小型微型计算机系统

Select

潘璋,黄德根

2021, 42(4): 673-677.

摘要 ( ) PDF全文 ( )

可视化

事件抽取是信息抽取的主要任务之一,而触发词抽取是事件抽取的重要子任务.事件要素与事件触发词之间存在关联信息,现有的事件触发词抽取方法主要关注事件触发词本身,没有充分的利用事件要素信息.因此,提出一种事件要素注意力与编码层融合的事件触发词抽取模型,能够有效地利用事件要素信息,提高触发词抽取性能.通过事件要素与事件触发词之间的相关性来显示利用事件要素信息,同时利用编码层的多头自注意力机制间接学习事件要素与事件触发词之间的依赖关系,并将两个方法得到的输出向量进行处理,作为特征送入到编码层中进行训练.此外,通过词特征模型获取语义信息.该方法在ACE2005英文语料上对事件触发词抽取的F值达到71.95%.

Select

细菌特征分析的革兰氏阴阳性判别算法

袁健,赵桦,张明,张劲松

2021, 42(4): 678-684.

摘要 ( ) PDF全文 ( )

可视化

自然界中细菌无处不在,细菌的革兰氏阳性和阴性的有效分类对于临床治疗具有重要意义.现有的细菌的革兰氏阴阳性分类主要依赖于革兰氏染色法.这种方法借助细菌细胞壁结构的不同引起的染色性的差异来进行分类,然而涂片的厚薄和脱色时间的掌握制约着革兰氏染色法的准确性,并且实验需要花费一定时间.本文提出一种用计算机智能分析的细菌革兰氏阴阳性判别方法—基于蛋白质序列特征分析的细菌革兰氏阴阳性判别算法GCBPS.该算法首先挖掘出闭合邻接序列模式(FCloConSP)集合并对大量已知阴阳性的细菌蛋白质序列特征进行提取,然后先利用赋参的余弦相似度距离计算方法来衡量待测细菌蛋白质序列与阳性细菌特征集之间的距离来初步判别是否为阳性,再通过去假阴性等处理后得到最终的细菌革兰氏阴阳性判别结果.该算法已在标注的1591条革兰氏阴性菌以及576条革兰阳性菌的标准数据集上进行评估,实验结果表明,判别的平均正确率F1值可达到95.4%.

Select

互联网新闻敏感信息识别方法的研究

李姝,张祥祥,于碧辉,于金刚

2021, 42(4): 685-689.

摘要 ( ) PDF全文 ( )

可视化

敏感信息识别是净化互联网环境的关键,在当今信息爆炸的时代,人们每天都要从互联网中获得大量信息,如何过滤大量信息中的敏感信息对整个社会安定和谐有着重要的意义.现有的方法主要是基于敏感关键词的方法进行过滤,需要不断更新迭代敏感关键词,泛化性弱,本文中使用基于预训练模型的深度学习方法可以学习到互联网新闻文本中更深层的语义信息,进而更有效的识别和过滤敏感信息,泛化性强,但是只使用深度学习方法会一定程度上的损失敏感关键词特征.本文首次将传统的敏感关键词方法与深度学习方法相结合应用于互联网敏感信息识别,提出了一种融合敏感关键词特征的模型Mer-Hi-Bert.实验结果表明,与之前的敏感关键词方法以及深度学习模型相比,模型的性能有进一步提高.

Select

基于多层局部信息融合的在线论坛用户心理危机识别

刘德喜,鲍力平,万常选,刘喜平,廖国琼,

2021, 42(4): 690-699.

摘要 ( ) PDF全文 ( )

可视化

心理健康问题已经成为当今社会关注的焦点,它严重威胁着家庭和睦与社会稳定.有心理危机的用户经常通过特定的社区论坛或者社交媒体来求助或倾述,这为用户心理危机识别开辟了一个新的途径.论坛帖子长短不一,但判断心理危机的核心信息往往体现在局部内容上,基于此特点,本文构建了一个结合分层长短记忆网络和卷积神经网络的多层局部信息融合模型(Multi-layer Partial Information Fusion model,MPIF),利用论坛用户发布的帖子,检测用户的心理危机严重程度.模型的特点在于:1)利用预训练语言模型BERT对用户帖子中的句子进行向量化表示,充分考虑词语在不同语境中的不同含义表达;2)分别从词、短语、以及句子层面挖掘反映用户心理危机状态的信息,采用深度分层LSTM网络和注意力机制相结合的方式来获取待分类帖子中词语层面以及句子层面的局部信息,利用CNN网络中多种大小不同的卷积核来提取帖子中短语层面的局部信息;3)采用注意力机制和最大池化层,使得模型不仅能够有效地利用局部信息给出心理危机程度的判断,同时可以将这些局部信息展示给心理专家,辅助专家更快了解患者.基于CLPsych2019 Shared Task评测任务的实验结果显示,与评测时排名第一的模型相比,MPIF模型的官方评测指标All-F1值(自杀风险程度a,b,c,d 4个类别的F1值取平均)高出3.9%.经消融实验发现,去除LSTM词语层、CNN短语层、LSTM句子层,All-F1分别下降4%、4.3%、2.4%.

