《计算机应用》唯一官方网站

深度神经网络平均场理论综述

颜梦玫, 杨冬平

2024, 44(2): 331-343. DOI: 10.11772/j.issn.1001-9081.2023020166

摘要 ( )

HTML ( )

PDF (1848KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

平均场理论（MFT）为理解深度神经网络（DNN）的运行机制提供了非常深刻的见解，可以从理论上指导深度学习的工程设计。近年来，越来越多的研究人员开始投入DNN的理论研究，特别是基于MFT的一系列工作引起人们的广泛关注。为此，对深度神经网络平均场理论相关的研究内容进行综述，主要从初始化、训练过程和泛化性能这三个基本方面介绍最新的理论研究成果。在此基础上，介绍了混沌边缘和动力等距初始化的相关概念、相关特性和具体应用，分析了过参数网络以及相关等价网络的训练特性，并对不同网络架构的泛化性能进行理论分析，体现了平均场理论是理解深度神经网络机理的非常重要的基本理论方法。最后，总结了深度神经网络中初始、训练和泛化阶段的平均场理论面临的主要挑战和未来研究方向。

基于生成式对抗网络的联邦学习激励机制

余孙婕, 曾辉, 熊诗雨, 史红周

2024, 44(2): 344-352. DOI: 10.11772/j.issn.1001-9081.2023020244

摘要 ( )

HTML ( )

PDF (2639KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对当前联邦学习缺乏公平合理的激励机制，难以衡量不同数据量、不同数据质量、不同数据分布的参与节点的联邦学习贡献度等问题，提出一种基于生成式对抗网络（GAN）的联邦学习激励机制。首先，提出融合训练模型的生成式对抗网络实现高精度样本生成；随后，基于融合训练模型的生成式对抗网络实现激励机制的贡献度评估算法，该算法通过联合模型筛选样本并生成数据标签，引入参与节点的本地数据标签分布平衡非独立同分布数据标签对贡献度评估的影响；最后，使用两阶段Stackelberg博弈实现联邦学习激励过程。安全性分析结果表明，所提激励机制在联邦学习过程中保证数据安全和系统稳定。实验结果表明，所提激励机制具备正确性，贡献度评估算法在不同数据量、不同数据质量和不同数据分布的情况下均有较好的性能。

基于一致性和多样性的多尺度自表示学习的深度子空间聚类

张卓, 陈花竹

2024, 44(2): 353-359. DOI: 10.11772/j.issn.1001-9081.2023030275

摘要 ( )

HTML ( )

PDF (1205KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

深度子空间聚类（DSC）基于原始数据位于低维非线性子空间的集合中的假设。其中深度子空间聚类多尺度表示学习方法在深度自编码器的基础上，将每一层的编码器与对应的解码器之间都添加全连接层，并以此捕获多尺度的特征，但它没有深度分析多尺度特征的性质，也没有考虑输入数据和输出数据之间多尺度的重构损失。为了解决上述问题，首先建立每个网络层的重构损失函数，监督不同级别编码器参数的学习；然后利用多尺度特征共有的自表示矩阵和特有的自表示矩阵的和具有块对角性，提出更有效的多尺度自表示模块；最后分析不同尺度特征特有的自表示矩阵之间的多样性，有效地利用了多尺度的特征矩阵。在此基础上，提出一种基于一致性和多样性的多尺度自表示学习的深度子空间聚类（MSCD-DSC）方法。在数据集Extended Yale B 、ORL、COIL20和Umist上的实验结果表明，相较于次优的MLRDSC（Multi-Level Representation learning for Deep Subspace Clustering），MSCD-DSC的聚类错误率分别降低了15.44%、2.22%、3.37%和13.17%，表明MSCD-DSC的聚类效果优于已有的方法。

高斯混合模型与文本图卷积网络结合的虚假评论识别算法

王星, 刘贵娟, 陈志豪

2024, 44(2): 360-368. DOI: 10.11772/j.issn.1001-9081.2023020219

摘要 ( )

HTML ( )

PDF (4451KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对文本图卷积网络（Text GCN）窗口边权阈值策略不足的问题，为了更精准地挖掘相关的词关联结构、提高预测精度，提出一种高斯混合模型（GMM）与Text GCN结合的虚假评论识别算法F-Text GCN。首先，利用GMM分离噪声边权分布的特性，提高虚假评论在训练数据上相对正常评论数不足的边信号强度；然后，考虑到信源的多样性，综合文档、词汇和评论以及非文本特征构造邻接矩阵；最后，通过Text GCN的谱分解提取邻接矩阵的虚假评论关联结构实施预测。根据国内某大型电商平台采集的126 086条实际中文评论数据开展实证研究，实验结果表明，F-Text GCN识别虚假评论的F1值达到82.92%，与预训练表征模型BERT和文本卷积神经网络相比分别提升了10.46%和11.60%，相较于只使用评论文本信源的Text GCN模型F1值提升了2.94%；研究了高仿虚假评论的预测错误率，在支持向量机（SVM）作用后难识别的评论样本上尝试二次识别，F-Text GCN整体预测准确率可达94.71%，相较于Text GCN和SVM，在识别准确率上分别提升了2.91%和14.54%。研究发现，虚假评论的二阶图邻居结构显示出较强的干预消费者决策的词汇，这表明所提算法特别适用于提取用于虚假评论检测的长程词语搭配结构和全局句子特征模式变化的场景。

基于多尺度卷积和自注意力特征融合的多模态情感识别方法

陈田, 蔡从虎, 袁晓辉, 罗蓓蓓

2024, 44(2): 369-376. DOI: 10.11772/j.issn.1001-9081.2023020185

摘要 ( )

HTML ( )

PDF (2138KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

基于生理信号的情感识别受噪声等因素影响，存在准确率低和跨个体泛化能力弱的问题。对此，提出一种基于脑电（EEG）、心电（ECG）和眼动信号的多模态情感识别方法。首先，对生理信号进行多尺度卷积，获取更高维度的信号特征并减少参数量；其次，在多模态信号特征的融合中使用自注意力机制，以提升关键特征的权重并减少模态之间的特征干扰；最后，使用双向长短期记忆（Bi-LSTM）网络提取融合特征的时序信息并进行分类。实验结果表明，所提方法在效价、唤醒度和效价/唤醒度四分类任务上分别取得90.29%、91.38%和83.53%的识别准确率，相较于脑电单模态和脑电/心电双模态方法，准确率上提升了3.46~7.11和0.92~3.15个百分点。所提方法能够准确识别情感，在个体间的识别稳定性更好。

实体类别增强的汽车领域嵌套命名实体识别

黄子麒, 胡建鹏

2024, 44(2): 377-384. DOI: 10.11772/j.issn.1001-9081.2023020239

摘要 ( )

