当期目录

    2019年 第39卷 第12期 刊出日期:2019-12-10
    第十七届中国机器学习会议(CCML 2019)论文
    基于邻域选择策略的图卷积网络模型
    陈可佳, 杨泽宇, 刘峥, 鲁浩
    2019, 39(12):  3415-3419.  DOI: 10.11772/j.issn.1001-9081.2019071281
    摘要 ( )   PDF (759KB) ( )  
    参考文献 | 相关文章 | 计量指标
    邻域的组成对于基于空间域的图卷积网络(GCN)模型有至关重要的作用。针对模型中节点邻域排序未考虑结构影响力的问题,提出了一种新的邻域选择策略,从而得到改进的GCN模型。首先,为每个节点收集结构重要的邻域并进行层级选择得到核心邻域;然后,将节点及其核心邻域的特征组成有序的矩阵形式;最后,送入深度卷积神经网络(CNN)进行半监督学习。节点分类任务的实验结果表明,该模型在Cora、Citeseer和Pubmed引文网络数据集中的节点分类准确性均优于基于经典图嵌入的节点分类模型以及四种先进的GCN模型。作为一种基于空间域的GCN,该模型能有效运用于大规模网络的学习任务。
    无监督混阶栈式稀疏自编码器的图像分类学习
    杨东海, 林敏敏, 张文杰, 杨敬民
    2019, 39(12):  3420-3425.  DOI: 10.11772/j.issn.1001-9081.2019061107
    摘要 ( )   PDF (1005KB) ( )  
    参考文献 | 相关文章 | 计量指标
    目前多数图像分类的方法是采用监督学习或者半监督学习对图像进行降维,然而监督学习与半监督学习需要图像携带标签信息。针对无标签图像的降维及分类问题,提出采用混阶栈式稀疏自编码器对图像进行无监督降维来实现图像的分类学习。首先,构建一个具有三个隐藏层的串行栈式自编码器网络,对栈式自编码器的每一个隐藏层单独训练,将前一个隐藏层的输出作为后一个隐藏层的输入,对图像数据进行特征提取并实现对数据的降维。其次,将训练好的栈式自编码器的第一个隐藏层和第二个隐藏层的特征进行拼接融合,形成一个包含混阶特征的矩阵。最后,使用支持向量机对降维后的图像特征进行分类,并进行精度评价。在公开的四个图像数据集上将所提方法与七个对比算法进行对比实验,实验结果表明,所提方法能够对无标签图像进行特征提取,实现图像分类学习,减少分类时间,提高图像的分类精度。
    基于多尺度属性粒策略的快速正域约简算法
    陈曼如, 张楠, 童向荣, 东野升龙, 杨文静
    2019, 39(12):  3426-3433.  DOI: 10.11772/j.issn.1001-9081.2019049238
    摘要 ( )   PDF (1131KB) ( )  
    参考文献 | 相关文章 | 计量指标
    传统启发式正域属性约简算法在每次迭代的过程中需要添加当前正域依赖度最大的属性进入已选定的特征属性子集,算法迭代次数多且效率低,难以应用于高维大规模数据集的特征选择中。针对上述问题,研究决策系统中正域之间的单调关系,给出了多尺度属性粒(MSAG)的形式化描述,提出了一种基于多尺度属性粒的快速正域约简算法(MAG-QPR)。由于多尺度属性粒包含多个属性,可以对已选定的特征属性子集提供较大的正域,因此,通过每次迭代添加MSAG,可以达到减少迭代次数和使选定的特征属性子集能更快地趋近于条件属性全集的正域分辨能力的目的,从而提高了启发式正域约简算法的效率。在实验部分,选取8组UCI数据进行实验,对于数据集Lung Cancer、Flag和German,MAG-QPR与基于正向近似的正域保持属性约简算法(FSPA-PR)、基于正向近似的条件熵属性约简算法(FSPA-SCE)、后向贪婪正域保持属性约简算法(BGRAP)和后向贪婪启发式广义决策保持属性约简算法(BGRAG)的运行时间加速比分别为9.64、15.70、5.03、2.50;3.93、7.55、1.69、4.57;3.61、6.49、1.30、9.51。实验结果表明,所提算法MAG-QPR提高了算法效率,具有更好的分类精度。
    基于深度LightGBM集成学习模型的谷歌商店顾客购买力预测
    叶志宇, 冯爱民, 高航
    2019, 39(12):  3434-3439.  DOI: 10.11772/j.issn.1001-9081.2019071305
    摘要 ( )   PDF (892KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对轻量化梯度促进机(LightGBM)等集成学习模型只对数据信息进行一次挖掘,无法自动地细化数据挖掘粒度或通过深入挖掘得到更多的数据中潜在内部关联信息的问题,提出了深度LightGBM集成学习模型,该模型由滑动窗口和加深两部分组成。首先,通过滑动窗口使得集成学习模型能够自动地细化数据挖掘粒度,从而更加深入地挖掘数据中潜在的内部关联信息,同时赋予模型一定的表示学习能力。然后,基于滑动窗口,用加深步骤进一步地提升模型的表示学习能力。最后,结合特征工程对数据集进行处理。在谷歌商店数据集上进行的实验结果表明,所提深度集成学习模型相较原始集成学习模型的预测精度高出6.16个百分点。所提方法能够自动地细化数据挖掘粒度,从而获取更多数据集中的潜在信息,并且深度LightGBM集成学习模型与传统深度神经网络相比是非神经网络的深度模型,参数更少,可解释性更强。
    基于孪生检测网络的实时视频追踪算法
    邓杨, 谢宁, 杨阳
    2019, 39(12):  3440-3444.  DOI: 10.11772/j.issn.1001-9081.2019081427
    摘要 ( )   PDF (787KB) ( )  
    参考文献 | 相关文章 | 计量指标
    目前,在视频追踪领域中,大部分基于孪生网络的追踪算法只能对物体的中心点进行定位,而在定位快速形变的物体时会出现定位不准确的问题。为此,提出基于孪生检测网络的实时视频追踪算法——SiamRFC。SiamRFC算法可直接预测被追踪物体位置,来应对快速形变的问题。首先,通过判断相似性来得到被追踪物体的中心点位置;然后,运用目标检测的思路,通过选取一系列的预选框来回归最优的位置。实验结果表明,所提SiamRFC算法在VOT2015|16|17的测试集上均有很好的表现。
    基于多尺度多列卷积神经网络的密集人群计数模型
    陆金刚, 张莉
    2019, 39(12):  3445-3449.  DOI: 10.11772/j.issn.1001-9081.2019081437
    摘要 ( )   PDF (773KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对尺度和视角变化导致的监控视频和图像中的人数估计性能差的问题,提出了一种基于多尺度多列卷积神经网络(MsMCNN)的密集人群计数模型。在使用MsMCNN进行特征提取之前,使用高斯滤波器对数据集进行处理得到图像的真实密度图,并且对数据集进行数据增强。MsMCNN以多列卷积神经网络的结构为主干,首先从具有多尺度的多个列中提取特征图;然后,用MsMCNN在同一列上连接具有相同分辨率的特征图,以生成图像的估计密度图;最后,对估计密度图进行积分来完成人群计数的任务。为了验证所提模型的有效性,在Shanghaitech数据集和UCF_CC_50数据集上进行了实验,与经典模型Crowdnet、多列卷积神经网络(MCNN)、级联多任务学习(CMTL)方法、尺度自适应卷积神经网络(SaCNN)相比,所提模型在Shanghaitech数据集Part_A和UCF_CC_50数据集上平均绝对误差(MAE)分别至少减小了10.6和24.5,均方误差(MSE)分别至少减小了1.8和29.3;在Shanghaitech数据集Part_B上也取得了较好的结果。MsMCNN更注重特征提取过程中的浅层特征的结合以及多尺度特征的结合,可以有效减少尺度和视角变化带来的精确度偏低的影响,提升人群计数的性能。
