小型微型计算机系统

Select

祁鹏年，廖雨伦，覃飙

2023, 44(9): 1857-1868.

摘要 ( ) PDF全文 ( )

可视化

命名实体识别（Named Entity Recognition，NER）在自然语言处理领域扮演着至关重要的角色，它是关系抽取、机器翻译、文本摘要、问答系统等自然语言任务的基础.中文命名实体识别（Chinese Named Entity Recognition，CNER）是中文语境下的NER方案.已有的文献只分析了技术的不同发展阶段，没有对基于深度学习的方法进行系统和深入的总结.该文详细介绍了基于深度学习的研究方法，并从模型分类、数据集、评价标准以及性能分析四个方面对CNER领域中已有的研究成果进行综合评述，最后讨论了其面临的挑战和机遇.

Select

空间众包下移动工人的跨区域在线多任务分配

高丽萍，张祥磊，高丽

2023, 44(9): 1869-1875.

摘要 ( ) PDF全文 ( )

可视化

空间众包中现有的任务分配方案主要集中在点任务上，对区域任务分配研究较少，并且多数研究以离线任务分配为基础.然而想要实现区域任务的真正应用，在线分配方案的提出更为重要.本文为区域任务提供了一个有效的在线任务分配方案，该方案在预算和时间约束下，可以最大化区域任务的总体质量得分.首先提出一种预分配算法（PA）通过历史数据对工人和任务进行预分配.然后提出了基于移动工人的在线跨区域分配算法（CRMW），并设计多轮分配机制提高任务分配的成功率.该算法分不同轮次在同一区域和所有区域之间进行分配，并采取基于原始质量比的激励机制，从而进一步提高分配算法的命中率.最后提出区域任务分解算法（RTDA）将任务进行子任务分解，并通过优化粒子群算法为子区域任务选择合适工人.本文通过在真实数据集上进行对比实验，从质量分数和运行时间两方面进行比较，并表明了本文算法对质量分数的提高具有一定的有效性.

Select

基于字符级特征自适应的生物医学命名实体识别

于祥钦，王香，李智强，徐贤

2023, 44(9): 1876-1883.

摘要 ( ) PDF全文 ( )

可视化

生物医学领域新增实体数量和类型迅速增加，在预训练词表容量有限的情况下，字符嵌入可以在一定程度上解决未登录词问题，单一的字符级特征提取器所提取字符嵌入的潜在表征有一定局限性.针对此问题，提出一种字符级特征自适应融合的生物医学命名实体模型.首先利用卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）提取文本的字符向量，训练过程中动态计算文本单词两种字符向量的权重并进行拼接，使得模型在字符粒度上更加充分的利用信息，并加入词性信息和组块分析作为额外特征；将词向量、字符级特征和额外特征拼接后输入到BiLSTM-CRF神经网络模型进行训练.结果表明，所提模型在NCBI-disease和Biocreative Ⅱ GM语料库上平均F1值达到87.14%和81.04%，有效的提升了生物医学命名实体识别的效果.

Select

融合用户评论和异构图神经网络的景点分类

李山山，郭景峰，郑超，魏宁，张丽艳

2023, 44(9): 1884-1891.

摘要 ( ) PDF全文 ( )

可视化

科技的发展使得数据量呈爆炸式增长，从数据中挖掘有价值的信息成为各行业研究的热点.旅游景点类型的准确划分，对于推动文化旅游产业发展具有重要意义.对此，论文融合景点评论构建景点异质信息网络，提出了SGAE（Scenic Spot Heterogeneous Graph Attention Embedding）模型.首先，从旅游网站和百科网站爬取国内部分5A和部分4A景点的描述以及景点的评论数据，通过对数据的处理和分析，从评论中挖掘出10个相关主题，构建由景点名称、景点评论和评论主题组成的异质信息网络；其次，将不同类型节点信息映射到同一空间，构造异质图卷积的逐层传播规则；然后，根据邻居节点的类型和节点的不同对某一具体节点的影响不同，将双层注意力引入异质图卷积网络中，提出SGAE模型，学习景点名称的低维特征表示，通过Softmax函数进行归一化，确定景点类型；最后，在景点数据集上与经典分类算法对比，所提出的SGAE模型在准确率和F1值较当前最优方法分别提高5%和4%，在公共数据集AGNews和MR上SGAE模型性能优于所有对比模型，且与分类效果最好的HGCNRN模型相比，SGAE在AGNews上准确率和F1值分别提升了1.95%和1.98%，在MR上准确率和F1值分别提升了3.92%和6.96%，充分验证了论文所提算法在分类任务上的有效性.总之，针对景点分类问题，论文所提出的SGAE模型有效的提高了旅游景点分类问题的效果，具有较好的应用前景.

