《计算机应用》唯一官方网站

卷积神经网络中基于差分隐私的动量梯度下降算法

张宇, 蔡英, 崔剑阳, 张猛, 范艳芳

2023, 43(12): 3647-3653. DOI: 10.11772/j.issn.1001-9081.2022121881

摘要 ( )

HTML ( )

PDF (1985KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对卷积神经网络（CNN）模型的训练过程中，模型参数记忆数据部分特征导致的隐私泄露问题，提出一种CNN中基于差分隐私的动量梯度下降算法（DPGDM）。首先，在模型优化的反向传播过程中对梯度添加满足差分隐私的高斯噪声，并用加噪后的梯度值参与模型参数的更新过程，从而实现对模型整体的差分隐私保护；其次，为了减少引入差分隐私噪声对模型收敛速度的影响，设计学习率衰减策略，改进动量梯度下降算法；最后，为了降低噪声对模型准确率的影响，在模型优化过程中动态地调整噪声尺度的值，从而改变在每一轮迭代中需要对梯度加入的噪声量。实验结果表明，与DP-SGD （Differentially Private Stochastic Gradient Descent）相比，所提算法可以在隐私预算为0.3和0.5时，模型准确率分别提高约5和4个百分点。可见，所提算法提高了模型的可用性，并实现了对模型的隐私保护。

超边约束的异质超网络表示学习方法

王可可, 朱宇, 王晓英, 黄建强, 曹腾飞

2023, 43(12): 3654-3661. DOI: 10.11772/j.issn.1001-9081.2022121908

摘要 ( )

HTML ( )

PDF (2264KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

与普通网络相比，超网络具有复杂的元组关系（超边），然而现有的大多数网络表示学习方法并不能捕获元组关系。针对上述问题，提出一种超边约束的异质超网络表示学习方法（HRHC）。首先，引入一种结合团扩展和星型扩展的方法，从而将异质超网络转换为异质网络；其次，引入感知节点语义相关性的元路径游走方法捕获异质节点之间的语义关系；最后，通过超边约束机制捕获节点之间的元组关系，从而获得高质量的节点表示向量。在3个真实世界的超网络数据集上的实验结果表明，对于链接预测任务，所提方法在drug、GPS和MovieLens数据集上都取得了较好的结果；对于超网络重建任务，当超边重建比率大于0.6时，所提方法在drug数据集上的准确性（ACC）优于次优的Hyper2vec（biased 2nd order random walks in Hyper-networks），同时所提方法在GPS数据集上的ACC超过其他基线方法中次优的基于关联图的超边超边约束的异质超网络表示学习方法（HRHC-关联图）15.6个百分点。

L1正则化的深度谱聚类算法

李文博, 刘波, 陶玲玲, 罗棻, 张航

2023, 43(12): 3662-3667. DOI: 10.11772/j.issn.1001-9081.2022121822

摘要 ( )

HTML ( )

PDF (1465KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对深度谱聚类模型训练不稳定和泛化能力弱等问题，提出L1正则化的深度谱聚类算法（DSCLR）。首先，在深度谱聚类的目标函数中引入L1正则化，使深度神经网络模型生成的拉普拉斯矩阵的特征向量稀疏化，并提升模型的泛化能力；其次，通过利用参数化修正线性单元激活函数（PReLU）改进基于深度神经网络的谱聚类算法的网络结构，解决模型训练不稳定和欠拟合问题。在MNIST数据集上的实验结果表明，所提算法在聚类精度（CA）、归一化互信息（NMI）指数和调整兰德系数（ARI）这3个评价指标上，相较于深度谱聚类算法分别提升了11.85、7.75和17.19个百分点。此外，所提算法相较于深度嵌入聚类（DEC）和基于对偶自编码器网络的深度谱聚类（DSCDAN）等算法，在CA、NMI和ARI这3个评价指标上也有大幅提升。

融合多Prompt模板的零样本关系抽取模型

许亮, 张春, 张宁, 田雪涛

2023, 43(12): 3668-3675. DOI: 10.11772/j.issn.1001-9081.2022121869

摘要 ( )

HTML ( )

PDF (1768KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

Prompt范式被广泛应用于零样本的自然语言处理（NLP）任务中，但是现有基于Prompt范式的零样本关系抽取（RE）模型存在答案空间映射难构造与模板选择依赖人工的问题，无法取得较好的效果。针对这些问题，提出一种融合多Prompt模板的零样本RE模型。首先，将零样本RE任务定义为掩码语言模型（MLM）任务，舍弃答案空间映射的构造，将模板输出的词与关系描述文本在词向量空间中进行比较，以此判断关系类别；其次，引入待抽取关系类别的描述文本的词性作为特征，学习该特征与各个模板之间的权重；最后，利用该权重融合多个模板输出的结果，以此减少人工选取的Prompt模板引起的性能损失。在FewRel（Few-shot Relation extraction dataset）和TACRED（Text Analysis Conference Relation Extraction Dataset）这两个数据集上的实验结果显示，与目前最优的模型RelationPrompt相比，所提模型在不同数据资源设置下，F1值分别提升了1.48~19.84个百分点和15.27~15.75个百分点。可见，所提模型在零样本RE任务上取得了显著的效果提升。

基于逆向搜索的模糊Petri网分层算法

向寅鸿, 周恺卿, 杨森宇, 张轩宇, 康棣文

2023, 43(12): 3676-3682. DOI: 10.11772/j.issn.1001-9081.2022121851

摘要 ( )

HTML ( )

PDF (2123KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

模糊Petri网（FPN）是知识库系统（KBS）表示、建模与分析的主要工具之一。针对部分FPN层次结构不清晰、库所/变迁间从属关系不明确的问题，提出一种基于逆向搜索的FPN分层算法（HFPN-RS）以实现非层次化FPN到层次化FPN（HFPN）的自动转换。首先，从终结库所开始对整个FPN进行逆向搜索，将所有输入库所的前集、输出库所的后集分别划分在同一层；其次，通过添加虚库所-虚变迁对的方式明确整个模型的层次结构；同时提出两条相关定理以明确HFPN分层层数的下确界和层次化操作中需要添加的最少虚库所-虚变迁对数，并给出经层次化操作后具有完整分层结构的FPN模型关联矩阵维度计算公式。在实验部分，通过对几类各具特点的FPN模型进行层次化操作，并利用所提定理进行验证。实验结果表明，添加虚库所-虚变迁对后新FPN模型具有清晰的层次结构，为下一步FPN泛化能力等研究内容的深入提供了理论基础。

基于对比超图转换器的会话推荐

党伟超, 程炳阳, 高改梅, 刘春霞

2023, 43(12): 3683-3688. DOI: 10.11772/j.issn.1001-9081.2022111654

摘要 ( )

HTML ( )

