当期目录

2024年 第44卷 第9期 刊出日期：2024-09-10

上一期  

人工智能

知识图谱在装备故障诊断领域的研究与应用综述

武杰, 张安思, 吴茂东, 张仪宗, 王从宝

2024, 44(9):  2651-2659.  DOI: 10.11772/j.issn.1001-9081.2023091280

摘要 ( )   HTML ( )   PDF (2858KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

知识图谱从装备故障诊断数据中提取有用的知识，通过（实体，关系，实体）的三元组方式，对复杂装备的故障诊断信息进行有效管理，实现装备故障的快速诊断。首先，介绍装备故障诊断知识图谱的相关概念，分析装备故障诊断领域知识图谱的构建框架；其次，归纳国内外装备故障诊断知识图谱的知识抽取、知识融合以及知识推理等几个关键技术的研究现状；最后，对目前装备故障诊断知识图谱应用进行总结，提出该领域知识图谱构建的不足和面临的挑战，并对未来装备故障诊断领域提供一些新的思路。

基于自适应阈值学习的时序因果推断方法

赵秦壮, 谭红叶

2024, 44(9):  2660-2666.  DOI: 10.11772/j.issn.1001-9081.2023091278

摘要 ( )   HTML ( )   PDF (1142KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

时序数据存在近因性特点，即变量值普遍依赖近期的历史信息，而现有时序因果推断方法没有充分考虑时序数据的这种特性，在通过假设检验推断不同延迟的因果关系时使用统一的阈值，难以有效推断较弱的因果关系。针对上述问题，提出基于自适应阈值学习的时序因果推断方法：首先提取数据特性，其次根据不同延迟下数据呈现的性质，自动地学习假设检验过程中使用的阈值组合，最后将该阈值组合用于PC（Peter-Clark）算法、PCMCI（Peter-Clark and Momentary Conditional Independence）算法和VAR-LINGAM（Vector AutoRegressive LINear non-Gaussian Acyclic Model）算法的假设检验过程，以得到更准确的因果关系结构。在仿真数据集上的实验结果表明，采用所提方法的自适应PC算法、自适应PCMCI算法和自适应VAR-LINGAM算法的F1值都有所提高。

基于生成提示的无监督文本情感转换方法

黄于欣, 徐佳龙, 余正涛, 侯书楷, 周家啟

2024, 44(9):  2667-2673.  DOI: 10.11772/j.issn.1001-9081.2023091302

摘要 ( )   HTML ( )   PDF (916KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

文本情感转换是在保留内容的基础上更改文本的情感属性。由于缺乏平行语料，现有无监督文本情感转换的方法主要通过文本重建和分类损失来构建情感和内容的潜在表征，实现情感转换。然而，这种弱监督信号训练策略在提示学习范式下的模型性能退化严重。针对以上问题，提出一种基于生成提示的无监督文本情感转换方法。首先，通过提示生成器生成文本内容提示；其次，融合目标情感提示作为最终提示；最后，构建两阶段的训练策略，为模型训练提供平滑的训练梯度以解决模型性能退化的问题。在情感转换的公共数据集Yelp上的实验结果表明，所提方法的文本保留度、情感转换分数和BLEU（BiLingual Evaluation Understudy）显著优于基于生成的方法UnpairedRL，分别提高了39.1%、62.3%和14.5%。

APK-CNN和Transformer增强的多域虚假新闻检测模型

李金金, 桑国明, 张益嘉

2024, 44(9):  2674-2682.  DOI: 10.11772/j.issn.1001-9081.2023091359

摘要 ( )   HTML ( )   PDF (1378KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为解决社交媒体新闻中的领域转移、领域标签不完整问题，以及探索更高效的多域新闻文本特征提取和融合网络，提出一种基于APK-CNN（Adaptive Pooling Kernel Convolutional Neural Network）和Transformer增强的多域虚假新闻检测模型Transm3。首先，设计三通道网络对文本的语义、情感和风格信息进行特征提取和表示，并利用多粒度跨域交互器对这些特征进行视图组合；其次，通过优化的软共享内存网络和域适配器来完善新闻领域标签；再次，将Transformer与多粒度跨域交互器结合，使用更先进的融合网络动态加权聚合不同领域的交互特征；最后，将融合特征输入分类器中用于真/假新闻判别。实验结果表明，Transm3与M³FEND（Memory-guided Multi-view Multi-domain FakE News Detection）和EANN（Event Adversarial Neural Networks for multi-modal fake news detection）相比，综合F1值在中文数据集上分别提高了3.68%和6.46%，在英文数据集上分别提高了6.75%和11.93%，在各分领域上F1值也有明显的提高，充分验证了Transm3在多域虚假新闻检测工作上的有效性。

基于双向对比训练的中文故事结尾生成模型

帅奇, 王海瑞, 朱贵富

2024, 44(9):  2683-2688.  DOI: 10.11772/j.issn.1001-9081.2023091244

摘要 ( )   HTML ( )   PDF (909KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

中文故事结尾生成（SEG）是自然语言处理中的下游任务之一。基于全错误结尾的CLSEG（Contrastive Learning of Story Ending Generation）在故事的一致性方面表现较好。然而，由于错误结尾中也包含与原结尾文本相同的内容，仅使用错误结尾的对比训练会导致生成文本中原结尾正确的主要部分被剥离。因此，在CLSEG基础上增加正向结尾增强训练，以保留对比训练中损失的正确部分；同时，通过正向结尾的引入，使生成的结尾具有更强的多样性和关联性。基于双向对比训练的中文故事结尾生成模型包含两个主要部分：1）多结尾采样，通过不同的模型方法获取正向增强的结尾和反向对比的错误结尾；2）对比训练，在训练过程中修改损失函数，使生成的结尾接近正向结尾，远离错误结尾。在公开的故事数据集OutGen上的实验结果表明，相较于GPT2.ft和深层逐层隐变量融合（Della）等模型，所提模型的BERTScore、METEOR等指标均取得了较优的结果，生成的结尾具有更强的多样性和关联性。

基于语义增强模式链接的Text-to-SQL模型

吴相岚, 肖洋, 刘梦莹, 刘明铭

2024, 44(9):  2689-2695.  DOI: 10.11772/j.issn.1001-9081.2023091360

摘要 ( )   HTML ( )   PDF (739KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为优化基于异构图编码器的Text-to-SQL生成效果，提出SELSQL模型。首先，模型采用端到端的学习框架，使用双曲空间下的庞加莱距离度量替代欧氏距离度量，以此优化使用探针技术从预训练语言模型中构建的语义增强的模式链接图；其次，利用K头加权的余弦相似度以及图正则化方法学习相似度度量图使得初始模式链接图在训练中迭代优化；最后，使用改良的关系图注意力网络（RGAT）图编码器以及多头注意力机制对两个模块的联合语义模式链接图进行编码，并且使用基于语法的神经语义解码器和预定义的结构化语言进行结构化查询语言（SQL）语句解码。在Spider数据集上的实验结果表明，使用ELECTRA-large预训练模型时，SELSQL模型比最佳基线模型的准确率提升了2.5个百分点，对于复杂SQL语句生成的提升效果很大。