Select

蛋白质结构域边界网络流预测方法

余众泽，彭春祥，张贵军

2023, 44(9): 1892-1897.

摘要 ( ) PDF全文 ( )

可视化

结构域边界预测是蛋白质结构和功能研究的重要问题.针对目前大多数结构域边界预测方法精度低的局限性，提出一种基于网络流的蛋白质结构域边界预测算法GraphDom.该算法将蛋白质结构域边界预测问题转化为网络流分割问题，根据设计的边容量公式将预测的残基接触距离转换为蛋白质容量图，通过Ford-Fulkerson算法得到蛋白质剩余容量图，并使用深度优先算法和回溯算法获得强连接分量图并枚举所有可行的最小切割，最后基于结构域的一般特性设计域边界评估函数来评估划分的区域，并决定是否继续递归划分.在120个非冗余测试蛋白上与3种主流方法相比，显示了GraphDom的有效性.

Select

面向DNN的高并发NVM文件系统

蔡涛，王飞，马跃明，牛德姣，李雷

2023, 44(9): 1898-1905.

摘要 ( ) PDF全文 ( )

可视化

DNN训练中需要反复频繁读写海量参数，NVM具有读写速度快的优势，是提高DNN训练效率的有效手段.但现有的NVM文件系统为了应对上层多种复杂的应用普遍使用基于文件的锁机制，难以利用多核并发读写提高DNN训练中对海量参数的I/O效率.本文针对DNN训练时的特性和NVM中存在的I/O软件栈的挑战，设计了基于并发线程的细粒度锁和基于两层日志的文件并发I/O机制，并实现了面向DNN高并发NVM文件系统的原型DNNFS，使用Filebench和Fio在多种不同类型负载下进行了测试，实验结果表明DNNFS相比NOVA最大能提高35.8%的IOPS值和21.6%的I/O带宽.

Select

基于BERT-BiLSTM-CRF的中文分词和词性标注联合方法

袁里驰

2023, 44(9): 1906-1911.

摘要 ( ) PDF全文 ( )

可视化

针对中文分词、词性标注等序列标注任务，本文提出了结合BERT语言模型、BiLSTM（双向长短时记忆模型）、CRF（条件随机场模型）和马尔可夫族模型（MFM）或树形概率（TLP）构建的中文分词和词性标注联合方法.隐马尔可夫（HMM）词性标注方法忽略了词本身到词性的发射概率，而在利用树形概率或马尔可夫族统计模型的词性标记中，一个词的词性不仅和该词前一个词的词性关联，且与该词自身关联.使用联合方法有助于使用词性信息帮助分词，将两者紧密结合能够帮助消除歧义和改进分词、词性标记的性能.实验结果表明本文使用的中文分词和词性标注联合方法与普通的BiLSTM-CRF分词算法相比，可以明显提升分词性能，而且相比于通常的隐马尔可夫词性标注方法能够大幅度提高词性标注的准确率.

Select

融合语义增强的用户兴趣度预测方法研究

吴彦文，马艺璇，葛迪，邓云泽

2023, 44(9): 1912-1917.

摘要 ( ) PDF全文 ( )

可视化

基于图神经网络的社会化推荐是现有模型中性能较好的一类方法，通过挖掘图结构信息缓解数据稀疏问题.然而现有大多数模型仅考虑浅层的语义上下文信息，导致模型难以学习到高质量的用户/项目向量.为此，本文提出了一种融合语义增强的用户兴趣度预测方法.该模型通过学习用户项目二部图中的语义关系构建语义增强的用户/物品网络，将其与社交网络送入关系感知图神经网络中进行深层上下文信息的聚合，利用多层感知机对生成的用户兴趣和物品嵌入进行拼接，最终预测用户和物品的交互得分.对Ciao和Epinions两个公开数据集进行仿真实验，实验结果显示，模型在Recall@K（召回率）和NDCG@K（归一化折损累计增益）两个方面相较于最优基线平均提升了3.55%和2.21%，从而验证在进行语义增强和上下文感知聚合后，算法的有效性得到了提升.

Select

一种基于改进CGAN的不平衡数据集成分类算法

刘宁，朱波，荆晓娜，阴艳超

2023, 44(9): 1918-1924.

摘要 ( ) PDF全文 ( )

可视化

CGAN能学习到数据的分布特性并生成符合原始数据分布的新样本，将其作为过采样方法可以提升不平衡数据的分类性能.然而，当少数类样本规模较小时CGAN不能充分学习其分布特征，导致生成的样本质量欠佳.为此，本文提出一种基于改进CGAN的不平衡数据集成分类算法.首先采用SMOTEENN方法快速生成少数类样本并使其达到一定规模，训练出能充分学习少数类样本分布特性的CGAN模型，然后重新生成符合原始数据分布的少数类样本以构建平衡数据集.最后以CART决策树为基分类器，通过对Adaboost方法进行改进并用其训练所构建的平衡数据集，得到最终分类模型.选择F1值、AUC和G-mean作为分类评价指标，在8组公开数据集上的实验结果表明，所提方法可以显著提高不平衡数据的分类精度.

