小型微型计算机系统

Select

胡衍坤,王宁,刘枢,姜秋俚,张楠

2021, 42(8): 1569-1573.

摘要 ( ) PDF全文 ( )

可视化

针对传统河流水质预测模型预测精度较低，泛化能力弱的问题.本文在基于传统的时间序列模型进行水质预测的基础上，引入了LSTM神经网络，建立了ARIMA和LSTM组合模型以及SARIMA和LSTM组合模型用于河流水质预测的研究.结果表明，ARIMA和LSTM组合模型的预测精度比单一的ARIMA模型提高了约7%，SARIM和LSTM组合模型比单一的SARIMA模型的预测精度提高了约6%，比ARIMA和LSTM组合模型的预测精度提高了约2%.本文建立的组合模型算法,使得河流水质预测精度得到明显的提高，并且能够较好的应对复杂河流水环境的变化.

Select

活动社交网络中活动推荐方法总结与展望

赵海燕,孙俊松,陈庆奎,曹健

2021, 42(8): 1574-1583.

摘要 ( ) PDF全文 ( )

可视化

活动社交网络是一种新型的社交网络,用户通过线上社交的方式,组织并参与线上、线下活动.如何快速准确地向用户进行活动推荐,解决其中严重的冷启动问题是如今主要的研究方向.因此需要考虑线上和线下异构的社交关系的影响,本文分析了活动与物品之间的异同性,阐明活动推荐时间短反馈少等特性.同时通过推荐方法角度对现有的研究做了归纳与分类,其中主要包括基于协同过滤、基于图、基于上下文感知等方法.最后,总结了深度学习在活动推荐中的引用以及优势.本文对这些算法特点进行总结,并提出了对未来研究方向的展望.

Select

邻域互信息熵的混合型数据决策代价属性约简

熊菊霞,吴尽昭,王秋红

2021, 42(8): 1584-1590.

摘要 ( ) PDF全文 ( )

可视化

决策粗糙集模型是当前粗糙集理论的研究热点.然而目前决策粗糙集中的属性约简大多基于决策代价视角而构建，为了同时兼顾约简结果的决策代价和分类精度，本文通过融合属性子集的分类性能，在混合型信息系统下提出一种邻域互信息熵的决策代价属性约简算法.文中首先在混合型信息系统下提出邻域信息熵、邻域联合熵和邻域条件熵，并进一步地推导出了邻域互信息熵和邻域条件互信息熵;然后将邻域互信息熵理论融入邻域决策粗糙集的决策代价属性约简中，提出一种邻域互信息熵的混合型数据决策代价属性约简算法，该属性约简选择出的属性子集可同时兼顾决策代价和分类性能，并降低了属性约简结果的冗余程度;最后通过仿真实验证明了所提出算法的有效性和优越性.

Select

基于异质信息网络表示学习的引文推荐方法

段震,余豪,赵姝,陈洁,张燕平

2021, 42(8): 1591-1597.

摘要 ( ) PDF全文 ( )

可视化

引文推荐旨在根据指定查询信息从海量数据中挖掘出与之最相关的若干文献，是一件有重要意义且极具挑战性的工作.引文推荐不但与文献的内容相关，文献间的引文关系、文献和出版社关系、文献和作者关系等，在引文推荐中也起重要作用.本文提出一种基于异质信息网络表示学习的引文推荐算法.首先，利用文献的内容信息，以及文献中的不同类型节点之间的相互关系构建异质信息网络;接着，对每个论文节点进行采样，对其先后进行元路径游走和随机游走，生成混合随机游走序列;最后，使用skip-gram模型获得节点的嵌入向量，计算相似性获得相应的文献推荐列表.在两个真实引文网络数据集上的实验结果表明，本文的方法在推荐效果上面优于已有的算法.

Select

一种使用注意力双向异构LSTM的治疗引擎

黄兆孟,徐旭,张立言

2021, 42(8): 1598-1603.