HTML ( )

PDF (1347KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对中文汽车领域实体抽取任务中对嵌套实体、长实体识别效果差的问题，提出一种实体类别增强的嵌套实体抽取（ECE-NER）模型。首先，基于特征融合编码，提高模型对领域实体边界的感知能力；然后，尾词识别模块利用多层感知机得到实体尾词集合；最后，前向边界识别模块基于义原构造的实体类别特征和自注意力机制得到实体类别增强的候选尾词表征，融合领域实体类别特征，利用双仿射编码器计算特定尾词和实体类型的实体跨度概率，从而确定命名实体。在某汽车企业生产线故障数据集、汽车工业故障抽取评测数据集CCL2022和中文医学文本数据集CHIP2020上进行模型验证。实验结果表明，所提模型在前两个数据集上的实体识别F1值比序列标注模型（BERT+BiLSTM+CRF）、基于跨度的实体抽取模型（PURE（Princeton University Relation Extraction）、SpERT（Span-based Entity and Relation Transformer））分别提高了4.1、1.8、1.6个百分点和9.0、5.4、7.3个百分点；在第一个数据集和第三个数据集中嵌套实体识别F1值与PURE、SpERT模型相比提高了13.3、8.3个百分点和21.7、9.3个百分点，验证了所提模型在嵌套实体识别上的有效性。

基于自注意力机制与词汇增强的中文医学命名实体识别

罗歆然, 李天瑞, 贾真

2024, 44(2): 385-392. DOI: 10.11772/j.issn.1001-9081.2023020179

摘要 ( )

HTML ( )

PDF (2158KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对中文医学文本实体嵌套导致的单词边界识别困难问题以及现有栅格结构集成词汇特征所面临的语义信息损失严重的情况，提出一种用于中文医学命名实体识别（MNER）的自适应词汇信息增强模型。首先，利用双向长短期记忆（BiLSTM）网络编码字符序列的上下文信息并捕捉较长距离的依赖关系；然后，对字符序列中每个字符的潜在单词信息进行字词对建模，采用自注意力机制实现不同单词之间的内部交互；最后，通过基于双线性注意力机制的词汇适配器将词汇信息集成到文本序列中的每个字符中，有效增强语义信息的同时充分利用单词丰富的边界信息，并抑制相关性低的单词。实验结果表明，所提模型与基于字符的基线模型相比，平均F1值分别提升了1.37~2.38个百分点，并在结合BERT后取得了最优的效果。

基于伪实体数据增强的高精准率医学领域实体关系抽取

郭安迪, 贾真, 李天瑞

2024, 44(2): 393-402. DOI: 10.11772/j.issn.1001-9081.2023020143

摘要 ( )

HTML ( )

PDF (4228KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对医学领域知识密集、实体抽取和关系分类存在误差传递的问题，提出一种基于伪实体数据增强的高精准率的实体关系抽取框架。首先，在实体抽取模块添加基于Transformer的特征读取单元捕捉类别信息，以在密集的实体中准确识别医学长实体；其次，在流水线抽取框架的基础上插入关系负例生成模块，通过基于欠采样的伪实体生成模型生成混淆关系分类模型的伪实体，并通过三种数据增强生成策略提升模型鉴别主语宾语颠倒、主语宾语边界错误和关系分类错误的能力；最后，通过基于悬浮标记的关系分类模型缓解数据增强带来的训练时间剧增的问题。在CMeIE数据集中，对比了目前主流的4个模型。实体抽取部分相较于次优模型PL-Marker（Packed Levitated Marker），F1值提升了2.26%；实体关系抽取相较于次优模型CBLUE（Chinese Biomedical Language Understanding Evaluation）提出的流水线抽取模型，F1值提升了5.45%，精准率提升了15.62%。实验结果表明使用特征读取单元和伪实体数据增强模块可有效提高抽取的精准率。

基于改进分层注意网络和TextCNN联合建模的暴力犯罪分级算法

张家伟, 高冠东, 肖珂, 宋胜尊

2024, 44(2): 403-410. DOI: 10.11772/j.issn.1001-9081.2023030270

摘要 ( )

HTML ( )

PDF (1110KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

为了科学、智能地对服刑人员的暴力倾向分级，将自然语言处理（NLP）中的文本分类方法引入犯罪心理学领域，提出一种基于改进分层注意网络（HAN）与TextCNN（Text Convolutional Neural Network）两通道联合建模的犯罪语义卷积分层注意网络（CCHA-Net），通过分别挖掘犯罪事实与服刑人员基本情况的语义信息，完成暴力犯罪气质分级。首先，采用Focal Loss同时替代两通道中的Cross-Entropy函数，优化样本数量不均衡问题。其次，在两通道输入层中，同时引入位置编码，改进对位置信息的感知能力；改进HAN通道，采用最大池化构建显著向量。最后，输出层都采用全局平均池化替代全连接方法，以避免过拟合。实验结果表明，与AC-BiLSTM（Attention-based Bidirectional Long Short-Term Memory with Convolution layer）、支持向量机（SVM）等17种相关基线模型相比，CCHA-Net各项指标均最优，微平均F1（Micro_F1）为99.57%，宏平均和微平均下的曲线下面积（AUC）分别为99.45%和99.89%，相较于次优的AC-BiLSTM提高了4.08、5.59和0.74个百分点，验证了CCHA-Net能有效胜任暴力犯罪气质分级任务。

基于异构图表示的中医电子病历分类方法

王楷天, 叶青, 程春雷

2024, 44(2): 411-417. DOI: 10.11772/j.issn.1001-9081.2023030260

摘要 ( )

HTML ( )

PDF (1643KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

中医（TCM）电子病历由于结构复杂多样与诊疗术语不规范的特点导致数据挖掘难度大、利用率低、难以抽取到有效信息。针对上述问题，提出基于LERT（Linguistically-motivated bidirectional Encoder Representation from Transformer）预训练模型与图卷积网络（GCN）并用异构图表示的中医电子病历分类模型TCM-GCN，用于改善中医电子病历特征有效表征的提取与分类。首先，利用LERT层词嵌入的方式将病历转换为句向量融入异构图中，以补全图结构缺失的病历整体语义特征；随后，为了缓解中医电子病历结构特点对特征提取产生的负面影响，异构图将关键词加入节点，使用BM25与点间互信息（PMI）算法构建图中“病历-关键词”“关键词-关键词”的边以表达病历的特征；最后，TCM-GCN依靠LERT-BM25-PMI构建的异构图对病历之间的特征关系进行聚合与抽取，完成病历分类的任务。在中医电子病历数据集上的实验结果表明，相较于次优的LERT，TCM-GCN加权平均后的准确率、召回率、F1值分别提升了2.24%、2.38%、2.32%，验证了算法在捕捉病历间隐含特征与中医电子病历分类工作上的有效性。