Select

面向知识图谱问答的查询图选择模型研究

贾永辉，陈文亮

2023, 44(9): 1925-1931.

摘要 ( ) PDF全文 ( )

可视化

在基于查询图的知识图谱问答系统（KBQA）中，查询图选择旨在实现问句和候选查询图的语义匹配，从中选出最优查询图来生成答案.受限于问句（序列结构）和候选查询图（图结构）表示形式上的不统一，两者在进行语义匹配时经常存在编码结构复杂以及匹配效果差的问题.为了解决上述问题，提出一种基于序列匹配的查询图选择方法.具体地，首先将图结构的查询图转换为序列形式，使得语义匹配从图结构与序列结构的相似计算变成两个序列结构之间的相似计算，提高了匹配效果.在此基础上，通过考虑候选查询图集合的全局信息，提出一种新的查询图排序模型.与已往方法相比，所提方法一方面有效地对问句和查询图之间交互信息进行建模，另一方面引入候选查询图集合的全局信息，提升了查询图选择的性能.实验结果表明，所提方法在WebQuestions和ComplexQuestions两个常用KBQA数据集上的F1值分别达到了55.3和44.4.

Select

融合事实文本的问句分解式语义解析方法

杨玉倩，高盛祥，余正涛，宋燃

2023, 44(9): 1932-1939.

摘要 ( ) PDF全文 ( )

可视化

目前知识库问答(Knowledge base question answering，KBQA)技术无法有效地处理复杂问题，难以理解其中的复杂语义.将一个复杂问题先分解再整合，是解析复杂语义的有效方法.但是，在问题分解的过程中往往会出现实体判断错误或主题实体缺失的情况，导致分解得到的子问题与原始复杂问题并不匹配.针对上述问题，提出了一种融合事实文本的问解分解式语义解析方法.对复杂问题的处理分为分解-抽取-解析3个阶段，首先把复杂问题分解成简单子问题，然后抽取问句中的关键信息，最后生成结构化查询语句.同时，本文又构造了事实文本库，将三元组转化成用自然语言描述的句子，采用注意力机制获取更丰富的知识.在ComplexWebQuestions数据集上的实验表明，本文提出的模型在性能上优于其他基线模型.

Select

结合APF和改进DDQN的动态环境机器人路径规划方法

孙传禹，张雷，辛山，刘悦

2023, 44(9): 1940-1946.

摘要 ( ) PDF全文 ( )

可视化

针对动态环境的机器人路径规划，人工势场法（APF）易陷入局部最小陷阱；强化学习深度双重Q网络（DDQN）算法存在盲目探索过多、收敛较慢和规划路径不平滑的问题，本文提出一种基于人工势场法和改进DDQN的动态环境机器人路径规划算法（PF-IDDQN）.首先，将人工势场法引入改进DDQN以获取初始全局环境信息，并对奖励模块进行优化；其次，在算法状态集中增加4个方向因素，以提高规划路径的平滑度；最后，进行了动态环境下的训练仿真.结果表明，机器人在动态环境中可以在有限探索次数内到达目标位置，验证了本文算法的有效性.

Select

一种基于深度强化学习的索引选择方法

瞿中，吴哲一

2023, 44(9): 1947-1953.

摘要 ( ) PDF全文 ( )

可视化

数据库索引是提高数据库的查询性能的重要方式之一.文中提出一种基于深度强化学习的索引选择方法，能够实现单列索引和多列索引的选择.该方法将索引选择问题和深度强化学习相结合，将索引选择过程建模为马尔科夫决策过程，首先利用索引评价规则生成候选索引，从而降低神经网络的维度，并且能生成多列索引，接着通过定义深度强化学习过程中数据库环境的状态表示、智能体的动作和奖励函数，从而充分考虑了索引之间可能的交互，实现在给定工作负载下选择满足限制条件下的最优的索引组合.实验结果表明，相较于当前经典的索引选择方法选择的索引组合，本文提出的索引选择方法选择出的索引组合能显著地提升数据库系统的查询性能.

Select

聚合高阶邻居节点的异构图神经网络模型研究

谭鑫媛，裴颂文 

2023, 44(9): 1954-1960.

