摘要点击排行

一年内发表文章 |  两年内 |  三年内 |  全部

当前位置： 全部

Please wait a minute...


选择: 导出引用 EndNote Ris BibTeX 显示/隐藏图片

Select

1. 基于Transformer-GCN的源代码漏洞检测方法 梁辰, 王奕森, 魏强, 杜江 《计算机应用》唯一官方网站    2025, 45 (7): 2296-2303.   DOI: 10.11772/j.issn.1001-9081.2024070998 摘要 （711）   HTML （4）    PDF （3389KB）（1071）    可视化    收藏 针对现有的基于深度学习的源代码漏洞检测方法存在目标代码语法和语义缺失严重以及神经网络模型对目标代码图点（边）权重分配不合理等问题，提出一种基于代码属性图（CPG）与自适应图卷积网络（AT-GCN）的源代码漏洞检测方法VulATGCN。该方法使用CPG对源代码进行表征，结合CodeBERT进行节点向量化，并通过图中心性分析提取深层次结构特征，从而多维度地捕捉代码的语法和语义信息。之后，结合Transformer自注意力机制善于捕捉长距离依赖关系和图卷积网络（GCN）善于捕捉局部特征的优势设计AT-GCN模型，从而实现对不同重要性区域特征的融合学习和精确提取。在真实漏洞数据集Big-Vul和SARD上的实验结果表明，所提方法VulATGCN的平均F1分数达到了82.9%，相较于VulSniper、VulMPFF和MGVD等基于深度学习的漏洞检测方法提高了10.4%~132.9%，平均提高约52.9%。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 面向区块链节点分析的eclipse攻击动态检测方法 张硕, 孙国凯, 庄园, 冯小雨, 王敬之 《计算机应用》唯一官方网站    2025, 45 (8): 2428-2436.   DOI: 10.11772/j.issn.1001-9081.2024081101 摘要 （669）   HTML （9）    PDF （1546KB）（90）    可视化    收藏 eclipse攻击作为针对区块链网络层的一种显著威胁，通过控制节点的网络连接，可导致被攻击节点与整个网络的隔离，进而影响该节点接收区块和交易信息的能力。攻击者还可以在此基础上发起双重支付等攻击，这会对区块链系统造成巨大破坏。针对该问题，结合深度学习模型，提出一种面向区块链节点分析的eclipse攻击动态检测方法。首先，利用节点综合韧性指标（NCRI）表达节点的多维属性特征，并引入图注意力神经网络（GAT）动态更新网络拓扑结构的节点特征；然后，使用卷积神经网络（CNN）融合节点的多维特征；最后，结合多层感知机（MLP）来预测整体网络的脆弱性。实验结果表明，所提方法在不同的eclipse攻击强度下的准确率最高可以达到89.80%，并且能在不断变化的区块链网络中保持稳定的性能。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

3. 可解释的深度知识追踪方法综述 索晋贤, 张丽萍, 闫盛, 王东奇, 张雅雯 《计算机应用》唯一官方网站    2025, 45 (7): 2043-2055.   DOI: 10.11772/j.issn.1001-9081.2024070970 摘要 （644）   HTML （34）    PDF （2726KB）（2093）    可视化    收藏 知识追踪（KT）是一种认知诊断方法，旨在通过学习者的历史答题记录，模拟学习者对于学习知识的掌握程度，最终预测学习者未来的答题情况。目前基于深度神经网络模型的知识追踪技术以强大的特征提取能力和优越的预测能力成为知识追踪领域研究的热点；然而，基于深度学习的知识追踪模型通常缺乏较好的可解释性。清晰的可解释性不仅可以让学习者和教师充分理解知识追踪模型的推理过程和预测结果，从而为下一步学习制定符合当前知识状态的学习计划，还能够提升学习者和教师对知识追踪模型的信任程度。因此，对可解释的深度知识追踪（DKT）方法进行综述。首先，介绍知识追踪的发展历程，并介绍可解释性的定义和必要性；其次，从特征提取和模型内部提升两方面，对解决DKT模型缺乏可解释性而提出的改进方法进行总结和梳理；再次，介绍现有的可供研究者使用的相关公开数据集，并分析数据集内的数据特征对可解释性的影响，从而探讨如何从模型性能和可解释性两个方面对知识追踪模型进行评价，并整理DKT模型在不同数据集上的性能表现；最后，对DKT模型目前存在的问题提出一些未来可能的研究方向。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

4. 面向复杂约束多目标优化问题的双种群双阶段进化算法 袁志超, 杨磊, 田井林, 魏晓威, 李康顺 《计算机应用》唯一官方网站    2025, 45 (8): 2656-2665.   DOI: 10.11772/j.issn.1001-9081.2024081130 摘要 （612）   HTML （1）    PDF （2608KB）（441）    可视化    收藏 针对包含复杂约束条件的约束多目标优化问题（CMOP），在确保算法满足严格约束的同时，有效平衡算法的收敛性与多样性是重大挑战。因此，提出一种双种群双阶段的进化算法（DPDSEA）。该算法引入2个独立进化种群：主种群和副种群，并分别利用可行性规则和改进的epsilon约束处理方法进行更新。在第一阶段，主种群和副种群分别探索约束Pareto前沿（CPF）与无约束Pareto前沿（UPF），从而获取UPF和CPF的位置信息；在第二阶段，设计一种分类方法，根据UPF与CPF的位置对CMOP进行分类，从而对不同类型的CMOP执行特定的进化策略；此外，提出一种随机扰动策略，在副种群进化到CPF附近时，对它进行随机扰动以产生一些位于CPF上的个体，从而促进主种群在CPF上的收敛与分布。把所提算法与6个具有代表性的算法：CMOES （Constrained Multi-objective Optimization based on Even Search）、dp-ACS （dual-population evolutionary algorithm based on Adaptive Constraint Strength）、c-DPEA （Dual-Population based Evolutionary Algorithm for constrained multi-objective optimization）、CAEAD （Constrained Evolutionary Algorithm based on Alternative Evolution and Degeneration）、BiCo （evolutionary algorithm with Bidirectional Coevolution）和DDCMOEA （Dual-stage Dual-population Evolutionary Algorithm for Constrained Multiobjective Optimization）在LIRCMOP和DASCMOP两个测试集上进行实验比较。实验结果表明，DPDSEA在23个问题中取得了15个最优反转世代距离（IGD）值和12个最优超体积（HV）值，展现了DPDSEA在处理复杂CMOP时显著的性能优势。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

