小型微型计算机系统

Select

常镜洳,于东

2022, 43(12): 2465-2470.

摘要 ( ) PDF全文 ( )

可视化

遗传算法求解多目标FJSP时，关键参数在计算过程中不能智能动态调整，从而影响算法效率和解的质量.本文基于改进的遗传算法和增强学习算法建立一种求解多目标的自学习遗传算法.遗传算法改进如下：首先提高全局和局部机器选择比重构造初始种群，然后依据快速非支配排序和拥挤距离计算适应度值，并设计选择算子，利用增强学习在种群迭代间动态调整交叉概率和变异概率，最后设计交叉和变异算子.实验部分以最大完工时间最小Cmax、最大负荷机器最小Wm、总机器负荷最小Wt这3个目标为例，对多个算例进行了大量的测试和分析，证明了该方法的有效性和高效性.

Select

基于聚合多阶邻域信息的细化方法的多粒度网络表示学习

赵姝,刘梦婷,杜紫维,宋文超,韩光洁

2022, 43(12): 2471-2478.

摘要 ( ) PDF全文 ( )

可视化

多粒度网络表示学习方法因其在学习节点表示过程中可以保留网络的多粒度特征而受到越来越多的关注.该类方法主要经过粗化和细化两个阶段.现有的工作侧重于设计粗化策略以压缩网络规模获得网络的多粒度结构.但是如何保留这种多粒度结构，将粗粒度空间的节点表示细化回原始网络仍具有挑战.本文提出一种基于聚合多阶邻域信息的细化方法的多粒度网络表示学习方法NRAM（ Network Refinement based on Aggregating Multineighboring information）.首先，对于粗化阶段生成的多粒度网络，仅利用现有的网络表示学习方法学习最粗粒度网络的表示；然后将从粗粒度网络继承的节点表示和细粒度网络的结构信息相融合得到细粒度网络的初始嵌入；最后通过聚合节点多阶邻域信息的方式得到细粒度网络的节点表示，迭代该过程直到获得原始网络的节点向量.在3个公共数据集上节点分类的结果证明了NRAM的有效性.

Select

一种面向中文的实体关系联合抽取方法研究

李代祎,李忠良,严丽

2022, 43(12): 2479-2486.

摘要 ( ) PDF全文 ( )

可视化

从非结构化文本中提取实体、关系和属性组成的三元组信息，对于大规模知识图的构建至关重要.现有的研究通常以先实体识别后关系抽取或统一标注的方式完成这一任务.尽管这些方法使得信息抽取任务更易处理，且每个抽取模型的灵活性更高，但是它们忽略了实体识别和关系抽取两个任务之间的内在联系，且不能有效地解决同一句子中多个关系共享相同实体的三元组重叠问题.为了解决这些问题，本文构建了一个新的实体关系联合抽取模型，该模型包含头实体（Subject）抽取和与头实体相应的尾实体（Object）和关系（Relation）的抽取.首先，通过构建的BERT-BiLSTM-ATT模型识别句子中包含的所有头实体；其次，以头实体的BERT编码向量作为条件，通过构建的条件正则化（Conditional layer normalization，CLN）方法对编码序列做归一化处理；最后，通过构建的BiLSTMATT模型完成句子中关系和尾实体的识别.本文的新框架不再将关系视为离散的标签，而是将关系建模为头实体映射到句子中尾实体的函数，这有效解决了三元组重叠问题.在中文关系抽取数据集上，与存在的一些方法进行了性能比较，实验结果表明本文提出的实体关系抽取方法更加有效且稳定.

Select

图神经网络预训练综述

邢小雷,赵超,郑江文,温可欣

2022, 43(12): 2487-2498.