摘要 ( ) PDF全文 ( )

可视化

降低异构图的语义和结构信息至低维空间，是解决异构图数据难以高效输入机器学习算法的关键问题.然而，现有的异构图神经网络选择忽视高阶邻居节点，避免学习复杂的结构信息.因此，本文提出一种聚合高阶邻居节点的异构图神经网络模型（HONG）.首先提出了基于元路径的高阶邻居子图和面向异构图的池化层HetRepPool，采用GCN学习复杂的结构信息；其次采用HAN学习基于元路径的语义信息；最后通过注意力机制得到节点的嵌入表示，实现了异构图嵌入目的.实验结果表明，HONG与其他图神经网络（GCN、GAT、GraphSAGE 、HetGNN、HAN、GAHNE）相比，对于异构图节点分类任务，Micro F1平均提升了3.88%，Macro F1平均提升了4.13%；对于异构图节点聚类任务，ARI平均提升了12.66%，NMI平均提升了12.02%.

Select

IntSE：特征增强的知识图谱补全方法

周新，郭敬楠，宁博，李冠宇

2023, 44(9): 1961-1965.

摘要 ( ) PDF全文 ( )

可视化

知识图谱补全旨在发现充分表达实体和关系语义关联的模型，从而依据已知实体和关系预测三元组中的缺失部分.InteractE是一种基于卷积神经网络的嵌入模型，通过棋盘结构重组实体和关系嵌入元素，增加实体和关系之间的特征交互信息从而表达实体和关系间更丰富的语义，提升知识图谱补全效果.然而棋盘结构增强特征交互的同时打乱实体和关系嵌入的空间结构信息，针对该问题，提出了一种改进 InteractE的知识图谱补全方法—IntSE.IntSE采用SENet 筛选InteractE特征映射中对知识图谱补全有益的特征通道信息，并抑制无用的特征通道信息，从而提升知识图谱补全效果.为了使得SENet更适用知识图谱补全任务，进一步改进SENet的门机制.在公开数据集FB15k-237和WN18RR上进行知识图谱补全实验，结果表明IntSE的性能较InteractE有一定提升，IntSE优于主流基于卷积神经网络的嵌入模型.

Select

机器学习方法的云数据中心能耗模型研究

卢洪明1，刘先锋1，周舟2，梁赛1

2023, 44(9): 1966-1973.

摘要 ( ) PDF全文 ( )

可视化

随着全球数据中心的大量部署和云计算服务需求激增，其高能耗问题日益严重，如何精确预测数据中心的能耗已成为一项重要研究课题.针对数据中心服务器的能耗具有不确定性和非线性等特点，本文提出了一种机器学习方法的服务器实时能耗预测方法.该方法采用随机森林算法筛选模型的输入参数，使用网格搜索方法优化模型的超参数，利用机器学习方法构建服务器的能耗模型.实验结果表明：与基准算法相比，经过优化后的模型其平均绝对误差降低了6.5%，并且在加入误差置信区间后能耗模型的平均绝对误差低于1.4%.

Select

一种结合自适应近邻与密度峰值的加权模糊聚类算法

张春昊，解滨，张喜梅，徐童童

2023, 44(9): 1974-1982.

摘要 ( ) PDF全文 ( )

可视化

传统的模糊C均值（fuzzy c-means， FCM）算法的聚类结果容易受到随机选取初始聚类中心的影响，且在聚类过程中忽视了样本的不同特征和样本本身的重要程度对聚类结果产生的影响.针对这一系列问题，提出了一种结合自适应近邻与密度峰值的基于信息熵加权的模糊聚类算法（ANNDP-WFCM）.首先，结合自适应近邻的密度峰值算法（ANNDP）实现初始聚类中心的自动搜索，针对不同规模、不同结构的数据集可以自适应的找到每个样本的近邻集合，根据近邻信息定义样本的局部密度，搜索和发现数据集中的密度峰值点作为初始聚类中心.然后通过信息熵赋权区分不同特征在聚类过程中的重要程度，同时利用样本之间距离的倒数对样本本身进行加权，重新定义目标函数中的模糊聚类中心.最后针对目标函数，利用拉格朗日乘子法交替寻优，对最终的隶属度矩阵去模糊化得到聚类结果.通过不同公共数据集的对比实验，验证了ANNDP-WFCM算法具有较少的迭代次数和较高的聚类准确性.

Select

AOA-BERT：一种基于对抗学习的方面级情感分类方法

张华辉，冯林

2023, 44(9): 1983-1988.