5. 兼容缺失模态推理的情感识别方法 殷兵, 凌震华, 林垠, 奚昌凤, 刘颖 《计算机应用》唯一官方网站    2025, 45 (9): 2764-2772.   DOI: 10.11772/j.issn.1001-9081.2024091262 摘要 （611）   HTML （7）    PDF （1596KB）（206）    可视化    收藏 针对真实复杂场景下模态缺失带来的模型兼容性问题，提出一种支持任意模态输入的情感识别方法。首先，在预训练和精调阶段，采用模态随机丢弃的训练策略保证模型在推理阶段的兼容性；其次，分别提出时空掩码策略和基于跨模态注意力机制的特征融合机制，以减少模型过拟合的风险并优化模型跨模态特征融合的效果；最后，为了解决多种模态情感标签不一致带来的噪声标签问题，提出一种基于多原型聚类的自适应去噪策略，该策略为多种模态分别设置类中心，并通过对比每种模态特征对应的聚类类别与标签的一致性去除噪声标签。实验结果表明：在自建数据集上，所提方法相比基线AV-HuBERT（Audio-Visual Hidden unit Bidirectional Encoder Representation from Transformers）在加权平均召回率（WAR）指标上，模态对齐推理、视频缺失推理和音频缺失推理分别提升了6.98、4.09和33.05个百分点；在视频公开数据集DFEW上，相较于AV-HuBERT，所提方法取得了最高的WAR指标，达到了68.94%。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

6. 基于双注意力机制和多尺度融合的点云分类与分割网络 李维刚, 邵佳乐, 田志强 《计算机应用》唯一官方网站    2025, 45 (9): 3003-3010.   DOI: 10.11772/j.issn.1001-9081.2024091254 摘要 （590）   HTML （2）    PDF （2371KB）（68）    可视化    收藏 现有的网络难以有效学习点云局部的几何形状信息，存在无法有效关注重要特征结构和融合不充分等问题。因此，提出一种基于双注意力机制（DAM）和多尺度融合的点云分类与分割网络。首先，在数据特征提取阶段利用几何自适应卷积（GAC）动态地调整卷积核的几何位置和权重，使它能够动态适应点云数据的局部几何结构，从而更有效地捕捉局部特征；其次，为了进一步提升特征表达能力，引入DAM自动学习并调整特征通道和空间信息的权重，从而增强关键点的特征表示；最后，连接不同尺度的特征信息以进行有效融合，从而增强特征学习效果，使得最终的特征表示更加丰富，以提高网络的分类分割精度。在ModelNet40、ShapeNet和S3DIS数据集上的实验结果表明，所提网络与PointNet++和DGCNN（Dynamic Graph Convolutional Neural Network）相比，总体分类精度（OA）和平均交并比（mIoU）更好，有效提升了点云分类与分割的性能。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

7. 联邦学习的高效性研究综述 葛丽娜, 王明禹, 田蕾 《计算机应用》唯一官方网站    2025, 45 (8): 2387-2398.   DOI: 10.11772/j.issn.1001-9081.2024081119 摘要 （586）   HTML （116）    PDF （702KB）（735）    可视化    收藏 联邦学习作为一个分布式机器学习框架，解决了数据孤岛问题，对个人及企业的隐私保护起到了重要作用。然而，由于联邦学习的特点，效率问题（尤其是高昂的成本）仍旧是目前急需解决的，这一现状仍不尽如人意。因此，全面调研并总结当前主流的关于联邦学习高效性的研究。首先，回顾高效联邦学习的背景，包括它的由来以及核心思想，并解释联邦学习的概念和分类；其次，论述基于联邦学习而产生的高效性问题，并将它们分为异构性问题、个性化问题和通信代价问题；再次，在此基础上详细分析并论述高效性问题的解决方案，并将高效联邦学习研究分为模型压缩优化方法以及通信优化方法这2个类别后进行调研；继次，通过对比分析，总结各联邦学习方法的优缺点，并阐述目前高效联邦学习中仍存在的挑战；最后，给出高效联邦学习领域未来的研究方向。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

8. 面向个性化与公平性的联邦学习算法 张宏扬, 张淑芬, 谷铮 《计算机应用》唯一官方网站    2025, 45 (7): 2123-2131.   DOI: 10.11772/j.issn.1001-9081.2024070934 摘要 （573）   HTML （7）    PDF （3790KB）（584）    可视化    收藏 作为一种分布式优化范式，联邦学习（FL）允许大量资源有限的客户端节点在不共享数据时协同训练模型。然而，传统联邦学习算法，如FedAvg，通常未充分考虑公平性的问题。在实际场景中，数据分布通常具备高度异构性，常规的聚合操作可能会使模型对某些客户端产生偏见，导致全局模型在客户端本地的性能分布出现巨大差异。针对这一问题，提出一种面向个性化与公平性的联邦学习FedPF（Federated learning for Personalization and Fairness）算法。FedPF旨在有效减少联邦学习中低效的聚合行为，并通过寻找全局模型与本地模型的相关性，在客户端之间分配个性化模型，从而在保证全局模型性能的同时，使客户端本地性能分布更均衡。将FedPF在Synthetic、MNIST以及CIFAR10数据集上进行实验和性能分析，并与FedProx、q-FedAvg和FedAvg这3种联邦学习算法进行对比。实验结果表明，FedPF在有效性和公平性上均得到了有效提升。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