摘要 ( ) PDF全文 ( )

可视化

图神经网络已被证明是建模图结构数据的强大工具，其优异的性能引起了学者高度的关注.而随着预训练在计算机视觉和自然语言处理等领域取得的显著成功，近年来研究人员开始探索图神经网络预训练模型.本文针对图神经网络预训练模型进行了全面的回顾：首先对预训练任务按照节点级，图级和混合预训练任务进行了分别阐述；对当前主要的图神经网络预训练模型进行了分析和分类；最后总结了图神经网络预训练模型的主要应用及未来展望.

Select

面向语义片段结构化自注意力的目标情感分析

邓航,陈渝,赵容梅,琚生根

2022, 43(12): 2499-2505.

摘要 ( ) PDF全文 ( )

可视化

目标情感分析任务中大多数方法都使用循环神经网络或注意力机制对句子进行建模，但循环神经网络很难进行并行化计算，且不能充分捕捉长距离的语义信息；注意力机制注重于词与词之间的相关性，忽略了语义片段的重要性.针对以上问题，论文提出了一种面向语义片段结构化自注意力的目标情感分析方法.首先通过BERT获取目标词、上下文和整个句子的嵌入表示，再利用注意力编码网络进行语义建模.其次，通过多头注意力机制获得目标与上下文的融合语义特征，通过结构化自注意力机制获得句子片段的语义特征.最终，在融合各个语义特征的基础上对目标的情感极性分类.本方法在SemEval 2014 Task4和SemEval 2015 Task12通用数据集上的实验表明，该方法对比基线方法获得了提升.

Select

异构云计算系统中能耗约束下并行任务集可靠性最大化算法

刘科,张龙信,王兰,王苗,满君丰

2022, 43(12): 2506-2512.

摘要 ( ) PDF全文 ( )

可视化

云计算为现代工业生产和科学计算提供了安全、快速、便捷的数据存储和计算服务.低能耗和高可靠性是异构云计算系统上任务调度两个重要的性能指标.动态电压和频率缩放（DVFS）技术通过动态管理处理器的电源电压和频率减少能耗.然而最近的研究的表明，频繁改变处理器的频率会导致处理器的瞬态故障急剧增加，从而影响系统的可靠性.针对异构云计算系统中能耗受限的并行应用程序的可靠性最大化问题，提出了低时间复杂度的ERMEC算法.ERMEC算法包含并行应用任务集中任务优先级队列的建立、任务能耗约束预分配、最优处理器与频率组合确定3个阶段.采用FFT和GE两个公共的并行任务集对算法进行仿真测试，与现有的MREC和EECC*算法相比，实验结果表明ERMEC算法能有效地提高异构云计算系统的可靠性.

Select

嵌入邻域变异策略的量子灰狼优化算法

李冀,赵博涵,岳出琛,彭翼杰,刘文光

2022, 43(12): 2513-2517.

摘要 ( ) PDF全文 ( )

可视化

针对灰狼优化算法寻优过程中易陷入局部最优、种群资源利用不充分等不足，提出一种嵌入邻域变异策略的量子灰狼优化算法（Neighborhood Mutation Quantum Grey Wolf Optimizer，NMQGWO）.首先，利用量子旋转门更新机制提升灰狼种群的初代多样性.其次，引入非线性惯性权值以提升算法寻优收敛速度并保障算法对全局最优值的搜索能力.最后，嵌入邻域变异策略防止因种群多样性逐步贫化而造成算法陷入局部极小的现象.将NMQGWO算法与其他4种算法针对6种标准测试函数进行仿真对比实验，结果表明，NMQGWO算法的收敛精度和收敛速度优于其他算法，验证了改进策略的有效性.

Select

融合多元用户特征和内容特征的微博谣言实时检测模型

黄学坚,王根生,罗远胜,闵潞,吴小芳,李志鹏

2022, 43(12): 2518-2527.