    基于三维卷积神经网络的湖泊提取算法
    徐姗姗, 颜超, 高琳明
    2019, 39(12):  3450-3455.  DOI: 10.11772/j.issn.1001-9081.2019081436
    摘要 ( )   PDF (920KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对现有分析湖泊几何信息算法的二维图像湖泊轮廓提取精度低的问题,提出了一种基于三维卷积神经网络的湖泊提取算法。首先,基于平整度信息从激光扫描点云中定位出候选湖泊并对输入的候选区域点云进行体素化组织,作为神经网络的输入;同时,通过深度学习技术,从候选区域中过滤非湖泊区域;然后,基于方向链码算法从点云中提取湖泊的边缘并分析其几何形状信息。实验结果表明,所提算法在提取激光扫描点云中的湖泊精度可达到96.34%,与当前在二维图像中的湖泊提取算法相比,可对目标湖泊形状信息进行计算与分析,从而为湖泊监测与管理提供方便。
    基于精细化残差U-Net的新生儿局灶性脑白质损伤分割模型
    刘亚龙, 李洁, 王颖, 仵赛飞, 邹佩
    2019, 39(12):  3456-3461.  DOI: 10.11772/j.issn.1001-9081.2019049101
    摘要 ( )   PDF (1112KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对新生儿局灶性脑白质损伤的病灶区域小而样本差异大导致的检测与分割病灶较为困难的问题,提出一种精细化深度残差U-Net模型,以对病灶进行精细的语义分割。首先,把核磁共振(MRI)图像裁剪成较小的图像块;其次,利用残差U-Net提取出每个图像块不同层次的深度特征;然后,将特征进行融合并输出每个图像块的病灶分布概率图;最后,由全连接条件随机场对拼接后的概率图进行优化得到最终的分割结果。在某合作医院提供的数据集上的评估结果显示,在仅使用T1序列单模态数据的情况下,该模型在分割新生儿局灶性脑白质损伤时,病灶边缘的分割精度得到提高,且模型抗干扰能力较好。该模型的Dice相似性系数达到了62.51%,敏感度达到69.76%,特异性达到99.96%,修正的Hausdorff距离降低到33.67。
    人工智能
    结合支持向量机与半监督K-means的新型学习算法
    杜阳, 姜震, 冯路捷
    2019, 39(12):  3462-3466.  DOI: 10.11772/j.issn.1001-9081.2019050813
    摘要 ( )   PDF (704KB) ( )  
    参考文献 | 相关文章 | 计量指标
    半监督学习结合少量有标签样本和大量无标签样本,可以有效提高算法的泛化性能。传统的半监督支持向量机(SVM)算法在目标函数中引入无标签样本的依赖项来推动决策面通过低密度区域,但往往会带来高计算复杂度和局部最优解等问题。同时,半监督K-means算法面临着如何有效利用监督信息进行质心的初始化及更新等问题。针对上述问题,提出了一种结合SVM和半监督K-means的新型学习算法(SKAS)。首先,提出一种改进的半监督K-means算法,从距离度量和质心迭代两个方面进行了改进;然后,设计了一种融合算法将半监督K-means算法与SVM相结合以进一步提升算法性能。在6个UCI数据集上的实验结果表明,所提算法在其中5个数据集上的运行结果都优于当前先进的半监督SVM算法和半监督K-means算法,且拥有最高的平均准确率。
    基于网络表示学习的非单一维度的社区发现算法
    陈婉杰, 盛益强
    2019, 39(12):  3467-3475.  DOI: 10.11772/j.issn.1001-9081.2019061009
    摘要 ( )   PDF (1522KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对现有的社区发现算法难以解决网络的多维性问题的现象,提出一种基于网络表示学习的非单一维度的社区发现算法。该算法从节点属性特征和网络结构特征两个维度考虑节点的差异性,首先根据节点属性相似度计算得到节点转移概率,结合小世界模型的六度分离理论设置网络节点随机游走路径的长度。依据转移概率选择节点的邻居节点,得到节点的游走路径,然后用神经网络模型训练节点的游走路径得到节点的网络特征向量,将节点网络特征向量的相似度重置为节点连接边的权重,在Louvain算法的基础上完成社区划分。最后,在Facebook和Giraffe两个数据集上进行了实验,选用基于初始网络结构的Louvain算法和基于单一维度的社区发现算法作为对比算法。实验结果表明,在Giraffe数据集中,相比于Louvain算法,基于节点属性的社区发现算法的模块度指标提升了2.7%,基于网络结构的社区发现算法的模块度指标提升了3.0%,提出的非单一维度的社区发现算法的模块度指标提升了3.7%。所提算法聚焦于网络的多维性,有效提升了社区发现算法的模块度。
    基于双编码器的短文本自动摘要方法
    丁建立, 李洋, 王家亮
    2019, 39(12):  3476-3481.  DOI: 10.11772/j.issn.1001-9081.2019050800
    摘要 ( )   PDF (931KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对当前生成式文本摘要方法存在的语义信息利用不充分、摘要精度不够等问题,提出一种基于双编码器的文本摘要方法。首先,通过双编码器为序列映射(Seq2Seq)架构提供更丰富的语义信息,并对融入双通道语义的注意力机制和伴随经验分布的解码器进行了优化研究;然后,在词嵌入生成技术中融合位置嵌入和词嵌入,并新增词频-逆文档频率(TF-IDF)、词性(POS)、关键性得分(Soc),优化词嵌入维度。所提方法对传统序列映射Seq2Seq和词特征表示进行优化,在增强模型对语义的理解的同时,提高了摘要的质量。实验结果表明,该方法在Rouge评价体系中的表现相比传统伴随自注意力机制的递归神经网络方法(RNN+atten)和多层双向伴随自注意力机制的递归神经网络方法(Bi-MulRNN+atten)提高10~13个百分点,其文本摘要语义理解更加准确、生成效果更好,拥有更好的应用前景。
    基于三维残差稠密网络的人体行为识别算法
    郭明祥, 宋全军, 徐湛楠, 董俊, 谢成军
    2019, 39(12):  3482-3489.  DOI: 10.11772/j.issn.1001-9081.2019061056
