小型微型计算机系统

Select

高丽萍,徐晓芳

2019, 40(7): 1361-1367.

摘要 ( ) PDF全文 ( )

可视化

CRDT（交换复制数据类型）已经被提出作为协作文本编辑中的新的替代机制.但是，基于CRDT的实时图形编辑系统一致性维护方法系统在以前的文献中很少被研究.本文提出了一种新颖高效的CRDT算法，并且把图形之间的存在的位置条件的约束关系，用动态规则库标识，把图形操作分为基本操作和预定义关系操作，并且给出相关解决方案.该算法集成了智能和大规模协作的不同类型的图形操作.首先，该算法在交换复制模型框架下保证协同用户的收敛和维护操作意图.其次，基于CRDT的新颖的算法，维护实时协同编辑下共享图形文档的一致性并给出了实例证明以及合理的案例分析.第三，理论上分析所提出算法的时间复杂度低于现有技术OT算法的时间复杂度.第四，实验评估表明，该算法优于现有的OT算法.同时本文开发了Web平台下的在线协同图形编辑系统Co-Drawing，进一步验证了所写算法的可行性.

Select

基于关键路径的工作流瓶颈挖掘与优化

杜明达,林荣恒,邹华

2019, 40(7): 1368-1373.

摘要 ( ) PDF全文 ( )

可视化

工作流程在信息发达的今天被越来越广泛地应用于各个领域,我们在设计出符合预期要求的工作流程的同时也关注流程执行的效率.将流程分析与流程挖掘技术应用于工作流程中,通过对流程的执行日志进行分析和挖掘,检测流程的执行瓶颈,从而找到流程的优化方案,显得很有必要.本文提出基于关键路径的工作流瓶颈挖掘的方法,该方法通过对流程图的形式化表示及对流程执行日志的数据分析,给出了流程瓶颈的定义,将图论中经典的关键路径计算方法应用于流程瓶颈的计算.并以一个物流申请流程为例,验证了该方法的可行性,通过对该流程的瓶颈挖掘,进行针对性的优化,最终使流程整体执行效率提高了9.8%.

Select

数据分析服务流程模型推荐

曾兆伟,曹健

2019, 40(7): 1374-1379.

摘要 ( ) PDF全文 ( )

可视化

当今数据分析服务在许多领域已经变得至关重要,但与此同时数据分析服务流程模型的构建复杂却严重制约了数据分析服务的发展.近年来研究者将传统的业务服务工作流模型推荐算法引入到了数据分析服务工作流,进行模型推荐.但是数据分析服务工作流与传统的业务服务工作流存在很大的不同,即数据分析中至关重要的数据信息和上下文信息,它们对数据分析服务流程模型推荐的影响十分之大.故本文拟结合数据集的数据特征和文本描述信息来进行模型推荐.通过这些信息定义最佳模型,将数据集数据和文本描述信息特征提取出来,并对比几种不同的特征表示方法对文本描述信息的效果.分类得到模型类型,实验多种相似性距离计算方式,再通过协同过滤算法为用户推荐数据分析服务流程模型.对于实验中Top5模型推荐,其能达到77%左右的准确率.

Select

一种结合Bigram语义扩充的事件摘要方法

吴佳伟,曹斌,范菁,黄骅

2019, 40(7): 1380-1385.

摘要 ( ) PDF全文 ( )

可视化

在事件检测过程中,事件摘要是十分重要的一个步骤.一个可读性较强的事件摘要能帮助人更快的理解事件,而一个可读性较差的事件摘要则会误导人的理解.传统的文本摘要主要倾向于找到一条最具代表性的句子,但我们认为在某些时候,用户只需要通过阅读几个关键词的组合就能明白事件的主要内容.因此,在本文中我们提出了一种基于Bigram关键词语义扩充的事件摘要方法,因为IDF在短文本中表现较好,所以首先根据IDF值从事件短文本集合中提取若干个关键词,然后根据事件短文本集合对关键词之间的顺序进行整理,最后引入了Bigram语言模型对提取出来的关键词进行语义扩展.利用实际生活中的短文本集合进行实验,结果表明我们的方法在召回率与用户可读性上优于现有的关键词摘要方法.

Select

一种改进灵敏度分析的在线自适应极限学习机算法

翟华伟,崔立成,张维石

2019, 40(7): 1386-1390.

摘要 ( ) PDF全文 ( )

可视化

针对极限学习机及其改进算法计算复杂、自适应调整能力弱等问题,深入分析隐节点灵敏度计算方法,引入贡献度的相关思想,提出改进的灵敏度计算方法,以符合大众认知.在保证训练预测精度的前提下,提出改进的极限学习机算法,通过自适应删除和增加隐节点,控制隐节点数量,降低算法复杂度.实验结果表明,相比传统极限学习机及其改进算法,本文提出的算法在训练时间和预测精度等都有有效提高.