9. 基于YOLOv9的交通路口图像的多目标检测算法 廖炎华, 鄢元霞, 潘文林 《计算机应用》唯一官方网站    2025, 45 (8): 2555-2565.   DOI: 10.11772/j.issn.1001-9081.2024071020 摘要 （569）   HTML （28）    PDF （5505KB）（1356）    可视化    收藏 针对交通路口图像复杂，小目标难测且目标之间易遮挡以及天气和光照变化引发的颜色失真、噪声和模糊等问题，提出一种基于YOLOv9（You Only Look Once version 9）的交通路口图像的多目标检测算法ITD-YOLOv9（Intersection Target Detection-YOLOv9）。首先，设计CoT-CAFRNet （Chain-of-Thought prompted Content-Aware Feature Reassembly Network）图像增强网络，以提升图像质量，并优化输入特征；其次，加入通道自适应特征融合（iCAFF）模块，以增强小目标及重叠遮挡目标的提取能力；再次，提出特征融合金字塔结构BiHS-FPN （Bi-directional High-level Screening Feature Pyramid Network），以增强多尺度特征的融合能力；最后，设计IF-MPDIoU （Inner-Focaler-Minimum Point Distance based Intersection over Union）损失函数，以通过调整变量因子，聚焦关键样本，并增强泛化能力。实验结果表明，在自制数据集和SODA10M数据集上，ITD-YOLOv9算法的检测精度分别为83.8%和56.3%，检测帧率分别为64.8 frame/s和57.4 frame/s。与YOLOv9算法相比，ITD-YOLOv9算法的检测精度分别提升了3.9和2.7个百分点。可见，所提算法有效实现了交通路口的多目标检测。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

10. 基于改进时域卷积网络与多头自注意力机制的间歇过程质量预测模型 赵小强, 柳勇勇, 惠永永, 刘凯 《计算机应用》唯一官方网站    2025, 45 (7): 2245-2252.   DOI: 10.11772/j.issn.1001-9081.2024070945 摘要 （565）   HTML （2）    PDF （4130KB）（255）    可视化    收藏 为提高时域卷积网络（TCN）在批量大小变化时的训练稳定性，并解决间歇过程质量预测在捕捉长期依赖性和全局关联性上存在不足而导致的预测准确度不高的问题，提出一种基于批量组规范化（BGN）和Mish激活函数改进残差结构的TCN（BMTCN）与多头自注意力机制（MHSA）的间歇过程质量预测模型（BMTCN-MHSA）。首先，将间歇过程的三维数据展开为二维矩阵形式，并对数据进行归一化处理，再引入奇异谱分析法（SSA）分解重构数据；其次，在时域卷积的残差部分融入BGN以降低网络模型在批量大小变化时的敏感度，引入Mish激活函数以提高模型的泛化能力，并利用多头自注意力机制对序列中不同位置的特征信息进行关联和权重分配，从而进一步提取序列中的关键特征信息和相互依赖关系，进而更好地捕捉间歇过程的动态特征；最后，使用青霉素仿真实验数据进行实验验证。实验结果表明，相较于TCN模型，BMTCN-MHSA模型的平均绝对误差（MAE）降低了56.86%，均方误差（MSE）降低了48.80%，而决定系数（R2）达到了99.48%，这表明BMTCN-MHSA模型提高了间歇过程质量预测的准确性。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

11. 基于多尺度网络与轴向注意力的3D目标检测算法 颜承志, 陈颖, 钟凯, 高寒 《计算机应用》唯一官方网站    2025, 45 (8): 2537-2545.   DOI: 10.11772/j.issn.1001-9081.2024071058 摘要 （558）   HTML （6）    PDF （2618KB）（184）    可视化    收藏 在3D目标检测中小目标诸如行人和骑行者的检测精确度较低，这是自动驾驶感知系统中存在的挑战性问题。为了准确估计周围环境的状态从而提高行车安全，对Voxel R-CNN（Voxel Region-based Convolutional Neural Network）算法进行改进，提出一种基于多尺度网络与轴向注意力的3D目标检测算法。首先，在主干网络中构建多尺度网络和像素级融合模块（PFM）获取更丰富和精准的特征表示，从而增强算法在复杂场景下的鲁棒性和泛化能力；其次，设计适用于具有3D空间维度特征的轴向注意力，并将它应用于感兴趣区域（RoI）的多尺度池化特征，以在有效捕捉局部和全局特征的同时保留3D空间结构中的重要信息，从而提升算法的目标检测和分类的精度和效率；最后，将一种旋转解耦的交并比（RDIoU）方法纳入回归和分类分支，从而使网络学习更精确的边界框，并解决分类和回归之间的对齐问题。在KITTI公开数据集上的实验结果表明，所提算法对行人和骑行者的平均精度均值（mAP）分别达到了62.25%和79.36%，与基准算法Voxel R-CNN相比分别提高了4.02和3.15个百分点，显示出了改进算法在难感知目标检测上的有效性。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

12. 融合局部和全局相关性的多变量时间序列预测方法 王翔, 陈志祥, 毛国君 《计算机应用》唯一官方网站    2025, 45 (9): 2806-2816.   DOI: 10.11772/j.issn.1001-9081.2024091267 摘要 （539）   HTML （9）    PDF （2188KB）（125）    可视化    收藏 为解决现有时间序列模型未能充分融合局部和全局依赖的问题，提出一种融合局部和全局相关性的多变量时间序列预测方法PatchLG（Patch-integrated Local-Global correlation method）。该方法基于3个关键部分：1）将时间序列划分为多个子序列（Patch），在保持时间序列的局部性的同时使模型更易于提取全局依赖；2）使用深度可分离卷积和自注意力机制建模局部和全局相关性；3）将时间序列分解为趋势项与季节项2个部分同时进行预测，并将预测结果组合起来得到最终预测结果。在7个基准数据集上的实验结果表明，PatchLG相较于最优基线方法PatchTST（Patch Time Series Transformer）在均方误差（MSE）和平均绝对误差（MAE）2个指标上平均改进量为3.0%和2.9%，同时具有较短的实际运行时间和较低的内存消耗，验证了PatchLG在时间序列预测中的有效性。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

