《计算机应用》唯一官方网站

基于节点相似度的无监督属性图嵌入模型

李扬, 吴安彪, 袁野, 赵琳琳, 王国仁

2022, 42(1): 1-8. DOI: 10.11772/j.issn.1001-9081.2021071221

摘要 ( )

HTML ( )

PDF (864KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

属性图嵌入旨在将属性图中的节点表示为低维向量，并同时保留节点的拓扑信息和属性信息。属性图嵌入已经有一系列相关工作，然而它们大多数提出的是有监督或半监督的算法。在实际应用中，需要标记的节点数量多，导致这些属性图嵌入算法的难度大，且需要消耗巨大的人力物力。针对上述问题以无监督的视角重新分析，提出了一种无监督的属性图嵌入算法。首先，通过已存在的无属性图嵌入算法和属性图的属性分别计算节点的拓扑信息和属性信息；其次，利用图卷积网络（GCN）得到节点的嵌入向量，并使得嵌入向量与拓扑信息以及嵌入向量与属性信息的差最小；最终，使拓扑信息和属性信息都相似的成对节点得到相似嵌入。与图自动编码器（GAE）方法相比，所提出的方法在Cora、Citeseer数据集上的节点分类准确率分别提升了1.2个百分点和2.4个百分点。实验结果表明，所提出的方法能够有效提高生成的嵌入的质量。

利用初始残差和解耦操作的自适应深层图卷积

张继杰, 杨艳, 刘勇

2022, 42(1): 9-15. DOI: 10.11772/j.issn.1001-9081.2021071289

摘要 ( )

HTML ( )

PDF (648KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

传统的图卷积网络（GCN）及其很多变体都是在浅层时达到最佳的效果，而没有充分利用图中节点的高阶邻居信息。随后产生的深层图卷积模型可以解决以上问题却又不可避免地产生了过平滑的问题，导致模型无法有效区分图中不同类别的节点。针对此问题，提出了一种利用初始残差和解耦操作的自适应深层图卷积模型ID-AGCN。首先，对节点的表示转换以及特征传播进行解耦；然后，在节点的特征传播过程中添加了初始残差；最后，自适应地结合不同传播层得到的节点表示，针对每个节点选择其合适的局部信息和全局信息以得到含有丰富信息的节点表征，并利用少部分带标签的节点进行监督训练来生成最终的节点表征。在Cora、CiteSeer和PubMed这三个数据集上的实验结果表明，ID-AGCN的分类准确率相较GCN分别提高了约3.4个百分点、2.3个百分点和1.9个百分点。所提模型能够更好地缓解过平滑。

基于随机特征映射的四层多核学习方法

杨悦, 王士同

2022, 42(1): 16-25. DOI: 10.11772/j.issn.1001-9081.2021010171

摘要 ( )

HTML ( )

PDF (665KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对单核网络模型的核函数选择无理论依据以及基于随机特征映射的四层神经网络（FRMFNN）节点规模过大的问题，提出了一种基于随机特征映射的四层多核学习神经网络（MK-FRMFNN）算法。首先，把原始输入特征通过特定的随机映射算法转化为随机映射特征；然后，经过不同的随机核映射生成多个基本核矩阵；最后，将基本核矩阵组成合成核矩阵，并通过输出权重连接到输出层。对原始特征进行随机映射的权重是根据任意连续采样概率分布随机生成的，不需要训练更新，且对输出层的权重使用岭回归伪逆算法进行快速求解，从而避免了反复迭代耗时的训练过程。MK-FRMFNN在基本核映射时引入了不同的随机权重矩阵，生成的合成核矩阵不仅可以综合各种核函数的优势，而且可以集合各种随机分布函数的特性，使数据在新的特征空间中获得更好的特征选择和表达效果。理论和实验分析表明，与宽度学习系统（BLS）及FRMFNN等单核模型相比，MK-FRMFNN模型的节点规模减小了2/3左右，且分类性能稳定；与主流的多种多核模型相比，MK-FRMFNN模型能够对大样本数据集进行学习，并且分类性能明显更优。

社交网络中基于K核分解的意见领袖识别算法

李美子, 米一菲, 张倩, 张波

2022, 42(1): 26-35. DOI: 10.11772/j.issn.1001-9081.2021010138

摘要 ( )

HTML ( )

PDF (1476KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对在社交网络中挖掘意见领袖时存在的计算复杂度高的难题，提出了一种基于K核分解的意见领袖识别算法CR。首先，基于K核分解方法获取社交网络中的意见领袖候选集，以缩小识别意见领袖的数据规模；然后，提出包括位置相似性和邻居相似性的用户相似性的概念，利用K核值、入度数、平均K核变化率和用户追随者个数计算用户相似性，并根据用户相似性对候选集中的用户计算全局影响力；最后，根据用户全局影响力对意见领袖候选集中的用户进行排序，从而识别意见领袖。在实验部分使用独立级联模型（ICM）预测的用户影响力和中心性两种评价指标在三个大小不同的真实数据集上对所提算法选出的意见领袖集进行评估，并将该算法与其他三种识别意见领袖的算法对比，结果表明该算法选出的影响力Top-15的用户平均影响力以21.442高于其他三个算法。另外，与四种与K核相关的算法做相关性指标对比的结果表明，CandidateRank算法总体来说效果较好。综上，CandidateRank算法在降低计算复杂度的同时提高了准确性。

基于Sobol序列和纵横交叉策略的麻雀搜索算法

段玉先, 刘昌云

2022, 42(1): 36-43. DOI: 10.11772/j.issn.1001-9081.2021010187

摘要 ( )

HTML ( )

PDF (771KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对麻雀搜索算法（SSA）容易陷入局部最优、收敛速度较慢等问题，提出一种基于Sobol序列和纵横交叉策略的麻雀搜索算法（SSASC）。首先，在初始化阶段引入类随机采样方法中的Sobol序列，以增强种群的多样性和遍历性；其次，提出一种指数形式的非线性惯性权重，从而提高算法的收敛效率；最后，应用纵横交叉策略对算法进行改进，即利用横向交叉增强全局搜索能力，利用纵向交叉保持种群的多样性并防止算法陷入局部最优。选取了13个基准函数进行仿真实验，同时使用Wilcoxon秩和检验和Friedman检验评价算法的性能。在与其他元启发式算法的对比实验中，将基准函数从10维扩展到100维，SSASC在平均值和标准差处始终优于其他算法。实验结果表明，该算法在收敛速度和求解准确度方面均取得了一定的优势。

优化搜索空间下带约束的可微分神经网络架构搜索

李建明, 陈斌, 江志伟, 覃健

2022, 42(1): 44-49. DOI: 10.11772/j.issn.1001-9081.2021010170

摘要 ( )

HTML ( )

