当期目录

2023年 第43卷 第10期 刊出日期：2023-10-10

上一期  

区块链

加密数字货币监管技术研究综述

王佳鑫, 颜嘉麒, 毛谦昂

2023, 43(10):  2983-2995.  DOI: 10.11772/j.issn.1001-9081.2022111694

摘要 ( )   HTML ( )   PDF (911KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

借助区块链等新兴技术，加密数字货币呈现去中心化、自治化、跨界化的特点。研究加密数字货币的监管技术不仅有助于打击基于加密数字货币的犯罪活动，而且可以为区块链技术在其他领域的扩展提供可行的监管方案。首先，基于加密数字货币的应用特点，定义并阐述了加密数字货币产生、兑换和流通（GEC）周期理论；其次，详细分析了国内外频发的基于加密数字货币的犯罪事件，并重点介绍了加密数字货币在每个周期中的安全监管技术的研究现状；最后，总结了加密数字货币的监管平台生态体系以及监管技术现在面临的挑战，并展望了未来加密数字货币监管的研究方向。

区块链交易隐私保护技术综述

谢晴晴, 杨念民, 冯霞

2023, 43(10):  2996-3007.  DOI: 10.11772/j.issn.1001-9081.2022101555

摘要 ( )   HTML ( )   PDF (2911KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

区块链账本数据是公开透明的。一些攻击者可以通过分析账本数据来获取敏感信息，这对用户的交易隐私造成威胁。鉴于区块链交易隐私保护的重要性，首先分析产生交易隐私泄露的原因，并将交易隐私分为交易者身份隐私和交易数据隐私两类；其次，从这两种不同类型的隐私角度，阐述现有的面向区块链交易的隐私保护技术；接着，鉴于隐私保护和监管之间的矛盾性，介绍兼具监管的交易身份隐私保护方案；最后，总结和展望了区块链交易隐私保护技术未来的研究方向。

物联网中结合计算卸载和区块链的综述

门瑞, 樊书嘉, 阿喜达, 杜邵昱, 樊秀梅

2023, 43(10):  3008-3016.  DOI: 10.11772/j.issn.1001-9081.2022091466

摘要 ( )   HTML ( )   PDF (882KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

随着移动通信技术的快速发展和智能终端的普及，将终端设备的计算密集型任务卸载至边缘服务器能够解决终端设备算力不足的问题。然而，计算卸载技术分布式的属性使终端设备和边缘服务器面临较大的安全隐患；同时，区块链技术能为计算卸载系统提供安全的资源交易环境。以上两个技术的结合可以解决物联网中的资源不足和安全问题，因此对物联网中计算卸载和区块链技术结合应用的研究成果进行综述。首先，分析了计算卸载技术和区块链技术结合的应用场景和系统功能；其次，归纳了区块链技术在计算卸载系统中解决的主要问题和使用的关键技术，并分类总结了区块链系统中的计算卸载策略的制定方式、优化目标及优化算法；最后，提出了二者结合使用中存在的问题，并展望了未来的发展方向。

跨链综述：机制、协议、应用与挑战

陈龙飞, 姚中原, 潘恒, 权高原, 斯雪明

2023, 43(10):  3017-3027.  DOI: 10.11772/j.issn.1001-9081.2022111643

摘要 ( )   HTML ( )   PDF (1641KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

随着区块链技术及应用的不断发展，人们对区块链之间的交互需求日益增加。然而，区块链技术的孤立性和封闭性以及不同区块链之间的异构性造成了区块链的“价值孤岛”效应，这严重阻碍了区块链技术集成应用的广泛落地和良性发展。区块链跨链技术解决了不同区块链之间的数据流通、价值转移和业务协同等问题，也是提升区块链可扩展性和互操作性的重要技术手段。根据跨链技术的实现复杂性和功能丰富性程度，从三个方面分类总结了区块链跨链技术：一是基础的跨链机制，二是基于这些机制构建的跨链协议，三是提供了系统架构的跨链应用。最后，总结了跨链互操作中存在的问题，从而为区块链跨链技术的进一步研究提供了系统性理论参考。

基于改进公证人机制的联盟链跨链隐私保护方案

郭晓涵, 姚中原, 张勇, 郭尚坤, 王超, 斯雪明

2023, 43(10):  3028-3037.  DOI: 10.11772/j.issn.1001-9081.2022111641

摘要 ( )   HTML ( )   PDF (3640KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

联盟链跨链交互既增强了联盟链应用的功能，又扩展了应用的使用范围，因此对促进联盟链应用推广和产业发展意义重大。然而，目前联盟链跨链交互依然存在着用户身份和资产交易信息隐私泄露的问题，进而阻碍了联盟链跨链交互技术的广泛应用。针对以上问题，提出一个基于改进公证人机制的联盟链资产跨链隐私保护方案。首先，在合约层引入哈希锁定机制来改进传统的单签名公证人跨链方式，从而降低传统公证人机制中心化作恶的风险；其次，利用同态加密的特性在保证交易合法的前提下，实现对交易资产的可用不可见；同时，利用多密钥生成中心（KGC）模式的标识密码算法实现在网络层上的用户身份隐私保护。理论分析和实验结果表明，所提方案对联盟链跨链交互时交易中的用户身份信息和资产信息具有良好的隐私保护效果，且相较于其他同类方案在签名和验证方面的开销更低。

基于区块链技术及应用的可视化研究综述

邵怡敏, 赵凡, 王轶, 王保全

2023, 43(10):  3038-3046.  DOI: 10.11772/j.issn.1001-9081.2022111642

摘要 ( )   HTML ( )   PDF (8589KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

区块链技术源自比特币，是一项颠覆性的创新技术，具有十分广阔的发展前景。面对区块链平台及应用领域不断扩展的需求，引进可视化技术能够增强用户的认知能力，帮助用户从海量复杂数据中高效发现有用信息，并辅助用户的理解与决策，是区块链技术的研究前沿之一。为了深入了解基于区块链技术及应用的可视化研究，首先，介绍了区块链和可视化基础理论，并从多个维度分析了现有区块链可视化研究文献；其次，从共性关键技术出发，介绍了区块链交易处理、共识机制、智能合约和网络安全方面的可视化研究方法；同时，概述了虚拟货币、社会民生和融合创新等多个领域中区块链可视化的应用现状；最后，总结和展望了基于区块链技术及应用的可视化研究的发展趋势。

