《计算机应用》唯一官方网站

交互式机器翻译综述

廖兴滨, 秦小林, 张思齐, 钱杨舸

2023, 43(2): 329-334. DOI: 10.11772/j.issn.1001-9081.2021122067

摘要 ( )

HTML ( )

PDF (1870KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

随着深度学习的发展和成熟，神经机器翻译的质量也越来越高，然而仍不完美，为了达到可接受的翻译效果，需要人工进行后期编辑。交互式机器翻译（IMT）是这种串行工作的一个替代，即在翻译过程中进行人工互动，由用户对翻译系统产生的候选翻译进行验证，并且，如有必要，由用户提供新的输入，系统根据用户当前的反馈生成新的候选译文，如此往复，直到产生一个使用户满意的输出。首先，介绍了IMT的基本概念以及当前的研究进展；然后，分类对一些常用方法和前沿工作加以介绍，并简述每个工作的背景和创新之处；最后，探讨了IMT的发展趋势和研究难点。

标签语义增强的弱监督文本分类模型

林呈宇, 王雷, 薛聪

2023, 43(2): 335-342. DOI: 10.11772/j.issn.1001-9081.2021122221

摘要 ( )

HTML ( )

PDF (1987KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对弱监督文本分类任务中存在的类别词表噪声和标签噪声问题，提出了一种标签语义增强的弱监督文本分类模型。首先，基于单词上下文语义表示对类别词表去噪，从而构建高度准确的类别词表；然后，构建基于MASK机制的词类别预测任务对预训练模型BERT进行微调，以学习单词与类别的关系；最后，利用引入标签语义的自训练模块来充分利用所有数据信息并减少标签噪声的影响，以实现词级到句子级语义的转换，从而准确预测文本序列类别。实验结果表明，与目前最先进的弱监督文本分类模型LOTClass相比，所提方法在THUCNews、AG News和IMDB公开数据集上，分类准确率分别提高了5.29、1.41和1.86个百分点。

融合注意力机制的时间卷积知识追踪模型

邵小萌, 张猛

2023, 43(2): 343-348. DOI: 10.11772/j.issn.1001-9081.2022010024

摘要 ( )

HTML ( )

PDF (2110KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对基于循环神经网络（RNN）的深度知识追踪模型存在的可解释性不足和长序列依赖问题，提出一种融合注意力机制的时间卷积知识追踪（ATCKT）模型。首先，在训练阶段学习学生历史交互的嵌入表示；然后，使用基于题目的注意力机制学习特定权重矩阵，从而识别并强化学生的历史交互对每一时刻知识状态不同程度的影响；最后，使用时间卷积网络（TCN）提取学生动态变化的知识状态，在这个过程中利用扩张卷积和深层神经网络扩大序列学习范围，缓解长序列依赖问题。将ATCKT模型与深度知识追踪（DKT）、卷积知识追踪（CKT）等四种模型在ASSISTments2009、ASSISTments2015、Statics2011和Synthetic-5这4个数据集上进行对比实验，实验结果显示，所提模型的曲线下面积（AUC）和准确率（ACC）均有显著提升，尤其在ASSISTments2015数据集上表现最佳，分别提升了6.83~20.14个百分点和7.52~11.22个百分点，并且该模型的训练时间与DKT模型相比减少了26%。可见，所提模型可以更准确地捕捉学生的知识状态，更高效地预测学生未来的表现。

基于注意力平衡列表的溯因推理模型

徐铭, 李林昊, 齐巧玲, 王利琴

2023, 43(2): 349-355. DOI: 10.11772/j.issn.1001-9081.2021122105

摘要 ( )

HTML ( )

PDF (1484KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

溯因推理是自然语言推理（NLI）中的重要任务，旨在通过给定的起始观测事件和最终观测事件，推断出二者之间合理的过程事件（假设）。早期的研究从每条训练样本中独立训练推理模型；而最近，主流的研究考虑了相似训练样本间的语义关联性，并以训练集中假设出现的频次拟合其合理程度，从而更精准地刻画假设在不同环境中的合理性。在此基础上，在刻画假设的合理性的同时，加入了合理假设与不合理假设的差异性和相对性约束，从而达到了假设的合理性和不合理性的双向刻画目的，并通过多对多的训练方式实现了整体相对性建模；此外，考虑到事件表达过程中单词重要性的差异，构造了对样本不同单词的关注模块，最终形成了基于注意力平衡列表的溯因推理模型。实验结果表明，与L2R²模型相比，所提模型在溯因推理主流数据集叙事文本中的溯因推理（ART）上的准确率和AUC分别提高了约0.46和1.36个百分点，证明了所提模型的有效性。

融合常识库和语法特征的数学应用题题意理解

刘清堂, 马鑫倩, 周洁, 吴林静, 周鹏霄

2023, 43(2): 356-364. DOI: 10.11772/j.issn.1001-9081.2021122142

摘要 ( )

HTML ( )

PDF (1525KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

数学问题的题意理解是实现自动解题的关键，然而现有研究对情境复杂、参数较多等特征的应用题实现题意理解的准确率较低，尚没有很好的优化解决方案。基于此，以语境复杂的古典概型应用题为突破点，提出了融合常识库和语法特征的数学应用题题意理解方法。首先，结合古典概型应用题的文本和结构特征，构建了包含7类关键解题参数的古典概型题意表征模型；然后，根据该模型将应用题题意理解任务转化为解题参数识别问题，并设计了融合多维语法特征的条件随机场（CRF）题意参数识别方法来解决这个问题。进一步地，针对隐性参数识别问题设计了常识参数补全模块，并提出了融合常识库和语法特征的数学应用题题意理解方法。以新东方在线网站和21世纪教育在线题库中的948道古典概型应用题为实验语料进行实验。实验结果表明，所提方法的各题意参数识别F1平均值达到93.56%，高于最大熵模型（MaxEnt）、双向长短期记忆网络-条件随机场（BiLSTM-CRF）和传统CRF方法；并且题意理解准确率达到66.54%，显著高于上述其他方法，验证了所提方法对古典概型应用题题意理解的有效性。

基于池化和特征组合增强BERT的答案选择模型

胡婕, 陈晓茜, 张龑

2023, 43(2): 365-373. DOI: 10.11772/j.issn.1001-9081.2021122167

摘要 ( )

HTML ( )

PDF (1248KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

当前主流模型无法充分地表示问答对的语义，未充分考虑问答对主题信息间的联系并且激活函数存在软饱和的问题，而这些会影响模型的整体性能。针对这些问题，提出了一种基于池化和特征组合增强BERT的答案选择模型。首先，在预训练模型BERT的基础上增加对抗样本并引入池化操作来表示问答对的语义；其次，引入主题信息特征组合来加强问答对主题信息间的联系；最后，改进隐藏层的激活函数，并用拼接向量通过隐藏层和分类器完成答案选择任务。在SemEval-2016CQA和SemEval-2017CQA数据集上进行的验证结果表明，所提模型与tBERT模型相比，准确率分别提高了3.1个百分点和2.2个百分点；F1值分别提高了2.0个百分点和3.1个百分点。可见，所提模型在答案选择任务上的综合效果得到了有效提升，准确率和F1值均优于对比模型。