PDF (1447KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对会话推荐本身存在的噪声干扰和样本稀疏性问题，提出一种基于对比超图转换器的会话推荐（CHT）模型。首先，将会话序列建模为超图；其次，通过超图转换器构建项目的全局上下文信息和局部上下文信息。最后，在全局关系学习上利用项目级（I-L）编码器和会话级（S-L）编码器捕获不同级别的项目嵌入，经过信息融合模块进行项目嵌入和反向位置嵌入融合，并通过软注意力模块得到全局会话表示，而在局部关系学习上借助权重线图卷积网络生成局部会话表示。此外，引入对比学习范式最大化全局会话表示和局部会话表示之间的互信息，以提高推荐性能。在多个真实数据集上的实验结果表明，CHT模型的推荐性能优于目前的主流模型。相较于次优模型S²-DHCN（Self-Supervised Hypergraph Convolutional Networks），在Tmall数据集上，所提模型的P@20最高达到了35.61%，MRR@20最高达到了17.11%，分别提升了13.34%和13.69%；在Diginetica数据集上，所提模型的P@20最高达到了54.07%，MRR@20最高达到了18.59%，分别提升了0.76%和0.43%，验证了所提模型的有效性。

融合项目影响力的图神经网络会话推荐模型

孙轩宇, 史艳翠

2023, 43(12): 3689-3696. DOI: 10.11772/j.issn.1001-9081.2022121812

摘要 ( )

HTML ( )

PDF (2062KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有的会话推荐模型难以显式地表示项目对推荐结果的影响的问题，提出一种融合项目影响力的图神经网络会话推荐模型（SR-II）。首先，提出一种新的边权重计算方法，将计算结果作为图结构中转移关系的影响力权重，并用图神经网络（GNN）的影响力图门控层提取该图的特征；其次，提出改进的捷径图连接有关联的项目，有效捕获远程依赖，丰富图结构所能表达的信息，并通过注意力机制的捷径图注意力层提取该图的特征；最后，通过结合上述两层，构建推荐模型。在Diginetica和Gowalla数据集上的实验结果中，SR-II的HR@20最高达到53.12%，MRR@20最高达到25.79%。在Diginetica数据集上，相较于同一表征空间下基于训练模型的会话推荐（CORE-trm），SR-II在HR@20上提升了1.10%，在MRR@20上提升了1.21%。在Gowalla数据集上，相较于基于会话的自注意网络推荐（SR-SAN），SR-II在HR@20上提升了1.73%；相较于基于无损边缘保留聚合和捷径图注意力的推荐（LESSR）模型，SR-II在MRR@20上提升了1.14%。实验结果表明SR-II的推荐效果优于对比模型，具有更高的推荐精度。

基于兴趣增强的知识概念推荐系统

凌宇, 单志龙

2023, 43(12): 3697-3702. DOI: 10.11772/j.issn.1001-9081.2022111786

摘要 ( )

HTML ( )

PDF (1346KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

现有的知识概念推荐系统并未考虑用户的短期兴趣。针对该问题，提出一种基于兴趣增强的知识概念推荐系统（KCRec-IE）。首先，根据用户的知识概念点击序列捕获用户的短期兴趣，并利用侧信息构造一个异构图。其次，利用元路径指导的图卷积在异构图上进行知识概念实体和用户实体的表示学习。与知识概念实体的表示学习不同，学习用户实体的表示时，根据用户的短期兴趣可区分不同邻居用户对目标用户的贡献。最后，根据知识概念实体、用户实体和用户的短期兴趣进行评分预测。在公开数据集Xuetang X上的实验结果表明，相较于KCRec-SEIGNN，KCRec-IE在HR@5指标上提升了3.60个百分点；相较于KCRec-IE_n，KCRec-IE在HR@10指标上提升了1.02个百分点；相较于KCRec-SEIGNN，KCRec-IE在NDGC@5和NDGC@10指标上分别提升了1.60和1.18个百分点，验证了所提方法的有效性。

基于多层次注意力的语义增强情感分类模型

曹建乐, 李娜娜

2023, 43(12): 3703-3710. DOI: 10.11772/j.issn.1001-9081.2022121894

摘要 ( )

HTML ( )

PDF (1638KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

由于自然语言的复杂语义、词的多情感极性以及文本的长期依赖关系，现有的文本情感分类方法面临严峻挑战。针对这些问题，提出了一种基于多层次注意力的语义增强情感分类模型。首先，使用语境化的动态词嵌入技术挖掘词汇的多重语义信息，并且对上下文语义进行建模；其次，通过内部注意力层中的多层并行的多头自注意力捕获文本内部的长期依赖关系，从而获取全面的文本特征信息；再次，在外部注意力层中，将评论元数据中的总结信息通过多层次的注意力机制融入评论特征中，从而增强评论特征的情感信息和语义表达能力；最后，采用全局平均池化层和Softmax函数实现情感分类。在4个亚马逊评论数据集上的实验结果表明，与基线模型中表现最好的TE-GRU （Transformer Encoder with Gated Recurrent Unit）相比，所提模型在App、Kindle、Electronic和CD数据集上的情感分类准确率至少提升了0.36、0.34、0.58和0.66个百分点，验证了该模型能够进一步提高情感分类性能。

基于改进BERT的电力领域中文分词方法

夏飞, 陈帅琦, 华珉, 蒋碧鸿

2023, 43(12): 3711-3718. DOI: 10.11772/j.issn.1001-9081.2022121897

摘要 ( )

HTML ( )

PDF (1953KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对电力领域中文文本包含大量专有词时分词效果不佳的问题，提出一种基于改进BERT （Bidirectional Encoder Representation from Transformers）的电力领域中文分词（CWS）方法。首先，构建分别涵盖通用、领域词的词典，并设计双词典匹配融合机制将词特征直接融入BERT模型，使模型更有效地利用外部知识；其次，通过引入DEEPNORM方法提高模型对于特征的提取能力，并使用贝叶斯信息准则（BIC）确定模型的最佳深度，使BERT模型稳定加深至40层；最后，采用ProbSparse自注意力机制层替换BERT模型中的经典自注意力机制层，并利用粒子群优化（PSO）算法确定采样因子的最优值，在降低模型复杂度的同时确保模型性能不变。在人工标注的电力领域专利文本数据集上进行了分词性能测试。实验结果表明，所提方法在该数据集分词任务中的F1值达到了92.87%，相较于隐马尔可夫模型（HMM）、多标准分词模型METASEG（pre-training model with META learning for Chinese word SEGmentation）与词典增强型BERT（LEBERT）模型分别提高了14.70、9.89与3.60个百分点，验证了所提方法有效提高了电力领域中文文本的分词质量。

基于语义引导自注意力网络的换衣行人重识别模型

钟建华, 邱创一, 巢建树, 明瑞成, 钟剑锋

2023, 43(12): 3719-3726. DOI: 10.11772/j.issn.1001-9081.2022121875

摘要 ( )

HTML ( )

PDF (2046KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对换衣行人重识别（ReID）任务中有效信息提取困难的问题，提出一种基于语义引导自注意力网络的换衣ReID模型。首先，利用语义信息将图像分割出无服装图像，和原始图像一起输入双分支多头自注意力网络进行计算，分别得到衣物无关特征和完整行人特征。其次，利用全局特征重建模块（GFR），重建两种全局特征，得到的新特征中服装区域包含换衣任务中鲁棒性更好的头部特征，使得全局特征中的显著性信息更突出；利用局部特征重组重建模块（LFRR），在完整图像特征和无服装图像特征中提取头部和鞋部局部特征，强调头部和鞋部特征的细节信息，并减少换鞋造成的干扰。最后，除了使用行人重识别中常用的身份损失和三元组损失，提出特征拉近损失（FPL），拉近局部与全局特征、完整图像特征与无服装图像特征之间的距离。在PRCC（Person ReID under moderate Clothing Change）和VC-Clothes（Virtually Changing-Clothes）数据集上，与基于衣物对抗损失（CAL）模型相比，所提模型的平均精确率均值（mAP）分别提升了4.6和0.9个百分点；在Celeb-reID和Celeb-reID-light数据集上，与联合损失胶囊网络（JLCN）模型相比，所提模型的mAP分别提升了0.2和 5.0个百分点。实验结果表明，所提模型在换衣场景中突出有效信息表达方面具有一定优势。