摘要 ( ) PDF全文 ( )

可视化

针对目前基于单文本语义特征深度学习的微博谣言实时检测模型泛化能力不足的问题,提出一种融合多元用户特征和内容特征的实时检测模型.首先,在传统用户基本特征和内容统计特征的基础上,利用用户的历史行为数据,挖掘用户理性值和用户专业度两个深层次特征;然后,基于词向量和带有注意力机制的双向GRU神经网络构建文本语义特征学习模型;最后,采用分层特征级联和全连接的方式进行特征融合,把融合特征输入分类模型进行训练.实验结果表明,该模型的检测准确率达到了91.74%,相比其他只关注文本语义特征的深度学习实时检测模型具有更好的识别效果,相比于其他改进型的实时检测模型F1-Measure值也提高了2.19%.

Select

缩放残差前置GRU模型

吴晓丹,石争,郑玉蒙,武优西,商博雅

2022, 43(12): 2528-2534.

摘要 ( ) PDF全文 ( )

可视化

门控循环单元网络（Gated Recurrent Unit，GRU）伴随模型深度的增加，通常会引发退化与梯度消失问题，进而降低模型训练速度及性能.该文通过改进直连结构缓解退化现象，并结合标准化层缓解梯度消失问题，提出一种缩放残差前置GRU模型.该模型构建缩放残差连接通过线性信息筛选模块对直连结构信息进行筛选，最大限度保留有效信息并缓解退化现象；同时结合层标准化方法，构建直连前置结构防止为直连结构引入额外的非线性计算.在语音识别任务和语言模型任务上进行验证，结果表明该文提出的缩放残差前置GRU模型增加少量参数可以有效缓解梯度消失和退化现象，在两组任务中均取得最优表现.

Select

面向受损网络嵌入的深度降噪自编码器模型

李智杰,王启辉,李昌华,张颉

2022, 43(12): 2535-2540.

摘要 ( ) PDF全文 ( )

可视化

针对现有结构深度网络嵌入模型在处理受损网络时，得到网络表示不能很好反映网络本质特征的局限，以及传统无监督降噪自编码器单层模型结构无法处理高度非线性复杂网络的问题，提出了结构深度降噪网络嵌入模型.通过引入掩盖噪声将受损网络邻接矩阵中的部分单元置零，以此作为模型输入，使用拉普拉斯特征映射处理相邻顶点，捕获网络的一阶相似度；将多个降噪自编码器堆叠得到深度降噪自编码器，利用深度降噪自编码器的多个非线性函数将输入数据映射到潜在空间并得到重构矩阵，最小化重构误差，以此来捕获网络的二阶相似度；联合优化一阶、二阶相似度来保持网络的局部和全局特征.在社交网络和语言网络上进行训练和测试，采用precision@k和MAP来评估模型性能.实验结果表明：相较于现有的网络嵌入模型，该模型实现了更优的网络重构与链路预测性能. 

Select

自注意力机制和BiGRU相结合的文本分类研究

石磊,王明宇,宋哲理,陶永才,卫琳,高宇飞,范雨欣

2022, 43(12): 2541-2548.

摘要 ( ) PDF全文 ( )

可视化

在文本分类任务中，双向门控循环单元（Bidirectional Gated Recurrent Unit，BiGRU）被广泛使用，其不仅能提取文本上下文语义信息和长距离依赖关系，还可以避免出现传统RNN中存在的梯度弥散或爆炸问题.然而，BiGRU在捕获文本局部特征方面存在不足.本文提出一种基于自注意力和双向门控循环单元的文本分类模型（Self-attention and Bidirectional-gated-recurrent Unit based Text Classification，SBUTC），利用自注意力机制关注对分类贡献较大的文本部分，使用含有不同尺寸卷积核的多通道CNN提取不同粒度的文本局部特征；通过含有跳层连接结构的堆叠BiGRU网络提取文本间上下文语义信息和长距离依赖关系；将CNN和BiGRU的输出进行特征融合，训练分类器对不同类型的文本信息进行分类.在ChnSentiCorp数据集和THUCNews_Title数据集上的对比实验结果表明，本文提出的模型在分类准确率和F1值上优于其他对比模型.