基于决策边界优化域自适应的跨库语音情感识别

汪洋, 傅洪亮, 陶华伟, 杨静, 谢跃, 赵力

2023, 43(2): 374-379. DOI: 10.11772/j.issn.1001-9081.2021122043

摘要 ( )

HTML ( )

PDF (3084KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

域自适应算法被广泛应用于跨库语音情感识别中；然而，许多域自适应算法在追求减小域差异的同时，丧失了目标域样本的鉴别性，导致其以高密度的形式存在于模型决策边界处，降低了模型的性能。基于此，提出一种基于决策边界优化域自适应（DBODA）的跨库语音情感识别方法。首先利用卷积神经网络进行特征处理，随后将特征送入最大化核范数及均值差异（MNMD）模块，在减小域间差异的同时，最大化目标域情感预测概率矩阵的核范数，从而提升目标域样本的鉴别性并优化决策边界。在以Berlin、eNTERFACE和CASIA语音库为基准库设立的六组跨库实验中，所提方法的平均识别精度领先于其他算法1.68~11.01个百分点，说明所提模型有效降低了决策边界的样本密度，提升了预测的准确性。

基于韵律特征辅助的端到端语音识别方法

刘聪, 万根顺, 高建清, 付中华

2023, 43(2): 380-384. DOI: 10.11772/j.issn.1001-9081.2022010009

摘要 ( )

HTML ( )

PDF (1114KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对传统的语音识别系统采用数据驱动并利用语言模型来决策最优的解码路径，导致在部分场景下的解码结果存在明显的音对字错的问题，提出一种基于韵律特征辅助的端到端语音识别方法，利用语音中的韵律信息辅助增强正确汉字组合在语言模型中的概率。在基于注意力机制的编码-解码语音识别框架的基础上，首先利用注意力机制的系数分布提取发音间隔、发音能量等韵律特征；然后将韵律特征与解码端结合，从而显著提升了发音相同或相近、语义歧义情况下的语音识别准确率。实验结果表明，该方法在1 000 h及10 000 h级别的语音识别任务上分别较端到端语音识别基线方法在准确率上相对提升了5.2%和5.0%，进一步改善了语音识别结果的可懂度。

粒子群局部优化的反距离权重插值算法

向峰, 李中志, 熊熙, 李斌勇

2023, 43(2): 385-390. DOI: 10.11772/j.issn.1001-9081.2022010056

摘要 ( )

HTML ( )

PDF (2046KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

参考点与参数的选取会对反距离权重（IDW）的精度产生影响。针对多参数协同优化反距离权重算法（PIDW）忽略局部特性的问题，提出一种利用粒子群对IDW进行局部优化的改进算法——PLIDW。首先，分别对研究区域中各个样本点的参数进行寻优，利用交叉验证方法进行评估，记录各自最优取值的一组参数；同时，为提高查询效率，使用K维树（KD-Tree）保存空间位置与最优参数；最后，根据空间邻近程度从K维树选取最近的一组参数优化IDW。基于模拟数据与真实的温度数据集上的实验结果表明，相较于PIDW，PLIDW在真实数据集上的准确度提高4.18%以上，改善了PIDW存在的因忽略局部特性导致部分场景准确度低的问题，适应能力更强。

基于多尺度的时序数据部分周期模式增量挖掘

荀亚玲, 王林青, 蔡江辉, 杨海峰

2023, 43(2): 391-397. DOI: 10.11772/j.issn.1001-9081.2021122190

摘要 ( )

HTML ( )

PDF (2226KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对动态时序数据部分周期模式挖掘过程存在的计算复杂度过高和扩展性差等问题，提出了一种结合多尺度理论的时间序列部分周期模式挖掘算法（MSI-PPPGrowth），所提算法充分利用了时序数据客观存在的时间多尺度特性，将多尺度理论引入时序数据的部分周期模式挖掘过程。首先，将尺度划分后的原始数据以及增量时序数据作为更细粒度的基准尺度数据集进行独立挖掘；然后，利用不同尺度数据间的相关性实现尺度转换，以间接获取动态更新后的数据集对应的全局频繁模式，从而避免了原始数据集的重复扫描和树结构的不断调整。其中，基于克里金法并考虑时序周期性设计了一个新的频繁缺失计数估计模型（PJK-EstimateCount），以有效估计在尺度转换过程中的缺失项支持度计数。实验结果表明，MSI-PPPGrowth具有良好的可扩展性和实时性，尤其是对于稠密数据集，其性能优势更为突出。

实例簇驱动的图结构聚类参数计算算法

宗传玉, 宪超, 夏秀峰

2023, 43(2): 398-406. DOI: 10.11772/j.issn.1001-9081.2022010082

摘要 ( )

HTML ( )

PDF (2584KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

pSCAN算法的聚类结果受密度约束参数和相似度阈值参数的影响，如果用户提供的聚类参数得到的聚类结果无法满足需求，那么用户可以通过实例簇表达自己的聚类需求。针对实例簇表达聚类查询需求的问题，提出一种实例簇驱动的图结构聚类参数计算算法PART及其改进算法ImPART。首先，分析两个聚类参数对聚类结果的影响，并提取实例簇的相关子图；其次，对相关子图进行分析得到密度约束参数的可行区间，并根据当前密度约束参数和节点之间的结构相似度将实例簇内节点划分为核心节点和非核心节点；最后，依据节点划分结果计算出当前密度约束参数对应的最优相似度阈值参数，并在相关子图上对得到的参数进行验证和优化，直到得到满足实例簇需求的聚类参数。在真实数据集上的实验结果表明，所提算法能够为用户实例簇返回一组有效参数，且所提改进算法ImPART的运行时间比PART缩短了20%以上，能够快速有效地为用户返回满足实例簇要求的最优聚类参数。

多样性表示的深度子空间聚类算法

马志峰, 于俊洋, 王龙葛

2023, 43(2): 407-412. DOI: 10.11772/j.issn.1001-9081.2021122126

摘要 ( )

HTML ( )

PDF (1851KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对深度子空间聚类问题中不同层次特征中互补信息挖掘困难的问题，在深度自编码器的基础上，提出了一种在编码器获取的低层和高层特征之间探索互补信息的多样性表示的深度子空间聚类（DRDSC）算法。首先，基于希尔伯特-施密特独立性准则（HSIC）建立了不同层次特征衡量多样性表示模型；其次，在深度自编码器网络结构中引入特征多样性表示模块，从而挖掘有利于提升聚类效果的图像特征；此外，更新了损失函数的形式，有效融合了多层次表示的底层子空间；最后，在常用的聚类数据集上进行了多次实验。实验结果表明，DRDSC在数据集Extended Yale B、ORL、COIL20和Umist上的聚类错误率分别达到1.23%、10.50%、1.74%和17.71%，与高效稠密子空间聚类（EDSC）相比，分别降低了10.41、16.75、13.12和12.92个百分点；与深度子空间聚类（DSC）相比，分别降低了1.44、3.50、3.68和9.17个百分点，说明所提出的DRDSC算法有更好的聚类效果。