Select

基于LSTM-OCSVM的无人机传感器数据异常检测

李晨,王布宏,田继伟,郭戎潇

2021, 42(4): 700-705.

摘要 ( ) PDF全文 ( )

可视化

无人机是一种典型的依靠通信和控制系统实现自主飞行的信息物理系统,在安全性和可靠性方面引起了广泛的关注.本文考虑无人机传感器易受网络攻击问题,充分利用数据的时间相关性,提出了针对无人机传感器数据的异常检测模型.首先采用LSTM神经网络对传感器数据进行预测,再将预测值与实际值做差,并将差值输入LSTM分类器进行训练得到包含正样本的超平面,最后计算测试数据到超平面的距离函数值,根据其正负判定异常与否.并且,选择了合适的滑动窗口,在保证异常检测准确率的同时,缩短 LSTM 神经网络的训练时长.通过仿真实验,验证了该异常检测模型的可行性和有效性.

Select

融合正弦余弦和变异选择的蝗虫优化算法

林杰,何庆

2021, 42(4): 706-713.

摘要 ( ) PDF全文 ( )

可视化

针对蝗虫优化算法(GOA)全局寻优能力不足,易陷入局部最优、寻优精度较低等问题,提出融合正弦余弦和变异选择的蝗虫优化算法(SC-MGOA).首先,在位置更新处根据转换概率选择不同的位置更新方式来增加种群的多样性,同时弥补GOA算法全局搜索能力不足的缺陷;其次,为更好的协调算法的全局探索和局部开发,对引入的正弦余弦机制进行改进;最后,在一定概率下针对最优解进行变异,并利用贪婪法则择优保留,使算法能够跳出局部最优,提高算法的收敛精度.选取10个测试函数进行3组测试,结果表明了不同改进策略的有效性,还证明了SC-MGOA算法相对于其他比较算法在寻优精度、寻优速度和鲁棒性等方面的优越性.

Select

Bert在微博短文本情感分类中的应用与优化

宋明,刘彦隆

2021, 42(4): 714-718.

摘要 ( ) PDF全文 ( )

可视化

微博短文本是一种典型的用户生成数据(user generate data),蕴含了丰富的用户情感信息,微博短文本情感分类在舆情分析等众多应用中具有较强的实用价值.微博短文本具有简洁不规范、话题性强等特征,现有研究表明基于有监督的深度学习模型能够显著提升分类效果.本文针对广播电视领域微博文本展开情感分类研究,实验对比了多种文本分类模型,结果表明基于Bert的情感分类方法准确率最高.深入分析实验结果发现,Bert模型对于困难样本的分类错误率较高,为此本文引入Focal Loss作为Bert模型的损失函数,提出一种基于Bert与Focal Loss的微博短文本情感分类方法(简称为Bert-FL方法),使得Bert模型能够更容易学习到困难样本的类别边界信息,实验表明Bert-FL方法的分类准确率绝对提升了0.8%,同时对困难样本的分类准确率也有显著提升.

Select

混合粒度多视图新闻数据聚类方法

代劲,胡艳

2021, 42(4): 719-724.

摘要 ( ) PDF全文 ( )

可视化

网络新闻内容除了直接的文本信息之外,通常还使用高度语义概括后的标签信息对新闻中出现的图片、音视频等多媒体信息进行描述,使得新闻内容中出现了不同语义层次、不同粒度的内容概念(直接的文本特征与标签特征)描述.文本特征维度通常较高,导致特征数较少的视图在聚类中的作用被弱化.同时,各个视图对聚类簇结构的贡献程度不一样.针对以上两个问题,本文首先在每个单独的视图上,进行混合粒度的统一操作(针对不同粒度进行统一的标签生成处理);在此基础上,借助信息熵良好的不确定性表示特性,对不同的视图进行加权融合,最后进行聚类操作.不同数据集的仿真实验证明了本文所提方法的有效性和可行性.