人工智能

基于节点相似性分组与图压缩的图摘要算法

宏宇, 陈鸿昶, 张建朋, 黄瑞阳

2023, 43(10):  3047-3053.  DOI: 10.11772/j.issn.1001-9081.2022101535

摘要 ( )   HTML ( )   PDF (1105KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对当前图摘要方法压缩率较高，图压缩算法无法直接被用于下游任务分析的问题，提出一种图摘要与图压缩的融合算法，即基于节点相似性分组与图压缩的图摘要算法（GSNSC）。首先，初始化节点为超节点，并根据相似度对超节点分组；其次，将每个组的超节点合并，直到达到指定次数或指定节点数；再次，在超节点之间添加超边和校正边以恢复原始图；最后，对于图压缩部分，判断对每个超节点的邻接边压缩和摘要的代价，并选择二者中代价较小的执行。在Web-NotreDame、Web-Google和Web-Berkstan等6个数据集上进行了图压缩率和图查询实验。实验结果表明，在6个数据集上，与SLUGGER（Scalable Lossless sUmmarization of Graphs with HiERarchy）算法相比，所提算法的压缩率至少降低了23个百分点；与SWeG（Summarization of Web-scale Graphs）算法相比，所提算法的压缩率至少降低了13个百分点；在Web-NotreDame数据集上，所提算法的度误差比SWeG降低了41.6%。以上验证了所提算法具有更好的图压缩率和图查询准确度。

基于优化图结构自编码器的网络表示学习

富坤, 郝玉涵, 孙明磊, 刘赢华

2023, 43(10):  3054-3061.  DOI: 10.11772/j.issn.1001-9081.2022101494

摘要 ( )   HTML ( )   PDF (2515KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

网络表示学习（NRL）旨在学习网络顶点的潜在、低维表示，再将得到的表示用于下游的网络分析任务。针对现有采用自编码器的NRL算法不能充分提取节点属性信息，学习时容易产生信息偏差从而影响学习效果的问题，提出一种基于优化图结构自编码器的网络表示学习模型（NR-AGS），通过优化图结构的方式提高准确率。首先，融合结构和属性信息来生成结构和属性联合转移矩阵，进而形成高维表示；其次，利用自编码器学习低维嵌入表示；最后，通过在学习过程中加入深度嵌入聚类算法，对自编码器的训练过程和节点的类别分布划分形成自监督机制，并且通过改进的最大均值差异（MMD）算法减小学习得到的低维嵌入潜在表示层分布和原始数据分布的差距。此外，NR-AGS使用自编码器的重构损失、深度嵌入聚类损失和改进的MMD损失共同优化网络。应用NR-AGS对3个真实数据集进行学习，再使用得到的低维表示完成下游的节点分类和节点聚类任务。实验结果表明，与深度图表示模型DNGR（Deep Neural networks for Graph Representations）相比，NR-AGS在Cora、Citeseer、Wiki数据集上的Micro-F1值分别至少提升了7.2、13.5和8.2个百分点。可见，NR-AGS可以有效提升NRL的学习效果。

基于流形学习的句向量优化

吴明月, 周栋, 赵文玉, 屈薇

2023, 43(10):  3062-3069.  DOI: 10.11772/j.issn.1001-9081.2022091449

摘要 ( )   HTML ( )   PDF (1411KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

句向量是自然语言处理的核心技术之一，影响着自然语言处理系统的质量和性能。然而，已有的方法无法高效推理句与句之间的全局语义关系，致使句子在欧氏空间中的语义相似性度量仍存在一定问题。为解决该问题，从句子的局部几何结构入手，提出一种基于流形学习的句向量优化方法。该方法利用局部线性嵌入（LLE）对句子及其语义相似句子进行两次加权局部线性组合，这样不仅保持了句子之间的局部几何信息，而且有助于推理全局几何信息，进而使句子在欧氏空间中的语义相似性更贴近人类真实语义。在7个文本语义相似度任务上的实验结果表明，所提方法的斯皮尔曼相关系数（SRCC）平均值相较于基于对比学习的方法SimCSE（Simple Contrastive learning of Sentence Embeddings）提升了1.21个百分点。此外，将所提方法运用于主流预训练模型上的结果表明，相较于原始预训练模型，所提方法优化后模型的SRCC平均值提升了3.32~7.70个百分点。

基于关键词图表示的文本语义去重算法

汪锦云, 向阳

2023, 43(10):  3070-3076.  DOI: 10.11772/j.issn.1001-9081.2022101495

摘要 ( )   HTML ( )   PDF (1266KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

网络中存在大量语义相同或者相似的冗余文本，而文本去重能够解决冗余文本浪费存储空间的问题，并能为信息抽取任务减少不必要的消耗。传统的文本去重算法依赖文字重合度信息，而没有较好地利用文本语义信息，同时也无法捕捉长文本中距离较远句子之间的交互信息，去重效果不理想。针对文本语义去重问题，提出一种基于关键词图表示的长文本去重算法。首先，通过抽取文本对中的语义关键词短语，将文本对表示为以关键词短语为节点的图；其次，通过多种方式对节点进行编码，并利用图注意力网络（GAT）学习节点之间的关系，从而得到文本对图的向量表示，并判断文本对是否语义相似；最后，根据文本对的语义相似度进行去重处理。与传统算法相比，所提算法能有效利用文本的语义信息，并能通过图结构将长文本中距离较远的句子用关键词短语的共现关系连接起来，从而增加不同句子之间的语义交互。实验结果表明，所提算法在两个公开数据集CNSE （Chinese News Same Event）和CNSS（Chinese News Same Story）上都取得了比Simhash、BERT （Bidirectional Encoder Representations from Transformers）微调、概念交互图（CIG）等传统算法更好的表现。具体地，所提算法在CNSE数据集上的F1值达到84.65%，在CNSS数据集上的F1值达到90.76%，说明所提算法可以有效提升文本去重任务的效果。

高低维特征引导的实时语义分割网络

虞资兴, 瞿绍军, 何鑫, 王卓

2023, 43(10):  3077-3085.  DOI: 10.11772/j.issn.1001-9081.2022091438

摘要 ( )   HTML ( )   PDF (1967KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

多数语义分割网络利用双线性插值将高级特征图的分辨率恢复至与低级特征图一样的分辨率再进行融合操作，导致部分高级语义信息在空间上无法与低级特征图对齐，进而造成语义信息的丢失。针对以上问题，改进双边分割网络（BiSeNet），并基于此提出一种高低维特征引导的实时语义分割网络（HLFGNet）。首先，提出高低维特征引导模块（HLFGM）来通过低级特征图的空间位置信息引导高级语义信息在上采样过程中的位移；同时，利用高级特征图来获取强特征表达，并结合注意力机制来消除低级特征图中冗余的边缘细节信息以及减少像素误分类的情况。其次，引入改进后的金字塔池化引导模块（PPGM）来获取全局上下文信息并加强不同尺度局部上下文信息的有效融合。在Cityscapes验证集和CamVid测试集上的实验结果表明，HLFGNet的平均交并比（mIoU）分别为76.67%与70.90%，每秒传输帧数分别为75.0、96.2；而相较于BiSeNet，HLFGNet的mIoU分别提高了1.76和3.40个百分点。可见，HLFGNet能够较为准确地识别场景信息，并能满足实时性要求。