数据科学与技术

基于自注意力融合的不完整多视图聚类算法

李顺勇, 李师毅, 胥瑞, 赵兴旺

2024, 44(9):  2696-2703.  DOI: 10.11772/j.issn.1001-9081.2023091253

摘要 ( )   HTML ( )   PDF (2806KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

基于不完整数据的多视图聚类任务已经成为无监督学习领域的研究热点之一。然而大多数基于“浅层”模型的多视图聚类算法通常在面对大规模高维数据时难以提取和刻画视图内的潜在特征结构；同时，堆叠或求平均的多视图信息融合方式忽视了视图之间的差异性，没有充分考虑各视图对构建公共一致表示的不同贡献。针对以上问题，提出一种基于自注意力融合的不完整多视图聚类算法（IMVCSAF）。首先，基于深度自编码器提取各视图的潜在特征，并采用对比学习的方式最大化各视图间的一致性信息；其次，采用自注意力机制对各视图的潜在表示进行重新编码和融合，并全面考虑和挖掘不同视图之间的内在因果性和特征互补性；再次，基于公共一致表示对缺失实例样本的潜在表示进行预测和恢复，从而完整地实现多视图聚类的过程。在Scene-15、LandUse-21、Caltech101-20和Noisy-MNIST数据集上的实验结果表明，IMVCSAF在满足收敛性要求的前提下得到的准确率均高于其他对比算法，而在50%缺失率的Noisy-MNIST数据集上，IMVCSAF的准确率比次优的COMPLETER（inCOMPlete muLti-view clustEring via conTrastivE pRediction）算法提高了6.58个百分点。

结合自我特征和对比学习的推荐模型

杨兴耀, 陈羽, 于炯, 张祖莲, 陈嘉颖, 王东晓

2024, 44(9):  2704-2710.  DOI: 10.11772/j.issn.1001-9081.2023091264

摘要 ( )   HTML ( )   PDF (1737KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对图神经网络推荐中图卷积在消息传递过程的嵌入表示过平滑和噪声问题，提出一种结合自我特征和对比学习的推荐模型（SfCLRec）。采用预训练-正式训练架构训练模型，首先预训练用户和项目的嵌入表示，通过融合节点自我特征维持节点本身的特征唯一性，并引入层级对比学习任务减少来自高阶邻居节点中的噪声；其次，在正式训练阶段根据评分机制重新构建协同图邻接矩阵；最后，根据最终嵌入得到预测评分。实验结果表明，相较于LightGCN、SimGCL（Simple Graph Contrastive Learning）等现有图神经网络推荐模型，SfCLRec在3个公开数据集ML-latest-small、Last.FM和Yelp中均取得了较好的召回率和归一化折损累计增益（NDCG），验证了SfCLRec的有效性。

基于图辅助学习的会话推荐

唐廷杰, 黄佳进, 秦进

2024, 44(9):  2711-2718.  DOI: 10.11772/j.issn.1001-9081.2023091257

摘要 ( )   HTML ( )   PDF (1786KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有的自监督对比任务未能充分利用原始数据中的丰富语义以及缺乏通用性的问题，提出一种基于图辅助学习的会话推荐（SR-GAL）模型。首先，在图神经网络（GNN）的基础上引入具有表示一致性（RC）的编码通道，从原始数据中挖掘更有价值的自监督信号；其次，为了充分利用这些自监督信号，设计了与目标任务关系紧密的预测性辅助任务和约束性辅助任务；最后，开发了一个简单且与GNN模型无关的辅助学习框架，将两个辅助任务与推荐任务统一起来，从而提高GNN模型的推荐性能。与次优的对比模型CGSNet（Contrastive Graph Self-attention Network）相比，在Diginetica数据集上，所提模型的精确率P@20和平均倒数排名MRR@20提升了0.58%和1.61%；在Tmall数据集上，所提的模型的P@20和MRR@20分别提升了12.65%和8.41%，验证了该模型的有效性。在多个真实数据集上的实验结果表明，SR-GAL模型优于较先进的模型，并且具有良好的可扩展性和通用性。

基于图神经网络的多层信息交互融合算法用于会话推荐

杨航, 李汪根, 张根生, 王志格, 开新

2024, 44(9):  2719-2725.  DOI: 10.11772/j.issn.1001-9081.2023091255

摘要 ( )   HTML ( )   PDF (1517KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对当前会话推荐中存在对于当前会话的项目转换信息挖掘不充分且极少利用其他会话信息的问题，提出一种基于图神经网络的多层信息交互融合算法用于会话推荐。基于当前会话，首先，对节点之间的连接关系设计不同的权重聚合邻域节点的信息，并挖掘当前会话中项目转换的显性信息；其次，通过基于堆叠的残差图注意力网络聚合邻域节点信息，挖掘当前会话中项目转换的隐性信息；最后，通过单门控图神经网络挖掘基于时间戳的会话中存在的序列依赖信息。基于其他会话，通过节点的一阶邻居将整个会话集联系起来，学习全局信息编码，进而融合4个层次的嵌入表示以获得更全面的项目转换信息，同时使用软注意力机制和反向位置嵌入信息对获得的项目转换信息进行更有效的融合。实验结果表明，在Diginetica数据集上，所提模型的精度P@20和平均倒数排名MRR@20较次优模型GCE-GNN（Global Context Enhanced Graph Neural Network）分别提升了0.79%和0.84%；在Tmall数据集上，所提模型的P@20和MRR@20较次优模型HyperS²Rec分别提升了8.23%和7.86%；在Nowplaying数据集上，所提模型的P@20和MRR@20较次优模型HyperS²Rec分别提升了1.33%和7.16%。

构建预训练动态图神经网络预测学术合作行为消失

杜郁, 朱焱

2024, 44(9):  2726-2731.  DOI: 10.11772/j.issn.1001-9081.2023091325

摘要 ( )   HTML ( )   PDF (1708KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

现有链接消失问题研究工作一部分只停留在发现和分析链接消失的原因上，一部分仅使用静态网络表示进行预测，很少从网络动态演化的角度分析链接消失预测问题。针对以上研究现状，提出一种预训练动态图神经网络学术合作行为消失预测模型PreDGN（Pre-trained Dynamic Graph neural Network）。PreDGN首先通过动态图生成预训练任务捕捉动态网络的时间信息，同时利用时序模体构造的边特征补充网络的拓扑信息；其次，结合基于时间编码的注意力节点嵌入，能够更精准地学习节点的表征。经过预训练的模型学习了动态图的历史信息，而且可以在特定的学术合作行为消失预测任务中进行微调。使用公开学术合作数据集HepTh中不同时间跨度、不同数据规模数据进行实验的结果表明，在1996、1997、94—96和97—99子数据集上，相较于次优的动态图神经网络方法（DyRep），所提模型的曲线下面积（AUC）指标分别提高了10.47、8.16、13.41和3.27个百分点，平均精度（AP）指标分别提高了5.87、2.15、8.26和3.01个百分点。