Select

无信号交叉口车辆调度方法研究

侯运锋,龚朝晖

2021, 42(4): 725-731.

摘要 ( ) PDF全文 ( )

可视化

随着车辆数量的快速增加,交通拥堵问题变得日益严重.如何引导车辆安全高效地通过交叉路口已经受到了学界的广泛关注.已有的控制方法主要是在线优化信号灯的相位配比.然而相位之间的频繁切换会导致信号周期中黄灯时间占比的增加,进而降低交叉口的车辆放行能力.本文提出了一种基于车路协同的无信号交叉口资源调度模型,该模型将交叉口划分为互不相交的物理空间路权资源,并描述了各个路权资源之间的相互协同关系,进而将无信号交叉口交通控制问题转换为有限资源调度问题.在此基础上,构建最大化交叉口通行效率的目标函数,并求解车辆的最优通行序列.实验结果表明：较传统有信号交叉口控制方法,无信号控制方法有效减少了车辆的排队长度,提高了交叉口的车辆吞吐能力.

Select

搜索空间自适应量子搜索算法

谢旭明,段隆振,邱桃荣,康小丽

2021, 42(4): 732-735.

摘要 ( ) PDF全文 ( )

可视化

量子搜索算法,相较于经典计算有着平方根的加速,在许多机器学习算法中都有广泛应用,如量子KNN算法、量子特征提取、量子主成分分析等.在目标分量占比较小的时候,量子搜索算法总能以较高的概率得到目标分量;然而,当目标分量占比较大时,量子搜索算法的成功概率急剧下降.为解决这个问题,本文拟提出一种搜索空间自适应的量子搜索算法.新算法依据目标分量占比的不同采用不同的策略：当目标分量占比为λ≥1/2,将搜索空间扩大为8N;当目标分量占比1/4≤λ＜1/2时,将搜索空间扩大为4N;当目标分量占比1/8≤λ＜1/4时,将搜索空间扩大为2N;当目标分量占比λ＜1/8时,保持搜索空间不变.通过理论分析,改进算法整体效率得到显著的改进,能够保持93%以上的成功概率.

Select

基于深度前编码卷积网络的汉越语音翻译方法

王剑,许树理,余正涛,王振晗,梁仁凤

2021, 42(4): 736-739.

摘要 ( ) PDF全文 ( )

可视化

语音翻译是将源语言语音翻译为目标语言文本的过程.传统序列到序列模型应用到语音翻译领域时,模型对于序列长度较为敏感,编码端特征提取和局部依赖建模压力较大.针对这一问题,本文基于Transformer网络构建语音翻译模型,使用深度卷积网络对音频频谱特征进行前编码处理,通过对音频序列进行下采样,对音频频谱中的时频信息进行局部依赖建模和深层特征提取,缓解编码器的建模压力,实现了汉越双语的语音到文本互译.实验结果表明,提出方法取得很好效果,相比基准系统获得了约19%的性能提升.

Select

融合知识图谱的网络安全违法行为识别系统

吕明琪,朱康钧,陈铁明

2021, 42(4): 740-747.

摘要 ( ) PDF全文 ( )

可视化

《网络安全法》是我国第一部关于网络安全的综合立法,与大众的互联网生活息息相关.因此,一款面向大众的《网络安全法》智能违法行为识别系统有助于规范互联网行为.然而,现有智能违法行为识别系统构建方法难以适应《网络安全法》,这是由于：首先,现有方法需要专业司法语言进行交互,不适应普通大众的语言体系.其次,现有方法需要大量的案例训练模型,不适应案例匮乏的《网络安全法》.针对这些问题,本文提出了一个面向《网络安全法》的智能违法行为识别系统.该系统主要利用知识图谱技术解决上述问题,在构建网络安全法知识图谱的基础上,通过将普通用户的自然语言与知识图谱中的违法事件实体和违法主体实体进行实体链接的方式获得更强的特征,提高违法行为识别系统在训练集较为匮乏的条件下的准确度.通过在真实数据集上的实验,表明了提出的系统的准确度有明显提高.

Select

一种改进的粒子群微学习单元特征选择算法

冯耀武,张月琴,陈健

2021, 42(4): 748-754.

摘要 ( ) PDF全文 ( )

可视化

微学习单元是微学习过程里的基本学习单位,具有高维性.提取微学习单元适合的特征,保留有代表性的特征,有助于降低冗余,是提高微学习聚类精度的重要方法之一.为获得适合的微学习单元特征、降低计算复杂度,并确保聚类准确性,本研究提出一种改进的骨干粒子群无监督特征选择算法用于选择微学习单元的特征.该方法用互信息构造适应度函数,并采用适应性突变概率策略,以提高算法收敛速度和计算精度.实验表明,该方法有助于提取适合的微学习单元特征,且所提取的特征能够提高微学习单元聚类的准确性.