摘要 ( ) PDF全文 ( )

可视化

方面级情感分类是一种细粒度的情感分析任务，旨在分析出文本不同方面的情感.针对方面级情感分类模型存在分类精度低、泛化性弱等问题，提出基于对抗学习的AOA-BERT方面级情感分类模型（Attention-Over-Attention-BERT for aspect-level sentiment classification model based on adversarial learning，AOA-BERT）.首先，将文本和方面词单独建模，通过BERT编码提取隐含层特征.其次，将隐含层特征放入AOA（Attention-Over-Attention）网络提取权重向量.最后，将权重向量与建模后的文本特征向量相乘，并做交叉熵损失、回传参数.此外，通过对抗学习算法生成和学习对抗样本，作为一种文本数据增强方法，优化决策边界.实验结果表明，和大多数深度神经网络情感分类模型相比，AOA-BERT能提升情感分类的准确性.同时，通过消融实验，证明了AOA-BERT结构设计的合理性.

Select

面向绝缘手套佩戴状况检测的小目标检测与匹配算法

郑海洋，宋纯贺，武婷婷,刘硕,周忠冉

2023, 44(9): 1989-1995.

摘要 ( ) PDF全文 ( )

可视化

基于图像识别的变电站现场人员不安全行为监测对于保障电力生产安全具有重要的意义.对未穿戴绝缘手套的识别是安全监测的重要内容，但手部/手套面积小、有效样本数量少、多人场景中未佩戴手套人员难以识别等问题严重制约了识别算法的性能.针对上述问题，本文提出了一种面向绝缘手套佩戴状况检测的小目标检测与匹配算法.首先，针对数据集中有效样本数量少且特征数量严重不平衡的问题，采用颜色变换与图像拉伸等方法对数据集的图片进行数据增广.其次，针对手部/手套面积小导致目标识别率不高的问题，提出一种基于改进YOLOv3网络的检测算法.一方面，对原网络中的特征金字塔结构进行改进，对网络中多层级特征信息进行融合，提升小目标识别精度；另一方面，使用K均值算法分析数据集，获得适合本数据集的初始候选框，进一步提升小目标识别性能.最终，针对目前算法中仅进行手部/手套识别，但在多人场景中难以识别对应的人员的问题，设计了一套手部与人体的关联匹配算法，可以有效的对检测结果进行匹配.实验结果表明：本文提出的算法能够对绝缘手套佩戴情况进行有效地检测，改进的YOLOv3模型的准确率提升了29%，并且经过改进的YOLOv3+分配算法模型的准确率提升了33.43%.

Select

深度卷积网络的自然场景文本检测研究综述

宋传鸣，王一琦，武惠娟，何熠辉,洪飏，王相海

2023, 44(9): 1996-2008.

摘要 ( ) PDF全文 ( )

可视化

自然场景文本检测是从场景图像中获取文本信息的重要手段，但是仍旧面临背景复杂、文字种类丰富、排列方向多样、文本行组成复杂等因素的严峻挑战.研究检测精度高、通用性强、稳健性好的自然场景文本检测方法是目前计算机视觉领域的热点问题之一.并且，基于深度卷积网络的自然场景文本检测方法逐渐成为主流.因此，从自然场景文本检测技术的研究背景及主要挑战切入，根据骨干网络的不同将现有方法划分为基于VGG网络的文本检测方法、基于残差网络的文本检测方法和基于特征金字塔网络的文本检测方法，重点阐述各类方法的核心思想、技术优势及其不足；然后，总结自然场景文本检测的公共数据集，对代表性方法的检测性能进行客观比较；最后，梳理和总结自然场景文本检测技术的难点并展望其未来发展趋势.

Select

基于重加权二阶正则项的图像修复算法

郑建炜，练义欣，蒋嘉伟

2023, 44(9): 2009-2016.

摘要 ( ) PDF全文 ( )

可视化

低维流形及其二阶扩展是近年来提出的新型视觉先验约束，已被应用于灰度图像修复并取得优秀的效果.然而，现存正则项从图像的本质空间维度以及结构平滑性出发，恢复出符合现实感知的视觉目标，却并未深入探究损失函数的能量集中特性.针对该问题，提出了一种基于重加权二阶正则项的灰度图像修复算法.具体而言，以二阶低维重构项为基础，首先将其扩展为基于分解系数的加权形式，并约束新的列权值至原有行权值上，突出能量集中特性.所提方法从图像块中提取局部基和非局部基构成一个紧致的框架，兼顾利用图像的局部-非局部特征.最终目标模型可分解为若干子线性方程进行优化求解.在多个经典图像上进行了大量的数值实验，修复结果表明，就视觉和数值两方面而言，提出的基于重加权二阶正则项修复算法均优于同类算法.

Select

融合上下文及空间信息的拥挤行人检测算法

刘振兴，宋晓宁

2023, 44(9): 2017-2022.