基于不确定性学习的文本无关的说话人确认方法

张玉莲, 姚姗姗, 王超, 畅江

2023, 43(12): 3727-3732. DOI: 10.11772/j.issn.1001-9081.2022121902

摘要 ( )

HTML ( )

PDF (1147KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

说话人确认任务旨在判断注册语音与测试语音是否属于同一说话人。针对说话人识别系统提取的声纹特征通常会受到与身份信息无关的因素干扰进而导致系统的准确性严重下降的问题，提出一种基于不确定性学习（UL）的文本无关的说话人确认（TISV）方法。首先，在说话人主干网络中引入不确定性同时学习声纹特征（均值）和话语数据的不确定性（方差），以建模语音数据集中的不确定性；其次，通过重采样技巧得到特征的分布表示；最后，在说话人分类损失中引入KL散度正则化约束噪声的分布，从而解决计算分类损失过程中的退化问题。实验结果表明，当训练集为VoxCeleb1和VoxCeleb2开发集时，与基于确定性方法的Thin ResNet34模型相比，所提方法的模型在VoxCeleb1-O测试集上的等错误率（EER）分别降低了9.9%和10.4%，最小检测代价函数（minDCF）分别降低了10.9%和4.5%。可见，所提方法在有噪声、无约束场景下的准确度有所提高。

基于孪生网络和Transformer的小目标跟踪算法SiamTrans

公海涛, 陈志华, 盛斌, 祝冰艳

2023, 43(12): 3733-3739. DOI: 10.11772/j.issn.1001-9081.2022111790

摘要 ( )

HTML ( )

PDF (2957KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有小目标跟踪算法的鲁棒性差、精度及成功率低的问题，提出一种基于孪生网络和Transformer的小目标跟踪算法SiamTrans。首先，基于Transformer机制设计一种相似度响应图计算模块。该模块叠加若干层特征编码-解码结构，并利用多头自注意力机制和多头跨注意力机制在不同层次的搜索区域特征图中查询模板特征图信息，从而避免陷入局部最优解，并获得一个高质量的相似度响应图；其次，在预测子网中设计一个基于Transformer机制的预测模块（PM），并利用自注意力机制处理预测分支特征图中的冗余特征信息，以提高不同预测分支的预测精度。在Small90数据集上，相较于TransT（Transformer Tracking）算法，所提算法的跟踪精度和跟踪成功率分别高8.0和9.5个百分点。可见，所提出的算法具有更优异的小目标跟踪性能。

对比保序模式挖掘算法

孟玉飞, 武优西, 王珍, 李艳

2023, 43(12): 3740-3746. DOI: 10.11772/j.issn.1001-9081.2022121828

摘要 ( )

HTML ( )

PDF (909KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有的对比序列模式挖掘方法主要针对字符序列数据集且难以应用于时间序列数据集的问题，提出一种对比保序模式挖掘（COPM）算法。首先，在候选模式生成阶段，采用模式融合策略减少候选模式数；其次在模式支持度计算阶段，利用子模式的匹配结果计算超模式的支持度；最后，设计了动态最小支持度阈值的剪枝策略，以进一步有效地剪枝候选模式。实验结果表明，在6个真实的时间序列数据集上，在内存消耗方面，COPM算法至少比COPM-o（COPM-original）算法降低52.1%，比COPM-e（COPM-enumeration）算法低36.8%，比COPM-p（COPM-prune）算法降低63.6%；同时在运行时间方面，COPM算法至少比COPM-o算法降低30.3%，比COPM-e算法降低8.8%，比COPM-p算法降低41.2%。因此，在算法性能方面，COPM算法优于COPM-o、COPM-e和COPM-p算法。实验结果验证了COPM算法可以有效挖掘对比保序模式，发现不同类别的时间序列数据集间的差异。

融合局部结构学习的大规模子空间聚类算法

任奇泽, 贾洪杰, 陈东宇

2023, 43(12): 3747-3754. DOI: 10.11772/j.issn.1001-9081.2022111750

摘要 ( )

HTML ( )

PDF (768KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

常规的大规模子空间聚类算法在计算锚点亲和矩阵时忽略了数据之间普遍存在的局部结构，且在计算拉普拉斯（Laplacian）矩阵的近似特征向量时存在较大误差，不利于数据聚类。针对上述问题，提出一种融合局部结构学习的大规模子空间聚类算法（LLSC）。所提算法将局部结构学习嵌入锚点亲和矩阵的学习，从而能够综合利用全局和局部信息挖掘数据的子空间结构；此外，受非负矩阵分解（NMF）的启发，设计一种迭代优化方法以简化锚点亲和矩阵的求解过程；其次，根据Nystr?m近似方法建立锚点亲和矩阵与Laplacian矩阵的数学联系，并改进Laplacian矩阵特征向量的计算方法以提升聚类性能。相较于LMVSC（Large-scale Multi-View Subspace Clustering）、SLSR（Scalable Least Square Regression）、LSC-k（Landmark-based Spectral Clustering using k-means）和k-FSC（k-Factorization Subspace Clustering），LLSC在4个广泛使用的大规模数据集上显示出明显的提升，其中，在Pokerhand数据集上，LLSC的准确率比k-FSC高28.18个百分点，验证了LLSC的有效性。

基于犹豫模糊集的凝聚式层次聚类算法

李文全, 毛伊敏, 彭新东

2023, 43(12): 3755-3763. DOI: 10.11772/j.issn.1001-9081.2023010094

摘要 ( )

HTML ( )

PDF (626KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对犹豫模糊聚类分析存在信息失真、属性权重客观性差、时间复杂度高的问题，提出一种基于犹豫模糊集的凝聚式层次聚类算法（AHCHF）。首先，采用犹豫模糊元的平均值扩充犹豫度小的数据对象；其次，利用原始信息熵和内部最大差异计算数据对象扩充前后的权重，并根据两个权重向量之间的最小鉴别信息确定属性的综合权重；最后，以加权距离和更小为目标，给出犹豫度恒定的中心点构造方法。在具体实例和人造数据集上进行的实验结果表明，相较于经典的犹豫模糊层次聚类算法（HFHC）和较新的模糊层次聚类算法（FHCA），AHCHF的轮廓系数（SC）均值分别提高了23.99%和9.28%，运行时间分别平均减少了27.18%和6.40%。以上结果验证了所提算法可以有效解决信息失真、属性权重客观性差的问题，并较好地提升聚类效果和聚类性能。

基于马尔可夫优化的高效用项集挖掘算法

钟新成, 刘昶, 赵秀梅

2023, 43(12): 3764-3771. DOI: 10.11772/j.issn.1001-9081.2022121844

摘要 ( )

