《计算机应用》唯一官方网站

基于网络结构设计的图神经网络特征选择方法

徐大鹏, 侯新民

2024, 44(3): 663-670. DOI: 10.11772/j.issn.1001-9081.2023030353

摘要 ( )

HTML ( )

PDF (1001KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

近年来，研究人员针对图神经网络（GNN）提出了许多改进的模型架构设计，推动了各种预测任务的性能提升。但大多数GNN变体在开始都认为节点的特征同等重要，而实际情况并非如此。针对这个问题，提出一种特征选择方法来改进现有模型，并为数据集选择出重要特征子集。所提方法由特征选择层和标签-特征单独映射两个组件构成。在特征选择层中使用Softmax归一化器和特征“软选择器”进行特征选择，在标签-特征单独映射思想下设计模型结构，为不同的标签选择对应的相关特征子集，并将多个相关特征子集作集合并运算得到最终数据集的重要特征子集。选取图注意力网络（GAT）和GATv2模型为基准模型，将算法应用到基准模型中得到新模型。实验结果表明，所提模型在6个数据集上执行节点分类任务时，准确率相较于基准模型提升了0.83%~8.79%；新模型也为6个数据集选择了对应的重要特征子集，这些重要特征子集的特征数量占各自数据集总特征数的3.94%~12.86%，将重要特征子集作为基准模型的新输入后仍然获得了95%以上的准确率（使用了所有特征），即在保证准确率的基础上减小了模型的规模。可见，所提方法能够提高节点分类准确率，并有效地为数据集选择对应的重要特征子集。

基于改进实数编码遗传算法的神经网络超参数优化

佘维, 李阳, 钟李红, 孔德锋, 田钊

2024, 44(3): 671-676. DOI: 10.11772/j.issn.1001-9081.2023040441

摘要 ( )

HTML ( )

PDF (1532KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题，提出一种基于改进实数编码遗传算法（IRCGA）的深度神经网络超参数优化算法——IRCGA-DNN（IRCGA for Deep Neural Network）。首先，采用实数编码方式表示超参数的取值，使超参数的搜索空间更灵活；然后，引入分层比例选择算子增加解集多样性；最后，分别设计了改进的单点交叉和变异算子，以更全面地探索超参数空间，提高优化算法的效率和质量。基于两个仿真数据集，验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明，在两个数据集上，与GA-DNN（Genetic Algorithm for Deep Neural Network）相比，所提算法的收敛迭代次数分别减少了8.7%和13.6%，均方误差（MSE）相差不大；与IGA-DNN（Improved GA-DNN）相比，IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明，所提算法收敛速度和预测性能均更优，能有效处理神经网络超参数优化问题。

一阶逻辑定理证明器中的无效子句删除策略

姜世攀, 陈树伟, 曾国艳

2024, 44(3): 677-682. DOI: 10.11772/j.issn.1001-9081.2023030284

摘要 ( )

HTML ( )

PDF (905KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

在一阶逻辑定理证明器中，子句预处理是不可或缺的步骤，而子句的消去规则是预处理中极其重要的部分。传统的基于纯文字规则的子句消去方法在理论上存在子句删除过多的问题，在算法实现上又存在子句删除不充分的情况。为了提高子句删除的精确率，在理论上，基于纯文字规则对子句进行再分类。第一类称为无效子句，该类子句不能通过等词替换与某个子句形成互补对，此类子句应完全删除；第二类为相对无效子句，该类子句无法与当前子句集中的子句形成互补对，但能进行等词替换，此类子句应在参与演绎后综合考虑是否删除。在算法实现中，考虑到子句的消去应是动态的过程，当前消去的子句会影响已判断的子句的无效性，提出一种用于判定子句无效性的递归遍历算法。将上述子句约简规则应用于证明器CSE1.5（Contradiction Separation Extension 1.5）中，以2019—2022的CADE（Conference on Automated DEduction）自动定理证明（ATP）系统竞赛中一阶逻辑问题组为测试对象。在300 s内，应用所提算法的CSE1.5_IC比原始CSE1.5总共多证明了27个问题。在两个版本证明器共同证明的所有FNE（FOF theorems without Equality）测试例中，CSE1.5_IC比CSE1.5平均每个问题多约简了28个子句，平均求解时间减少了7.07 s。实验结果表明，所提无效子句约简算法是一种有效的预处理方式，能够提高一阶逻辑子句集的约简精确率，同时能够提高自动定理证明器的证明能力和缩短证明时间。

知识引导的视觉关系检测模型

王元龙, 胡文博, 张虎

2024, 44(3): 683-689. DOI: 10.11772/j.issn.1001-9081.2023040413

摘要 ( )

HTML ( )

PDF (1592KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

视觉关系检测（VRD）任务是在目标识别的基础上，进一步检测目标对象之间的关系，属于视觉理解和推理的关键技术。由于对象之间交互组合，容易造成对象间关系组合爆炸的问题，从而产生很多关联性较弱的实体对，导致后续的关系检测召回率较低。针对上述问题，提出知识引导的视觉关系检测模型。首先构建视觉知识，对常见的视觉关系检测数据集中的实体标签和关系标签进行数据分析与统计，得到实体和关系间交互共现频率作为视觉知识；然后利用所构建的视觉知识，优化实体对的组合流程，降低关联性较弱的实体对得分，提升关联性较强的实体对得分，进而按照实体对的得分排序并删除得分较低的实体对，对于实体之间的关系也同样采用知识引导的方式优化关系得分，从而提升模型的召回率。在公开数据集视觉基因库（VG）和VRD中验证所提模型的效果：在谓词分类任务中，与现有模型PE-Net（Prototype-based Embedding Network）相比，在VG数据集上，召回率Recall@50和Recall@100分别提高了1.84和1.14个百分点；在VRD数据集上，相较于Coacher，Recall@20、Recall@50和Recall@100分别提高了0.22、0.32和0.31个百分点。

基于多任务学习的意图检测和槽位填充联合方法

尚爱国, 朱欣娟

2024, 44(3): 690-695. DOI: 10.11772/j.issn.1001-9081.2023040443

摘要 ( )

HTML ( )

PDF (1281KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

随着预训练语言模型在自然语言处理（NLP）任务上的应用，意图检测（ID）和槽位填充（SF）联合建模提高了口语理解的性能。现有方法大多关注意图和槽位的相互作用，忽略了差异文本序列建模对口语理解（SLU）任务的影响。因此，提出一种基于多任务学习的意图检测和槽位填充联合方法（IDSFML）。首先，使用随机掩盖mask策略构造差异文本，设计结合自编码器和注意力机制的神经网络（AEA）结构，为口语理解任务融入差异文本序列的特征；其次，设计相似性分布任务，使差异文本和原始文本的表征相似；最后，联合训练ID、SF和差异文本序列相似性分布三个任务。在航班旅行信息系统（ATIS）和SNIPS数据集上的实验结果表明，IDSFML与表现次优的基线方法SASGBC（Self-Attention and Slot-Gated on top of BERT with CRF）相比，槽位填充F1值分别提升了1.9和1.6个百分点，意图检测准确率分别提升了0.2和0.4个百分点，提高了口语理解任务的准确率。

面向方面级情感分析的交互式关系图注意力网络

郭磊, 贾真, 李天瑞

2024, 44(3): 696-701. DOI: 10.11772/j.issn.1001-9081.2023030288

摘要 ( )

HTML ( )