多模态特征的越南语语音识别文本标点恢复

赖华, 孙童, 王文君, 余正涛, 高盛祥, 董凌

2024, 44(2): 418-423. DOI: 10.11772/j.issn.1001-9081.2023020231

摘要 ( )

HTML ( )

PDF (3010KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

越南语语音识别系统输出的文本序列缺少标点符号，恢复识别文本标点有助于消除歧义，更易于阅读和理解。越南语语音识别文本中常出现破坏语义的错误音节，基于文本模态的标点恢复模型在识别带噪文本时存在标点预测不准确的问题。利用越南语语音中的语气停顿及声调变化指导模型对带噪文本作出正确的标点预测，提出多模态特征的越南语语音识别文本标点恢复方法，利用梅尔倒谱系数（MFCC）提取语音特征，利用预训练语言模型提取文本上下文特征，基于标签注意力机制实现语音与文本多模态特征融合，增强模型对越南语带噪文本上下文信息的学习能力。实验结果表明，相较于基于Transformer和BERT提取文本单一模态特征的标点恢复模型，所提方法在越南语数据集上精确率、召回率和F1值均至少提高10个百分点，验证了融合语音与文本特征对提升越南语语音识别带噪文本标点预测精确率的有效性。

自动驾驶环境感知多任务去耦-融合算法

廖存燚, 郑毅, 刘玮瑾, 于欢, 刘守印

2024, 44(2): 424-431. DOI: 10.11772/j.issn.1001-9081.2023020155

摘要 ( )

HTML ( )

PDF (3609KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

自动驾驶车辆在行驶过程中，需要对行人和车辆同时完成目标检测、实例分割和目标跟踪三个任务。提出一种基于深度学习的环境感知模型同时对三个任务进行多任务学习。首先，通过卷积神经网络对连续帧图像提取时空特征；然后，通过注意力机制对时空特征进行去耦再融合，充分利用任务间的相关性，实现不同任务对时空特征的差异化选择；最后，为平衡不同任务间的学习速率，使用动态加权平均的方式对模型进行训练。在KITTI数据集上的实验结果表明，所提模型在目标检测方面，比CenterTrack模型F1得分提高了0.6个百分点；在目标跟踪方面，比TraDeS（Track to Detect and Segment）模型多目标跟踪精度（MOTA）提高了0.7个百分点；在实例分割方面，比SOLOv2（Segmenting Objects by LOcations version 2）模型 $A P 50$ 和 $A P 75$ 分别提高了7.4和3.9个百分点。

基于请求与应答通信机制和局部注意力机制的多机器人强化学习路径规划方法

邓辅秦, 官桧锋, 谭朝恩, 付兰慧, 王宏民, 林天麟, 张建民

2024, 44(2): 432-438. DOI: 10.11772/j.issn.1001-9081.2023020193

摘要 ( )

HTML ( )

PDF (1916KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

为降低多机器人在动态环境下路径规划的阻塞率，基于深度强化学习方法框架Actor-Critic，设计一种基于请求与应答通信机制和局部注意力机制的分布式深度强化学习路径规划方法（DCAMAPF）。在Actor网络，基于请求与应答通信机制，每个机器人请求视野内的其他机器人的局部观测信息和动作信息，进而规划出协同的动作策略。在Critic网络，每个机器人基于局部注意力机制将注意力权重动态地分配到在视野内成功应答的其他机器人局部观测和动作信息上。实验结果表明，与传统动态路径规划方法D^* Lite、最新的分布式强化学习方法MAPPER和最新的集中式强化学习方法AB-MAPPER相比，DCAMAPF在离散初始化环境，阻塞率均值均约降低了6.91、4.97、3.56个百分点；在集中初始化环境下能更高效地避免发生阻塞，阻塞率均值均约降低了15.86、11.71、5.54个百分点，并减少占用的计算缓存。所提方法确保了路径规划的效率，适用于求解不同动态环境下的多机器人路径规划任务。

基于路径模仿和SAC强化学习的机械臂路径规划算法

宋紫阳, 李军怀, 王怀军, 苏鑫, 于蕾

2024, 44(2): 439-444. DOI: 10.11772/j.issn.1001-9081.2023020132

摘要 ( )

HTML ( )

PDF (2673KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

在机械臂路径规划算法的训练过程中，由于动作空间和状态空间巨大导致奖励稀疏，机械臂路径规划训练效率低，面对海量的状态数和动作数较难评估状态价值和动作价值。针对上述问题，提出一种基于SAC（Soft Actor-Critic）强化学习的机械臂路径规划算法。通过将示教路径融入奖励函数使机械臂在强化学习过程中对示教路径进行模仿以提高学习效率，并采用SAC算法使机械臂路径规划算法的训练更快、稳定性更好。基于所提算法和深度确定性策略梯度（DDPG）算法分别规划10条路径，所提算法和DDPG算法规划的路径与参考路径的平均距离分别是0.8 cm和1.9 cm。实验结果表明，路径模仿机制能提高训练效率，所提算法比DDPG算法能更好地探索环境，使得规划路径更加合理。

基于最大熵深度强化学习的双足机器人步态控制方法

李源潮, 陶重犇, 王琛

2024, 44(2): 445-451. DOI: 10.11772/j.issn.1001-9081.2023020153

摘要 ( )

HTML ( )

PDF (2699KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对双足机器人连续直线行走的步态稳定控制问题，提出一种基于最大熵深度强化学习（DRL）的柔性演员-评论家（SAC）步态控制方法。首先，该方法无需事先建立准确的机器人动力学模型，所有参数均来自关节角而无需额外的传感器；其次，采用余弦相似度方法对经验样本分类，优化经验回放机制；最后，根据知识和经验设计奖励函数，使双足机器人在直线行走训练过程中不断进行姿态调整，确保直线行走的鲁棒性。在Roboschool仿真环境中与其他先进深度强化学习算法，如近端策略优化（PPO）方法和信赖域策略优化（TRPO）方法的实验对比结果表明，所提方法不仅实现了双足机器人快速稳定的直线行走，而且鲁棒性更好。

面向源-目的地流的多元时空数据可视分析

周思艺, 李天瑞

2024, 44(2): 452-459. DOI: 10.11772/j.issn.1001-9081.2023020178

摘要 ( )

HTML ( )

