、MRR和Hit指标分析预测结果,结果表明,本文提出基于BERT-GAT表示学习的LightGBM最佳回答者推荐模型在StackExchange三个流行社区中均取得了较好的性能.
  • 光储充电站多目标自适应能量调度策略
    林兴源,林兵,,卢宇,陈星,吴圣
    2024, 45(7): 1663-1670.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对光储充电站运营中利润过低、充电桩降功率供电易发和光伏弃光严重的问题,提出了一种基于参考点的非支配排序自适应遗传算法的能量调度策略,目的是提高充电站的运营效益.首先,以最大化充电站利润、充电桩满足率和光伏消纳度为目标建立多目标优化模型;其次,为避免传统NSGA-III算法早熟问题,构建了一种自适应的二进制变异算子,以提高其种群多样性;最后,针对多目标优化求解所得的Pareto 最优解集难以筛选问题,采用模糊层次分析法从中选出唯一最优解.实验结果表明,该策略在满足100%光伏消纳度的同时,相比其他多目标优化策略提高了0.45%~9.55%的充电站利润和 0.42%~5.64%的充电桩满足率.另外,超体积指标表明所改进的算法有更好的收敛性和分布性.
  • 基于原型对比学习的开放集识别方法
    孙晋永,王雪纯,孙志刚,董志伟
    2024, 45(7): 1671-1678.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    开放集识别的目标是识别出未知类样本,同时保持对已知类样本的分类能力.现有的判别式开放集识别方法忽视了已知类过度占用特征空间和模型训练过程缺乏未知类信息的问题,导致未知类样本容易被误分类为已知类.为此,提出一种结合原型对比学习的开放集识别方法.引入对比学习和类原型理论,使用编码器和投影网络对开放集识别问题进行建模,设计原型对比损失函数,使用梯度下降法学习模型参数,最小化样本与其对应的类原型之间的距离和最大化样本与其他类原型间的距离,促使样本在特征空间中向类原型靠近,从而缓解已知类过度占用特征空间的问题.此外,设计混合样本对比损失函数,提出样本生成方法OSR-Mix以生成未知类样本,从而在模型训练过程有效地补充未知类信息.在4个公开数据集上的实验结果表明,与主流的开放集识别方法相比,本文提出的方法在AUROC和F1分数上均有明显的优势.
  • 结合多标签共现关系的深度哈希胸部X光影像检索
    王嘉豪,徐敏,周修庄
    2024, 45(7): 1679-1685.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    为使哈希检索模型兼具强判别力和小量化误差,现有方法通常需要优化多个损失函数,导致模型训练存在困难.通过最大化连续哈希码与对应正交化二值码之间相似性,尽管只需优化单个损失函数就能实现这一目标,然而在多标签图像检索任务中,这类方法忽视了标签间的语义相关性,导致检索性能下降.本文提出一种基于标签共现的深度哈希检索算法.首先通过挖掘阳性疾病标签的共现信息,利用图卷积神经网络建模多标签共现关系,动态生成哈希目标.其次,通过引入标签平滑交叉熵损失函数,进一步增强图像哈希码与标签哈希目标的一致性.在胸片数据集上的实验结果表明,方法在关键性能指标上优于同类算法,验证了建模多标签共现关系对提升模型性能的重要性.
  • 工业无线可充电传感网的数据收集及充电优化
    陈嘉源,易畅言,王然,朱琨
    2024, 45(7): 1686-1694.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着工业的快速发展,其对工业无线可充电传感网的运行提出了更高要求,如海量传感器需要保持长时间的高强度工作状态;数据的传输需要更高的可靠性和实时性.然而,在利用多跳数据传输的工业传感网络中,传感器的转发负载极不均衡.这进一步加快了部分传感器的耗电速度,使得它们较其他传感器更快耗尽电量,并导致数据丢失和网络运行中断.针对这些问题,本文提出一种结合强化学习和边际效益近似算法的方案,以优化工业无线可充电传感网中移动充电车的移动数据收集及充电调度策略,使得每个传感器有足够的电量工作和提高数据传输的可靠性和实时性,并最大化系统效益.实验结果表明,本文所提出的方案在系统效益、移动充电车收集的数据总质量方面的性能明显优于其他对比算法.