Select

利用Mallows φ模型的不完整序数偏好预测

孙凯,付晓东,刘骊,刘利军

2022, 43(12): 2549-2555.

摘要 ( ) PDF全文 ( )

可视化

序数偏好可解决用户评价准则不一致的问题，在社会选择、在线服务信誉度量、推荐系统等领域中发挥着重要的作用.然而，由于用户认知能力和隐私等原因，通常难以获得用户的完整序数偏好.基于不完整偏好进行目标选择、在线服务信誉度量、产品推荐等决策时，难以保证决策结果的有效性和准确性.考虑到成对比较是一种常见的用户序数偏好表达形式，提出了一种对缺失成对比较序数偏好进行预测的方法.首先，使用不完整成对比较序数偏好训练Mallowsφ排名模型；然后，使用训练得到的模型对指定用户可能的完整偏好进行采样，每个采样的完整偏好都满足该用户不完整偏好中优先关系的约束；最后，使用采样的完整偏好对用户缺失的成对比较进行预测.基于真实数据和人工合成数据的实验结果表明，在用户偏好缺失率不超过70%时，方法可以对缺失偏好进行准确的预测.

Select

基于CUDA的等值线云图并行生成算法

杜小甫,刘辉林,刘鹤丹

2022, 43(12): 2556-2563.

摘要 ( ) PDF全文 ( )

可视化

为了提高不规则网格中等值线云图的计算速度，提出了一种基于CUDA的等值线云图并行生成算法.首先给出了不规则网格中等值线的串行生成算法，该算法循环处理每个网格单元与每条等值线的相交，不需要考虑同一条等值线与不同网格的交点的先后关系.其次给出了等值线云图的串行算法，循环处理每个网格单元，根据它被不同等值线分割的情况求得很多等值多边形，最终得到的相邻的等值多边形会自然拼出云图，而不需要考虑不同等值多边形的先后关系.然后给出了基于CUDA的等值线和等值线云图的并行算法，对算法中内存设计和线程设计进行了充分讨论，尽量提高加速比.最后利用多组数据进行验证，结果证明并行算法功能和串行算法完全一致，而加速比达到了10倍以上.

Select

改进YOLOv3的绝缘子自爆缺陷检测方法

王凯,许敏,孙翔,许全,谭守标

2022, 43(12): 2564-2569.

摘要 ( ) PDF全文 ( )

可视化

绝缘子作为架空输电线路的重要组成部分，直接影响着电力系统的安全和稳定.通过引入深度学习技术实时获取绝缘子的工作状态已成为当前主流的研究趋势.但是在实际的输电线路图像中绝缘子缺陷目标区域小且背景复杂，导致绝缘子缺陷检测精度低.针对该情况提出了一种基于YOLOv3改进的绝缘子缺陷检测算法GC-SPP-YOLOv3.首先借鉴了Ghost Module的思想提出了一个新的特征提取网络，在保证精度不变的情况下，显著提升了检测速度.并在其中引入了双重注意力模块提升网络的特征表达能力.接着引入空间金字塔池化模块丰富特征图的表征层次.在包含4020张绝缘子缺陷图像的数据集上进行实验，该算法相比原YOLOv3算法的mAP提升了3.43%，相比较两阶段算法Faster R-CNN的mAP提高了2.7%，并且在检测速度方面表现出显著的优势，每秒可以检测35张图片.实验结果表明，该算法在绝缘子缺陷检测中具有良好的效率和实用性.

Select

基于时空多残差图卷积的3D骨骼点动作识别

高猛,丁英强,辛华磊,陈恩庆

2022, 43(12): 2570-2574.