基于BCU-Tree与字典的高效用挖掘快速脱敏算法

尹春勇, 李荧

2023, 43(2): 413-422. DOI: 10.11772/j.issn.1001-9081.2021122161

摘要 ( )

HTML ( )

PDF (2958KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对隐私保护效用挖掘（PPUM）中脱敏时间长、计算复杂度高，以及算法副作用大等问题，提出一种基于BCU-Tree和字典（BCUTD）的高效用挖掘快速脱敏算法。该算法提出了一种新的树结构BCU-Tree来存储敏感项信息，基于按位运算符编码模型降低树的构建时间并减小搜索空间。采用字典表存储树结构中的所有节点，修改敏感项时只需访问字典表，最终达到数据库脱敏目的。在4个不同的数据集上进行的实验中，BCUTD算法在脱敏时间和副作用上的表现要明显优于经典的优先隐藏高效用项（HHUIF）算法、最大敏感效用-最大项效用（MSU-MAU）算法和使用树与表结构的快速扰动（FPUTT）算法。实验结果表明，BCUTD算法能够有效减少脱敏时间，降低算法副作用以及计算复杂度。

基于有序事件列表的高效复杂事件匹配算法

邱涛, 丁建丽, 夏秀峰, 郗红梅, 谢沛良, 周清怡

2023, 43(2): 423-429. DOI: 10.11772/j.issn.1001-9081.2021122186

摘要 ( )

HTML ( )

PDF (2336KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有的复杂事件匹配处理方法存在的匹配代价高的问题，提出了一种利用事件缓冲区（有序事件列表）进行递归遍历的复杂事件匹配算法ReCEP。不同于现有方法利用自动机在事件流上进行匹配，该算法将复杂事件查询模式中的约束条件分解为不同类型，再在有序列表上对不同约束分别进行递归校验。首先，根据查询模式将相关事件实例按照事件类型进行缓存；其次，在有序列表上对事件实例执行查询过滤操作，并给出了一种基于递归遍历的算法来确定初始事件实例并且获取候选序列；最后，对候选序列的属性约束进行进一步的校验。基于股票交易模拟数据进行的实验测试和分析的结果表明，与当前主流的匹配方法SASE和Siddhi相比，ReCEP算法能够有效地减少查询匹配的处理时间，总体性能上均更优，查询匹配效率提升了8.64%以上。可见，所提出的复杂事件匹配方法能够有效提高复杂事件匹配的效率。

基于亲和力与研究方向覆盖率的审稿人推荐算法

钟磊, 周允升, 余敦辉, 崔海波

2023, 43(2): 430-436. DOI: 10.11772/j.issn.1001-9081.2021122127

摘要 ( )

HTML ( )

PDF (2659KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有审稿人推荐算法主要通过亲和力分数分配审稿人，而忽略了审稿人与论文研究方向匹配的问题，提出一种基于亲和力与研究方向覆盖率的审稿人推荐算法（ARDC）。首先，根据研究方向在待审论文和审稿人论文组中出现的频数，确定论文选择审稿人的次序；然后，综合审稿人和论文间的亲和力得分以及审稿人对论文的研究方向覆盖得分，来计算审稿人对待审论文的综合审阅得分，并依据轮询调度得到论文预分配审稿小组；最后，对预分配审稿小组进行利益冲突检查与消解以实现最终的审稿小组推荐。实验结果表明，与基于松弛迭代的分配算法（FairIR）和同行评审公平分配算法（PR4A）等基于分配的审稿人推荐算法相比，所提算法在牺牲少量亲和力的情况下，将研究方向覆盖得分平均提高了38%，从而确保推荐结果更加准确合理。

联邦学习中的隐私保护技术研究综述

王腾, 霍峥, 黄亚鑫, 范艺琳

2023, 43(2): 437-449. DOI: 10.11772/j.issn.1001-9081.2021122072

摘要 ( )

HTML ( )

PDF (2014KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

近年来，联邦学习成为解决机器学习中数据孤岛与隐私泄露问题的新思路。联邦学习架构不需要多方共享数据资源，只要参与方在本地数据上训练局部模型，并周期性地将参数上传至服务器来更新全局模型，就可以获得在大规模全局数据上建立的机器学习模型。联邦学习架构具有数据隐私保护的特质，是未来大规模数据机器学习的新方案。然而，该架构的参数交互方式可能导致数据隐私泄露。目前，研究如何加强联邦学习架构中的隐私保护机制已经成为新的热点。从联邦学习中存在的隐私泄露问题出发，探讨了联邦学习中的攻击模型与敏感信息泄露途径，并重点综述了联邦学习中的几类隐私保护技术：以差分隐私为基础的隐私保护技术、以同态加密为基础的隐私保护技术、以安全多方计算（SMC）为基础的隐私保护技术。最后，探讨了联邦学习中隐私保护中的若干关键问题，并展望了未来研究方向。

基于隐私计算的网络会议数字评选系统设计方案

王腾腾, 崔喆, 唐聃

2023, 43(2): 450-457. DOI: 10.11772/j.issn.1001-9081.2022010025

摘要 ( )

HTML ( )

PDF (1992KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对目前网络会议数字评选系统无法做到既保证评审人意见的隐私性又获得安全可信的结果的问题，提出一种基于隐私计算的网络会议数字评选系统设计方案。首先，通过里所（RS）码的编码矩阵对评审数据进行秘密分享以得到秘密份额，并将每一方评审数据的哈希值作为存根交由主办方存档以防止抵赖；然后，通过编码矩阵之单调扩张矩阵对秘密份额进行协同计算以得出计票结果；最后，通过校验矩阵检查多方协同计算过程中是否有秘密份额的分享错误或篡改行为存在。理论分析与仿真实验表明，所提方案可在中小规模的网络会议数字评选系统中实现隐私计算功能。

区块链中基于中国剩余定理投票方案的共识机制

唐淑敏, 金瑜

2023, 43(2): 458-466. DOI: 10.11772/j.issn.1001-9081.2021122176

摘要 ( )

HTML ( )