摘要 ( ) PDF全文 ( )

可视化

针对拥挤场景中行人遮挡较为普遍和行人目标多尺度问题，提出一种融合上下文及空间信息的拥挤行人检测算法.该方法首先改进特征金字塔网络结构，通过添加带权融合分支，充分且有效地结合多尺度特征以应对行人尺度变化.其次采用融合上下文及空间特征信息的方式以获得更多潜在的行人特征信息来改善遮挡带来的特征缺失问题.同时，为了使模型在不同数据集上都有较好的表现，引入一种数据增强方式模拟遮挡以提升模型泛化能力.本文为了验证所提方法的有效性，在CrowdHuman和CityPersons 数据集上进行实验评估，实验结果充分说明提出算法的有效性，丢失率相较于基线算法降低3.7%，很好地提升了行人检测算法在拥挤场景中的检测能力.

Select

多信息辅助的U型轻量级显著性目标检测模型

卞叶童，孙涵

2023, 44(9): 2023-2029.

摘要 ( ) PDF全文 ( )

可视化

针对现有模型过于庞大的问题，本文提出了一个基于多信息辅助的U型轻量级显著性目标检测模型.为了在轻量化的同时保持性能，分别设计了MUN模块和DPM模块.MUN模块利用边缘特征对模块内的浅层特征作细节补充并对边缘区域进行强调，利用骨架特征对图像特征的结构进行进一步的强化和修正.DPM模块中通过下采样操作和空洞卷积操作获得了不同感受野和全局性的特征，对模型进行结构信息补充，从而改善目标定位.考虑到分布跨度过大的特征无法很好地进行融合，DPM中使用平行结构进行相邻融合，将多个特征逐渐集成为一个特征.本文提出的方法在五大数据集上都获得了不错的性能，在模型大小和精度之间达到了进一步的平衡，与其他优秀模型的对比表明了本模型的有效性及优越性.

Select

用于多尺度道路目标检测的优化定位置信度改进算法

刘悦，张璐，罗文广，叶洪涛，石英，林朝俊

2023, 44(9): 2030-2037.

摘要 ( ) PDF全文 ( )

可视化

为了提高多尺度道路目标的检测性能，本文针对目标检测算法在非极大值抑制阶段的检测质量表征不合理问题，提出了一种优化定位置信度改进算法.首先基于RepPoints构建研究框架，研究定位置信度对多尺度道路目标的敏感性.在敏感性研究结果的基础上，本文提出了混合定位置信度.然后针对IoU定位置信度无法区分重叠程度相同的包围框的缺陷，提出了CIoU定位置信度.最后将这两种定位置信度结合得到优化定位置信度改进算法，解决了检测质量表征不合理问题.在道路场景数据集Cityscapes上的实验结果表明，混合定位置信度和CIoU定位置信度单一作用时均有效，共同作用时精度提高2.4%，多尺度目标检测精度均有显著提升，且实时性没有下降.相较于主流道路场景检测算法如CascadeRCNN、FCOS等，本文算法取得了最高的mAP、APM和APL.

Select

基于样本可靠性的时空正则化自适应相关滤波目标跟踪

陈中意，陶洋

2023, 44(9): 2038-2044.

摘要 ( ) PDF全文 ( )

可视化

针对基于时空正则化相关滤波的目标跟踪算法，在解决边界效应时引入的空间权重矩阵无法自适应目标变化和时间正则项超参数固定无法自适应更新，容易引入背景噪声导致模型漂移等问题，提出了一种基于样本可靠性的时空正则化自适应相关滤波目标跟踪算法.首先，该算法通过图像的空间可靠性自适应调节空间权重参考矩阵，自适应空间正则项结合空间权重参考矩阵在一定程度上降低了边界效应的影响.然后，使用前后两帧响应图的变化程度确定时间正则项的超参数参考值，避免模型发生突变造成跟踪漂移问题.最后本文通过交替方向乘子法(ADMM)迭代求解目标函数，保证算法的运行效率.本文算法在OTB2013与OTB2015公开数据上进行了相关实验，大量实验表明：本文算法能够较好的处理复杂环境下的目标跟踪问题，其距离精度和跟踪成功率优于其他对比算法.

Select

一种基于多特征的双阶段草图分类方法

赵琛，朱明，顾飞杨

2023, 44(9): 2045-2051.

摘要 ( ) PDF全文 ( )

可视化

针对普通的卷积神经网络不能充分利用草图的细粒度特征以及轮廓特征，分类效果不理想的问题，提出了一种基于多特征的双阶段草图分类方法，将草图粗粒度特征、细粒度特征与轮廓特征的分类结果相融合.该方法分两个阶段进行训练，对特征的提取更加充分.在初训练阶段，将草图图像通过卷积神经网络获得草图的粗粒度特征分类结果，引入双线性池化以获得草图的细粒度特征分类结果，提取草图的轮廓图像以获得草图的轮廓特征分类结果；在再训练阶段，提出了一种可训练的分类结果融合模块，将各特征分类结果进行动态地融合，并提出了一个正则化项以减缓该融合模块的过拟合.将该方法与TUBerlin数据集上的几种最新方法进行了比较，实验结果证明了所提出方法的有效性.