摘要 ( ) PDF全文 ( )

可视化

近年来，随着人机交互和智能监控需求的增加，基于骨骼点的人体动作识别方法获得越来越广泛的研究和应用.传统方法多从已知骨骼序列中提取信息，依赖手工选取的特征，并利用骨骼点之间动态变化对动作建模.现有的时空图卷积网络模型仅利用时域的局部特征信息对动作识别分类，忽略了全局特征信息的作用，造成对于相似动作的判定不准确的问题.针对此问题，本文提出一种基于时空图卷积的多残差图卷积模型，利用图卷积网络获取的局部特征信息与残差卷积模块获取的全局特征信息相融合，从而提高了模型的表达能力.同时通过自适应池化的方法，减少了网络超参数的使用，增加了网络模型的泛化能力.通过在NTURGB-D、Kinetics等大型数据集上的大量实验表明，所提模型可以获得比现有时空图模型更好的识别效果.

Select

利用注意力机制的多示例学习视频异常检测

魏思倩,吉根林,许振,刘宇杰

2022, 43(12): 2575-2579.

摘要 ( ) PDF全文 ( )

可视化

视频异常检测旨在检测视频中的表观异常和运动异常，多示例学习（Multiple Instance Learning，MIL）是目前较先进的弱监督视频异常检测方法，但是MIL提取的C3D特征不能同时描述视频中表观和运动信息，这导致异常检测性能较低.本文提出了利用注意力机制的多示例学习视频异常检测算法（A-MIL），首先提取视频数据的三维特征C3D和光流特征图，并利用Conv-AE提取光流图的特征向量，然后输入至3层全连接神经网络中得到每个示例每种特征的异常分数，接着通过注意力机制获取特征的权重参数，得到最终的示例分数，最后利用改进的MIL排序算法进行模型训练并设置阈值，测试时将异常分数与阈值相比较以判断异常.在公开数据集UCF-Crime上的实验结果表明，本文方法的AUC指标提升了2.79%.

Select

形变引导正则化的医学图像Demons快速配准算法

杜晓刚,王玉琪,王福海,雷涛,张学军

2022, 43(12): 2580-2590.

摘要 ( ) PDF全文 ( )

可视化

Demons配准算法通常采用各向同性的Gaussian滤波器作为正则化项，该操作忽略了图像灰度变化的空间各向异性和形变场信息，造成在目标边缘等细节信息丰富的区域配准误差较大.此外，由于正则化过程通常需要逐像素进行平滑操作，导致Demons算法针对大尺寸图像进行配准时效率有待提高.针对上述问题，提出了一种基于形变引导正则化的医学图像Demons快速配准算法（DGR Demons）.该算法有3个优势：首先，DGR Demons通过引入各向异性的引导滤波器作为配准过程的正则化项，有效保留了图像边缘细节，避免了在图像边缘处发生梯度越变；其次，DGR Demons用待配准图像间的形变来引导正则化过程，由于充分利用了形变的空间信息，获得了更加精确的配准结果；最后，DGR Demons通过对形变进行下采样，使得正则化中的平滑映射关系计算在低分辨率形变上执行，从而有效减少了配准耗时.实验结果表明，提出的DGR Demons实现了更快、更精确的配准结果，与主流Demons算法相比，将配准精度提高了约40%，配准效率提高了约8%.

Select

面向深度学习的胰腺医学图像分割方法研究进展

曹路洋,李建微

2022, 43(12): 2591-2604.

摘要 ( ) PDF全文 ( )

可视化

精确的胰腺医学图像分割在胰腺疾病的术前诊断，手术计划以及术后评估中均具有重要意义.相较于肝脏和肺，胰腺在不同个体上的形态体积具有高度的可变性，因此准确自动的分割胰腺是一项具有挑战性的任务.近年来，深度学习为胰腺分割提供了一种高效率、高精度的解决方案，较之于传统方法有明显的性能提升.本文研究回顾了近五年基于深度学习的胰腺分割领域的相关文献，梳理了常用的胰腺分割数据集，并对胰腺的深度学习分割方法进行了较为详尽的分类与总结.重点介绍了每类分割方案的原理、基本思想、网络架构，评述了方案的优缺点，并在统一评价指标上进行分割性能的比较.最后本文提出了现有的基于深度学习的胰腺分割方法存在的问题，并对未来的研究趋势进行了展望.