基于解耦注意力机制的多变量时序预测模型

李力铤, 华蓓, 贺若舟, 徐况

2024, 44(9):  2732-2738.  DOI: 10.11772/j.issn.1001-9081.2023091301

摘要 ( )   HTML ( )   PDF (1545KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对多变量时序预测难以充分利用序列上下文语义信息及变量间隐含关联信息的问题，提出一种基于解耦注意力机制的多变量时序预测模型Decformer。首先，提出一种解耦注意力机制，从而充分利用嵌入的语义信息提升注意力权值分配的准确度；其次，提出一种不依赖于显式变量关系的模式关联挖掘方法，以挖掘并利用变量间隐含的模式关联信息。在话务量、电力消耗和交通3种不同类型的真实数据集（TTV、ECL和PeMS-Bay）上，与长短期时间序列网络（LSTNet）、Transformer、FEDformer等优秀的开源多变量时序预测模型相比，Decformer在所有预测时间长度上都取得了最高的预测精度。相较于LSTNet，Decformer在TTV、ECL和PeMS-Bay数据集上的平均绝对误差（MAE）分别降低了17.73%~27.32%、10.89%~17.01%和13.03%~19.64%；均方误差（MSE）分别降低了23.53%~58.96%、16.36%~23.56%和15.91%~26.30%。实验结果表明，Decformer能够有效提升多变量时序预测的精度。

基于DFT的频率敏感双分支Transformer多变量长时间序列预测方法

任烈弘, 黄铝文, 田旭, 段飞

2024, 44(9):  2739-2746.  DOI: 10.11772/j.issn.1001-9081.2023091320

摘要 ( )   HTML ( )   PDF (3137KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

在进行多变量长时间序列预测时，仅利用时域分析通常无法充分捕捉长时间序列依赖，而这会导致信息利用率不足、预测精度不够高。因此，结合频域时域分析，提出一种基于离散傅里叶变换（DFT）的频率敏感双分支多变量长时间序列预测（FSDformer）方法。首先，通过DFT实现时间和频率的相互转换，从而将复杂的时间序列数据分解为结构简单的低频趋势项、中频季节项和高频余项3个分量；其次，采用双分支结构，针对中高频分量预测，应用Encoder-Decoder结构，设计了周期性增强注意力机制；针对低频趋势分量预测，采用多层感知机（MLP）结构；最后将中高频分量与低频分量预测结果相加，得到多变量长时间序列的最终预测结果。在2个数据集上把FSDformer与其他5个经典算法进行了对比分析，在Electricity数据集上，当历史序列长度为96，预测序列长度为336时，相较于Autoformer等对比算法，FSDformer的平均绝对误差（MAE）下降了11.5%~29.1%，均方误差（MSE）下降了20.9%~43.7%，达到了最优预测精度。实验结果表明，FSDformer能有效捕捉长时间序列的相关依赖，在提升预测精度和计算效率的同时，增强了模型预测的稳定性。

基于需求模式自适应匹配的间歇性需求预测方法

范黎林, 曹富康, 王琬婷, 杨凯, 宋钊瑜

2024, 44(9):  2747-2755.  DOI: 10.11772/j.issn.1001-9081.2023091372

摘要 ( )   HTML ( )   PDF (1955KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

大型制造企业售后配件的需求分布稀疏、波动性大，需求频率和需求数量不确定性较高，序列呈现出典型的间歇性特点。在实际运维中，配件需求在频率和数量方面存在较大波动，从而产生变化多样的需求模式，而现有间歇性需求预测主要采用单一或静态组合的固定预测模型，难以充分挖掘不同需求模式下需求序列的演化规律，预测精度和稳定性均难以保证。为解决上述问题，提出一种基于需求模式自适应匹配的间歇性需求预测方法，通过动态识别和匹配需求模式提升间歇性序列预测效果。该方法包括两个阶段：在模型训练阶段，首先，根据配件历史需求数据的间歇性特征，将它划分为需求量序列和间隔量序列，并对两类序列分别进行聚类，以捕获每类序列对应的不同需求和间隔模式；其次，建立包含统计学分析模型、浅层机器学习模型及深度学习模型的预测模型库，测试各模型对每种需求模式的预测效果，识别并标记每类需求模式的最优预测模型。在预测阶段，将待预测序列划分为需求量序列和间隔量序列，确定需求模式并匹配最佳预测模型，进而将需求量和间隔量的预测值合并，形成最终预测结果。在美国汽车公司和英国空军的间歇性配件需求数据集上的实验结果表明，所提方法可适用于不同需求模式的配件历史数据，通过自适应匹配需求模式和最优预测模型，有效提升了预测精度。

网络空间安全

基于样本预处理的低成本对抗样本防御算法

陈虓, 昌燕, 王丹琛, 张仕斌

2024, 44(9):  2756-2762.  DOI: 10.11772/j.issn.1001-9081.2023091249

摘要 ( )   HTML ( )   PDF (1915KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为尽可能防御现有的各种针对人工智能算法（特别是人工神经网络）的攻击方法，同时降低由此带来的额外开销，提出基于样本预处理的藤牌算法。通过切割图像非重要信息部分、邻近像素值统一化和图像放缩3种方法对样本进行预处理，破坏对抗扰动，生成对模型威胁更小的新样本，以确保模型识别的高准确率。实验结果表明，藤牌算法可以在比同类算法开销更小的情况下，防御针对MNIST、CIFAR10数据集和squeezenet1_1、mnasnet1_3、mobilenet_v3_large神经网络模型的对抗攻击，防御后的样本准确率最低可达88.50%；同时在处理干净样本时也不会过多降低样本准确率，防御效果和防御成本都优于FGSM（Fast Gradient Sign Method）和MIM（Momentum Iterative Method）等对比算法。

应对零日攻击的混合车联网入侵检测系统

方介泼, 陶重犇

2024, 44(9):  2763-2769.  DOI: 10.11772/j.issn.1001-9081.2023091328

摘要 ( )   HTML ( )   PDF (2618KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