PDF (3328KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

交通智能（IC）卡可以记录居民的移动出行，反映居民的源-目的地（OD）信息；但智能卡记录的OD流数据规模大，直接可视化空间分布容易导致视觉杂乱，并且多元数据类型多，更难以和流数据结合对比分析。首先，针对直接可视化大规模OD数据的空间分布容易视觉遮挡的问题，提出基于正交非负矩阵分解（ONMF）的流聚类方法。所提方法对源-目的地数据聚类后再可视化，可以减少不必要的遮挡。然后，针对多元时空数据类型多难以结合对比分析的问题，设计了公交站点多元时序数据视图。该可视化方法将公交站点的流量大小和空气质量、空气温度、相对湿度、降雨量这四类多元数据在同一时间序列上编码，提高了视图的空间利用率并且可以对比分析。再次，为了辅助用户探索分析，开发了基于OD流和多元数据的交互式可视分析系统，并设计了多种交互操作提升用户探索效率。最后，基于新加坡交通智能卡数据集，从聚类效果和运行时间对该聚类方法评估。结果显示，在用轮廓系数评估聚类效果上，所提方法比原始方法提升了0.028，比用K均值聚类方法提升了0.253；在运行时间上比聚类效果较好的ONMFS（ONMF through Subspace exploration）方法少了254 s。通过案例分析和系统功能对比验证了系统的有效性。

基于隐式信任和群体共识的群体推荐方法

李婷婷, 楚俊峰, 王燕燕

2024, 44(2): 460-468. DOI: 10.11772/j.issn.1001-9081.2023030267

摘要 ( )

HTML ( )

PDF (1711KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有群体推荐方法较少考虑群体成员间社会化关系的隐式估计以及利用群体共识减少偏好冲突的问题，提出一种基于隐式信任和群体共识的群体推荐方法（GR-TC），所提方法分为推荐阶段和共识阶段。在推荐阶段根据成员间偏好信息和社交关系挖掘隐式信任值，估计成员的个人偏好、权重和初始群体偏好；在共识阶段通过共识测量和识别规则识别不一致成员，建立最大和谐度优化共识模型，调整更新群体偏好，传递群体推荐列表。实验结果表明，成员间社交关系影响群体推荐结果，合理选择隐式信任权值会提高不一致成员的和谐度；相较于传统共识反馈机制，隐式信任诱导的最大和谐共识反馈机制调整成本更小，对不一致成员的影响更小。

二阶段孪生图卷积神经网络推荐算法

荆智文, 张屿佳, 孙伯廷, 郭浩

2024, 44(2): 469-476. DOI: 10.11772/j.issn.1001-9081.2023020180

摘要 ( )

HTML ( )

PDF (2896KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对推荐系统中双塔型神经网络难以学习用户侧和商品侧交互信息以及图连接信息的问题，提出一种二阶段孪生卷积神经网络推荐算法（TSN）。首先，以用户行为构建异质图；然后，在双塔型神经网络之间设计图卷积孪生网络，从而在学习异质图连接信息的同时进行信息交互；最后，通过设计特殊结构的二阶段孪生信息共享机制，使得用户侧和商品侧的神经网络在训练过程中能够动态地、双向地传输信息，且有效避免神经网络串联。在基于MovieLens和豆瓣电影数据集的对比实验中，NDCG@10、NDCG@50、NDCG@100相较于最优基准算法DAT（Dual Augmented Two-tower model for online large-scale recommendation）提升了11.39%~23.98%。结果表明，所提算法能够缓解双塔型神经网络缺乏信息交互的问题，较对比算法推荐性能提升显著。

一次性条件下top-k高平均效用序列模式挖掘算法

杨克帅, 武优西, 耿萌, 刘靖宇, 李艳

2024, 44(2): 477-484. DOI: 10.11772/j.issn.1001-9081.2023030268

摘要 ( )

HTML ( )

PDF (519KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对传统序列模式挖掘（SPM）不考虑模式重复性且忽略各项的效用（单价或利润）与模式长度对用户兴趣度影响的问题，提出一次性条件下top-k高平均效用序列模式挖掘（TOUP）算法。TOUP算法主要包括两个核心步骤：平均效用计算和候选模式生成。首先，提出基于各项出现位置与项重复关系数组的CSP（Calculation Support of Pattern）算法计算模式支持度，从而实现模式平均效用的快速计算；其次，采用项集扩展和序列扩展生成候选模式，并提出了最大平均效用上界，基于该上界实现对候选模式的有效剪枝。在5个真实数据集和1个合成数据集上的实验结果表明，相较于TOUP-dfs和HAOP-ms算法，TOUP算法的候选模式数分别降低了38.5%~99.8%和0.9%~77.6%；运行时间分别降低了33.6%~97.1%和57.9%~97.2%。TOUP的算法性能更优，能更高效地挖掘用户感兴趣的模式。

用于实现区块链隐私保护的属性基加密方案

马海峰, 李玉霞, 薛庆水, 杨家海, 高永福

2024, 44(2): 485-489. DOI: 10.11772/j.issn.1001-9081.2023020173

摘要 ( )

HTML ( )

PDF (1621KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

要解决区块链账本公开带来的安全问题，关键在于隐藏私密信息。提出一种使用多属性机构的属性基加密实现区块链数据的隐私保护方案。相比单一属性机构，多属性机构在实现权力分散的同时避免了任何单点故障。首先，修改密钥组件生成算法，每个属性机构把用户身份作为参数生成私钥组件，防止节点合谋访问无权访问的数据；然后，修改基于身份的签名技术建立用户身份与钱包地址之间的链接，使区块链变得可监管的同时还能追溯非法用户；最后，基于决策双线性Diffie-Hellman（DBDH）假设，在随机预言模型中证明了所提方案的安全性。实验结果表明，与基于椭圆曲线上的环签名的区块链隐私保护方案和支持关键字遗忘搜索的区块链隐私保护方案相比，在生成相同区块个数的情况下，所提方案用时最少，更具可行性。

基于量子局部内在维度的对抗样本检测算法

张瑜, 昌燕, 张仕斌

2024, 44(2): 490-495. DOI: 10.11772/j.issn.1001-9081.2023020172

摘要 ( )

HTML ( )

PDF (1918KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

为解决基于局部内在维度（LID）的对抗样本检测算法高时间复杂度问题，结合量子计算优势，提出一种基于量子LID的对抗样本检测算法。首先，使用SWAP-Test量子算法一次性计算待测样本与所有样本间的相似度，避免了经典算法中的冗余计算；然后，结合量子相位估计（QPE）算法和量子Grover搜索算法计算待测样本的局部内在维度；最后，以LID作为二分类检测器的评判依据，检测区分出对抗样本。分别使用IRIS、MNIST、股票时序数据集测试和验证所提算法，仿真实验结果表明，均能通过计算出的LID值突出对抗样本与正常样本之间的差异性，并能作为检测依据区分样本属性。理论研究证明，所提算法时间复杂度与Grover算子迭代次数及邻近样本数和训练样本数的平方根的积同一数量级，明显优于基于LID的对抗样本检测算法，实现了指数级加速。