具有方面项和上下文表示的方面情感分析

徐丹, 龚红仿, 罗容容

2023, 43(10):  3086-3092.  DOI: 10.11772/j.issn.1001-9081.2022101482

摘要 ( )   HTML ( )   PDF (1011KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对预测特定方面情感极性时存在只依赖单一方面项而忽略了同一句子中方面项之间间情感依赖关系的问题，提出一种具有方面项和上下文表示的多层多跳记忆网络（AICR-M³net）。首先，通过双向门控循环单元（Bi-GRU）融合位置加权信息，并将隐藏层输出作为混合上下文编码层的输入以获取与上下文语义关联度更高的上下文表示；其次，引入多层多跳记忆网络（M³net）多次逐词匹配方面词和上下文，从而生成特定上下文的方面词向量；同时，建模特定方面项与句子中其他方面项的情感依赖性，从而引导特定方面项的上下文向量的生成。在Restaurant、Laptop和Twitter数据集上的实验结果表明，与AOA-MultiACIA （Attention-Over-Attention Multi-layer Aspect-Context Interactive Attention）相比，所提模型的分类准确率分别提高了1.34、3.05和2.02个百分点，F1值分别提高了3.90、3.78和2.94个百分点。以上验证了所提模型能更有效地处理上下文中多方面的混合信息，且在处理特定方面情感分类任务中具有一定的优势。

基于BERT模型的文本对抗样本生成方法

李宇航, 杨玉丽, 马垚, 于丹, 陈永乐

2023, 43(10):  3093-3098.  DOI: 10.11772/j.issn.1001-9081.2022091468

摘要 ( )   HTML ( )   PDF (971KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有对抗样本生成方法需要大量访问目标模型，导致攻击效果较差的问题，提出了基于BERT （Bidirectional Encoder Representations from Transformers）模型的文本对抗样本生成方法（TAEGM）。首先采用注意力机制，在不访问目标模型的情况下，定位显著影响分类结果的关键单词；其次通过BERT模型对关键单词进行单词级扰动，从而生成候选样本；最后对候选样本进行聚类，并从对分类结果影响更大的簇中选择对抗样本。在Yelp Reviews、AG News和IMDB Review数据集上的实验结果表明，相较于攻击成功率（SR）次优的对抗样本生成方法CLARE（ContextuaLized AdversaRial Example generation model），TAEGM在保证对抗攻击SR的前提下，对目标模型的访问次数（QC）平均减少了62.3%，时间平均减少了68.6%。在此基础之上，进一步的实验结果验证了TAEGM生成的对抗样本不仅具有很好的迁移性，还可以通过对抗训练提升模型的鲁棒性。

增广模态收益动态评估方法

毕以镇, 马焕, 张长青

2023, 43(10):  3099-3106.  DOI: 10.11772/j.issn.1001-9081.2022101510

摘要 ( )   HTML ( )   PDF (2673KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对获取新模态难度大、收益差异大的问题，提出了一种增广模态收益动态评估方法。首先，通过多模态融合网络得到中间特征表示和模态融合前后的预测结果；其次，将两个预测结果的真实类别概率（TCP）引入置信度估计，得到融合前后的置信度；最后，计算两种置信度的差异，并将该差异作为样本以获取新模态所带来的收益。在常用多模态数据集和真实的医学数据集如癌症基因组图谱（TCGA）上进行实验。在TCGA数据集上的实验结果表明，与随机收益评估方法和基于最大类别概率（MCP）的方法相比，所提方法的准确率分别提高了1.73~4.93和0.43~4.76个百分点，有效样本率（ESR）分别提升了2.72~11.26和1.08~25.97个百分点。可见，所提方法能够有效评估不同样本获取新模态所带来的收益，并具备一定可解释性。

TenrepNN：集成学习的新范式在企业自律性评价中的实践

赵敬涛, 赵泽方, 岳兆娟, 李俊

2023, 43(10):  3107-3113.  DOI: 10.11772/j.issn.1001-9081.2022091454

摘要 ( )   HTML ( )   PDF (1741KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为了应对互联网环境中企业自律性低、违规事件频发、政府监管困难的现状，提出一种针对企业自律性评价的双层集成残差预测神经网络（TenrepNN）模型，并融合Stacking和Bagging集成学习的思想提出一种集成学习的新范式Adjusting。TenrepNN模型具有两层结构：第1层使用3种基学习器初步预测企业评分；第2层采用残差修正的思想，提出残差预测神经网络以预测每个基学习器的输出偏差。最后，将偏差与基学习器评分相加得到最终输出。在企业自律性评价数据集上，相较于传统的神经网络，TenrepNN模型的均方根误差（RMSE）降低了2.7%，企业自律性等级分类准确率达到了94.51%。实验结果表明，TenrepNN模型集成不同的基学习器降低预测方差，并使用残差预测神经网络显式地降低偏差，从而能够准确评价企业自律性以实现差异化的动态监管。

基于特征融合图注意网络的高速公路交通流预测

高醇, 王梦灵

2023, 43(10):  3114-3120.  DOI: 10.11772/j.issn.1001-9081.2022101587

摘要 ( )   HTML ( )   PDF (2825KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

基于交通网络的实际时空拓扑，提出一种特征融合图注意网络（FF-GAT）模型融合节点获取的多种交通状态信息，预测高速公路交通流。首先，分析节点的车速、交通流和占有率之间的关联特征，并基于多变量时间注意力机制，将车速、交通流和占有率之间的关系融入注意力机制，从而捕捉交通流的不同时间之间的动态时间相关性；其次，将节点划分为不同的邻域集，并通过特征融合图注意网络（GAT）捕获交通流的不同邻域之间的空间相关性；同时，通过特征交叉网络充分挖掘多个异构数据之间的耦合相关性，为预测目标序列提供有效的信息补充。在两个公开交通流数据集上的实验结果表明：在PeMSD8数据集上，与ASTGCN（Attention based Spatial-Temporal Graph Convolutional Network）模型相比，FF-GAT模型的均方根误差（RMSE）降低了3.4%；与GCN-GAN（Graph Convolutional Network and Generative Adversarial Network）模型相比，FF-GAT模型的RMSE降低了3.1%。可见，FF-GAT模型能够通过特征融合有效提高预测精度。

数据科学与技术

基于模糊粗糙集的无监督动态特征选择算法

马磊, 罗川, 李天瑞, 陈红梅

2023, 43(10):  3121-3128.  DOI: 10.11772/j.issn.1001-9081.2022101543

摘要 ( )   HTML ( )   PDF (511KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