PDF (1072KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

方面级情感分析领域主要采用基于注意力机制的神经网络模型，这类模型忽略了方面词与观点词之间的依存关系和方面词与上下文词之间的距离，导致该类模型情感分类结果不够精确。为了解决上述问题，建立一种交互式关系图注意力网络（RI-GAT）模型。首先，通过长短期记忆（LSTM）网络学习句子的语义特征；然后，将学习的语义特征结合句子的位置信息生成新的特征；最后，在新的特征中提取各方面词和观点词之间的依存关系，实现对句法依存信息和位置信息的高效利用。在Laptop、Restaurant和Twitter数据集上的实验结果表明，相较于次优的动态多通道图卷积网络（DM-GCN），RI-GAT模型分类准确率（Acc）提高了0.67、1.65和1.36个百分点，说明了RI-GAT模型可以更好地建立方面词和意见词之间的联系，使得情感分类更加精确。

融合先验知识和字形特征的中文命名实体识别

董永峰, 白佳明, 王利琴, 王旭

2024, 44(3): 702-708. DOI: 10.11772/j.issn.1001-9081.2023030361

摘要 ( )

HTML ( )

PDF (750KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对命名实体识别（NER）任务中相关模型通常仅对字符及相关词汇进行建模，未充分利用汉字特有的字形结构信息和实体类型信息的问题，提出一种融合先验知识和字形特征的命名实体识别模型。首先，采用结合高斯注意力机制的Transformer对输入序列进行编码，并从中文维基百科中获取实体类型的中文释义，采用双向门控循环单元（BiGRU）编码实体类型信息作为先验知识，利用注意力机制将它与字符表示进行组合；其次，采用双向长短时记忆（BiLSTM）网络编码输入序列的远距离依赖关系，通过字形编码表获得繁体的仓颉码和简体的现代五笔码，采用卷积神经网络（CNN）提取字形特征表示，并根据不同权重组合繁体与简体字形特征，利用门控机制将它与经过BiLSTM编码后的字符表示进行组合；最后，使用条件随机场（CRF）解码，得到命名实体标注序列。在偏口语化的数据集Weibo、小型数据集Boson和大型数据集PeopleDaily上的实验结果表明，与基线模型MECT（Multi-metadata Embedding based Cross-Transformer）相比，所提模型的F1值别提高了2.47、1.20和0.98个百分点，验证了模型的有效性。

基于预训练模型与标签融合的文本分类

余杭, 周艳玲, 翟梦鑫, 刘涵

2024, 44(3): 709-714. DOI: 10.11772/j.issn.1001-9081.2023030340

摘要 ( )

HTML ( )

PDF (922KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

对海量的用户文本评论数据进行准确分类具有重要的经济效益和社会效益。目前大部分文本分类方法是将文本编码直接使用于各式的分类器之前，而忽略了标签文本中蕴含的提示信息。针对以上问题，提出一种基于RoBERTa（Robustly optimized BERT pretraining approach）的文本和标签信息融合分类模型（TLIFC-RoBERTa）。首先，利用RoBERTa预训练模型获得词向量；然后，利用孪生网络结构分别训练文本和标签向量，通过交互注意力将标签信息映射到文本上，达到将标签信息融入模型的效果；最后，设置自适应融合层将文本表示与标签表示紧密融合进行分类。在今日头条和THUCNews数据集上的实验结果表明，相较于将Labelatt（Label-based attention improved model）中使用的静态词向量改为RoBERTa-wwm训练后的词向量算法（RA-Labelatt）、RoBERTa结合基于标签嵌入的多尺度卷积初始化文本分类算法（LEMC-RoBERTa）等主流深度学习模型，TLIFC-RoBERTa的精度最高，对于用户评论数据集有最优的分类效果。

基于注意力机制的多特征融合对话行为层次化分类方法

贾宗泽, 高鹏飞, 马应龙, 刘晓峰, 夏海鑫

2024, 44(3): 715-721. DOI: 10.11772/j.issn.1001-9081.2023030358

摘要 ( )

HTML ( )

PDF (1143KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

目前深度学习模型在对话行为识别中被广泛采用，通过挖掘多种对话行为特征以提升对话行为分类性能。然而，这些方法忽视了不同对话行为特征之间的潜在关联和相互影响，且对话行为分类过程中也很少考虑对话行为标签之间的语义关联关系，这些都妨碍了对话行为识别的性能提升。针对以上问题，提出一种基于注意力机制的多特征融合层次化分类（MFA-HC）方法用于对话行为识别。首先，提出一种基于无遗忘学习的对话行为层次化分类框架，结合词、词性以及相关语言学统计量等多种细粒度特征来学习训练对话行为分类模型；其次，提出一种基于注意力机制的共性-个性模型捕获不同特征之间的共性和个性特征。在两个基准数据集SwDA（Switchboard Dialogue Act corpus）和MRDA（ICSI Meeting Recorder Dialogue Act corpus）上的实验结果表明：相较于目前整体性能较优的DARER（Dual-tAsk temporal Relational rEcurrent Reasoning network），MFA-HC方法通过捕捉话语中隐含的共性和个性特征，分类准确率分别提高了0.6%和0.1%。

基于内容解译的遥感图像推荐方法

李雨秋, 侯利萍, 薛健, 吕科, 王泳

2024, 44(3): 722-731. DOI: 10.11772/j.issn.1001-9081.2023030313

摘要 ( )

HTML ( )

PDF (2902KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

随着遥感技术的不断发展，遥感数据呈现出海量增多的趋势，如何提供精准及时的遥感信息推荐服务成为亟待解决的问题。现有的遥感图像推荐算法大多针对用户画像进行设计，忽视了图像内容的语义信息对推荐结果的影响。针对上述问题，提出一种基于内容解译的遥感图像推荐方法。首先，通过基于YOLOv3的目标检测模块对遥感图像进行目标提取；然后，整合关键目标的位置分布向量作为图像内容信息；同时，构建多元素的用户兴趣画像，并根据用户主动搜索历史进行动态调整，以提高推荐结果的个性化程度；最后，将图像内容信息与图像自带属性信息、用户画像模型进行匹配，实现遥感数据的精准智能推荐。在真实订单数据上与较新的仅基于图像属性信息的推荐方法进行对比实验，实验结果表明，所提方法在实验数据上取得的正负样本区分度比考虑用户画像的推荐方法提高了70%；在耗时基本相近的情况下，在使用10%训练数据时，推荐错误率与对比方法相比下降了4.0~5.6个百分点，而在使用100%训练数据时推荐错误率则下降了0.6~1.0个百分点，验证了所提方法的可行性与有效性。

基于样本增量学习的遥感影像分类

李雪, 姚光乐, 王洪辉, 李军, 周皓然, 叶绍泽

2024, 44(3): 732-736. DOI: 10.11772/j.issn.1001-9081.2023030366

摘要 ( )

HTML ( )

PDF (1266KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

深度学习模型在遥感影像分类中取得了显著的成绩。随着新的遥感数据不断被采集，基于深度学习的遥感影像分类模型在训练新数据、学习新知识时，对旧数据的识别性能会下降，即旧知识遗忘。为帮助遥感影像分类模型巩固旧知识和学习新知识，提出一种基于样本增量学习的遥感影像分类模型——增量协同学习知识模型（ICLKM）。该模型由两个知识网络组成，第一个网络通过知识蒸馏保留旧模型的输出，缓解知识遗忘问题；第二个网络将新数据的输出作为第一个网络的学习目标，通过维护双网络模型的一致性有效地学习新知识。最后两个网络共同学习，通过知识协同策略生成更精确的模型。在两个遥感数据集NWPU-RESISC45和AID上的实验结果表明，相较于微调训练（FT）方法，ICLKM的准确率分别提升了3.53和6.70个百分点。可见ICLKM能够有效解决遥感影像分类的知识遗忘问题，不断提高对已知遥感影像的识别准确率。