PDF (603KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

可微分架构搜索（DARTS）可高效、自动地设计神经网络架构，但其超网络的构建方式与派生策略的设计之间存在性能“鸿沟”。针对上述问题，提出了优化搜索空间下带约束的可微分神经网络架构搜索算法。首先，以候选操作关联的架构参数为量化指标来分析超网络的训练过程，发现在派生架构中未生效的候选操作none占据了权重最大的架构参数，从而导致算法搜得的架构表现欠佳，针对该问题设计了优化的搜索空间；然后，分析了DARTS超网络与派生架构之间的差异后，以架构参数为基础定义了架构熵，并把架构熵作为DARTS超网络目标函数的约束项，从而促使超网络缩小与派生架构的差异；最后，在CIFAR-10数据集上进行了实验。实验结果表明，所提算法在其中搜得的架构取得了97.17%的分类准确率，综合准确率、参数量和搜索时间优于对比算法。所提出的算法是有效的，提升了搜得架构在CIFAR-10数据集上的准确率。

基于作者偏好的学术投稿刊物推荐算法

董永峰, 屈向前, 李林昊, 董瑶

2022, 42(1): 50-56. DOI: 10.11772/j.issn.1001-9081.2021010185

摘要 ( )

HTML ( )

PDF (605KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对投稿刊物推荐算法总是单独考虑文本主题或者作者历史发刊记录，导致投稿刊物推荐结果准确率低的问题，提出了一种基于作者偏好的学术刊物投稿推荐算法。该算法不仅协调使用了文本主题和作者历史发刊记录，还挖掘了投稿刊物的学术焦点与时间的潜在联系。首先，使用潜在狄利克雷（LDA）主题模型对文章标题进行主题提取；其次，建立主题-刊物和时间-刊物的模型图，并采用大规模信息网络嵌入（LINE）模型学习异构图节点的嵌入；最后，融合作者的主题偏好和历史发刊记录来计算刊物的综合得分，并据此对投稿作者进行投稿刊物推荐。在两个公开数据集DBLP和PubMed上的实验结果表明，相比奇异值分解（SVD）、DeepWalk、非负矩阵分解（NMF）等6个算法，所提出的算法在不同推荐的投稿刊物列表长度的情况下的召回率均为最优，并且在需要从论文和知识库中获取更少信息的同时，保持了较高的准确性，能有效提高投稿刊物推荐算法的鲁棒性。

融合BERT与标签语义注意力的文本多标签分类方法

吕学强, 彭郴, 张乐, 董志安, 游新冬

2022, 42(1): 57-63. DOI: 10.11772/j.issn.1001-9081.2021020366

摘要 ( )

HTML ( )

PDF (577KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

多标签文本分类（MLTC）是自然语言处理（NLP）领域的重要子课题之一。针对多个标签之间存在复杂关联性的问题，提出了一种融合BERT与标签语义注意力的MLTC方法TLA-BERT。首先，通过对自编码预训练模型进行微调，从而学习输入文本的上下文向量表示；然后，使用长短期记忆（LSTM）神经网络将标签进行单独编码；最后，利用注意力机制显性突出文本对每个标签的贡献，以预测多标签序列。实验结果表明，与基于序列生成模型（SGM）算法相比，所提出的方法在AAPD与RCV1-v2公开数据集上，F1值分别提高了2.8个百分点与1.5个百分点。

基于BERT的三阶段式问答模型

彭宇, 李晓瑜, 胡世杰, 刘晓磊, 钱伟中

2022, 42(1): 64-70. DOI: 10.11772/j.issn.1001-9081.2021020335

摘要 ( )

HTML ( )

PDF (918KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

预训练语言模型的发展极大地推动了机器阅读理解任务的进步。为了充分利用预训练语言模型中的浅层特征，并进一步提升问答模型预测答案的准确性，提出了一种基于BERT的三阶段式问答模型。首先，基于BERT设计了预回答、再回答及答案调整三个阶段；然后，在预回答阶段将BERT嵌入层的输入视作浅层特征来进行答案预生成；接着，在再回答阶段使用经BERT充分编码后的深层特征进行答案再生成；最后，在答案调整阶段结合前两个答案产生最终的预测结果。在抽取式问答任务的英文数据集SQuAD2.0和中文数据集CMRC2018上的实验结果显示，该模型在精准匹配度（EM）和F1分数（F1）两个指标上相较于同类基准模型平均提升了1~3个百分点，抽取出的答案片段更加准确。通过融合BERT中的浅层特征与深层特征，该三阶段模型拓展了BERT的抽象表示能力，探索了BERT中的浅层特征在问答模型中的应用，具有结构简单、预测准确、训练和推断速度快等特点。

基于层级多任务BERT的海关报关商品分类算法

阮启铭, 过弋, 郑楠, 王业相

2022, 42(1): 71-77. DOI: 10.11772/j.issn.1001-9081.2021010122

摘要 ( )

HTML ( )

PDF (697KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

海关商品申报场景下，需采用分类模型将商品归类为统一的海关（HS）编码。然而现有海关商品分类模型忽略了待分类文本中词语的位置信息，同时HS编码数以万计，会导致类别向量稀疏、模型收敛速度慢等问题。针对上述问题，结合真实业务场景下人工逐层归类策略，充分利用HS编码的层次结构特点，提出了一种基于层级多任务BERT（HM-BERT）的分类模型。一方面通过BERT模型的动态词向量获取了报关商品文本中的位置信息，另一方面利用HS编码不同层级的类别信息对BERT模型进行多任务训练，以提高归类的准确性和收敛性。在国内某报关服务商2019年的报关数据集上进行的所提模型的有效性验证，相比BERT模型，HM-BERT模型的准确率提高了2个百分点，在模型训练速度上也有所提升；与同样分层级的H-fastText相比，准确率提高了7.1个百分点。实验结果表明，HM-BERT模型能有效改善海关报关商品的分类效果。

面向随案电子卷宗的知识森林自动构建方法

屈垠岑, 赵银亮, 酒冲冲, 刘硕

2022, 42(1): 78-86. DOI: 10.11772/j.issn.1001-9081.2021020267

摘要 ( )

HTML ( )

PDF (1017KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对阅卷时由于卷宗内容繁多导致的信息过载和知识迷航的问题，提出面向随案电子卷宗的知识森林自动构建方法，以主题分面树以及主题间的认知关系作为卷宗的知识化表示。首先，对卷宗进行碎片化的预处理，从而将不同类型的文书分类并划分为多个单一主题的碎片；然后，针对不同碎片采取不同的信息抽取方法，并利用知识融合将同义信息进行合并，之后利用本体结构和规则构建主题分面树并抽取主题关系；最后，将知识森林构建的主题分面树和主题关系在数据库中存储起来，从而实现知识森林的可视化。实验结果表明，该方法可以较为完整、准确地展示卷宗信息，组织分散的知识碎片和复杂的卷宗主题，使得选择部分卷宗主题和少量卷宗碎片实现阅卷目标成为可能，减轻了通过全面浏览卷宗内容来完成阅卷任务的负担。