Select

一种Fibonacci迭代的差分进化生物地理学优化算法

郑夏,马良

2019, 40(7): 1391-1396.

摘要 ( ) PDF全文 ( )

可视化

生物地理学优化算法(BBO,BiogeographyBased Optimization)是受自然界种群迁移机制启发,通过运用生物地理学方法和机制来解决工程优化问题而提出的一种新型仿生群智能优化算法.本文在分析基本BBO算法原理和局限性的前提下,针对其求解高维复杂问题时求解精度低、收敛速度慢等问题,首先通过Fibonacci数列的迭代思想消除种群内部的重复性来提高种群精度,提出了改进的生物地理学优化算法(IBBO),然后在此基础上引入全局搜索能力较强的差分进化算法,提出基于Fibonacci迭代的差分进化生物地理学优化算法(IDEBBO).最后通过对8个经典函数的仿真测试实验,验证了IDEBBO可有效避免早熟收敛,提高求解精度,可作为解决工程应用复杂函数优化问题的一种有效方法.

Select

一种面向边缘计算QoE的服务组合及调度方法

简琤峰,裘科意,张美玉

2019, 40(7): 1397-1403.

摘要 ( ) PDF全文 ( )

可视化

在边缘计算资源协同与调度QoE优化前提下,对两阶段边缘服务组合及调度提出一种改进的天牛须粒子群算法.该算法将天牛须搜索算法中的天牛抽象成粒子,将单个个体的天牛须搜索算法拓展至群体,并引入二阶振荡机制和动态因子.不仅改进了位置更新公式和动态参数机制,改进群体觅食时的位置更新时的动态参数机制,丰富了群体移动时的位置多样性,并且提高了算法的全局搜索能力.通过QoE限制条件下的服务组合与调度仿真实验结果分析得出,该算法能够在满足用户请求QoE的条件下使得请求的整体执行时间开销达到最小.

Select

Malek模型下的系统级故障诊断烟花算法

归伟夏,蓝婷,陆倩

2019, 40(7): 1404-1409.

摘要 ( ) PDF全文 ( )

可视化

为了更高效地解决系统级故障诊断问题,首次将烟花算法应用到故障诊断Malek模型中.充分利用烟花算法在局部搜索和全局搜索方面良好的自调节能力,引入最小爆炸半径检测机制,并采用改进的爆炸算子、高斯变异操作和新的映射策略,得到一个新的系统级故障诊断算法.通过仿真实验表明,该算法能以较短的CPU运行时间判断出故障集,从而证明算法具有良好的稳定性和快速性,并能高效解决Malek模型下的系统级故障诊断问题.

Select

融合用户经历的多策略自适应推荐模型

原福永,冯凯东,李晨,雷瑜,周馨,黄国言,梁顺攀

2019, 40(7): 1410-1415.

摘要 ( ) PDF全文 ( )

可视化

根据用户的历史行为信息向用户推荐符合其偏好的商品列表是推荐系统的基本方法之一,用户的行为信息可能是显式的(如电子商务网站中的商品评分),也可能是隐式的(如点击商品详情信息或收藏商品).但在实际场景中,用户隐式行为数量往往多于显式行为数量.为了得到更为准确的推荐结果,本文引入用户经历来定义用户在系统中隐式反馈的累积数量,提出了一种利用用户经历作为平衡系数来平衡多种策略的自适应推荐模型(User Experience based adaptive Recommendation Model,UERM),然后通过引入阻尼系数对模型进行进一步优化,提出了融入阻尼系数的融合用户经历的自适应推荐模型(UERM+).最后在两个真实数据集上进行实验,证明本文模型能够有效地提高推荐精度.

Select

使用带分类参数贝叶斯网的虚拟机性能预测

尚聪聪,郝佳,张彬彬,岳昆

2019, 40(7): 1416-1422.

摘要 ( ) PDF全文 ( )

可视化

准确量化虚拟机特征和性能之间的依赖关系,并预测特定特征配置下的虚拟机性能,是虚拟资源细粒度分配的基础.然而,传统贝叶斯网(Bayesian Network,BN)虽然能够表达虚拟机特征和性能之间的不确定性依赖关系,但当某组虚拟机特征配置未出现在训练集中时,BN便无法预测该配置下的虚拟机性能.此外,当虚拟机特征配置组合情况过多时,会导致虚拟机性能节点出现组合爆炸的情况.为此,本文提出一个带分类参数的BN模型.该模型首先利用随机森林分类算法,对虚拟机进行分类,然后根据分类结果和对应性能值,构建一个带分类参数的BN模型,从而实现任意特征配置下的虚拟机性能预测.同时,也降低了由于组合爆炸而带来的性能预测困难.实验结果表明了本文提出方法的有效性和准确性.