    摘要 ( )   PDF (1300KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对现有的人体行为识别算法不能充分利用网络多层次时空信息的问题,提出了一种基于三维残差稠密网络的人体行为识别算法。首先,所提算法使用三维残差稠密块作为网络的基础模块,模块通过稠密连接的卷积层提取人体行为的层级特征;其次,经过局部特征聚合自适应方法来学习人体行为的局部稠密特征;然后,应用残差连接模块来促进特征信息流动以及减轻训练的难度;最后,通过级联多个三维残差稠密块实现网络多层局部特征提取,并使用全局特征聚合自适应方法学习所有网络层的特征用以实现人体行为识别。设计的网络算法在结构上增强了对网络多层次时空特征的提取,充分利用局部和全局特征聚合学习到更具辨识力的特征,增强了模型的表达能力。在基准数据集KTH和UCF-101上的大量实验结果表明,所提算法的识别率(top-1精度)分别达到了93.52%和57.35%,与三维卷积神经网络(C3D)算法相比分别提升了3.93和13.91个百分点。所提算法框架有较好的鲁棒性和迁移学习能力,能够有效地处理多种视频行为识别任务。
    基于多特征降维和迁移学习的红外人体目标识别方法
    王鑫, 张鑫, 宁晨
    2019, 39(12):  3490-3495.  DOI: 10.11772/j.issn.1001-9081.2019060982
    摘要 ( )   PDF (1009KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对红外成像条件下人体目标受干扰严重时目标的识别准确性和鲁棒性较差的问题,提出了一种基于多特征降维和迁移学习的红外人体目标识别方法。首先,针对传统的红外人体目标特征提取方法提取某单一特征时存在信息涵盖不全面的问题,提取目标不同种类的异构特征,从而充分挖掘出红外人体目标的特点。其次,为了向后续识别分析提供有效且紧凑的特征描述,采用主成分分析方法对融合后的异构特征进行降维。最后,针对带标签的红外人体目标样本数据匮乏、训练样本和测试样本之间的分布及语义偏差导致的泛化性能差等问题,提出了一种有效的基于迁移学习的红外人体目标分类器,可较大程度地提高泛化性能和目标识别准确度。实验结果表明,所提的方法在红外人体目标数据集上的识别准确率达到了94%以上,与使用方向梯度直方图(HOG)特征、亮度自相似(ISS)特征等单一特征进行特征表示的方法以及使用传统的非迁移分类器如支持向量机(SVM)、K-近邻算法(KNN)等进行学习的方法相比均有所提升,且更加稳定,可以在实际的复杂红外场景中提升人体目标识别的性能。
    基于多级特征和混合注意力机制的室内人群检测网络
    沈文祥, 秦品乐, 曾建潮
    2019, 39(12):  3496-3502.  DOI: 10.11772/j.issn.1001-9081.2019061075
    摘要 ( )   PDF (1190KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对室内人群目标尺度和姿态多样性、人头目标易与周围物体特征混淆的问题,提出了一种基于多级特征和混合注意力机制的室内人群检测网络(MFANet)。该网络结构包括三部分,即特征融合模块、多尺度空洞卷积金字塔特征分解模块以及混合注意力模块。首先,通过将浅层特征和中间层特征信息融合,形成包含上下文信息的融合特征,用于解决浅层特征图中小目标语义信息不丰富、分类能力弱的问题;然后,利用空洞卷积增大感受野而不增加参数的特性,对融合特征进行多尺度分解,形成新的小目标检测分支,实现网络对多尺度目标的定位和检测;最后,用局部混合注意力模块来融合全局像素关联空间注意力和通道注意力,增强对关键信息贡献大的特征,来增强网络对目标和背景的区分能力。实验结果表明,所提方法在室内监控场景数据集SCUT-HEAD上达到了0.94的准确率、0.91的召回率和0.92的F1分数,在召回率、准确率和F1指标上均明显优于当前用于室内人群检测的其他算法。
    基于OpenPose-slim模型的人体骨骼关键点检测方法
    汪检兵, 李俊
    2019, 39(12):  3503-3509.  DOI: 10.11772/j.issn.1001-9081.2019050954
    摘要 ( )   PDF (1060KB) ( )  
    参考文献 | 相关文章 | 计量指标
    相较于2017年提出的在当时检测效果近乎最优的RMPE模型与Mask R-CNN模型,原用于人体骨骼关键点检测的OpenPose模型有着在保持精度近乎不变的情况下能大幅缩短检测周期的优势,但同时该模型也存在着参数共享率低、冗余度高、耗时长、模型规模太大等问题。针对上述问题,提出了新的OpenPose-slim模型。该模型减小网络宽度,减少卷积块层数,将原并列式结构改成序列式结构并于内模块加入Dense连接机制,其处理过程主要分为3个模块:1)关键点定位模块,检测出人体骨骼关键点的位置坐标;2)关键点联系模块,把关键点位置连接成肢体;3)肢体匹配模块,进行肢体匹配得到人体轮廓。每一个处理阶段之间关联紧密。在MPII数据集、COCO数据集和AI Challenger数据集上的实验结果表明,所提模型使用4个定位模块和2个联系模块,并于每一个模块内部使用Dense连接机制是最佳结构,与OpenPose模型相比,在保持检测精度基本不变的基础上,测试周期缩短为原来的近1/6,参数量缩小了近50%,模型规模缩小为近1/27。
    基于翻转梅尔频率倒谱系数的语音变调检测方法
    林晓丹, 邱应强
    2019, 39(12):  3510-3514.  DOI: 10.11772/j.issn.1001-9081.2019050870
    摘要 ( )   PDF (825KB) ( )  
    参考文献 | 相关文章 | 计量指标
    语音变调常用于掩盖说话人身份,各种变声软件的出现使得说话人身份伪装变得更加容易。针对现有变调语音检测方法无法判断语音是经过了何种变调操作(升调或降调)的问题,通过分析语音变调在信号频谱,尤其是高频区域留下的痕迹,提出了基于翻转梅尔倒谱系数(IMFCC)统计矩特征的电子变调语音检测方法。首先,提取各语音帧IMFCC及其一阶差分;然后,计算其统计均值;最后,在该统计特征上利用支持向量机(SVM)多分类器的设计来区分原始语音、升调语音和降调语音。在TIMIT和NIST语音集上的实验结果表明,所提方法无论对于原始语音、升调语音还是降调语音都具有良好的检测性能。与MFCC作为特征构造的基线系统相比,所设计的特征的方法明显提高了变调操作的识别率。在较少的训练资源的情况下,所提方法也获得了比基于卷积神经网络(CNN)的框架更好的性能;此外,在不同数据集和不同变调方法上也都取得了较好的泛化性能。
    基于梅尔倒谱系数、深层卷积和Bagging的环境音分类方法
    王天锐, 鲍骞月, 秦品乐
    2019, 39(12):  3515-3521.  DOI: 10.11772/j.issn.1001-9081.2019040678
