当期目录

2022年 第42卷 第10期 刊出日期：2022-10-10

上一期  

人工智能

事件抽取综述

马春明, 李秀红, 李哲, 王惠茹, 杨丹

2022, 42(10):  2975-2989.  DOI: 10.11772/j.issn.1001-9081.2021081542

摘要 ( )   HTML ( )   PDF (3054KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

将用户感兴趣的事件从非结构化信息中提取出来，然后以结构化的方式展示给用户，这就是事件抽取。事件抽取在信息收集、信息检索、文档合成、信息问答等方面有着广泛应用。从全局出发，事件抽取算法可以分为基于模式匹配的算法、触发词法、基于本体的算法以及前沿联合模型方法这四类。在研究过程中根据相关需求可使用不同评价方法和数据集，而不同的事件表示方法也与事件抽取研究有一定联系；以任务类型区分，元事件抽取和主题事件抽取是事件抽取的两大基本任务。其中，元事件抽取有基于模式匹配、基于机器学习和基于神经网络这三种方式，而主题事件抽取有基于事件框架和基于本体两种方式。事件抽取研究在中英等单语言上均已取得了优秀成果，而跨语言事件抽取依然面临着许多问题。最后，总结了事件抽取的相关工作并提出未来研究方向，以期为后续研究提供参考。

基于数据增强和弱监督对抗训练的中文事件检测

罗萍, 丁玲, 杨雪, 向阳

2022, 42(10):  2990-2995.  DOI: 10.11772/j.issn.1001-9081.2021081521

摘要 ( )   HTML ( )   PDF (720KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

当前的事件检测模型严重依赖于人工标注的数据，在标注数据规模有限的情况下，事件检测任务中基于完全监督方法的深度学习模型经常会出现过拟合的问题，而基于弱监督学习的使用自动标注数据代替耗时的人工标注数据的方法又常常依赖于复杂的预定义规则。为了解决上述问题，就中文事件检测任务提出了一种基于BERT的混合文本对抗训练（BMAD）方法。所提方法基于数据增强和对抗学习设定了弱监督学习场景，并采用跨度抽取模型来完成事件检测任务。首先，为改善数据不足的问题，采用回译、Mix-Text等数据增强方法来增强数据并为事件检测任务创建弱监督学习场景；然后，使用一种对抗训练机制进行噪声学习，力求最大限度地生成近似真实样本的生成样本，并最终提高整个模型的鲁棒性。在广泛使用的真实数据集自动文档抽取（ACE）2005上进行实验，结果表明相较于NPN、TLNN、HCBNN等算法，所提方法在F1分数上获取了至少0.84个百分点的提升。

面向工业生产的中文Text-to-SQL模型

吕剑清, 王先兵, 陈刚, 张华, 王明刚

2022, 42(10):  2996-3002.  DOI: 10.11772/j.issn.1001-9081.2021081525

摘要 ( )   HTML ( )   PDF (1886KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

英文自然语言查询转SQL语句（Text-to-SQL）任务的模型迁移到中文工业Text-to-SQL任务时，由于工业数据集的可解释差且比较分散，会出现数据库的表名列名等信息与问句中关键信息的表示形式不一致以及问句中的列名隐含在语义中等问题导致模型精确匹配率变低。针对迁移过程中出现的问题，提出了对应的解决方法并构建修改后的模型。首先，在数据使用过程中融入工厂元数据信息以解决表示形式不一致以及列名隐含在语义中的问题；然后，根据中文语言表达方式的特性，使用基于相对位置的自注意力模型直接通过问句以及数据库模式信息识别出where子句的value值；最后，根据工业问句查询内容的特性，使用微调后的基于变换器的双向编码器表示技术（BERT）对问句进行分类以提高模型对SQL语句结构预测的准确率。构建了一个基于铝冶炼行业的工业数据集，并在该数据集上进行实验验证。结果表明所提模型在工业测试集上的精确匹配率为74.2%，对比英文数据集Spider上各阶段主流模型的效果后可以看出，所提模型能有效处理中文工业Text-to-SQL任务。

基于层次结构感知的细粒度实体分类方法

谢斌红, 李书宁, 张英俊

2022, 42(10):  3003-3010.  DOI: 10.11772/j.issn.1001-9081.2021101792

摘要 ( )   HTML ( )   PDF (1252KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有细粒度实体分类（FGET）任务的工作多着眼于如何更好地编码实体和上下文的语义信息，而忽略了标签层次结构中标签之间的依赖关系及其本身的语义信息的问题，提出了一种基于层次结构感知的细粒度实体分类（HAFGET）方法。首先，利用基于图卷积网络（GCN）的层次结构编码器对不同层级标签之间的依赖关系进行建模，提出了基于层次结构感知的细粒度实体分类多标签注意力（HAFGET-MLA）模型和基于层次结构感知的细粒度实体分类实体特征传播（HAFGET-MFP）模型；然后，利用HAFGET-MLA模型和HAFGET-MFP模型对实体上下文特征进行层次结构感知和分类，前者通过层次编码器学习层次结构感知标签嵌入，并与实体特征通过注意力融合后进行标签分类，后者则直接将实体特征输入到层次结构编码器更新特征表示后进行分类。在FIGER、OntoNotes和KNET三个公开数据集上的实验结果表明，与基线模型相比，HAFGET-MLA模型和HAFGET-MFP模型的准确率和宏平均F1值均提升了2%以上，验证了所提方法能够有效提升分类效果。

基于BERT和联合学习的裁判文书命名实体识别

曾兰兰, 王以松, 陈攀峰

2022, 42(10):  3011-3017.  DOI: 10.11772/j.issn.1001-9081.2021091565

摘要 ( )   HTML ( )   PDF (1601KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

正确识别裁判文书中的实体是构建法律知识图谱和实现智慧法院的重要基础。然而常用的命名实体识别（NER）模型并不能很好地解决裁判文书中的多义词表示和实体边界识别错误的问题。为了有效提升裁判文书中各类实体的识别效果，提出了一种基于联合学习和BERT的BiLSTM-CRF（JLB-BiLSTM-CRF）模型。首先，利用BERT对输入字符序列进行编码以增强词向量的表征能力；然后，使用双向长短期记忆（BiLSTM）网络建模长文本信息，并将NER任务和中文分词（CWS）任务进行联合训练以提升实体的边界识别率。实验结果表明，所提模型在测试集上的精确率达到了94.36%，召回率达到了94.94%，F1值达到了94.65%，相较于BERT-BiLSTM-CRF模型分别提升了1.05个百分点、0.48个百分点和0.77个百分点，验证了JLB-BiLSTM-CRF模型在裁判文书NER任务上的有效性。

基于语义关系图的跨模态张量融合网络的图像文本检索

刘长红, 曾胜, 张斌, 陈勇

2022, 42(10):  3018-3024.  DOI: 10.11772/j.issn.1001-9081.2021091622

摘要 ( )   HTML ( )   PDF (2407KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