基于刑事Electra的编-解码关系抽取模型

王小鹏, 孙媛媛, 林鸿飞

2022, 42(1): 87-93. DOI: 10.11772/j.issn.1001-9081.2021020272

摘要 ( )

HTML ( )

PDF (723KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对司法领域关系抽取任务中模型对句子上下文理解不充分、重叠关系识别能力弱的问题，提出了一种基于刑事Electra （CriElectra）的编-解码关系抽取模型。首先，参考中文Electra的训练方法，在1 000 000份刑事数据集上训练得到了CriElectra；然后，在双向长短期记忆网络（BiLSTM）模型上加入CriElectra的词特征进行司法文本的特征提取；最后，通过胶囊网络（CapsNet）对特征进行矢量聚类，从而实现实体间的关系抽取。实验结果表明，在自构建的故意伤害罪关系数据集上，与基于中文Electra的这一预训练语言模型相比，CriElectra在司法文本上的重训过程使得学习到的词向量蕴含更丰富的领域信息，且F1值提升了1.93个百分点；与基于池化聚类的模型相比，CapsNet通过矢量运算能够有效防止空间信息丢失，并提高重叠关系的识别能力，使得F1值提升了3.53个百分点。

动态数据上的高效用模式挖掘综述

单芝慧, 韩萌, 韩强

2022, 42(1): 94-108. DOI: 10.11772/j.issn.1001-9081.2021071290

摘要 ( )

HTML ( )

PDF (1668KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

高效用模式挖掘（HUPM）考虑了项的购买数量及单位利润，提供了项更详细的信息，使用户能够做出更好的经济决策。针对大多数HUPM算法都应用在与不断产生数据的现实世界不符的静态数据集上的问题，近些年不断提出了动态数据上的HUPM算法。首先，对增量数据、数据流、动态删除和动态修改数据上的HUPM算法以及融合高效用模式（高效用序列模式、平均高效用模式、top-k高效用模式等）挖掘算法进行了总结；然后，对使用不同类型数据的算法进行了总结，包括动态利润数据、动态序列数据等数据类型；其次，从算法使用的数据结构、剪枝策略、窗口模型、优缺点等角度对HUPM算法进行分类总结；最后，针对目前研究的不足，提出了下一步动态数据上的HUPM算法研究方向。

基于动态相关性的特征选择算法

陈永波, 李巧勤, 刘勇国

2022, 42(1): 109-114. DOI: 10.11772/j.issn.1001-9081.2021010128

摘要 ( )

HTML ( )

PDF (445KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

特征选择是从原始数据集中去除无关的特征并选择良好的特征子集，可以避免维数灾难和提高学习算法的性能。为解决已选特征和类别动态变化（DCSF）算法在特征选择过程中只考虑已选特征和类别之间动态变化的信息量，而忽略候选特征和已选特征的交互相关性的问题，提出了一种基于动态相关性的特征选择（DRFS）算法。该算法采用条件互信息度量已选特征和类别的条件相关性，并采用交互信息度量候选特征和已选特征发挥的协同作用，从而选择相关特征并且去除冗余特征以获得优良特征子集。仿真实验表明，与现有算法相比，所提算法能有效地提升特征选择的分类准确率。

基于Hessian正则化和非负约束的低秩表示子空间聚类算法

范莉莉, 卢桂馥, 唐肝翌, 杨丹

2022, 42(1): 115-122. DOI: 10.11772/j.issn.1001-9081.2021071181

摘要 ( )

HTML ( )

PDF (661KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对低秩表示（LRR）子空间聚类算法没有考虑数据局部结构，在学习中可能会造成局部相似信息丢失的问题，提出了一种基于Hessian正则化和非负约束的低秩表示子空间聚类算法（LRR-HN），用来探索数据的全局结构和局部结构。首先，利用Hessian正则化良好的推测能力来保持数据的局部流形结构，使数据局部拓扑结构的表达能力更强；其次，考虑到获得的系数矩阵往往有正有负，而负值往往没有实际意义的特点，引入非负约束来保证模型解的有效性，使其在数据局部结构描述上更有意义；最后，通过最小化核范数寻求数据全局结构的低秩表示，从而更好地聚类高维数据。此外，利用自适应惩罚的线性交替方向法设计了一种求解LRR-HN的有效算法，并在一些真实数据集上，采用正确率（AC）和归一化互信息（NMI）对所提出的算法进行了评估。在ORL数据集上聚类数目为20时的实验中，LRR-HN与LRR算法相比，AC和NMI分别提高了11%和9.74%；与自适应低秩表示（ALRR）算法相比，AC和NMI分别提高了5%和1.05%。实验结果表明，LRR-HN与现有的一些算法相比，AC和NMI均有较大的提升，有较好的聚类性能。

基于准确率爬坡的动态加权集成分类算法

李小娟, 韩萌, 王乐, 张妮, 程浩东

2022, 42(1): 123-131. DOI: 10.11772/j.issn.1001-9081.2021071234

摘要 ( )

HTML ( )

PDF (992KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

传统集成分类算法中，一般将集成数目设置为固定值，这可能会导致较低分类准确率。针对这一问题，提出了准确率爬坡集成分类算法（C-ECA）。首先，该算法不再用一些基分类器去替换相同数量的表现最差的基分类器，而是基于准确率对基分类器进行更新，然后确定最佳集成数目。其次，在C-ECA的基础上提出了基于爬坡的动态加权集成分类算法（C-DWECA）。该算法提出了一个加权函数，其在具有不同特征的数据流上训练基分类器时，可以获得基分类器的最佳权值，从而提升集成分类器的性能。最后，为了能更早地检测到概念漂移并提高最终精度，采用了快速霍夫丁漂移检测方法（FHDDM）。实验结果表明C-DWECA的准确率最高可达到97.44%，并且该算法的平均准确率比自适应多样性的在线增强（ADOB）算法提升了40%左右，也优于杠杆装袋（LevBag）、自适应随机森林（ARF）等其他对比算法。

多编码树GPU并行轴心子图匹配

汪洋, 江世杰, 曹宇聪, 李传文

2022, 42(1): 132-139. DOI: 10.11772/j.issn.1001-9081.2021071219

摘要 ( )

HTML ( )