    摘要 ( )   PDF (991KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对传统环境音分类模型对环境音特征提取不充分,以及卷积神经网络用于环境音分类时全连接层易造成过拟合现象的问题,提出了梅尔倒谱系数(MFCC)、深层卷积和Bagging算法相结合的环境音分类方法。首先,针对原始音频文件,利用预加重、加窗、离散傅里叶变换、梅尔滤波器转换、离散余弦映射等方法建立梅尔倒谱系数特征模型;然后,将特征模型输入卷积深度网络进行第二次特征提取;最后,借鉴强化学习思想,用Bagging集成算法集成线性判别分析器、支持向量机(SVM)、Softmax回归、XGBoost四个模型,以投票预测的形式对网络输出结果进行预测。实验结果表明,所提方法能够有效提高对环境音的特征提取能力和深层网络在环境音分类上的抗过拟合能力。
    固定翼无人机在线航迹规划方法
    刘佳, 秦小林, 许洋, 张力戈
    2019, 39(12):  3522-3527.  DOI: 10.11772/j.issn.1001-9081.2019050863
    摘要 ( )   PDF (869KB) ( )  
    参考文献 | 相关文章 | 计量指标
    在不确定环境下,针对固定翼无人机(UAV)航迹规划问题,提出了一种基于滚动时域控制的模糊粒子群优化算法与改进人工势场法相结合的在线航迹规划方法。首先,对凸多边形障碍物进行最小外接圆拟合;然后,根据静态威胁,将规划问题转化为一系列时域窗口内的在线子问题,利用模糊粒子群算法实时优化求解以实现静态避障;当环境中存在动态威胁时,使用改进人工势场法对航迹进行调整完成动态避障。为了满足固定翼无人机的动态约束,同时提出固定翼UAV的碰撞检测法,可提前判断障碍物是否为真正威胁源,以此减少转弯频率和幅度,降低飞行代价。仿真实验结果表明,所提方法在固定翼UAV航迹规划中能有效提升规划速度、稳定性与实时避障能力,且克服了传统人工势场容易陷入局部最优的缺点。
    生成对抗残差网络的医学图像融合算法
    高媛, 吴帆, 秦品乐, 王丽芳
    2019, 39(12):  3528-3534.  DOI: 10.11772/j.issn.1001-9081.2019050937
    摘要 ( )   PDF (1184KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对传统医学图像融合中需要依靠先验知识手动设置融合规则和参数,导致融合效果存在不确定性、细节表现力不足的问题,提出了一种基于改进生成对抗网络(GAN)的脑部计算机断层扫描(CT)/磁共振(MR)图像融合算法。首先,对生成器和判别器两个部分的网络结构进行改进,在生成器网络的设计中采用残差块和快捷连接以加深网络结构,更好地捕获深层次的图像信息;然后,去掉常规网络中的下采样层,以减少图像传输过程中的信息损失,并将批量归一化改为层归一化,以更好地保留源图像信息,增加判别器网络的深度以提高网络性能;最后,连接CT图像和MR图像,将其输入到生成器网络中得到融合图像,通过损失函数不断优化网络参数,训练出最适合医学图像融合的模型来生成高质量的图像。实验结果表明,与当前表现优良的基于离散小波变换(DWT)算法、基于非下采样剪切波变换(NSCT)算法、基于稀疏表示(SR)算法和基于图像分类块稀疏表示(PSR)算法对比,所提算法在互信息(MI)、信息熵(IE)、结构相似性(SSIM)上均表现良好,最终的融合图像纹理和细节丰富,同时避免了人为因素对融合效果稳定性的影响。
    基于自适应感受野机制的颈部淋巴结自动识别算法
    秦品乐, 李鹏波, 张瑞平, 曾建潮, 刘仕杰, 徐少伟
    2019, 39(12):  3535-3540.  DOI: 10.11772/j.issn.1001-9081.2019061069
    摘要 ( )   PDF (965KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对目前应用于医学影像目标检测的深度学习网络模型仅拥有固定的感受野,无法针对形态尺度差异明显的颈部淋巴结进行有效检测的问题,提出了一种新的基于自适应感受野机制的识别算法,将深度学习首次应用于完全三维医学图像的颈部淋巴结自动识别中。首先,采用半随机采样方法对医学序列图像进行裁剪,生成基于网格的局部图像块及对应真值标签;然后,通过局部图像块及标签构建并训练基于自适应感受野机制的DeepNode网络;最后,利用预训练的DeepNode网络模型进行预测,通过输入整体序列图像,可以端到端且快速地获得整体序列对应的颈部淋巴结识别结果。在颈部淋巴结数据集中,采用DeepNode网络识别颈部淋巴结的召回率可达98.13%,精确率可达97.38%,每次扫描的假阳性数量仅为29,同时耗时相对较短。实验结果分析表明,与当前表现优良的二维与三维卷积神经网络相结合的算法、三维通用目标检测算法、基于弱监督定位的识别算法等相比,所提算法可以实现颈部淋巴结的自动识别,并取得最优的识别效果。该算法端到端,简单高效,易于扩展到其他医学图像的三维目标检测任务中,可应用于临床的诊断和治疗。
    基于密集卷积网络的X线气胸检测与定位
    罗国婷, 刘志勤, 周莹, 王庆凤, 郑介志, 刘启榆
    2019, 39(12):  3541-3547.  DOI: 10.11772/j.issn.1001-9081.2019050884
    摘要 ( )   PDF (1217KB) ( )  
    参考文献 | 相关文章 | 计量指标
    现有X线气胸检测存在两个主要问题:一是由于气胸通常与肋骨、锁骨等组织重叠,在临床上存在较大的漏诊,而现有算法的检测性能仍有待提高;二是现有基于卷积神经网络的算法无法给出可疑的气胸区域,缺乏可解释性。针对上述问题,提出了一种结合密集卷积网络(DenseNet)与梯度加权类激活映射的方法用于X线气胸的检测与定位。首先,构建了一个较大规模的胸部X线数据集PX-ray用于模型的训练和测试。其次,修改DenseNet的输出节点并在全连接层后添加一个sigmoid函数对胸片进行二分类(气胸/非气胸)。在训练过程中通过设置交叉熵损失函数的权重来缓解数据不平衡问题,提高模型准确率。最后,提取网络最后一个卷积层的参数以及对应的梯度,通过梯度加权类激活映射算法获得气胸类别的粗略定位图。在PX-ray测试集上的实验结果表明,所提方法的检测准确率为95.45%,并且在曲线下面积(AUC)、敏感度、特异性等指标上均高于0.9,优于VGG19、GoogLeNet以及ResNet算法,同时实现了对气胸区域的可视化。
    边缘智能背景下的手写数字识别
    王建仁, 马鑫, 段刚龙, 薛宏全
    2019, 39(12):  3548-3555.  DOI: 10.11772/j.issn.1001-9081.2019050869
    摘要 ( )   PDF (1271KB) ( )  
    参考文献 | 相关文章 | 计量指标
    随着边缘智能的快速发展,现有手写数字识别卷积网络模型的发展已越来越不适应边缘部署、算力下降的要求,且存在小样本泛化能力较差和网络训练成本较高等问题。借鉴卷积神经网络(CNN)经典结构、Leaky_ReLU算法、dropout算法和遗传算法及自适应和混合池化思想构建了基于LeNet-DL改进网络的手写数字识别模型,分别在大样本数据集MNIST和小样本真实数据集REAL上与LeNet、LeNet+sigmoid、AlexNet等算法进行对比实验。改进网络的大样本识别精度可达99.34%,性能提升约0.83%;小样本识别精度可达78.89%,性能提升约8.34%。实验结果表明,LeNet-DL网络相较于传统CNN在大样本和小样本数据集上的训练成本更低、性能更优且模型泛化能力更强。