HTML ( )

PDF (1476KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

基于树型和链表结构的高效用项集挖掘（HUIM）算法通常需要指数量级的搜索空间，而基于进化类型的挖掘算法未能充分考虑变量间的相互作用，因此提出一种基于马尔可夫优化的HUIM算法（HUIM-MOA）。首先，采用位图矩阵表示数据库和使用期望向量编码，以实现对数据库的快速扫描和效用值的高效计算；其次，通过计算优势个体间的互信息估计马尔可夫网络（MN）结构，并根据它们的局部特性使用吉布斯采样以产生新的种群；最后，为防止算法过快陷入局部最优和减少高效用项集的缺失，分别采用种群多样性保持策略和精英策略。在真实数据集上的实验结果表明，相较于次优的基于粒子群优化（PSO）的生物启发式HUI框架（Bio-HUIF-PSO）算法，在给定较大最小阈值的情况下，HUIM-MOA可以找到全部的高效用项集（HUI），收敛速度平均提升12.5%，挖掘HUI数平均提高2.85个百分点，运行时间平均减少14.6%。HUIM-MOA较进化型HUIM算法有更强的搜索性能，能有效减少搜索时间和提高搜索质量。

基于潜在因子模型在子空间上的缺失值注意力聚类算法

王啸飞, 鲍胜利, 陈炯环

2023, 43(12): 3772-3778. DOI: 10.11772/j.issn.1001-9081.2022121838

摘要 ( )

HTML ( )

PDF (1364KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对传统聚类算法在对缺失样本进行数据填充过程中存在样本相似度难度量且填充数据质量差的问题，提出一种基于潜在因子模型（LFM）在子空间上的缺失值注意力聚类算法。首先，通过LFM将原始数据空间映射到低维子空间，降低样本的稀疏程度；其次，通过分解原空间得到的特征矩阵构建不同特征间的注意力权重图，优化子空间样本间的相似度计算方式，使样本相似度的计算更准确、泛化性更好；最后，为了降低样本相似度计算过程中过高的时间复杂度，设计一种多指针的注意力权重图进行优化。在4个按比例随机缺失的数据集上进行实验。在Hand-digits数据集上，相较于面向高维特征缺失数据的K近邻插补子空间聚类（KISC）算法，在数据缺失比例为10%的情况下，所提算法的聚类准确度（ACC）提高了2.33个百分点，归一化互信息（NMI）提高了2.77个百分点，在数据缺失比例为20%的情况下，所提算法的ACC提高了0.39个百分点，NMI提高了1.33个百分点，验证了所提算法的有效性。

基于Fisher score与模糊邻域熵的多标记特征选择算法

孙林, 马天娇, 薛占熬

2023, 43(12): 3779-3789. DOI: 10.11772/j.issn.1001-9081.2022121841

摘要 ( )

HTML ( )

PDF (1222KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对Fisher score未充分考虑特征与标记以及标记之间的相关性，以及一些邻域粗糙集模型容易忽略边界域中知识粒的不确定性，导致算法分类性能偏低等问题，提出一种基于Fisher score与模糊邻域熵的多标记特征选择算法（MLFSF）。首先，利用最大信息系数（MIC）衡量特征与标记之间的关联程度，构建特征与标记关系矩阵；基于修正余弦相似度定义标记关系矩阵，分析标记之间的相关性。其次，给出一种二阶策略获得多个二阶标记关系组，以此重新划分多标记论域；通过增强标记之间的强相关性和削弱标记之间的弱相关性得到每个特征的得分，进而改进Fisher score模型，对多标记数据进行预处理。再次，引入多标记分类间隔，定义自适应邻域半径和邻域类并构造了上、下近似集；在此基础上提出了多标记粗糙隶属度函数，将多标记邻域粗糙集映射到模糊集，基于多标记模糊邻域给出了上、下近似集以及多标记模糊邻域粗糙集模型，由此定义模糊邻域熵和多标记模糊邻域熵，有效度量边界域的不确定性。最后，设计基于二阶标记相关性的多标记Fisher score特征选择算法（MFSLC），从而构建MLFSF。在多标记K近邻（MLKNN）分类器下11个多标记数据集上的实验结果表明，相较于ReliefF多标记特征选择（MFSR）等6种先进算法，MLFSF的平均分类精度（AP）的均值提高了2.47~6.66个百分点；同时，在多数数据集上，MLFSF在5个评价指标上均能取得最优值。

基于生成对抗网络的联邦学习中投毒攻击检测方案

陈谦, 柴政, 王子龙, 陈嘉伟

2023, 43(12): 3790-3798. DOI: 10.11772/j.issn.1001-9081.2022121831

摘要 ( )

HTML ( )

PDF (2367KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

联邦学习（FL）是一种新兴的隐私保护机器学习（ML）范式，然而它的分布式的训练结构更易受到投毒攻击的威胁：攻击者通过向中央服务器上传投毒模型以污染全局模型，减缓全局模型收敛并降低全局模型精确度。针对上述问题，提出一种基于生成对抗网络（GAN）的投毒攻击检测方案。首先，将良性本地模型输入GAN产生检测样本；其次，使用生成的检测样本检测客户端上传的本地模型；最后，根据检测指标剔除投毒模型。同时，所提方案定义了F1值损失和精确度损失这两项检测指标检测投毒模型，将检测范围从单一类型的投毒攻击扩展至全部两种类型的投毒攻击；设计阈值判定方法处理误判问题，确保误判鲁棒性。实验结果表明，在MNIST和Fashion-MNIST数据集上，所提方案能够生成高质量检测样本，并有效检测与剔除投毒模型；与使用收集测试数据和使用生成测试数据但仅使用精确度作为检测指标的两种检测方案相比，所提方案的全局模型精确度提升了2.7~12.2个百分点。

基于时序异常检测的动力电池安全预警

张安勤, 王小慧

2023, 43(12): 3799-3805. DOI: 10.11772/j.issn.1001-9081.2022111796

摘要 ( )

HTML ( )

PDF (2077KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

电动汽车由于电池内部异常情况无法得到及时预测与预警，易导致事故发生，给驾驶员和乘客的生命和财产安全带来严重威胁。针对上述问题，提出基于Transformer和对比学习的编码器解码器（CT-ED）模型用于多元时间序列异常检测。首先，通过数据增强构造一个实例的不同视图，并利用对比学习捕获数据的局部不变特征；其次，基于Transformer对数据从时间依赖和特征依赖两方面进行编码；最后，通过解码器重构数据，计算重构误差作为异常得分，对实际工况下的机器进行异常检测。在SWaT、SMAP和MSL这3个公开数据集和电动汽车动力电池（EV）数据集上的实验结果表明，所提模型的F1值对比次优模型分别提升6.5%、1.8%、0.9%和7.1%。以上结果表明CT-ED适用于不同实际工况下的异常检测，平衡了异常检测的精确率和召回率。

基于分解法与轨迹搜索的无人机群轨迹多目标优化模型

柳隽琰, 江沸菠, 彭于波, 董莉

2023, 43(12): 3806-3815. DOI: 10.11772/j.issn.1001-9081.2022121882

摘要 ( )

HTML ( )