跨模态图像文本检索的难点是如何有效地学习图像和文本间的语义相关性。现有的大多数方法都是学习图像区域特征和文本特征的全局语义相关性或模态间对象间的局部语义相关性，而忽略了模态内对象之间的关系和模态间对象关系的关联。针对上述问题，提出了一种基于语义关系图的跨模态张量融合网络（CMTFN-SRG）的图像文本检索方法。首先，采用图卷积网络（GCN）学习图像区域间的关系并使用双向门控循环单元（Bi-GRU）构建文本单词间的关系；然后，将所学习到的图像区域和文本单词间的语义关系图通过张量融合网络进行匹配以学习两种不同模态数据间的细粒度语义关联；同时，采用门控循环单元（GRU）学习图像的全局特征，并将图像和文本的全局特征进行匹配以捕获模态间的全局语义相关性。将所提方法在Flickr30K和MS-COCO两个基准数据集上与多模态交叉注意力（MMCA）方法进行了对比分析。实验结果表明，所提方法在Flickr30K测试集、MS-COCO1K测试集以及MS-COCO5K测试集上文本检索图像任务的Recall@1分别提升了2.6%、9.0%和4.1%，召回率均值（mR）分别提升了0.4、1.3和0.1个百分点，可见该方法能有效提升图像文本检索的精度。

基于注意力机制和元特征二次重加权的小样本目标检测

林润超, 黄荣, 董爱华

2022, 42(10):  3025-3032.  DOI: 10.11772/j.issn.1001-9081.2021091571

摘要 ( )   HTML ( )   PDF (2381KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

在基于迁移学习的小样本目标检测任务中，由于缺乏关注图像中待检测目标的注意力机制，所以现有模型对于待检测目标周边背景区域的抑制能力不强，且在迁移学习过程中通常需要对元特征进行微调来实现跨域共享，这将引起元特征偏移，从而导致模型对大样本图像检测能力的下降。针对上述问题，基于注意力机制和元特征二次重加权机制，提出改进的元特征迁移模型Up-YOLOv3。首先，在原始元特征迁移模型Base-YOLOv2中引入基于卷积块注意力模块（CBAM）的注意力机制，使特征提取网络聚焦于图像中的目标区域并关注图像目标类别的细节特征，从而提升模型对小样本图像目标的检测性能；其次，引入基于压缩?激励（SE）的元特征二次重加权模块（SE-SMFR）对大样本图像的元特征进行二次重加权，以获取二次重加权元特征，使模型在提升小样本目标检测性能的同时也能减小大样本图像元特征信息的权重偏移。实验结果表明，在PASCAL VOC2007/2012数据集上，相较于Base-YOLOv2，Up-YOLOv3针对小样本图像检测的平均准确率均值（mAP）提升了2.3~9.1个百分点；相较于原始的基于YOLOv3元特征迁移模型Base-YOLOv3，Up-YOLOv3针对大样本图像的mAP提升了1.8~2.4个百分点。可见，改进后模型对不同类别的大样本图像和小样本图像均具有良好的泛化能力和鲁棒性。

面向动态事件流的神经网络转换方法

张宇豪, 袁孟雯, 陆宇婧, 燕锐, 唐华锦

2022, 42(10):  3033-3039.  DOI: 10.11772/j.issn.1001-9081.2021091607

摘要 ( )   HTML ( )   PDF (2014KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对基于权重归一化方法的卷积神经网络（CNN）转换方法应用于事件流数据时准确率损失较大以及浮点网络难以在硬件上高效部署等问题，提出一种面向动态事件流的网络转换方法。首先，重构事件流数据并输入CNN进行训练，在训练过程中采用量化激活函数降低转换的准确率损失，并使用对称定点量化方法以减少参数存储量；其次，在网络转换中采用脉冲计数等价原理而非频率等价原理以更好地适应数据的稀疏性。实验结果表明，与使用传统激活函数相比，采用量化激活函数的脉冲卷积神经网络（SCNN）在N-MNIST、POKER-DVS和MNIST-DVS这三个动态事件流数据集上的识别准确率分别提高了0.29个百分点、8.52个百分点和3.95个百分点，转换损失分别降低了21.77%、100.00%和92.48%；此外，相较于基于权重归一化方法生成的高精度SCNN，所提量化SCNN在识别准确率相当的情况下可以有效节省约75%的存储空间，并且在N-MNIST和MNIST-DVS数据集上的转换损失分别降低了6.79%和46.29%。

基于残差收缩网络的关系抽取算法

袁泉, 薛书鑫

2022, 42(10):  3040-3045.  DOI: 10.11772/j.issn.1001-9081.2021081473

摘要 ( )   HTML ( )   PDF (1328KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对关系抽取中句子内部单词干扰产生的噪声问题，提出了一种基于软阈值模块的残差收缩网络的改进算法。首先，在残差网络的各个特征通道训练阈值，该阈值具备两个特点，一是其绝对值不能过大，过大将会剔除有效信息；二是该阈值对于不同的输入训练有不同的结果。然后，根据软阈值化的特性，将通道特征中小于阈值的部分删除，大于阈值的部分减小，相较于直接删除负面特性，软阈值可以保存负面特性中有用的信息。最后，额外加入注意力模块优化模型，该模块可以降低远程监督中错误标签问题对实验的影响。选取分段卷积神经网络（PCNN）、双向长短期记忆神经（BiLSTM）网络和普通残差网络（ResNet）作为基线模型进行对比实验，实验结果表明，所提模型的精确率??召回率曲线包含了基线模型的曲线，且F1值相较于基准模型分别提高了6.0个百分点、3.9个百分点和1.4个百分点，验证了加入软阈值化的网络模型可以通过减少句内噪声的方式提高关系抽取的准确性。

基于最大信息系数的ReliefF和支持向量机交互的自动特征选择算法

葛倩, 张光斌, 张小凤

2022, 42(10):  3046-3053.  DOI: 10.11772/j.issn.1001-9081.2021081486

摘要 ( )   HTML ( )   PDF (793KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为解决特征选择ReliefF算法在利用欧氏距离选取近邻样本过程中，算法稳定性差以及选取的特征子集分类准确率低的问题，提出了一种利用最大信息系数（MIC）作为近邻样本选择标准的MICReliefF算法；同时，以支持向量机（SVM）模型的分类准确率作为评价指标，并多次寻优，以自动确定其最优特征子集，从而实现MICReliefF算法与分类模型的交互优化，即MICReliefF-SVM自动特征选择算法。在多个UCI公开数据集上对MICReliefF-SVM算法的性能进行了验证。实验结果表明，MICReliefF-SVM自动特征选择算法不仅可以筛除更多的冗余特征，而且可以选择出具有良好稳定性和泛化能力的特征子集。与随机森林（RF）、最大相关最小冗余（mRMR）、相关性特征选择（CFS）等经典的特征选择算法相比，MICReliefF-SVM算法具有更高的分类准确率。