基于多尺度特征融合的遥感图像语义分割方法

吴宁, 罗杨洋, 许华杰

2024, 44(3): 737-744. DOI: 10.11772/j.issn.1001-9081.2023040439

摘要 ( )

HTML ( )

PDF (2809KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

为提高遥感图像语义分割精度，解决深度卷积神经网络（DCNN）特征提取过程中小尺寸目标信息丢失的问题，提出一种基于多尺度特征融合的语义分割方法FuseSwin。首先，在Swin Transformer中引入注意力增强模块（AEM），以突出目标所在区域并抑制背景噪声的干扰；其次，利用特征金字塔网络（FPN）融合多尺度特征的细节信息和高级语义信息，以补充目标的特征；最后，通过空洞空间金字塔池化（ASPP）模块从融合特征图中进一步捕获目标的上下文信息，提升模型分割精度。实验结果表明，所提方法在Potsdam遥感数据集上的平均像素准确率（mPA）和平均交并比（mIoU），与DeepLabV3方法相比，分别提高了2.34、3.23个百分点；与SegFormer方法相比，分别提高了1.28、1.75个百分点，优于目前主流的分割方法。此外，将所提方法实际应用于广西钦州茅尾海的高分辨率遥感图像中的蚝排识别与分割，分别取得96.21%、91.70%的像素准确率（PA）和交并比（IoU）。

结合特征融合与增强注意力的少样本目标检测

李新叶, 侯晔凝, 孔英会, 燕志旗

2024, 44(3): 745-751. DOI: 10.11772/j.issn.1001-9081.2023030315

摘要 ( )

HTML ( )

PDF (4000KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

为了更充分地利用支持特征和查询特征中的关键信息，提出一种基于特征融合和增强注意力的少样本目标检测方法FFA-FSOD（Feature Fusion and enhanced Attention Few-Shot Object Detection）。首先引入迭代注意力特征融合（iAFF）模块，以有效融合支持图像和查询图像的关键特征；其次在iAFF模块后添加特征增强操作，充分利用支持特征信息对查询图像中的目标特征进行增强。为避免上述两次处理可能导致的查询图像特征部分细节信息的丢失，对iAFF模块中的多尺度通道注意力模块（MS-CAM）进行改进，以捕获更多的上下文信息。在MS COCO数据集上的实验结果表明，在2-way 10-shot条件下，与小样本目标检测（FSOD）方法相比，加入iAFF模块、特征增强操作并改进MS-CAM后，FFA-FSOD的平均精度均值（mAP）提升了8.0%。实验结果验证了所提特征融合增强方法充分关注到了特征中的细节信息，从而实现了更好的少样本目标检测效果。

多路复用网络中的模体检测算法

薛舒红, 冯彪, 于海龙, 王力, 杨云云

2024, 44(3): 752-759. DOI: 10.11772/j.issn.1001-9081.2023030300

摘要 ( )

HTML ( )

PDF (2299KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

多路复用网络可以形象地描述复杂系统中个体之间的相互作用关系，模体作为一种高阶结构在网络中频繁出现。与单层模体相比，多重模体具有数量多、种类繁、结构杂的特点。鉴于目前缺少针对多重模体的完整检测算法，提出一种适用于多路复用网络的快速多重模体检测算法（FAMMD）。首先，通过改进ESU（Enumerate SUbgraphs）算法进行多重子图枚举；其次，使用层标记和二进制字符串相结合的方法加速同构检测的过程，并且构造了保持度序列和层间依赖性不变的零模型进行多重子图测试；最后，在两层真实网络上进行了模体检测，多重模体表现出紧密相连的三联模式，且在社交网络中更加同质，在交通网络中则更加互补。实验结果表明，所提方法可以准确、快速地检测出反映网络结构特性和符合实际情况的多重模体。

基于新奇度量的社交事件推荐方法

孙滔, 段张甜, 朱浩楠, 郭沛豪, 孙鹤立

2024, 44(3): 760-766. DOI: 10.11772/j.issn.1001-9081.2023030362

摘要 ( )

HTML ( )

PDF (919KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

在社交事件网络（EBSN）中，推荐工作都是从用户的历史喜好出发建模用户偏好，阻碍了用户接触新事物的范围和途径。针对上述问题，提出基于新奇度量的社交事件推荐模型UER（Unexpectedness-based Event Recommendation）。UER模型包括Base和Unexpected两个子模型，首先，Base子模型基于用户、事件以及用户历史事件交互序列特征，通过注意力机制衡量事件在用户历史喜好中的权重，最终预测用户参加事件的概率；其次，Unexpected子模型通过自注意力机制提取用户的多个兴趣表示来计算用户自身新奇度和候选事件对用户的新奇值，从而衡量推荐事件的新奇程度。在Meetup-加州数据集上，UER模型相较于DIN（Deep Interest Network）和PURS（Personalized Unexpected Recommender System）的推荐命中率（HR）分别提高22.9%和30.3%，归一化折损累积收益（NDCG）分别提高27.5%和42.3%，推荐事件的新奇程度分别提高54.5%和21.4%；在Meetup-纽约数据集上，UER模型相较于DIN和PURS的HR分别提高18.2%和21.8%，NDCG分别提高26.9%和32.0%，推荐事件的新奇程度分别提高52.6%和20.8%。

最大相关和最大差异的高维数据特征选择算法

孟圣洁, 于万钧, 陈颖

2024, 44(3): 767-771. DOI: 10.11772/j.issn.1001-9081.2023030365

摘要 ( )

HTML ( )

PDF (698KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对高维数据存在冗余信息且维度过高的问题，提出基于信息量的最大相关最大差异特征选择算法（MCD）。首先，利用互信息（MI）度量特征和标签之间的相关性，对特征进行排序，选择互信息最大的特征加入特征子集；然后，引入信息距离度量特征之间的信息冗余性及差异性，设计评价准则对每个特征进行评价，使特征子集中特征和标签的相关性、特征之间的差异性最大；最后，用前向搜索策略结合评价准则进行属性约简，最优化特征子集。采用2种不同的分类器，在6个数据集上和mRMR（minimal-Redundancy-Maximal-Relevance criterion）、RReliefF等5个经典算法进行对比实验，利用分类精度验证MCD的有效性。在支持向量机（SVM）分类器下，平均分类精度提高了5.67~23.80个百分点；在K-近邻（KNN）分类器下，平均分类精度提高了2.69~25.18个百分点。可见，MCD在绝大多数情况下，能有效去除冗余特征，分类精度有明显提高。

基于编码-解码网络的大容量鲁棒图像隐写方案

董炜娜, 刘佳, 潘晓中, 陈立峰, 孙文权

2024, 44(3): 772-779. DOI: 10.11772/j.issn.1001-9081.2023040477

摘要 ( )

HTML ( )

PDF (3068KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对基于编码-解码网络的大容量隐写模型存在鲁棒性弱、无法抵抗噪声攻击和信道压缩的问题，提出一种基于编码-解码网络的大容量鲁棒图像隐写方案。首先，设计了基于密集连接卷积网络（DenseNet）的编码器、解码器和判别器，编码器将秘密信息和载体图像联合编码成隐写图像，解码器提取秘密信息，判别器用于区分载体图像和隐写图像。在编码器和解码器中间加入噪声层，采用Dropout、JPEG压缩、高斯模糊、高斯噪声和椒盐噪声模拟真实环境下的各类噪声攻击，编码器输出的隐写图像经过不同种类的噪声处理，再由解码器解码；通过训练模型，解码器能够对噪声处理后的隐写图像提取秘密信息，以抵抗噪声攻击。实验结果表明，所提方案在360×360像素的图像上隐写容量达到0.45~0.95 bpp，与次优的鲁棒隐写方案相比，相对嵌入容量提升了2.04倍；解码准确率可达0.72~0.97；与未添加噪声层的隐写方案相比，平均解码准确率提高了44个百分点。所提方案在保证高嵌入量、高编码图片质量的同时具有更强的抗噪声攻击能力。