Select

具有自适应步长与协同寻优的蝙蝠烟花混合算法

莫海淼,赵志刚,曾敏,石静,温泰

2019, 40(7): 1423-1429.

摘要 ( ) PDF全文 ( )

可视化

论文提出了一种新的群体智能优化算法——蝙蝠烟花混合算法.该算法采用蝙蝠算法在全局最优附近的位置信息、蝙蝠发出的频率、全局最优以及烟花的位置信息构造了新的爆炸半径,使烟花算法在寻优的过程中能够自动地调整步长;并且使蝙蝠个体与烟花个体实现协同寻优;最后,采用“精英随机”策略选择下一代烟花,增加了烟花种群的多样性.与其他算法(如蝙蝠算法、标准粒子群算法、烟花算法等)相比,函数优化问题以及0-1背包问题的对比实验结果表明:论文提出的混合算法的整体性能优于其他五种算法.

Select

基于深度学习模型的非法流动摊贩检测方法研究

陈晋音,王桢,郑海斌

2019, 40(7): 1430-1436.

摘要 ( ) PDF全文 ( )

可视化

流动摊贩虽然为居民生活带来一定便利，但由于其阻碍交通，影响社会秩序，出售的产品存在食品安全问题，是城市管理部门需要重点监控、管理的对象.非法流动摊贩管理的难点在于其流动性.城市管理部门无法确定其经营的时间、地点，监管难度大，管理成本高.本文将先进的深度学习和机器视觉技术应用到城市管理任务，针对实际需求提出基于深度学习模型的非法流动摊贩检测方法.该方法通过人工标注数据集训练并使用注意力机制（attention mechanism）和Inception Resnet-v2模型改进的Faster RCNN，得到目标检测模型Faster R-CNN Inception Resnet-v2 attention模型（FRIRAM），对非法流动摊位与行人进行检测，获取位置信息.进一步进行取证，通知管理人员定点监控、管理.本文在测试数据集上进行验证，结果显示出较好的检测效果，证明本方法的应用价值.

Select

自注意力机制支持下的混合推荐算法

苑威威,彭敦陆,吴少洪,陈章,刘丛

2019, 40(7): 1437-1441.

摘要 ( ) PDF全文 ( )

可视化

协同过滤是推荐系统中最常用的一种方法，但推荐系统中评分矩阵的稀疏性、冷启动性和大多数推荐算法往往只从用户的角度出发忽略了商品间的关系等因素，限制了推荐算法的实际效果.论文提出一种基于自注意力机制（SelfAttention）的深度学习模型——AS-SADDL，用以进行建模用户交互数据及学习用户潜在偏好表示.该模型采用多重自注意力机制从用户的交互数据中挖掘数据间的关联关系，并通过深层神经网络学习用户潜在偏爱表示.同时用主成分分析法（PCA）对项目评分数据进行降维，并计算项目评分数据间的相似性，结合用户潜在偏爱表示与项目特征表示间的相似性作为最终结果，对用户进行项目推荐.在真实数据集上的实验表明，AS-SADDL模型具有较好的计算效果.

Select

角度惩罚精英策略的绿色供应链伙伴选择研究

郭海东,王丽萍,章鸣雷

2019, 40(7): 1442-1448.

摘要 ( ) PDF全文 ( )

可视化

针对绿色供应链伙伴选择中的典型高维目标优化问题,以运营成本、配送时间、产品质量和绿色度为优化目标,建立三阶段绿色供应链网络优化模型,提出一种角度惩罚距离(APD)精英策略的高维目标优化算法NS-RVEA进行求解.该算法对APD机制仅使用分解策略优化种群,忽略个体间Pareto关系,易导致种群退化等不足进行改进,引入非支配排序方法,先对子种群内个体进行Pareto非支配排序,再通过APD机制对剩余个体进行筛选,在维持种群多样性的同时提高选择压力和收敛速度.仿真结果表明,NS-RVEA具有收敛性强、全局性好和计算复杂度低等优点,所得解集在IGD*指标、Pareto最优解平均个数和算法运行时间等多个方面均优于MOGA、NSGA-II、MOEA/D和RVEA.

Select

一种面向医疗大数据安全共享的新型区块链技术

佘维,陈建森,刘琦,胡跃,顾志豪,田钊,刘炜,

2019, 40(7): 1449-1454.