摘要 ( ) PDF全文 ( )

可视化

近年来，通过挖掘电子病历系统中的大量数据和知识来辅助临床治疗从而改善医疗质量的方法受到了广泛的关注.治疗引擎可以帮助医生制定出合适的治疗方案，其通过对病患的历史住院信息建模来预测病人下一个疗程的治疗药物处方.然而，数据的时间性和多模态特性为治疗引擎的预测结果的有效性带来了挑战.为了应对上述挑战，本文提出了一种基于注意力的双向异构LSTM的治疗引擎.该方法提出一个端到端的神经网络，通过双向的异构LSTM结构全面地保留了全局的时间和多模态数据信息.在双向异构LSTM的基础上建立了双向的注意机制使治疗引擎关注全局的时间信息，最后经过全连接层预测下一疗程治疗药物处方.特别的是，该模型同时关注到了数据的时间性和多模态性，具有高的鲁棒性和高预测性能.在一个大型的真实的重症医疗数据集MIMIC-III上进行了测试，验证了该治疗引擎的有效性.实验结果表明，与最先进的方法相比，该方法具有优越性.

Select

一种基于证据推理规则的集成学习方法

朱海龙,徐聪,曲媛媛,贺维,杨文佳

2021, 42(8): 1604-1609.

摘要 ( ) PDF全文 ( )

可视化

集成学习作为提高分类器泛化能力的一类方法，经常被用于深度学习领域提升模型效果.然而，目前的集成学习方法在结合策略方面多采用表决融合，难以从分类器内挖掘有效信息，难以有效体现各分类器之间的联系.针对上述问题，本文提出一种基于证据推理（Evidence reasoning，ER）规则的集成学习方法.首先，从人类对事物认知过程的角度对集成学习过程进行描述，进而以ER规则作为结合策略构建集成学习模型，并给出模型权重与可靠度的计算方法，最后将该模型与采用其它结合策略的集成学习模型进行比较，验证了模型的有效性.该方法在实际运用中具有良好的泛化性能，在多种分类任务中均可以取得良好的效果.

Select

知识图谱研究综述及其在风险管理领域应用

杨波,杨美芳

2021, 42(8): 1610-1618.

摘要 ( ) PDF全文 ( )

可视化

知识图谱能够将风险管理领域大数据资源组织为结构化的知识系统，并融合深度学习技术推动风险管理智能化的发展.将知识图谱应用于风险管理领域，研究如何整合多源异构数据，构建满足风险领域特定需求的知识图谱，以提升风险管理能力，成为风险管理领域知识图谱研究的主要任务.文章首先概括了风险管理领域知识图谱体系框架，然后从知识表示、知识抽取、知识融合与知识推理等方面归纳风险管理领域知识图谱构建技术的现状，最后总结知识图谱在风险识别、预警及防控等方面的应用进展，并分析知识图谱在风险管理领域应用的未来发展趋势.已有风险管理领域研究的数据源单一且研究角度片面，未考虑风险管理领域知识组织以及领域大数据间蕴含的知识价值等问题;风险管理领域知识图谱研究也仅限于解决静态风险管理问题.未来需要将时间信息引入风险管理领域知识图谱，并融合深度学习技术，实现更贴合风险管理需求的智能化知识服务模型.

Select

情景感知的服务需求动态预测方法研究

丰凯,刘志中,宋成,张丽

2021, 42(8): 1619-1626.

摘要 ( ) PDF全文 ( )

可视化

服务需求预测是实现主动服务推荐的重要基础.如何实现用户服务需求的动态预测已经成为智能服务领域亟需解决的关键问题之一.针对这一问题，本文构建了一种注意力机制增强的深度交互神经网络模型（Attention Mechanism Enhanced Deep Interaction Network，AMEDIN），并基于AMEDIN提出了一种情景感知的服务需求动态预测方法.该方法首先通过AMEDIN模型的交互单元，自适应地捕获不同场景和服务需求之间的交互关系，从而显式的建模不同场景对服务需求的影响;之后，合并场景特征、交互关系以及服务需求特征，基于注意力机制获取不同场景对服务需求的影响权重;最后，基于用户特征、加权的场景特征和服务需求特征训练AMEDIN模型，并基于训练好的AMEDIN模型实现情景感知的服务需求动态预测.基于Movielens和Alibaba提供的真实数据集进行了大量的实验，实验结果表明本文所提出的方法是可行的与有效的.

Select

一种改进鲸鱼算法及其在短时交通流预测中的应用研究

胡松,成卫,李艾

2021, 42(8): 1627-1632.