    网络空间安全
    支持属性撤销的可验证外包的多授权属性加密方案
    明洋, 何宝康
    2019, 39(12):  3556-3562.  DOI: 10.11772/j.issn.1001-9081.2019061019
    摘要 ( )   PDF (1056KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对云存储中基于多授权属性加密(MA-ABE)访问控制方案存在数据使用者解密开销大,同时缺乏有效属性撤销的问题,提出了一种支持属性撤销的可验证外包的多授权属性加密方案。首先,利用可验证外包技术,降低数据使用者的解密开销,同时验证数据的完整性。然后,利用双线性映射保护访问策略,防止数据拥有者身份泄露。最后,利用每个属性的版本密钥实现立即的属性撤销。安全性分析表明所提方案在标准模型中判定性的q双线性Diffie-Hellman指数假设下是安全的,同时满足了前向安全性和抗合谋攻击。性能分析表明所提方案在功能性和计算开销两方面都具有较好的优势,因此所提方案更适用于云存储下多授权属性加密环境。
    可外包解密和成员撤销的身份基加密方案
    王占君, 马海英, 王金华, 李燕
    2019, 39(12):  3563-3568.  DOI: 10.11772/j.issn.1001-9081.2019071215
    摘要 ( )   PDF (900KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对可撤销成员的身份基加密(RIBE)方案中密钥更新效率较低,且解密的工作量较大,难以应用于轻量级设备的问题,提出了一个可外包解密和成员撤销的身份基加密方案(RIBE-OD)。首先,生成一个完全二叉树,为这棵树的每个节点指定一个一次多项式。然后,将基于指数逆模式构造的身份基加密(IBE)方案和完全子树方法相结合,利用该一次多项式计算所有用户的私钥和未撤销用户的更新密钥,撤销用户因不能获得与之匹配的更新密钥而失去解密能力。其次,利用外包解密技术修改密钥生成算法,增加密文转换算法,从而将大部分解密运算量安全外包给云服务器,轻量级设备仅需少量运算即可解密密文。最后,基于判定双线性Diffie-Hellman逆转(DBDHI)假设,证明了所提方案的安全性。与BGK方案相比,该方案的密钥更新效率提高了85.7%,轻量级设备的解密过程减少到一个椭圆曲线指数运算,非常适合于轻量级设备解密密文。
    改进的基于属性的访问控制策略评估管理决策图
    罗霄峰, 杨兴春, 胡勇
    2019, 39(12):  3569-3574.  DOI: 10.11772/j.issn.1001-9081.2019040603
    摘要 ( )   PDF (952KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对多数据类型区间决策图(MIDD)方法不能正确表示、处理属性的重要性标记特性,以及表示、处理责任及忠告等不清晰,造成节点表示不一致并增加了处理的复杂性等问题,对MIDD方法进行改进和扩展。首先,将MIDD的以实体属性为单位的图节点修改为以元素为单位的图节点,精准地表示基于属性的访问控制元素,使原来不能正确处理重要标志的问题得以解决;然后,将责任及忠告作为元素,用节点表示出来;最后,把规则和策略的组合算法加到决策节点中,以便在策略决策点(PDP)对访问请求进行决策时使用。分析结果表明,改进方法与原方法的时空复杂度相当。两种方法的对比仿真实验结果表明,在每个属性只有1个附属属性时(最一般的应用情况),两种方法每个访问请求的平均决策时间差异的数量级仅在0.01 μs。验证了复杂度分析的正确性,说明两种方法的性能相当。附属属性个数仿真实验表明,即使1个属性有10个附属属性(实际应用中十分稀少),两种方法的平均决策时间差异也在相同的数量级。改进方法不但保证了原方法的正确性、一致性和方便性,更将其使用范围从可扩展访问控制标记语言(XACML)策略扩展到一般的基于属性的访问控制策略。
    基于嵌套Merkle Hash tree区块链的云数据动态审计模型
    周坚, 金瑜, 何亨, 李鹏
    2019, 39(12):  3575-3583.  DOI: 10.11772/j.issn.1001-9081.2019040764
    摘要 ( )   PDF (1372KB) ( )  
    参考文献 | 相关文章 | 计量指标
    云存储凭借高扩展性、高可靠性、低成本的数据管理优点得到用户青睐。然而,如何确保云数据完整性成为亟待解决的安全问题。当前最成熟、高效的云数据完整性审计方案是基于半可信第三方来提供公共审计服务,但基于半可信第三方审计方案存在单点失效、算力瓶颈和错误数据定位效率低等问题。为了解决上述问题,提出了基于区块链的云数据动态审计模型。首先,采用分布式网络、共识算法建立一个由众多审计实体组成的区块链审计网络,并以此来解决单点失效和算力瓶颈问题;然后,在保证区块链数据可信度的前提下,引入变色龙哈希算法和嵌套MHT结构,以实现云数据标签在区块链上的动态操作;最后,借助嵌套MHT结构以及辅助路径信息,提高了在审计发生错误时对错误数据的定位效率。实验结果表明,与基于半可信第三方云数据动态审计方案相比,所提模型显著提高了审计效率,降低了数据动态操作时间开销,并提升了错误数据定位效率。
    先进计算
    基于禁忌搜索算法求解随机约束满足问题
    李飞龙, 赵春艳, 范如梦
    2019, 39(12):  3584-3589.  DOI: 10.11772/j.issn.1001-9081.2019050834
    摘要 ( )   PDF (918KB) ( )  
    参考文献 | 相关文章 | 计量指标
    为了求解具有增长取值域的随机约束满足问题(CSP),提出了一种基于禁忌搜索并与模拟退火相结合的算法。首先,利用禁忌搜索得到一组启发式的初始赋值,即由一个随机初始化的可行解通过邻域构造一组候选解,再利用禁忌表使候选解向最小化目标函数值的方向移动;如果得到的最优赋值不是问题的解,就把它作为启发式的初始赋值,再执行模拟退火对这组赋值进行修正直到得到全局最优解。数值实验结果表明,所提算法在接近问题的理论相变阈值时仍然能有效地找到问题的解,与其他局部搜索算法相比,表现出了显著的优越性,可用于随机CSP的算法设计。
    面向延迟敏感型物联网应用的计算迁移策略
    郭棉, 李绮琦
    2019, 39(12):  3590-3596.  DOI: 10.11772/j.issn.1001-9081.2019050891