Select

基于孪生区域候选网络的目标跟踪模型

王冠,耿明洋,马勃檀,高逸伦,宫俊

2021, 42(4): 755-760.

摘要 ( ) PDF全文 ( )

可视化

为了解决被跟踪目标因尺度、形状变化导致的跟踪效果变差的问题,本文提出一种基于孪生区域候选网络的目标跟踪模型,对孪生区域候选网络(SiamRPN)优化,升级特征提取基准网络,采取多层特征融合模式,引入注意力机制模块增强位置特性和通道特性,并应用检测领域提出的GA-RPN替换原有的RPN(区域候选网络).OTB2015和VOT2018数据集的实验结果显示,本文模型对OTB2015数据集成功率为0.678,准确率为0.882,与SiamRPN相比分别提高了3.7%,6.2%;对VOT2018数据集检测帧率为31FPS,平均重叠期望为0.402,与SiamRPN相比提高了4.9％,测试结果表明本文模型具备较高的跟踪精度和较强的抗干扰性,满足实时性需求.

Select

基于注意力机制融合多阶邻域信息的网络表示学习模型

陈斌,李金龙

2021, 42(4): 761-765.

摘要 ( ) PDF全文 ( )

可视化

近年来,图神经网络(Graph Neural Networks,GNNs)在网络表示学习领域中发挥着越来越重要的作用.然而,大多数现有的GNNs在每一层中只考虑节点的直接相连的(1阶)邻居,忽略了高阶邻域信息.在节点表示学习过程中引入高阶拓扑知识是一个关键问题.本文中,我们提出了多邻域注意力图卷积网络(Multi-neighboring Attention Graph Convolutional Networks,MAGCN).首先基于注意力机制使用多个邻域掩码从节点的不同阶邻居中学习多个节点表示,然后使用动态路由算法自适应地确定这些表示对最终节点表示的贡献,以聚合成最终的节点表示.在Cora、Citeseer 和Pubmed 3个引文网络数据集上的节点分类实验表明,MAGCN比目前较先进的网络表示学习模型有更高的分类准确率.

Select

稠密特征编码的遥感场景分类算法

李国祥,马文斌,王继军,

2021, 42(4): 766-772.

摘要 ( ) PDF全文 ( )

可视化

针对遥感影像快速有效的场景分类,提出了一种低维度稠密特征编码的场景分类算法.首先提取遥感图像不同尺度下的稠密特征,利用Hellinger kernel对原始特征进行映射变换形成新的特征空间,采用主成分分析对新的特征降维并进行Fisher编码量化,进而实现遥感图像的低维度稠密特征表达,最后在线性支持向量机中完成遥感影像的场景分类.所提出的算法分别在UC Merced、WHU和NWPU-RESISC45公开数据集进行了验证.实验结果表明,作为一种改进的中层语义特征表达算法,相比于传统中低层语义特征,分类准确度得到大幅度提高,相比于深度学习算法,所提算法能够有效兼顾计算复杂度和分类准确率,实现不同指标间良好的平衡,满足遥感场景分类的实用性要求.

Select

基于边缘块的线段提取方法

申超胜,张敬峰,林靖宇

2021, 42(4): 773-778.

摘要 ( ) PDF全文 ( )

可视化

为了解决传统直线提取算法中由于梯度信息孤立而造成检测效果不理想的问题,本文提出结合边缘块的连通域信息进行边缘连接的直线提取方法.首先提取图像边缘图,利用边缘点的连通域,建立边缘点标注模型,进行边缘块搜索.然后用邻接矩阵统计边缘块之间的位置信息,采用深度优先搜素算法,得到初始路径.最后利用直线的几何特征作为路径筛选条件,完成图像直线特征检测.通过理论分析与实验研究表明,该算法可以有效地完成各类场景中的直线特征提取.

Select

利用空间结构信息的三维点云模型分类

张溯,杨军

2021, 42(4): 779-784.