Select

基于动态网络的自适应策略推理框架

张红杰,曲成,李京

2022, 43(12): 2605-2613.

摘要 ( ) PDF全文 ( )

可视化

深度强化学习使用深度神经网络在解决复杂决策任务上取得显著进步.然而，其推理成本明显增加，导致实用性降低，减少推理代价为该技术落地的重要挑战.本文研究发现，任务中并非所有状态都是难以决策的.受此启发，本文提出状态自适应推理框架，保证策略质量并显著降低策略推理成本.本文设计了动态策略训练算法：首先，为加速简单状态下的推理，生成不同大小的子策略网络.然后，训练元策略以根据状态难易动态选择合适的子策略.为进一步降低元策略推理成本，本文共享子策略与元策略网络的部分参数，并基于扩展的马尔可夫决策过程训练元策略.最后在gym平台上进行的实验表明，自适应推理框架在保证策略质量的前提下浮点数计算量少3.4倍.

Select

采用密集多尺度卷积网络的胰腺分割方法

张学鹏,王远军

2022, 43(12): 2614-2619.

摘要 ( ) PDF全文 ( )

可视化

胰腺是人体内重要的消化器官，受个体年龄、健康状况等因素的影响，它的形状、尺寸和位置可能会发生较大变化.胰腺自动分割一直以来是医学图像分析和计算机辅助诊断领域一个具有挑战性的问题.近年来，深度学习在医学图像分割领域上得到了广泛的应用，本文提出了一种密集多尺度卷积网络（Dense multiscale convolutional networks，DMC-net）以用于进行胰腺的自动分割.本文将多层图像作为网络输入，采用密集卷积和密集多尺度卷积连接代替了U-net的常规卷积和长跳跃连接，此外在训练过程中本文还采用了边界损失函数对胰腺的形状进行约束.在NIH胰腺公开数据集上的结果表明，文中方法的分割结果Dice系数可以达到86.19%，证明了本文提出的胰腺分割方法的有效性.

Select

IMU阵列和相机数据融合的定位方法研究

黄苏军,魏国亮,管启,李卓,赵珊

2022, 43(12): 2620-2627.

摘要 ( ) PDF全文 ( )

可视化

在移动机器人领域，通常为机器人配备单个惯性传感器（IMU）和相机来构建视觉惯性SLAM系统，实现定位功能.目前，大多数基于单个IMU和相机所构建的视觉惯性SLAM系统已经能获得良好的定位精度，但在受外界因素影响出现IMU测量异常时，其定位精度会大幅下降甚至导致系统崩溃.对此，本文提出了一种基于IMU阵列和相机数据融合的定位方法.首先基于三次均匀B样条原理获取单个IMU测量值，其次根据IMU阵列信号模型获取IMU阵列测量值，然后利用卡尔曼滤波器对IMU阵列测量值进行融合，得到一个虚拟的IMU数据，提高对IMU故障的鲁棒性.最后为降低位姿估计误差，在OpenVINS框架下融合该虚拟IMU和相机数据进行定位.为验证本文算法的定位精度及鲁棒性，在EUROC数据集和TUM VI数据集上进行了多次实验，实验结果表明在IMU正常或异常情况下，与OpenVINS相比，本文方法能够提供精度更高和鲁棒性更强的位姿估计结果.

Select

基于机器学习的恶意软件识别研究综述

王志文,刘广起,韩晓晖,左文波,吴晓明,王连海

2022, 43(12): 2628-2637.