  • 人脸和步态特征注意力融合的身份识别方法
    沈澍,张文昊,王汝传,沙超,丁浩
    2024, 45(7): 1695-1701.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    真实的身份认证场景往往存在面部遮挡和远距离等难点,给人脸识别等传统识别方法带来挑战.步态识别等新型识别方法助力身份认证.步态识别适用于面部遮挡场景,且远距离时优于人脸识别.为了发挥人脸识别和步态识别在远距离遮挡下的互补作用,本文提出了一种基于人脸和步态多模态融合的身份识别方法.该方法包括面向低分辨率和有遮挡场景的人脸识别模块、基于轻量化模型GaitLight的多视角步态识别模块、融合人脸和步态特征的注意力融合模块.人脸和步态融合数据集上的实验结果表明,提出的多模态方法在面部无遮挡和面部遮挡条件下,识别率均高于单模态方法和现有的多模态方法.两种条件下识别率分别达到98.5%和98.4%,高于人脸识别算法1.2%和7.1%.多模态识别方法既能满足日常识别需求,也适用于远距离遮挡下的身份识别,识别性能优于目前应用的人脸识别方案.
  • Mask Boundary R-CNN实例分割边界精度算法
    李旺,陶洋
    2024, 45(7): 1702-1709.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    边界模糊问题在实例分割中是一个经典的难题,即使是在以高精度著称的双阶段实例分割中,边界处的分割效果也不理想,这是因为实例分割网络大多使用分类置信度作为依据进行掩膜的选择,它忽略了分割的边界信息,针对这个问题,本文提出了Mask Boundary R-CNN的实例分割框架,它包含两个评分预测分支,融合了更多图像边界的特征,重新学习并预测了掩膜的边界评分,并将两分支结果进行融合,得到的综合评分更能代表掩膜的边界质量,通过优先选择边界质量更好的掩膜来提高边界处的分割性能.在没有其他任何附加功能的情况下,Mask Boundary R-CNN在COCO2017数据集上分割精度比Mask R-CNN提升了约1.6%,尤其是在使用最新评价掩膜边界质量的指标APboundary衡量时,其边界分割精度比Mask R-CNN提升了约2%.
  • 基于区域注意和分离重组的rPPG信号提取网络
    方睿鸽,王洪省,赵昶辰,王万良
    2024, 45(7): 1710-1718.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    远程光体积描记(remote photoplethysmography,rPPG)近年来在非接触式生理信号检测领域是一个十分活跃的研究课题.现有算法大都直接从全部人脸区域中提取脉搏信号,面部信号获取多样性和层次性差,而且现有提取网络主要关注局部时空信息,时空通道特征建模不足,难以准确估计心率值.本文提出一种基于区域注意和分离重组的rPPG提取网络FASRNet.为了获取不同区域中信号的分布特征,设计了一种分区域注意力融合网络,将输入数据在空间维度上划分为三个区域并分别进行注意力学习.接着构建了一种特征-注意分离重组结构,同时增强了时间、空间和通道单个维度内和三个维度间的信息交互作用.在两个公开的数据集上进行的大量实验表明,所提算法的性能优于现有方法.
  • 结合先验知识的SAC神经纤维追踪算法及应用
    林佳俐,李永强,赵硕,冯远静
    2024, 45(7): 1719-1727.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    扩散磁共振成像是目前唯一的非侵入式神经纤维成像方法.针对现有的纤维追踪算法在交叉、分叉等复杂纤维结构上存在无效连接率高或者无连接率高的问题,本文提出了基于先验知识的Soft-Actor-Critic纤维追踪算法;设计了基于球谐函数模型的单步奖励和基于解剖学结构的稀疏奖励;结合六邻域体素的球谐函数信息,保证空间一致性;将先前时刻的动作作为决策网络的输入,增强智能体对时序动作的利用.在Fibercup数据集上,有效连接率达到78.1%,并且显著降低了无效链接率和无连接率.此外,还将该方法成功应用到视神经这类长距离、带噪声并且包含交叉区域的复杂结构的重建上.实验结果表明本文方法可以完成复杂结构的重建,并且有效降低错误连接率.