基于像素预测和秘密图像共享的可逆信息隐藏

袁卿宇, 高铁杠

2024, 44(3): 780-787. DOI: 10.11772/j.issn.1001-9081.2023030321

摘要 ( )

HTML ( )

PDF (2395KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

为增强图像加密的安全性以及增加加密图像的信息隐藏容量，提出一种基于像素预测和秘密图像共享的可逆信息隐藏算法。首先，利用共享矩阵逐行处理图像并分存为四个共享图像；其次，利用二维混沌映射生成随机密钥加密共享图像；再次，利用中值边缘检测器（MED）预测共享图像中可嵌入位置的像素值，预测值与原像素从高位开始比对相同的位数，根据规则记录标签值，提取参考像素的高三位与认证信息存入可嵌入位；最后，将标签值存入参考像素高位，剩余的可嵌入位为所提算法的嵌入容量。实验结果表明，所提算法不仅能够为信息隐藏提供大容量的嵌入空间，而且能够实现可逆数据隐藏并根据（k，n）阈值策略实现加密图像的无损复原。

Android应用敏感行为与隐私政策一致性分析

杨保山, 杨智, 陈性元, 韩冰, 杜学绘

2024, 44(3): 788-796. DOI: 10.11772/j.issn.1001-9081.2023030290

摘要 ( )

HTML ( )

PDF (1850KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

隐私政策文档声明了应用程序需要获取的隐私信息，但不能保证清晰且完全披露应用获取的隐私信息类型，目前对应用实际敏感行为与隐私政策一致性分析的研究仍存在不足。针对上述问题，提出一种Android应用敏感行为与隐私政策一致性分析方法。在隐私政策分析阶段，基于Bi-GRU-CRF（Bi-directional Gated Recurrent Unit Conditional Random Field）神经网络，通过添加自定义标注库对模型进行增量训练，实现对隐私政策声明中的关键信息的提取；在敏感行为分析阶段，通过对敏感应用程序接口（API）调用进行分类、对输入敏感源列表中已分析过的敏感API调用进行删除，以及对已提取过的敏感路径进行标记的方法来优化IFDS（Interprocedural， Finite， Distributive，Subset）算法，使敏感行为分析结果与隐私政策描述的语言粒度相匹配，并且降低分析结果的冗余，提高分析效率；在一致性分析阶段，将本体之间的语义关系分为等价关系、从属关系和近似关系，并据此定义敏感行为与隐私政策一致性形式化模型，将敏感行为与隐私政策一致的情况分为清晰的表述和模糊的表述，将不一致的情况分为省略的表述、不正确的表述和有歧义的表述，最后根据所提基于语义相似度的一致性分析算法对敏感行为与隐私政策进行一致性分析。实验结果表明，对928个应用程序进行分析，在隐私政策分析正确率为97.34%的情况下，51.4%的Android应用程序存在应用实际敏感行为与隐私政策声明不一致的情况。

基于SAT的GRANULE算法不可能差分分析

武小年, 匡晶, 张润莲, 李灵琛

2024, 44(3): 797-804. DOI: 10.11772/j.issn.1001-9081.2023040435

摘要 ( )

HTML ( )

PDF (902KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

基于布尔可满足性问题（SAT）的自动化搜索方法可以直接刻画与、或、非、异或等逻辑运算，从而建立更高效的搜索模型。为更高效地评估GRANULE算法抵抗不可能差分攻击的能力，首先，基于S盒差分分布表性质优化S盒差分性质刻画的SAT模型；其次，对GRANULE算法建立基于比特的不可能差分区分器的SAT模型，通过求解模型得到多条10轮GRANULE算法的不可能差分区分器；再次，针对不可能差分区分器，给出改进的SAT自动化验证方法并验证；最后，将得到的区分器往前和往后各扩展3轮，对GRANULE-64/80算法发起16轮的不可能差分攻击，通过该攻击可以恢复80比特主密钥，时间复杂度为2^51.8次16轮加密，数据复杂度为2^41.8个选择明文。与表现次优的对GRANULE算法不可能差分分析的方法相比，所得到的区分器轮数和密钥恢复攻击轮数都提高了3轮，且时间复杂度、数据复杂度都进一步下降。

格上无非交互式零知识证明的两轮三方PAKE协议

尹新媛, 郑小建, 熊金波

2024, 44(3): 805-810. DOI: 10.11772/j.issn.1001-9081.2023040417

摘要 ( )

HTML ( )

PDF (918KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有基于格的三方口令认证密钥交换（PAKE）协议通信轮次较多、执行效率较低等问题，提出一种格上无非交互式零知识证明的两轮三方PAKE协议。首先，利用非适应性近似平滑投影哈希函数实现密钥交换，在不使用非交互式零知识（NIZK）证明的前提下，降低协议的通信轮数；其次，利用哈希值和投影哈希值构造会话密钥，不需要使用随机预言机，避免了随机预言机导致的潜在口令猜测攻击。在标准模型下给出所提协议的形式化安全证明。仿真结果表明，与基于格的三方PAKE协议相比，所提协议的执行时间在客户端缩短了89.2%~98.6%，在服务器端缩短了19.0%~91.6%。验证了所提协议能够抵抗量子攻击，具有较高的执行效率，同时减少了协议通信轮数。

基于区块链与CP-ABE策略隐藏的众包测试任务隐私保护方案

高改梅, 张瑾, 刘春霞, 党伟超, 白尚旺

2024, 44(3): 811-818. DOI: 10.11772/j.issn.1001-9081.2023040430

摘要 ( )

HTML ( )

PDF (2095KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

为完善云环境下众测（众包测试）数据共享体系，解决众测领域存在的数据安全与隐私保护问题，提出基于区块链与基于密文策略的属性加密（CP-ABE）策略隐藏的众测任务隐私保护（CTTPP）方案。将区块链和属性基加密相结合，以提高众测数据共享的隐私性。首先，利用末端内部节点构造访问树表达访问策略，配合CP-ABE中的指数运算和双线性配对运算实现策略隐藏，以提高众测场景下数据共享的隐私保护能力；其次，调用区块链智能合约自动化验证数据访问者的合法性，与云服务器共同完成对任务密文访问权限的验证，进一步提高众测任务的安全性。性能测试结果表明，与同类型访问树策略隐藏算法相比，平均加密解密时间更短，加解密的计算开销更小；另外，当解密请求频率达到每秒1 000笔时，区块链的处理能力开始逐渐饱和，数据上链和数据查询的最大处理时延为0.80 s和0.12 s，适用于轻量级的商业化众测应用场景。

智能算法的亚群优化策略综述

杜晓昕, 周薇, 王浩, 郝田茹, 王振飞, 金梅, 张剑飞

2024, 44(3): 819-830. DOI: 10.11772/j.issn.1001-9081.2023030380

摘要 ( )

HTML ( )