摘要 ( ) PDF全文 ( )

可视化

恶意软件的泛滥给网络用户、企业、工业设施、网络和信息设备等带来严重的安全威胁.近年来，传统基于签名和启发式规则的恶意软件识别方法已不足以应对急剧增长的新型恶意软件.针对于此，大量机器学习方法被尝试用来更好地解决恶意软件识别问题.在广泛调研国内外大量文献及最新科研成果的基础上，以特征表示的获取为分类依据，按照基于特征工程的方法和基于特征学习的方法两类对当前基于机器学习的恶意软件识别研究进展进行了归纳和介绍，并整理了目前已公开的可用于训练机器学习的恶意代码数据集.在总结当前研究现状的基础上，进一步展望了基于机器学习的恶意软件识别当前面临的问题和挑战.

Select

一种新型NOMA下行链路功率分配方案

邹诚诚,张达敏,张琳娜,赵沛雯,王义,葛知著

2022, 43(12): 2638-2643.

摘要 ( ) PDF全文 ( )

可视化

针对如何分配非正交多址接入技术（NOMA）中下行链路用户功率问题，在考虑实际通信环境（同层与异层干扰）情况下，提出使用户系统能效最大化的功率分配方案.该方案主要分为两个阶段：一阶段为子信道上怎样处理用户对匹配，主要采用带权二分图KM用户的匹配算法，最大化用户对之间信道增益差，相较于随机用户匹配算法，系统能效提高了20%左右；且相较于穷举遍历匹配算法，系统能效趋于平衡所需迭代次数提高了67%左右.二阶段采用拍卖模型作为抑制同层、异层干扰的拍卖机制，迭代求解用户对之间对功率的竞争价格，让每对用户对的系统能效最大化，实验数据显示，该方案具有更高系统能效、用户和速率.

Select

结合CVCA信任评估模型的位置隐私保护方法

王辉,王燕鹏,申自浩,刘沛骞,刘琨,甄炜,朱传涵

2022, 43(12): 2644-2650.

摘要 ( ) PDF全文 ( )

可视化

针对传统K匿名位置隐私保护方法中，用户可信度无法评估，存在协助用户不愿意提供真实位置的信任问题，本文提出了建立信任评估模型来评估用户可信度的位置隐私保护方法.首先，引入信用指标对匿名区构造过程进行量化，结合变异系数法，构建CVCA信任评估模型；其次，为了度量用户可信度，利用CVCA信任评估模型计算信用评分，生成数字信用证书，建立身份验证机制；最后，为降低匿名区构造时延，可信任的协助用户衡量信用评分来判断是否参与匿名区构造.通过安全性分析和实验证明，本方案在降低用户移动终端计算开销的同时，提高了匿名区内用户质量，从而取得更好的隐私保护效果.

Select

公平低时延的太赫兹无线个域网定向MAC协议

任智,李维政,何亮,刘奕君

2022, 43(12): 2651-2656.

摘要 ( ) PDF全文 ( )

可视化

太赫兹通信作为未来超高速无线通信的关键技术，能满足10Gbps以上的传输速率，太赫兹无线个域网定向MAC协议为太赫兹无线个域网的关键技术之一，该文章针对现有的相关MAC协议以及802.15.3c标准存在的缺点提出了一种公平低时延的太赫兹无线个域网定向MAC协议——FLL-MAC协议.文章内提出了3种新机制，分别是新的时隙分配机制、聚合帧子标头重传机制和入网时隙请求结合机制，解决了时隙分配不公平问题、减小了波束赋形开销、降低了入网碰撞概率.

Select

信息物理系统中组件的时间行为可组合研究综述

陈博,刘翀,陈辉,陈香兰,李曦,

2022, 43(12): 2657-2666.