动态特征选择算法能够大幅提升处理动态数据的效率，然而目前基于模糊粗糙集的无监督的动态特征选择算法较少。针对上述问题，提出一种特征分批次到达情况下的基于模糊粗糙集的无监督动态特征选择（UDFRFS）算法。首先，通过定义伪三角范数和新的相似关系在已有数据的基础上进行模糊关系值的更新过程，从而减少不必要的运算过程；其次，通过利用已有的特征选择结果，在新的特征到达后，使用依赖度判断原始特征部分是否需要重新计算，以减少冗余的特征选择过程，从而进一步提高特征选择的速度。实验结果表明，UDFRFS相较于静态的基于依赖度的无监督模糊粗糙集特征选择算法，在时间效率方面能够提升90个百分点以上，同时保持较好的分类精度和聚类表现。

基于谱聚类的社交网络动态社区发现算法

杨煜, 段威威

2023, 43(10):  3129-3135.  DOI: 10.11772/j.issn.1001-9081.2022101517

摘要 ( )   HTML ( )   PDF (2785KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

动态社区发现研究是社交网络分析（SNA）的重要研究领域。随着节点加入或离开社交网络，节点间的关系也随之建立或消失，进而影响着社区结构的变化。针对社交网络静态社区发现算法缺少必要的社区节点历史信息而导致的网络结构分析、聚类信息不足和计算开销过大的问题，基于社区网络演化事件的划分并根据主要社区事件的分析，提出一种基于谱聚类的动态社区发现算法（SC-DCDA）。首先，根据实验观察使用谱映射的方法将高维数据降维，并采用改进的模糊C-均值聚类（FCM）算法确定动态社交网络中的节点与待发现社区的关联度；其次，根据演化相似度矩阵分析社区结构。通过使用真实网络数据集以及模块度得分、轮廓系数等社区发现算法衡量指标，评估所提算法的效果。实验结果表明，SC-DCDA的计算开销相较于传统谱聚类降低了8.37%，在所有数据集上的平均模块度得分是0.49，其他衡量指标的定性分析结果也较好，验证了所提算法在信息交互、聚类效果和精确度上表现较好。

基于协同训练与Boosting的协同过滤算法

杨晓菡, 郝国生, 张谢华, 杨子豪

2023, 43(10):  3136-3141.  DOI: 10.11772/j.issn.1001-9081.2022101489

摘要 ( )   HTML ( )   PDF (1305KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

协同过滤（CF）算法基于物品之间或用户之间的相似度能实现个性化推荐，然而CF算法普遍存在数据稀疏性的问题。针对用户?物品评分稀疏问题，为使预测更加准确，提出一种基于协同训练与Boosting的协同过滤算法（CFCTB）。首先，利用协同训练将两种CF集成于一个框架，两种CF互相添加置信度高的伪标记样本到对方的训练集中，并利用Boosting加权训练数据辅助协同训练；其次，采用加权集成预测最终的用户评分，有效避免伪标记样本所产生的噪声累加，进一步提高推荐性能。实验结果表明，在4个公开数据集上，所提算法的准确率优于单模型；在稀疏度最高的CiaoDVD数据集上，与面向推荐系统的全局和局部核（GLocal-K）相比，所提算法的平均绝对误差（MAE）降低了4.737%；与ECoRec（Ensemble of Co-trained Recommenders）算法相比，所提算法的均方根误差（RMSE）降低了7.421%。以上结果验证了所提算法的有效性。

网络空间安全

面向FPGA 知识产权保护的低开销按次付费授权方案

宋斌威, 王耀

2023, 43(10):  3142-3148.  DOI: 10.11772/j.issn.1001-9081.2022101506

摘要 ( )   HTML ( )   PDF (1413KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

知识产权（IP）核按使用次数授权付费可以使系统设计者根据实际情况以较低的价格购买IP，已成为一种主要的IP授权方式。针对IP核按次付费的应用需求，提出一种应用于现场可编程门阵列（FPGA） IP的基于可重构有限状态机（RFSM）和物理不可克隆函数（PUF）的新型按次付费IP授权方案RFSM-PUF。针对在实际应用中不同厂家的IP保护方案协议无法通用的问题，提出一种适配所提方案的IP保护认证协议确保IP认证的保密性与灵活性。首先，在IP的原始有限状态机（OFSM）中嵌入一个RFSM，使得只有IP核设计者能够正确解锁IP；其次，将激励输入PUF电路中产生响应；最后，将license和PUF响应组成的密钥共同输入RFSM中来解锁IP。安全性分析结果表明，所提方案满足各项安全指标。在LGSyth91基准电路上的测试实验结果表明，在满足各项安全条件的前提下，所提方案在每个IP核中相较于基于PUF的按次付费授权方案平均查找表（LUT）数减少了1 377，显著降低了硬件开销。

基于缩略图加密和分布式存储的医学图像隐私保护

周娜, 成茗, 贾孟霖, 杨杨

2023, 43(10):  3149-3155.  DOI: 10.11772/j.issn.1001-9081.2022111646

摘要 ( )   HTML ( )   PDF (4138KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

随着云存储服务和远程医疗平台的日益盛行，越来越多医学图像被上传至云端，这些上传的医学图像存在被泄露给未经授权的第三方的风险，造成用户的个人隐私泄露。此外，如果医学图像仅上传至单个服务器进行存储，容易被攻击，进而导致全部数据的丢失。针对这些问题，提出一种基于缩略图加密和分布式存储的医学图像隐私保护算法。首先，通过对原始医学图像进行缩略图加密，在实现加密效果的同时适当保留图像的相关性；其次，在隐藏秘密信息时采用双嵌入法，并分别进行数据提取和图像恢复，从而实现加密图像的可逆信息隐藏（RDH）；最后，采用基于多项式共享矩阵的分布式存储方法将图像生成n个不同份额，并分发至n个服务器。实验结果表明，所提算法使用加密后的缩略图作为载体后的嵌入率高于传统安全加密方法；即使服务器受到攻击，接收方只要接收不少于k个份额就可以恢复原始图像和隐私信息。在医学图像的隐私保护上，从抗攻击、图像的恢复等方面进行了实验，分析结果表明所提加密算法性能良好，具有较高的安全性。

密码组件安全指标测试工具设计与实现

霍珊珊, 李艳俊, 刘健, 李寅霜

2023, 43(10):  3156-3161.  DOI: 10.11772/j.issn.1001-9081.2022091443

摘要 ( )   HTML ( )   PDF (2718KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