PDF (2105KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

目前共识机制存在以下问题：1）记账权“垄断化”，即随着系统运行，记账权被一部分拥有更多资源的节点掌握，导致资源贫乏的小节点流失，影响系统安全；2）当竞选权益节点时，要遍历所有参与竞选节点的交易记录，导致共识时延快速增长。针对这些问题，提出了一种新的共识机制——CRT-PoT。首先，基于中国剩余定理（CRT）提出用于选出权益节点的投票模型CRT-Election，该模型规定竞选节点通过成功出块次数以及成功投票次数获取投票节点的投票支持，以竞争记账权。然后，基于该投票模型提出多投机制来保证小节点有更多机会竞选记账权，从而有效解决记账权“垄断化”问题；同时，保证在竞选节点数量增多时，共识时延增长速度较慢，因为该方案不需要遍历所有参与竞选节点的交易记录，共识时延只与参与竞选节点数有关，共识时延呈线性增长。最后，从理论和实验角度分析验证了与目前已有的共识机制相比，CRT-PoT不仅有效解决了记账权“垄断化”问题，同时也降低了共识时延。

面向视觉分类模型的投毒攻击

梁捷, 郝晓燕, 陈永乐

2023, 43(2): 467-473. DOI: 10.11772/j.issn.1001-9081.2021122068

摘要 ( )

HTML ( )

PDF (3264KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

数据投毒攻击中的后门攻击方式的攻击者通过将带有隐藏触发器的样本插入训练集中来操纵训练数据的分布，从而使测试样本错误分类以达到改变模型行为和降低模型性能的目的。而现有触发器的弊端是样本无关性，即无论采用什么触发模式，不同有毒样本都包含相同触发器。因此将图像隐写技术与深度卷积对抗网络（DCGAN）结合，提出一种基于样本的攻击方法来根据灰度共生矩阵生成图像纹理特征图，利用图像隐写技术将目标标签字符嵌入纹理特征图中作为触发器，并将带有触发器的纹理特征图和干净样本拼接成中毒样本，再通过DCGAN生成大量带有触发器的假图。在训练集样本中将原中毒样本以及DCGAN生成的假图混合起来，最终达到投毒者注入少量的中毒样本后，在拥有较高的攻击率同时，保证触发器的有效性、可持续性和隐藏性的效果。实验结果表明，该方法避免了样本无关性的弊端，并且模型精确度达到93.78%，在30%的中毒样本比例下，数据预处理、剪枝防御以及AUROR防御方法对攻击成功率的影响达到最小，攻击成功率可达到56%左右。

混合自适应粒子群工作流调度优化算法

马学森, 许雪梅, 蒋功辉, 乔焰, 周天保

2023, 43(2): 474-483. DOI: 10.11772/j.issn.1001-9081.2022010001

摘要 ( )

HTML ( )

PDF (2548KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对具有截止期的云工作流完成时间与执行成本冲突的问题，提出一种混合自适应粒子群工作流调度优化算法（HAPSO）。首先，基于截止期建立有向无环图（DAG）云工作流调度模型；然后，通过范数理想点与自适应权重的结合，将DAG调度模型转化为权衡DAG完成时间和执行成本的多目标优化问题；最后，在粒子群优化（PSO）算法的基础上引入自适应惯性权重、自适应学习因子、花朵授粉算法的概率切换机制、萤火虫算法（FA）和粒子越界处理方法，从而平衡粒子群的全局搜索与局部搜索能力，进而求解DAG完成时间与执行成本的目标优化问题。实验中对比分析了PSO、惯性权重粒子群算法（WPSO）、蚁群算法（ACO）和HAPSO的优化结果。实验结果表明，HAPSO在权衡工作流（30~300任务数）完成时间与执行成本的多目标函数值上降低了40.9%~81.1%，HAPSO在工作流截止期约束下有效权衡了完成时间与执行成本。此外，HAPSO在减少完成时间或降低执行成本的单目标上也有较好的效果，验证了HAPSO的普适性。

基于RDMA的区块传输机制设计与实现

孙栋, 王彪, 徐云

2023, 43(2): 484-489. DOI: 10.11772/j.issn.1001-9081.2021122243

摘要 ( )

HTML ( )

PDF (1890KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

随着区块链技术的不断发展，区块的传输延迟成为区块链系统可扩展性的性能瓶颈。远程直接内存访问（RDMA）技术能够支持高带宽和低时延的数据传输，为低延迟区块传输提供了新的思路。因此，结合RDMA原语的特性，设计了用于区块信息共享的区块目录结构，并在此基础上设计并实现了区块传输的基本工作过程。实验结果表明，相较于基于TCP的方案，在1 MB大小的区块上基于RDMA的区块传输机制将节点间的区块传输延迟降低了44%，全网络的区块传输延迟降低了24.4%，在10 000节点规模的区块链上，区块链发生临时分叉的数量降低了22.6%。可见，基于RDMA的区块传输机制充分发挥了高速网络的性能优势，降低了区块传输延迟及临时分叉的数量，提高了现有区块链系统的可扩展性。

改进的基于底层虚拟机混淆器的指令混淆框架

王雅仪, 刘琛, 黄天波, 文伟平

2023, 43(2): 490-498. DOI: 10.11772/j.issn.1001-9081.2021122234

摘要 ( )

HTML ( )

PDF (2140KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对底层虚拟机混淆器（OLLVM）在指令混淆层面只支持指令替换一种算法，且仅支持5种运算符和13种替换方案的问题，设计了一种改进版的指令混淆框架InsObf，以加强OLLVM指令层面的混淆效果。InsObf包含指令加花和指令替换，其中指令加花首先对基本块的指令进行依赖分析，然后插入叠加跳转和虚假循环两种花指令；指令替换在OLLVM的基础上，拓展至13种运算符，共计52种指令替换方案。在底层虚拟机（LLVM）上实现了框架原型后，通过实验表明，与OLLVM相比，InsObf在时间开销增长约10个百分点，空间开销增长约20个百分点的情况下，圈复杂度和抗逆向能力均可提高近4倍；与同样基于OLLVM改进的Armariris和Hikari相比，InsObf在同一量级的时空开销下，可以提供更高的代码复杂度。因此，InsObf可提供指令层级的有效保护。

基于托肯重演的并行结构过程模型修复方法

白二净, 李晓岩, 杜玉越

2023, 43(2): 499-506. DOI: 10.11772/j.issn.1001-9081.2021122154

摘要 ( )

HTML ( )

PDF (3299KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

过程挖掘可以根据企业信息系统生成的事件日志建立业务过程模型。当实际业务过程发生变化时，过程模型与事件日志之间会产生偏差，这时需要对过程模型进行修正。对于含有并行结构的过程模型修复，由于加入自环和不可见变迁等因素，有些现有的修正方法的精度会降低。因此提出一种基于逻辑Petri网和托肯重演的并行结构过程模型修复方法。首先根据子模型的输入输出库所与日志的关系，确定子模型的插入位置；然后通过托肯重演的方式确定偏差所在位置；最后根据基于逻辑Petri网提出的方法进行过程模型的修复。在ProM平台上进行了仿真实验，验证了该方法的正确性和有效性，并与Fahland等方法进行对比分析。结果表明，所提方法的精度达到85%左右，相比Fahland、Goldratt方法分别提高了17和11个百分点；在简洁度方面该算法没有增加自环和不可见变迁，而Fahland和Goldratt方法均增加了不可见变迁和自环；三种方法的拟合度均在0.9以上，而Goldratt方法略低一些。以上证明用所提方法修正后的模型具有更高的拟合度和精度。