融合知识图谱邻居双端的在线学习资源推荐算法

樊海玮, 张锐驰, 安毅生, 秦佳杰

2022, 42(10):  3054-3059.  DOI: 10.11772/j.issn.1001-9081.2021091629

摘要 ( )   HTML ( )   PDF (1731KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对协同过滤算法推荐学习资源的单一性弱点导致的学习者的个性化资源获取需求难以满足的问题，提出融合知识图谱邻居双端的在线学习资源推荐算法。首先，在用户端将学习者的既有知识节点与新知识节点之间的实体及其邻居信息聚合得到学习者的嵌入表示，从而捕捉学习者的个性化需求；其次，在项目端利用学习资源的邻域信息扩充学习资源的语义与嵌入表示；最后，将用户的嵌入表示和项目的嵌入表示送入全连接层以得到二者的交互概率。为了验证所提算法的有效性，使用公开数据集MOOPer进行对比实验。实验结果表明，在该数据集上，所提算法相较于最优基线模型在曲线下面积（AUC）和准确率上分别提升了1.12个百分点和1.31个百分点，且在Precision@K和Recall@K上均有一定的提高。

数据科学与技术

基于高阶自包含协同过滤的有向网络链路预测

陈广福, 王海波, 连雁平

2022, 42(10):  3060-3068.  DOI: 10.11772/j.issn.1001-9081.2021081484

摘要 ( )   HTML ( )   PDF (1649KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对大部分现存有向网络链路预测方法仅关注有向局部结构及互惠链接信息而忽略有向全局结构的问题，提出高阶自包含协同过滤(HSCF)链路预测框架。首先，利用随机游走方法计算高阶相似度矩阵去保持有向网络的高阶路径信息；其次，将高阶相似度矩阵与协同过滤方法相融合构建HSCF框架；最后，把所提框架分别与有向共同邻居(DCN)、有向Adamic-Adar(DAA)、有向资源分配(DRA)和势能理论Bifan 4个典型有向结构相似度相融合，并由此提出HSCF-DCN、HSCF-DAA、HSCF-DRA和HSCF-Bifan 4个有向网络预测指标。在10个真实有向网络上的实验结果表明，与基准指标相比，HSCF-DCN、HSCF-DAA、HSCF-DRA和HSCF-Bifan的受试者工作特征（ROC）曲线下方面积（AUC）值分别平均提高了8.16%、8.85%、9.64%和10.33%，且F分数值分别平均提高了66.62%、68.32%、68.95%和76.18%。

网络空间安全

基于抗退化混沌系统的动态S盒设计与分析

赵耿, 张森民, 马英杰, 高世蕊

2022, 42(10):  3069-3073.  DOI: 10.11772/j.issn.1001-9081.2021081500

摘要 ( )   HTML ( )   PDF (3094KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

S盒是分组密码算法中的关键部件之一，其混淆和置乱作用决定着整个密码算法的安全强度。为使基于混沌系统生成的S盒具有更好的密码学性能，提出了一种基于抗退化混沌系统的动态S盒设计方案。首先，使用Lorenz混沌映射扰动Chebyshev混沌映射；然后，使用截取位数法和划分区间法生成两种初始S盒；最后，使用索引排序扰乱法得到最终S盒。所提抗退化混沌系统生成的混沌序列不存在短周期现象，具有遍历性、不可预测性等特点；运用于S盒的设计中能极大提升S盒的安全性能，消除混沌生成源的安全隐患；并且，通过对系统参数的调控可批量地生成动态S盒。对S盒的安全性能，即非线性度、差分均匀性、严格雪崩准则、输出比特间独立性和双射特性进行了测试和对比，实验结果表明，所提方案生成的S盒具有更好的密码学性能，可用于分组密码算法的设计中。

基于区块链的软件定义网络数据帧安全验证机制

陈何雄, 罗宇薇, 韦云凯, 郭威, 杭菲璐, 毛正雄, 张振红, 何映军, 罗震宇, 谢林江, 杨宁

2022, 42(10):  3074-3083.  DOI: 10.11772/j.issn.1001-9081.2021081450

摘要 ( )   HTML ( )   PDF (2979KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为构建安全高效的网络环境，必须对伪造、受篡改数据帧进行有效的识别与过滤。然而，在软件定义网络（SDN）中，现有的安全验证机制通常在验证设备受到攻击或恶意控制时无法有效运行。为解决上述问题，提出了基于区块链的SDN数据帧安全验证机制。首先，设计帧转发证明（PoFF）共识算法并以此为基础建立轻量型区块链系统；然后，基于该系统构建针对SDN数据帧的安全验证体系；最后，提出可灵活调节的半随机选择验证模式以兼顾验证效率与资源开销。仿真结果表明，在同等比例的交换机被恶意控制情况下，所提机制的漏检概率较基于哈希链的验证机制有明显降低。其中，当受控交换机占比为40%时，降低效果尤其显著：此时所提机制在基本验证模式下的漏检概率低于32%，在辅助以半随机验证后可进一步降到7%，均远低于基于哈希链的验证机制72%的漏检概率；且所提机制引入的资源开销与通信代价在合理范围内。此外，即使在SDN控制器完全失效情况下，所提机制仍可保持良好的验证性能与效率。

基于自注意力机制和时空特征的Tor网站流量分析模型

席荣康, 蔡满春, 芦天亮, 李彦霖

2022, 42(10):  3084-3090.  DOI: 10.11772/j.issn.1001-9081.2021081452

摘要 ( )   HTML ( )   PDF (2633KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

不法分子利用洋葱路由器（Tor）匿名通信系统从事暗网犯罪活动，为社会治安带来了严峻挑战。Tor网站流量分析技术通过捕获分析Tor匿名网络流量，及时发现隐匿在互联网上的违法行为进行网络监管。基于此，提出一种基于自注意力机制和时空特征的Tor网站流量分析模型——SA-HST。首先，引入注意力机制为网络流量特征分配不同的权重以突出重要特征；然后，利用并联结构多通道的卷积神经网络（CNN）和长短期记忆（LSTM）网络提取输入数据的时空特征；最后，利用Softmax函数对数据进行分类。SA-HST在封闭世界场景下能取得97.14%的准确率，与基于累积量模型CUMUL和深度学习模型CNN相比，分别提高了8.74个百分点和7.84个百分点；在开放世界场景下，SA-HST的混淆矩阵各项评价指标均稳定在96%以上。实验结果表明，自注意力机制能在轻量级模型结构下实现特征的高效提取，SA-HST通过捕获匿名流量的重要特征和多视野时空特征用于分类，在模型分类准确率、训练效率、鲁棒性等多方面性能均有一定优势。