PDF (2404KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

群智能算法的优化是提升群智能算法性能的一个主要途径，随着群智能算法越来越广泛地运用到各类模型优化、生产调度、路径规划等问题中，对智能算法性能的要求也越来越高。亚群策略作为一种优化群智能算法的重要手段，能够灵活地平衡算法的全局勘探能力和局部开发能力，已经成为群智能算法的研究热点之一。为了促进亚群优化策略的发展和应用，对动态亚群策略、基于主从范式的亚群策略和基于网络结构的亚群策略进行了详细调查，阐述了各类亚群策略的结构特点、改进方式和应用场景。最后，总结了亚群策略目前存在的问题以及未来的研究趋势和发展方向。

基于自适应布谷鸟优化特征选择的K-means聚类

孙林, 刘梦含

2024, 44(3): 831-841. DOI: 10.11772/j.issn.1001-9081.2023030351

摘要 ( )

HTML ( )

PDF (2193KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

K-means聚类算法随机确定初始聚类数目，而且原始数据集中含有大量的冗余特征会导致聚类时精度降低，而布谷鸟搜索（CS）算法存在收敛速度慢和局部搜索能力弱等问题，为此提出一种基于自适应布谷鸟优化特征选择的K-means聚类算法（DCFSK）。首先，为提升CS算法的搜索速度和精度，在莱维飞行阶段，设计了自适应步长因子；为调节CS算法全局搜索和局部搜索之间的平衡、加快CS算法的收敛，动态调整发现概率，进而提出改进的动态CS算法（IDCS），在IDCS的基础上构建了结合动态CS的特征选择算法（DCFS）。其次，为提升传统欧氏距离的计算精确度，设计同时考虑样本和特征对距离计算贡献程度的加权欧氏距离；为了确定最佳聚类数目的选取方法，依据改进的加权欧氏距离构造了加权簇内距离和簇间距离。最后，为克服传统K-means聚类目标函数仅考虑簇内的距离而未考虑簇间距离的缺陷，提出基于中位数的轮廓系数的目标函数，进而设计了DCFSK。实验结果表明，在10个基准测试函数上，IDCS的各项指标取得了较优的结果；相较于K-means、DBSCAN（Density-Based Spatial Clustering of Applications with Noise）等算法，在6个合成数据集与6个UCI数据集上，DCFSK的聚类效果最佳。

求解恰当可满足性问题的随机局部搜索算法

赵星宇, 王晓峰, 杨易, 庞立超, 杨澜

2024, 44(3): 842-848. DOI: 10.11772/j.issn.1001-9081.2023030364

摘要 ( )

HTML ( )

PDF (906KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

可满足性问题（SAT）是一种NP完全问题，被广泛运用于人工智能和机器学习等研究。恰当可满足性问题（XSAT）是SAT中一类重要的子问题。目前的大部分关于XSAT的研究主要为理论层面，对高效的求解算法特别是具有高效验证性的随机局部搜索算法研究很少。针对以上问题，分析了基础编码和等价编码两种转化方式的公式的部分性质，提出一种直接求解XSAT的随机局部搜索算法WalkXSAT。首先使用随机局部搜索框架进行基础搜索与条件判定；其次加入变元所属文字的恰当不可满足计分值，优先处理不易恰当满足的变元；然后使用防重复选择翻转变元的启发式策略减小搜索空间；最后，采用多种来源以及多种格式的实例进行对比实验。在直接求解XSAT时，相较于ProbSAT，WalkXSAT的变元翻转次数与求解时间显著减少；在求解基础编码转化后的实例中，当实例变元规模大于100时，ProbSAT已失效，而WalkXSAT依然能够在短时间内求解。实验结果表明，所提WalkXSAT精确性高、稳定性强、收敛快。

量子近似优化算法在精确覆盖问题中的应用

郭玲玲, 李志强, 段孟环

2024, 44(3): 849-854. DOI: 10.11772/j.issn.1001-9081.2023030332

摘要 ( )

HTML ( )

PDF (1100KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

精确覆盖问题属于组合优化中的NP完全问题，使用经典算法难以在多项式时间范围内求解。为解决该问题，在开源量子计算框架qiskit上，提出基于量子近似优化算法（QAOA）的量子线路求解方案，并采用基于单纯形法的线性近似约束优化（COBYLA）算法对量子逻辑门中的参数进行优化。首先，通过精确覆盖问题的数学模型建立经典伊辛模型；其次，利用量子理论中的旋转变量对经典伊辛模型进行量子化，再用泡利旋转算子代替旋转变量，得到量子伊辛模型和问题哈密顿量，提高QAOA寻找最优的速度；最后，以混合哈密顿量为生成元的酉变换和问题哈密顿量为生成元的酉变换乘积的累积，得到问题哈密顿量期望的表达式，并由此设计生成量子线路。另外，通过经典处理器对两个酉变换中的参数进行优化，调整问题哈密顿量的期望值，从而提高求解的概率。该线路在IBM的开源量子计算框架qiskit上进行仿真实验，实验结果表明，所提方案能够在多项式时间内以95.6%的概率获得问题的解，验证了所提量子线路能够以较高的概率求得精确覆盖问题的解。

面向城区的基于图去噪的小区级RSRP估计方法

郑毅, 廖存燚, 张天倩, 王骥, 刘守印

2024, 44(3): 855-862. DOI: 10.11772/j.issn.1001-9081.2023030292

摘要 ( )

HTML ( )

PDF (4442KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

移动通信系统网络的规划、部署和优化都不同程度依赖于参考信号接收功率（RSRP）估计的准确性。传统上，基站覆盖小区内某信号接收点的RSRP可由对应的无线传播模型估计。在城市环境中，不同小区的无线传播模型需要使用大量RSRP实测数据校正。由于不同小区环境存在差异，经过校正后的模型只适用于对应小区，且小区内的RSRP估计精度低。针对上述问题，将RSRP估计问题转化为图去噪问题，并通过图像处理与深度学习技术得到小区级无线传播模型，不仅能实现小区整体的RSRP估计，且能适用于相似环境小区。首先，通过随机森林回归器逐点预测每个接收点的RSRP，得到整个小区的RSRP估计图；然后，将RSRP估计图和实测RSRP分布图之间的损失视为RSRP噪声图，提出基于条件生成对抗网络（CGAN）的图去噪RSRP估计方法，通过电子环境地图反映小区的环境信息，有效地降低不同小区的RSRP。实验结果表明，在无实测数据的跨小区RSRP预测场景下，所提方法预测RSRP的均方根误差（RMSE）为6.77 dBm，相较于基于卷积神经网络的RSRP估计方法EFsNet下降2.55 dBm；在同小区RSRP预测场景下，相较于EFsNet，模型参数量减小80.3%。

基于自适应p持续的移动自组网信道接入和资源分配算法

秦鑫彤, 宋政育, 侯天为, 王飞越, 孙昕, 黎伟

2024, 44(3): 863-868. DOI: 10.11772/j.issn.1001-9081.2023030322

摘要 ( )

HTML ( )

PDF (2070KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对基于p持续的移动自组网（MANET）信道接入和资源分配问题，提出一种具有低复杂度的自适应信道接入和资源分配算法。首先，考虑到自组网无中心分布式组网特点，以每个节点的信道利用率最大化为目标建立优化问题；其次将该问题建模为马尔可夫决策过程并定义状态、动作和奖励函数；最后基于策略梯度训练网络参数，联合优化竞争概率、优先级增长因子以及通信节点数量。仿真实验结果表明，所提算法可以显著提高p-持续载波侦听多址接入（CSMA）协议的性能，与固定竞争概率和p值预定义的方案相比，所提算法的信道利用率提高了45%和17%；此外，当节点数量小于35时，所提算法优于固定接入节点数量的方案。同时，在节点数据包到达率较高时，所提算法可以充分利用信道，减少时隙资源浪费。