摘要 ( ) PDF全文 ( )

可视化

海量的医疗数据不仅蕴含巨大价值，也隐含大量的个人隐私.针对医疗数据的信息安全问题，本文提出一种基于区块链的全同态医疗数据安全共享方案，在去中心化网络中可对密文状态的医疗数据进行计算和应用.通过区块链技术和全同态加密技术结合，首先将中心化网络中的医疗机构、患者和第三方的数据处理中心等中心化节点映射在区块链网络中实现去中心化达到各节点完全信任.然后通过智能合约调用全同态加密算法实现在共享双方间只有密文数据传输并且可以进行密文计算.最终实现在不影响医疗大数据分析和实际应用的情况下，确保个人数据的隐私安全、数据授权分发和安全传输的目标.

Select

面向嵌入式设备的深度神经网络分层策略

曹渠成,陈庆奎

2019, 40(7): 1455-1461.

摘要 ( ) PDF全文 ( )

可视化

使用人工智能的方式进行图像识别预测已经渐渐成为一种主流方式，随着对模型精确度需求的不断提升，对现有计算平台的计算能力和性能也提出了新的要求.现有的基于人工智能的预测方式大致可分为两种，一种是基于C/S架构，一种是使用轻量化框架的本地运行.两者在面对大规模低性能设备时，会面临着服务器压力负载过大，低性能设备仍然无法完成任务等情况.本文根据Roofline模型的粗粒度计算加上缩小式窗口计算精确化，提出了一种可以预测模型在不同设备上的计算时间并分离深度神经网络的方法，能够将原本模型的一部分工作量交由前端嵌入式设备完成，服务端完成另一部分的工作，从量上减少原来的工作负载，并能根据实际需求进行动态调整与重新分配，同时在大部分情况下减少了网络传输的数据量.实验表明这种分层策略可以有效减缓上述两个问题，具有一定的实际意义.

Select

基于Merkle哈希树的机会社会网络节点协作转发机制

王杨,黄少芬,许闪闪,赵晨曦,李昌,赵传信

2019, 40(7): 1462-1467.

摘要 ( ) PDF全文 ( )

可视化

机会社会网络中的节点自私或节点非协作行为常常导致消息传输效率降低.针对这一问题，本文提出了基于Merkle哈希树的节点协作转发机制.首先根据节点的移动特性建立节点相遇位置预测模型;其次构建Merkle哈希树并对自私节点进行检测和删除，更新整个 Merkle 哈希树;最后结合所提出的模型及相遇距离大小选择合适的转发节点，保证了消息的协作转发.实验表明，本文提出的方法能够精确地检测网络中的自私节点，并能够保证消息的高效传输.此外在消息投递率及传输时延方面优于典型的传统 Epidemic、DirectDelivery算法.

Select

软件定义网络中分布式控制器的在线更换机制

熊一才,张晶晶,刘轶

2019, 40(7): 1468-1473.

摘要 ( ) PDF全文 ( )

可视化

软件定义网络技术通过将控制和转发功能分离，并使用控制器进行集中式的网络控制，实现了网络的灵活控制和管理，近年发展迅速且得到日益广泛的应用.在以大型数据中心为代表的大规模网络中，通常需要部署多台分布式SDN控制器以确保网络性能及可靠性，这些控制器长时间持续运行，其硬软件升级和更换需要在线完成，且需保证服务不中断.本文针对这一问题，提出了一种SDN控制器的在线更换机制，实现分布式控制器的在线更换和连续服务，同时针对控制器更换后性能异构带来的负载不均衡问题，给出了异构控制器间的负载均衡算法.论文最后通过实验测试验证了所提出方法的有效性.

Select

结合优先级与时隙分配的认知车联网MAC协议

尚佳庆,郑国强,马华红,吴红海,李济顺,

2019, 40(7): 1474-1478.

摘要 ( ) PDF全文 ( )

可视化

为了解决基于WAVE的车联网MAC协议存在的用户信息优先级划分不明确及采用固定时隙分配导致安全类信息传递效率低的问题,本文提出一种基于认知无线电技术的车联网MAC协议(CR-WAVE MAC).该协议首先使用增强型分布式信道接入(EDCA)参数调节策略,引入业务类型和用户数作为EDCA参数调节标准,划分用户信息优先级,然后使用认知无线电频谱感知和分配技术根据信息优先级高低进行动态时隙分配,达到增加安全类信息传输效率的目的.仿真实验结果证明:应用本文提出的车联网CR-WAVE MAC协议显著提高了道路安全类信息的传输投递率和吞吐量,降低了传输时延.

Select

一种面向医学文本数据的结构化信息抽取方法

杨兵,聂铁铮,申德荣,寇月,于戈

2019, 40(7): 1479-1485.