车联网中具有强隐私保护的无证书签名方案

朱栋, 殷新春, 宁建廷

2022, 42(10):  3091-3101.  DOI: 10.11772/j.issn.1001-9081.2021091630

摘要 ( )   HTML ( )   PDF (1079KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对车联网（IoV）通信安全难以保证和车辆私钥频繁更新导致的开销大的问题，首先，证明了现有的无证书聚合签名方案无法同时抵抗公钥替换攻击和恶意密钥生成中心（KGC）攻击；其次，提出了一种适用于IoV且具有强隐私保护的无证书聚合签名方案。所提方案通过引入假名身份来实现车辆的身份隐藏，同时实现可信中心对可疑车辆的事后追查。此外，在所提方案中，车辆的假名身份和公钥可随着区域的变化而动态更新，这样既可以保证车辆的轨迹不被泄露又可以有效避免私钥频繁更新带来的通信和存储开销。在随机预言模型下，在基于椭圆曲线离散对数（ECDL）问题的假设下，证明了所提方案具有认证性和完整性，且满足匿名性、可追踪性和强隐私保护性。所提方案还采用聚合签名技术实现车辆签名的聚合验证，从而降低了验证签名时的计算开销。性能分析表明，当聚合签名所包含的签名数量为100时，与同类型方案相比，所提方案传输聚合签名的通信开销至少减少了约\mathrm{21.4}\mathrm{\%}。

基于多尺度知识学习的深度鲁棒水印算法

樊缤, 李智, 高健

2022, 42(10):  3102-3110.  DOI: 10.11772/j.issn.1001-9081.2021050737

摘要 ( )   HTML ( )   PDF (3245KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有基于深度学习框架的水印算法无法有效保护高维医学图像版权问题，提出一种基于多尺度知识学习的医学图像水印算法用于弥散加权图像的版权保护。首先，提出一个基于多尺度知识学习的水印嵌入网络来嵌入水印，并通过微调的预训练网络提取弥散加权图像的语义、纹理、边缘以及频域信息作为多尺度的知识特征；然后，结合多尺度的知识特征来重构弥散加权图像，并在该过程中冗余地嵌入水印，从而获得视觉上与原始图像高度相似的含水印的弥散加权图像；最后，提出一个基于金字塔特征学习的水印提取网络，并通过在含有水印的弥散加权图像的不同尺度的上下文中学习水印信号的分布相关性来提高算法的鲁棒性。实验结果表明，所提算法重构出的含水印图的平均峰值信噪比（PSNR）达到57.82 dB。由于弥散加权图像在转换为弥散张量图像时需满足一定的弥散性特征，所提算法仅8个像素点的主轴方向偏转角大于5°，且这8个像素点均不在图像的感兴趣区域。此外，该算法所得图像的各项异性（FA）以及平均弥散率（MD）都接近为0，完全满足临床诊断的要求；且面对裁剪强度小于0.7，旋转角度小于15°等常见的噪声攻击，该算法的水印正确率达到95%以上，能有效保护弥散加权图像的版权信息。

网络与通信

命名数据网络研究综述

马红桥, 杨文忠, 康鹏, 阳健康, 刘元山, 周越

2022, 42(10):  3111-3123.  DOI: 10.11772/j.issn.1001-9081.2021091576

摘要 ( )   HTML ( )   PDF (2976KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

命名数据网络（NDN）的独特优势使其被认为是下一代新型互联网体系架构的候选者。通过对NDN通信原理的分析以及与传统传输控制协议/网际协议（TCP/IP）体系架构的对比，阐述了该新型体系架构所具有的优势，并在此基础上总结分析了该网络体系架构设计的关键要素。此外，为更好地帮助研究人员了解这一新型网络架构，总结了NDN经过多年发展已取得的成功应用，并紧随主流技术，重点介绍NDN对前沿区块链技术的支持，且依托该支持对基于NDN和区块链技术应用的研究和发展进行了讨论和展望。

基于多标签分类算法的多输入多输出智能接收机模型

王安义, 张衡

2022, 42(10):  3124-3129.  DOI: 10.11772/j.issn.1001-9081.2021081535

摘要 ( )   HTML ( )   PDF (2392KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

传统无线通信系统由发射机和接收机组成，待传输的信息经过信道编码、调制、成型后通过天线发射出去。由于信道衰落、噪声和干扰等因素的影响，到达接收机的信号会存在较严重的失真，接收机需要从失真的信号中尽可能地恢复出原始信息。为解决此问题，提出基于多标签分类神经网络的多输入多输出（MIMO）智能接收机模型。该模型利用深度神经网络（DNN）替代接收机从信号到信息之间的整个信息恢复环节，并采用多标签分类算法代替多个二分类器实现多个比特的信息流恢复，而训练数据集为包含二进制相移键控（BPSK）与正交相移键控（QPSK）两种调制方式以及汉明编码与循环编码两种方式的正交信号。实验结果表明在噪声、瑞利衰落、干扰等情况下，使用传统Alamouti译码方法的接收机误码率（BER）为1E-3时，智能接收机已经实现了BER为0的恢复信息；在保持BER性能相同时，所提多标签分类算法比对比模型的多个二分类器算法在每个批次的训练时间上减少了约4 min。

基于非线性能量收集的全双工认知中继网络的联合优化方法

王令照, 仇润鹤

2022, 42(10):  3130-3139.  DOI: 10.11772/j.issn.1001-9081.2021081460

摘要 ( )   HTML ( )   PDF (2891KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对信息传输过程的时间消耗和信道估计误差对网络能效的影响，提出了一种基于非线性能量收集的全双工认知中继网络的联合优化方法。所提方法是在中继采用非线性能量收集并考虑非完美信道状态信息（CSI）的情况下，首先通过将能效非凸优化问题转化为两个凸的子优化问题，从而求出次用户和中继的传输功率以及收集的能量；其次，在保证主用户干扰门限以及最优传输功率非负的情况下，求出传输的信道容量范围；最后，将传输功率代入表达式得到关于时间的目标函数，并利用海森矩阵证明该目标函数为凸函数，进而求出最优传输时间以及功率分割因子，最终得出能效最优解。实验结果表明，在相同条件下，所提联合优化方法的能效相较于仅优化传输功率的能效提升了约84.3%；同时验证了信道估计误差因子为0.01时，所提方法的网络能效降低了约1.9%。

C‑V2X车联网中基于模拟退火算法的任务卸载与资源分配

李智, 薛建彬

2022, 42(10):  3140-3147.  DOI: 10.11772/j.issn.1001-9081.2021081490

摘要 ( )   HTML ( )   PDF (2270KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

网联车辆节点产生的不同属性的大数据流量计算任务进行传输并卸载时，通常引起通信系统中时延抖动、计算能耗与系统开销大等问题，因此，根据实际通信环境，提出一种C-V2X车联网（IoV）中基于模拟退火算法（SAA）的任务卸载与资源分配方案。首先，根据任务处理优先程度，对处理优先程度较高的任务进行协同卸载计算处理；其次，通过全局搜索最优卸载比例因子的方式，制定了一种基于SAA的任务卸载策略，且分析并优化了任务卸载比例因子；最后，在任务卸载比例因子更新过程中，将系统开销最小化问题转化为功率和计算资源分配凸优化问题，并利用拉格朗日乘子法获取最优解。通过对所提算法与本地卸载、自适应遗传算法等作比较可知，随着计算任务的数据量不断增加，自适应遗传算法比本地卸载的时延、能耗、系统开销分别降低了5.97%、49.40%、49.36%，在此基础上基于SAA的方案较自适应遗传算法的时延、能耗、系统开销再降低了6.35%、92.27%、91.7%；随着计算任务CPU周期数不断增加，自适应遗传算法比本地卸载的时延、能耗、系统开销分别降低了16.4%、49.58%、49.23%，在此基础上基于SAA的方案较自适应遗传算法的时延、能耗、系统开销再降低了19.61%、94.39%、89.88%。实验结果表明，SAA不仅能降低通信系统时延、能耗及系统开销，还可以使结果加速收敛。