改进萤火虫群算法协同差分隐私的干扰轨迹发布

彭鹏, 倪志伟, 朱旭辉, 陈千

2024, 44(2): 496-503. DOI: 10.11772/j.issn.1001-9081.2023030259

摘要 ( )

HTML ( )

PDF (2085KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对历史轨迹加噪发布干扰轨迹时数据集的冗余问题和轨迹形状相似带来的隐私泄露风险，提出轨迹数据先约简后泛化再进行差分隐私加噪的基于改进萤火虫群优化求解的干扰轨迹发布保护机制（IGSO-SDTP）。首先，基于位置显著点约简历史轨迹数据集；其次，结合k?匿名和差分隐私对简化后的轨迹数据集分别进行泛化和加噪；最后，设计了兼顾距离误差和轨迹相似性的加权距离，并以加权距离为评价指标，基于改进萤火虫群优化（IGSO）算法求解加权距离小的干扰轨迹。在多个数据集上的实验结果表明，与RD（Differential privacy for Raw trajectory data）、SDTP（Trajectory Protection of Simplification and Differential privacy）、LIC（Linear Index Clustering algorithm）、DPKTS（Differential Privacy based on K-means Trajectory shape Similarity）相比，IGSO-SDTP方法得到的加权距离分别降低了21.94%、9.15%、14.25%、10.55%，说明所提方法发布的干扰轨迹可用性和稳定性更好。

支持用户撤销的可搜索电子健康记录共享方案

王政, 王经纬, 殷新春

2024, 44(2): 504-511. DOI: 10.11772/j.issn.1001-9081.2023030272

摘要 ( )

HTML ( )

PDF (1957KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

随着物联网与云存储技术的快速发展和广泛应用，每年都有大量的传感器设备被部署到医疗物联网（IoMT）系统，虽然这促进了电子健康记录（EHR）应用的普及，但EHR的安全存储与检索尚未得到妥善的解决。针对以上问题，基于可搜索加密构造长度固定的陷门用于对密文的搜索验证，减小了用户所需的通信开销；采用在线/离线加密技术，减小了用户端在线加密所需的计算开销；同时基于变色龙哈希函数，构造具有抗碰撞、语义安全等特点的私钥，避免了未撤销用户私钥频繁更新的问题，极大地减小了用户的计算开销。理论分析与实验结果表明所提方案在DBDH（Decisional Bilinear Diffie-Hellman）假设下是选择明文攻击是安全的，且与类似属性基加密方案相比，所提方案效率更高，在功能上支持在线加密、高效的用户撤销并具有更低的计算开销和存储开销。

基于SM2门限盲签名电子选举方案

饶金涛, 崔喆

2024, 44(2): 512-518. DOI: 10.11772/j.issn.1001-9081.2022121876

摘要 ( )

HTML ( )

PDF (1208KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对提高国产化电子选举系统算法协议层的安全和效率问题，提出一种基于SM2门限盲签名电子选举方案。首先，基于SM2签名算法构造SM2门限盲签名算法，在不改变原有签名流程的前提下，采用Shamir秘密分享、随机秘密分享（RSS）、秘密和差、乘积分享、逆的秘密分享（ISS）等方法分享SM2签名算法中的秘密私钥和随机数，同时引入盲化因子对签名的消息进行盲化，实现签名过程中消息发送方的隐私保护及敏感信息的有效分享；其次，算法安全分析结果表明，在随机预言机模型下，所提的盲签名算法具有盲性、健壮性和不可伪造性，相较于现有的RSA（Rivest-Shamir-Adleman）、椭圆曲线数字签名算法（ECDSA）门限盲签名算法，所提的SM2门限盲签名算法具有计算复杂度低、通信开销较小的优势，适用于大规模选举；最后，基于SM2门限盲签名算法设计安全电子选举协议，分析结果表明，所提协议具有不可伪造性、保密性、合法性和鲁棒性，并且完成一次投票过程仅需15.706 1 ms。

基于自发数据传输的高效双LAN太赫兹无线局域网MAC协议

任智, 古金东, 刘洋, 陈春宇

2024, 44(2): 519-525. DOI: 10.11772/j.issn.1001-9081.2023020250

摘要 ( )

HTML ( )

PDF (1941KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有的双局域网（LAN）太赫兹无线局域网（Dual-LAN THz WLAN）相关介质访问控制（MAC）协议中存在的某些节点会在多个超帧内重复发送相同的信道时隙请求帧以申请时隙资源以及网络运行的一些时段存在空闲时隙等问题，提出一种基于自发数据传输的高效MAC协议——SDTE-MAC（high-Efficiency MAC protocol based on Spontaneous Data Transmission）。SDTE-MAC通过让各节点都维护一张或多张时间单元链表，使各节点与其余节点在网络运行时间上达到同步，从而获悉各节点应该在信道空闲时隙的什么位置开始发送数据帧，优化了传统的信道时隙分配和信道剩余时隙再分配的流程，提高了网络吞吐量和信道时隙利用率，降低了数据时延，能够进一步提升双LAN太赫兹无线局域网的性能。仿真结果表明，网络饱和时，相较于AHT-MAC（Adaptive High Throughout multi-pan MAC protocol）中的N-CTAP（Normal Channel Time Allocation Period）时段时隙资源分配新机制以及自适应缩短超帧时段机制，SDTE-MAC的MAC层吞吐量提升了9.2%，信道时隙利用率提升了10.9%，数据时延降低了22.2%。

面向深度学习应用的组件式开发框架的设计实现

刘祥, 华蓓, 林飞, 魏宏原

2024, 44(2): 526-535. DOI: 10.11772/j.issn.1001-9081.2023020213

摘要 ( )

HTML ( )

PDF (4596KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对目前深度学习应用缺少有效的开发与部署工具的问题，提出一个面向深度学习应用的组件式开发框架。所提框架根据应用的资源消耗类型进行功能拆分，使用评测引导的资源分配方案进行瓶颈消除，使用分步装箱方案兼顾高CPU利用率和低显存开销的功能放置。基于此框架开发的实时车牌号检测应用，在吞吐优先模式下GPU利用率达到82%，在延迟优先模式下平均应用延迟达到0.73 s，在三种模式下（吞吐优先模式、延迟优先模式以及吞吐/延迟的均衡模式）下，CPU平均利用率达到68.8%。实验结果表明，基于此框架能够进行硬件吞吐与应用延迟的平衡型配置，在吞吐优先模式下高效利用平台的计算资源，在延迟优先模式下满足应用的低延迟需求。相较于MediaPipe，使用本框架能够进行超实时的多人姿态估计应用开发，应用的检测帧率最高提升了1 077%。实验结果表明，所提框架能够作为CPU-GPU异构服务器上面向深度学习应用开发部署的有效解决方案。