摘要 ( ) PDF全文 ( )

可视化

医学文本作为医疗领域重要的信息载体,为临床诊断和病理学研究提供了重要的数据支持,然而使用自然语言编写的文本数据往往是非结构化的,不便于机器理解和自动化处理.对于中文的医学文本数据而言,由于专业性强,需要丰富的领域知识,并且语法上多采用短句形式,这给结构化信息的抽取带来了巨大的挑战.为此,本文设计了一种针对医学领域的文本数据进行结构化信息抽取的方法,该方法首先通过文本聚类和关键词提取来获得医学描述语言中常用的表达术语,然后使用生成的医学术语库辅助中文分词处理,以提高中文医学文本的分词质量.然后,分析词与词之间的语义依存关系并随之构建依存句法树.最后,从该句法树中识别和抽取医学文本描述中的关键指标及其对应的指标值,最终得到结构化的键值对数据.本文采用真实的医学影像报告文本作为实验数据,实验结果表明该方法有效提高了中文医学文本的分词质量,准确率最高可达98.24%,并在结构化的信息抽取中效果显著,具有最高83.76%的准确率和88.09%的召回率.本文提出的方法能覆盖多种依存语法,且有很好的适用性.

Select

结合自注意力机制和Tree-LSTM的情感分析模型

石磊,张鑫倩,陶永才,卫琳

2019, 40(7): 1486-1490.

摘要 ( ) PDF全文 ( )

可视化

情感分析随着人工智能的发展而逐渐受到重视,微博情感分析旨在研究用户对于社会热点事件的情感倾向,研究表明深度学习在情感分析上具有可行性.针对传统循环神经网络模型存在信息记忆丢失、忽略上下文非连续词之间的相关性和梯度弥散的问题,为此本文结合自注意机制和Tree-LSTM模型,并且在Tree-LSTM模型的输出端引入了Maxout神经元,基于以上两种改进基础上构建了SAtt-TLSTM-M模型.实验使用COAE2014评测数据集进行情感分析,实验结果表明:本文提出的模型相比于传统的SVM、MNB和LSTM模型准确率分别提高了16.18%、15.34和12.05%,其中引入了Maxout神经元的RMNN模型相对于LSTM模型准确率提高了4.10%,引入自注意力机制之后的Self-Attention+Tree-LSTM模型相比于Tree-LSTM模型准确率提高了1.85%,并在召回率和F值两项指标上均优于其他对比模型.由此证明,本文提出的SAtt-TLSTMM模型可用于提高情感分析的准确率,具有一定的研究价值.

Select

无间隙约束下无重叠模式匹配的在线求解算法

柴欣,王建姣,闫文杰,武优西

2019, 40(7): 1491-1495.

摘要 ( ) PDF全文 ( )

可视化

间隙约束序列模式挖掘可以有效地挖掘满足用户特定需要的频繁模式,其核心是间隙约束模式匹配问题.无重叠的模式匹配问题是其中的一种方法,即任何两个出现的相同位置不能共用序列的同一位置的字符.但在无先验知识的情况下,如何设定间隙是难以解决的问题.针对此问题,本文设计了在线匹配算法SNGP-Best,其依据序列串来计算满足查询模式的最多出现数.该算法通过计算模式的长度来确立队列的个数,然后采用在线计算的方式,能够及时计算出满足条件的出现并输出,起到了降低算法空间复杂性的作用.实验结果验证SNGP-Best算法具有良好的求解性能.

Select

基于旅行时间的Top-k轨迹查询

陈子军,杨蕊,刘文远,刘永山

2019, 40(7): 1496-1502.

摘要 ( ) PDF全文 ( )

可视化

为了进一步完善现有的轨迹查询,本文提出一种基于旅行时间的Top-k轨迹查询,给定查询点,可以为用户返回k条轨迹.这k条轨迹的选择依赖于用户感兴趣的位置点和旅行时间,为用户返回k条旅行时间最短的轨迹.针对该查询,提出一种查询算法,利用网格索引来记录轨迹点的信息,算法使用Best-First方法对查询点附近的轨迹点进行检索,并通过判断其是否为有效点来检索完全有效轨迹.为了提高查询效率,提出三种终止规则,其减少了需要访问轨迹点的数量.最后,通过实验验证该算法的有效性.

Select

一种改进的整机系统实时功率建模方法

杨良怀,戚加欣,徐卫,范玉雷

2019, 40(7): 1503-1509.