基于负载均衡的无线虚拟网络映射算法

高旗, 吕娜, 缪竞成

2022, 42(10):  3148-3153.  DOI: 10.11772/j.issn.1001-9081.2022010043

摘要 ( )   HTML ( )   PDF (1736KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对网络僵化的问题，目前多采用网络虚拟化（NV）方法进行解决，其关键技术是虚拟网络映射（VNE）。为解决无线VNE过程中功率和带宽资源使用不均衡的问题，基于负载均衡原理提出一种联合资源分级的无线VNE算法。首先，采用新的节点资源排序方式，其中将节点功率和平均链路带宽作为排序依据；其次，对资源进行分级，以动态调整虚拟网络请求对功率和带宽资源的需求；最后，改进功率和带宽资源的单位成本，并以最小化成本为目标函数选择资源分配方案。与原有的无线VNE算法WVNE-JBP相比，所提算法的总体接受率提高了11.7个百分点，平均功率利用率提高了4.4个百分点，平均带宽利用率提高了1.6个百分点。实验结果表明，所提算法能有效提高虚拟网络接受率和资源利用率。

计算机软件技术

基于感知成本的流程模型与事件日志有效对齐

李多芹, 方贤文, 王丽丽, 邵叱风

2022, 42(10):  3154-3161.  DOI: 10.11772/j.issn.1001-9081.2021081378

摘要 ( )   HTML ( )   PDF (3777KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

现存的成本函数没有考虑到业务流程中各活动在现实情境中的不同的重要程度，于是在模型与日志的对齐过程中可能会导致对齐成本严重偏离感知成本。针对这一问题，基于业务流程中行为的典型流特征提出了重要同步成本函数的概念，并在该函数下给出一种能够提升效率的对齐方法。首先，基于感知成本的概念定义重要同步成本函数；接着，依据日志迹以及流程模型中行为的典型流特征来确定用以分割流程模型与日志迹的重要匹配子序列；最后，基于重要同步成本函数来对齐分割后的子流程和对应的日志迹子序列，并将分段对齐的结果进行合并得到最终的对齐结果。实验部分从准确率和效率两方面进行验证所提方法：在准确率方面，与现存的标准成本函数和最大同步成本函数相比，所提成本函数下的对齐准确率最高提升了17.44个百分点，且当事件日志包含混合噪声时，所提成本函数下的平均对齐准确率最高，为88.67%；在对齐效率方面则通过比较对齐所耗时间来验证，现存两种函数的平均耗时分别为1.58 s和2.21 s，而所提方法为0.63 s，效率分别提升了150.79%和250.79%。实验结果表明所提方法能在满足准确率需求的同时提升对齐的效率。

基于优化的灰狼算法的大规模Web服务组合

徐雪敏, 张秀国, 肖媛元, 曹志英

2022, 42(10):  3162-3169.  DOI: 10.11772/j.issn.1001-9081.2021091556

摘要 ( )   HTML ( )   PDF (2213KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对大规模Web服务环境中难以获得整体性能高的组合服务的问题，提出了一种大规模Web服务组合方法。首先，采用文档对象模型（DOM）对XML格式的用户需求描述文档进行解析，以生成抽象Web服务组合序列；然后，采用服务主题模型进行服务筛选，并为每个抽象Web服务选取Top-k个具体Web服务从而缩减组合空间；接着，为提高服务组合质量和组合效率，提出了一种基于Logistic混沌映射和非线性收敛因子的优化的灰狼算法（OGWO/LN）来进行最优服务组合方案选择；该算法采用混沌映射来生成初始种群以增加服务组合方案的多样性，并避免了多次局部寻优；同时，提出一种非线性收敛因子来调节算法的搜索能力以提高算法的寻优性能；最后，采用MapReduce框架对OGWO/LN进行了并行实现。在真实数据集上的实验结果表明，所提算法与IFOA4WSC、MR-IDPSO、MR-GA等算法相比，平均适应度值分别提高了8.69%、7.94%和12.25%，在解决大规模Web服务组合问题时具有更好的寻优性能和稳定性。

基于深度语义融合的代码缺陷静态检测方法

程靖云, 王布宏, 罗鹏

2022, 42(10):  3170-3176.  DOI: 10.11772/j.issn.1001-9081.2021081548

摘要 ( )   HTML ( )   PDF (2119KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

随着计算机软件规模和复杂度的不断增加，软件中存在的代码缺陷对公共安全形成了严重威胁。针对静态分析工具拓展性差，以及现有方法检测粒度粗、检测效果不够理想的问题，提出了一种基于程序切片和语义特征融合的代码缺陷静态检测方法。首先，对源代码中的关键点进行数据流和控制流分析，并采用基于过程间有限分布子集（IFDS）的切片方法，以获取由多行与代码缺陷相关的语句组成的代码片段；然后，通过词嵌入法获取代码片段语义相关的向量表示，从而在保证准确率的同时选择合适的代码片段长度；最后，利用文本卷积神经网络（TextCNN）和双向门控循环单元（BiGRU）分别提取代码片段中的局部关键特征和上下文序列特征，并将所提方法用于检测切片级别的代码缺陷。实验结果表明，所提方法能够有效检测不同类型的代码缺陷，并且检测效果显著优于静态分析工具Flawfinder；在细粒度的前提下，IFDS切片方法能进一步提高F₁值和准确率，分别达到了89.64%和92.08%；与现有的基于程序切片的方法相比，在关键点为应用程序编程接口（API）或变量时，所提方法的F₁值分别达到89.69%、89.74%，准确率分别达到92.15%、91.98%。可见在不显著增加时间复杂度的同时，所提方法具备更好的综合检测性能。

多媒体计算与计算机仿真

基于改进U-Net的水草图像分割方法

吴奇文, 王建华, 郑翔, 冯居, 姜洪岩, 王昱博

2022, 42(10):  3177-3183.  DOI: 10.11772/j.issn.1001-9081.2021091614

摘要 ( )   HTML ( )   PDF (2407KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