全景视频基于块的视口自适应传输方案综述

李俊杰, 望育梅, 李志军, 刘雨

2024, 44(2): 536-547. DOI: 10.11772/j.issn.1001-9081.2023020209

摘要 ( )

HTML ( )

PDF (2319KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

全景视频由于独特的沉浸式、交互式体验受到广泛关注。全景视频传输所需的高带宽、低时延给现有网络传输系统带来了挑战。基于tile（块）的视口自适应传输可以有效缓解全景视频所带来的传输压力，成为当前的主流方案和研究热点。通过分析基于tile的视口自适应传输方案的研究现状和发展趋势，对该传输方案的两个重要模块，即视口预测与码率分配进行论述，从不同视角归纳总结相关领域的方法。首先，基于全景视频传输框架对相关技术进行阐明；其次，从主、客观两个维度分别介绍评估传输系统性能的用户体验质量的指标；再后，分别从视口预测、码率分配两方面进行归纳，系统梳理经典的研究方法；最后，基于当前研究现状讨论全景视频传输的未来发展趋势。

融合片段对比学习的弱监督动作定位方法

党伟超, 张磊, 高改梅, 刘春霞

2024, 44(2): 548-555. DOI: 10.11772/j.issn.1001-9081.2023020246

摘要 ( )

HTML ( )

PDF (1549KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有基于注意力机制的弱监督动作定位方法对动作边界处的片段容易错误分类的问题，提出一种融合片段对比学习的弱监督动作定位方法。首先，引入三个分支的注意力机制，分别测量每个视频帧是动作实例、上下文以及背景的可能性；其次，基于得到的注意力值构建对应分支的类激活序列；然后，通过片段挖掘算法构造正负样本对；最后，利用片段对比学习引导网络将模糊片段正确归类。实验结果表明，当交并比（IoU）取值0.5时，在THUMOS14与ActivityNet1.3两个公共数据集上，所提方法的平均检测精度（mAP）分别达到了33.9%和40.1%，相较于DGCNN（Dynamic Graph modeling for weakly-supervised temporal action localization Convolutional Neural Network）弱监督动作定位模型在上述两个数据集上分别提升1.1和2.9个百分点，验证了所提方法的有效性。

基于概率球面判别分析的说话人识别信道补偿算法

景维鹏, 肖庆欣, 罗辉

2024, 44(2): 556-562. DOI: 10.11772/j.issn.1001-9081.2023020157

摘要 ( )

HTML ( )

PDF (1543KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

在说话人识别任务中，概率线性判别分析（PLDA）模型是目前常用的分类后端，但由于高斯PLDA模型分布假设不能准确拟合真实说话人特征分布，导致基于高斯分布假设长度归一化的信道补偿方法会破坏说话人特征类内分布的独立性，使得高斯PLDA不能充分利用上游任务提取特征所包含的说话人信息，从而影响识别结果。针对这一问题，提出基于概率球面判别分析的信道补偿算法（CC-PSDA），通过引入冯·米塞斯-费希尔（VMF）分布假设的概率球面判别分析模型（PSDA）和特征变换方法代替高斯分布假设的概率线性判别分析方法，以避免信道补偿对说话人特征类内分布独立性的影响。首先，为了使说话人特征符合VMF分布先验假设拟合后端分类模型，在特征级利用非线性转换对说话人特征进行分布变换。之后，利用基于VMF分布假设的PLDA模型不会破坏说话人特征的类内分布结构的特点，将变换后的说话人特征定义到特定维度的超球面，最大化特征类间距离。所提算法通过期望最大化（EM）算法进行求解，最终完成分类任务。实验结果表明，改进算法在三个测试集上的识别等错误率相较于对比模型PSDA、高斯PLDA均最低。由此可见，所提模型可以有效区分说话人特征，提高识别性能。

基于孪生网络和Transformer的红外弱小目标跟踪方法

崔晨辉, 蔺素珍, 李大威, 禄晓飞, 武杰

2024, 44(2): 563-571. DOI: 10.11772/j.issn.1001-9081.2023020167

摘要 ( )

HTML ( )

PDF (3513KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对红外弱小目标跟踪准确性较低这一问题，提出一种基于孪生网络和Transformer的红外弱小目标跟踪方法。首先，构建多特征提取级联模块分别提取红外弱小目标模板帧和搜索帧的深度特征，并将二者分别与其对应的HOG特征进行维度层面的串联；其次，引入多头注意力机制Transformer进行模板特征图和搜索特征图的互相关操作，生成响应图；最后，通过响应图上采样网络和边界框预测网络，获得目标在图像的中心位置和回归边界框，完成对红外弱小目标的跟踪。在包含13 655张红外图像数据集上的测试结果表明：与KeepTrack跟踪方法相比，成功率提高5.9个百分点，精确率提高1.8个百分点；与TransT（Transformer Tracking）方法相比，成功率提高14.2个百分点，精确率提高14.6个百分点，证明所提方法对复杂背景下的红外弱小目标跟踪准确性更高。

融合监督注意力模块和跨阶段特征融合的图像修复改进网络

黄巧玲, 郑伯川, 丁梓成, 吴泽东

2024, 44(2): 572-579. DOI: 10.11772/j.issn.1001-9081.2023020123

摘要 ( )

HTML ( )

PDF (4672KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

非规则缺失区域的图像修复技术用途广泛但具有挑战性。针对现有修复方法对高分辨率图像可能会产生伪影、扭曲结构和模糊纹理的问题，提出一种融合监督注意力模块（SAM）和跨阶段特征融合（CSFF）的图像修复改进网络（Gconv_CS）。在Gconv的两阶段网络模型上，引入了SAM与CSFF模块。SAM通过提供真实图像监督信号，监督上阶段输出特征，确保传入下阶段特征信息的有效性。CSFF将上阶段编码器-解码器的特征融合后送入下阶段的编码器，以弥补上阶段修复中特征信息的损失。实验结果表明，在缺失区域占比为1%~10%时，相较于基线模型Gconv，Gconv_CS在CelebA-HQ数据集上峰值信噪比（PSNR）和结构相似性指数（SSIM）分别提高了1.5%和0.5%，Fréchet起始距离（FID）和L1损失分别降低了21.8%、14.8%；在Place2数据集上，前2个指标分别提高了26.7%和0.8%，后2个指标分别降低了7.9%、37.9%。将Gconv_CS用于去除大熊猫面部遮挡物时，取得了较好的修复视觉效果。

基于复卷积双域级联网络的欠采样磁共振图像重建算法

邱华禄, 蔺素珍, 王彦博, 刘峰, 李大威

2024, 44(2): 580-587. DOI: 10.11772/j.issn.1001-9081.2023020187

摘要 ( )