Select

匹配代价融合与分层迭代优化的半全局立体匹配

陶洋，田家旺

2023, 44(9): 2052-2058.

摘要 ( ) PDF全文 ( )

可视化

立体匹配是双目立体视觉中的核心步骤之一.在户外场景中，传统的立体匹配算法难以达到较高的匹配精度，并且边缘设备既要低成本又要高效率.针对实际应用中存在的上述问题，提出了一种改进的半全局立体匹配算法.首先，整体采用分层迭代的匹配策略，减少计算复杂度的同时可以提高立体匹配精度.其次，使用改进的代价计算方式使得初始代价更为准确.最后，使用并行优化加速计算.实验结果表明，该算法在KITTI2012和KITTI2015数据集上的误匹配率可以达到4.72%和6.04%，使用分辨率为1800×1500的图像测试效率，在256视差条件下，完全优化后的算法时间效率可以提高23.6倍.该算法可有效提高边缘CPU设备的立体匹配效率，并且视差图的误匹配率可以达到主流经典算法的水平.

Select

一种SDN环境的SNMP Trap报文聚合方法

张子尧，吴黎兵，夏振厂，张壮壮

2023, 44(9): 2059-2067.

摘要 ( ) PDF全文 ( )

可视化

随着物联网和移动互联网的发展，网络设备呈指数级增加，网络规模越来越大，给网络管理带来新的挑战.SNMP能够实现对大规模网络的有效管理，然而，由于被管网元数量众多，SNMP报文流量会增大主干网中的流量开销.为了降低SNMP Agent产生的Trap报文给主干网带来的通信开销，本文提出一种基于SDN的Trap报文聚合方法.该方法利用控制器下发流表规则，将Trap报文转发至聚合服务器中进行报文聚合，然后发送至管理站，从而有效减少主干网中的SNMP Trap流量.同时，为了优化传统网络结构下进行网络管理面临的额外开销大、灵活性差、管理站负载高等问题，本文设计了一种基于SDN的网络管理架构.该架构提高了网络管理灵活性，减轻了管理站负载高的问题.实验结果表明，与传统网络管理中被管网元直接将Trap报文发送给管理站的方法相比，基于SDN的Trap报文聚合方法在主干网的Trap流量减少了41.328%，大幅降低了主干网中管理流量的开销.

Select

利用深度学习的高速网络流基数估计算法

杨东阳，韩轶凡，孙玉娥，李姝，杜扬，黄河

2023, 44(9): 2068-2074.

摘要 ( ) PDF全文 ( )

可视化

实时准确地测量高速网络中每条流的基数，对流量工程、异常检测及网络安全等领域来说至关重要.但网络处理器芯片中能够匹配流速处理需求的高速存储资源极度有限，无法满足流信息直接存储的需求，需要不同流共享同一段存储空间，利用紧凑数据摘要(Sketch)实时处理和存储流的基数信息.这种存储共享的方式使得不同流的信息混杂在一起，并在流基数估计的过程中引入了难以过滤的噪声.针对上述现有研究中普遍存在的问题，提出了一种基于深度学习的高速网络流基数估计算法.所设计的算法改进了已有研究的实时数据包处理和存储更新规则，设计了一种更为高效的编码方法在存储共享的基础上尽可能地减少噪声，并利用深度学习模型来学习每条流编码数据中的潜在模式以提高基数估计的性能.实验结果表明，所提出的方法相较于已有最新研究成果具有更高的精度和更低的存储开销.

Select

城市轨道交通超网络级联故障研究

林春雨，郭进利

2023, 44(9): 2075-2083.

摘要 ( ) PDF全文 ( )

可视化

轨道交通是城市综合客运体系的骨干网络，联系着城市主要客流集散点，其稳定高效的运行可以促进城市社会经济的可持续发展.首先，本文以线路为节点、站点为超边，构建了基于超图的轨道交通超网络模型，提出了线路功能评价指标；其次，基于客流构建了非线性负载容量级联故障模型，提出了负载二次分配机制，讨论了容量控制参数与不同攻击策略对网络级联失效的影响，并通过网络效率结构指标与客流损失率功能指标量化网络鲁棒性；最后以上海轨道交通网络为例，验证了模型有效性与指标可靠性.结果表明，在不同状态下，容量控制参数具有最优值，可以使网络保持较强稳定性的同时，花费较小的建设成本；在最优参数α=0.9与β=0.95下，网络应对超度蓄意攻击的动态鲁棒性较随机攻击更强，说明合理增大节点容量可以显著提高网络鲁棒性；在静态网络结构中，介数在衡量节〖JP2〗点关键程度方面最可靠，而在级联故障背景下，节点功能评价指标最可靠.