对称密码是信息系统中数据保密的核心技术，而非线性S盒通常是其中的关键密码组件，广泛用于分组密码、序列密码和MAC（Message Authentication Code）算法等设计。为了保障密码算法设计的安全性，首先，研究了差分均匀度、非线性度、不动点数、代数次数与项数、代数免疫度、雪崩特性、扩散特性的指标测试方法；其次，通过可视化窗口设计输出S盒的各个安全指标结果，并以弹窗形式给出对应安全指标的细节描述；再次，重点设计了S盒非线性度和代数免疫度的子模块，并对应非线性度简化了线性分布表，且基于定理对代数免疫度计算过程进行了优化和举例说明；最后，实现了S盒的测试工具，并给出了7种安全指标测试和案例演示。所提测试工具主要应用于对称密码算法的非线性组件S盒安全指标的测试，进而为算法整体提供安全保障。

先进计算

基于数据驱动的云边智能协同综述

田鹏新, 司冠南, 安兆亮, 李建辛, 周风余

2023, 43(10):  3162-3169.  DOI: 10.11772/j.issn.1001-9081.2022091418

摘要 ( )   HTML ( )   PDF (1772KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

随着物联网（IoT）的快速发展，大量在传感器等边缘场景产生的数据需要传输至云节点处理，这带来了极大的传输成本和处理时延，而云边协同为这些问题提供了有效的解决方案。首先，在全面调查和分析云边协同发展过程的基础上，结合当前云边智能协同中的研究思路与进展，重点分析和讨论了云边架构中的数据采集与分析、计算迁移技术以及基于模型的智能优化技术；其次，分别从边缘端和云端深入分析了各种技术在云边智能协同中的作用及应用，并探讨了云边智能协同技术在现实中的应用场景；最后，指出了云边智能协同目前存在的挑战及未来的发展方向。

面向DCU非一致控制流的编译优化

杨小艺, 赵荣彩, 王洪生, 韩林, 徐坤坤

2023, 43(10):  3170-3177.  DOI: 10.11772/j.issn.1001-9081.2022091338

摘要 ( )   HTML ( )   PDF (4315KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

国产DCU采用单指令多线程（SIMT）的并行执行模型，在程序执行时核函数内会产生非一致控制流，导致线程束中的线程部分只能串行执行，即线程束分化。针对核函数的性能因线程束分化受到严重制约的问题，提出一种减少线程束分化时间的编译优化方法——部分控制流合并（PCFM）。首先，通过散度分析找到同构且含有大量相同指令和相似指令的可融合发散区域；其次，统计合并后节省的指令周期百分比，从而评估可融合发散区域的融合盈利；最后，查找对齐序列，并合并有收益的可融合发散区域。在DCU上使用PCFM测试从图形处理器（GPU）基准测试套件Rodinia和经典的排序算法中选择的测试用例，实验结果表明，PCFM对测试用例能够取得1.146的平均加速比，与分支融合+尾合并方法相比，使用PCFM的加速比平均提高了5.72%。可见，所提方法减少线程束分化的效果更好。

基于新评价指标自适应预测的动态多目标优化算法

李二超, 张生辉

2023, 43(10):  3178-3187.  DOI: 10.11772/j.issn.1001-9081.2022091453

摘要 ( )   HTML ( )   PDF (3391KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

现实生活中的多目标优化问题（MOP）大多为动态多目标优化问题（DMOP），此类问题的目标函数、约束条件和决策变量都可能随时间的变化而发生改变，这需要算法在环境变化后快速适应新的环境，且在保证Pareto解集多样性的同时快速收敛到新的Pareto前沿。针对此问题，提出一种基于新评价指标自适应预测的动态多目标优化算法（NEI-APDMOA）。首先，在种群非支配排序过程中提出一种优于拥挤度的新评价指标，并分阶段平衡收敛快速性和种群多样性，使种群的收敛过程更加合理；其次，提出一种可判断环境变化强弱的因子，为预测阶段提供有价值信息，并引导种群更好地适应环境变化；最后，根据环境变化因子匹配3种更加合理的预测策略，使种群快速响应环境变化。将NEI-APDMOA与DNSGA-Ⅱ-A（Dynamic Non-dominated Sorting Genetic Algorithm-Ⅱ-A）、DNSGA-Ⅱ-B（Dynamic Non-dominated Sorting Genetic Algorithm-Ⅱ-B）和PPS（Population Prediction Strategy）算法在9个标准动态测试函数上进行对比。实验结果表明，NEI-APDMOA分别在9、4和8个测试函数上取得了最优的平均反世代距离（IGD）值、平均间距（SP）值和平均世代距离（GD）值，可以更快地响应环境变化。

网络与通信

解码转发全双工中继网络的能效谱效均衡

张茜, 仇润鹤

2023, 43(10):  3188-3194.  DOI: 10.11772/j.issn.1001-9081.2022091414

摘要 ( )   HTML ( )   PDF (1778KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为优化解码转发（DF）全双工中继网络的能量效率（EE）与频谱效率（SE），提出一种DF全双工中继网络的EE和SE的均衡方法。在全双工中继网络中，首先，以提高网络的SE为目标来优化网络的EE，并结合求导和牛顿?拉弗森方法得到中继的最优功率，进而给出目标函数的帕累托最优集；然后，通过加权标量法引入均衡因子，构建一个EE和SE的折中优化函数，通过归一化将EE最优化和SE最优化这一多目标优化问题转化为单目标的能量?频谱效率的优化问题，并分析不同均衡因子下的EE、SE和折中优化的性能。仿真实验结果表明，相较于全双工?最优功率方法、半双工?最佳中继最优功率分配方法，所提方法的SE和EE在相同数据传输速率下更高；通过调整不同均衡因子，可以实现EE和SE的最优均衡与优化。

优化编码树单元级比特分配算法

杨栩, 郭红伟, 李婉雪

2023, 43(10):  3195-3201.  DOI: 10.11772/j.issn.1001-9081.2022091410

摘要 ( )   HTML ( )   PDF (742KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

新一代视频编码标准H.266/VVC（Versatile Video Coding）的码率控制算法采用编码参数相互独立的率失真优化技术。然而，同一帧内的编码树单元（CTU）间在空域上相互影响，且存在全局编码参数；同时，CTU级比特分配公式采用近似的编码参数分配比特，进而降低了码率控制精度和编码性能。针对上述问题，提出空域全局优化CTU级比特分配算法RTE_RC（Rate Control with Recursive Taylor Expansion），并通过递归算法逼近全局编码参数。首先，建立空域全局优化比特分配模型；其次，应用递归算法求解CTU级比特分配模型中的全局拉格朗日乘子；最后，优化编码单元的比特分配并对编码单位进行编码。实验结果表明，在低延时P（Prediction）帧（LDP）配置下，与码率控制算法VTM_RC相比，所提算法的码率控制误差由0.46%下降至0.02%，码率节省了2.48个百分点，编码时间下降了3.52%，显著提升了码率控制精度和率失真性能。