PDF (1873KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

基于深度学习（DL）的传统多目标求解器存在模型利用率低以及容易陷入局部最优的问题。针对这些问题，提出了基于分解法与轨迹搜索的无人机群轨迹多目标优化模型（DTMO-UT）。所提模型包含编码与解码部分。首先，编码部分由设备编码器（Dencoder）和权重编码器（Wencoder）组成，用于提取物联网（IoT）设备的状态信息与权重向量的特征，其中权重向量代表分解多目标优化问题（MOP）的标量优化子问题，因此解决所有子问题即可解决该MOP。权重编码器可以实现对所有子问题的编码，从而提高了模型的利用率。然后，使用包含轨迹解码器（Tdecoder）的解码部分对编码特征进行解码，以生成帕累托最优解。最后，为了减少贪婪策略陷入局部最优的现象，为轨迹解码器设计轨迹搜索技术，即通过生成多个候选轨迹选标量值最优的轨迹作为帕累托最优解，从而增强了轨迹解码器在轨迹规划时的探索能力，并获得质量更好的帕累托集。仿真实验结果表明，所提模型相较于主流的基于DL的MOP求解器，在模型参数量降低98.93%的情况下，MOP解的分布性提高了0.076%，延展性提高了0.014%，平均综合性提高了1.23%，表现出较强的实用性路径规划能力。

基于动态簇粒子群优化的无人机集群路径规划方法

王龙宝, 栾茵琪, 徐亮, 曾昕, 张帅, 徐淑芳

2023, 43(12): 3816-3823. DOI: 10.11772/j.issn.1001-9081.2022111763

摘要 ( )

HTML ( )

PDF (2693KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

路径规划对于无人机（UAV）集群的任务执行十分重要，而且高维场景中的计算通常很复杂。群体智能为解决该问题提供了较好的解决思路。粒子群优化（PSO）算法具有参数少、收敛速度快、操作简单等优点，尤其适用于路径规划问题，但它在应用时存在全局搜索能力差、容易陷入局部最优的问题。为了解决上述问题以提升无人机集群路径规划的效果，提出了动态簇粒子群优化（DCPSO）算法。首先，利用人工势场法和滚动时域控制原理建模UAV集群路径规划问题的任务场景；其次，引入Tent混沌映射和动态簇机制进一步提升全局搜索能力和搜索精度；最后，使用DCPSO算法优化模型的目标函数，以获得UAV集群的每个轨迹点的选择。在单峰/多峰、低维/高维不同组合的10种基准测试函数下的仿真实验结果表明，与PSO、鸽子启发优化（PIO）、麻雀搜索算法（SSA）和混沌扰动鸽群优化（CDPIO）算法相比，DCPSO算法具有更好的计算最优值、均值和方差，搜索精度更佳，稳定性更强。此外，UAV集群路径规划应用实例仿真结果也验证了DCPSO算法的性能与效果。

分布式工厂中微型制造单元多目标优化

柳春锋, 李峥, 王居凤

2023, 43(12): 3824-3832. DOI: 10.11772/j.issn.1001-9081.2022111772

摘要 ( )

HTML ( )

PDF (1527KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

由于各地区存在资源禀赋和产业政策差异，分布式生产对提升制造企业竞争力的作用非常重要，如何利用分布式生产增强大规模定制的柔性是提振消费信心需要解决的重要问题。结合微型制造单元的思想，在多市场多类型产品的分布式混流生产情景下，以最小化人工和转运等运营成本以及最大完工时间为目标，提出分布式工厂构建和生产调度集成模型，以求解微型单元构建、工人和机器配置和各批次产品的生产策略。所提模型能帮助企业实现产能快速释放和合理混流生产，从而实现满足多区域、多产品和差异化需求的分布式制造与销售，并在确保产量的同时降低制造过程中的运营成本。此外，设计多目标粒子群优化（MOPSO）算法求解模型，并将它与非支配排序遗传算法Ⅱ（NSGA?Ⅱ）和多目标模拟退火（MOSA）算法进行比较。大规模数值实验的结果表明，在相同的运行时间内，MOPSO算法在解集支配覆盖率（CM）、平均理想距离（MID）和最大分散度（MS）这3个指标上均优于NSGA?Ⅱ和MOSA算法。所提算法可以为微型化分布式生产系统提供高质量的生产运作决策方案。

结合遗传算法和滚动调度的多机器人任务分配算法

邓辅秦, 黄焕钊, 谭朝恩, 付兰慧, 张建民, 林天麟

2023, 43(12): 3833-3839. DOI: 10.11772/j.issn.1001-9081.2022121916

摘要 ( )

HTML ( )

PDF (2617KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

研究多机器人任务分配（MRTA）的目的是提高智能工厂中机器人完成任务的效率。针对现有算法在处理大规模、多约束的MRTA时存在不足的问题，提出一种结合遗传算法和滚动调度的MRTA算法（ACGARS）。首先，在遗传算法中采用基于有向无环图（DAG）的编码方式高效地处理任务之间的优先级约束；其次，在遗传算法的初始种群中加入先验知识以提高算法的搜索效率；最后，设计基于任务组的滚动调度策略用于减小求解问题的规模，从而实现对大规模问题的高效求解。在大规模问题实例上的实验结果表明，相较于构造性启发式算法（CHA）、最小化干扰算法（MIA）和基于惩罚策略的遗传算法（GAPS）生成的方案，当任务组数为20时，所提算法生成的方案的平均订单完成时间分别缩短了30.02%、16.86%和75.65%，验证了所提算法能有效地缩短订单的平均等待时间，提升多机器人任务分配效率。

基于自适应调整哈里斯鹰优化算法求解机器人路径规划问题

黄霖, 符强, 童楠

2023, 43(12): 3840-3847. DOI: 10.11772/j.issn.1001-9081.2022121847

摘要 ( )

HTML ( )

PDF (1437KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对启发式算法在机器人路径规划过程中存在路径长度不稳定和易陷入局部极小点的问题，提出一种基于自适应调整哈里斯鹰优化（AAHHO）算法。首先，利用收敛因子调整策略，调节全局搜索阶段和局部搜索阶段的平衡，同时利用自然常数为底数，提高搜索效率和收敛精度；其次，在全局搜索阶段，采用精英合作引导搜索策略，通过3个精英哈里斯鹰合作引导其他个体更新位置以提高搜索性能，通过3个最优位置加强种群间的信息交流；最后，通过模拟种内竞争策略增强哈里斯鹰跳出局部最优的能力。函数测试和机器人路径规划对比实验结果表明，所提算法无论是函数测试还是机器人路径规划都优于IHHO（Improve Harris Hawk Optimization）和CHHO（Chaotic Harris Hawk Optimization）等对比算法，对于求解机器人的路径规划具有较好的有效性、可行性和稳定性。

基于改进NSGA-Ⅱ的考虑自动引导车充电策略的集成调度

薛海蓉, 韩晓龙

2023, 43(12): 3848-3855. DOI: 10.11772/j.issn.1001-9081.2022121923

摘要 ( )

HTML ( )