摘要 ( ) PDF全文 ( )

可视化

短时交通流预测在现代城市交通中有着重要的作用，可以帮助智能交通系统提供决策，提升人们的出行效率，这就使得提高短时交通流预测的精度成了当前研究的热点问题，本文通过引入自适应权重策略和天牛须搜索策略对鲸鱼优化算法做出改进，使用函数仿真实验证明了改进策略的有效性，然后将改进后的算法来优化最小二乘支持向量机（LSSVM）的惩罚因子和核函数参数并构建短时交通流量预测模型进行预测.通过仿真结果可以看出，对比其他模型，本文构建的ABOA-LSSVM模型在短时交通流预测方面具有优势，非常适合于交通流量预测.

Select

多重注意力特征融合网络对中文评价情感分析

王勇,张索宇,吕心怡

2021, 42(8): 1633-1638.

摘要 ( ) PDF全文 ( )

可视化

针对目前中文评价情感分析对深层情感语义信息关注较少的问题，提出一种多重注意力的特征融合神经网络模型简称MTA-CBG（Multi-Attention Convolution-BiGRU）.传统词向量不能有效解决一词多义的情况，本文构建了自注意力（Self-Attention）词向量矩阵模型，获取词语间的关联特征.通过多尺度宽卷积结构（Multi-scale Wide Convolution，MWC）全面地提取局部特征.将两种不同粒度的特征融合后输入双向门限循环单元（Bidirectional Gated Reccurrent Unit，BiGRU）学习序列化特征，在解决长距离依赖问题的同时获取更广泛的文本特征.最后输入改进的高速注意力层（Attention-Highway）构建句子级的关联，提取深层情感语义特征.通过多组对比实验证明本文所提方法能有效提高中文评价情感分析的准确率和F1值.

Select

一种面向领域自然语言需求的形式化需求模型生成方法研究

胡建成,胡军,汪文轩,康介祥,王辉,高忠杰

2021, 42(8): 1639-1648.

摘要 ( ) PDF全文 ( )

可视化

构造一个满足完整性、一致性且组织良好的需求制品是提高安全关键软件质量的重要方法.本文工作面向机载软件领域，设计一种从自然语言描述的条目化需求到形式化需求模型生成的方法;工作包括：分析航电领域的需求描述特征，从该领域的自然语言描述的条目化需求入手，定义一套面向领域的自然语言需求模板，综合考虑所采用的形式化需求模型（VRM：Variable Relation Model）元素的语义，形成基于此模板的需求规范方法;然后给出从规范化后的需求条目集到VRM形式化模型的自动构造方法.最后选取了发动机指示和机组警告系统（EICAS：Engine Indicating and Crew Alerting System）进行实例需求建模及模型生成.

Select

融入用户隐式信任的协同过滤推荐算法

郎亚坤,王国中

2021, 42(8): 1649-1654.

摘要 ( ) PDF全文 ( )

可视化

为解决传统推荐系统中的数据稀疏、关联性差、冷启动等方面的问题，有学者提出将社交中的信任关系引入推荐系统形成社会化推荐机制.这在一定程度上提高了推荐精度，但是显式信任信息很难获取并且现有的信任信息非常稀疏.针对加入用户信任信息算法的不足之处，提出了融入用户隐式信任的协同过滤推荐算法模型FITrustSVD，该模型是在TrustSVD算法的基础上融入了用户的隐式信任，定义了隐式信任用以矫正用户间的信任信息，对用户的信任范围做了约束，改进相似度算法的计算公式，并在信任预测公式中加入了用户的信任偏置.实验表明改进后的模型在数据稀疏、冷启动的条件下具有较高的推荐精度.

Select

动态数据下的三支区间离散模型

章耀坤,于洪,胡峰

2021, 42(8): 1662-1667.

摘要 ( ) PDF全文 ( )

可视化

在数据挖掘领域中,数据离散化是将一组连续的数值属性转换为离散的标称属性值,并广泛在音频或视频等连续时间信号的预处理中得到应用.据文献考证,离散区间中的不确定性的空白区间被现有研究所忽略.此外,动态的增量数据将使离散区间更加复杂.针对增量数据下离散问题,本文提出了一种基于三支决策的自适应动态区间离散化方法.本文提出的三支离散化方法可以使离散区间的范围随数据的变化而自适应地变化,并提高了对新增量数据进行离散化的效果.利用本文定义的空白区间的概念,可有效提高新数据和原始数据之间融合的效果.实验结果表明,本文的方法对于处理增量式数据离散化问题具有较好的效果,且运行速度更快.