多媒体计算与计算机仿真

基于多特征融合的点云场景语义分割

郝雯, 汪洋, 魏海南

2023, 43(10):  3202-3208.  DOI: 10.11772/j.issn.1001-9081.2023020119

摘要 ( )   HTML ( )   PDF (2678KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为挖掘特征间的语义关系以及空间分布信息，并通过多特征增强进一步改善点云语义分割的效果，提出一种基于多特征融合的点云场景语义分割网络（MFF-Net）。所提网络以点的三维坐标和改进后的边特征作为输入，首先，利用K-近邻（KNN）算法搜寻点的近邻点，并在三维坐标和近邻点间坐标差值的基础上计算几何偏移量，从而增强点的局部几何特征表示；其次，将中心点与近邻点间的距离作为权重信息更新边特征，并引入空间注意力机制，获取特征间的语义信息；再次，通过计算近邻特征间的差值，利用均值池化操作进一步提取特征间的空间分布信息；最后，利用注意力池化操作融合三边特征。实验结果表明，所提网络在S3DIS（Stanford 3D large-scale Indoor Spaces）数据集上的平均交并比（mIoU）达到了67.5%，总体准确率（OA）达到了87.2%，相较于PointNet++分别提高10.2和3.4个百分点，可见MFF-Net在大型室内/室外场景均能获得良好的分割效果。

不规则物体点云切片中的多轮廓分割算法

张瑾, 徐文, 周宇乔, 刘凯

2023, 43(10):  3209-3216.  DOI: 10.11772/j.issn.1001-9081.2022101536

摘要 ( )   HTML ( )   PDF (4343KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

使用切片法进行不规则物体点云体积测量时，现有的多边形拆分再重组（PSR）算法难以正确拆分较近的轮廓，进而导致计算精度较低。针对这一问题，提出一种多轮廓分割算法——改进最近点搜索（INPS）算法。首先，通过局部点的单次使用原则分割多轮廓；其次，使用多边形内点判定（PIP）算法判断轮廓的包含关系，以确认轮廓面积的正负；最后，采用切片面积乘以厚度并累加的方式获取不规则物体点云的体积。实验结果表明，在两个公开点云数据集和一个化学电子密度等值面点云数据集上，所提算法都能实现高正确率的边界分割，具有一定的普适性；且该算法体积测量的平均相对误差为0.043 6%，低于PSR算法的0.062 7%，可见所提算法实现了高正确率的边界分割。

面向语音增强的双复数卷积注意聚合递归网络

余本年, 詹永照, 毛启容, 董文龙, 刘洪麟

2023, 43(10):  3217-3224.  DOI: 10.11772/j.issn.1001-9081.2022101533

摘要 ( )   HTML ( )   PDF (1993KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有的语音增强方法对语谱图特征关联信息表达有限和去噪效果不理想的问题，提出一种双复数卷积注意聚合递归网络（DCCARN）的语音增强方法。首先，建立双复数卷积网络，对短时傅里叶变换后的语谱图特征进行两分支信息编码；其次，将两分支中编码分别使用特征块间和特征块内注意力机制对不同的语音特征信息进行重标注；再次，使用长短期记忆（LSTM）网络处理长时间序列信息，并用两解码器还原语谱图特征并聚合这些特征；最后，经短时逆傅里叶变换生成目标语音波形，以达到抑制噪声的目的。在公开数据集VBD（Voice Bank+DMAND）和加噪的TIMIT数据集上进行的实验的结果表明，与相位感知的深度复数卷积递归网络（DCCRN）相比，DCCARN在客观语音感知质量指标（PESQ）上分别提升了0.150和0.077~0.087。这验证了所提方法能更准确地捕获语谱图特征的关联信息，更有效地抑制噪声，并提高语音的清晰度。

基于协方差矩阵自适应进化策略的机器人手眼标定算法

赵云涛, 谢万琪, 李维刚, 胡佳明

2023, 43(10):  3225-3229.  DOI: 10.11772/j.issn.1001-9081.2022081282

摘要 ( )   HTML ( )   PDF (1281KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对视觉传感器标定和机器人运动学求解过程中存在噪声干扰，导致传统的手眼标定算法求解误差较大的问题，提出一种基于协方差矩阵自适应进化策略（CMAES）的机器人手眼标定算法。首先，采用对偶四元数（DQ）对旋转和平移分别建立目标函数和几何约束，简化求解模型；其次，采用惩罚函数法将约束问题转化成无约束优化问题；最后，使用CMAES算法逼近手眼标定旋转和平移方程的全局最优解。搭建机器人、相机实测实验平台，将所提算法与Tsai两步法、非线性优化算法INRIA、DQ算法进行对比。实验结果表明：所提算法在旋转和平移上的求解误差和方差均小于传统算法；与Tsai算法相比，所提算法的旋转精度提升了4.58%，平移精度提升了10.54%。可见在存在噪声干扰的实际手眼标定过程中，所提算法具有更好的求解精度与稳定性。

基于跨域自适应的立体匹配算法

李传彪, 毕远伟

2023, 43(10):  3230-3235.  DOI: 10.11772/j.issn.1001-9081.2022091398

摘要 ( )   HTML ( )   PDF (2684KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

虽然卷积神经网络（CNN）在有监督立体匹配任务中取得了较好的进展，但多数CNN算法的跨域表现较差。针对跨数据域的立体匹配问题，提出一种基于CNN的使用迁移学习实现域自适应立体匹配任务的跨域自适应立体匹配（CASM-Net）算法。所提算法使用一个可供迁移的特征提取模块提取丰富的广域特征用于跨域立体匹配任务；并且，设计一个自适应代价优化模块，从而通过自适应地利用不同感受野的相似度信息优化代价，进而得到最优的代价分布；此外，提出一个视差分数预测模块，以量化不同区域的立体匹配能力，并通过调整图像的视差搜索范围进一步优化视差结果。实验结果表明：在KITTI2012和KITTI2015数据集上，CASM-Net算法的2-PE-Noc、2-PE-All和3-PE-fg相较于PSMNet（Pyramid Stereo Matching Network）算法分别降低了6.1%、3.3%和19.3%；在Middlebury数据集上，在未经重新训练的情况下，在和其他算法的对比中，CASM-Net算法在所有样本上取得了最优或次优的2-PE结果。可见，CASM-Net算法具有改善跨域立体匹配的作用。