HTML ( )

PDF (2360KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

目前，大多数加速磁共振成像（MRI）的重建算法通过重建欠采样幅值图像，利用实值卷积进行特征提取，没有考虑MRI数据本身是复数，从而限制了对MRI复值数据的特征提取能力。为了提高对单个切片MRI复值数据特征提取能力，从而重建出细节更为清晰的单切片磁共振（MR）图像，提出复卷积双域级联网络（ComConDuDoCNet）。将原始欠采样MRI数据作为输入，使用残差特征聚合（RFA）块交替提取MRI数据的双域特征，最终重建出具有清晰纹理细节的MR图像。每个RFA块使用复卷积作为特征提取器。不同域间通过傅里叶变换或逆变换进行级联，并加入数据一致性层实现数据保真。在公开的膝关节数据集上进行实验，与双任务双域网络（DDNet）在采样率为20%的三种不同采样掩码下的对比结果表明，在二维高斯采样掩码下，所提算法的标准均方根误差（NRMSE）下降了13.6%，峰值信噪比（PSNR）提升了4.3%，结构相似性指数（SSIM）提升了0.8%；在泊松采样掩码下，所提算法的NRMSE下降了11.0%，PSNR提升了3.5%，SSIM提升了0.1%；在径向采样掩码下，所提算法的NRMSE下降了12.3%，PSNR提升了3.8%，SSIM提升了0.2%。实验结果表明，ComConDuDoCNet结合复卷积与双域学习，能够重建出细节更加清晰、视觉效果更加逼真的MR图像。

三维桡骨成角楔形截骨术前自动规划算法

石志良, 廖诗旗, 甘梓博, 祝少博

2024, 44(2): 588-594. DOI: 10.11772/j.issn.1001-9081.2022111716

摘要 ( )

HTML ( )

PDF (2804KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对桡骨成角畸形，仅凭经验很难找到准确的截骨位置，为此提出一种三维（3D）桡骨成角楔形截骨术前自动规划算法，以精确定位具体截骨位置并计算出最佳复位角度。首先，以补偿差异的对侧桡骨镜像模型为参考模板，计算骨畸形区域；其次，基于关节解剖区域的权重配准桡骨远端关节，创建旋转轴方向向量，通过三次样条插值法求解XOZ平面的畸形轮廓曲线，确定复位旋转轴方位；最后，利用单目标优化算法优化迭代，计算最优的截骨位置和复位角度，自动生成楔形截骨矫形术前计划。选择6例桡骨成角实例，以外科医生在三维空间手动截骨矫形规划方法作为实验对照组，对比关节解剖区域的配准精度。仿真结果表明，与Miyake等提出的外科医生手动截骨复位方法相比，所提算法获得的关节解剖区域的配准均方根误差（RMSE）减小0.09~0.42 mm；与Fürnstahl等提出的自动规划方法相比，所提算法可明确楔形类型，临床可行性更高。

新能源汽车电池回收网点竞争选址模型及算法

刘勇, 杨锟

2024, 44(2): 595-603. DOI: 10.11772/j.issn.1001-9081.2023020182

摘要 ( )

HTML ( )

PDF (1538KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对考虑排队论的新能源汽车电池回收网点竞争设施选址问题，提出一种改进的人类学习优化（IHLO）算法。首先，构建包含排队时间约束、容量约束和门槛约束等条件的新能源汽车电池回收网点竞争设施选址模型；然后，考虑到该问题属于NP-hard问题，针对人类学习优化（HLO）算法前期收敛速度较慢、寻优精度不够高、求解稳定性不够高的不足，通过引入精英种群反向学习策略、团队互助学习算子和调和参数自适应策略提出IHLO算法；最后，以上海市和长江三角洲为例进行数值实验，并将IHLO算法和改进二进制灰狼（IBGWO）算法、改进二进制粒子群（IBPSO）算法、HLO算法和融合学习心理学的人类学习优化（LPHLO）算法进行比较。大、中、小三种不同规模的实验结果表明，IHLO算法在15个指标中的14个指标上表现最优，IHLO算法比IBGWO算法求解精度至少提高了0.13%，求解稳定性至少提高了10.05%，求解速度至少提高了17.48%。所提算法具有较高的计算精度和优化速度，可有效解决竞争设施选址问题。

基于扩张状态观测器的无人机云台系统控制算法

高胡震, 杜昌平, 郑耀

2024, 44(2): 604-610. DOI: 10.11772/j.issn.1001-9081.2023020241

摘要 ( )

HTML ( )

PDF (3518KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对无人机（UAV）三轴云台增稳控制中变量耦合的问题，提出一种基于扩张状态观测器（ESO）的无人机云台系统控制算法。首先，建立了无人机机载云台期望角的姿态解算算法模型；其次，构建了无人机机载云台位置环和速度环的串级比例-积分-微分（PID）控制回路；最后，引入ESO对机载云台角速度项在线实时估计，解决角速度项由于高耦合、多外扰导致的难以直接测量的问题，并对各通道的控制输入进行补偿。实验结果表明，所提算法在无指令、有指令和综合任务场景下的角度均方根误差分别为0.235 7°、0.631 7°和0.946 3°，与传统PID算法相比，所提算法的角度误差分别降低了69.43%、53.29%和50.43%。可见，所提算法对外界扰动的抗干扰能力更强，控制精度更高。

基于自适应粒子群优化算法的串联复合涡轮储能优化策略

王震, 张珊珊, 邬斌扬, 苏万华

2024, 44(2): 611-618. DOI: 10.11772/j.issn.1001-9081.2023020197

摘要 ( )

HTML ( )

PDF (4317KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对发动机串联复合涡轮发电系统储能困难等问题，提出了一种基于自适应粒子群优化（SAPSO）算法的最大功率点追踪（MPPT）方法，增强发电系统功率的捕获能力。此外，采用混合储能系统（HESS）替代单一蓄电池储能，实现电能的高效、稳定存储。通过Matlab/Simulink软件，建立了基于发动机串联复合涡轮发电的储能优化控制仿真模型，对比分析了不同控制方法在设定工况下的功率追踪性能以及混合储能系统的储能特性。仿真结果表明，相较于传统扰动观测法（P&O）控制方法，在所提的SAPSO-MPPT方法下，发电功率提高了190 W，响应时间缩短了0.15 s。同时，HESS能够有效追踪母线上的需求功率，电能回收效率高达95.3% 。最后，基于Y24型改装发动机台架搭建了串联复合涡轮发电系统实验平台，对所提储能优化控制策略的节油潜力进行了实验验证。结果表明，SAPSO-MPPT+HESS储能优化策略能够有效提高排气能量回收效率，优化后系统总热效率比原发动机提高了提高0.53个百分点。