现有机器学习方法在面对零日攻击检测时，存在对样本数据过度依赖以及对异常数据不敏感的问题，从而导致入侵检测系统（IDS）难以有效防御零日攻击。因此，提出一种基于Transformer和自适应模糊神经网络推理系统（ANFIS）的混合车联网入侵检测系统。首先，设计了一种数据增强算法，通过先去除噪声再生成的方法解决了数据样本不平衡的问题；其次，将非线性特征交互引入复杂的特征组合，设计了一个特征工程模块；最后，将Transformer的自注意力机制和ANFIS的自适应学习方法相结合，以提高特征表征能力，减少对样本数据的依赖。在CICIDS-2017和UNSW-NB15入侵数据集上将所提系统与Dual-IDS等先进（SOTA）算法进行比较。实验结果表明，对于零日攻击，所提系统在CICIDS-2017入侵数据集上实现了98.64%的检测精确率和98.31%的F1值，在UNSW-NB15入侵数据集上实现了93.07%的检测精确率和92.43%的F1值，验证了所提算法在零日攻击检测方面的高准确性和强泛化能力。

面向联邦学习的随机验证区块链构建

陈廷伟, 张嘉诚, 王俊陆

2024, 44(9):  2770-2776.  DOI: 10.11772/j.issn.1001-9081.2023091254

摘要 ( )   HTML ( )   PDF (1975KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有联邦学习模型中存在的本地设备模型梯度泄露、中心化服务器设备可随意退出、全局模型无法抵御恶意用户攻击等问题，提出面向联邦学习的随机验证区块链构建及隐私保护方法。首先，引入可验证哈希函数以随机选举区块链的领导节点，确保节点出块的公平性；其次，设计了验证节点的交叉检测机制防御恶意节点的攻击；最后，基于差分隐私技术训练区块链节点，根据节点对模型的贡献程度构建激励规则进行节点激励，提高联邦学习模型的训练准确率。实验结果表明，所提方法在20%恶意节点的情况下，对于恶意节点的投毒攻击能够达到80%的准确率，相较于Google FL提升了61个百分点，而所提方法在噪声方差为10^-3时梯度匹配损失比Google FL提升了14个百分点。可见，相较于Google FL等联邦学习方法，所提方法在提升模型的安全性前提下能够保证良好的精确度，具有更好的安全性和鲁棒性。

结合差分隐私与安全聚集的联邦空间数据发布方法

张治政, 张啸剑, 王俊清, 冯光辉

2024, 44(9):  2777-2784.  DOI: 10.11772/j.issn.1001-9081.2023091296

摘要 ( )   HTML ( )   PDF (2235KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对联邦空间数据的数据孤岛问题、空间数据索引问题以及发布联邦空间数据存在的隐私问题，提出基于动态四分树的联邦空间数据发布（FSP）方法。首先，在FSP方法的每轮迭代中，服务端把四分树副本共享给该轮中每个客户端，每个客户端利用四分树副本编码自身位置数据，利用Polya分布产生离散噪声在本地扰动编码结果；其次，结合容错学习（LWE）生成本地掩码对噪声结果进行加密；再次，安全聚集端结合该轮迭代中每个客户端的报告值，执行安全聚集与消除掩码操作，然后把聚集结果发送给服务端；最后，服务端结合收集的编码向量与噪声方差自底向上地动态修剪四分树结构。在Beijing、Checkin、NYC和Landmark 4个空间数据集上的实验结果表明，FSP方法在保证客户端隐私的同时，与已有的较好的联邦空间数据发布方法AHH（Adaptive Hierarchical Histograms）相比，在隐私预算为1.8时，FSP的均方误差（MSE）分别降低了3.80％、2.96％、7.51％和14.13％。可见使用FSP方法进行联邦空间数据发布的精度优于同类方法。

基于GPU的大状态密码S盒差分性质评估方法

张润莲, 张密, 武小年, 舒瑞

2024, 44(9):  2785-2790.  DOI: 10.11772/j.issn.1001-9081.2023091268

摘要 ( )   HTML ( )   PDF (1245KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

大状态的密码S盒能够为对称密码算法提供更好的混淆性，但对大状态S盒的性质评估开销巨大。为高效评估大状态密码S盒的差分性质，提出基于GPU并行计算的大状态密码S盒差分性质评估方法。该方法基于现有的差分均匀度计算方法，针对16比特S盒的差分均匀度和32比特S盒的差分性质，分别设计GPU并行方案，通过优化GPU并行粒度和负载均衡提高了核函数和GPU的执行效率，并缩短了计算时间。测试结果表明，相较于CPU方法和GPU并行方法，所提方法大幅降低了大状态S盒差分性质评估的计算时间，提高了对大状态S盒差分性质的评估效率：对16比特S盒差分均匀度的计算时间为0.3 min；对32比特S盒的单个输入差分的最大输出差分概率计算时间约5 min，对它的差分性质计算时间约2.6 h。

面向SQLite的多密钥页级别加密系统

李旭东, 冯宇康, 陈俊升

2024, 44(9):  2791-2801.  DOI: 10.11772/j.issn.1001-9081.2023091362

摘要 ( )   HTML ( )   PDF (3204KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

目前国内外对于SQLite的加密的研究粒度级别都是文件级别，且采取的都是单一密钥，加密粒度粗、破解难度低。针对SQLite的安全性不足的问题，设计了一个多密钥页级别加密系统。首先，为每一个物理页设置一个独立的页密钥，每个页面独立加解密，并引入密钥文件存放所有页密钥；其次，在内存中引入一个页密钥缓存器KeyCache生成和缓存物理页的页密钥，减少页密钥频繁I/O读写的性能损失；再次，设计了加解密模块Crypto实现物理页的加密和解密功能，Crypto通过KeyCache快速获取页密钥从而提升整个系统的处理性能。将所提系统和典型的SQLCipher等进行对比实验：在读取测试和修改测试中，相较于SQLCipher，所提系统的执行时间平均缩短了1.5%和3.0%，能在安全级别更高的情况下达到更好的性能；而在新增测试和删除测试中，所提系统相较于SQLCipher的性能损失很小，在大幅提升安全级别的情况下性能损失接近。实验结果验证了所提系统的有效性。

先进计算

基于图形重写和融合探索的张量虚拟机算符融合优化

王娜, 蒋林, 李远成, 朱筠

2024, 44(9):  2802-2809.  DOI: 10.11772/j.issn.1001-9081.2023091252

摘要 ( )   HTML ( )   PDF (2329KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对计算密集型神经网络在使用张量虚拟机（TVM）算符融合过程中对计算图进行逐层查找导致访问次数过多、内存资源利用率低等问题，提出一种基于图形重写和融合探索的TVM算符融合优化方法。首先，对运算符的映射类型进行分析；其次，基于运算定律对计算图进行重写，简化计算图结构以减少中间结果生成，降低内存资源消耗并提升融合效率；再次，采用融合探索算法寻找融合代价较小的算符优先进行融合，避免数据冗余和寄存器溢出；最后，在CPU上实现神经网络算符融合，并测试融合加速性能。实验结果表明，所提方法可有效减少计算图层数和算符个数，降低访存频率和数据传输量。与TVM算符融合方法相比，所提方法在融合过程中的计算图层数平均减少18%，推理速度平均提升23%，验证了该方法在优化计算图融合过程中的有效性。