摘要 ( ) PDF全文 ( )

可视化

本文通过考察处理器、内存和磁盘三个部件的活动信息,包括硬件性能事件和部件利用率,构建整机系统实时功率模型.对于处理器和内存的功耗,通过特征选择找到合适的处理器内部的性能事件,结合CPU 功耗状态C-States,建立低误差的功耗模型;对于没有提供性能事件的磁盘,通过利用率对部件功耗进行估算.采用回归方法分别建立并综合两个模型即可得到整机的实时功率模型.实验使用了真实系统Eureqa建模和PosgreSQL系统运行TPC-H负载对两种功率模型进行验证,结果表明:基于硬件性能事件与C-States的实时处理器与内存功率模型的误差在3%以下;结合性能事件、C-States与利用率的整机功率模型其相对误差在4%～10%之间,优于仅使用利用率的整机功率模型,最大时提升可达7%.

Select

二维Sine-Tent超混沌映射及其在图像加密中的应用

朱和贵,蒲宝明,朱志良,赵怡然,宋禹佳

2019, 40(7): 1510-1518.

摘要 ( ) PDF全文 ( )

可视化

为了进一步增强混沌映射结构的复杂性,提高混沌映射的混沌性能达到增强图像加密算法的目的,本文提出了一种复合一维Sine和Tent混沌映射的二维超混沌图像加密算法.首先,将一维Sine混沌映射和一维Tent映射增加非线性项,将其中的一个变量作为扰动源对混沌映射的迭代过程进行扰动.构建了一个二维Sine-Tent超混沌复合映射,通过Lyapunov、分岔图指数等衡量标准,对该映射的超混沌特性进行了验证.基于此混沌映射,采用“比特级置乱-比特级扩散”策略,按照行列的顺序,对图像进行两次置乱,然后将置乱后的图像进行两次扩散,得到密文图像.最后通过密钥空间大小,差分攻击分析,自相关性分析,局部信息熵,算法鲁棒性进行了算法安全性分析,理论分析和实验仿真验证了该算法的有效性和实用性.

Select

结合域混淆与MK-MMD的深度适应网络

王翎,孙涵

2019, 40(7): 1519-1524.

摘要 ( ) PDF全文 ( )

可视化

在深度学习的应用场景中,常会遇到缺乏大量标记数据的情况,域适应作为利用相关源域标记数据信息来对目标域数据进行信息补充的一种迁移学习方法,解决此类问题是非常有效的.在域适应方法中,基于最大均值误差(MMD)度量来缩小源域目标域差异的方法被广泛应用,深度适应网络(DAN)是其中经典方法之一.但是结合多核最大均值误差(MK-MMD)思想的DAN方法在特征迁移层面仍有提升空间,且该方法在不同迁移场景下的适用效果有差异.本文针对这两个问题,结合域混淆思想,进一步提升域适应效果.同时,从实验与理论两方面探究MK-MMD度量在不同场景下的适用权重以及MK-MMD与域混淆的最佳组合方式.

Select

单目多视角全景视觉感知三维重构技术研究

郭伟青,吴小刚,汤一平

2019, 40(7): 1525-1531.

摘要 ( ) PDF全文 ( )

可视化

从图像中恢复出几何实体的三维形状是计算机视觉研究领域的一个核心课题.本文提出了一种基于单目全景成像的三维重构方法.通过单目多视角全景视觉传感器在一个摄像平面上同时获取从多个不同视角拍摄的被测物体图像,采用Otsu算法对图像进行分割,提取前景信息,用轮廓体素极坐标遍历得到几何实体的轮廓采样点数据,重构出几何实体的三维形状.单目多视角全景视觉传感器避免了通用多视角成像中摄像机的颜色系统以及内外参数难以保持一致的问题,减少了硬件成本和立体匹配的复杂度,增加了实时性;通过轮廓体素极坐标遍历得到物体的三维点云数据是一种明确、不含二义性的信息,具有较好的鲁棒性.通过实际系统应用验证,该方法是一种行之有效的三维重构方法.

Select

图像分类卷积神经网络的反馈损失计算方法改进

周非,李阳,范馨月

2019, 40(7): 1532-1537.

摘要 ( ) PDF全文 ( )

可视化

当前在图像分类领域，卷积神经网络主要通过反向传播算法训练权重和偏置.在参数的训练过程中，网络的实际输出与样本标签之间的反馈损失计算方式会影响到卷积神经网络对图像的最终分类性能.本文研究发现，当增大训练样本标签的维度，提高不同类别标签间的最小汉明距离，并通过sigmoid激活函数结合交叉熵计算反馈损失时，所得到的卷积网络模型对图像的分类能力优于使用softmax激活函数结合独热编码计算反馈损失所得到的卷积网络模型的分类能力.本文使用多种卷积神经网络结构，并结合多个数据集进行训练和测试，所得到的仿真结果证明了本文观点的正确性.

Select

基于非凸低秩分解双字典误差模型的遮挡表情识别

董俊兰,张灵,陈云华,姜文超

2019, 40(7): 1538-1543.