基于独立循环神经网络与变分自编码网络的视频帧异常检测

贾晴, 王来花, 王伟胜

2023, 43(2): 507-513. DOI: 10.11772/j.issn.1001-9081.2021122081

摘要 ( )

HTML ( )

PDF (2994KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

为了有效提取连续视频帧间的时间信息，提出一种融合独立循环神经网络（IndRNN）与变分自编码（VAE）网络的预测网络IndRNN-VAE。首先，利用VAE网络提取视频帧的空间信息，并通过线性变换得到视频帧的潜在特征；然后，将潜在特征作为IndRNN的输入以得到视频帧序列的时间信息；最后，通过残差块将获得的潜在变量与时间信息进行融合并输入到解码网络中来生成预测帧。通过在UCSD Ped1、UCSD Ped2、Avenue公开数据集上进行测试，实验结果表明，与现有的异常检测方法相比，基于IndRNN-VAE的方法性能得到了显著提升，曲线下面积（AUC）值分别达到了84.3%、96.2%和86.6%，错误率（EER）值分别达到了22.7%、8.8%和19.0%，平均异常得分的差值分别达到了0.263、0.497和0.293，且运行速度达到了每秒28帧。

基于可靠性低秩因子分解和泛化差异性差分的运动目标检测

汪鹏, 张大蔚, 陆正军, 李林昊

2023, 43(2): 514-520. DOI: 10.11772/j.issn.1001-9081.2021122112

摘要 ( )

HTML ( )

PDF (2488KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

运动目标检测旨在分离视频的背景与前景，然而常用的低秩因子分解法往往难以综合地处理动态背景和间歇性运动的问题。考虑到背景减除后的偏态噪声分布具有潜在的背景修正作用，提出一种基于可靠性低秩因子分解和泛化差异性差分的运动目标检测模型。首先，利用时间维度像素分布的峰值位置以及偏态分布性质选取一个不含离群像素的子序列，并计算该子序列的中值以形成静态背景；其次，利用非对称拉普拉斯分布对静态背景减除后的噪声建模，并把基于空间平滑的建模结果作为可靠性权重参与到低秩因子分解中，以此建模综合背景（含有动态背景）；最后，依次利用时间和空间连续约束提取前景。其中，针对时间连续性，提出了泛化差异性差分约束，从而通过相邻视频帧的差异信息抑制前景边缘的扩增。实验结果表明，与PCP、DECOLOR、LSD、TVRPCA、E-LSD、GSTO六种模型相比，所提模型的F-measure值最高。由此可知，所提模型在动态背景、间歇性运动等复杂场景中能有效提高前景的检测精度。

基于视频时空特征的行为识别方法

倪苒岩, 张轶

2023, 43(2): 521-528. DOI: 10.11772/j.issn.1001-9081.2022010017

摘要 ( )

HTML ( )

PDF (2494KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对双流网络提取运动信息需要预先计算光流图，从而无法实现端到端的识别以及三维卷积网络参数量巨大的问题，提出了一种基于视频时空特征的行为识别方法。该方法能够高效提取视频中的时空信息，且无需添加任何光流计算和三维卷积操作。首先，利用基于注意力机制的运动信息提取模块捕获相邻两帧之间的运动位移信息，从而模拟双流网络中光流图的作用；其次，提出了一种解耦的时空信息提取模块代替三维卷积，从而实现时空信息的编码；最后，在将两个模块嵌入二维的残差网络中后，完成端到端的行为识别。将所提方法在几个主流的行为识别数据集上进行实验，结果表明在仅使用RGB视频帧作为输入的情况下，在UCF101、HMDB51、Something-Something-V1数据集上的识别准确率分别为96.5%、73.1%和46.6%，与使用双流结构的时间分段网络（TSN）方法相比，在UCF101数据集上的识别准确率提高了2.5个百分点。可见，所提方法能够高效提取视频中的时空特征。

基于场景先验及注意力引导的跌倒检测算法

王萍, 陈楠, 鲁磊

2023, 43(2): 529-535. DOI: 10.11772/j.issn.1001-9081.2022010114

摘要 ( )

HTML ( )

PDF (1544KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

已有跌倒检测工作主要关注室内场景，且大多偏重对人员身体姿态特征进行建模，而忽略了场景背景信息以及人员与地面的交互信息。针对这个问题，从实际电梯场景应用入手，提出一种基于场景先验及注意力引导的跌倒检测算法。首先，利用电梯历史数据，以高斯概率分布建模的方式从人员的活动轨迹中自动化地学习场景先验信息；随后，把场景先验信息作为空间注意力掩膜与神经网络的全局特征融合，以此聚焦地面区域的局部信息；然后，将融合后的局部特征与全局特征采用自适应加权的方式进一步聚合，从而形成更具鲁棒性和判别力的特征；最后，将特征送入由全局平均池化层和全连接层构成的分类模块中进行跌倒类别预测。在自构建的电梯场景Elevator Fall Detection和公开的UR Fall Detection数据集上的实验结果表明，所提算法的检测准确率分别达到了95.36%和99.01%，相较于网络结构复杂的ResNet50算法，分别提高了3.52个百分点和0.61个百分点。可见所构建的高斯场景先验引导的注意力机制可使网络关注地面区域的特征，更有利于对跌倒的识别，由此得到的检测模型准确率高且算法满足实时性应用要求。

基于多特征融合的多尺度生成对抗网络图像修复算法

陈刚, 廖永为, 杨振国, 刘文印

2023, 43(2): 536-544. DOI: 10.11772/j.issn.1001-9081.2022010015

摘要 ( )

HTML ( )

PDF (4735KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对多尺度生成式对抗网络图像修复算法（MGANII）在修复图像过程中训练不稳定、修复图像的结构一致性差以及细节和纹理不足等问题，提出了一种基于多特征融合的多尺度生成对抗网络的图像修复算法。首先，针对结构一致性差以及细节和纹理不足的问题，在传统的生成器中引入多特征融合模块（MFFM），并且引入了一个基于感知的特征重构损失函数来提高扩张卷积网络的特征提取能力，从而改善修复图像的细节性和纹理特征；然后，在局部判别器中引入了一个基于感知的特征匹配损失函数来提升判别器的鉴别能力，从而增强了修复图像的结构一致性；最后，在对抗损失函数中引入风险惩罚项来满足利普希茨连续条件，使得网络在训练过程中能快速稳定地收敛。在CelebA数据集上，所提的多特征融合的图像修复算法与MANGII相比能快速收敛，同时所提算法所修复图像的峰值信噪比（PSNR）、结构相似性（SSIM）比基线算法所修复图像分别提高了0.45%~8.67%和0.88%~8.06%，而Frechet Inception距离得分（FID）比基线算法所修复图像降低了36.01%~46.97%。实验结果表明，所提算法的修复性能优于基线算法。