    摘要 ( )   PDF (1101KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对云计算网络延迟较长、能耗过高和边缘服务器计算资源有限的问题,提出了一种提高延迟敏感型物联网(IoT)应用服务质量(QoS)的边缘-云合作的漂移加惩罚计算迁移策略(DPCO)。首先,建立物联网-边缘-云系统模型,对业务模式、计算任务所经历的传输延迟和计算延迟、系统产生的计算能耗和传输能耗等进行数学建模;然后,以系统能耗和任务平均延迟为优化目标,以边缘服务器的队列稳定性为限制条件构建边缘-云合作的计算迁移优化模型;接着,以优化目标为惩罚函数,基于李雅普诺夫稳定性理论推导出计算迁移优化模型的漂移加惩罚函数特性。最后,基于推导结果提出了DPCO计算迁移算法,通过每时隙选择使当前漂移加惩罚函数最小化的计算迁移策略来降低长期的单位时间能耗和缩短系统平均延迟。与轻流雾处理(LFP)、基准边缘计算(EC)、基准云计算(CC)策略相比,DPCO的系统能耗最低,约是CC策略的2/3;任务平均延迟也最小,可减少为CC的1/5。实验结果表明,DPCO能够有效降低边缘-云计算系统的能量消耗,减少计算任务的端到端延迟,满足延迟敏感型IoT应用的QoS要求。
    云环境中多目标优化的虚拟机放置算法
    蔺凯青, 李志华, 郭曙杰, 李双俐
    2019, 39(12):  3597-3603.  DOI: 10.11772/j.issn.1001-9081.2019050808
    摘要 ( )   PDF (1099KB) ( )  
    参考文献 | 相关文章 | 计量指标
    虚拟机放置(VMP)是虚拟机整合的核心,是一个多资源约束的多目标优化问题。高效的VMP算法不仅能显著地降低云数据中心能耗、提高资源利用率,还能保证服务质量(QoS)。针对数据中心能耗高和资源利用率低的问题,提出了基于离散蝙蝠算法的虚拟机放置(DBA-VMP)算法。首先,把最小化能耗和最大化资源利用率作为优化目标,建立多目标约束的VMP优化模型;然后,通过效仿人工蚁群在觅食过程中共享信息素的机制,将信息素反馈机制引入蝙蝠算法,并对经典蝙蝠算法进行离散化改进;最后,用改进的离散蝙蝠算法求解模型的Pareto最优解。实验结果表明,与其他多目标优化的VMP算法相比,所提算法在使用不同数据集的情况下都能有效降低能耗,提高资源利用率,实现了在保证QoS的前提下的降低能耗和提高资源利用率两者之间的优化平衡。
    网络与通信
    网络协议识别技术综述
    冯文博, 洪征, 吴礼发, 付梦琳
    2019, 39(12):  3604-3614.  DOI: 10.11772/j.issn.1001-9081.2019050949
    摘要 ( )   PDF (1987KB) ( )  
    参考文献 | 相关文章 | 计量指标
    网络流量的协议类型识别是进行协议分析和网络管理的前提,为此研究综述了网络协议识别技术。首先,描述了网络协议识别的目标,分析了协议识别的一般流程,探讨了协议识别的现实需求,给出了评估协议识别方法的标准;然后,从基于数据包的协议识别和基于数据流的协议识别两个类别分析了网络协议技术的研究现状,并对协议识别的各类技术进行了比较分析;最后,针对目前协议识别方法的缺陷和应用需求,对协议识别技术的研究趋势进行了展望。
    基于卷积神经网络的应用层协议识别方法
    冯文博, 洪征, 吴礼发, 李毅豪, 林培鸿
    2019, 39(12):  3615-3621.  DOI: 10.11772/j.issn.1001-9081.2019060977
    摘要 ( )   PDF (1254KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对传统网络协议识别方法中人工提取特征困难以及识别准确率低等问题,提出了一种基于卷积神经网络(CNN)的应用层协议识别方法。首先,基于完整的传输控制协议(TCP)连接或用户数据报协议(UDP)交互划分原始网络数据,从中提取出网络流;其次,通过数据预处理将网络流转化为二维矩阵,便于CNN的分析处理;然后,利用训练样本集合训练CNN模型,自动化提取出网络协议特征;最终,基于训练成熟的CNN模型进行应用层网络协议的识别。实验结果表明,所提方法的总体协议识别准确率约为99.70%,能有效实现应用层协议的识别。
    数据辅助的时域自相关与互相关联合频偏估计方法
    王思秀
    2019, 39(12):  3622-3627.  DOI: 10.11772/j.issn.1001-9081.2019040584
    摘要 ( )   PDF (790KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对数据辅助下突发数据通信中频偏估计精度低和复杂度高的问题,提出了一种数据辅助的时域自相关与互相关联合频偏估计方法。首先,推导出基于通用数据帧结构的频偏估计克拉美劳界(CRB),同时引入一个形式上更为简单的近似CRB作为估计算法的性能界;然后,在自相关估计中,利用自相关算子和复信号指数化近似得到具有较大范围和较低信噪比门限的自相关算法;在互相关估计中,借鉴自相关估计原理,利用互相关算子获得兼顾低复杂度和高精度的互相关算法。仿真结果表明,所提方法可估计出接近符号速率一半的载波频偏且达到了近似CRB性能;与经典的M&M算法相比,所提方法的估计精度提高了5倍,且从实乘运算来看还具有与导频长度相关的线性复杂度,适用于突发数据通信的工程应用。
    基于流量控制的Docker容器网络带宽控制机制
    王志伟, 杨超
    2019, 39(12):  3628-3632.  DOI: 10.11772/j.issn.1001-9081.2019040765
    摘要 ( )   PDF (790KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对Docker容器缺乏对网络带宽资源进行限制的能力的问题,提出了一种基于流量控制(TC)的Docker容器网络带宽控制机制。首先,基于CGroups文件系统的实时监测机制,利用Linux内核的虚拟文件系统(VFS)作为媒介,将Docker容器创建时设置的网络控制参数传递给Linux内核流量控制器TC;然后,通过引入IFB模块实现上下行带宽控制,并使用rate、ceil及prio参数进行空闲带宽共享及容器优先级控制;最后,控制TC执行具体的网络限制,以实现容器之间灵活的网络资源控制。实验结果表明,该机制在容器独占带宽场景下可有效地将实际容器带宽限制在2%的波动范围内,而在共享空闲带宽场景下可在平均误差0.5%的范围内精准限制容器带宽,同时该机制能够基于优先级弹性地管理资源。该机制具有提供更为原生的接口且无需额外工具配合的优势,可为基于Docker的云平台的细粒度弹性网络资源控制提供便捷有效的解决思路。
    计算机软件技术
    基于网络表征学习的混合缺陷预测模型
    刘成斌, 郑巍, 樊鑫, 杨丰玉
    2019, 39(12):  3633-3638.  DOI: 10.11772/j.issn.1001-9081.2019061028
    摘要 ( )   PDF (946KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对软件系统模块间具有依赖关系的问题,通过对软件系统网络结构进行分析,构建了基于网络表征学习的混合缺陷预测模型。首先,将软件系统以模块为单位转换成软件网络;然后,使用网络表征技术来无监督学习软件网络中每个模块的系统结构特征;最后,结合系统结构特征和卷积神经网络学习的语义特征构建一个混合缺陷预测模型。实验结果表明:在Apache三个开源软件poi、lucene和synapse上所提混合缺陷预测模型具有更好的缺陷预测效果,其F1指标比最优模型——基于卷积神经网络(CNN)的缺陷预测模型分别提高了3.8%、1.0%、4.1%。软件网络结构特征分析为缺陷预测模型的构建提供了有效的研究思路。