13. 深层语义特征增强的ReLM中文拼写纠错模型 张伟, 牛家祥, 马继超, 沈琼霞 《计算机应用》唯一官方网站    2025, 45 (8): 2484-2490.   DOI: 10.11772/j.issn.1001-9081.2024071015 摘要 （535）   HTML （9）    PDF （1067KB）（777）    可视化    收藏 ReLM （Rephrasing Language Model）是当前性能领先的中文拼写纠错（CSC）模型。针对它在复杂语义场景中存在特征表达不足的问题，提出深层语义特征增强的ReLM——FeReLM （Feature-enhanced Rephrasing Language Model）。该模型利用深度可分离卷积（DSC）技术融合特征提取模型BGE（BAAI General Embeddings）生成的深层语义特征与ReLM生成的整体特征，从而有效提升模型对复杂上下文的解析力和拼写错误的识别纠正精度。首先，在Wang271K数据集上训练FeReLM，使模型持续学习句子中的深层语义和复杂表达；其次，迁移训练好的权重，从而将模型学习到的知识应用于新的数据集并进行微调。实验结果表明，在ECSpell和MCSC数据集上与ReLM、MCRSpell （Metric learning of Correct Representation for Chinese Spelling Correction）和RSpell（Retrieval-augmented Framework for Domain Adaptive Chinese Spelling Check）等模型相比，FeReLM的精确率、召回率、F1分数等关键指标的提升幅度可达0.6~28.7个百分点。此外，通过消融实验验证了所提方法的有效性。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

14. 基于分段注意力机制的时间序列预测模型 王慧斌, 胡展傲, 胡节, 徐袁伟, 文博 《计算机应用》唯一官方网站    2025, 45 (7): 2262-2268.   DOI: 10.11772/j.issn.1001-9081.2024070929 摘要 （534）   HTML （6）    PDF （831KB）（312）    可视化    收藏 针对时间序列分段后存在因采样间隔增大而导致的长期预测过程中局部依赖关系丢失的情况，提出一种基于分段注意力机制的时间序列预测模型（SAMformer）。首先，显式地将时间静态协变量与原始数据按比例融合，以增强数据的时域信息表征能力；其次，同时引入两个连续的带偏置的线性层和一个激活函数来微调融合数据，从而提高模型对非线性数据的拟合能力；然后，在分段序列的每个段内引入点积注意力机制，以便捕获局部特征依赖关系；最后，利用跨尺度依赖的编码器-解码器架构预测时序数据。所提模型在公开的5个时间序列数据集上的实验结果表明，相较于Crossformer、 Pyraformer和Informer等其他监督学习时序预测模型，SAMformer的均方误差（MSE）和平均绝对误差（MAE）分别降低了2.0%～62.0%和0.9%～49.8%。此外，通过消融实验验证了所提不同组件的完备性和有效性，进一步说明了融合时域信息和段内注意力机制有助于提高时间序列预测的精度。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

15. 基于元学习的标签噪声自适应学习算法 齐巧玲, 王啸啸, 张茜茜, 汪鹏, 董永峰 《计算机应用》唯一官方网站    2025, 45 (7): 2113-2122.   DOI: 10.11772/j.issn.1001-9081.2024070932 摘要 （522）   HTML （11）    PDF （2377KB）（359）    可视化    收藏 图像分类需要收集大量的图片进行模型训练与优化，但收集过程会不可避免地带来噪声标签。为了应对这一挑战，鲁棒性分类方法应运而生。在目前的鲁棒性分类方法中，超参数的设置需要手动调节，对人力物力带来了大量的损耗。因此，提出元超参数调节器（MHA），采用双层嵌套循环优化的方法自适应地学习噪声感知的超参数组合，并提出Meta-FPL （Feature Pseudo-Label adaptive learning based on Meta learning）算法。此外，为了解决元训练阶段的反向传播过程耗费大量GPU算力的问题，提出选择激活元模型层（SAML）策略。该策略通过比较虚拟训练阶段反向传播的平均梯度与元梯度的大小，限制部分元模型层的更新，从而有效提升模型的训练效率。在4个基准数据集和1个真实数据集上的实验结果表明，与MLC（Meta Label Correction for noisy label learning）、CTRR（ConTrastive RegulaRization）和FPL（Feature Pseudo-Label）算法相比，Meta-FPL算法的分类准确率较高。此外，引入SAML策略后，在元训练阶段的反向传播过程训练时长缩短了79.52%。可见，Meta-FPL算法能在较短的训练时间内有效提升分类测试准确率。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