摘要 ( ) PDF全文 ( )

可视化

现有的三维点云模型分类方法未考虑模型本身的空间结构信息,忽略了模型上点与点之间的相互关系.为此,提出一种能够提取模型空间结构信息的转换网络,实现三维点云模型的分类.首先对三维模型采样分组,得到其球形邻域,计算每个邻域内点的浅层特征,同时使用转换网络将邻域的空间结构信息转换为特征权重,并通过特征映射将特征权重和浅层特征输出为具有该邻域空间结构信息的高维特征.然后聚合各个邻域的高维特征得到模型的全局特征,并通过多个尺度逐层迭代输出分类结果.实验结果表明,在ModelNet40上的分类准确率达到92.8%,高于目前的主流算法.

Select

混合高斯模型结合五帧差分的运动目标检测

徐武,唐文权,郭兴,文聪

2021, 42(4): 785-790.

摘要 ( ) PDF全文 ( )

可视化

在复杂背景下,光照变化、目标短暂遮挡以及背景运动等因素会导致运动目标检测精度较低.提出一种结合改进混合高斯模型和改进五帧差分的运动目标检测算法,首先在混合高斯模型中加入自适应学习率以及背景学习速率更新策略有效解决传统背景更新速率恒定而出现的残影现象;然后利用改进的五帧差分法克服运动目标短暂遮挡问题,并加入光照阈值判别因素,有效减弱光照变化带来的影响;最后对两者结果进行或运算进而得到最终检测结果.实验结果表明,该融合算法在复杂环境下具有一定的抗干扰能力,运动目标检测精度较高.

Select

基于U-Net融合的保留纹理的图像去噪方法

陈钧荣,林涵阳,陈羽中

2021, 42(4): 791-797.

摘要 ( ) PDF全文 ( )

可视化

图像的噪声阻碍了高级视觉任务对图像的理解,且去除图像的噪声是一个具有挑战性的任务.现有的基于卷积神经网络的图像去噪方法在去除噪声的同时,对图像纹理会引入一定程度的破坏,导致去噪后图像无法保留图像的纹理.为了解决这个问题,本文提出一种用二分支U-Net网络来融合特征和保留纹理的图像去噪方法.首先选取一种去噪方法的两个不同去噪参数的预训练模型分别得到同一张噪声图像的不同去噪结果,其中一个结果中去噪效果比纹理保留效果好,另一个结果中纹理保留比去噪效果好.然后将这两个去噪图像作为卷积神经网络的输入,利用两个编码器分别提取图像的特征,并同时放入融合模块融合图像的特征,最后利用解码器重建出无噪声图像.实验结果表明,与现有的方法相比本文的方法更有效,在去除噪声的同时能保留更多的图像纹理信息.

Select

一种改进的多尺度融合并行稠密残差去噪网络

王婕,罗静蕊,岳广德

2021, 42(4): 798-804.

摘要 ( ) PDF全文 ( )

可视化

卷积神经网络在图像去噪方面取得了很好的效果,但是传统的压缩-解压缩结构的神经网络会不可避免地损坏原始图像信息.为了更有效地去除图像中的噪声,本文提出一种改进的多尺度特征融合并行稠密残差去噪神经网络框架,旨在更好地恢复图像边缘和纹理信息.首先使用并行网络结构以结合不同深度的图像信息,每个分支由一些残差稠密块构成,在此基础上加入残差块之间的远程跳跃连接以克服网络训练过程中出现的梯度消失和梯度弥散问题并提高网络训练性能.另外,在结合图像浅层信息与深层信息的基础上,在每个网络分支内部加入多尺度特征融合模块以获取不同深度下的多尺度图像特征信息.最后,采用残差学习的方式进一步提高网络性能.对比试验表明,本文方法在不同噪声强度下均取得了良好的效果,证明了所提出网络能够在抑制噪声的同时有效地保留原始图像的边缘和纹理信息.

Select

面部表情的深度卷积级联森林识别

何宏,陈叔达

2021, 42(4): 805-809.

摘要 ( ) PDF全文 ( )

可视化

面部表情识别广泛应用于各种研究领域,针对面部表情识别使用深度神经网络方法结构复杂、可解释性差和传统机器学习方法特征提取缺乏多样性、识别率低的问题.提出了一种新的深度卷积级联森林(Deep Convolution Cascade Forest,DCCF)方法用于人脸面部表情识别,该方法通过卷积神经网络深度学习人脸面部显著特征,并采用基于随机森林的级联结构森林逐层学习识别出不同的面部表情特征,提高了人脸表情的识别准确率.DCCF在JAFFE、CK+和Fer2013 3个公开面部表情数据集进行了实验,并对面部表情提取的5种特征和7种分类方法进行了比较分析,结果显示DCCF在对比的算法中人脸表情识别性能最好,3个数据集的准确率分别达到 91.4%,98.7%,71.6%.