PDF (877KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

子图同构问题是非确定多项式（NP）完全问题，而轴心子图同构是一种特殊的子图同构问题。针对现在已经有许多高效的子图同构算法，然而对于轴心子图同构问题目前并没有基于GPU的搜索算法，且通过改造已有的子图同构算法来解决轴心子图匹配问题会产生大量不必要的中间结果这一问题，提出了一种基于GPU的轴心子图同构算法。首先，通过一种新颖的多编码树方式，利用节点的标签、度以及节点邻居的结构特征的组合对节点进行编码，并在GPU上对查询图节点并行地进行剪枝，从而明显地减小数据图候选节点所生成的搜索空间树的尺寸；然后，逐层访问查询图节点的候选节点，过滤掉不满足的节点；最后，验证得到的子图是否是查询图的同构子图，从而高效地完成轴心子图同构搜索。实验结果表明，与GPU友好子图匹配（GpSM）算法相比，所提算法的执行时间降低了二分之一，且该算法能够高效地执行轴心子图同构搜索并且具有可扩展性。所提轴心子图同构算法可以减少解决轴心子图同构问题所需的时间，同时降低了GPU内存消耗，提升了算法的性能。

嵌入式数据库SQLite上多版本并发控制的设计与实现

景子奇, 邹兆年

2022, 42(1): 140-147. DOI: 10.11772/j.issn.1001-9081.2021071217

摘要 ( )

HTML ( )

PDF (785KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对嵌入式数据库SQLite并发性能较低的问题，提出了一种基于多版本并发控制（MVCC）的并发控制设计。首先，设计了SQLite数据库的以提交的写事务为依据的版本划分方式，重新设计了数据记录的头部字段并以此划分了记录在不同版本访问下的可见性；然后，在SQLite原有结构基础上修改了增、删、查、改等操作与索引结构使得该数据库能在MVCC下工作；最后，对于老旧版本数据提供了一种手动的回收机制。通过实验对比测试了在该设计下的SQLite-MVCC数据库与SQLite数据库的性能区别，发现在并发度较高的状态下SQLite-MVCC数据库在相同时间内可多完成70%以上的事务。实验结果验证了所提设计可以有效提高SQLite的并发性能，使得该数据库可以应对并发情况下的需求。

门罗币匿名及追踪技术综述

林定康, 颜嘉麒, 巴楠登, 符朕皓, 姜皓晨

2022, 42(1): 148-156. DOI: 10.11772/j.issn.1001-9081.2021020296

摘要 ( )

HTML ( )

PDF (723KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

虚拟数字货币为恐怖分子融资、洗钱、毒品交易等犯罪活动提供了温床，而门罗币作为新兴数字货币的代表，具有公认的高匿名性。针对利用门罗币匿名性犯罪的问题，从技术角度探索门罗币匿名技术及其追踪技术，综述近年来的研究进展，从而为有效应对基于区块链技术的犯罪提供技术支持。具体来说，总结了门罗币匿名技术的演进，并梳理了学术界关于门罗币匿名技术的追溯对策。首先，在匿名技术中，介绍了环签名、保证不可链接性（一次性公钥）、保证不可追溯性、提高匿名性的重要版本升级等。然后，在追踪技术中，介绍了0-mixin攻击、输出合并攻击、最新猜测攻击、封闭集攻击、泛洪攻击、恶意远程节点攻击、钱包环攻击等攻击方法。最后，基于对匿名技术和追溯对策的分析，得出了四点结论：门罗币的匿名技术和追踪技术的发展相互促进；RingCT的应用是一把双刃剑，既使得从币值出发的被动攻击方法失效，也使得主动攻击方法更加容易奏效；输出合并攻击和0-mixin攻击具有互补作用；门罗币的系统安全链条仍待理顺。

基于逻辑单粒子的多方量子密钥协商协议

许盛伟, 康婕

2022, 42(1): 157-161. DOI: 10.11772/j.issn.1001-9081.2021010176

摘要 ( )

HTML ( )

PDF (456KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

集体噪声对量子密码协议的影响不可忽视，然而可抵抗集体噪声的多方量子密钥协商（MQKA）协议还很少。为了抵抗集体噪声的影响，分别针对可抗集体退相位噪声的逻辑单粒子和可抗集体旋转噪声的逻辑单粒子提出了两组逻辑酉算符，使得将其作用在逻辑单粒子上后，其中两个酉算符不改变测量基，而另外两个会改变测量基。基于此性质提出一个MQKA协议。首先，每个参与者传输逻辑单粒子给下一位；然后，该逻辑单粒子经过其他所有参与者的加密重新回到这个参与者，形成一个“环形”；最后，通过测量来获取共享密钥。安全性分析证明，该协议能够抵抗截取重发攻击、纠缠测量攻击以及参与者攻击；效率分析表明，该协议具有较高的量子比特效率。

基于动态网络的非线性置乱扩散同步图像加密

郭媛, 王学文, 王充, 姜津霖

2022, 42(1): 162-170. DOI: 10.11772/j.issn.1001-9081.2021071220

摘要 ( )

HTML ( )

PDF (3822KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

具有置乱-扩散结构的传统图像加密中的置乱与扩散通常相互独立，易被单独针对破解，且加密过程非线性弱，导致算法安全性差，为此提出了一种具有强非线性的置乱扩散同步图像加密算法。首先，构造新型sine-cos混沌映射，以拓宽控制参数范围，并改善序列分布的随机性；然后，用明文像素与混沌序列的异或和作为混沌初始值产生混沌序列，用其构建不同明文的不同像素的网络结构，同时利用扩散值动态更新网络值，使网络具有动态性；最后，使用单像素串行置乱-扩散使置乱与扩散产生交叉作用，整体上达到置乱和扩散的同步，从而有效抵抗分离攻击。另外，依照网络结构转移像素操作，使串行路径具有非线性和不可预测性，从而保证算法的非线性与安全性，并且利用相邻节点像素和进行动态扩散，从而提高明文的相关性。实验结果表明，该算法加密安全性高，明文敏感性强，并在抗统计攻击、差分攻击、选择明文攻击等方面效果尤佳。

基于高阶位平面冗余的可逆信息隐藏方法

顼聪, 王兴田, 陶永鹏

2022, 42(1): 171-177. DOI: 10.11772/j.issn.1001-9081.2021020237

摘要 ( )

HTML ( )

PDF (1374KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有加密图像可逆信息隐藏（RDHEI）方法存在的隐藏容量低、解密标记图像质量差的问题，提出了一种新的基于高阶位平面冗余的RDHEI方法。首先，通过Logistic映射对原始图像进行分块加密，并保留块内像素高阶位平面的冗余；其次，依据块内高阶位和低阶位个数是否相同的规则将加密后的图像块分为可嵌入块和不可嵌入块，并在可嵌入块中使用像素低阶位的值替换对应的高阶位值，从而实现高阶位平面冗余向低阶位平面的转移；最后，利用块内低阶位平面中腾出的嵌入空间来嵌入机密信息。在这之后，接收者利用密钥实现数据提取、图像解密和图像无损恢复的操作。在使用USC-SIPI标准图像库中的6幅图像进行的仿真实验中，在高阶位平面数等于3时，所提方法的图像的平均嵌入率为1.73 bpp，直接解密后的标记图像的平均峰值信噪比（PSNR）为47.20 dB。实验结果表明，该方法不仅提高了加密图像的信息嵌入量，而且提高了直接解密后的标记图像的PSNR值。