无人艇（USV）在河道水面作业过程中，水草会缠绕推进器，这是整个业界应用都遇到的困扰。针对水面图像中水草分布的全局性、分散性以及边缘和纹理的复杂性，对U-Net进行改进并用于对图像所有的像素进行分类，以减少网络特征信息的丢失，并加强全局和局部特征的提取，从而提高分割性能。首先，采集多地多时段水草图像数据，制作了一个比较全面的水草语义分割数据集；其次，提出在U-Net中引入三个尺度的图像输入，从而使得网络对特征进行充分提取，并引进三种上采样图像的损失函数来平衡三种尺度的输入图像带来的总体损失；此外，还提出了一种混合注意力模块并引入到网络中，其包含空洞卷积和通道注意增强两个分支；最后，在新构建的水草数据集上对所提网络进行验证。实验结果显示，所提方法的准确率、均交并比（mIoU）和平均像素精度（mPA）值分别可达96.8%、91.22%和95.29%，与U-Net（VGG16）分割方法相比，分别提高了4.62个百分点、3.87个百分点和3.12个百分点。所提方法可应用于水面无人艇对水草的检测，并进行相应的路径规划来实现水草避让。

基于卷积神经网络的单图像去雾模型硬件重构加速方法

王官军, 简春莲, 向强

2022, 42(10):  3184-3190.  DOI: 10.11772/j.issn.1001-9081.2021081475

摘要 ( )   HTML ( )   PDF (3412KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对基于卷积神经网络（CNN）的单图像去雾模型在移动/嵌入式端部署难，不易用做实时视频去雾的问题，提出一种基于Zynq片上系统（SoC）的去雾模型硬件重构加速方法。首先，提出量化?反量化算法，对两个代表去雾模型进行量化；其次，基于视频流存储器架构和软硬件协同、流水线等技术以及高级综合（HLS）工具，对量化后的去雾模型硬件重构并生成具有高性能扩展总线接口（AXI4）的硬件IP核。实验结果表明，在保证去雾效果的前提下，可以实现模型参数从float32到int5（5 bit）的量化，从而节省约84.4%的存储空间；所生成硬件IP核的最高像素时钟频率为182 Mpixel/s，能够实现1080P@60 frame/s的视频去雾；单帧640×480的雾图去雾仅需2.4 ms，而片上功耗仅为2.25 W。这种生成带有标准总线接口的硬件IP核也便于跨平台移植和部署，从而可以扩大这类去雾模型的应用范围。

基于多视角多监督网络的无人机图像定位方法

周金坤, 王先兰, 穆楠, 王晨

2022, 42(10):  3191-3199.  DOI: 10.11772/j.issn.1001-9081.2021081518

摘要 ( )   HTML ( )   PDF (2090KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有跨视角图像匹配算法精度低的问题，提出了一种基于多视角多监督网络（MMNet）的无人机（UAV）定位方法。首先，所提方法融合卫星视角和UAV视角，在统一的网络架构下学习全局和局部特征并以多监督方式训练分类网络并执行度量任务。具体来说，MMNet主要采用了重加权正则化三元组损失（RRT）学习全局特征，该损失利用重加权和距离正则化加权策略来解决多视角样本不平衡以及特征空间结构紊乱的问题。同时，为了关注目标地点中心建筑的上下文信息，MMNet对特征图进行方形环切割来获取局部特征。然后，分别用交叉熵损失和RRT执行分类和度量任务。最终，使用加权策略聚合全局和局部特征来表征目标地点图像。通过在当前流行的UAV数据集University-1652上进行实验，可知MMNet在UAV定位任务的召回率Recall@1 （R@1）及平均精准率（AP）上分别达到83.97%和86.96%。实验结果表明，相较于LCM、SFPN等方法，MMNet显著提升了跨视角图像的匹配精度，进而增强了UAV图像定位的实用性。

基于动态双注意力机制的跨模态行人重识别模型

李大伟, 曾智勇

2022, 42(10):  3200-3208.  DOI: 10.11772/j.issn.1001-9081.2021081510

摘要 ( )   HTML ( )   PDF (1713KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对跨模态行人重识别图像间模态差异大的问题，大多数现有方法采用像素对齐、特征对齐来实现图像间的匹配。为进一步提高两种模态图像间的匹配的精度，设计了一个基于动态双注意力机制的多输入双流网络模型。首先，在每个批次的训练中通过增加同一行人在不同相机下的图片，让神经网络在有限的样本中学习到充分的特征信息；其次，利用齐次增强得到灰度图像作为中间桥梁，在保留了可见光图像结构信息的同时消除了颜色信息，而灰度图像的运用弱化了网络对颜色信息的依赖，从而加强了网络模型挖掘结构信息的能力；最后，提出了适用于3个模态间图像的加权六向三元组排序（WSDR）损失，所提损失充分利用了不同视角下的跨模态三元组关系，优化了多个模态特征间的相对距离，并提高了对模态变化的鲁棒性。实验结果表明，在SYSU-MM01数据集上，与动态双注意聚合（DDAG）学习模型相比，所提模型在评价指标Rank-1和平均精确率均值（mAP）上分别提升了4.66和3.41个百分点。

基于拉普拉斯算子和颜色保留的神经风格迁移算法

谭永前, 曾凡菊

2022, 42(10):  3209-3216.  DOI: 10.11772/j.issn.1001-9081.2021081457

摘要 ( )   HTML ( )   PDF (3875KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对神经风格迁移算法结果中存在伪影、颜色丢失、轮廓模糊不清等影响整体艺术效果的问题，提出了一种基于拉普拉斯算子和颜色保留（LCR）的神经风格迁移算法。所提LCR算法使用内容损失项、风格损失项、直方图损失项以及拉普拉斯损失项构建总损失函数。由于在LCR算法中使用了直方图损失项和拉普拉斯损失项，因此，LCR算法与基于卷积神经网络的图像风格迁移（IST-CNN）算法、基于深度特征扰动（DFP）算法相比，对风格化结果图有更好的整体艺术效果。首先，通过对输入内容图像和风格图像进行去噪处理，减小了图像噪声对后续各个损失项计算的影响；其次，对内容图像和风格图像进行RGB空间到Lab空间的转换，以实现图像亮度通道L和颜色通道a、b的分离，并把内容图像的亮度信息迁移到风格图像上，从而达到内容图像颜色保留的目的；最后，在卷积神经网络（CNN）中对总损失函数进行迭代优化并输出风格化结果图。与IST-CNN和DFP算法相比，所提LCR算法的峰值信噪比（PSNR）平均分别提高了约12.418 dB和8.038 dB，结构相似性（SSIM）平均分别提高了约0.348 06和0.258 54，均方差（MSE）平均分别降低了0.653 76和0.296 00。实验结果表明，LCR算法有更好的风格化绘制整体视觉效果。