摘要 ( ) PDF全文 ( )

可视化

组件的可组合性是组件化软件开发方法中的关键核心问题，尤其在针对具有安全关键属性的信息物理系统（Cyber Physical Systems，CPS）的开发过程中，如何建模、分析及验证系统中组件在时间行为上的可组合性，已成为保证系统正确性、安全性的的关键.本文首先介绍了传统组件化软件开发的基本思想，包括组件定义、组件的组合操作，以及组件可组合性的形式化定义等内容.进一步的，重点阐述在具有安全关键的信息物理系统中组件时间行为建模与分析的主要研究进展，对时间行为可组合的形式化定义进行归纳，讨论几种典型的系统组件模型，并分析了3种可以提升组件时间行为可组合性、可预测性的编程范式.最后，探讨了组件在时间行为可组合问题上存在的挑战，并对未来发展方向做出了展望.

Select

LightGBM融合CFS的开发者感知代码异味强度预测模型研究

宇通,高建华

2022, 43(12): 2667-2674.

摘要 ( ) PDF全文 ( )

可视化

准确地对代码异味强度进行预测可使高危险性的代码问题得到优先处理，从而减少软件项目的维护开销.目前针对异味强度的研究较少且基于传统手工和单一算法的异味强度识别方法不能保证检测的精确性与效率.对此，本文提出一种基于LightGBM融合CFS的开发者感知代码异味强度预测模型，该模型利用经相关性特征选择后的代码度量指标，考虑基于开发者感知的代码异味严重性，使用LightGBM算法，对含4种代码异味的实例进行异味强度预测并划分强度等级.本文从统计角度验证了所考虑的各项代码度量指标与异味严重性之间存在强相关关系.实验表明，本文模型在精确率、召回率、F1值、MCC和AUC等多项指标上均优于原有性能最佳的随机森林（RF）模型，其中F1值最高达90.0%，最多提升3.7%；AUC值最高达94.2%，最多提升3.8%；且相比RF模型预测时间可缩短76.1%.

Select

基于索引的并行图可达性查询算法

迟贺宇,秦小麟,李瑭,费珂

2022, 43(12): 2675-2681.

摘要 ( ) PDF全文 ( )

可视化

随着图数据库（Graph Database）的不断发展，各种应用程序中都存在着大规模图数据，使得图的可达性查询算法受到了广泛的关注.然而由于其空间消耗与查询效率难以平衡，图可达性查询算法面临着严峻的挑战.基于串行运算的传统图查询算法，很难发挥现有多核心处理器的计算性能.针对上述问题，提出了一种基于双链表的索引，称为2-lists.该索引表由两部分组成，其中一部分存储图数据的信息，另一部分辅助索引，实现顶点的随机访问.基于该索引，提出了一种并行化深度优先搜索算法（Parallel DepthFirst Search，PDFS）.该算法利用多线程技术，并为每个线程分配独立的存储空间.通过对线程工作量的监督，为线程的指定缓冲区分配指定数量的任务，进而完成负载平衡.在斯坦福SNAP（Stanford Network Analysis Platform，SNAP）实验室的公开数据集上的实验结果表明，2-lists索引占用的空间更小，基于2-lists的并行化深度优先搜索算法的表现更好.

Select

面向ZYNQ SoC的卷积神经网络加速器研究

武世雄,高巍,尹震宇,张飞青,徐福龙,

2022, 43(12): 2682-2688.

摘要 ( ) PDF全文 ( )

可视化

近年来,卷积神经网络逐步应用于工业生产、自动驾驶和航天航空等领域.随着卷积神经网络结构复杂度的不断提高,将其部署到现场可编程门阵列(Field Programmable Gate Array,FPGA)时存在参数量较大、访存次数较多等问题,导致硬件资源消耗较大.因此,提出了一种基于参数量化的卷积神经网络加速器.该加速器对参数进行了8位定点量化和重新排序,有效的减少了内存占用和访存次数,提高了带宽的利用率;同时,该研究采用滑动窗口间并行策略进行加速,提高了图像分类速度.实验结果表明,在Xilinx ZYNQ XC7Z100上实现此加速器,处理一张图片所需要的时间为15.10ms,平均性能为80.88GOPS,性能密度为0.47.与其他卷积神经网络加速器相比,性能密度提升了1.14~1.76倍.

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