  • GFENet：基于Transformer的高效医学图像分割网络
    孙红,朱江明,吴一凡,徐广辉,任丽博,杨晨
    2024, 45(7): 1728-1733.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    医学图像分割技术在疾病诊断中发挥着重要作用,针对传统网络分割模型中存在参数量大、网络计算效率低等问题,本文提出名为GFENet的高性能低复杂度分割网络,GFENet以金字塔结构的视觉Transformer作为网络主干提取图像特征,分别采用线性预测模块和渐进式局域解码器对提取出来的低级特征和高级特征进行局部增强处理,最后采用GFE模块中的全局注意力机制将位置信息嵌入高级特征.在Kvasir和CVC-ClinicDB数据集上进行实验验证,GFENet的mDice分别为94.1%和94.6%;其在CVC-ColonDB和ETIS数据集上的泛化性能优于其他对比模型.为验证模型低复杂度的同时保持高分割准确率,本文将GFENet与现有的高性能模型和轻量化模型进行对比,GFENet在CVC-ColonDB数据集上以81.5%的mDice高于其它对比模型,以23.1M的参数量优于其他高性能分割模型.
  • 一种利用特征价值的Android对抗样本生成方法
    陈非,曹晓梅,沙乐天
    2024, 45(7): 1734-1740.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    近年来,机器学习方法被广泛应用于构建Android恶意软件检测模型,但检测模型在鲁棒性等方面存在不足.生成针对恶意软件检测模型的Android对抗样本,可以有效发掘模型存在的缺陷,为完善模型提供思路.针对当前Android对抗样本生成方法存在生成成本高、有效性不足等问题,提出一种基于特征价值的Android对抗样本生成方法,从特征频率、特征与类别关联度角度定义和量化特征的价值,在未知模型内部结构参数的情况下,基于黑盒攻击方式,根据特征价值大小筛选特征并动态生成对抗样本.实验证明,利用该方法生成的Android对抗样本,在仅修改少量特征的前提下,可以使多种利用机器学习方法构建的恶意软件检测模型的准确率下降,其中,准确率最高下降幅度达到90.63%,最低为58.66%,平均下降幅度为78.04%.
  • 硬件损伤下IRS辅助的SWIPT系统安全波束成形设计
    董洋帆,李陶深,葛志辉
    2024, 45(7): 1741-1748.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    为了提高无线携能通信(Simultaneous Wireless nformation and Power Transfer,SWIPT)通信系统的安全性,同时克服系统收发机硬件损伤(Hardware Impairments,HIs)的影响,提出一种硬件损伤下的智能反射面(Intelligent Reflecting Surface,IRS)辅助的SWIPT系统安全波束成形设计方法.考虑能量接收设备为潜在的窃听者,在基站最大发射功率、最小接收能量和IRS相移约束下,通过联合优化基站波束赋形矢量、人工噪声矢量和IRS的相移矩阵,构建系统安全速率最大化问题.针对该优化问题是非凸的,且优化变量是耦合的,提出一种基于交替优化和半正定松弛的有效算法来次优地解决该问题.仿真结果表明,本文所提算法能够在保障能量需求的同时,提升系统的安全性和抗硬件损伤能力.
  • 基于最大最小蚁群系统的车载自组网路由策略
    姚玉坤,张关鑫,刘旭冉,韦亮
    2024, 45(7): 1749-1755.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    城市车载自组织网络中具有拓扑变化频繁,车辆分布不均匀等特性,因此如何选择下一跳车辆和确定最优传输路径是在复杂城市环境下设计高效路由协议的两个具有挑战性的问题.针对目前车载自组网中基于地理位置的算法具有下一跳车辆选取不合理,数据的传输路径缺少整体规划等问题,提出了一种基于最大最小蚁群系统的车载自组网路由策略.首先,采用基于分段连通度的最大最小蚁群探索机制进行路径探索.其次,采用基于接收节点驱动的转发机制优化数据包在车辆之间的多跳转发方式.仿真结果表明,与经典的基于地理位置的GPSR协议和基于GPSR协议改进的MM-GPSR算法相比较,本算法在数据包投递率和平均端到端时延方面均优于对比算法.