    基于Sugiyama的流程图自动生成算法
    梁白鸥
    2019, 39(12):  3639-3643.  DOI: 10.11772/j.issn.1001-9081.2019050909
    摘要 ( )   PDF (749KB) ( )  
    参考文献 | 相关文章 | 计量指标
    为了解决流程图绘制效率低下的问题,更好地保证软件模型、文档与代码的一致性,提出了一种流程图自动生成算法。首先,通过逆向分析C/C++源代码,提取代码的Token列表,生成Scope树,从而生成流程图。同时,提出了一种规范代码函数体注释的方法,提高流程图的可理解性。最后,应用Sugiyama布局算法,并对坐标指定步骤进行补充改进,对流程图进行了自动布局,最终生成可读流程图。实际应用过程中,所提算法有效地提高了软件设计文档的编写效率,保证了软件模型、文档与代码的一致性。
    虚拟现实与多媒体计算
    基于权重量化与信息压缩的车载图像超分辨率重建
    许德智, 孙季丰, 罗莎莎
    2019, 39(12):  3644-3649.  DOI: 10.11772/j.issn.1001-9081.2019050804
    摘要 ( )   PDF (992KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对智能驾驶领域中需要在内存受限的情况下得到高质量的超分辨率图像的问题,提出一种基于权重八位二进制量化的车载图像超分辨率重建算法。首先,基于八位二进制量化卷积设计信息压缩模块,减少内部冗余,增强网络内信息流动,提高重建速率;然后,整个网络由一个特征提取模块、多个堆叠的信息压缩模块和一个图像重建模块构成,并利用插值后超分辨率空间的信息与低分辨率空间重建后的图像融合,在不增加模型复杂度的基础上,提高网络表达能力;最后,算法中整个网络结构基于对抗生成网络(GAN)框架进行训练,使得到的图片有更好主观视觉效果。实验结果表明,所提算法的车载图像重建结果的峰值信噪比(PSNR)比基于GAN的超分辨率重建(SRGAN)算法提高了0.22 dB,同时其生成模型大小缩小为LapSRN的39%,重建速度提高为LapSRN的7.57倍。
    改进空间细节提取策略的分量替换遥感图像融合方法
    王文卿, 刘涵, 谢国, 刘伟
    2019, 39(12):  3650-3658.  DOI: 10.11772/j.issn.1001-9081.2019061063
    摘要 ( )   PDF (1705KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对多光谱图像与全色图像间的局部空间差异引起的空谱失真问题,提出了一种改进空间细节提取策略的分量替换遥感图像融合方法。与传统空间细节提取方法不同,该方法旨在合成高质量的强度图像,用其取代空间细节提取步骤中全色图像的位置,以获取匹配多光谱图像的空间细节信息。首先,借助低分辨率强度图像与高分辨率强度图像的流形结构一致性,利用基于局部线性嵌入的图像重建方法重构第一幅高分辨率强度图像;其次,对低分辨率强度图像与全色图像分别进行小波分解,保留低分辨率强度图像的低频信息与全色图像的高频信息,利用逆小波变换重构第二幅高分辨率强度图像;然后,将两幅高分辨率强度图像进行稀疏融合,获得高质量强度图像;最后,将合成的高分辨率强度图像应用到分量替换融合框架,获取最终融合图像。实验结果表明,与另外11种融合方法相比,所提方法得到的融合图像具有较高的空间分辨率和较低的光谱失真度,该方法的平均相关系数、均方根误差、相对整体维数合成误差、光谱角匹配指数和基于四元数理论的指标在三组GeoEye-1融合图像上的均值分别为:0.9439、24.3479、2.7643、3.9376和0.9082,明显优于对比方法的相应评价指标。该方法可有效地消除局部空间差异对分量替换融合框架性能的影响。
    基于深度残差和特征金字塔网络的实时多人脸关键点定位算法
    谢金衡, 张炎生
    2019, 39(12):  3659-3664.  DOI: 10.11772/j.issn.1001-9081.2019040600
    摘要 ( )   PDF (967KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对人脸关键点定位算法需要分为人脸区域检测与单人脸关键点定位两个步骤,导致处理时间成倍增加的情况,提出一步到位的实时且准确的多人脸关键点定位算法。该算法将人脸关键点坐标生成对应的热度图作为数据标签,利用深度残差网络完成前期的图像特征提取,使用特征金字塔网络融合在不同网络深度中表征不同尺度感受野的信息特征,应用中间监督思想,级联多个预测网络由粗到精地一次性回归图中所有人脸的关键点,而无需人脸检测步骤。在保持高定位精度的同时,该算法完成一次前向传播只需要约0.0075 s (约每秒133帧),满足了实时人脸关键点定位的要求,且在WFLW测试集中取得了6.06%的平均误差与11.70%的错误率。
    基于卷积神经网络的偏色光下植物图像分割方法
    张文彬, 朱敏, 张宁, 董乐
    2019, 39(12):  3665-3672.  DOI: 10.11772/j.issn.1001-9081.2019040637
    摘要 ( )   PDF (1365KB) ( )  
    参考文献 | 相关文章 | 计量指标
    为了解决传统图像分割算法在植物工厂中偏色光植物图像上分割精确度不高、泛化性能差的问题,提出了一种基于卷积神经网络,并结合深度学习技术,对人工偏色光下植物图像进行精确分割的方法。采用该方法,最终在偏色光植物图像原始测试集上达到了91.89%的分割精确度,远超全卷积网络、聚类、阈值、区域生长等分割算法。此外,在不同色光之下的植物图片上进行测试,该方法也较上述其他分割算法有着更好的分割效果和泛化性能。实验结果表明,所提方法能够显著提高偏色光下植物图像分割的精确度,可以应用于实际的植物工厂工程项目当中。
    方向感知的网格模型特征识别
    郭艺辉, 黄承慧, 钟雪灵, 陆寄远
    2019, 39(12):  3673-3677.  DOI: 10.11772/j.issn.1001-9081.2019050799
    摘要 ( )   PDF (840KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对网格模型平滑区域提取特征困难,以及现有特征识别方法无法检测仅沿某一特定方向分布的特征点的问题,提出一种方向感知的网格模型特征识别方法。首先,分别从x、y、z三个方向探测网格顶点邻接面法向量沿不同方向变化的情况。设定合适的阈值,只要检测到在任何一个方向上顶点邻接面法向量的变化超过阈值,该顶点即被识别为特征点。然后,针对现有网格模型特征识别算法无法检测三维医学模型普遍存在的一种仅沿z轴方向分布的梯田型结构的问题,单独探测医学模型网格顶点邻接面法向量沿z轴方向变化的情况,将变化超出阈值的顶点识别为梯田型结构顶点,正确地将非正常梯田型结构从人体模型正常结构特征中分离出来。与二面角法的对比实验的结果显示:在相同阈值设置下,所提方法能更好地识别出网格模型特征,解决了二面角法在没有明显折线的平滑区域上无法有效识别特征点的问题;同时,也解决了现有网格模型特征检测算法因不具备方向探测能力而无法将医学模型非正常梯田型结构与正常人体结构区分开来的问题,为医学模型后续数字几何处理工作提供了条件。