Select

分片Lorenz混沌轨道堆栈聚集变密度振荡搜索算法

林之博,刘媛华

2021, 42(8): 1668-1674.

摘要 ( ) PDF全文 ( )

可视化

混沌优化算法是一种可用于求解复杂连续函数极值的智能优化算法，相对经典优化算法如遗传、模拟退火、蚁群算法等具有更强的全局搜索能力.但现有混沌优化算法存在边缘游走现象，削弱了混沌优化算法的优势且求解能力有限.故首先改进设计了分片Lorenz混沌模型，通过仿真实验验证该模型具有优于Logistic系列混沌模型的搜索均匀度与鲁棒性;其次围绕该模型，利用优序堆栈产生修正解规避褶皱局部最优，并构造变密度振荡搜索法则，设计了一种新型混沌优化算法.通过多轮低、中等复杂连续函数的极值求解实验，证明了新算法能在更短时间内以满意概率找出复杂连续函数极值优化问题的全局最优解.该算法综合性能优于对比组算法，达到预期的要求.

Select

Wrapper特征选择下的序贯三支分类方法

张璐,刘盾,杨新

2021, 42(8): 1675-1682.

摘要 ( ) PDF全文 ( )

可视化

序贯三支决策是近年来发展起来的一种新兴粒计算模型，由于其在处理代价敏感问题上的明显优势，已被广泛的应用于诸多领域.为了降低传统静态分类器的分类成本，本文将序贯三支决策的思想引入分类过程中，利用“三分而治”的动态分类策略和多粒度的静态分类器对样本进行差异化处理，进一步考虑粒化过程中虑冗余属性和属性添加顺序对分类结果的影响，通过引入Wrapper特征选择框架对属性进行选择和排序，提出了Wrapper特征选择下的序贯三支分类方法(Wrapper with Sequential three-way classifier，WS3WC).最后，以两种经典分类器逻辑回归(LOG)和支持向量机(SVM)为例，对WS3WC进行实验验证.实验结果表明，WS3WC不但保持了良好的分类质量，而且能够大幅降低分类成本.

Select

基于簇内样本平均分类错误率的混合采样算法

熊炫睿,陈高升,熊炼,张媛,程占伟,付明凯

2021, 42(8): 1683-1687.

摘要 ( ) PDF全文 ( )

可视化

针对类别不平衡的数据分类效果差的问题，本文提出了一种基于簇内样本平均分类错误率的混合采样算法(SABER)，该算法首先对少数类使用SMOTE算法增加样本数量，然后添加各类别的部分样本至平衡样本集中，并用平衡样本集训练一个初始的分类器，然后进行多轮迭代，在每一轮迭代中执行：采用K-means算法对多数类剩余的还未用于训练分类器的样本进行聚类，根据分类器对各个簇的簇内样本平均分类错误率，提取出平均分类错误率最大的前几个簇各自的代表点，将其添加至平衡样本集中，同时不放回地随机提取与平衡样本集中新增的多数类样本数量基本相同的少数类样本，并将其添加至平衡样本集中，用平衡样本集重新训练分类器.实验结果表明，SABER算法可以提高对少数类样本的分类性能以及总体的分类性能.

Select

二维线性鉴别分析和协同表示的面部识别方法

林克正,邓旭,张玉伦

2021, 42(8): 1688-1693.

摘要 ( ) PDF全文 ( )

可视化

针对图像特征提取方法提取单一特征不能很好地表示图像的问题，提出了二维线性鉴别分析和协同表示的面部识别方法.该方法首先通过二维线性鉴别分析（Two-Dimensional Linear Discriminant Analysis,2DLDA）分别对训练样本的类间散布矩阵和类内散布矩阵提取特征，之后利用得到的特征重建图像，包括类间虚拟图像和类内虚拟图像.其次，将类间虚拟图像、类内虚拟图像和原始图像利用协同表示（Collaborative Representation,CR）算法进行得分.最后，采用加权得分融合算法将上述得分进行融合以获得最终得分，并利用最终得分进行图像识别.该方法不仅有效的抑制了光照和表情对面部识别的影响，同时根据获得的类间虚拟图像、类内虚拟图像与原始图像互补，有效的提高面部图像识别的性能.实验结果表明，该方法在不同的数据库下(ORL、AR、GT)具有较好的识别精度.