考虑用户能动性和流动性的舆情传播模型

马源源, 解蕾蕾, 董南, 刘娜

2024, 44(2): 619-627. DOI: 10.11772/j.issn.1001-9081.2023020154

摘要 ( )

HTML ( )

PDF (3396KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有信息传播模型忽略了用户主观能动性和社交网络动态性的问题，提出异构网络中考虑用户能动性和流动性的SCBRD（Susceptible-Commented-Believed-Recovered-Defensed）舆情传播模型。首先，利用下一代矩阵方法计算基本再生数，并运用Lyapunov稳定性定理和庞特里亚金原理分析了系统的动力学和最优控制问题。然后，基于BA（Barabási-Albert）无标度网络进行仿真分析以确定影响舆情传播的显著因素，结果表明，用户的好奇心理、转发行为和进入率在信息扩散中起着主导作用，并且系统存在最优控制解。最后，依据实际数据验证模型的合理性。与SCIR（Susceptible-inCubation-Infective-Refractory）模型相比，SCBRD模型的拟合优度提高了27.40%，预测的均方根误差（RMSE）减小了39.02%。因此，该模型能够适应信息传播复杂的变化形势，为官方的舆情监管提供较好的指导。

基于统计和自适应ParNet的产学研绩效评价

张睿, 宋思琪, 胡静, 张永梅, 柴艳峰

2024, 44(2): 628-637. DOI: 10.11772/j.issn.1001-9081.2023020196

摘要 ( )

HTML ( )

PDF (3247KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有产学研绩效评价体系及方法中存在的评价指标覆盖范围单一、评价样本特征表达不充分、评价模型自优化能力待提高的问题，提出主客观产学研综合绩效智能评价的评价体系及方法。首先，围绕三方合作主体，挖掘产学研合作过程中影响绩效的要素及这些要素之间的联系，自主构建主客观产学研绩效三级评价体系；其次，通过将收集到的离散序列评价样本映射至极坐标空间、马尔可夫转移矩阵等不同高维空间域，增强离散样本特征表征；然后，通过基于精英反向翻筋斗觅食的混沌优化策略设计，提高深度模型冗余压缩和超参数的全局寻优效率，构建轻量压缩及高维超参数的自适应寻优的ParNet（AParNet）分类模型；最后，将模型应用于产学研绩效评价中，实现高性能的绩效智能评价。实验结果表明，所提方法很好地贴合了离散序列非线性分类应用，同时模型中加入优化策略后，在减少计算量的同时提高了分类性能，具体体现在：与ParNet相比，AParNet中的参数量减少了10.8%，较好地实现了模型的压缩，且它在产学研绩效评价中的分类准确率可达到98.6%。在产学研绩效智能评价应用中，该方法提高了评价模型的自适应能力，能够实现准确、高效的产学研绩效评价。

基于轻量化YOLOv5的新型菜品识别网络

张成涵宇, 林钰哲, 谭程珂, 王俊帆, 顾烨婷, 董哲康, 高明煜

2024, 44(2): 638-644. DOI: 10.11772/j.issn.1001-9081.2023030271

摘要 ( )

HTML ( )

PDF (2914KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

为了更好地满足中餐菜品识别对准确性和时效性的应用需求，设计一种新型的菜品识别网络。在原YOLOv5模型的基础上，结合Supermask方法与结构化通道剪枝对模型进行剪枝操作，并利用Int8量化技术最终实现对模型的轻量化处理，保证模型在菜品识别中兼顾准确率和速度，同时提高模型的可移植性。实验结果表明，所提模型在交并比（IoU）为0.5时，平均精度均值（mAP）达到99.00%，平均每帧识别时间达到59.54 ms，相较于原始YOLOv5降低了20 ms，且准确率基本保持一致。此外，利用Qt软件将新型菜品识别网络移植到瑞萨RZ/G2L开发板，构建智能出餐系统，可实现点餐、生成订单、自动出餐全流程，为未来真正的餐厅智能出餐系统的构建应用提供了理论与实践基础。

运动想象脑电信号的跨被试动态多域对抗学习方法

曹铉, 罗天健

2024, 44(2): 645-653. DOI: 10.11772/j.issn.1001-9081.2023030286

摘要 ( )

HTML ( )

PDF (3364KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

解码运动想象脑电（EEG）信号是构造脑机接口（BCI）的关键技术之一。然而，脑电样本采集成本高、个体差异大，且信号具有时变性强、低信噪比等特点，构建跨被试模式识别方法成为了研究的关键。为此，提出一种跨被试动态多域对抗学习方法。首先采用样本协方差对齐和全局域鉴别器适应样本集边缘分布，随后采用多个类别子域鉴别器适应样本集条件分布，并自适应学习多域鉴别器的对抗系数。基于动态多域对抗学习策略，所提出的动态多域对抗网络（DMDAN）模型可学习到被试域间有泛化能力的深度特征。在BCI Competition IV 2A和2B公开数据集上的实验结果表明，DMDAN模型提高了跨被试域不变特征的学习能力，与现有对抗学习方法DRDA（Deep Representation Domain Adaptation）相比，在数据集2A和数据集2B上的平均分类准确率分别提高了1.80和2.52个百分点。可见，所提出的DMDAN模型提升了跨被试运动想象脑电信号解码性能，在不同数据集上具有不错的泛化性。

基于自适应多任务学习的睡眠生理时序分类方法

宋钰丹, 王晶, 王雪徽, 马朝阳, 林友芳

2024, 44(2): 654-662. DOI: 10.11772/j.issn.1001-9081.2023020191

摘要 ( )

HTML ( )

PDF (1999KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对睡眠阶段与睡眠呼吸暂停低通气之间相关性的问题，提出一种基于自适应多任务学习的睡眠生理时序分类方法。该方法利用单导脑电与心电检测睡眠分期和睡眠呼吸暂停低通气综合征（SAHS），构造双流时间依赖学习模块，在两个任务的联合监督下提取共享特征，设计自适应任务间关联性学习模块，利用通道注意力机制建模睡眠阶段和呼吸暂停低通气之间的相关性。在两个公开数据集上的实验结果表明，所提方法可以同时完成睡眠分期与SAHS检测。在UCD数据集上，所提方法睡眠分期准确率、宏F1分数（MF1）、受试者特性曲线下面积（AUC）与TinySleepNet相比分别提升了1.21个百分点、1.22个百分点和0.008 3，SAHS检测的宏F2分数（MF2）、受试者特性曲线下面积、召回率与6-layer CNN模型相比，分别提升了11.08个百分点、0.053 7和15.75个百分点，能检出更多患病片段。所提方法可应用于家庭睡眠监测或移动医疗中，实现高效、便捷的睡眠质量评估，辅助医生对SAHS进行初步诊断。

当期目录