基于多BP神经网络的内存组合特征分类方法

段佳良, 蔡国明, 徐开勇

2022, 42(1): 178-182. DOI: 10.11772/j.issn.1001-9081.2021010199

摘要 ( )

HTML ( )

PDF (563KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对内存数据在攻击行为发生后会发生改变，而传统完整性度量系统使用的基准值度量存在检测率低、灵活性不足等问题的现象，提出一种基于多反向传播（BP）神经网络的内存组合特征分类方法。首先，将内存数据通过度量对象提取算法（MOEA）提取特征值；然后，分别使用不同的BP神经网络进行模型训练；最后，再通过一个BP神经网络对所得数据进行汇总，并得出操作系统安全状况评分。实验结果表明该方法与传统的使用基准值度量的完整性度量方法相比，检测准确率与普适性有较大提升；所提方法的检测准确率为98.25%，大于卷积神经网络（CNN）、K最邻近（KNN）算法与单BP神经网络，表明该方法能更加准确地发现攻击行为；所提方法的模型训练时间约为传统单BP神经网络的1/3，并且模型训练速度相较同类模型也有一定提升。

基于分区型区块链医疗电子病历共享方案

李莉, 吴怡, 杨祉坤, 陈云鹏

2022, 42(1): 183-190. DOI: 10.11772/j.issn.1001-9081.2021010107

摘要 ( )

HTML ( )

PDF (869KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对基于传统区块链进行医疗数据共享时可扩展性受限制的问题，提出一种基于分片技术的区块链扩容共享方案。首先，基于跳跃一致性哈希算法进行周期性网络分片，通过随机划分全网节点大幅度降低单分片内女巫攻击的风险；其次，分片内使用可扩展的去中心化信任基础设施区块链（SBFT）共识协议以降低实用拜占庭容错（PBFT）共识协议的高通信复杂度，并且在分片的物理多链与主链的逻辑单链间采用双层架构以减小分片成员的存储压力；最后，在医疗联盟链上提出基于公钥密码体制的多关键词关联检索可搜索加密共享方案（PECKS），从而提高病人对自己敏感数据的掌控度，并实现加密情况下敏感数据的细粒度检索。通过性能分析可以看出，在并行分片结构下，区块链吞吐量随分片增加有明显增长，检索效率也得到显著提升。实验结果表明，所提方案能大幅度提升区块链系统的效率与可扩展性。

具有时变参考输入的多自主体系统的平均一致性跟踪

张雨, 刘成林

2022, 42(1): 191-197. DOI: 10.11772/j.issn.1001-9081.2021010197

摘要 ( )

HTML ( )

PDF (812KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对具有时变参考输入的多自主体系统的动态平均一致性跟踪问题，提出了一种比例-积分一致性跟踪算法。在对多自主体间通信数据进行量化的场景下，研究了基于量化的平均一致性跟踪问题。首先，在积分算法的基础上引入一个比例环节，使得自主体在控制协议的约束下通过和邻近自主体间相互交流来更好地跟踪参考输入的平均值；然后，在固定的强连通平衡拓扑结构下，利用矩阵分析和Routh判据分别得出自主体间信息传输数据未量化和量化时多自主体系统渐近跟踪到时变参考输入平均值的充分条件；最后，数值仿真证明了结果的准确性，也证实了所提算法的有效性。

融合XGBoost和Multi-GRU的数据中心服务器能耗优化算法

申明尧, 韩萌, 杜诗语, 孙蕊, 张春砚

2022, 42(1): 198-208. DOI: 10.11772/j.issn.1001-9081.2021071291

摘要 ( )

HTML ( )

PDF (1169KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

随着云计算技术的快速发展，数据中心的数量大幅增加，随之而来的能源消耗问题逐渐成为一个研究热点。针对服务器能耗优化问题，提出了一种融合极限梯度提升（XGBoost）和多个门控循环单元（Multi-GRU）的数据中心服务器能耗优化（ECOXG）算法。首先利用Linux终端监控命令和功耗仪收集服务器各部件的资源占用信息和能耗等数据，并对其进行数据预处理来得到资源利用率。其次将资源利用率串联构造成向量形式的时间序列，用其训练Multi-GRU负载预测模型，并根据预测结果对服务器进行模拟降频，以得到降频后的负载数据。然后将服务器的资源利用率与相同时刻的能耗数据相结合，并用其训练XGBoost能耗预测模型。最后将降频后的负载数据输入到训练后的XGBoost模型中，从而预测出降频后的服务器能耗。在6台物理服务器实际资源利用率数据上的实验表明，与卷积神经网络（CNN）、长短期记忆（LSTM）网络、CNN-GRU和CNN-LSTM模型相比，ECOXG算法在均方根误差（RMSE）上分别降低了50.9%、31.0%、32.7%、22.9%；同时，与LSTM、CNN-GRU和CNN-LSTM模型相比，ECOXG算法在训练时间上分别节省了43.2%、47.1%、59.9%。实验结果表明，ECOXG算法能够在服务器能耗预测和能耗优化方面提供一定的理论基础，且在准确性和运行效率方面明显优于对比算法。此外，模拟降频后的服务器能耗已明显低于真实能耗，且在服务器的利用率较低时降耗效果显著。

基于因子分解机用于安全探索的Q表初始化方法

曾柏森, 钟勇, 牛宪华

2022, 42(1): 209-214. DOI: 10.11772/j.issn.1001-9081.2021020239

摘要 ( )

HTML ( )

PDF (873KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对强化学习的大多数探索/利用策略在探索过程中忽略智能体随机选择动作带来的风险的问题，提出一种基于因子分解机（FM）用于安全探索的Q表初始化方法。首先，引入Q表中已探索的Q值作为先验知识；然后，利用FM建立先验知识中状态和行动间潜在的交互作用的模型；最后，基于该模型预测Q表中的未知Q值，从而进一步引导智能体探索。在OpenAI Gym的网格强化学习环境Cliffwalk中进行的A/B测试里，基于所提方法的Boltzmann和置信区间上界（UCB）探索/利用策略的不良探索幕数分别下降了68.12%和89.98%。实验结果表明，所提方法提高了传统策略的探索安全性，同时加快了收敛。

离散蝠鲼觅食优化算法及在频谱分配中的应用

王大为, 刘新浩, 李竹, 芦宾, 郭爱心, 柴国强

2022, 42(1): 215-222. DOI: 10.11772/j.issn.1001-9081.2021020238

摘要 ( )