面向图像修复取证的U型特征金字塔网络

沈万里, 张玉金, 胡万

2023, 43(2): 545-551. DOI: 10.11772/j.issn.1001-9081.2021122107

摘要 ( )

HTML ( )

PDF (1450KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

图像修复是一种常见的图像篡改手段，而基于深度学习的图像修复方法能生成更复杂的结构乃至新的对象，使得图像修复取证工作更具有挑战性。因此，提出一种端到端的面向图像修复取证的U型特征金字塔网络（FPN）。首先，通过自上而下的VGG16模块进行多尺度特征提取，并利用自下而上的特征金字塔架构对融合后的特征图进行上采样，整体流程形成U型结构；然后，结合全局和局部注意力机制凸显修复痕迹；最后，使用融合损失函数以提高修复区域的预测率。实验结果表明，所提方法在多种深度修复数据集上的平均F1分数和IoU值分别为0.791 9和0.747 2，与现有的基于扩散的数字图像修复定位（LDI）、基于图像块的深度修复取证方法（Patch-CNN）和基于高通全卷积神经网络（HP-FCN）方法相比，所提方法具有更好的泛化能力，且对JPEG压缩也具有较强的鲁棒性。

注意力机制下的多阶段低照度图像增强网络

谌贵辉, 林瑾瑜, 李跃华, 李忠兵, 魏钰力, 卢凯

2023, 43(2): 552-559. DOI: 10.11772/j.issn.1001-9081.2022010093

摘要 ( )

HTML ( )

PDF (4056KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

对于低照度图像增强过程中，因图像内容重叠且部分区域亮度差异较大导致的图像细节丢失的问题，提出一个注意力机制下的多阶段低照度图像增强网络。第一阶段利用改进的多尺度融合模块对图像进行初步增强；第二阶段利用第一阶段增强后的图像信息与本阶段的输入进行级联，并将其结果作为该阶段多尺度融合模块的输入；第三阶段利用第二阶段增强后的图像信息与该阶段的输入级联，并将其结果作为该阶段多尺度融合模块的输入。这样利用多阶段的方式完成自适应的亮度提升和细节的保留。在公开数据集LOL和SICE上的实验结果表明，相较于MSR算法、灰度直方图均衡化（HE）算法和RetinexNet等算法和网络，所提网络的峰值信噪比（PSNR）的数值提高了11.0%~28.9%，结构相似性（SSIM）的数值提高了6.8%~46.5%。所提网络利用多阶段和注意力机制实现低照度图像增强，有效解决了图像内容重叠和亮度差异大的问题，得到的图像细节更丰富，纹理更清晰，主观辨识度更高。

针对多模态图像的自适应引导形态学设计

孙梦迪, 孙忠贵, 孔旭, 韩红燕

2023, 43(2): 560-566. DOI: 10.11772/j.issn.1001-9081.2021122168

摘要 ( )

HTML ( )

PDF (5743KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对传统数学形态学（TMM）细节保持能力较差，以及现有自适应改进方法数学性质丢失的问题，提出了一种针对多模态图像的自适应引导形态学（GAMM）。首先，通过考虑输入图像和引导图像的联合信息进行结构元素的构建，从而在一定程度上增强了相应算子对噪声的鲁棒性；其次，借助3σ原则，使结构元素成员的选取能够自适应于图像内容；最后，利用稀疏矩阵的哈达玛积对结构元素施加一个对称性约束。理论证明和仿真实验均表明所提形态学的相应算子能够同时具备保序性和附益性等重要数学性质。在多模态图像上进行去噪实验，结果表明GAMM比TMM以及近年所提出的鲁棒自适应形态学（RAMM）在峰值信噪比（PSNR）上高出约2~3 dB；同时，主观视觉效果对比表明了GAMM在噪声去除、结构保持方面明显优于TMM和RAMM。

基于双分支条件生成对抗网络的非均匀图像去雾

朱利安, 张鸿

2023, 43(2): 567-574. DOI: 10.11772/j.issn.1001-9081.2021122091

摘要 ( )

HTML ( )

PDF (5800KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

雾天拍摄的图片存在颜色失真、细节模糊等问题，会对图片的质量造成一定影响。许多基于深度学习的方法虽然在去除合成的均匀雾霾图片上具有很好的效果，但在最新的NTIRE挑战赛中引入的真实非均匀去雾数据集上效果较差。主要原因是非均匀雾霾的分布较复杂，纹理细节在去雾过程中很容易丢失，并且该数据集的样本数量有限，容易产生过拟合。因此提出了一种双分支生成器的条件生成对抗网络（DB-CGAN）。其中，一条分支以U-net为基础架构，通过“加强-整合-减去”的策略在解码器中加入增强模块，从而增强解码器中特征的恢复，并使用密集特征融合为非相邻层级建立足够的连接。另一分支使用多层残差的结构来加快网络的训练，并串联大量的通道注意力模块，以最大限度地提取更多的高频细节特征。最后，使用一个简单有效的融合子网来融合两个分支。在实验中，所提模型在评价指标峰值信噪比（PSNR）和结构相似性（SSIM）上明显优于先前的暗通道先验（DCP）、一体化去雾网络（AODNet）、门控上下文聚合网络（GCANet）、多尺度增强去雾网络（MSBDN）去雾模型。实验结果表明，所提出的网络能够在非均匀去雾数据集上具有更好的性能。

融合用户需求和边界约束的平面图生成算法

王若莹, 吕凡, 赵柳清, 胡伏原

2023, 43(2): 575-582. DOI: 10.11772/j.issn.1001-9081.2021122143

摘要 ( )

HTML ( )

PDF (2582KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

平面图设计是房屋设计的重要过程，而现有的自动化平面图设计方法缺乏考虑用户需求和建筑边界的共同约束，存在生成房间形状缺角、房间之间遮挡严重以及房间超越边界的布局不合理问题。针对上述问题，提出一种融合用户需求和边界约束的房屋平面图生成对抗网络（GBC-GAN），它由约束布局生成器和房间关系鉴别器构成。首先，将用户指定的房屋布局需求（包括房间数量和类型以及房屋之间的邻接方位关系）转化为约束关系图结构，之后对建筑边界和约束关系图分别编码并进行特征融合；然后，在约束布局生成器中引入边界框预测模块以将平面图生成问题转化为各房间对象边界框生成问题，并利用几何边界优化损失来解决房间之间遮挡严重、房间超越边界的问题；最后，将房间边界框布局和约束关系图输入到房间关系鉴别器训练生成符合房间对象及其关系的平面图布局。在大型真实建筑数据集RPLAN上，该方法的弗雷歇距离（FID）和结构相似性指数（SSIM）比House-GAN方法分别提升了4.39%和2.3%。实验结果表明，在不同用户需求和边界限制条件下，所提方法提高了房屋平面图的合理性和真实性。