Select

融合BiFPN和改进Yolov3-tiny网络的航拍图像车辆检测方法

鲁博,瞿绍军,

2021, 42(8): 1694-1698.

摘要 ( ) PDF全文 ( )

可视化

航拍车辆检测能够从航拍图像中检测出车辆的位置和种类信息，可以为与车辆相关的应用问题提供重要信息支撑.为满足实际运用的要求，需要保证目标检测算法的速度与精度.通常精度较高的深度学习目标检测模型速度较慢，而速度优势明显的简单网络结构算法精度难以满足实际需求.针对这一需求与特性，提出了一种航拍图像车辆目标检测算法，在牺牲微量速度的情况下极大提升检测精度.选择 Yolov3-tiny的主干网作为主干网，同时引入BiFPN特征金字塔结构与主干网结合以增进多层次特征的融合，提出一种新的上采样结构，替换原有网络中的上采样结构. 在vedai数据集上进行实验，与Yolov3相比，每秒检测帧（fps）与检测精度（map）分别提升了73%、6%.与Yolov3-tiny相比，虽然fps下降了5%，帧数减少2帧，但map提升了 9.6%，与ssd、mobilenetv3、efficientnet相比，无论是检测精度还是检测速度都具有明显优势，提出方法的map达到了87.6%.本文所提出的Bi-Yolov3-tiny模型与上采样结构综合了轻量级网络和复杂结构网络的优点，使得航拍图像车辆检测的效果更加精准的同时也保持了较快的速度.

Select

几何折叠综述

栗菲旋,孙红岩,孙晓鹏,

2021, 42(8): 1699-1705.

摘要 ( ) PDF全文 ( )

可视化

近年来三维模型的几何折叠在工业设计、医疗器械、机器人运动和生物模拟的领域得到广泛应用，其核心基础理论已经成为计算机图形学的热门问题.本文整理分析了近年来几何折叠方向的经典算法，首先介绍了几何折叠在生物医疗、工业设计和机器人设计等3个领域的应用情况;然后根据折叠对象不同，将几何折叠问题分为杆折叠、平面折叠和三维折叠3类，并进一步将平面折叠分为折痕设计、切割和自折叠路径规划，分别总结论述其研究进展和算法思想.之后给出几何折叠算法的评价指标和典型折叠算法的对比分析;最后结合机器学习和自驱动材料等交叉学科，预测几何折叠今后的发展方向.

Select

医学图像配准的深度学习方法综述

莫晓盈,杨锋,尹梦晓,石华榜

2021, 42(8): 1706-1714.

摘要 ( ) PDF全文 ( )

可视化

图像配准指的是寻找两个或多个图像之间的映射关系，医学图像配准在疾病诊断、手术引导和疾病治疗跟踪等方面具有重要应用价值，如何精确、高效地配准医学图像已成为一个急需解决的课题.近些年来，基于深度学习的医学图像配准方法逐渐崭露头角，一定程度上克服了传统的配准方法上适用范围窄、计算速度不够快等瓶颈.本文将深入地介绍基于深度学习的医学图像配准现状和现存的配准方法技术.本文首先介绍3类基于深度学习的图像配准方法，包括监督变换估计、无监督变换估计和使用生成对抗网络的配准方法;然后在两个主流数据集上对一些常见的配准方法进行配准效果分析比较;最后对基于深度学习的医学图像配准发展趋势进行讨论.

Select

自定义模糊逻辑与GAN在图像高光处理中的研究

郭继峰,李星,庞志奇,沈家友,于鸣

2021, 42(8): 1715-1719.

摘要 ( ) PDF全文 ( )

可视化

本文提出一种新的关于图像高光修复的方法.使用模糊逻辑对图像高光区域进行划分定位，然后使用添加了扩张卷积的卷积神经网络对图像进行修复.在该方法中，为了保证图像补全区域与原图像的一致性，我们使用了全局判别器网络和局部判别器网络相结合的方式来区分真实图像和补全图像.全局鉴别器判断整个图像，以评估修复后图像从整体上观测是否是连贯的，而局部判别器只则判断在高光区域部分所生成的补丁图像，该模块确保生成图像在局部区域的一致性.两者相互结合以达到优化模型的作用，最后为了使生成图像部分与原图像的融合更加自然，再通过图像融合技术使生成部分与原图片进一步融合，使得修复效果更进一步.