基于非随机成簇的智能路锥自组网高效分簇路由协议

陈龙, 余选林, 陈文, 姚毅, 朱文静, 贾莹, 李登红, 任智

2024, 44(3): 869-875. DOI: 10.11772/j.issn.1001-9081.2023040483

摘要 ( )

HTML ( )

PDF (2650KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

用于智能路锥自组网（IRCAN）的现有多跳分簇路由协议存在组网控制开销有冗余、数据分组传输平均跳数未保证最小的问题。为解决上述问题，结合网络链状拓扑特点，提出一种基于非随机后倾成簇的高效分簇路由协议RCHR（Retroverted-Clustering-based Hierarchy Routing）。首先，提出基于中心扩展的后倾成簇机制和基于泛听跨层和扩展邻接矩阵的簇首选择算法；其次，采用所提机制和算法，以sink节点为中心依次生成具有后倾特点的簇，在不借助额外条件的情况下为sink节点选择分列两端的最优簇首节点，既减少组网过程的开销和用时，又能够形成有利于降低数据分组传输平均跳数的网络拓扑。理论分析验证了所提协议的有效性，仿真实验结果表明，与现有多跳分簇路由协议基于分环多跳的分簇路由（RBMC）和改进型低功耗自适应集簇分层型协议（MOD-LEACH）相比，所提协议的组网控制开销和数据分组传输平均跳数分别至少降低了32.7%和2.6%。

基于改进卷积神经网络和射频指纹的无人机检测与识别

周景贤, 李希娜

2024, 44(3): 876-882. DOI: 10.11772/j.issn.1001-9081.2023030299

摘要 ( )

HTML ( )

PDF (2693KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对无人机（UAV）在图像识别时易受环境干扰，而传统信号识别难以准确提取特征且实时性较差的问题，提出一种基于改进卷积神经网络（CNN）和射频（RF）指纹的无人机检测识别方法。首先，使用通用软件无线电外设（USRP）捕获环境中的无线电信号，经过多分辨率分析获取偏差值，检测是否为无人机射频信号；其次，将检测到的无人机射频信号经过小波变换和主成分分析（PCA）处理，获得射频信号频谱，作为神经网络的输入；最后，构建轻量级残差神经网络（LRCNN），输入射频频谱进行网络训练，进行无人机的分类识别。实验结果表明，所提方法可以有效检测并识别无人机信号，平均识别精度可达84%；在信噪比（SNR）大于20 dB时，LRCNN的识别精度达到了88%，相较于支持向量机（SVM）、原始OracleCNN分别提高31和7个百分点，在识别精度和鲁棒性方面比这两种方法均有所提升。

基于UMCS树的UML类图的混合相似性度量

袁中臣, 马宗民

2024, 44(3): 883-889. DOI: 10.11772/j.issn.1001-9081.2022111702

摘要 ( )

HTML ( )

PDF (2820KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

软件重用是基于给定条件从存储库中检索以前开发的软件产品，检索基于相似性度量。UML（Unified Modeling Language）类图被广泛应用于软件设计，UML类图重用作为软件设计重用的核心而备受关注。因此，对UML类图的相似性开展研究。类图包含语义和结构信息。目前，UML类图的相似性研究主要集中在语义，也有个别讨论结构相似性，但没有考虑将语义和结构相结合。因此，提出一种结合语义和结构的混合相似性度量。鉴于UML类图的非形式化特征，将UML类图转换成图模型，搜索最大公共子图列表，构建了最大公共子图树，提出一个基于最大公共子图序列的混合相似性度量方法。针对概念公共子图和结构公共子图分别定义了语义匹配和结构匹配，并开展了相似性对比和基于相似性的分类质量比较实验，实验结果验证了所提出方法的优势。

CT图像环形伪影去除方法研究现状及展望

唐瑶瑶, 朱叶晨, 刘仰川, 高欣

2024, 44(3): 890-900. DOI: 10.11772/j.issn.1001-9081.2023030305

摘要 ( )

HTML ( )

PDF (1994KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

环形伪影是各类型计算机断层扫描（CT）图像中最常见的伪影之一，通常是由于探测器像素对X射线响应不一致导致的。有效去除环形伪影能极大提高CT图像质量，提升后期诊断和分析的精度，是CT图像重建中的必要步骤。因此，对环形伪影去除（又称“环形伪影校正”）方法进行了系统梳理。首先，介绍环形伪影的表现和成因，给出常用的数据集、算法库；其次，依次介绍基于探测器校正、基于解析和迭代求解（分为投影数据预处理、CT图像重建、CT图像后处理环节）、基于深度学习（分为卷积神经网络、生成对抗网络）的环形伪影去除方法，并分析每类方法的原理、发展过程及优缺点；最后，归纳现有环形伪影去除方法在鲁棒性、数据集多样化、模型构建等方面存在的技术瓶颈，并对解决方案进行展望。

基于注意力机制和多粒度特征融合的跨视角匹配模型

蔡美玉, 朱润哲, 吴飞, 张开昱, 李家乐

2024, 44(3): 901-908. DOI: 10.11772/j.issn.1001-9081.2023040412

摘要 ( )

HTML ( )

PDF (3816KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

跨视角景象匹配是指从不同平台（如无人机、卫星等）发现同一地理目标的图像。然而，不同图像平台会导致无人机（UAV）定位和导航任务精度较低，现有方法通常只关注图像的单一维度，忽略了图像的多维特征。针对上述问题，提出一种全局注意力和多粒度特征融合（GAMF）深度神经网络以改进特征表示，提高特征可区分度。首先，GAMF模型结合无人机视角和卫星视角的图像，在统一的网络架构下延展为3个分支，从3个维度提取图像的空间位置、通道和局部特征；然后，建立空间全局关系注意力模块（SGAM）和通道全局注意力模块（CGAM），引入空间全局关系机制和通道注意力机制捕获全局信息，从而更好地进行注意力学习；其次，为了融合局部感知特征，引入局部划分策略，以更好地增强模型提取细粒度特征的能力；最后，联合3个维度的特征作为最后的特征对模型训练。在公开数据集University-1652上的实验结果表明，GAMF模型在无人机视觉定位任务上的平均精准率（AP）达到了87.41%，在无人机视觉导航任务中召回率（R@1）达到了90.30%。验证了GAMF模型能够有效聚合图像的多维特征，提高无人机定位和导航任务的准确性。

自适应地平线约束下的车辆三维检测

王伟, 赵春辉, 唐心瑶, 席刘钢

2024, 44(3): 909-915. DOI: 10.11772/j.issn.1001-9081.2023040416

摘要 ( )

HTML ( )

PDF (3570KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

目前较为常用的基于单目视觉的车辆三维检测方法是目标检测结合几何约束的方法，但是几何约束中消失点的位置对结果影响很大。为了获取更加准确的约束条件，提出一种基于地平线检测的车辆三维检测算法。首先，利用车辆图片获取消失点的相对位置，将车辆图片预处理至合适大小；然后，将经过预处理的车辆图片送入消失点检测网络，获得消失点信息热力图组，回归出消失点信息，并计算得出地平线信息；最后，根据地平线信息构建几何约束，在约束空间内对车辆初始尺寸迭代优化计算精确的车辆三维信息。实验结果表明，所述地平线求解算法能够获得更准确的地平线，与随机森林的方法相比，曲线下面积（AUC）提升1.730个百分点；同时，所提地平线约束能够有效地限制车辆三维信息，与使用对角线和消失点约束的算法相比，车辆三维信息的平均精度提升2.201个百分点。可见地平线可以作为几何约束在路侧单目相机的场景下求解车辆三维信息。