Select

基于SDN的空间信息网络自适应QoS路由算法

杨力，李涵睿，潘成胜，戚耀文

2023, 44(9): 2084-2091.

摘要 ( ) PDF全文 ( )

可视化

针对空间信息网络存在节点资源有限，且难以提供个性化的服务的问题.本文提出了一种自适应的多约束QoS(Quality of Services)路由算法.首先，利用SDN(Software-Defined Network)实时获取链路QoS参数的特性，提出了考虑了链路质量、剩余带宽和节点负载因素的传输代价模型，建立以路径最小代价为优化目标的多约束QoS路由模型，以最大化网络吞吐量.然后，为满足不同优先级数据流的QoS需求，利用Adam(Adaptive moment estimation)算法解决多约束模型阈值自适应问题.与传统的手动设置方式相比，能够更好地适应网络变化，提供更加个性化的服务质量.最后，通过改进的蚁群算法求解多约束优化问题，利用双禁忌表优化候选节点，根据SDN可编程特性讨论了信息素挥发系数取值问题，最终求得最优路径.数值结果表明，与相关方案相比，该方法在满足空间信息网络多优先级QoS需求的同时，在算法收敛速度和网络吞吐量、负载分布指数方面具有更好的性能.

Select

一种基于注意力的两段式单像素对抗样本生成方法

王俪蓉，关志涛

2023, 44(9): 2092-2098.

摘要 ( ) PDF全文 ( )

可视化

随着深度神经网络在计算机视觉各类任务中被广泛应用，深度学习暴露出脆弱性，对抗攻击及对抗样本生成算法成为研究热点，并取得了一系列进展.单像素攻击通过只修改图像中的单个像素点实现对抗样本生成，在隐蔽性上较其他对抗攻击算法更具优势.然而，因其使用差分进化算法大量轮询访问模型搜索目标像素点，导致攻击效率低下；同时由于搜索过程中易于陷入局部最优解，导致攻击效果不佳.本文针对以上问题进行改进，提出一种基于注意力的两段式单像素攻击方法.该方法通过引入注意力机制确定候选扰动区域，减少冗余计算，并在一定程度上避免陷入局部最优，实现更高效的单像素对抗样本生成.通过在多个深度卷积模型上的实验，证明本方案生成的对抗样本能够以较高的成功率实现对抗攻击，并具有较高的可迁移性，在隐蔽性上也保持了单像素攻击固有的优势.

Select

优化离散导频的FBMC-LSTM信道估计算法

李新增，金婕，张嘉，齐欣宇

2023, 44(9): 2099-2104.

摘要 ( ) PDF全文 ( )

可视化

基于原型滤波器的FBMC通信系统，由于其原型滤波器的虚部干扰影响了系统信道估计的准确性.因此本文针对FBMC虚部干扰问题，结合通信系统记忆性的特点，并深入研究了块状导频、离散导频以及信道编码对FBMC-LSTM信道估计算法的影响，提出了一种基于优化离散导频的FBMC-LSTM信道估计算法，在Vehicular A（200km/h）、TDL-A（300ns）、Pedestrian A（10km/h）、WINNER等信道下进行仿真实验，结果表明，与其他算法相比，本文算法具有优越性.

Select

TrustZone中断隔离机制的形式化验证

付俊仪，张倩颖，王国辉，李希萌，施智平，关永

2023, 44(9): 2105-2112.

摘要 ( ) PDF全文 ( )

可视化

TrustZone技术通过对硬件进行安全扩展，为软件提供了相互隔离的可信执行环境和通用执行环境.中断隔离机制是TrustZone的关键隔离机制，确保安全中断和非安全中断分别在可信执行环境和通用执行环境中被处理，该机制不正确可能导致安全中断被通用执行环境处理，从而影响可信执行环境的安全性.本文提出ARMv8 TrustZone架构中断隔离机制的形式化验证方法，在定理证明器Isabelle/HOL中建立包含中断隔离机制关键软硬件的形式化模型，该模型为状态迁移系统，包括中断处理程序、TrustZone Monitor、中断控制器等组件；在证明模型满足正确性的基础上，通过展开定理验证无干扰、无泄露、无影响等信息流安全属性，结果表明TrustZone中断隔离机制满足信息流安全属性，在中断处理过程中不存在隐蔽的信息流通道.

选择文件类型/文献管理软件名称

选择包含的内容

当期目录

作者投稿

专家审稿

编辑办公

主编办公

编委审稿

下载中心