改进的KLEIN算法及其量子分析

李艳俊, 葛耀东, 王琦, 张伟国, 刘琛

2024, 44(9):  2810-2817.  DOI: 10.11772/j.issn.1001-9081.2023091333

摘要 ( )   HTML ( )   PDF (1882KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

KLEIN自提出之后经历了截断差分分析、积分分析等攻击，加密结构具有实际安全性，但是由于密钥扩展算法的脆弱性导致了全轮密钥恢复攻击。首先，修改密钥扩展算法，提出一种改进后的算法N-KLEIN；其次，采用in-place方法对S盒进行高效量子电路实现，减小了电路的宽度和深度，提高了量子电路的实现效率；再次，使用LUP分解技术实现混淆操作的量子化；继次，对N-KLEIN进行量子电路设计，提出全轮N-KLEIN的高效量子电路。最后，评估N-KLEIN算法量子实现的资源占用，并与PRESENT、HIGHT等现有的轻量级分组密码的量子实现占用资源进行对比；同时，基于Grover算法对密钥搜索攻击所需要的代价进行深入研究，给出Clifford+T模型下N-KLEIN-｛64，80，96｝使用Grover算法搜索密钥需要的代价，并评估了N-KLEIN的量子安全性。对比结果表明，N-KLEIN算法量子实现的成本明显较低。

融合多狩猎协调策略的爬行动物搜索算法

力尚龙, 刘建华, 贾鹤鸣

2024, 44(9):  2818-2828.  DOI: 10.11772/j.issn.1001-9081.2023091304

摘要 ( )   HTML ( )   PDF (1883KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

爬行动物搜索算法（RSA）具有较强的全局探索能力，但开发能力相对薄弱，在迭代后期无法较好地收敛。针对上述问题，综合教与学优化（TLBO）算法、二次插值的天牛须搜索（BAS）算法和透镜成像反向学习策略，提出一种融合多狩猎协调策略的爬行动物搜索算法（MHCS-RSA）。MHCS-RSA保留了RSA包围阶段（全局探索）和狩猎阶段（局部开发）中狩猎合作的位置更新公式，在狩猎阶段，将狩猎协调融合TLBO算法的学习阶段和二次插值的BAS进行位置更新，以增强算法的开发能力和收敛能力；此外，引入透镜成像反向学习策略以增强算法跳出局部最优的能力。在CEC 2020测试函数上的实验结果表明，MHCS-RSA具有良好的寻优能力、收敛能力以及鲁棒性。最后通过对拉力/压力弹簧设计问题和减速器设计问题的求解，进一步验证了MHCS-RSA求解实际问题的有效性。

基于神经网络优化的花朵授粉算法

姚光磊, 熊菊霞, 杨国武

2024, 44(9):  2829-2837.  DOI: 10.11772/j.issn.1001-9081.2023081143

摘要 ( )   HTML ( )   PDF (1631KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为了降低花朵授粉算法（FPA）重复探索的情况，并提高算法的种群多样性和空间搜索能力，提出一种基于神经网络优化的花朵授粉算法（NNFPA）。设定自适应控制因子，从而动态地切换全局与局部搜索；利用多方信息的全局搜索策略提高算法收敛速度并维持花粉种群的多样性，同时减少在算法迭代后期种群对社会属性的依赖；基于神经网络的局部搜索策略让算法具有记忆功能，这样算法就能具有稳定搜索策略，从而降低算法的不确定性，使它能更充分地探索解空间。选取9个常规测试函数与CEC2014测试集中的部分函数进行仿真实验，得到的结果表明：与标准FPA以及变种算法HSFPA（FPA based on Hybrid Strategy）相比，NNFPA在所选测试函数上具有较高的搜索精度和收敛速度。可见NNFPA具有更好的寻优能力。

基于可校正强化搜索遗传算法的光学系统自动设计

刘栋, 李晨航, 吴长茂, 茹法鑫, 夏媛媛

2024, 44(9):  2838-2847.  DOI: 10.11772/j.issn.1001-9081.2023081156

摘要 ( )   HTML ( )   PDF (7775KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

阻尼最小二乘法（DLS）与遗传算法（GA）均适用于光学系统自动设计，前者搜索效率高但极易陷入局部极值陷阱，后者光学结构参数空间全局搜索能力强但局部搜索能力弱。针对上述问题，提出一种可校正强化搜索GA（CRSGA）。该算法在GA基础上进行了两方面的改进：首先，在GA交叉算子后，引入DLS增强局部搜索能力；其次，引入校正策略，即在下轮迭代前按比例回滚进化后评价函数值变差的个体以校正进化结果。选取双高斯（DG）、反远摄（RT）和有限共轭距成像（FCDI）这3种典型光学系统设计实验以验证CRSGA的有效性，CRSGA优化效果优于DLS、GA，且依次优于商业光学设计软件Zemax阻尼最小二乘法约8.92%、12.19%和9.39%，特别是优化结果分别达到Zemax HAMMER算法的99.98%、94.33%和88.45%。实验结果表明，所提算法对光学系统优化效果良好，可用于光学系统自动设计工作。

网络与通信

LoRa信号干扰分析与性能研究

花敏, 魏佳楠, 赵伟, 孟硕

2024, 44(9):  2848-2854.  DOI: 10.11772/j.issn.1001-9081.2023091233

摘要 ( )   HTML ( )   PDF (1962KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

LoRa（Long Range radio）系统在当前不断发展的低功率广域网（LPWAN）中处于相对领先地位。它的MAC层采用的是基于ALOHA的接入协议。该接入机制虽然简单易实现，但同时也容易加剧冲突和碰撞的发生，降低整个系统的通信性能。因此，需要研究多个终端同时占用信道资源时的相互干扰情况，而LoRa信号的扩频因子（SF）将决定信号的通信覆盖范围。因此，分析了干扰信号的SF与发送信号的SF相同以及不同时，干扰信号对发送信号解调性能的影响。实验结果表明，相同SF信号间的干扰影响相对较大，而干扰信号使用的SF与发送信号不同时，干扰的影响相对较小。通过理论分析，获得了接收端正确解调时所要求的信干比（SIR）。可见，不同SF的LoRa信号可看作伪正交。