Select

G-SVD:一种基于高斯卷积和SVD的暗通道去雾算法

王诗毅,姚信威,姚远

2021, 42(4): 810-815.

摘要 ( ) PDF全文 ( )

可视化

由于传统的暗通道去雾算法的结果存在块状效应,影响图像可视性,且该算法难以处理浓雾图像,提出了一种基于高斯卷积和奇异值分解(Singular Value Decomposition)的暗通道去雾算法：G-SVD.首先将整个图像拆分为RGB 3个通道,再使用高斯卷积按照滑动窗口法预估每一通道单个像素点的大气环境光;再对比3个通道的环境光大小,选取最小值为该像素点的大气环境光;同时引入偏差系数作为辅助参数,以增加去雾图像能见度;最后将图像通过SVD去噪,提高图像质量.实验结果表明,本文算法有效地解决了现有去雾算法中存在的块状效应;此外,还从信息熵、峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)和结构相似性(Structural Similarity,SSIM)3个方面定量对比分析算法性能,验证了该算法的有效性和优越性;在避免图像畸变的同时,提升了浓雾图像的去雾效果.

Select

基于上下文感知与自适应响应融合的相关滤波跟踪算法

谢煜,黄俊,李旭

2021, 42(4): 816-822.

摘要 ( ) PDF全文 ( )

可视化

针对当前相关滤波跟踪算法在抗背景干扰、响应融合方式以及模型更新策略上的不足,提出一种基于上下文感知与自适应响应融合的相关滤波跟踪算法.通过引入上下文感知技术,提高算法在背景杂波及遮挡等跟踪场景下的鲁棒性;通过研究HOG特征和颜色直方图特征二者响应图和响应值的特点,提出一种自适应响应融合方法,提升融合响应图的可靠性;在模型更新方面,采用了高置信度模型更新策略来减轻传统模型更新策略中模型污染及跟踪漂移的问题.实验结果表明,本文算法在OTB50数据集上达到了74.7%的跟踪精度,跟踪成功率为54.8%,均优于对比的主流相关滤波跟踪算法,并且在背景杂波、光照变化、遮挡、运动模糊等复杂跟踪场景中具有较好的跟踪精度与鲁棒性.

Select

视觉位置识别中代表地点的标识牌算法

叶海峰,赵玉琛

2021, 42(4): 823-828.

摘要 ( ) PDF全文 ( )

可视化

针对视觉位置识别中因检索全局图片而带来大量的时间消耗情况,以及不同地点的视觉图像存在相似和同一地点从不同视角看起来会不尽相同而导致感知混淆的问题.本文提出一种基于显著性算法提取候选对象并生成代表地点的标识牌算法.该方法对在位置识别系统中每个地点其对应的视频序列段上的关键帧使用显著性算法,生成大量的视觉显著的候选对象,并用对这些候选对象有效计算其之间的评价函数,再使用层次聚类算法计算出每一段序列上具有代表性的对象,最后将这些对象组合成具有代表视频序列的标识牌.使用标识牌代表地点的方式,插入位置识别系统中搜索地点对应的大量图像集的前一个步骤中,以此来缩小搜索范围,避免感知混淆所带来的全局搜索不确定的困惑.

Select

核相关滤波与孪生网络相结合的目标跟踪算法

徐亮,张江,张晶,杨亚琦

2021, 42(4): 829-834.

摘要 ( ) PDF全文 ( )

可视化

针对核相关滤波目标跟踪算法中对局部上下文区域图像提取的HOG特征图在复杂环境下不能保证目标跟踪的精度问题,提出了一种核相关滤波与孪生网络相结合的目标跟踪算法.首先在首帧输入图像中提取HOG特征图并建立相关滤波器模板,同时提取经过孪生网络的目标区域图像特征图;然后若后续帧输入图像帧数不为5的倍数则提取仿射变换HOG特征图,否则提取经过孪生网络的搜索区域图像特征图;最后根据遮挡处理的结果自适应获取目标位置并更新模型和最终相关滤波器模板.仿真实验结果表明本文算法在保证目标跟踪精度的前提下具有满足实时跟踪要求的跟踪速率.

Select

动态权重层次卷积特征自适应目标追踪算法

杜丰,王万良,李思远,张智,刘子瑜

2021, 42(4): 835-841.