基于全变分正则项展开的迭代去噪网络

侯瑞峰, 张鹏程, 张丽媛, 桂志国, 刘祎, 张浩文, 王书斌

2024, 44(3): 916-921. DOI: 10.11772/j.issn.1001-9081.2023030376

摘要 ( )

HTML ( )

PDF (2529KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对神经网络训练存在解释能力差以及不稳定问题，提出一种基于CP （Chambolle-Pock）算法求解的全变分（TV）正则项展开去噪网络（CPTV-Net），用于解决低剂量计算机断层扫描（LDCT）图像去噪问题。首先，向L1正则项模型引入TV约束项，以保留图像的结构信息；其次，采用CP算法对去噪模型进行求解并得出具体迭代步骤，保证算法的收敛性；最后，借助浅层卷积神经网络学习线性操作的原始对偶变量迭代公式，用神经网络计算模型的解，并通过收集网络参数优化合并数据。在模拟和真实LDCT数据集上的实验结果表明，与残差编码器-解码器卷积神经网络（REDCNN）、TED-Net（Transformer Encoder-decoder Dilation Network）等五种先进的去噪方法相比，CPTV-Net具有较优的峰值信噪比（PSNR）、结构相似度（SSIM）和视觉信息保真度（VIF）评估值，能生成去噪效果明显和细节保留最为完整的LDCT图像。

非对称端到端的无监督图像去雨网络

江锐, 刘威, 陈成, 卢涛

2024, 44(3): 922-930. DOI: 10.11772/j.issn.1001-9081.2023030367

摘要 ( )

HTML ( )

PDF (3275KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

现有的基于学习的单幅图像去雨网络大都关注雨天图像中雨痕对于视觉成像的影响，而忽略了雨天环境下由于空气中湿度的增加所产生的雾气对视觉成像的影响，因此造成去雨后图像的生成质量低、纹理细节信息模糊等问题。针对该问题，提出一种非对称端到端的无监督图像去雨网络模型，该模型主要包含雨雾去除网络、雨雾特征提取网络和雨雾生成网络，并由它们组成两个不同数据域映射转换模块：Rain-Clean-Rain和Clean-Rain-Clean。上述三个子网络构成并行的两条转换路径：去雨路径和雨雾特征提取路径。在雨雾特征提取路径上，提出一种基于全局和局部注意力机制的雨雾感知提取网络，利用雨雾特征存在的全局自相似性和局部差异性学习雨-雾相关特征；在去雨路径上，引入雨天图像退化模型和上述提取的雨雾相关特征作为先验知识以增强雨雾图像生成的能力，从而约束雨雾去除网络，提高它从雨天数据域到无雨数据域的映射转换能力。在不同雨天图像数据集上的实验结果表明，与较先进的去雨方法CycleDerain相比，在合成雨雾数据集HeavyRain上所提方法的峰值信噪比（PSNR）提升了31.55%，能适应不同的雨天场景，具有更好的泛化性，并且能更好地复原图像的细节和纹理信息。

融合事件数据和图像帧的车辆目标检测

郑宇亮, 陈云华, 白伟杰, 陈平华

2024, 44(3): 931-937. DOI: 10.11772/j.issn.1001-9081.2023040420

摘要 ( )

HTML ( )

PDF (2274KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

将事件相机与传统相机结合进行车辆目标检测，既能解决传统相机在高动态范围下的过度曝光与曝光不足、运动模糊等问题，又能解决事件相机由于纹理信息缺失导致的检测精度不高的问题。现有融合算法往往存在计算复杂度高、特征信息丢失以及融合效果不佳等问题。为此，提出一种有效融合事件相机和传统相机的车辆目标检测算法。首先，提出一种基于事件计数（EF）和时间面（TS）的时空事件表示，将事件数据编码成事件帧；然后，提出一种基于通道和空间注意力机制的特征级融合模块（FCSA），对图像帧和事件帧进行特征级融合；最后，利用差分进化搜索算法优化先验框，以进一步提高车辆检测性能。此外，由于包含图像帧和事件数据的公开数据集较为缺乏，建立了一个车辆检测数据集MVSEC-CAR。实验结果表明，在公开数据集PKU-DDD17-CAR上，所提算法的平均精度均值（mAP）比次优的ADF（Attention fusion Detection Framework）提高了2.6个百分点，且获得了较高的帧率，有效提升了车辆目标检测的准确性和对光照的鲁棒性，验证了所提出的事件表示、特征融合和先验框优化算法的有效性。

多尺度特征和极化自注意力的Faster-RCNN水漂垃圾识别

蒋占军, 吴佰靖, 马龙, 廉敬

2024, 44(3): 938-944. DOI: 10.11772/j.issn.1001-9081.2023030368

摘要 ( )

HTML ( )

PDF (4460KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对小目标水漂垃圾形态多变、分辨率低且信息有限，导致检测效果不理想的问题，提出一种改进的Faster-RCNN（Faster Regions with Convolutional Neural Network）水漂垃圾检测算法MP-Faster-RCNN（Faster-RCNN with Multi-scale feature and Polarized self-attention）。首先，建立黄河兰州段小目标水漂垃圾数据集，将空洞卷积结合ResNet-50代替原来的VGG-16（Visual Geometry Group 16）作为主干特征提取网络，扩大感受野以提取更多小目标特征；其次，在区域生成网络（RPN）利用多尺度特征，设置3×3和1×1的两层卷积，补偿单一滑动窗口造成的特征丢失；最后，在RPN前加入极化自注意力，进一步利用多尺度和通道特征提取更细粒度的多尺度空间信息和通道间依赖关系，生成具有全局特征的特征图，实现更精确的目标框定位。实验结果表明，MP-Faster-RCNN能有效提高水漂垃圾检测精度，与原始Faster-RCNN相比，平均精度均值（mAP）提高了6.37个百分点，模型大小从521 MB降到了108 MB，且在同一训练批次下收敛更快。

结合注意力和多路径融合的实时肺结节检测算法

赵奎, 仇慧琪, 李旭, 徐知非

2024, 44(3): 945-952. DOI: 10.11772/j.issn.1001-9081.2023040424

摘要 ( )

HTML ( )

PDF (2387KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

现有单阶段目标检测算法在肺结节检测中结节检出不敏感，卷积神经网络（CNN）在特征提取时多次上采样导致微小结节特征提取困难、检测效果差，并且现存肺结节检测算法模型复杂，不利于实际应用部署落地。针对上述问题，提出一种结合注意力机制和多路径融合的实时肺结节检测算法，并在此基础上改进上采样算法，提升肺部结节的检测精度和模型推理速度，且模型的权重小容易部署。首先，在特征提取的主干网络部分融合通道和空间的混合注意力机制；其次，改进采样算法，提高生成特征图的质量；最后在加强特征提取网络部分，在不同路径之间建立通道，实现深层和浅层特征的融合，将不同尺度的语义和位置信息融合。在LUNA16数据集的实验结果表明，相较于原始YOLOv5s算法，所提算法的精确率、敏感度和平均精度分别提升9.5、6.9和8.7个百分点，帧率达到131.6 frame/s，模型权重文件仅有14.2 MB，表明了所提算法可以实时检测肺结节，并且精度远高于YOLOv3和YOLOv8等现有单阶段检测算法。

基于时变Copula函数的多部件系统可靠性评估

王蕾, 程世娟, 韩雨

2024, 44(3): 953-959. DOI: 10.11772/j.issn.1001-9081.2023040459

摘要 ( )