16. 跨模态文本信息增强的多模态情感分析模型 王艺涵, 路翀, 陈忠源 《计算机应用》唯一官方网站    2025, 45 (7): 2237-2244.   DOI: 10.11772/j.issn.1001-9081.2024060886 摘要 （522）   HTML （7）    PDF （1163KB）（312）    可视化    收藏 近年来，利用文本、视觉和音频数据分析视频中说话者情感的多模态情感分析（MSA）引起了广泛关注。然而，不同模态在情感分析中的贡献大不相同。通常，文本中包含的信息更加直观，因此寻求一种用于增强文本在情感分析中作用的策略显得尤为重要。针对这一问题，提出一种跨模态文本信息增强的多模态情感分析模型（MSAM-CTE）。首先，使用BERT（Bidirectional Encoder Representations from Transformers）预训练模型提取文本特征，并使用双向长短期记忆（Bi-LSTM）网络对预处理后的音频和视频特征进行进一步处理；其次，通过基于文本的交叉注意力机制，将文本信息融入情感相关的非语言表示中，以学习面向文本的成对跨模态映射，从而获得有效的统一多模态表示；最后，使用融合特征进行情感分析。实验结果表明，与最优的基线模型——文本增强Transformer融合网络（TETFN）相比，MSAM-CTE在数据集CMU-MOSI （Carnegie Mellon University Multimodal Opinion Sentiment Intensity）上的平均绝对误差（MAE）和皮尔逊相关系数（Corr）分别降低了2.6%和提高了0.1%；在数据集CMU-MOSEI （Carnegie Mellon University Multimodal Opinion Sentiment and Emotion Intensity）上的两个指标分别降低了3.8%和提高了1.7%，验证了MSAM-CTE在情感分析中的有效性。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

17. 集成特征注意力和残差连接的偏标签回归算法 吴海峰, 陶丽青, 程玉胜 《计算机应用》唯一官方网站    2025, 45 (8): 2530-2536.   DOI: 10.11772/j.issn.1001-9081.2024071012 摘要 （512）   HTML （4）    PDF （1384KB）（330）    可视化    收藏 偏标签回归（PLR）弥补了偏标签学习（PLL）仅聚焦于分类任务的局限。针对现有的PLR算法忽略实例特征的特性差异的问题，提出一种集成特征注意力和残差连接的偏标签回归算法（PLR-FARC）。首先，通过标签增强技术将真实数据集的标签扩充为一组实值候选标签；其次，借助注意力机制自动生成每个特征对标签的贡献度；再次，引入残差连接以减少特征在传递过程中的信息丢失，从而维持特征的完整性；最后，分别基于IDent （IDentification method）和PIDent （Progressive IDentification method）计算预测损失。在Abalone、Airfoil、Concrete、Cpu-act、Housing和Power-plant数据集上的实验结果表明，相较于IDent和PIDent，PLR-FARC的平均绝对误差（MAE）分别平均降低了2.15%、38.38%、8.86%、4.19%、15.71%和15.55%，均方误差（MSE）分别平均降低了9.35%、71.32%、23.10%、20.17%、27.22%和9.46%。可见，所提算法是可行且有效的。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

18. 联邦学习中针对后门攻击的检测与防御方案 苏锦涛, 葛丽娜, 肖礼广, 邹经, 王哲 《计算机应用》唯一官方网站    2025, 45 (8): 2399-2408.   DOI: 10.11772/j.issn.1001-9081.2024081120 摘要 （511）   HTML （113）    PDF （2521KB）（357）    可视化    收藏 针对联邦学习（FL）系统中普遍存在的恶意后门攻击行为，以及现有防御方案难以在隐私保护与模型训练的高准确率之间取得平衡的难题，探索FL中的后门攻击及其防御方法，提出一种名为GKFL （Generative Knowledge-based Federated Learning）的安全高效集成方案用于检测后门攻击并修复受损模型。该方案无需访问参与方的原始隐私数据，通过中央服务器生成检测数据检测联邦学习中的聚合模型是否遭受后门入侵，并采用知识蒸馏技术恢复受损模型，从而确保模型的完整性和准确性。在数据集MNIST和Fashion-MNIST上的实验结果表明，GKFL的总体性能均优于经典方案FoolsGold、GeoMed和RFA （Robust Federated Aggregation）；GKFL比FoolsGold更能保护数据的隐私。可见，GKFL方案拥有检测后门攻击及修复受损模型的能力，并在模型中毒准确率和模型主任务准确率上明显优于对比方案。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

19. 面向知识图谱补全的大模型方法综述 张昊洋, 张丽萍, 闫盛, 李娜, 张学飞 《计算机应用》唯一官方网站    2026, 46 (3): 683-695.   DOI: 10.11772/j.issn.1001-9081.2025030294 摘要 （506）   HTML （144）    PDF （816KB）（400）    可视化    收藏 知识图谱（KG）可从海量数据中提取并结构化表示先验知识，在智能系统的构建与应用中发挥着关键作用。知识图谱补全（KGC）旨在预测KG中缺失的三元组以提升完整性和可用性，通常涵盖编码环节与预测环节。然而，传统的KGC方法在编码环节存在难以有效利用额外信息与语义信息的问题，而在预测环节存在知识覆盖不完全及封闭世界问题，且先编码后预测的框架会受到嵌入表示形式和计算效率的限制。大语言模型（LLM）凭借丰富的知识和强大的理解力能够解决这些问题。因此，对面向知识图谱补全的大模型方法进行综述。首先，概述KG与LLM的基本概念及研究现状，并阐述KGC的流程；其次，将现有基于LLM的KGC方法从将LLM作为编码器、将LLM作为生成器以及基于提示引导三方面进行总结和梳理；最后，总结模型在不同数据集上的性能表现并探讨基于LLM的KGC研究面临的问题与挑战。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

20. 对抗样本嵌入注意力U型网络的3D医学图像分割 许志雄, 李波, 边小勇, 胡其仁 《计算机应用》唯一官方网站    2025, 45 (9): 3011-3016.   DOI: 10.11772/j.issn.1001-9081.2024081134 摘要 （504）   HTML （2）    PDF （1665KB）（337）    可视化    收藏 计算机断层扫描（CT）和核磁共振成像（MRI）图像广泛应用于医学图像深度分割。然而，传统的分割方法受到肿瘤边界模糊及其结构复杂的影响，未能利用对抗样本提升分割模型的区分能力，使获得最好的分割效果面临挑战。针对以上问题，提出一种对抗样本嵌入注意力U型网络学习的3D医学图像分割模型。该模型使用对抗样本嵌入的注意力U型网络以通过样本变换构建对抗样本，并提取医学图像的肿瘤特征信息；引入低维度特征筛选和高维度特征融合模块，以提纯肿瘤可区分特征；使用基于交叉熵、Dice损失和对比损失的组合损失函数训练整个网络，从而得到富于判别性的分割模型。实验结果表明，所提方法在神经鞘膜瘤（NST）和自动心脏诊断挑战（ACDC）数据集上的Dice相似性系数（DSC）分别达到88.14%和91.75%，与非新的U-Net（nnU-Net）方法相比，分别提高了1.26和2.48个百分点。可见，所提方法有效提高了在肿瘤边界模糊时的3D医学图像分割性能。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