摘要 ( ) PDF全文 ( )

可视化

为改进追踪算法在目标快速运动或被遮挡等情况下的性能,对目标追踪中普遍采用的相关滤波算法框架进行了研究,基于核相关滤波器(KCF)提出一种层次化提取卷积神经网络特征并自适应赋予动态权重的目标追踪算法.通过提取不同层次卷积神经网络特征,分别经过相关滤波器学习得到不同的KCF模板,结合特征层次和各滤波器稳定度、准确度赋予动态权重,以融合3个模板确定最终目标位置.实验采用OTB标准数据库,测试了新算法在遮挡、运动模糊、快速运动等干扰项下的整体性能,结果表明所提算法在整体上提高了追踪的性能及精度,可以灵活适应不同特征的场景,并且相较于经典KCF平均精确度提高了35.4%,平均成功率提高了33.6%.

Select

结合卷积变换与细节优化的图像去雾算法

王伟鹏,项文杰

2021, 42(4): 842-846.

摘要 ( ) PDF全文 ( )

可视化

为了解决由于雾霾天气影响而导致采集的图像存在视见度低和细节可见性不足的问题,提出一种结合卷积变换与细节优化的图像去雾算法.首先,将大气光幕的初始估计定义为高维流形信号,利用空间域的等距变换思想实现降维,经归一化卷积提取精确的大气光幕值.接着,融合形态学运算和最大通道实现浓雾区域的检测,从而获得准确的大气亮度.最后,通过大气散射模型对雾天图像进行还原,并采用分段线性映射图进行细节和亮度的优化提升.理论分析和实验结果表明：复原图像的细节特征得到优化,保真度和整体亮度得到提升,相比于当前主流的算法,平均梯度提高了50.89%,信息熵提高了6.44%.该算法能有效消除图像中的雾气,所获得的视觉效果真实自然,基本能够满足对视见度和细节的要求.

Select

DSP处理器上的高效串匹配实现

叶鸿,顾乃杰,林传文

2021, 42(4): 847-852.

摘要 ( ) PDF全文 ( )

可视化

字符串匹配是生物识别、入侵检测的基础,也是大数据互联网时代的研究热点.随着现代信息技术的发展,日常工作生活中移动及手持小型化设备的使用越发普遍.这些设备的应用场景中包含大量有关串匹配的需求,如人脸识别、实时数据查询等.串匹配算法的实时和准确性决定了使用场景的范围,因此在DSP处理器等移动小型化设备的嵌入式处理器上实现高效串匹配算法的问题变得十分迫切.该文针对DSP处理器因缺乏逻辑判断与跳转指令,难以支持高效串匹配运算的问题,提出了一种基于DSP平台特点的改进串匹配算法.该算法采用位并行的思路,在DSP处理器上实现了串匹配算法的并行化.同时通过前序启动、基于VLIW的数学运算替代逻辑判断、Q-grams等优化手段,提高该算法对于DSP平台的适应性与执行效率,最终实现了一种基于HXDSP的高效串匹配算法VBNDM2.实验结果表明,本算法针对DSP平台,有效地提高了串匹配的效率,实现了算法的高效并行化.

Select

利用主轴因子法的严重性代码异味相关性分析

张生栋,吴海涛,高建华

2021, 42(4): 853-860.

摘要 ( ) PDF全文 ( )

可视化

代码异味的存在对源代码的可理解性和可维护性有着糟糕的负面影响.通常情况下,研究人员更多是考虑单一代码异味对源代码的影响,但有研究指出,多种代码异味的共同存在以及它们之间的交互往往比单一代码异味有着更严重的负面影响.本文针对主成分分析在布尔类型变量分析中容易产生难以解释的主成分的弊端,提出了一种基于主轴因子法及异味严重性的代码异味相关性分析方法,并在92个系统上对14种代码异味进行试验,从中提取了6个因子,在相关矩阵中新发现了{Extensive Coupling、Long Parameter List}代码异味对的存在.最后本文比较分析了具有严重性标签的代码异味数据集的优势,解释了每个因子的含义并进行分类命名.

Select

多层分类器模型的相似人体活动识别

李辉,李瑞祥,张耀威,乐燕芬,施伟斌

2021, 42(4): 861-867.

摘要 ( ) PDF全文 ( )

可视化

针对基于单传感器活动识别中相似活动易混淆的问题,本文提出了一种基于广义判别分析的多层分类器融合的相似人体活动识别算法.首先提取基于单加速度计的多类活动数据的时域特征、频域特征以及时频特征,对不同特征进行特征分析与重要性评估以确定有效的特征维度.使用随机森林(RF,Random forest)算法对活动特征进行第1层分类,然后根据分类混淆矩阵分析相似活动,由广义判别分析算法提取相似人体活动的映射特征,使用支持向量机(SVM,Support vector machine)算法对相似活动进行第2层分类,最后将相似活动的双层分类器识别概率加权融合得到最终识别结果.为了验证该识别算法,在公开的数据集SCUT-NAA上执行,识别算法对相似活动识别的正确率达到97.2%,提高了基于该数据集研究的正确率.