D2D通信系统中基于图卷积网络的分布式功率控制算法

庞川林, 唐睿, 张睿智, 刘川, 刘佳, 岳士博

2024, 44(9):  2855-2862.  DOI: 10.11772/j.issn.1001-9081.2023081221

摘要 ( )   HTML ( )   PDF (2647KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为有效控制终端直通（D2D）通信系统中的同频干扰并降低它的实现复杂度，提出一种基于图卷积网络（GCN）的分布式功率控制算法，旨在最大化所有D2D链路的加权和速率。首先将系统拓扑结构建模为图模型并定义节点和边的特征以及消息传递方式，随后借助无监督学习模型训练GCN中的模型参数。离线训练后，每条D2D链路可根据局部信道状态信息以及与相邻节点的交互过程来分布式地得到最佳功率控制策略。实验结果表明，相较于基于优化理论的算法，所提算法缩短了97.41%的运算时间且仅损失了3.409%的加权和速率；相较于基于深度强化学习理论的算法，所提算法具有良好的泛化能力，在不同参数设置下表现更加稳定。

计算机软件技术

基于程序依赖关系的变异体生成策略

田甜, 邵阳阳, 王苗苗, 杨欢

2024, 44(9):  2863-2870.  DOI: 10.11772/j.issn.1001-9081.2023091319

摘要 ( )   HTML ( )   PDF (1314KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对数量庞大的变异体导致高昂变异测试代价的问题，提出一种基于程序依赖关系的变异体生成（PDMG）策略，选择满足一定约束条件的变异实施对象用于变异体生成。首先，基于数据依赖和控制依赖生成程序依赖图；其次，基于变异对象选择策略和程序依赖图选择被依赖语句作为变异对象；最后，对选择的变异对象注入变异算子生成变异体。将所提策略用于8个基准测试程序的变异测试。实验结果表明，与随机选择（RS）和变异算子选择（MOS）策略相比，PDMG策略在不降低变异测试有效性的前提下，平均减少了52.20%的变异体，提高了变异测试的执行效率。

多媒体计算与计算机仿真

基于多级特征双向融合的小目标检测优化模型

潘烨新, 杨哲

2024, 44(9):  2871-2877.  DOI: 10.11772/j.issn.1001-9081.2023091274

摘要 ( )   HTML ( )   PDF (1447KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

由于自身特征较小以及网络的深度造成特征丢失等客观原因，小目标的检测一直是目标检测领域的难点问题。针对以上问题，提出基于网络结构进行多次特征增强以优化小目标检测的模型。首先，替换主干网络中的空间金字塔池化（SPP）以优化梯度计算；其次，对网络颈部实行区分特征级别的多级双向融合，并对输出头添加自适应特征融合（AFF）模块，以实现多级的特征增强。实验结果表明，在COCO2017-val数据集上，当交并比（IoU）为0.5时，所提模型的平均精度均值达到61.4%，与目前较流行的YOLOv7模型相比提高了4.7个百分点，同时在单GPU上模型的检测帧率为78.2 frame/s，满足工业检测速度要求。

用于RGBT跟踪的孪生混合信息融合算法

黄颖, 杨佳宇, 金家昊, 万邦睿

2024, 44(9):  2878-2885.  DOI: 10.11772/j.issn.1001-9081.2023081223

摘要 ( )   HTML ( )   PDF (3144KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

可见光与热红外跟踪（又称RGBT（RGB-Thermal）跟踪）的核心是有效地利用不同模态的信息，针对决策级融合中单分支产生低质结果影响算法判定目标的问题，提出一个用于RGBT跟踪的孪生混合信息融合算法SiamMIF。首先，使用孪生主干网络（SBN）进行多模态特征提取；其次，从信噪比的角度分析低质图像对双分支并行决策产生的影响，进而设计了一个信噪比驱动的信息交互模块（IIM）对低信噪比特征进行信息互补；再次，利用双流无锚跟踪头（ADH）对补偿后的特征进行分类回归；最后，采用自适应轻量决策模块（ALDM）对跟踪结果进行融合，并快速判定目标位置。在4个RGBT基准数据集GTOT、RGBT234、VOT-RGBT2019和LasHeR上的实验结果表明，所提算法在LasHeR数据集上的成功率和精确度分别为0.396和0.518，相较于APFNet（Attribute-based Progressive Fusion Network）提升9.4%和3.6%，在其他3个数据集上也能取得较好结果，且在GPU上的帧率能达到40 frame/s。

基于双重注意力机制的人群计数方法

赵志强, 马培红, 黑新宏

2024, 44(9):  2886-2892.  DOI: 10.11772/j.issn.1001-9081.2023091269

摘要 ( )   HTML ( )   PDF (2158KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对复杂场景下人群计数问题中的尺度变化、背景干扰和部分遮挡等问题，在空洞卷积操作的基础上，提出一种基于双重注意力机制的空洞上下文卷积神经网络（DA-DCCNN）。首先，将VGG16中的卷积层作为特征提取器，获取人群图像抽象、深层的特征图；其次，利用空洞卷积构造空洞上下文模块（DCM）对不同层获取的特征进行连接，并引入空间注意力模块（SAM）和通道注意力模块（CAM）获取上下文信息；最后，组合欧氏距离和交叉熵构造损失函数，对网络预测注意力图和真实注意力图之间的差异进行度量。在ShanghaiTech、UCF_CC_50和UCF-QNRF 3个公开数据集上的实验结果表明，DA-DCCNN在有效获取图像的多尺度特征的同时，增强了对图像中重要区域和通道的感知能力，平均绝对误差（MAE）取得了相对最优的结果。基于双重注意力机制的特征融合网络能有效感知图像中的空间结构和局部特征，从而使得生成的密度图能更准确地对人群区域进行预测和计数。

基于自蒸馏视觉Transformer的无监督行人重识别

贾洁茹, 杨建超, 张硕蕊, 闫涛, 陈斌

2024, 44(9):  2893-2902.  DOI: 10.11772/j.issn.1001-9081.2024040425

摘要 ( )   HTML ( )   PDF (2340KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对视觉Transformer（ViT）缺乏归纳偏置，导致在相对小规模的行人重识别数据上难以学习有意义的视觉表征的问题，提出一种基于自蒸馏视觉Transformer的无监督行人重识别方法。首先，利用ViT的模块化架构，即每个中间块生成的特征维度相同的特性，随机选择一个中间Transformer块并将它送入分类器以得到预测结果；其次，通过最小化随机选择的中间分类器输出与最终分类器输出分布之间的Kullback-Leibler散度，约束中间块的分类预测结果与最终分类器的结果保持一致，据此构建自蒸馏损失函数；最后，通过对聚类级对比损失、实例级对比损失和自蒸馏损失进行联合最小化，对模型进行优化。此外，通过从最终分类器向中间块提供软监督，有效地给ViT模型引入归纳偏置，进而有助于模型学习更鲁棒和通用的视觉表征。与基于TransReID的自监督学习（TransReID-SSL）相比，在Market-1501数据集上，所提方法的平均精度均值（mAP）和Rank-1分别提升1.2和0.8个百分点；在MSMT17数据集上，所提方法的mAP和Rank-1分别提升3.4和3.1个百分点。实验结果表明，所提方法能够有效提高无监督行人重识别的精度。