Select

一种基于全局-局部联合二进制特征的快速闭环检测算法

刘洋洋,魏国亮,管启,王远

2021, 42(8): 1720-1726.

摘要 ( ) PDF全文 ( )

可视化

针对小型机器人视觉SLAM任务中对于精度和实时性的双重需求，本文提出了一种基于全局-局部联合二进制特征的快速闭环检测算法.首先，将查询图像统一为固定大小的正方形，利用局部差异二值算子（Local Difference Binary，LDB）分别提取正方形图像的全局特征和局部特征并进行存储，其中局部特征的关键点由增强的FAST算法提供.然后，针对大尺度场景数据库中全局特征暴力搜索时间过长的问题，引入基于汉明距离的增强局部敏感哈希算法（Locality Sensitive Hashing，LSH）以加快全局特征的搜索.其次，使用局部特征对全局特征匹配的结果进行检验，去伪存真，在保证高实时性的同时提高了检测的准确度.最后，为了验证算法的有效性，我们分别在New_College和City_Center数据集上进行了测试，结果表明，在保证检测准确率100%的前提下，召回率分别达到了73%和38%，完成一次闭环检测仅用时15ms.

Select

车联网中基于短期标识的Sybil攻击防御方法

张春花,马竟宵

2021, 42(8): 1727-1734.

摘要 ( ) PDF全文 ( )

可视化

针对车联网中基于伪造、冒用和滥用假名身份而伪造车辆的Sybil攻击，提出为每个车辆仅分配一个在特定区域内有效的短期标识（称为媒介访问码，Medium Access Code，MAC）的Sybil攻击抵御方法SISD（Short-term Identification based Sybil attack Defense）.该方法基于聚簇网络结构和椭圆曲线离散对数问题实现安全有效的两级MAC认证机制.车辆将持有通过认证的合法MACs的列表，继而，通过该列表可快速检查收到的安全消息，以高效地过滤通过伪造、冒用和滥用假名身份散布的安全消息.与现有Sybil攻击检测方法和典型车辆身份认证机制相比，在常规车载硬件配置条件下，该方案能更好地满足车联网安全应用在抵抗基于伪造、冒用和滥用假名身份的Sybil攻击方面的安全需求，且具有更优的计算时间开销、通信开销、通信延迟和丢包率.

Select

非正交多址系统中基于Raptor码的下行传输设计与优化

张昱,李昊,彭宏,卢为党

2021, 42(8): 1735-1740.

摘要 ( ) PDF全文 ( )

可视化

本文研究了块衰落信道下非正交多址系统（Non-orthogonal Multiple Access，NOMA）中基于Raptor码的两用户下行传输系统.基站将要发送给两用户的信息先分别进行Raptor码编码及调制，再将其按一定功率分配因子进行叠加后广播给两个用户.各用户选择采用串行干扰消除（Successive Interference Cancellation，SIC）或直接利用置信传播算法（Belief Propagation，BP）恢复所需信息.为了进一步提升系统性能，本文针对基站仅具有信道统计状态信息下，以最大化系统平均下行速率为目标，利用外信息（Extrinsic Information Transfer，EXIT）分析，联合优化了两用户的Raptor码度数分布以及基站叠加编码功率分配因子.本文所提出的优化方法不需要实时信道状态信息，因此可以减少系统反馈开销.仿真结果显示，本文提出的优化方法能够降低系统误码率（Bit Error Rate，BER）以及提升系统平均下行速率.

Select

融合UWB和IMU数据的新型室内定位算法

周军,魏国亮,田昕,王甘楠

2021, 42(8): 1741-1746.

摘要 ( ) PDF全文 ( )

可视化

针对室内定位中的非视距（Non-Line-of-Sight，NLOS）现象，提出一个新型算法进行识别，同时有效缓解其影响.主要通过超宽带（Ultra-Wideband，UWB）定位系统与惯性导航系统（Inertial Navigation System，INS）的信息修正非视距误差，获得较高的定位精度.首先，在离线阶段获得不同障碍物下的NLOS误差概率分布曲线;其次，利用惯性测量单元（Inertial Measurement Unit，IMU）的预测位置及NLOS误差概率曲线修正测量距离;最后，利用卡尔曼滤波（Kalman Filtering，KF）融合步行者航迹推算（Pedestrian Dead Reckoning，PDR）的INS位置和经过改进最小二乘法（Least Square，LS）处理后UWB定位系统的位置，并更新NLOS误差获得更准确的位置估计.通过仿真和实验证实了提出的定位算法可以有效缓解NLOS误差，提升定位性能，实现在NLOS影响下的高精度定位.