基于高分辨率网络和图卷积网络的三维人体重建模型

苏亚婷, 刘翠响

2023, 43(2): 583-588. DOI: 10.11772/j.issn.1001-9081.2021122075

摘要 ( )

HTML ( )

PDF (2124KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对单目图像重建人体时出现的头部姿态翻转和图像特征间隐式空间线索缺失的问题，提出了一种基于高分辨率网络（HRNet）和图卷积网络（GCN）的三维人体重建模型。首先利用HRNet和残差块作为主干网络从原始图像中提取丰富的人体特征信息，然后使用GCN来捕获特征之间隐式的空间线索以获得空间精确的特征表示，最后使用此特征来预测多人线性蒙皮模型（SMPL）的参数以得到更加准确的重建结果；同时为了有效解决人体头部姿态翻转的问题，对SMPL的关节点重新进行了定义，在原有关节的基础上增加对头部关节点的定义。实验结果表明，所提模型能够准确地重建出三维人体，在2D数据集LSP上的重建准确率达到了92.41%，在3D数据集MPI-INF-3DHP上的关节误差和重建误差也大幅降低，平均误差仅分别为97.73 mm和64.63 mm，验证了所提模型在人体重建领域的有效性。

基于姿态编码器的2D/3D脊椎医学图像实时配准方法

徐少康, 张战成, 姚浩男, 邹智伟, 张宝成

2023, 43(2): 589-594. DOI: 10.11772/j.issn.1001-9081.2021122147

摘要 ( )

HTML ( )

PDF (2007KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

2D/3D医学图像配准是骨科手术三维实时导航中的一项关键技术，然而传统的基于优化迭代的2D/3D配准方法需要经过多次迭代计算，无法满足医生在手术过程中对于实时配准的要求。针对该问题，提出一种基于自编码器的姿态回归网络来通过隐空间解码捕获几何姿态信息，从而快速地回归出术中X射线图像对应的术前脊椎位置的3D姿态，并经过重新投影生成最终的配准图像。通过引入新的损失函数，以“粗细”结合配准的方式对模型进行约束，保证了姿态回归的精确度。在CTSpine1K脊椎数据集中抽取100组CT扫描图像进行10折交叉验证，实验结果表明：所提出的模型所生成的配准结果图像与X射线图像的平均绝对误差（MAE）为0.04，平均目标配准误差（mTRE）为1.16 mm，单帧耗时1.7 s。与基于传统优化的方法相比，该模型配准时间大幅缩短。相较于基于学习的方法，该模型在快速配准的同时，保证了较高的配准精度。可见，所提模型可以满足术中实时高精配准的要求。

姿态干扰下的深度人脸验证

王奇, 雷航, 王旭鹏

2023, 43(2): 595-600. DOI: 10.11772/j.issn.1001-9081.2021122214

摘要 ( )

HTML ( )

PDF (2023KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

人脸验证广泛应用于生活中各种场景，而普通RGB图像的获取依赖于光照条件。为解决光照和头部姿态对任务的干扰，提出了一个基于卷积神经网络的孪生网络L2-Siamese。首先，直接将成对的深度图作为输入；然后，用两个共享权重的卷积神经网络分别提取面部特征后，引入L2范数将不同姿态的人脸特征约束在一个半径固定的超球上；最后，通过全连接层将特征之间的差异映射为（0，1）区间的概率值来判断该组图像是否属于同一对象。为了验证L2-Siamese的有效性，在公共数据集Pandora上进行了测试。实验结果显示，L2-Siamese整体性能良好。将Pandora根据头部姿态干扰大小进行分组后的测试结果表明，在头部最大姿态干扰下，与当前最好的算法全卷积孪生网络相比，该网络预测准确率提高了4个百分点，有明显提升。

有闭解的可控人脸编辑算法

陶玲玲, 刘波, 李文博, 何希平

2023, 43(2): 601-607. DOI: 10.11772/j.issn.1001-9081.2022010030

摘要 ( )

HTML ( )

PDF (2481KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对人脸编辑存在的编辑结果不自然、生成图像变化较大等问题，提出了一种有闭解的可控人脸编辑算法。首先，随机采样 $n$ 个潜在向量来构造样本矩阵，并计算出该矩阵的前 $k$ 个主成分向量；然后，利用ResNet-50得到人脸图像的5个属性，并通过支持向量机（SVM）计算出各属性的语义边界；最后，计算这些属性的可解释方向向量，这些向量在尽量靠近主成分向量的同时也尽量远离对应属性的语义边界，从而减小人脸属性之间的耦合性，并提高编辑过程中的可控性。该算法具有闭解，因此效率较高。实验结果表明，所提算法和语义的闭式分解（SeFa）算法和可解释的生成对抗网络控制（GANSpace）算法相比，在初始分数（IS）上分别增加了19%和26%，在弗雷歇距离（FID）上分别减小了4%和37%，在最大平均差异（MMD）上分别减小了15%和48%。可见，该算法具有较好的可控性和解耦性。

基于坐标注意力的轻量级交通标志识别模型

李文举, 张干, 崔柳, 储王慧

2023, 43(2): 608-614. DOI: 10.11772/j.issn.1001-9081.2022010100

摘要 ( )

HTML ( )

PDF (2351KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对交通标志识别模型检测速度与识别精度不均衡，以及受遮挡目标和小目标难以检测的问题，对YOLOv5模型进行改进，提出一种基于坐标注意力（CA）的轻量级交通标志识别模型。首先，通过在主干网络中融入CA机制，有效地捕获位置信息和通道之间的关系，从而更准确地获取感兴趣区域，避免过多的计算开销；然后，通过在特征融合网络中加入跨层连接，在不增加成本的情况下融合更多的特征信息，提高网络的特征提取能力，并改善对遮挡目标的检测效果；最后，引入改进的CIoU函数计算定位损失，以缓解检测过程中样本尺寸分布不均衡的现象，并进一步提高对小目标的识别精度。在TT100K数据集上应用所提模型时，识别精度达到了91.5%，召回率达到了86.64%，与传统的YOLOv5n模型相比分别提高了20.96%和11.62%，且帧处理速率达到了140.84 FPS。实验结果比较充分地验证了所提模型在真实场景中对交通标志检测与识别的准确性与实时性。

事件触发下的网络化系统非脆弱耗散控制方案

葛超, 张亚欣, 刘月, 王红

2023, 43(2): 615-621. DOI: 10.11772/j.issn.1001-9081.2022010007

摘要 ( )

HTML ( )