Select

基于EKM-AE模型的无监督主机入侵检测方法

柴亚闯,杨文忠,张志豪,胡知权,杜慧祥,钱芸芸

2021, 42(4): 868-874.

摘要 ( ) PDF全文 ( )

可视化

针对深度学习方法运用于入侵检测时需要大量标注数据集和难以实时检测的缺陷,利用网络流量中正常数据多于异常数据的一般规律,提出一种结合集成K-means聚类和自编码器的EKM-AE(ensemble K-means and autoencoder)入侵检测方法.首先通过集成K-means聚类从实时抓取的网络流量中得出正常样例,用于训练自编码器,然后由完成训练的自编码器执行入侵检测.在虚拟局域网主机环境下进行了入侵检测实验,结果表明,在绝大多数实际应用场景(正常流量多于异常流量)下该方法具有良好的检测性能,且具有全过程无监督、可实时在线检测的优点,对主机网络安全有良好的提升作用.

Select

利用改进灰狼算法优化BP神经网络的入侵检测

王振东,刘尧迪,胡中栋,李大海,王俊岭

2021, 42(4): 875-884.

摘要 ( ) PDF全文 ( )

可视化

神经网络技术被广泛应用于网络安全领域,在入侵检测中能够实现网络攻击的主动检测和攻击分类.然而随着恶意攻击的不断演化,神经网络技术存在的弊端日益显现.针对BP神经网络在入侵检测过程中存在的初始值随机性较大以及易陷入局部最优的问题,本文提出一种改进灰狼算法优化BP神经网络的入侵检测模型(IGWO-BP).首先,使用混沌映射初始化种群、设计非线性收敛因子以及动态权重策略对传统灰狼算法进行改进,并以此优化BP神经网络的初始权值和阈值,并运用改进BP神经网络对网络安全数据集进行实际检测.实验结果表明,IGWO-BP模型在NSL-KDD和UNSW-NB15数据集上取得了较优的检测结果,与其它现有模型相比性能也有较大提升.

Select

下一代WLAN分组目标唤醒时间调度改进方案

陈清华,邵剑集,翁正秋

2021, 42(4): 885-890.

摘要 ( ) PDF全文 ( )

可视化

密集WLAN(Wireless Local Area Network,无线局域网)中,大规模站点同时接入信道引起激烈竞争,从而导致网络性能急剧下滑.IEEE工作组着手研发下一代WLAN标准IEEE 802.11ax,该标准结合基于正交频分复用多址技术提出了上行多用户随机接入和广播目标唤醒时间(Target Wake Time,TWT)机制.为降低碰撞和减轻干扰,进一步提高吞吐率和能效,本文结合广播TWT机制提出了一种基于网络密度的改进分组信道接入方案.该方案在原有广播TWT调度方法的基础上,依据网络密度选择不同的休眠决策策略;通过将站点分配在不同TWT服务期来控制同时服务站点数并确定站点分组,在TWT服务期内达到最大化吞吐率的目标,实现高效的信道接入.仿真结果分析表明所提策略具有更高的吞吐率和能效.

Select

图卷积神经网络基础图结构影响研究

李社蕾,周波,杨博雄,刘小飞

2021, 42(4): 891-896.

摘要 ( ) PDF全文 ( )

可视化

为进一步提高基于图卷积神经网络的半监督图节点分类的准确率,本文研究了基础图结构对图卷积神经网络的影响.通过对数据集(Cora、Citeseer及Pubmed)的图结构进行可视化,发现数据集(Cora、Citeseer)的图结构均为非连通图.通过研究非连通图中图拉普拉斯矩阵的“0”特征值和特征向量的特性,提出了通过对图拉普拉斯矩阵的“0”特征值对应的特征向量进行相关运算处理,获取非连通图最大连通分量的方法.该方法有效获取了数据集(Cora、Citeseer)图结构的最大连通分量,去除了非连通小分量.在该最大连通分量上利用3种先进的图卷积神经网络模型(GCN、GAT和GMNN)进行了实验验证,结果表明分类准确率提升了1%-4%,为其它包含小连通分量噪声的数据集更有效地利用图卷积神经网络模型训练提供了参考.

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