PDF (3405KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对自动引导车（AGV）在自动化集装箱码头（ACT）执行任务过程中的电量问题，提出基于改进的非支配排序遗传算法-Ⅱ（NSGA-Ⅱ）的考虑AGV充电策略的集成调度。首先，在岸桥、场桥和AGV集成调度模式下，考虑AGV在不同作业状态下的耗电量，并建立以最小化作业完工时间和总耗电量为目标的多目标混合规划模型；其次，为提高传统NSGA-Ⅱ的性能，设计自适应NSGA-Ⅱ，并将所提算法与CPLEX求解器、NSGA-Ⅱ和多目标粒子群优化（MOPSO）算法进行性能对比；最后，设计AGV不同充电策略并对设备数量配比进行实验研究。算法对比实验结果表明：相较于传统NSGA-Ⅱ算法，自适应NSGA-Ⅱ对双目标的优化分别提升了2.8%和2.63%。利用自适应NSGA-Ⅱ进行的充电策略和设备数量配比实验的结果表明：增加AGV充电次数能够减少AGV的充电时间，且调整设备数量配比至3∶3∶9和3∶7∶3时，场桥和AGV的时间利用率分别达到最高。可见，AGV充电策略及设备数量配比对码头多设备集成调度有一定影响。

带状稀疏矩阵乘法及高效GPU实现

刘丽, 陈长波

2023, 43(12): 3856-3867. DOI: 10.11772/j.issn.1001-9081.2022111720

摘要 ( )

HTML ( )

PDF (3222KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

稀疏-稠密矩阵乘法（SpMM）广泛应用于科学计算和深度学习等领域，提高它的效率具有重要意义。针对具有带状特征的一类稀疏矩阵，提出一种新的存储格式BRCV（Banded Row Column Value）以及基于此格式的SpMM算法和高效图形处理单元（GPU）实现。由于每个稀疏带可以包含多个稀疏块，所提格式可看成块稀疏矩阵格式的推广。相较于常用的CSR（Compressed Sparse Row）格式，BRCV格式通过避免稀疏带中列下标的冗余存储显著降低存储复杂度；同时，基于BRCV格式的SpMM的GPU实现通过同时复用稀疏和稠密矩阵的行更高效地利用GPU的共享内存，提升SpMM算法的计算效率。在两种不同GPU平台上针对随机生成的带状稀疏矩阵的实验结果显示，BRCV的性能不仅优于cuBLAS（CUDA Basic Linear Algebra Subroutines），也优于基于CSR和块稀疏两种不同格式的cuSPARSE。其中，相较于基于CSR格式的cuSPARSE，BRCV的最高加速比分别为6.20和4.77。此外，将新的实现应用于图神经网络（GNN）中的SpMM算子的加速。在实际应用数据集上的测试结果表明，BRCV的性能优于cuBLAS和基于CSR格式的cuSPARSE，且在大多数情况下优于基于块稀疏格式的cuSPARSE。其中，相较于基于CSR格式的cuSPARSE，BRCV的最高加速比为4.47。以上结果表明BRCV可以有效提升SpMM的效率。

基于自适应竞争学习的教与学优化算法

王培崇, 冯浩婧, 李丽荣

2023, 43(12): 3868-3874. DOI: 10.11772/j.issn.1001-9081.2023010025

摘要 ( )

HTML ( )

PDF (1194KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对求解较高维度优化问题时教与学优化（TLBO）算法容易出现早熟、解精度降低等问题，提出一种自适应竞争学习教与学优化算法（ITLBOAC）。首先，在“教”算子中引入非线性变化的权重参数，以决定当前个体自身状态的保持能力以及调整当前个体向教师学习的态度，从而使当前个体在早期更多地向教师学习，以迅速提升自身状态，而后期更多地保持自身状态，以减缓教师对它的影响；其次，以生态学协同竞争机制为基础，引入基于近邻个体间的自适应竞争的“学”算子，从而使当前个体选择它的近邻个体，并且让个体们从协作演化逐渐过渡到竞争学习。在12个Benchmark测试函数上的测试结果表明，相较于其他4种改进TLBO算法，所提算法具有更好的解精度、稳定性和收敛速度，同时相较于TLBO算法有大幅提升，验证了所提算法适合于求解较高维度的连续型优化问题。选择压缩弹簧和三杆桁架设计问题进行测试的结果表明，ITLBOAC获得的最优值分别比TLBO算法下降了3.03%和0.34%。可见，在求解约束工程优化问题时，ITLBOAC同样值得信任。

k元（n-1）方体子网络可靠性的近似评估方法

冯凯, 李建德, 姬张建

2023, 43(12): 3875-3881. DOI: 10.11772/j.issn.1001-9081.2022111719

摘要 ( )

HTML ( )

PDF (2399KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

多处理器系统互连网络的拓扑性质对系统功能的实现起着重要的作用。k元n方体网络的子网络可靠性是以k元n方体为拓扑结构构建的多处理器系统处理计算任务时需要考虑的一个重要因素。为了精确高效地度量概率故障条件下k元n方体中k元（n-1）方体子网络的可靠性，提出基于反向传播（BP）神经网络的k元（n-1）方体子网络可靠性的近似评估方法。首先，利用蒙特卡洛仿真方法和k元（n-1）方体子网络可靠性的已有上下界给出用于训练BP神经网络的数据集的生成方法；其次，基于生成的训练数据集构造用于评估k元（n-1）方体子网络可靠性的BP神经网络模型；最后，对BP神经网络模型得出的k元（n-1）方体子网络可靠性的近似评估结果进行了分析，并与近似计算公式和基于蒙特卡洛的评估方法的结果进行了对比。与近似计算公式相比，所提方法得出的结果更为精确；与基于蒙特卡洛的评估方法相比，所提方法的评估耗时平均减少了约59%。实验结果表明，所提方法在兼顾精度和效率方面具有一定优势。

基于平衡二叉树和Bloom过滤器的可变长地址路由查找算法

黄永锦, 覃毅芳, 周旭, 张心晴

2023, 43(12): 3882-3889. DOI: 10.11772/j.issn.1001-9081.2022121915

摘要 ( )

HTML ( )

PDF (2064KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

可变长地址是未来网络领域的重要研究内容之一。针对传统路由查找算法在面向可变长地址时查找效率低的问题，提出一种基于平衡二叉树AVL（Adelson-Velskii and Landis）树和Bloom过滤器的适用于可变长地址的高效路由查找算法，简称为AVL-Bloom算法。首先，针对可变长地址灵活可变且无界的特点，利用多个片外哈希表分别存储前缀比特位数相同的路由条目及其下一跳信息，同时应用片上Bloom过滤器加速搜索可能匹配的路由前缀；其次，为了解决基于哈希技术的路由查找算法在查找最长前缀路由时需多次哈希对比的问题，引入AVL树技术，即通过AVL树组织每组路由前缀集合的Bloom过滤器及其哈希表，优化路由前缀长度的查询顺序，并减少哈希计算次数进而降低查询时间；最后，在3种不同的可变长地址数据集上将所提算法与METrie（Multi-Entrance-Trie）和COBF（Controlled prefix and One-hashing Bloom Filter）这两种传统路由查找算法进行对比实验。实验结果表明，AVL-Bloom算法的查询时间明显少于METrie和COBF算法，分别减少了将近83%和64%；同时，AVL-Bloom算法在路由表项数变化较大的情况下也能维持稳定的查找性能，适用于可变长地址的路由查找转发。