PDF (2029KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对带宽资源有限、存在系统外部干扰以及参数不确定性的问题，提出了一种基于事件触发的网络化系统非脆弱耗散控制方案。首先，在网络化控制系统（NCS）模型的基础上，提出了一种非周期采样的事件触发方案，并建立一个时滞闭环系统模型；然后，利用锯齿波的结构特点构造新型双边李雅普诺夫泛函；最后，结合杰森不等式、自由权矩阵、凸组合等方法，导出保证系统稳定性的充分条件，并计算出反馈控制器的增益。数值仿真结果证明，所设计的双边泛函比用单边泛函具有更小的保守性，事件触发机制与普通采样机制相比能够节约带宽，且所设计出的控制器具有可行性。

融合多模态数据的药物合成反应的虚拟筛选

孙晓飞, 朱静远, 陈斌, 游恒志

2023, 43(2): 622-629. DOI: 10.11772/j.issn.1001-9081.2021122228

摘要 ( )

HTML ( )

PDF (3028KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

药物合成反应，特别是不对称反应是现代药物化学的重要组成部分。化学家们投入了巨大的人力和资源来识别各种化学反应模式，以实现高效合成和不对称催化。量子力学计算和机器学习算法在这一领域的最新研究证明了通过计算机学习现有药物合成反应数据并进行精确虚拟筛选的巨大潜力。然而，现有方法局限于单一模态的数据来源，并且由于数据少的限制，只能使用基本的机器学习方法，使它们在更广泛场景中的普遍应用受到阻碍。因此，提出两种融合多模态数据的药物合成反应的筛选模型来进行反应产率和对映选择性的虚拟筛选，并给出了一种基于Boltzmann分布进行加权的3D构象描述符，从而将分子的立体空间信息与量子力学性质结合起来。这两种多模态数据融合模型在两个代表性的有机合成反应（C-N偶联反应和N，S-缩醛反应）中进行了训练和验证，结果表明前者的R²相对于基线方法在大多数据划分上的提升超过了1个百分点，后者的平均绝对误差（MAE）相对于基线方法在大多数据划分上的下降超过了0.5个百分点。可见，在有机反应筛选的不同任务中采用基于多模态数据融合的模型都会带来好的性能。

基于全局距离最优的抗污染极短纠错码设计

刘坚强, 屈也频, 吕余海

2023, 43(2): 630-635. DOI: 10.11772/j.issn.1001-9081.2021122065

摘要 ( )

HTML ( )

PDF (1784KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有二维码在复杂环境中抗污染能力弱、解码速度慢的问题，提出了一种基于全局距离最优的抗污染极短纠错码。首先，构建了表征污染环境的凹凸多边形数学模型；然后，设计了采用3个编码点表示一个目标数据位的极短纠错码；最后，设计了在有限约束域内全局距离最优的编码点的编排方法，并给出了对应的解码算法。对极短纠错码的抗污染能力和识别速度进行了仿真评估，并与经典的BCH码进行了对比。结果表明，当目标数据长度为18、编码点数为63时，极短纠错码在同等污染环境中识别准确率接近BCH码，而解码速度是BCH码的130倍。所提编码还具有结构简洁明确、编码点数适应能力强、易于标准化推广应用等显著优点。

多目标模糊机会约束规划的低碳多式联运路径优化

张敏, 韩晓龙

2023, 43(2): 636-644. DOI: 10.11772/j.issn.1001-9081.2021122085

摘要 ( )

HTML ( )

PDF (2831KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对时间窗与需求量不确定性下的多式联运路径优化问题，运用梯形模糊数表示模糊需求量与模糊时间窗，并考虑碳排放成本、运输成本以及客户满意度，建立了多目标模糊机会约束模型。固定的交叉、变异概率会直接影响算法的收敛性，针对此问题，将自适应性与非支配排序遗传算法Ⅱ（NSGA-Ⅱ）结合，并通过与DOCPLEX和NSGA-Ⅱ的对比验证了所提模型与算法的有效性。最后，探究了碳税值与模糊需求量偏好值的变化对优化结果的影响。研究结果表明：碳税值的提出可有效促进“公转铁、公转水”，从而显著减少碳排放量，然而过高的碳税值并不一定意味着碳排放量的减少，还会对企业造成过高的成本；模糊需求量偏好值的提高会造成总成本的增加，意味着运输经济性与可靠性两者不可兼得。因此，合理设置碳税值与模糊需求量偏好值是提高多式联运环保效益与运输效益的有效方式。

双循环策略下岸桥与跨运车的联合调度

周玉清, 韩晓龙

2023, 43(2): 645-653. DOI: 10.11772/j.issn.1001-9081.2021122042

摘要 ( )

HTML ( )

PDF (3119KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

集装箱码头采用跨运车能够减少作业环节和码头机械设备的种类与数量，同时缓存区容量的设置至关重要。首先，为降低码头总完工时间、提高码头作业效率，并解决采用跨运车作为水平运输设备与岸桥进行联合装卸作业时产生的时空协调问题，引入了双循环操作策略，对岸桥与跨运车的联合作业序列优化问题进行研究。其次，建立以总完工时间最小化为目标，考虑岸桥与跨运车双循环操作的实际约束、岸桥缓存区容量限制、安全时间等约束的混合整数规划模型。然后，针对传统禁忌搜索（TS）算法的局限性，加入贪婪算法、多种邻域搜索方式、响应性策略，设计了基于贪婪算法的响应性TS算法，并进行了数值实验。实验结果验证了所提模型与算法的有效性。最后，通过对缓存区容量与跨运车数量、岸桥与跨运车配比的实验分析，得出了最优的跨运车数量和缓存区容量、岸桥与跨运车配比。结果表明：与传统码头设备配置相比，双循环策略可减少跨运车使用数量，提高岸桥与跨运车使用率。

基于改进SAC算法的移动机器人路径规划

李永迪, 李彩虹, 张耀玉, 张国胜

2023, 43(2): 654-660. DOI: 10.11772/j.issn.1001-9081.2021122053

摘要 ( )

HTML ( )

PDF (5152KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

为解决SAC算法在移动机器人局部路径规划中训练时间长、收敛速度慢等问题，通过引入优先级经验回放（PER）技术，提出了PER-SAC算法。首先从等概率从经验池中随机抽取样本变为按优先级抽取，使网络优先训练误差较大的样本，从而提高了机器人训练过程的收敛速度和稳定性；其次优化时序差分（TD）误差的计算，以降低训练偏差；然后利用迁移学习，使机器人从简单环境到复杂环境逐步训练，从而提高训练速度；另外，设计了改进的奖励函数，增加机器人的内在奖励，从而解决了环境奖励稀疏的问题；最后在ROS平台上进行仿真测试。仿真结果表明，在不同的障碍物环境中，PER-SAC算法均比原始算法收敛速度更快、规划的路径长度更短，并且PER-SAC算法能够减少训练时间，在路径规划性能上明显优于原始算法。

当期目录