    应用前沿、交叉与综合
    基于改进蚁群算法的铁路乘务排班计划编制
    王东先, 孟学雷, 何国强, 孙慧萍, 王喜栋
    2019, 39(12):  3678-3684.  DOI: 10.11772/j.issn.1001-9081.2019061118
    摘要 ( )   PDF (1150KB) ( )  
    参考文献 | 相关文章 | 计量指标
    为了提升铁路乘务排班计划编制的质量和效率,将乘务排班计划编制问题抽象为单基地、考虑中途休息的多旅行商问题(MTSP),建立以排班周期最小、乘务交路间冗余接续时间分布最均衡为优化目标的单一循环乘务排班计划数学模型,并针对该模型提出了一种启发式修正蚁群算法。首先,构建满足时空约束的解空间,分别对乘务交路节点和接续路径设置信息素浓度;然后,确定基于修正的启发式信息,规定蚂蚁按乘务交路顺序依次出发,使蚂蚁遍历所有乘务交路;最后,从不同的乘务排班方案中选择最优的排班计划。以广深城际铁路为例对所提模型及算法进行验证,并与粒子群算法进行对比。实验结果表明:在相同的模型条件下,采用启发式修正蚁群算法编制的乘务排班计划平均月工时降低了8.5%,排班周期降低了9.4%,乘务人员超劳率为0。所提模型和算法能够压缩乘务排班周期,降低乘务成本,均衡工作量,避免乘务人员超劳。
    基于多前车信息融合的智能网联车辆跟驰模型
    纪艺, 史昕, 赵祥模
    2019, 39(12):  3685-3690.  DOI: 10.11772/j.issn.1001-9081.2019050902
    摘要 ( )   PDF (907KB) ( )  
    参考文献 | 相关文章 | 计量指标
    为了进一步提高交通流的稳定性,在经典基于驾驶员记忆的最优速度(OVCM)模型的基础上,提出了一种基于多前车最优速度与紧邻加速度(MHOVA)的智能网联车辆跟驰模型。首先,引入k辆前车的最优速度变化量与紧邻前车的加速度改进OVCM模型,并分别以参数γω表示其权重;然后,结合改进模型利用线性稳定性分析获得交通流的临界稳定条件;最后,利用Matlab对车队施加扰动后的速度和车头距等参数进行数值模拟与分析。仿真结果表明:在车队启动和停止过程的仿真中,所提模型比OVCM模型使得车队整体达到稳定状态的时间更短;在环形道路上车队施加扰动的仿真中,所提模型相比于全速度差(FVD)模型、OVCM和多前车最优速度(MHOV)模型,在合理加速度敏感系数ω和前车数k约束下的速度和车头距波动幅度相对较小,尤其当ω为0.3且k为5时车辆速度的向上和向下波动率最小可达0.67%和0.47%,表明改进模型能较好地吸收交通扰动和增强车队行驶稳定性。
    基于多尺度卷积的船舶行为识别方法
    王立林, 刘俊
    2019, 39(12):  3691-3696.  DOI: 10.11772/j.issn.1001-9081.2019050896
    摘要 ( )   PDF (947KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对复杂海洋环境下人工监管船舶行为效率低的问题,提出了一种基于多尺度卷积神经网络的船舶行为识别方法。首先,从船舶自动识别系统(AIS)中获取海量船舶行驶数据,并提取出具有判别力的船舶行为轨迹;然后,根据轨迹数据的特性,利用多尺度卷积设计并实现了针对船舶轨迹数据的行为识别网络,并且使用特征通道加权以及长短时记忆网络(LSTM)来提高算法的准确率。在船舶行为数据集上的实验结果表明,对于指定长度的船舶轨迹,所提识别网络能够达到92.1%的识别准确率,相较于传统的卷积神经网络提高了5.9个百分点,并且在稳定性以及收敛速度上都有明显提升。该方法能够有效地提高船舶行为的识别精度,为海洋监管部门提供高效的技术支持。
    基于三维卷积神经网络的航运监控事件识别
    王中杰, 张鸿
    2019, 39(12):  3697-3702.  DOI: 10.11772/j.issn.1001-9081.2019050916
    摘要 ( )   PDF (982KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对传统的机器学习算法对大数据量的航运监控视频识别分类的效果不佳,以及现有的三维(3D)卷积的识别准确率较低的问题,基于3D卷积神经网络模型,结合较为流行的视觉几何组(VGG)网络结构以及GoogleNet的Inception网络结构,提出了一种基于VGG-16的3D卷积网络并引入Inception模块的VIC3D模型对航运货物实时监控视频进行智能识别。首先,将从摄像头获取到的视频数据处理成图片;然后,将等间隔取帧的视频帧序列按照类别进行分类并构建训练集与测试集;最后,在保证运行环境相同并且训练方式相同的前提下,将结合后的VIC3D模型与原模型分别进行训练,根据测试集的测试结果对各种模型进行比较。实验结果表明,VIC3D模型的识别准确率在原模型的基础上有所提升,相较于组约束循环卷积神经网络(GCRNN)模型的识别准确率提高了11.1个百分点,且每次识别所需时间减少了1.349 s;相较于C3D的两种模型的识别准确率分别提高了14.6个百分点和4.2个百分点。VIC3D模型能有效地应用到航运视频监控项目中。
    多模态网络融合在轻度认知障碍分类中的应用
    王鑫, 高原, 王彬, 孙婕, 相洁
    2019, 39(12):  3703-3708.  DOI: 10.11772/j.issn.1001-9081.2019050901
    摘要 ( )   PDF (997KB) ( )  
    参考文献 | 相关文章 | 计量指标
    针对早期轻度认知障碍(MCI)根据医学诊断认知量表评估极有可能无法判断的问题,提出了一种多模态网络融合的MCI辅助诊断分类方法。基于图论的复杂网络分析方法在神经影像领域的应用已得到广泛认可,但采用不同模态的成像技术研究脑部疾病对大脑网络拓扑结构属性的影响会产生不同结果。首先,使用弥散张量成像(DTI)与静息态功能磁共振成像(rs-fMRI)数据构建大脑结构和功能连接的融合网络。然后,融合网络的拓扑属性被施以单因素方差分析(ANOVA),选择具有显著差异的属性作为分类特征。最后,利用支持向量机(SVM)留一法交叉验证对健康组和MCI组分类,估算准确率。实验结果表明,所提方法的分类结果准确率达到94.44%,相较单一模态数据法的分类结果有明显提高。所提方法诊断出的MCI患者在扣带回、颞上回以及额叶和顶叶部分区域等许多脑区表现出显著异常,与已有研究结果基本一致。
2024年 44卷 3期
刊出日期: 2024-03-10
文章目录
过刊浏览
荣誉主编:张景中
主  编:徐宗本
副主编
:申恒涛 夏朝晖

国内邮发代号:62-110
国外发行代号:M4616
地址:四川成都双流区四川天府新区
   兴隆街道科智路1369号
   中科信息(科学城园区) B213
   (计算机应用编辑部)
电话:028-85224283-803
   028-85222239-803
网址:www.joca.cn
E-mail: bjb@joca.cn
期刊微信公众号
CCF扫码入会