基于压缩感知的低复杂度广义空移键控信号检测算法

张新贺, 谭浩然, 吕文博

2023, 43(12): 3890-3895. DOI: 10.11772/j.issn.1001-9081.2022121808

摘要 ( )

HTML ( )

PDF (1143KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

广义空移键控（GSSK）作为空间调制（SM）的一种简化形式，被广泛应用于大规模多输入多输出（MIMO）系统，以更好地解决传统MIMO技术中的信道间干扰（ICI）、天线间同步（IAS）和多射频（RF）链路等问题。针对GSSK系统最大似然（ML）检测算法计算复杂度高的问题，结合压缩感知（CS）中的子空间追踪（SP）算法和ML检测算法，并结合阈值的设置，提出一种基于CS理论的低复杂度GSSK信号检测算法。首先，用改进的SP算法获得部分发送天线组合（TAC）；其次，删除部分天线组合，缩小搜索天线组合的集合；最后，利用ML算法和预设的门限估计发送天线组合。仿真实验结果表明，所提算法的计算复杂度明显低于ML检测算法，同时误比特率（BER）性能逼近ML检测算法，验证了所提算法的有效性。

基于协同融合网络的代码搜索模型

宋其洪, 刘建勋, 扈海泽, 张祥平

2023, 43(12): 3896-3902. DOI: 10.11772/j.issn.1001-9081.2022111783

摘要 ( )

HTML ( )

PDF (1457KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

搜索并重用相关代码可以有效提高软件开发效率。基于深度学习的代码搜索模型通常将代码片段和查询语句嵌入同一向量空间，通过计算余弦相似度匹配并输出相应代码片段；然而大多数模型忽略了代码片段与查询语句间的协同信息。为了更全面地表征语义信息，提出一种基于协同融合的代码搜索模型BofeCS。首先，采用BERT（Bidirectional Encoder Representations from Transformers）模型提取输入序列的语义信息并将它表征为向量；其次，构建协同融合网络提取代码片段和查询语句间分词级的协同信息；最后，构建残差网络缓解表征过程中的语义信息丢失。为验证BofeCS的有效性，在多语言数据集CodeSearchNet上进行实验。实验结果表明，相较于基线模型UNIF（embedding UNIFication）、TabCS（Two-stage attention-based model for Code Search）和MRCS（Multimodal Representation for neural Code Search），BofeCS的平均倒数排名（MRR）、归一化折损累计增益（NDCG）和前k位成功命中率（SR@k）均有显著提高，其中MRR值分别提升了95.94%、52.32%和16.95%。

真实复杂场景下基于残差收缩网络的单幅图像超分辨率方法

李颖, 黄超, 孙成栋, 徐勇

2023, 43(12): 3903-3910. DOI: 10.11772/j.issn.1001-9081.2022111697

摘要 ( )

HTML ( )

PDF (3309KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

真实世界中极少存在成对的高低分辨率图像对，传统的基于图像对训练模型的单幅图像超分辨率（SR）方法采用合成数据集的方式得到训练集时仅考虑了双线性下采样退化，且传统图像超分辨率方法在面向真实的未知退化图像时重建效果较差。针对上述问题，提出一种面向真实复杂场景的图像超分辨率方法。首先，采用不同焦距对景物进行拍摄并配准得到相机采集的真实高低分辨率图像对，构建一个场景多样的数据集CSR（Camera Super-Resolution dataset）；其次，为了尽可能地模拟真实世界中的图像退化过程，根据退化因素参数随机化和非线性组合退化改进图像退化模型，并且结合高低分辨率图像对数据集和图像退化模型以合成训练集；最后，由于数据集中考虑了退化因素，引入残差收缩网络和U-Net改进基准模型，尽可能地减少退化因素在特征空间中的冗余信息。实验结果表明，所提方法在复杂退化条件下相较于次优BSRGAN（Blind Super-Resolution Generative Adversarial Network）方法，在RealSR和CSR测试集中PSNR指标分别提高了0.7 dB和0.14 dB，而SSIM分别提高了0.001和0.031。所提方法在复杂退化数据集上的客观指标和视觉效果均优于现有方法。

基于图模型与注意力机制的室外场景点云分割模型

廉飞宇, 张良, 王杰栋, 靳于康, 柴玉

2023, 43(12): 3911-3917. DOI: 10.11772/j.issn.1001-9081.2022111704

摘要 ( )

HTML ( )

PDF (2141KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对在多对象且空间拓扑关系复杂的室外场景环境中相似地类区分难的问题，提出一种结合图模型与注意力机制模块的A-Edge-SPG（Attention-EdgeConv SuperPoint Graph）图神经网络。首先，利用图割和几何特征结合的方法对超点进行分割；其次，在超点内部构造局部邻接图，从而在捕获场景中点云的上下文信息的同时利用注意力机制模块凸显关键信息；最后，构建超点图（SPG）模型，并采用门控循环单元（GRU）聚合超点和超边特征，实现对不同地类点云间的精确分割。在Semantic3D数据集上对A-Edge-SPG模型和SPG-Net（SPG neural Network）模型的语义分割效果进行比较分析。实验结果表明，相较于SPG模型，A-Edge-SPG模型在总体分割精度（OA）、平均交并比（mIoU）和平均精度均值（mAA）上分别提升了1.8、5.1和2.8个百分点，并且在高植被、矮植被等相似地类的分割精度上取得了明显的提升，改善了相似地类间语义分割的效果。

基于邻近切片注意力融合的直肠癌分割网络

兰冬雷, 王晓东, 姚宇, 王辛, 周继陶

2023, 43(12): 3918-3926. DOI: 10.11772/j.issn.1001-9081.2023010045

摘要 ( )

HTML ( )

PDF (2681KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对直肠癌目标靶区在磁共振成像（MRI）图像的大小、形状、纹理和边界清晰程度不同等问题，为了克服患者之间的个体差异性并提高分割精度，提出一种基于邻近切片注意力融合的直肠癌分割网络（ASAF-Net）。首先，使用高分辨率网络（HRNet）作为主干网络，并在特征提取过程始终保持高分辨率特征表示，以减少语义信息和空间位置信息的损失；其次，通过邻近切片注意力融合（ASAF）模块融合并增强相邻切片之间的多尺度上下文语义信息，使网络能够学习相邻切片之间的空间特征；最后，在解码网络使用全卷积网络（FCN）和空洞空间金字塔池化（ASPP）分割头协同训练，并通过添加相邻切片间的一致性约束作为辅助损失缓解训练过程中出现的相邻切片差异过大的问题。实验结果表明，与HRNet相比，ASAF-Net在平均交并比（IoU）、平均Dice相似系数（DSC）指标上分别提升了1.68和1.26个百分点，平均95%豪斯多夫距离（HD）降低了0.91 mm。同时，ASAF-Net在直肠癌MRI图像多目标靶区的内部填充和边界预测方面均能实现更好的分割效果，有助于提升医生在临床辅助诊断中的效率。

改进DeepLabv3+网络的图书书脊分割算法

姬晓飞, 张可心, 唐李荣

2023, 43(12): 3927-3932. DOI: 10.11772/j.issn.1001-9081.2022121887

摘要 ( )

HTML ( )