基于单模态的多尺度特征融合人体行为识别方法

刘锁兰, 田珍珍, 王洪元, 林龙, 王炎

2023, 43(10):  3236-3243.  DOI: 10.11772/j.issn.1001-9081.2022101473

摘要 ( )   HTML ( )   PDF (1425KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对人体行为识别任务中未能充分挖掘超距关节点之间潜在关联的问题，以及使用多模态数据带来的高昂训练成本的问题，提出一种单模态条件下的多尺度特征融合人体行为识别方法。首先，将人体的原始骨架图进行全局特征关联，并利用粗尺度的全局特征捕获远距离关节点间的联系；其次，对全局特征关联图进行局部划分以得到融合了全局特征的互补子图（CSGF），利用细尺度特征建立强关联，并形成多尺度特征的互补；最后，将CSGF输入时空图卷积模块中提取特征，并聚合提取后的结果以输出最终的分类结果。实验结果表明，在行为识别权威数据集NTU RGB+D60上，所提方法的准确率分别为89.0%（X-sub）和94.2%（X-view）；在具有挑战性的大规模数据集NTU RGB+D120上，所提方法的准确率分别为83.3%（X-sub）和85.0%（X-setup），与单模态下的ST-TR（Spatial-Temporal TRansformer）相比，分别提升1.4和0.9个百分点，与轻量级SGN（Semantics-Guided Network）相比，分别提升4.1和3.5个百分点。可见，所提方法能够充分挖掘多尺度特征的协同互补性，并有效提高单模态条件下模型的识别准确率和训练效率。

基于多级跳跃残差组的运动人像去模糊网络

纪佳奇, 卢振坤, 熊福棚, 张甜, 杨豪

2023, 43(10):  3244-3250.  DOI: 10.11772/j.issn.1001-9081.2022091457

摘要 ( )   HTML ( )   PDF (3316KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为解决复原后的运动模糊人像图像的轮廓模糊、细节丢失等问题，提出了基于多级跳跃残差组生成对抗网络（GAN）的运动人像去模糊方法。首先，改进残差块以构造多级跳跃残差组模块，并改进PatchGAN的结构以使GAN能够更好地结合各层的图像特征；其次，使用多损失融合的方法优化网络，从而增强重建后图像的真实纹理；最后，采用端到端的模式将运动模糊的人像图像进行盲去模糊操作，并输出清晰的人像图像。在CelebA数据集上的实验结果表明，相较于DeblurGAN（Deblur GAN）、尺度循环网络（SRN）和MSRAN（Multi-Scale Recurrent Attention Network）等基于卷积神经网络（CNN）的方法，所提方法的峰值信噪比（PSNR）和结构相似度（SSIM）分别至少提高了0.46 dB和0.05；同时，所提方法的模型参数更少，修复速度更快，且复原后的人像图像具有更多的纹理细节。

基于不可分提升小波的双U-Former图像去雨网络

刘斌, 方思严

2023, 43(10):  3251-3259.  DOI: 10.11772/j.issn.1001-9081.2022091422

摘要 ( )   HTML ( )   PDF (5959KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对基于张量积小波的去雨方法无法捕获所有方向的高频雨纹的问题，提出基于不可分提升小波的双U-Former网络（DUFN）。首先，利用各向同性的不可分提升小波捕捉各个方向的高频雨纹，相较于哈尔小波等张量积小波只能捕捉3个方向的高频雨纹，DUFN能获得更全面的雨纹信息；其次，在各尺度上串联两个由Transformer Block（TB）构成的U-Net，将浅层解码器的语义特征传递到深层阶段，并更彻底地去除雨纹；同时，使用尺度引导编码器通过浅层各尺度信息引导编码阶段，并利用基于CBAM（Convolutional Block Attention Module）的门控融合模块（GFM）使融合过程更专注于有雨区域。实验结果表明，相较于先进方法SPDNet（Structure-Preserving Deraining Network），在Rain200H、Rain200L、Rain1200和Rain12这4个合成数据集上，DUFN的结构相似度（SSIM）平均提高了0.009 7，在Rain200H、Rain200L和Rain12这3个合成数据集上，DUFN的峰值信噪比（PSNR）平均提高了0.657 dB；在真实世界数据集SPA-Data上，相较于先进方法ECNetLL（Embedding Consistency Network+Layered Long short-term memory），DUFN的PSNR和SSIM分别提高了0.976 dB和0.003 1。验证了DUFN可以通过增强捕捉高频信息的能力提升去雨性能。

WT-U-Net++：基于小波变换的表面缺陷检测网络

何国欢, 朱江平

2023, 43(10):  3260-3266.  DOI: 10.11772/j.issn.1001-9081.2022091452

摘要 ( )   HTML ( )   PDF (2792KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对传统机器视觉算法在表面缺陷检测中精度低、无法适应环境变化和噪声影响的问题，提出一种基于小波变换（WT）的改进UNet++——WT-U-Net++。首先，由WT获取缺陷图像的高频与低频分量，再通过多尺度模块MCI（Mix-Conv Inception）提取高、低频分量的细节特征；其次，将MCI模块提取到的细节特征与原始图像融合，并将融合结果作为改进UNet++的输入；再次，在UNet++的下采样阶段引入通道注意力模块，从而使网络在捕获更多上下文语义信息的同时提高跨层特征级联的质量，而在上采样阶段采用反卷积恢复更多的缺陷细节信息；最后，从UNet++的多个输出中选择最佳结果作为检测结果。在铁轨、磁瓦、硅钢油污这3个公开缺陷数据集上的实验结果表明，相较于次优的UNet++，WT-U-Net++的交并比（IoU）分别提高了7.98%、4.63%和8.74%，相似度度量指标（DSC）分别提高了4.26%、2.99%和4.64%。

基于梯度引导加权‒延迟负梯度衰减损失的长尾图像缺陷检测

李巍, 梁斯昕, 张建州

2023, 43(10):  3267-3274.  DOI: 10.11772/j.issn.1001-9081.2022091413

摘要 ( )   HTML ( )   PDF (2403KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对目前图像缺陷检测模型对长尾缺陷数据集中尾部类检测效果较差的问题，提出一个基于梯度引导加权?延迟负梯度衰减损失（GGW-DND Loss）。首先，根据检测器分类节点的累积梯度比值分别对正负梯度重新加权，减轻尾部类分类器的受抑制状态；其次，当模型优化到一定阶段时，直接降低每个节点产生的负梯度，以增强尾部类分类器的泛化能力。实验结果表明，在自制图像缺陷数据集和NEU-DET（NEU surface defect database for Defect Detection Task）上，所提损失的尾部类平均精度均值（mAP）优于二分类交叉熵损失（BCE Loss），分别提高了32.02和7.40个百分点；与EQL v2（EQualization Loss v2）相比，分别提高了2.20和0.82个百分点，验证了所提损失能有效提升网络对尾部类的检测性能。