HTML ( )

PDF (671KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对认知无线电中以最大化网络效益为准则的频谱分配难题以及蝠鲼觅食优化（MRFO）算法难以解决频谱分配问题的不足，提出一种离散蝠鲼觅食优化（DMRFO）算法。根据工程中频谱分配问题具有亲1性的特点，首先，基于Sigmoid函数（SF）离散法对MRFO算法进行离散二进制化；然后，通过异或算子和速度调节因子引导蝠鲼根据当前速度大小自适应向最优解调整下一时刻的位置；同时，通过在全局最优解附近进行二进制螺旋觅食避免算法陷入局部最优；最后，将提出的DMRFO算法应用于解决频谱分配问题。仿真实验结果表明，采用DMRFO算法分配频谱时的网络效益的收敛均值和标准差分别为362.60和4.14，该结果显著优于离散人工蜂群（DABC）算法、二进制粒子群优化（BPSO）算法以及改进的二进制粒子群优化（IBPSO）算法。

基于行为轮廓定义目标规则的流程建模推荐方法

李多芹, 方贤文

2022, 42(1): 223-229. DOI: 10.11772/j.issn.1001-9081.2021010097

摘要 ( )

HTML ( )

PDF (627KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

为了打破基于流程库的流程建模推荐方法中路径和图结构的限制，为建模者从流程库中提取更多有用的推荐信息，进而辅助建模者建立更高质量的业务流程模型，提出了一种基于行为轮廓定义业务目标实现规则的流程建模推荐方法。首先，通过业务陈述制定用于形式化及抽象化表达业务交互规则的目标轮廓矩阵；接着，通过其与行为轮廓矩阵集中全部行为轮廓矩阵的比对，找出流程库中所有满足目标轮廓矩阵的流程作为候选流程集；最后，通过行为轮廓度量方法计算出候选流程库中与当前建模模型相似度最高的流程，并将这些流程中当前建模节点的下一节点作为推荐节点。在真实数据集上进行实验评估了所提方法，推荐能力和推荐准确率两方面的评估表明了所提方法与独立路径匹配方法相比，能够在准确率满足实际应用需求的同时为建模者提供更多有价值的推荐信息。

基于Deeplab V3 Plus的自适应注意力机制图像分割算法

杨贞, 彭小宝, 朱强强, 殷志坚

2022, 42(1): 230-238. DOI: 10.11772/j.issn.1001-9081.2021010137

摘要 ( )

HTML ( )

PDF (1160KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对Deeplab V3 Plus在下采样操作中图像细节信息和小目标信息过早丢失的问题，提出了一种基于Deeplab V3 Plus网络架构的自适应注意力机制图像语义分割算法。首先，在Deeplab V3 Plus主干网络的输入层、中间层和输出层均嵌入注意力机制模块，并且引入一个权重值与每个注意力机制模块相乘，以达到约束注意力机制模块的目的；其次，在PASCAL VOC2012 公共分割数据集上训练嵌入注意力模块的Deeplab V3 Plus，以此手动获取注意力机制模块权重值（经验值）；然后，探索输入层、中间层和输出层中注意力机制模块的多种融合方式；最后，将注意力机制模块的权重值更改为反向传播自动更新，从而得到注意力机制模块的最优权值和最优分割模型。实验结果表明，与原始Deeplab V3 Plus网络结构相比，引入自适应注意力机制的Deeplab V3 Plus网络结构在PASCAL VOC2012公共分割据集和植物虫害数据集上的平均交并比（MIOU）分别提高了1.4个百分点和0.7个百分点。

基于双注意力机制信息蒸馏网络的图像超分辨率复原算法

王素玉, 杨静, 李越

2022, 42(1): 239-244. DOI: 10.11772/j.issn.1001-9081.2021010134

摘要 ( )

HTML ( )

PDF (632KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对超分辨率复原技术中网络层数不断加深导致的网络训练困难、特征信息利用率低等问题，设计并实现了一种基于双注意力的信息蒸馏网络（IDN）的图像超分辨率复原算法。首先，利用IDN较低的计算复杂度及信息蒸馏模块提取更多特征的优势，通过引入残差注意力模块（RAM）并考虑图像通道之间的相互依赖性来自适应地重新调整特征权重，从而进一步提升图像高分辨率细节的重建能力；然后，设计了对于边缘信息敏感的新型混合损失函数对图像进行细化处理，以加速网络收敛。在Set5、Set14、BSD100和Urban100公共数据集上的测试结果表明，该方法的视觉效果和峰值信噪比（PSNR）均优于当前主流算法。

应用通道间相关性及增强信息蒸馏的彩色图像去马赛克网络

李恒鑫, 常侃, 谭宇飞, 凌铭阳, 覃团发

2022, 42(1): 245-251. DOI: 10.11772/j.issn.1001-9081.2021010127

摘要 ( )

HTML ( )

PDF (1841KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

在商用数码相机中，由于CMOS传感器的限制，在采样得到的图像中的每个像素位置仅有一个色彩通道的信息，因此，需要采用彩色图像去马赛克（CDM）算法来恢复全彩图像。然而，现有的基于卷积神经网络（CNN）的CDM算法不能以较低的计算复杂度和网络参数量取得令人满意的性能。针对这个问题，提出一种应用通道间相关性和增强信息蒸馏（ICEID）的彩色图像去马赛克网络。首先，为了充分利用彩色图像的通道间相关性，提出了一种通道间的引导重建结构来生成初始CDM结果；其次，提出一种增强信息蒸馏模块（EIDM）来以相对较低的参数量有效地提取和精炼图像特征，从而高效地优化重建的全彩图像。实验结果表明，与主流CDM算法相比，所提算法不仅在客观质量与主观质量上均获得了明显提升，而且具有较低的计算复杂度和网络参数量。

变长度弹性伸缩腿双足机器人半被动起步行走仿人控制

张瑞, 张奇志, 周亚丽

2022, 42(1): 252-257. DOI: 10.11772/j.issn.1001-9081.2021010175

摘要 ( )

HTML ( )

PDF (714KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

传统双足机器人行走使用轨迹跟踪控制，而人类行走大部分时间处于被动状态。针对半被动变长度弹性伸缩腿双足机器人从静止状态开始起步行走的问题，提出了一种起步行走仿人控制方法。首先，使用串联弹性驱动双足弹簧负载倒立摆（B-SLIP）模型；然后，利用拉格朗日方法建立行走动力学方程，并利用模型的自稳定性在双支撑阶段采用能量误差比例积分（PI）反馈控制与惰性控制方法控制后腿伸缩，在单支撑阶段采用摆动腿回摆方法控制机器人的高度和前向速度。仿真结果表明，所提出的控制策略可使双足机器人在水平面上实现起步行走过程，并且对应的控制系统对于外部周期扰动力具有抗干扰能力。