21. 基于空间变换网络和特征分布校准的小样本皮肤图像分类模型 王静, 刘嘉星, 宋婉莹, 薛嘉兴, 丁温欣 《计算机应用》唯一官方网站    2025, 45 (8): 2720-2726.   DOI: 10.11772/j.issn.1001-9081.2024071039 摘要 （502）   HTML （5）    PDF （1746KB）（87）    可视化    收藏 基于深度学习的图像分类模型通常需要大量标记数据，然而，在医学领域的皮肤病变分类任务中，收集大量图像数据面临着诸多挑战。为了能准确分类小样本皮肤疾病，提出一种基于空间变换网络（STN）和特征分布校准的小样本分类模型。首先，将迁移学习和元学习相结合，以解决跨域迁移小样本存在的过拟合问题；其次，在预训练分类任务前插入旋转角度预测任务，以便模型更好地适应医学图像数据的高复杂度；再次，在对图像下采样后引入STN，以通过显式地对输入图像进行仿射变换，增强特征的提取和识别能力；最后，通过特征分布校准对新类特征进行约束，并引入最邻近质心算法进行分类决策，在简化算法流程的同时显著提升分类精度。在ISIC2018皮肤病变数据集上的实验结果表明，与当前主流小样本模型Meta-Baseline相比，在2-way和3-way分类任务中，所提模型的平均精度分别提高了11.80和10.82个百分点；与模型MetaMed相比，在2-way 3-shot和3-way 3-shot分类任务中，所提模型的分类精度分别提升了6.65和9.58个百分点。可见，所提模型有效提高了小样本皮肤疾病的分类精度，能够更好地辅助医生提高临床诊断精确度。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

22. 基于分布式环境的图神经网络模型训练效率与训练性能评估 涂银川, 郭勇, 毛恒, 任怡, 张建锋, 李宝 《计算机应用》唯一官方网站    2025, 45 (8): 2409-2420.   DOI: 10.11772/j.issn.1001-9081.2024081140 摘要 （502）   HTML （95）    PDF （1623KB）（137）    可视化    收藏 随着图数据规模的快速增长，图神经网络（GNN）在处理大规模图结构数据时面临计算和存储方面的挑战。传统的单机训练方法已不足以应对日益庞大的数据集和复杂的GNN模型，分布式训练凭借并行计算能力和可扩展性，成为解决这些问题的有效途径。然而，一方面，已有的分布式GNN训练评估主要关注以模型精度为代表的性能指标和以训练时间为代表的效率指标，而较少关注数据处理效率和计算资源利用方面的指标；另一方面，算法效率评估的主要场景为单机单卡或单机多卡，而已有的评估方法在分布式环境中的应用相对简单。针对这些不足，提出针对分布式场景的模型训练的评估方法，涵盖评估指标、数据集和模型这3个方面。根据评估方法，选取3个代表性GNN模型，在4个具有不同数据特征的大型公开图数据集上进行分布式训练实验，并收集和分析得到的评估指标。实验结果表明，分布式训练中的模型架构和数据结构特征对模型复杂度、训练时间、计算节点吞吐量和计算节点平均吞吐量之比（NATR）均有影响；样本处理与数据拷贝占用了模型训练较多时间，计算节点互相等待的时间也不容忽视；相较于单机训练，分布式训练的计算节点吞吐量有显著降低，且需要进一步优化分布式系统中的资源利用。可见，所提评估方法为GNN模型在分布式环境中的训练性能优化提供了参考依据，并为模型的进一步优化和算法的改进奠定了实验基础。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

23. 基于大语言模型的中文开放领域实体关系抽取策略 龚永罡, 陈舒汉, 廉小亲, 李乾生, 莫鸿铭, 刘宏宇 《计算机应用》唯一官方网站    2025, 45 (10): 3121-3130.   DOI: 10.11772/j.issn.1001-9081.2024101536 摘要 （499）   HTML （14）    PDF （3025KB）（213）    可视化    收藏 大语言模型（LLM）在中文开放领域的实体关系抽取（ERE）任务中存在抽取性能不稳定的问题，对某些特定领域文本和标注类别的识别精准率较低。因此，提出一种基于LLM的中文开放领域实体关系抽取策略——基于LLM多级对话策略（MLDS-LLM）。该策略利用LLM优秀的语义理解和迁移学习能力，通过多轮不同任务的对话实现实体关系抽取。首先，基于开放领域文本结构化逻辑和思维链（CoT）机制，使用LLM生成结构化摘要，避免模型产生关系、事实幻觉和无法兼顾后文信息的问题；其次，通过文本简化策略并引入可替换词表，减少上下文窗口的限制；最后，基于结构化摘要和简化文本构建多级提示模板，使用LLaMA-2-70B模型探究参数temperature对实体关系抽取的影响。测试了LLaMA-2-70B在使用所提策略前后进行实体关系抽取的精准率、召回率、调和平均值（F1）和精确匹配（EM）值。实验结果表明，在CL-NE-DS、DiaKG和CCKS2021等5个不同领域的中文数据集上，所提策略提升了LLM在命名实体识别（NER）和关系抽取（RE）上的性能。特别是在专业性强且模型零样本测试结果不佳的DiaKG和IEPA数据集上，在应用所提策略后，相较于少样本提示测试，在NER上模型的精准率分别提升了9.3和6.7个百分点，EM值提升了2.7和2.2个百分点；在RE上模型的精准率分别提升了12.2和16.0个百分点，F1值分别提升了10.7和10.0个百分点。实验结果验证了所提策略能有效提升LLM实体关系抽取的效果并解决模型性能不稳定的问题。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