基于不确定度感知的帧关联短视频事件检测方法

李云, 王富铕, 井佩光, 王粟, 肖澳

2024, 44(9):  2903-2910.  DOI: 10.11772/j.issn.1001-9081.2023091242

摘要 ( )   HTML ( )   PDF (2161KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对如何联合短视频的帧不确定度和时序关联性，以增强事件检测能力的问题，提出一种基于不确定度感知的帧关联短视频事件检测方法。首先，利用2D卷积神经网络（CNN）提取短视频每一帧的特征，再将该特征多次前向传播并通过贝叶斯变分层获得特征均值和与特征对应的不确定度信息；其次，利用模型构建的不确定度感知模块将特征均值和不确定度信息进行融合，再将融合后所得的各帧特征通过时序关联模块加强时域上的联系；最后，用时域关联后的特征通过分类网络实现短视频事件检测。在从Flickr平台上爬取到的短视频事件检测数据集上开展实验对比，实验结果表明，支持向量机（SVM）等子空间学习方法的分类性能较差，对高级语义表示的探索不充分；而深度学习方法对于事件检测的准确率明显更优。相较于SViTT（Sparse Video-Text Transformer）方法，所提方法的准确率、平均召回率和平均精度分别提高了3.37%、2.55%和2.09%，验证了所提方法在短视频事件检测任务上的有效性。

面向手术导航3D/2D配准的无监督跨域迁移网络

王熙源, 张战成, 徐少康, 张宝成, 罗晓清, 胡伏原

2024, 44(9):  2911-2918.  DOI: 10.11772/j.issn.1001-9081.2023091332

摘要 ( )   HTML ( )   PDF (2025KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

3D/2D配准是手术导航的关键技术，现有基于深度学习的配准方法通过网络提取图像特征，继而回归出相应的姿态变换参数。此类方法依赖于真实的样本以及对应的3D标签用于训练，然而这部分专家标注的医疗数据十分稀缺。替代的方案用数字重建放射影像（DRR）图像训练网络，由于图像特征跨域的差异，在X射线图像上难以保持原有的配准精度。针对上述问题，设计基于自注意力的无监督跨域迁移网络（UCDTN），无须依赖X射线图像与其对应的3D空间标签作为训练样本，将源域所捕获的图像特征与空间变换间的对应关系迁移到目标域，借助公共特征减小域间特征的差距、降低跨域所带来的负面影响。实验结果表明，UCDTN预测结果的平均配准误差（mTRE）为2.66 mm；与未经跨域迁移训练的模型相比，mTRE指标降低了70.61%，验证了UCDTN在跨域配准任务上的有效性。

面向学生课堂情感计算的自适应混合网络

戎妍, 刘嘉雯, 李馨蕾

2024, 44(9):  2919-2930.  DOI: 10.11772/j.issn.1001-9081.2023091303

摘要 ( )   HTML ( )   PDF (4730KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

情感计算可以为智慧教育提供更好的教学效果和学习体验。目前针对课堂领域的情感计算研究仍存在有限的适应性与对复杂场景的感知能力较弱的问题。针对这一挑战，提出一种混合架构SC-ACNet，旨在对学生课堂进行准确的情感计算。该架构包含一个能适应小目标的多尺度学生面部检测模块；一个能适应不同面部姿态的、具有自适应空间结构的情感计算模块，对学生的5种课堂情感（平静、困惑、愉悦、困倦和惊讶）进行准确识别；以及一个自注意力模块，以可视化模型中对结果产生主要贡献的区域。此外，为缓解课堂环境下学生面部情绪图像数据集匮乏的问题，构建了一个学生课堂数据集SC-ACD。在SC-ACD数据集上的实验结果表明，与基线方法YOLOv7相比，SC-ACNet的平均精度均值（mAP）提升了4.2个百分点，情感计算准确率提升了9.1个百分点；此外，SC-ACNet在KDEF和RaFD数据集上的准确率分别达到了0.972和0.994，验证了SC-ACNet可作为提高智慧课堂教学质量的有前途的解决方案。

基于门控位置编码的壁画图像多级色彩还原

徐志刚, 张创

2024, 44(9):  2931-2937.  DOI: 10.11772/j.issn.1001-9081.2023081220

摘要 ( )   HTML ( )   PDF (2838KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

近年来，壁画图像的色彩还原研究已成为壁画文物保护和展示领域的一个热点问题。针对壁画色彩还原面临的整体特征信息难以有效提取和保持，局部色彩还原易出现假色以及色彩溢出等问题，提出基于门控位置编码的壁画图像多级色彩还原方法。首先，构建基于全局特征约束的编码器网络，并通过改进的多核多值池化算法提取图像的全局特征梯度作为下采样取值标准以建立壁画图像特征金字塔，从而减少壁画图像在特征编码过程中的整体特征损失；其次，为准确还原壁画图像的局部色彩信息，设计基于门控位置编码的色彩迁移模块，该模块通过约束空间域中内容特征与色彩特征之间相似性核的学习，构建色彩特征在待还原壁画图像中的准确映射，从而减少还原图像中的假色现象与色彩溢出。实验结果表明，该方法所生成的壁画还原图像相较于AdaIN（Adaptive Instance Normalization）、AST（Arbitrary Style Transfer）等对比方法所生成的壁画还原图像，NIQE（Natural Image Quality Evaluator）和PIQE（Perception based Image Quality Evaluator）都取得了最优的结果。可见，所提方法能有效还原壁画色彩信息并保持待还原壁画图像的整体结构纹理特征。

前沿与综合应用

多无人机编队避障和编队重构方法

穆凌霞, 周政君, 王斑, 张友民, 薛向宏, 宁凯凯

2024, 44(9):  2938-2946.  DOI: 10.11772/j.issn.1001-9081.2023091342

摘要 ( )   HTML ( )   PDF (5293KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对多无人机（UAV）编队飞行过程中的避障和故障问题，提出一种编队动态变换与重构方法。编队内UAV将障碍物和其余UAV作为动态威胁，根据当前飞行环境自适应地改变航迹评价函数的得分权重，提高编队在动态环境下的避障能力；当编队中某一UAV故障时，对剩余UAV进行编队队形重构，改变动态窗口法（DWA）目标函数中僚机相对于长机的位置，实时调整得到新的编队，从而实现容错编队飞行。仿真实验结果表明，所提编队避障和重构方法能够实现动态避障以及单机故障或动力不足情况下的容错编队飞行；与传统DWA相比，所得到的编队无人机间距离误差更小。

结合变种残差模型和Transformer的城市公路短时交通流预测

杨鑫, 陈雪妮, 吴春江, 周世杰

2024, 44(9):  2947-2951.  DOI: 10.11772/j.issn.1001-9081.2023091262

摘要 ( )   HTML ( )   PDF (1254KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