  • 基于PSO-GA的分片区块链系统性能优化方法
    蒋腾聪,张建山,郑鸿强,陈星
    2024, 45(7): 1756-1762.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在这篇文章中,针对分片区块链(Sharded Blockchain)系统性能优化问题,提出了一种结合粒子群和遗传算法的系统性能优化方法(PSO-GA),目的是为了在尽可能满足当前网络环境情况下,提升其系统吞吐量.该方法考虑分片区块链中节点的计算能力、恶意节点的概率以及节点之间的传输速率等不同网络环境下,找到响应网络状态的最佳分片区块链系统参数;为了避免传统粒子群优化算法陷入局部最优的问题,引入遗传算法中的交叉操作和变异操作,有效提高方法的准确性.通过大量仿真实验对方法的有效性进行验证分析.实验结果表明,相比于其他的方法,本文所提出的方法可以在更短的时间取得更高的系统吞吐量.
  • 自能量回收的全双工无人机中继资源分配
    许钧智,李陶深,葛志辉
    2024, 45(7): 1763-1769.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对多用户场景中无人机中继在能量受限时工作性能下降,常规优化算法未能权衡能量收集与信息解码的问题,设计一种基于无线携能通信技术的全双工自能量回收无人机中继系统,提出一种以最大化系统吞吐量为目标,联合优化时隙调度、中继发射功率和功率分裂比的分配算法.针对原问题是非凸问题,算法采用块坐标下降法将联合优化问题分解为3个子问题,然后通过连续凸逼近的方法求出最优用户调度、最优发射功率和最优功率分裂比,得到原问题的次优解.实验结果表明,能量受限时自回收中继系统吞吐量性能优于常规中继系统;联合优化算法能更好地权衡能量收集与信息解码,最大限度提高系统吞吐量性能.
  • 基于深度学习的循环自动调度研究
    胡煜霄,郑启龙
    2024, 45(7): 1770-1777.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    循环代码的自动调度问题是编译优化领域中的热门问题,然而当前大部分此类研究都基于不同领域的领域特定语言或编程框架,缺乏对通用编程语言的支持.本文提出了一个面向通用编程语言的循环自动调度框架.该自动调度框架使用蒙特卡洛树搜索算法对循环调度空间进行高效的搜索,在搜索样本评估阶段,本文利用深度学习技术为循环调度构建了基于Tree-LSTM的代价模型对搜索过程进行指导以加速搜索过程.经实验验证,本文提出的自动调度框架能够达到优于前沿的启发式循环优化编译器Polly的优化效果,同时本文构建的代价模型能够在10%以内的调度性能损失的前提下显著提升调度搜索过程的效率.
  • Fortran内存泄漏静态检测方法研究
    罗坤,金大海,宫云战
    2024, 45(7): 1778-1786.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    内存泄漏在没有垃圾回收机制的语言中是常见的问题,虽然Fortran95引入ALLOCATABLE数组解决了部分泄漏问题,但是通过指针申请内存资源仍然会造成泄漏,现有研究对Fortran内存泄漏的检测流程适配度不高且面向Fortran内存状态分析的效率和精确度上仍存在优化空间.针对这一问题,本文提出了一种面向Fortran指针引发的内存泄漏静态检测方法.首先引入指针引用控制流图(PR-CFG,Pointer Reference-Control Flow Graph)来精简程序模型,并符号化程序节点的内存状态信息,依据数据流生成路径敏感的符号化函数摘要作用于过程间分析,最终通过PR-CFG节点上由抽象内存状态计算得到的内存状态集进行故障模式状态机的状态转化来实现内存泄漏的检测.实验表明,本方法提高了Fortran指针引发内存泄漏的检测精度和效率,降低了检测的误报率.
  • 时间约束下的云工作流动态混合资源调度
    范贵生,王鹏,虞慧群,李增鹏
    2024, 45(7): 1787-1792.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着云计算的出现和云基础设施的快速部署,越来越多的大型工作流应用正在积极向云迁移.同时,如何在满足任务时间约束的前提下优化执行成本,提高资源利用率成为新的挑战.本文提出一种云工作流动态混合资源调度算法DHRS,不仅满足任务的时间约束而且在混合资源租用时取得较低的成本.首先,根据任务的优先级关系对任务进行预处理,基于概率升序对任务进行排序,并为子任务分配子截止日期;然后,依据顺序为工作流选择满足截止日期且成本较低的服务;最后,对每个服务动态选择预留资源和按需资源,基于预留资源的空闲时间段调度,进一步降低成本.在随机生成的不同的科学工作流上进行实验,并通过与现有算法对比,DHRS在满足时间约束并且降低执行成本方面具有一定的优势.