24. 区块链边缘节点安全架构P-Dledger 王迪 《计算机应用》唯一官方网站    2025, 45 (8): 2630-2636.   DOI: 10.11772/j.issn.1001-9081.2024111579 摘要 （496）   HTML （76）    PDF （3808KB）（862）    可视化    收藏 针对区块链边缘节点的部署环境开放、安全措施薄弱、易受到安全攻击，以及计算和网络资源不足等问题，提出一种基于可信执行环境（TEE）的区块链安全架构P-Dledger。该架构通过构建两阶段的信任链，在满足软件便捷迭代的基础上，确保加载部件的可信；通过实现智能合约可信执行框架以及基于串行外设接口或非门存储器（SPI NOR Flash）的数据可信存储，保证智能合约的可信计算与数据的可信存储；同时，为共识提案赋予单调递增的唯一标识，限制拜占庭节点的行为。实验与分析结果表明：所提架构确保了加载主体、账本数据与执行过程的安全可信；当网络延时大于60 ms或节点数大于8时，P-Dledger比采用拜占庭容错（PBFT）算法的区块链系统的吞吐量更高，且随着网络延时与节点数的增加，P-Dledger性能表现更稳定。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

25. 基于个性化子模型和K均值聚类的联邦学习公平性算法 景忠瑞, 陈学斌, 菅银龙, 钟琪, 张镇博 《计算机应用》唯一官方网站    2025, 45 (12): 3747-3756.   DOI: 10.11772/j.issn.1001-9081.2024121794 摘要 （484）   HTML （100）    PDF （995KB）（268）    可视化    收藏 传统联邦学习（FL）未考虑协作公平性，导致客户端获得的奖励与它的实际贡献不匹配。针对这一问题，提出一种基于个性化子模型和K均值聚类的联邦学习公平性算法（FedPSK）。首先，根据神经网络中神经元的激活模式对神经元聚类，且仅对聚类后的簇中心神经元进行重要性评估，并使用簇中心神经元的评分代表簇中其他神经元的评分，从而降低神经元评估的耗时；其次，使用层次选取方式选择客户端子模型中包含的神经元数量及编号，并为每个客户端建立具有完整神经网络结构的子模型；最后，通过为客户端下发子模型，实现协作公平性。在不同数据集上的实验结果表明，在公平度量的相关系数方面，FedPSK比FedSAC（Federated learning framework with dynamic Submodel Allocation for Collaborative fairness）提高了2.70%；在时间开销方面，FedPSK比FedSAC至少降低了84.12%。可见，FedPSK在提升FL算法公平性的同时，极大地降低了算法运行的时间开销，验证了所提算法的高效性。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

26. 联邦学习统计异质性综述 俞浩, 范菁, 孙伊航, 董华, 郗恩康 《计算机应用》唯一官方网站    2025, 45 (9): 2737-2746.   DOI: 10.11772/j.issn.1001-9081.2024091316 摘要 （478）   HTML （21）    PDF （2650KB）（1395）    可视化    收藏 联邦学习是一种强调隐私保护的分布式机器学习框架。然而，它在应对统计异质性问题时面临显著挑战。统计异质性源于参与节点间的数据分布差异，可能导致模型更新偏差、全局模型性能下降以及收敛不稳定等问题。针对上述问题，首先，详细分析统计异质性带来的主要问题，包括特征分布不一致、标签分布不均衡、数据量不对称以及数据质量参差不齐等；其次，对现有的联邦学习统计异质性解决方案进行系统综述，包括局部校正、聚类方法、客户端选择优化、聚合策略调整、数据共享、知识蒸馏以及解耦优化等，并逐一评估它们的优缺点与适用场景；最后，探讨了未来的相关研究方向，如设备计算能力感知、模型异构适应、隐私安全机制的优化以及跨任务迁移能力的提升，为应对实际应用中的统计异质性提供参考。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

27. 开集域适应综述 王闯, 俞璐, 陈健威, 潘成, 杜文博 《计算机应用》唯一官方网站    2025, 45 (9): 2727-2736.   DOI: 10.11772/j.issn.1001-9081.2024091277 摘要 （474）   HTML （27）    PDF （859KB）（457）    可视化    收藏 作为迁移学习的关键技术，域适应能很好地解决训练和测试数据集分布不同的问题。然而，传统的域适应方法通常只适用于目标域和源域数据集所含类别的数量和种类相同的情况，在实际场景中该条件通常很难满足。开集域适应（OSDA）正是为了解决此问题而出现的。为了填补该领域的空白，并为相关研究提供借鉴参考，对近年来出现的OSDA方法进行归纳分析。首先，介绍相关概念与基本结构；其次，分别从针对数据增强、针对特征提取以及针对分类器3个阶段梳理分析相关的典型方法；最后，对OSDA的未来发展方向进行展望。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