基于自监督知识迁移的鲁棒性语音识别技术

柏财通, 崔翛龙, 郑会吉, 李爱

2022, 42(10):  3217-3223.  DOI: 10.11772/j.issn.1001-9081.2021050808

摘要 ( )   HTML ( )   PDF (2421KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对标注神经网络训练数据的成本日益增加与噪声干扰阻碍语音识别系统性能提升的问题，提出一种基于自监督知识迁移的鲁棒性语音识别模型的模型训练算法。首先，在预处理阶段提取原始语音样本的三个人工特征；然后，在训练阶段将特征提取网络生成的高级特征分别通过三个浅层网络来拟合预处理阶段提取的人工特征；同时，把特征提取前端与语音识别后端进行交叉训练，并合并它们的损失函数；最后，通过梯度反向传播令特征提取网络学会提取更有助于去噪语音识别的高级特征，从而实现人工知识迁移与去噪，并高效利用了训练数据。在军事装备控制的应用场景下，基于加噪后的THCHS-30、希尔贝壳数据集AISHELL-1与ST-CMDS这三个开源中文语音识别数据集以及军事装备控制指令的数据集上进行测试，实验结果表明，基于自监督知识迁移的鲁棒性语音识别模型的模型训练算法词错率可以降低到0.12，不仅可以实现对鲁棒性语音识别模型的模型训练，同时通过自监督知识迁移提高了训练样本的利用率，可完成装备控制任务。

基于计算机视觉的中药饮片分类技术综述与案例研究

张谊, 万华, 涂淑琴

2022, 42(10):  3224-3234.  DOI: 10.11772/j.issn.1001-9081.2021081498

摘要 ( )   HTML ( )   PDF (4058KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

中药饮片相似品、真伪、变质等方面的分类对临床中药应用有着至关重要的影响。传统的人工鉴别方法主观性强、误判率高，而基于计算机视觉的中药饮片分类具有快速、准确等特点，使饮片筛选智能化。首先，介绍了基于计算机视觉的中药识别算法的一般步骤，并分类综述了对中药图像的预处理、特征提取和识别模型的技术发展现状；然后，选取12类相似易混中药饮片分类作为案例研究。通过构建包含9 156张图片的中药饮片数据集，分析对比了传统识别算法和多种深度学习模型的识别性能差异；最后，对计算机视觉在中药饮片应用研究中存在的难点和未来发展趋势进行了总结和展望。

前沿与综合应用

基于用户满意效用的空间众包任务分配方法

彭鹏, 倪志伟, 朱旭辉

2022, 42(10):  3235-3243.  DOI: 10.11772/j.issn.1001-9081.2021081528

摘要 ( )   HTML ( )   PDF (1323KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对生活中专车类空间众包用户存在偏好和延时等待的实际情况，提出一种基于用户满意效用的空间众包任务分配方法IGSO-SSCTA。首先，定义了由用户偏好效用、延时等待效用和任务完成期望组成的用户满意效用；其次，构建了基于用户满意效用的空间众包任务分配（SSCTA）模型；接着，通过离散编码、反向学习协同初始化、四种改进移动策略、自适应选择和不可行解处理，提出一种适用该模型的改进离散萤火虫群优化（IGSO）算法；最后，利用IGSO算法对前述模型进行求解。不同规模数据集上的实验结果表明，所提方法和考虑时间最小化分配、考虑路程最小化分配、随机分配三种策略相比，用户满意效用分别提高了提升了9.64%、11.77%、15.70%；所提算法与贪婪算法和其他改进萤火虫算法相比，也有更好的稳定性和收敛性。

基于混合蚁群算法的冷链电动汽车车辆路径问题

刘志硕, 刘若思, 陈哲

2022, 42(10):  3244-3251.  DOI: 10.11772/j.issn.1001-9081.2021091572

摘要 ( )   HTML ( )   PDF (1652KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

用电动汽车进行冷链物流配送符合绿色物流的发展趋势。针对电动汽车冷链配送需消耗更多能源以维持低温环境，而电动汽车续驶里程短、充电时间长，致使运营成本高的现象，思考了电动汽车配送中的冷链车辆路径问题（REVRP）。考虑电动汽车能耗特点和社会充电站的充电需求，构建了以总配送成本最小为优化目标的线性规划模型，而目标函数由固定成本和可变成本构成，其中可变成本包含运输成本和制冷成本。模型考虑容量约束和电量约束，并设计混合蚁群（HACO）算法对其进行求解，其中重点设计了适合社会充电站的转移规则以及4种局部优化算子。在改进Solomon基准算例的基础上，形成了小规模和大规模两个算例集，并通过实验比较了蚁群（ACO）算法和局部优化算子的性能。实验结果表明，在小规模算例集中，传统ACO算法与CPLEX求解器均能找到精确解，而ACO算法在运算时间方面可节省99.6%；而在大规模算例集中，与ACO算法相比，结合4种局部优化算子的HACO算法的平均优化效率提升了4.45%。所提算法能够在有限时间内得出电动汽车REVRP的可行解。

基于深度强化学习的电力物资配送多目标路径优化

徐郁, 朱韵攸, 刘筱, 邓雨婷, 廖勇

2022, 42(10):  3252-3258.  DOI: 10.11772/j.issn.1001-9081.2021091582

摘要 ( )   HTML ( )   PDF (1802KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有电力物资车辆路径问题（EVRP）优化时考虑目标函数较为单一、约束不够全面，并且传统求解算法效率不高的问题，提出一种基于深度强化学习（DRL）的电力物资配送多目标路径优化模型和求解算法。首先，充分考虑了电力物资配送区域的加油站分布情况、物资运输车辆的油耗等约束，建立了以电力物资配送路径总长度最短、成本最低、物资需求点满意度最高为目标的多目标电力物资配送模型；其次，设计了一种基于DRL的电力物资配送路径优化算法DRL-EVRP求解所提模型。DRL-EVRP使用改进的指针网络（Ptr-Net）和Q-学习（Q-learning）算法结合的深度Q-网络（DQN）来将累积增量路径长度的负值与满意度之和作为奖励函数。所提算法在进行训练学习后，可直接用于电力物资配送路径规划。仿真实验结果表明，DRL-EVRP求解得到的电力物资配送路径总长度相较于扩展C-W（ECW）节约算法、模拟退火（SA）算法更短，且运算时间在可接受范围内，因此所提算法能更加高效、快速地进行电力物资配送路径优化。

混堆模式下基于动态规则NSGA Ⅱ的自动堆垛起重机作业优化

高银萍, 苌道方, 陈俊贤

2022, 42(10):  3259-3267.  DOI: 10.11772/j.issn.1001-9081.2021081456

摘要 ( )   HTML ( )   PDF (2428KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对外集卡到达时间的不确定性，提出自动堆垛起重机（ASC）作业序列的动态优化，从而以减少ASC作业完成时间以及ASC和外集卡等待时间为目的，提高自动化集装箱码头堆场的作业效率。首先，结合混堆模式下集装箱作业类型与外集卡动态到达的特点，提出ASC动态匹配外集卡作业任务的策略；其次，构建ASC作业时间最短与ASC和外集卡等待时间最短的多目标模型；最后，设计基于动态规则的非支配排序遗传算法Ⅱ （DRNSGA Ⅱ）作为求解算法。在小规模算例实验中，分别运用DRNSGA Ⅱ与遗传算法（GA）求解动态策略和随机策略下的ASC作业问题。实验结果表明，DRNSGA Ⅱ求解的动态策略下目标函数值优于随机策略28.2%，并且动态策略下DRNSGA Ⅱ的求解结果优于遗传算法23.3%。在大规模算例实验中，比较了DRNSGA Ⅱ与多目标粒子群优化（MOPSO）两种算法的性能。实验结果表明DRNSGA Ⅱ的求解结果优于MOPSO算法6.7%。可见DRNSGA Ⅱ能够快速生成多样化的非支配解，为混堆模式下的ASC动态作业提供决策支持。