摘要 ( ) PDF全文 ( )

可视化

为了有效克服遮挡对表情识别带来的误差,同时为了减少表情识别对识别个体的依赖性,本文提出一种基于非凸低秩分解双字典误差模型的遮挡表情识别方法.首先,针对核范数近似秩函数不能有效的估计矩阵的秩,利用非凸对数函数来近似秩函数可以提高估计精度以及对噪声的敏感度.通过非凸对数函数低秩分解将每类表情图像中的表情特征和身份特征分离开,对两部分特征进行字典学习,得到类内相关字典以及差异结构字典.其次,针对遮挡图像分类时,原稀疏编码没有考虑编码误差,无法准确地描述遮挡带来的编码误差,定义单个矩阵来表示由遮挡引起的误差,该矩阵可以从未遮挡训练图像的特征矩阵中分离出来.通过从测试样本中减去误差矩阵可以恢复出清晰的情感分类阶段的图像.利用双字典协同表示将清晰的图像样本分解为身份特征和表情特征,最终根据各类别表情特征在联合稀疏表示中的贡献量进行分类.在CK+和KDEF表情数据库的遮挡实验结果表明,这种方法对随机遮挡表情图像的识别具有鲁棒性.

Select

改进SVM分类和稀疏表示的图像混合去噪算法

赵蒙娜,李东兴,赵宗超,蔡亚南,吴秀东

2019, 40(7): 1544-1547.

摘要 ( ) PDF全文 ( )

可视化

提出一种基于改进支持向量机(SVM)分类和稀疏表示的图像混合去噪算法.首先将输入噪声图像分成大量的重叠片,然后使用尺度不变特征变换(SIFT)从每个片中提取局部特征.根据预定义的阈值,利用粒子群聚类的SVM决策树将贴片分成纹理与平面两类.纹理块利用梯度直方图保存(GHP)进行处理,使用基于差异系数的稀疏度自适应SK-SVD来分析重构平面块.最后,通过合并两个去噪结果获得重建图像.对一些标准噪声图像进行实验,并将本文结果与其他去噪方法进行比较.实验表明,所提出的混合方案具有更好的去噪性能和结构相似性,在保存边缘和纹理方面效果更好.

Select

一种基于STFT幅度测量值的图像相位恢复算法

李健宇,赵祥宁,任晓文,王涛,郭一娜

2019, 40(7): 1548-1552.

摘要 ( ) PDF全文 ( )

可视化

图像相位恢复是指通过不含任何相位信息的幅度测量值恢复原始图像相位的问题.针对实际图像观测和传递过程中相位信息受到损失或者丢失的问题,利用原始图像短时傅里叶(Short-Time Fourier Transform,STFT)幅度测量值的唯一性,提出了一种图像相位恢复算法.通过改进的最小二乘法(Least Squares,LS)获取梯度下降法(GD,Gradient Descent)的迭代初始值,最小化构造非凸损失函数,解决了图像相位恢复的非凸优化问题.实验仿真中,在不同噪声类型和噪声强度的干扰下,相位恢复后的图像轮廓条纹依然清晰.实验结果表明,本文算法能够根据STFT幅度测量值恢复出图像的相位,具有较强的鲁棒性.

Select

图形与图像与其它

3D-HEVC深度建模模式的优化及并行设计

谢晓燕,王昱,石鹏飞,朱筠

2019, 40(7): 1553-1557.

摘要 ( ) PDF全文 ( )

可视化

针对三维高效视频编码（3D High Efficiency Video Coding，3D-HEVC）增加的深度数据引入极高复杂度和资源消耗的问题，利用3D-HEVC的软件测试模型HTM16.1，对帧内预测算法的深度图进行分析，充分利用深度图中楔形分割具有相邻边缘分割和相对边缘分割的特点，提出了一种精简楔形搜索模板.实验表明，所提出的优化方案在不改变视频编码质量的情况下，节约了99.2%的存储空间，减少了61.8%的编码时间.此外，针对楔形波在视频测试平台上串行执行时间较长、存储消耗较大等缺点，考虑到提出的精简楔形搜索模板间无数据相关性，充分利用项目组提供的阵列处理器（DPRCODEC）天然并行的特性，提出了一种帧内预测模式并行方案.所设计的并行方案数据加载时间的串/并加速比为1.912，在执行编码时各模板的串/并加速比达到1.637.

Select

一种基于三支决策的花卉图像分类

武慧琼,张素兰,张继福,胡立华

2019, 40(7): 1558-1563.