基于U-Net的多尺度特征增强视网膜血管分割算法

张志昂, 廖光忠

2023, 43(10):  3275-3281.  DOI: 10.11772/j.issn.1001-9081.2022091437

摘要 ( )   HTML ( )   PDF (2624KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对传统视网膜血管分割算法存在血管分割精度低和病灶区域误分割等缺点，提出一种基于U-Net的多尺度特征增强视网膜血管分割算法（MFEU-Net）。首先，为解决梯度消失问题，设计一种改进的特征信息增强残差模块（FIE-RM）替代U-Net的卷积块；其次，为扩大感受野并提高对血管信息特征的抽取能力，在U-Net的底部引入多尺度密集空洞卷积模块；最后，为减少编解码过程中的信息损失，在U-Net的跳跃连接处构建多尺度通道增强模块。在DRIVE（Digital Retinal Images for Vessel Extraction）和CHASE_DB1数据集上的实验结果表明，与在视网膜血管分割方面表现次优的算法CS-Net（Channel and Spatial attention Network）相比，MFEU-Net的F1分数分别提高了0.35和1.55个百分点，曲线下面积（AUC）分别提高了0.34和1.50个百分点，这验证了MFEU-Net可以有效提高对视网膜血管分割的准确性和鲁棒性。

用于肺部病灶图像分割的多尺度稠密融合网络

卢小燕, 徐杨, 袁文昊

2023, 43(10):  3282-3289.  DOI: 10.11772/j.issn.1001-9081.2022101545

摘要 ( )   HTML ( )   PDF (3560KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对主流的深度学习网络难以完整分割肺部病灶、区域边界预测模糊的问题，提出一种基于U-Net的多尺度稠密融合网络（MDF-Net）。首先，引入多分支密集跳层连接以捕获多级上下文信息，并在网络末端引入信息加权融合（IWF）模块进行逐级融合，以解决网络中的特征损失问题；其次，设计一种自注意力金字塔模块，使用各金字塔层对特征图进行不同规模的切分处理，并使用自注意力机制计算像素关联度，从而增强局部与全局区域的感染特征显著性；最后，设计一种区别于传统U-Net的上采样模式的上采样残差（UR）模块，多分支的残差结构与通道特征激励使网络能够还原更加丰富的微小病灶特征。在两个公开数据集上的实验结果显示，与UNeXt相比，所提网络的准确度（ACC）分别提升了1.5%和1.4%，平均交并比（MIoU）分别提升了3.9%和1.9%，实验结果验证了MDF-Net具有更好的肺部病灶分割性能。

前沿与综合应用

基于值函数迭代的持续监测无人机路径规划

刘晨, 陈洋, 符浩

2023, 43(10):  3290-3296.  DOI: 10.11772/j.issn.1001-9081.2022091464

摘要 ( )   HTML ( )   PDF (2422KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

使用无人机（UAV）持续监测指定区域可以起到威慑入侵破坏、及时发现异常等作用，然而固定的监测规律容易被入侵者发现，因此需要设计UAV飞行路径的随机算法。针对以上问题，提出一种基于值函数迭代（VFI）的UAV持续监测路径规划算法。首先，合理选择监测目标点的状态，并分析各监测节点的剩余时间；其次，结合奖励/惩罚收益和路径安全性约束构建该监测目标点对应状态的值函数，在VFI算法过程中基于ε原则和轮盘选择随机选择下一节点；最后，以所有状态的值函数增长趋于饱和为目标，求解UAV持续监测路径。仿真实验结果表明，所提算法获得的信息熵为0.905 0，VFI运行时间为0.363 7 s，相较于传统蚁群算法（ACO），所提算法的信息熵提升了216%，运行时间降低了59%，随机性与快速性均有所提升，验证了具有随机性的UAV飞行路径对提高持续监测效率具有重要意义。

基于脑电信号的认知功能障碍识别与分类进展综述

张军鹏, 施玉杰, 蒋睿, 董静静, 邱昌建

2023, 43(10):  3297-3308.  DOI: 10.11772/j.issn.1001-9081.2022101471

摘要 ( )   HTML ( )   PDF (1199KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

认知功能障碍的早期检测和及时干预对减缓病情发展至关重要。脑电（EEG）信号具有时间分辨率高、易采集等优点，目前已成为研究认知疾病生物标志物的重要工具。相较于传统的生物标志物识别方法，机器学习方法对于基于EEG信号的认知功能障碍的识别分类的准确率更高，稳定性更好。对于近三年基于EEG信号的认知功能障碍识别分类的相关研究，首先，从认知功能障碍识别分类中常用的时域、频域、时频域结合、非线性动力学、功能连接和脑网络这五类EEG特征出发，寻找更具代表性的EEG特征；其次，总结目前使用较多的支持向量机（SVM）、线性判别分析（LDA）、K-近邻（KNN）和人工神经网络（ANN）等机器学习和深度学习分类方法和这些方法的性能；最后，分析各类研究中目前存在的问题，并展望此领域未来的研究方向，从而为后续基于EEG信号的认知功能障碍识别分类的研究提供参考。

基于BERT和CNN的基因剪接位点识别

左敏, 王虹, 颜文婧, 张青川

2023, 43(10):  3309-3314.  DOI: 10.11772/j.issn.1001-9081.2022091447

摘要 ( )   HTML ( )   PDF (1829KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

随着高通量测序技术的发展，海量的基因组序列数据为了解基因组的结构提供了数据基础。剪接位点识别是基因组学研究的重要环节，在基因发现和确定基因结构方面发挥着重要作用，且有利于理解基因性状的表达。针对现有模型对脱氧核糖核酸（DNA）序列高维特征提取能力不足的问题，构建了由BERT（Bidirectional Encoder Representations from Transformer）和平行的卷积神经网络（CNN）组合而成的剪接位点预测模型——BERT-splice。首先，采用BERT预训练方法训练DNA语言模型，从而提取DNA序列的上下文动态关联特征，并且使用高维矩阵映射DNA序列特征；其次，采用人类参考基因组序列hg19数据，使用DNA语言模型将该数据映射为高维矩阵后作为平行CNN分类器的输入进行再训练；最后，在上述基础上构建了剪接位点预测模型。实验结果表明，BERT-splice模型在DNA剪接位点供体集上的预测准确率为96.55%，在受体集上的准确率为95.80%，相较于BERT与循环卷积神经网络（RCNN）构建的预测模型BERT-RCNN分别提高了1.55%和1.72%；同时，在5条完整的人类基因序列上测试得到的所提模型的供体/受体剪接位点平均假阳性率（FPR）为4.74%。以上验证了BERT-splice模型用于基因剪接位点预测的有效性。