基于改进时空残差卷积神经网络的城市路网短时交通流预测

包银鑫, 曹阳, 施佺

2022, 42(1): 258-264. DOI: 10.11772/j.issn.1001-9081.2021010080

摘要 ( )

HTML ( )

PDF (1139KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

城市路网交通流预测受到历史交通流和相邻路口交通流的影响，具有复杂的时空关联性。针对传统时空残差模型缺乏对交通流数据进行相关性分析、捕获微小变化而容易忽略长期时间特征等问题，提出一种基于改进时空残差卷积神经网络（CNN）的城市路网短时交通流预测模型。该模型将原始交通流数据转化成交通栅格数据，利用皮尔逊相关系数（PCC）对交通栅格数据进行相关性分析，确定相关性高的周期序列和邻近序列；同时，建立周期序列模型和邻近序列模型，并引入长短时记忆（LSTM）网络作为混合模型提取时间特征以及捕获两种序列的长期时间特征。利用成都市出租车数据集对模型进行验证，结果表明该模型预测结果优于LSTM、CNN和传统残差模型等基准模型，以均方根误差（RMSE）为评价指标时，所提模型将测试集中交通路网的平均预测精度分别提高了25.6%、13.3%和3.2%。

基于卷积神经网络的细长路面病害检测方法

许慧青, 陈斌, 王敬飞, 陈志毅, 覃健

2022, 42(1): 265-272. DOI: 10.11772/j.issn.1001-9081.2021010206

摘要 ( )

HTML ( )

PDF (2146KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对细长路面病害人工检测耗时长和当前检测方法精度不足的问题，依据病害的弱语义特性和异常几何属性，提出了能够精准定位和分类出病害的二阶段细长路面病害检测方法Epd RCNN。首先，针对细长路面病害的弱语义特性，提出了一种复用低层特征并反复融合不同阶段特征的骨干网络；其次，在训练过程中，使用一种符合病害几何属性分布的锚框机制来生成高质量的正样本供网络训练；然后，在单一高分辨率特征图上预测病害包围框，并针对该特征图使用并行级联空洞卷积模块来提升其多尺度特征表达能力；最后，针对形状各异的候选区域，使用由可变形感兴趣区域池化（RoI Pooling）和空间注意力模块组成的候选区域特征改良模块来提取符合病害几何属性的候选区域特征。实验结果表明，所提方法在光照充足图像上的平均准确率均值（mAP）为0.907，在存在光照问题图像上的mAP为0.891，综合mAP为0.899，表明该方法具有良好的检测性能和对光照的鲁棒性。

基于双重检测的气门识别方法

佘维, 郑倩, 田钊, 刘炜, 李英豪

2022, 42(1): 273-279. DOI: 10.11772/j.issn.1001-9081.2021020333

摘要 ( )

HTML ( )

PDF (2307KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对目前工业中的气门识别方法存在重叠目标漏检率高、检测精度较低、目标包裹度差、圆心定位不准的问题，提出了一种基于双重检测的气门识别方法。首先，运用数据增强对样本进行轻量扩充；其次，以深度卷积网络为基础，加入空间金字塔池化层（SPP）和路径聚合网络（PAN），同时调整先验框，改进损失函数，从而提取气门预测框；最后，以霍夫圆变换（CHT）方法对预测框中的气门进行二次识别，从而达到精准识别气门区域的目的。把所提方法和原YOLOv3、YOLOv4、传统CHT方法进行对比，并采用精确率、召回率、交并比联合进行检测效果评估。实验结果表明，所提出的方法在检测精度和召回率上分别达到了97.1%和94.4%，相较原YOLOv3方法分别提高了2.9个百分点和1.8个百分点；且该方法使目标包裹度更好，目标中心点的定位更准确，其矫正框和真实框的交并比（IOU）达到了0.95，与传统CHT方法相比提高了0.05。所提方法在提高模型识别准确率的同时提高了目标抓取的成功率，在实际应用中有一定的实用价值。

基于Stacking-Bagging-Vote多源信息融合模型的财务预警应用

张露, 刘家鹏, 田冬梅

2022, 42(1): 280-286. DOI: 10.11772/j.issn.1001-9081.2021020306

摘要 ( )

HTML ( )

PDF (948KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

集成重采样技术可以在一定程度上解决财务预警研究中样本的不平衡性难题，而不同的集成模型与不同的重采样集成技术有不同的适配性。研究发现，Up-Down集成采样与Tomek-Smote集成采样分别适配于Bagging-Vote集成模型和Stacking融合模型。基于此，构建了Stacking-Bagging-Vote （SBV）多源信息融合模型。首先，将基于Up-Down集成采样的Bagging-Vote模型与基于Tomek-Smote采样的Stacking模型进行融合；然后，加入股票的交易数据，并对该数据用卡尔曼滤波进行处理，从而形成数据层次和模型层次的交互式融合优化；最终，得到SBV多源信息融合模型。该融合模型不仅在预测性能上有了较大的提升，能较好地兼顾模型的预测准确度和预测精确率，并且可以根据利益相关者的实际需要，通过调整模型参数，来选择对应的SBV多源信息融合模型进行财务预警预测。

基于图卷积网络和门控循环单元的多站点气温预测模型

马栋林, 马司周, 王伟杰

2022, 42(1): 287-293. DOI: 10.11772/j.issn.1001-9081.2021010099

摘要 ( )

HTML ( )

PDF (753KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

时空预测任务在神经科学、交通、气象等领域应用广泛。气温预测作为典型的时空预测任务，需要挖掘气温数据中固有的时空特征。针对现有气温预测算法存在预测误差大、空间特征提取不充分的问题，提出一种基于图卷积网络和门控循环单元的气温预测（GCN-GRU）模型。首先，使用重新分配权重和多阶近邻连接方式修正图卷积网络（GCN），以有效挖掘气象数据独特的空间特征；然后，将门控循环单元（GRU）中每个循环单元的矩阵乘法替换成图卷积操作，并将所有的循环单元串联起来构成图卷积门控层；接着，使用图卷积门控层搭建网络主体结构来提取数据的时空特征；最后，通过一个全连接的输出层输出气温预测结果。通过与GRU和长短期记忆网络（LSTM）等单一模型对比，GCN-GRU模型的平均绝对误差（MAE）分别减小了0.67和0.83；与切比雪夫图卷积和长短期记忆网络结合的预测模型（Cheb-LSTM）、图卷积网络和长短期记忆网络结合的预测模型（GCN-LSTM）对比，平均绝对误差分别减小了0.36和0.23。