HTML ( )

PDF (1746KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对多部件失效相关的机械系统，提出一种基于时变Copula函数的多部件系统可靠性评估方法。首先，引入非线性Wiener过程刻画性能退化过程，并采用Copula函数刻画多部件失效间的相关性；其次，基于傅里叶级数近似Copula函数的演化方程，并通过蒙特卡洛（MC）模拟验证傅里叶级数对常见时变形式的拟合效果；此外，采用似然比统计量检验时变相关性的存在性，指明时变相关性研究的必要性。算例分析结果表明，与静态相关性模型相比，时变相关性模型对数似然函数值提高4.36%、赤池信息量准则（AIC）减小3.81%，可靠性评估结果更加准确。

动态事件触发下多智能体系统固定时间一致性

唐朝君, 夏梅妍, 张华, 谢挺

2024, 44(3): 960-965. DOI: 10.11772/j.issn.1001-9081.2023030320

摘要 ( )

HTML ( )

PDF (1279KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对具有未知干扰和非线性动态的多智能体系统，研究了它基于事件触发的固定时间一致性问题。在传统的静态事件触发策略的基础上，通过引入一个可调节的动态变量，提出一种基于动态事件触发策略的固定时间一致性协议，给出各个智能体基于状态信息和动态变量的动态事件触发函数，只有当各智能体的测量误差满足给定的触发函数时，事件才会被触发。引入的动态变量是可调节的阈值参数，能够进一步减少事件的触发次数，更有效地利用系统有限的资源。利用图论、固定时间一致性理论和李雅普诺夫稳定性理论推导出系统达到固定时间一致性时，一致性协议和触发函数中的参数需要满足的条件，同时证明了系统不存在芝诺行为。最后，数值仿真结果验证了理论分析的正确性与有效性。

基于改进灰狼优化的桥梁检测爬壁机器人全覆盖路径规划

黄海新, 于广威, 程寿山, 李春明

2024, 44(3): 966-971. DOI: 10.11772/j.issn.1001-9081.2023030334

摘要 ( )

HTML ( )

PDF (2953KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

基于爬壁机器人对混凝土桥梁健康进行自动巡检是推动桥梁管养智能化的有效途径，而合理的路径规划对机器人全面获取检测数据尤为重要。针对爬壁机器人电源重量限制与巡检时能源补充困难这一工程实际问题，充分考虑主梁、高墩等桥梁构件巡检场景，将能量消耗指标作为性能评价优化目标函数并建立相应约束条件，进而提出全覆盖路径规划评价模型。针对传统灰狼优化（GWO）算法易陷入局部最优的不足，提出一种改进的灰狼优化（IGWO）算法。IGWO算法通过K-means聚类改善了灰狼初始种群在搜索空间难以保持相对均匀分布的特性；以非线性收敛因子提高算法局部开发能力和全局搜索性能；结合粒子群算法个体优越性的思想对位置更新公式进行改进，提升算法的模型求解能力。仿真对比实验结果表明，IGWO算法相较于GWO、差分进化（DE）与遗传算法（GA）等全局优化算法，稳定性更好，能耗降低了10.2%~16.7%，迭代次数与求解时间分别减少了19.3%~36.9%和12.8%~32.3%，路径重复率降低了0.23~1.91个百分点，同时路径长度缩短1.6%~11.0%。

基于改进灰狼优化与支持向量回归的滑坡位移预测

任帅, 纪元法, 孙希延, 韦照川, 林子安

2024, 44(3): 972-982. DOI: 10.11772/j.issn.1001-9081.2023030331

摘要 ( )

HTML ( )

PDF (3878KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对滑坡位移难以预测、影响因素难以选择等问题，提出一种结合了二次移动平均（DMA）法、变分模态分解（VMD）、改进灰狼优化（IGWO）算法与支持向量回归（SVR）的模型进行滑坡位移预测。首先，利用DMA提取滑坡位移趋势项和周期项，采用多项式拟合对趋势项进行预测；其次，对滑坡周期项的影响因素进行分类，采用VMD对原始影响因子序列进行分解获得最优序列；再次，提出一种结合SVR与基于改进Circle多策略的灰狼优化算法CTGWO-SVR（Circle Tactics Grey Wolf Optimizer with SVR）对滑坡周期项进行预测；最后采用时间序列加法模型求出累计位移预测序列，并采用灰色预测的后验证差校验和小概率误差对模型进行评价。实验结果表明，与GA-SVR和GWO-SVR模型相比，CTGWO-SVR的预测精度更高，拟合度达到0.979，均方根误差分别减小了51.47%与59.25%，预测精度等级为一级，可满足滑坡预测的实时性和准确性要求。

面向牵引座焊缝表面质量检测的轻量型深度学习算法

黄子杰, 欧阳, 江德港, 郭彩玲, 李柏林

2024, 44(3): 983-988. DOI: 10.11772/j.issn.1001-9081.2023030349

摘要 ( )

HTML ( )

PDF (3404KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对人工和传统自动化算法检测牵引座焊缝表面存在检测精度低、速度低的问题，提出一种轻量型的牵引座焊缝表面质量检测算法YOLOv5s-G2CW。首先，用GhostBottleneckV2模块替换YOLOv5s中的C3模块以降低模型的参数量；其次，在YOLOv5s模型的Neck部分引入CBAM（Convolutional Block Attention Module），在通道和空间两个维度上融合焊缝特征；然后将YOLOv5s的定位损失函数改进为Wise-IoU以聚焦普通质量锚框的预测回归；最后移除YOLOv5s模型中用于大物体检测的 $13 × 13$ 特征层以进一步降低模型的参数量。实验结果表明，与YOLOv5s模型相比，YOLOv5s-G2CW的模型大小减小了53.9%，帧率提高了8.0%，平均精度均值（mAP）提高了0.8个百分点，能够满足牵引座焊缝表面质量检测的准确性和实时性要求。

自适应球形演化的药物-靶标相互作用预测方法

刘一迪, 温自豪, 任富香, 李诗音, 唐德玉

2024, 44(3): 989-994. DOI: 10.11772/j.issn.1001-9081.2023070929

摘要 ( )

HTML ( )

PDF (757KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

相较于传统药物的研发，药物-靶标的预测方法能够有效降低成本，加快研发进程，但是在实际应用中存在数据集平衡度低、预测精确率不高等问题。基于此，提出一种自适应球形演化的药物-靶标相互作用预测方法ASE-KELM（self-Adaptive Spherical Evolution based on Kernel Extreme Learning Machine）。该方法根据结构相似的药物与靶标更易存在相互作用的原理筛选出高置信度的负样本；并且为了解决球形演化算法易陷入局部最优的问题，利用搜索因子历史记忆的反馈机制及群大小线性递减的策略（LPSR），实现全局搜索和局部搜索的平衡，提高算法的寻优能力；然后利用自适应球形演化算法对核极限学习机（KELM）的参数进行优化。在基于黄金标准的数据集上将ASE-KELM与NetLapRLS（Network Laplacian Regularized Least Square）、BLM-NII（Bipartite Local Model with Neighbor-based Interaction profile Inferring）等算法进行对比，验证算法的性能。实验结果表明，在酶（E）、G-蛋白偶联受体（GPCR）、离子通道（IC）和核受体（NR）数据集中，ASE-KELM的ROC曲线下面积（AUC）与PR曲线下面积（AUPR）均优于对比算法；且基于DrugBank等数据库，ASE-KELM在预测新药物-靶标对的验证过程中表现良好。

当期目录