Select

一种面向OPC UA消息通信的多优先级动态调度算法的设计与实现

马跃,何雨婷,尹震宇,李明时,柴安颖

2021, 42(8): 1747-1752.

摘要 ( ) PDF全文 ( )

可视化

在工业4.0时代，OPC统一架构（OPC UA）在各种工业系统中的应用为数据的交互提供了基础技术支撑，具有关键性作用.工业数据在传输时需要考虑到差异化服务的问题，但目前现有的OPC UA通信模式无法满足上述要求，基于这个问题，本文研究了OPC UA消息发布机制，并提出了一种面向OPC UA消息通信的多优先级动态调度算法.在该算法中，不同时实性的消息利用最早时限优先主动队列管理算法进行调度和区分，通信上下文环境消息通过多级反馈队列调度算法进行调度，这两种方式共同用于OPC UA消息调度以改善服务质量.经实验证明，在差异化优先级消息的调度和处理上，利用该算法改进的OPC UA通信组件表现良好，并且在OPC UA服务器高负载的情况下，高实时性消息的响应的优先性和次数明显高于其他类型消息，其接收量达58.6%，服务质量相比改进前有了较大程度的提升.该算法在OPC UA通信栈中的应用可以满足OPC UA服务器在工业生产中的需求.

Select

基于QUIC的实时通信优化研究与应用

于波,李炫杉,王卫,徐福龙,

2021, 42(8): 1753-1757.

摘要 ( ) PDF全文 ( )

可视化

实时通信场景主要是在对等连接的情况下进行音视频文件的传输，需要有低时延、高带宽的网络环境.QUIC协议在传输层有着良好的表现，其快速、稳定、安全的特点使其有着广阔的应用前景，但直接将其应用在实时通信场景下也存在着一些缺点.本文通过分析实时通信技术、开源框架WebRTC和传输层协议QUIC的现状，针对QUIC应用在实时通信这一场景下优点和缺点，对QUIC协议进行了改进，使QUIC更适应实时通信场景，并对CUBIC拥塞控制算法进行自适应优化，最后将改进后的QUIC协议进行应用和验证.

Select

针对权益证明共识机制的攻击以及应对措施综述

刘亚,沈致远,赵逢禹

2021, 42(8): 1758-1768.

摘要 ( ) PDF全文 ( )

可视化

权益证明由于能源消耗小，成为替代工作量证明最有前景的共识机制之一，但其在安全性上仍存在诸多问题，容易受到长程攻击、无利害攻击等威胁.近些年来越来越多的系统开始采用权益证明共识机制，或将原来基于工作量证明共识机制系统修改为基于权益证明.为了更好地研究基于权益证明的区块链网络的安全问题，首先介绍了权益证明的基本概念以及其发展历程；其次研究了针对它的16种攻击，并根据它们的特性将其分为四类，并对每种攻击详细阐述了攻击原理和过程；最后介绍了现有的防御手段.此研究有助于针对基于权益证明的区块链网络安全地运用到实际系统中.

Select

802.11 ax下一代WLAN和LTE异构密集网络数据卸载方案

张闽,钱晨喜,陈清华

2021, 42(8): 1767-1775.

摘要 ( ) PDF全文 ( )

可视化

随着移动设备和无线应用爆炸式增长，蜂窝网络流量迅速增加，许可频段蜂窝网络容量难以满足用户日益增长的数据速率需求.WLAN（Wireless Local Area Network，无线局域网）与LTE（Long Term Evolution，长期演进）蜂窝异构网络中的数据卸载技术能有效缓解蜂窝无线访问的频谱资源紧缺问题.然而，现有LTE-WLAN数据卸载方案并未考虑密集部署问题，也未考虑基于IEEE 802.11ax协议的下一代高效WLAN针对密集部署提出的提速新技术所带来优势.本文利用下一代WLAN的多用户传输特性来缓解蜂窝的资源竞争，通过将部分蜂窝用户卸载到IEEE 802.11ax WLAN网络来保障蜂窝网络的单用户吞吐率.提出的卸载方案建立WLAN和LTE异构密集网络的吞吐率形式化表达式，根据网络系统容量查找蜂窝网络中的最优卸载数，以解决有限的蜂窝网络资源与海量高速业务需求的矛盾.仿真结果表明：在密集部署的异构网络中，所提的方案在保证WLAN用户服务质量的同时，最大限度地提高了LTE网络单用户吞吐率，提升了LTE网络的用户体验.