基于AlphaPose优化模型的老人跌倒行为检测算法

马敬奇, 雷欢, 陈敏翼

2022, 42(1): 294-301. DOI: 10.11772/j.issn.1001-9081.2021020331

摘要 ( )

HTML ( )

PDF (7482KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对在低功耗、低成本硬件平台快速准确检测老人跌倒高危行为的问题，提出了一种基于AlphaPose优化模型的老人异常行为检测算法。首先，对行人目标检测模型和姿态估计模型进行优化，以加快人体目标检测和姿态关节点推理；然后，通过优化的AlphaPose模型快速计算得到人体姿态关节点图像坐标数据；最后，计算人体跌倒瞬间头部关节点线速度与胯部关节线速度之间的关系，以及人体中垂线与图像X轴之间夹角的变化来判断跌倒现象的发生。将所提算法移植到Jetson Nano嵌入式开发板上，并与当前主要的基于人体姿态的跌倒检测算法YOLOv3+Pose、YOLOv4+Pose、YOLOv5+Pose、trt_pose和NanoDet+Pose进行对比分析。实验结果表明，在所用嵌入式平台上，图像分辨率为320×240时，所提算法的检测帧率达到8.83 frame/s，准确率为0.913，均优于对比算法。该算法具有较高的实时性和准确率，能够及时检测老人跌倒行为的发生。

基于改进VGG网络的弱监督细粒度阿尔兹海默症分类方法

邓爽, 何小海, 卿粼波, 陈洪刚, 滕奇志

2022, 42(1): 302-309. DOI: 10.11772/j.issn.1001-9081.2021020258

摘要 ( )

HTML ( )

PDF (868KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对阿尔兹海默症（AD）患者和正常（NC）人之间核磁共振成像（MRI）图像差别小、分类难度大的问题，提出了基于改进VGG网络的弱监督细粒度AD分类方法。该方法以弱监督数据增强网络（WSDAN）为基本模型，主要由弱监督注意力学习模块、数据增强模块及双线性注意力池化模块等构成。首先，通过弱监督力注意学习模块生成特征图和注意力图，并利用注意力图引导数据增强，将原图和增强后的数据同时作为输入数据进行训练；然后，通过双线性注意力池化算法将特征图和注意力图按元素进行点乘，进而得到特征矩阵；最后，将特征矩阵作为线性分类层的输入。将以VGG19作为特征提取网络的WSDAN基本模型应用到AD的MRI数据上，实验结果表明，仅使用图像增强的模型的准确性、敏感性和特异性分别比WSDAN基本模型提高了1.6个百分点、0.34个百分点和0.12个百分点；仅利用VGG19网络的改进的模型的准确性和特异性相较WSDAN基本模型分别提高了0.7个百分点和2.82个百分点；以上两个方法结合使用的模型与WSDAN基本模型相比，准确性、敏感性和特异性分别提高了2.1个百分点、1.91个百分点和2.19个百分点。

3DPCANet在阿尔茨海默症功能磁共振成像图像分类中的应用

贾洪飞, 刘茜, 王瑜, 肖洪兵, 邢素霞

2022, 42(1): 310-315. DOI: 10.11772/j.issn.1001-9081.2021010132

摘要 ( )

HTML ( )

PDF (568KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

阿尔茨海默症（AD）是一种起病隐匿的进行性神经退行性疾病，会使患者的大脑脑区结构发生改变。为辅助医生对AD患者的病情做出正确判断，提出了一种改进的三维主成分分析网络（3DPCANet）模型，并结合被试者全脑均值低频波动振幅（mALFF）图像来对AD进行分类。首先，对功能磁共振成像（fMRI）数据进行预处理，计算出全脑mALFF图像；然后，利用改进的3DPCANet深度学习模型进行特征提取；最后，使用支持向量机（SVM）对不同阶段的AD患者的特征进行分类。实验结果显示，所提模型简单，鲁棒性好，且其在主观记忆衰退（SMD）与AD、SMD与晚期轻度认知障碍（LMCI）以及LMCI与AD上的分类准确率分别达到了92.42%、91.80%和89.33%，验证了提出方法的有效性和可行性。

基于多影像中心磁共振成像数据的半监督膝盖异常分类

吴洁, 张师天, 谢海滨, 杨光

2022, 42(1): 316-324. DOI: 10.11772/j.issn.1001-9081.2021010200

摘要 ( )

HTML ( )

PDF (780KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对大量数据手工标记的繁重性和单一影像中心磁共振成像（MRI）数据的有限性问题，提出了一种利用多影像中心有标签与无标签MRI数据的用于磁共振的半监督学习（MRSSL）方法，并将其应用在膝盖异常分类任务中。首先，运用了数据扩增方法来提供模型所需的归纳偏置；接着，融合了分类损失项和一致性损失项来约束人工神经网络并使之从数据中提取出具有辨别力的特征；然后，将这些特征用于MRI膝盖异常分类。此外，也提出了对应的仅利用有标签数据的完全监督学习（MRSL）方法。在给出同样的有标签样本时，将MRSL与MRSSL进行了比较，结果表明MRSSL的模型分类性能与泛化性能明显优于MRSL。最后，将MRSSL与其他半监督学习方法进行了比较。结果表明数据扩增在性能提升中起到了重要作用，并且MRSSL凭借更强的MRI数据包容性取得了最优的膝盖异常分类性能。

多视角多注意力融合分子特征的药物-靶标亲和力预测

王润泽, 张月琴, 秦琪琦, 张泽华, 郭旭敏

2022, 42(1): 325-332. DOI: 10.11772/j.issn.1001-9081.2021071218

摘要 ( )

HTML ( )

PDF (1149KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

近期深度学习在药物-靶标亲和力（DTA）任务上受到极大关注，然而现有工作多将分子单一结构嵌入为向量，忽略了多视角融合分子特征对最终特征表示提供的信息增益。针对单一结构分子存在特征不完备性的问题，提出了一种基于注意力融合多视角分子特征的预测DTA的端到端深度学习方法，其核心模块为多视角分子结构嵌入（Mas）和多注意力特征融合（Mat）。首先，使用Mas模块将多视角分子结构嵌入到特征向量空间；然后，通过Mat模块融入分子特征层级的注意力机制，从而对不同视角的分子特征进行加权融合；其次，根据药物-靶标相互作用（DTI）执行两者特征级联；最后，利用全连接神经网络回归预测亲和力。在Davis和KIBA数据集上的实验验证了训练比率、多视角特征融入、多注意力融合、以及相关参数对亲和力预测性能的影响。与GraphDTA方法相比，所提方法的均方误差（MSE）在Davis和KIBA两个数据集上分别降低了4.8%和6%。实验结果表明，注意力融合多视角分子特征能够捕获对蛋白质靶位上链接的相关性更高的分子特征。

当期目录