城市公路交通流的预测受到历史交通流量和相邻车道交通流量的影响，蕴含了复杂的时空特征。针对传统交通流预测模型卷积长短时记忆（ConvLSTM）网络进行交通流预测时，未将时空特征分开提取而造成的特征提取不充分、特征信息混淆和特征信息缺失等问题，对ConvLSTM模型作出改进。首先，提取每个采样时刻的交通流数据的短期时间特征和空间特征，并在特定的维度下将交通流的短期时空特征融合；其次，进行残差映射；最后，将映射后的短期时空特征交由Transformer模型捕捉交通流数据长期的时空特征，并根据所捕捉的长期特征对未来时刻每个采样点交通流进行预测。使用加州城市快速路数据对模型进行验证，以平均绝对误差（MAE）作为模型评价指标时，所提模型相较于Conv-Transformer模型，预测精度提高了18%，验证了所提模型的有效性。

基于知识图谱和时空扩散图卷积网络的港口交通流量预测

薛桂香, 王辉, 周卫峰, 刘瑜, 李岩

2024, 44(9):  2952-2957.  DOI: 10.11772/j.issn.1001-9081.2023081100

摘要 ( )   HTML ( )   PDF (1614KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

由于港口交通流量具有随机不确定性、时间不平稳特征，因此港口交通流量的精准预测是一项具有挑战性的任务。为了提高港口交通流量预测精度，考虑气象条件和港口相邻高速公路开闭状态等外部干扰因素，提出了一种基于知识图谱和时空扩散图卷积网络的港口交通流量预测算法KG-DGCN-GRU。知识图谱表示港口交通网络相关因素，知识表示方法从港口知识图谱中学习各外部因素的语义信息，扩散图卷积网络（DGCN）和门控循环单元（GRU）能有效挖掘港口交通流量的时空依赖特征。基于天津港交通数据集的实验结果表明，KG-DGCN-GRU能通过知识图谱和扩散图卷积有效提高预测精度，在单步预测（15 min）中与时间图卷积网络（T-GCN）和扩散卷积递归神经网络（DCRNN）相比，均方根误差（RMSE）分别降低了4.85%和7.04%，平均绝对误差（MAE）分别降低了5.80%和8.17%。

基于轨迹预测的安全强化学习自动变道决策方法

肖海林, 黄天义, 代秋香, 张跃军, 张中山

2024, 44(9):  2958-2963.  DOI: 10.11772/j.issn.1001-9081.2023091266

摘要 ( )   HTML ( )   PDF (1903KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

深度强化学习在自动变道决策问题中由于它的试错学习的特性，易在训练过程中导致不安全的行为。为此，提出一种基于轨迹预测的安全强化学习自动变道决策方法。首先，通过最大似然估计的概率建模并预测车辆的未来行驶轨迹；其次，利用得到的预测轨迹和安全距离指标进行驾驶风险评估，并且根据驾驶风险评估结果进行安全动作约束，将动作空间裁剪为安全动作空间，指导智能车辆避免危险动作。在仿真平台的高速公路场景中，将所提方法与深度Q网络（DQN）及其改进方法进行测试比较。实验结果表明，在智能车辆训练过程中，所提方法在保证快速收敛的同时，使碰撞发生的次数相较于对比方法降低了47%~57%，有效提高了训练过程中的安全性。

基于元图同构网络的分子毒性预测

黄云川, 江永全, 黄骏涛, 杨燕

2024, 44(9):  2964-2969.  DOI: 10.11772/j.issn.1001-9081.2023091286

摘要 ( )   HTML ( )   PDF (1150KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为了获得更准确的分子毒性预测结果，提出基于元图同构网络的分子毒性预测模型Meta-MTP。首先，使用图同构神经网络将原子作为节点、键作为边、分子作为图结构，以获取分子表征；使用预训练模型对图同构网络（GIN）初始化，使它获得更好的参数；引入基于分层注意力和局部增强的前馈Transformer；使用原子类型预测和键预测作为辅助任务提取更多的分子内部信息；通过元学习双层优化策略对模型进行训练；最后使用Tox21和SIDER数据集对模型进行训练。实验结果表明，在Tox21和SIDER数据集上，Meta-MTP具有良好的分子毒性预测能力，当样本数为10时，相较于FSGNNTR（Few-Shot Graph Neural Network-TRansformer）模型，Meta-MTP的曲线下面积（AUC）分别提高了1.4%和5.4%，相较于图同构网络（GIN）、图卷积网络（GCN）和GraphSAGE（Graph Sample and AGgrEgate）3种传统的图神经网络模型，Meta-MTP的AUC提高了18.3%~23.7%和7.3%~22.2%。

基于概率稀疏自注意力神经网络的重性抑郁疾患诊断

秦璟, 秦志光, 李发礼, 彭悦恒

2024, 44(9):  2970-2974.  DOI: 10.11772/j.issn.1001-9081.2023091371

摘要 ( )   HTML ( )   PDF (1067KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

抑郁症的诊断主要依赖于医师的咨询和量表评估等主观方法，可能导致误诊。脑电图（EEG）具有高时间分辨率、低成本、易于设置和无创等优点，因此可以用作精神障碍（如抑郁症）的定量测量工具。深度学习算法目前在EEG信号上有多种应用，其中就包括抑郁症的诊断和分类。EGG信号在通过自注意力机制处理时有大量的冗余部分，因此，提出一种基于概率稀疏自注意力机制的卷积神经网络（PSANet）。首先，根据采样因数在自注意力机制中选取少量最关键的注意力点，在运用自注意力机制的同时克服它计算成本高的缺点，使它可以在脑电长序列数据上应用；同时将脑电图与患者的生理量表进行嵌合，从而进行多维度诊断。在一个包含抑郁症患者和健康对照组的数据集上进行实验评估，实验结果表明，PSANet表现出较高的分类准确性，参数量也低于EEGNet等对比方法。

自优化双模态多通路非深度前庭神经鞘瘤识别模型

张睿, 张鹏云, 高美蓉

2024, 44(9):  2975-2982.  DOI: 10.11772/j.issn.1001-9081.2023091273

摘要 ( )   HTML ( )   PDF (2542KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对不同模态间对应特征极易融合错位、识别模型专家主观经验式调参且计算成本高等问题，提出自优化双模态（“对比增强T1加权”与“高分辨率增强T2加权”）多通路非深度前庭神经鞘瘤识别模型。首先，通过构建前庭神经鞘瘤识别模型进一步挖掘前庭神经鞘瘤病症多模态影像特征及模态间复杂的非线性互补信息；其次，设计基于博弈论全局并行麻雀搜索算法的模型优化策略，实现模型关键超参数的自适应寻优，使模型具有较优的识别效果。实验结果表明，相较于基于深度学习的模型，所提模型在识别准确率提升4.19个百分点的情况下参数量降低了27.9%，验证了它的有效性和自适应性。