Select

云服务中面向信任的动态访问控制博弈机制

张艺,田立勤,毋泽南,武文星

2021, 42(8): 1774-1779.

摘要 ( ) PDF全文 ( )

可视化

针对云计算环境下交互实体间的信任危机以及无法动态控制访问请求的问题，提出了一种基于信任的动态访问控制博弈机制.根据交互时间与交互次数两要素获得推荐信息的可靠性参数进而动态计算用户的信任值，通过信任值对应的信任等级对用户进行角色的激活与授权工作.为了防止恶意用户对云资源的破坏，将信任等级与动态调节因子引入收益函数对云环境下的博弈双方展开动态博弈分析，得到混合策略纳什均衡.访问控制机制根据混合策略纳什均衡实现访问请求的最终决策.在每次访问结束后对用户的信任值进行更新从而更好的实现动态云环境下的访问控制.实验结果表明，本文提出的博弈机制对恶意节点具有一定的约束效果并且能够对云用户的合法访问行为起到一定的激励作用.

Select

一种加权图卷积神经网络的新浪微博谣言检测方法

王昕岩,宋玉蓉,宋波

2021, 42(8): 1780-1786.

摘要 ( ) PDF全文 ( )

可视化

信息化时代下，广泛传播的谣言极大地影响了人们的日常生活，甚至威胁了社会稳定，因此对谣言的检测任务具有现实意义.目前基于深度学习模型的谣言检测方法忽略了事件之间的联系或事件之间联系的紧密程度，对检测效果造成了一定影响.本文考虑事件之间联系的异质性，将事件之间联系的紧密程度描述为连边权重，提出了一种基于加权图卷积神经网络（Weighted-Graph Convolutional Network，W-GCN）模型的新浪微博谣言检测方法.该方法通过W-GCN模型，学习得到节点的隐层表示，进而对节点进行分类，最终完成谣言检测任务.实验结果表明，与现有的谣言检测方法相比，本文提出的基于W-GCN模型的谣言检测方法，可以提高谣言检测的正确率、精确率、召回率和F1值，即能更有效地识别谣言.

Select

面向轨迹数据发布的优化抑制差分隐私保护研究

白雨靓,李晓会,陈潮阳,王亚君

2021, 42(8): 1787-1792.

摘要 ( ) PDF全文 ( )

可视化

对待发布轨迹数据进行抑制处理可以有效降低用户隐私泄露的风险，在传统方法中，对数据集进行全局抑制处理使其满足LKC-隐私模型的方法降低了轨迹数据的可用性，因此，本文提出一种面向轨迹数据发布的优化抑制差分隐私保护算法（OSDP），该算法首先对轨迹数据集的最小违反序列中的点进行有效局部抑制判断，根据抑制优先得分决定抑制顺序，更新最小违反序列集，达到降低轨迹数据集中频繁序列损失率、轨迹序列损失率的目的.其次根据更新最小违反序列集后的轨迹数据敏感信息，建立分类树并向叶子节点中添加拉普拉斯噪声来提高待发布数据的安全性.实验表明，相较于其他算法，本文提出的OSDP算法降低用户隐私泄露风险的同时有效减少了数据损失率，提高了数据可用性.

Select

融合用户特征的微博信息情感演化模型

曹春萍,李丽

2021, 42(8): 1955-1661.

摘要 ( )

可视化

大量社交媒体涌现网络，微博作为舆情传播的重要渠道，研究微博网络中的舆情信息传播过程对有关部门舆情治理以及控制具有重要意义.在微博网络信息传播的研究中，往往忽略了用户属性和遗忘机制等因素对于微博信息情感演化的影响，针对这一问题，本文在传统SIR信息传播模型基础上考虑不同用户的情感传播概率和遗忘概率，提出微博网络信息情感传播模型.最后，将改进的微博信息情感传播模型与ESIS和EIC模型进行对比，实验结果显示，提出的改进模型拟合值与真实数据相比误差更小，预测准确度更高，证明本文所提模型能够更准确地描述信息情感发展趋势.

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