PDF (2364KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

图书定位是实现图书馆智能化发展的重要技术之一，精确的书脊分割算法成为实现该目标的一大难题。基于以上情况，提出改进DeepLabv3+网络的图书书脊分割算法，以解决图书密集排列、图书存在倾斜角度和书脊纹理极相似等情况下的书脊分割难点。首先，为了提取图书图像更密集的金字塔特征，将原始DeepLabv3+网络中的空洞金字塔池化（ASPP）替换为多空洞率、多尺度的DenseASPP （Dense Atrous Spatial Pyramid Pooling）模块；其次，针对原始DeepLabv3+网络对大长宽比的目标对象分割边界不敏感的问题，在DenseASPP模块的支路加入条形池化（SP）模块以增强书脊的长条形特征；最后，参考ViT （Vision Transformer）中的多头自注意（MHSA）机制，提出一种全局信息增强的自注意模块，以增强网络获取长距离特征的能力。将所提算法在开源数据库上进行对比测试，实验结果表明，与原始DeepLabv3+网络分割算法相比，所提算法在近竖直书脊数据库上的平均交并比（MIoU）提升了1.8个百分点；在倾斜书脊数据库上的MIoU提升了4.1个百分点，达到了93.3%。以上验证了所提算法实现了有一定倾斜角度的、密集的和大长宽比的书脊目标的精确分割。

自监督学习HOG预测辅助任务下的车位检测方法

刘磊, 伍鹏, 谢凯, 程贝芝, 盛冠群

2023, 43(12): 3933-3940. DOI: 10.11772/j.issn.1001-9081.2022111687

摘要 ( )

HTML ( )

PDF (2364KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对智能车位管理系统中，光照变化、车位遮挡等因素导致车位预测的精度下降、有效性变差的问题，提出一种自监督学习方向梯度直方图（HOG）预测辅助任务下的车位检测方法。首先，设计预测图像遮挡部分HOG特征的自监督学习辅助任务，利用MobileViTBlock（light-weight， general-purpose， and Mobile-friendly Vision Transformer Block）综合图像全局信息，使模型更充分地学习图像的视觉表征，并提高模型的特征提取能力；其次，改进SE（Squeeze-and-Excitation）注意力机制，使模型在更低的计算开销上达到甚至高于原始SE注意力机制的效果；最后，将辅助任务训练的特征提取部分应用于下游的分类任务进行车位状态预测，在PKLot和CNRPark的混合数据集上进行实验。实验结果表明，所提模型在测试集上的准确率达到了97.49%，相较于RepVGG，遮挡预测准确率提高了5.46个百分点，与其他的车位检测算法相比进步较大。

基于改进单点多盒检测器的麻醉复苏目标检测方法

罗荣昊, 程志友, 汪传建, 刘思乾, 汪真天

2023, 43(12): 3941-3946. DOI: 10.11772/j.issn.1001-9081.2022121917

摘要 ( )

HTML ( )

PDF (2727KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

麻醉复苏目标检测模型常被用于帮助医护人员检测麻醉病人的复苏。病人复苏时面部动作的目标较小且幅度不明显，而现有的单点多盒检测器（SSD）难以准确实时地检测病人的面部微动作特征。针对原有模型检测速度低、容易出现漏检的问题，提出一种基于改进SSD的麻醉复苏目标检测方法。首先，将原始SSD的主干网络VGG（Visual Geometry Group）16更换为轻量级的主干网络MobileNetV2，并把标准卷积替换成深度可分离卷积；同时，通过对病人照片的特征提取采用先升维再降维的计算方式减少计算量，从而提高模型的检测速度；其次，将SSD提取的不同尺度特征层中融入坐标注意力（CA）机制，并通过对通道和位置信息加权的方式提升特征图提取关键信息的能力，优化网络的定位分类表现；最后，闭眼数据集CEW（Closed Eyes in the Wild）、自然标记人脸数据集LFW（Labeled Faces in the Wild）和医院麻醉病患面部数据集HAPF（Hospital Anesthesia Patient Facial）这3个数据集上进行对比实验。实验结果表明，所提模型的平均精度均值（mAP）达到了95.23%，检测照片的速度为每秒24帧，相较于原始SSD模型的mAP提升了1.39个百分点，检测速度提升了140%。因此，所提模型在麻醉复苏检测中具有实时准确检测的效果，能够辅助医护人员进行苏醒判定。

基于测量报告信号聚类的指纹定位方法

张海永, 方贤进, 张恩皖, 李宝玉, 彭超, 穆健翔

2023, 43(12): 3947-3954. DOI: 10.11772/j.issn.1001-9081.2023010005

摘要 ( )

HTML ( )

PDF (2357KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对基于加权K最近邻（WKNN）和机器学习算法的指纹库定位方法存在精度和定位效率较低的问题，提出一种基于测量报告（MR）信号聚类的指纹定位方法。首先，把MR信号分为室内、道路和室外这3种属性；其次，利用地理信息系统（GIS）信息将栅格分为建筑物、道路和室外子区域，并将不同属性的MR数据落入对应的属性子区域；最后，借助K均值（K-Means）聚类算法对栅格内的MR信号进行聚类分析，以创建子区域下的虚拟子区域，并采用WKNN算法对MR测试样本进行匹配。此外，利用欧氏距离计算平均定位精度，并通过生产环境的一些MR数据测试了所提方法的定位性能。实验结果表明，所提方法的50 m定位误差占比为71.21%，相较于WKNN算法提升了2.64个百分点；平均定位定位误差为44.73 m，相较于WKNN算法降低了7.60 m。所提方法具备良好的定位精度和效率，可满足生产环境中MR数据的定位需求。

基于改进蝶形反馈型神经网络的海关风险布控方法

王正刚, 刘忠, 金瑾, 刘伟

2023, 43(12): 3955-3964. DOI: 10.11772/j.issn.1001-9081.2022121873

摘要 ( )

HTML ( )

PDF (2964KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现阶段我国海关风险布控方法存在效率、准确率较低、人力资源占用过多的问题和智能化分类算法小型化部署需求，提出一种基于改进蝶形反馈型神经网络（BFNet-V2）的海关风险布控方法。首先，运用编码填充（FC）算法实现海关表格数据到模拟图像的语义替换；其次，运用BFNet-V2训练模拟图像数据，由左右两条链路、不同卷积核和块、小块的设计组成规则的神经网络结构，并添加残差短路径干预改善过拟合和梯度消失；最后，提出历史动量自适应矩估计算法（H-Adam）优化梯度下降过程，取得更优的自适应学习率调整方式，并分类海关数据。选取Xception（eXtreme inception）、移动网络（MobileNet）、残差网络（ResNet）和蝶形反馈型神经网络（BF-Net）为基线网络结构进行对比。BFNet-V2的接受者工作特征曲线（ROC）和查准率-查全率曲线（PR）包含了基线网络结构的曲线，与4种基线网络结构相比，基于迁移学习（TL）的BFNet-V2分类准确率分别提高了4.30%、4.34%、4.10%和0.37%。在真实标签数据分类过程中，BFNet-V2的查获误判率分别降低了70.09%、57.98%、58.36%和10.70%。比较所提方法与包含浅层和深度学习方法在内的8种分类方法，在3个数据集上的准确率均提升1.33%以上，可见所提方法能够实现表格数据自动分类，提升海关风险布控的效率和准确度。

当期目录