摘要 ( ) PDF全文 ( )

可视化

传统的基于二分类模式的花卉图像分类方法因图像信息不完整和不确定，分类精度不高.三支决策因其获取事物更多信息后再进行延迟决策，成为一种有效的分类模型.为提高花卉图像分类精度，本文给出一种基于三支决策的花卉图像分类方法.首先利用单一特征对花卉图像进行分类，并依据决策状态值选取适当的阈值将图像集三分为POS1域、BND1域和NEG1域；其次定义域之间的转移规则，并分别对BND1域和NEG1域所包含的图像提取新特征；然后融合新特征后分别对BND1域和NEG1域包含的图像进行分类，并依据决策状态值选取适当的阈值对相应的图像集继续三分，依此进行多层“三分-治略”，进而提高图像分类精度；最后采用牛津大学VGG小组的花卉图像集，实验验证了该方法的有效性.

Select

面向数控系统现场总线的通信分析单元的设计与实现

马跃,李岳,尹震宇,谷艾,于皓宇

2019, 40(7): 1564-1568.

摘要 ( ) PDF全文 ( )

可视化

数控系统现场总线通信技术应用于数控控制系统及从站设备之间,为控制指令的下发及反馈信息的上传提供通信基础,是智能制造技术的核心研究内容之一.在数控系统现场总线的安装、调试与实际运行过程中,检修技术人员需要通过可以实时读取并解析总线上传输的控制数据内容的小型便携嵌入式设备.针对上述问题,本文设计并实现了一种面向数控系统现场总线的通信分析单元,该设备支持数控系统现场总线数据帧的捕获、显示及解析,在保持对原有现场总线通信完全透明的基础上,通过分析捕获数据帧的数量、看门狗的状态、时间戳以及指令中包含的位置值等关键信息,辅助检修人员准确判断现场总线的工作状态.经测试验证,该设备可以对现场总线通信数据进行实时、无遗漏采集.

Select

基于数据驱动的机床热误差补偿技术研究

李锁,吴文江,哈韬,王喆,金驰

2019, 40(7): 1569-1572.

摘要 ( ) PDF全文 ( )

可视化

随着先进制造技术的发展,对数控系统的高速、高精、高效、智能化方面的要求越来越高,为此,实现热误差补偿在内的补偿技术具有重要的现实意义.热误差的非线性问题是实现误差补偿的难点之一,传统的补偿方法采用离线线性拟合的方法,造成较大的拟合误差且实时性很难保证,为此传统的基于精确模型的热误差补偿技术遇到了发展瓶颈,提出了采用数据驱动的方法实现机床热误差补偿,采用模糊神经网络作为学习模型,结合加工过程实时采集到的误差数据,提供最优的补偿策略,减小了拟合误差,提高热误差补偿的补偿精度,并通过试验进行测试,测试结果表明所提出的补偿方案相对于传统的方案,显著改善了拟合精度,从而验证了该方案的可行性.

Select

一种基于NTRU的轻量级截断式HMAC数字签名机制

蒋宁,林浒,吴文江,尹震宇

2019, 40(7): 1573-1578.

摘要 ( ) PDF全文 ( )

可视化

工业控制网络中通信数据的完整性是信息安全的一个方面.通信数据完整性包括消息认证和实体认证,将两者结合的认证技术是完整性需要解决的问题.该问题的难点在于认证要满足工业控制网络的较少时间消耗要求.本文提出了一种基于NTRU(Number Theory Research Unit)的轻量级截断式HMAC(Hash Message Authentication Codes)数字签名机制,NTRU-SHA-T机制.在NTRU-SHA-T机制中,消息认证使用消息认证码技术,考虑到安全性能因素消息认证码采用SHA(Secure Hash Algorithm)算法.实体认证使用数字签名技术,数字签名技术采用轻量级的非对称密码系统NTRU将消息认证码进行数字签名.为了进一步提升数字签名的效率,将消息认证码进行截断处理.轻量级签名机制既实现了消息认证又实现了实体认证,较少的时间消耗保证工业控制网络的性能.

Select

城市交通流量预测与信号控制优化

赵文天,万夕里,白光伟

2019, 40(7): 1579-1584.

摘要 ( ) PDF全文 ( )

可视化

城市中车辆数量的快速增长会带来一系列交通问题,包括交通拥堵、交通事故率高等.高效的交通信号控制方法已被证明是缓解交通问题的重要途径之一.已有的信号灯控制工作主要集中在设计在线信号灯控制算法上,但该方法存在信号灯频繁切换的问题.这篇文章首先根据联合驾驶和变换车道模型预测出下一个时间段检测区域内的车辆数目,然后利用图论对该路口的交通动作进行建模,在此基础上设计了一种高效的基于图的车辆调度算法,并从理论上证明了该车辆调度算法的近似比为2.实验结果表明:首先,这篇文章所提出的车辆调度算法能够有效地减少车辆调度的时间,提高交通运输效率;其次,该算法能够大大减少信号灯切换的次数.

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