基于WiFi指纹序列匹配的机器人同步定位与地图构建

秦正泓, 刘冉, 肖宇峰, 陈凯翔, 邓忠元, 邓天睿

2022, 42(10):  3268-3274.  DOI: 10.11772/j.issn.1001-9081.2021081522

摘要 ( )   HTML ( )   PDF (2498KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

同步定位与地图构建（SLAM）是当前机器人定位导航的研究热点，可靠的闭环检测是图优化SLAM的关键。而在大范围的复杂环境下，通过视觉或激光雷达进行闭环检测的可靠性低且计算开销大。针对这一问题，提出了一种基于WiFi指纹序列匹配的图优化SLAM算法。所提算法采用指纹序列进行闭环检测，由于指纹序列中包含多个指纹数据，信息量比单个指纹点对的数据丰富，因此将传统的基于指纹点对的匹配扩展到指纹序列的匹配可以大幅减小闭环误判的几率，从而确保了闭环检测的准确性，满足了SLAM在大范围复杂环境下的算法高精度要求。采用两组实验数据（机器人从不同的起点开始）对所提算法进行验证的结果表明：与高斯相似度的方法相比，所提算法的精度在第一组数据上提高了22.94%；在第二组数据上提高了39.18%。实验结果充分验证了所提算法在提高定位精度、确保闭环检测可靠性方面的优越性。

基于时空序列的Conv-LSTM航班延误预测模型

屈景怡, 杨柳, 陈旭阳, 王茜

2022, 42(10):  3275-3282.  DOI: 10.11772/j.issn.1001-9081.2021091613

摘要 ( )   HTML ( )   PDF (3421KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

精准的航班延误预测结果可以为大面积航班延误的预防提供巨大的参考价值。航班延误预测是在特定空间下做时间序列预测，然而目前已有预测方法多为两种或多种算法的结合，存在算法间的融合问题。针对上述问题，提出了一种综合考虑时空序列的卷积长短时记忆（Conv-LSTM）网络航班延误预测模型。所提模型在长短时记忆（LSTM）网络提取时间特征的基础上，将网络的输入和权重矩阵进行卷积来提取空间特征，从而充分利用数据集包含的时间和空间信息。实验结果表明，与LSTM、仅考虑空间信息的卷积神经网络（CNN）模型相比，Conv-LSTM模型的准确率分别提高了0.65个百分点和2.36个百分点。由此可见，同时考虑时空特性可以在航班延误问题中获得更精确的预测结果。此外，基于所提模型设计并实现了基于浏览器/服务器（B/S）架构的航班延误分析系统，并且该系统也可以应用于空中交通管理局流量控制中心。

基于深度全连接神经网络的离港航班延误预测模型

徐海文, 史家财, 汪腾

2022, 42(10):  3283-3291.  DOI: 10.11772/j.issn.1001-9081.2022010002

摘要 ( )   HTML ( )   PDF (3314KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对提升离港航班延误预测精确度困难的问题，提出一种基于深度全连接神经网络（DFCNN）的离港航班延误预测模型。首先，在考虑航班信息、机场气象与航班延误历史的基础上，考虑航班网络结构对预测模型的影响；然后，从激活函数、输入数据项及延误时间阈值三个维度进行实验，以对模型抑制梯度弥散与提升学习表现能力的能力进行了优化与验证；最后，通过调控神经网络层数的纵向拓展方式与随机丢失层的Dropout参数，提升模型的泛化能力。实验结果表明：所提模型使用tanh、指数线性函数（ELU），预测精确度比使用线性整流函数（ReLU）分别提升了1.26、1.28个百分点；考虑航班网络结构后，所提模型采用ELU函数计算时，预测精确度比未考虑航班网络结构时提升了3.12个百分点；在时间阈值为60 min时，通过调控Dropout参数，模型的损失值不断降低；在5层隐含层网络和Dropout参数为0.3时，所提模型可以取得92.39%的预测精确度。因此，所提模型能够对国内航班延误做出较为准确的判断。

基于注意力机制和生成对抗网络的飞行器短期航迹预测模型

陈玉立, 佟强, 谌彤童, 侯守璐, 刘秀磊

2022, 42(10):  3292-3299.  DOI: 10.11772/j.issn.1001-9081.2021081387

摘要 ( )   HTML ( )   PDF (1549KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对单一长短时记忆（LSTM）网络在航迹预测上无法有效提取关键信息以及难以精准拟合数据分布等问题，提出基于注意力机制和生成对抗网络（GAN）的飞行器短期轨迹预测模型。首先，引入注意力机制对航迹赋予不同的权重，以提升航迹中重要特征的影响力；其次，基于LSTM提取航迹序列特征，并经汇聚层汇集时间步长内所有的飞行器特征；最后，利用GAN在对抗博弈下不断优化的特性来优化模型，从而提高模型的准确性。相较于社会生成对抗网络（SGAN），所提模型在处于爬升阶段的数据集上的平均位移误差（ADE）、最终位移误差（FDE）及最大位移误差（MDE）分别降低了20.0%、20.4%和18.3%。实验结果表明，所提模型能更精确地预测未来航迹。

基于上采样金字塔结构的卷积神经网络的非侵入负荷辨识算法

杜宇, 严萌, 武昕

2022, 42(10):  3300-3306.  DOI: 10.11772/j.issn.1001-9081.2021081512

摘要 ( )   HTML ( )   PDF (3366KB) ( )   PDF（mobile） (807KB) ( 10 )  

数据和表 | 参考文献 | 相关文章 | 计量指标

非侵入式负荷监测（NILM）技术为需求侧管理提供了技术支撑，而非侵入负荷辨识是负荷监测过程中的关键环节。在负荷数据采样过程中无法实现长期的实时高频采集，得到的负荷数据还存在缺乏时序性的问题；同时，卷积神经网络（CNN）存在对低级信号特征表现不足的缺陷。针对以上两个问题，提出了一种基于上采样金字塔结构的CNN非侵入负荷辨识算法。所提算法直接面向采集到的负荷电流信号，利用上采样网络扩展数据在时间维度上的相关信息弥补数据的时序性，并通过双向金字塔一维卷积提取负荷信号的高级与低级特征，以对负荷特征进行全面利用，从而实现对未知负荷信号进行识别的目的。实验结果表明，基于上采样金字塔结构的CNN非侵入负荷辨识算法的识别准确率能够达到95.21%，且具有良好的泛化能力，可有效实现负荷辨识。