28. 基于数据增强的子图感知对比学习 李玟, 李开荣, 杨凯 《计算机应用》唯一官方网站    2026, 46 (1): 1-9.   DOI: 10.11772/j.issn.1001-9081.2025010110 摘要 （474）   HTML （42）    PDF （727KB）（636）    可视化    收藏 图神经网络（GNN）是处理图结构数据的有效图表示学习方法。然而，在实际应用中， GNN的性能受限于信息缺失问题：一方面，图结构通常较为稀疏，导致模型难以充分学习节点特征；另一方面，监督学习依赖的标签数据通常稀缺，使模型训练受限，进而难以获得鲁棒的节点表示。针对以上问题，提出一种基于数据增强的子图感知对比学习（SCLDA）模型。首先，使用链路预测学习原始图得出节点之间的关系得分，并将得分最高的边添加到原始图中以生成增强图；其次，对原始图和增强图分别利用目标节点进行局部子图采样，将子图的目标节点输入共享GNN编码器，生成子图级别的目标节点嵌入；最后，基于2个视角子图的目标节点的对比学习最大化相似实例之间的互信息。在Cora、Citeseer、Pubmed、Cora_ML、DBLP和Photo 6个公共数据集上进行节点分类实验的结果表明， SCLDA模型比传统GCN模型的准确率分别提升了约4.4%、6.3%、4.5%、7.0%、13.2%和9.3%。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

29. 物联网应用中的可解释人工智能研究综述 赵小阳, 许新征, 李仲年 《计算机应用》唯一官方网站    2025, 45 (7): 2169-2179.   DOI: 10.11772/j.issn.1001-9081.2024070927 摘要 （470）   HTML （8）    PDF （2756KB）（2431）    可视化    收藏 在物联网（IoT）时代，人工智能（AI）与IoT的结合已经成为推动技术发展和应用创新的重要趋势。随着设备连接数量的指数级增长，提升终端用户对智能系统的信任度变得尤为关键。可解释人工智能（XAI）指能提供它们的决策过程和结果解释的AI系统。XAI的出现推动了AI技术的发展，并增强了用户对AI系统的信任。因此，对IoT应用中的XAI研究进行综述。首先，介绍IoT和XAI的相关背景及意义；其次，介绍XAI的定义及关键技术；接着，介绍传统AI驱动的IoT应用的最新进展和XAI驱动的IoT应用的最新进展；最后，对XAI在IoT应用中的未来发展方向和相关挑战分别进行总结和展望。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

30. 基于动态上采样的轻量级生成对抗网络DU-FastGAN 徐国愚, 闫晓龙, 张一丹 《计算机应用》唯一官方网站    2025, 45 (10): 3067-3073.   DOI: 10.11772/j.issn.1001-9081.2024101535 摘要 （468）   HTML （71）    PDF （3450KB）（332）    可视化    收藏 近年来，生成对抗网络（GAN）被广泛应用于数据增强，能有效缓解训练样本不足的问题，对模型训练具有重要研究意义。然而，现有用于数据增强的GAN模型存在对数据集要求高和模型收敛不稳定等问题，导致生成的图像易出现失真和形变。因此，提出一种基于动态上采样的轻量级GAN——DU-FastGAN（Dynamic-Upsample-FastGAN）进行数据增强。首先，通过动态上采样模块构建生成器，使生成器能够根据当前特征图的大小采用不同粒度的上采样方法，从而重建纹理，提高合成的整体结构和局部细节的质量；其次，为了使模型能够更好地获取图像的全局信息流，提出权重信息跳跃连接模块，以减小卷积及池化操作对特征的扰动，提高模型对不同特征的学习能力，使得模型生成图像的细节更逼真；最后，给出特征丢失损失函数，通过计算采样过程中对应特征图之间的相对距离提高模型生成质量。实验结果表明，相较于FastGAN、MixDL（Mixup-based Distance Learning）和RCL-master（Reverse Contrastive Learning-master）等方法，DU-FastGAN在10个小数据集上的FID（Fréchet Inception Distance）的最大降幅达到23.47%，能够有效缓解生成图像的失真和形变问题，并提高了生成图像的质量；同时，DU-FastGAN的模型训练时间在600 min内，实现了轻量级开销。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

31. 基于骨架和3D热图的注意缺陷多动障碍患者动作识别算法 石超, 周昱昕, 扶倩, 唐万宇, 何凌, 李元媛 《计算机应用》唯一官方网站    2025, 45 (9): 3036-3044.   DOI: 10.11772/j.issn.1001-9081.2024091304 摘要 （447）   HTML （1）    PDF （2932KB）（407）    可视化    收藏 注意缺陷多动障碍（ADHD）是一种常见于儿童期的神经发育障碍，以注意力不集中、多动和冲动为主要特征，常表现出特定的动作模式。传统的动作识别算法在处理这些特定动作时存在识别准确率低和响应慢等问题。为解决这些问题，提出基于骨架和3D热图的注意缺陷多动障碍患者动作识别算法，并通过高斯分布精确地表示关节点间的空间关系，以有效地保留时空信息。针对单一模态数据的限制，引入基于骨架和3D热图的多模态集成方法。同时，通过融合Short 3D-CNN（3D Convolutional Neural Network）和自适应图卷积网络（AGCN）的输出特征，充分利用两种模态数据的优势，从而提升动作识别性能。在四川大学华西医院心理卫生中心采集的ADHD患者数据集上的实验结果表明，对于8种不同类型的动作，所提算法的Top-1识别准确率为0.860 4，Top-5识别准确率为0.987 3。此外，提出基于动作类型的ADHD自动分型算法，该算法将ADHD分型为头面部体动型、躯干体动型和四肢体动型，它的识别准确率为75%，响应时间为5 s。与2s-AGCN（two-stream AGCN）和PoseConv3D相比，所提算法在复杂动作场景下具有更高的识别精度，为ADHD的个性化干预提供了新的技术手段。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

32. 基于强化学习的无人机乡村末端配送任务分配 陈晓娟, 张薇 《计算机应用》唯一官方网站    2025, 45 (12): 4055-4063.   DOI: 10.11772/j.issn.1001-9081.2024111670 摘要 （445）   HTML （89）    PDF （1075KB）（208）    可视化    收藏 农村“最后一公里”配送难、时间长和成本高的特点使高效精准的末端配送调度方案尤为重要。针对农村配送场景下的多物流无人机（UAV）的任务分配问题，综合考虑UAV的载重量和UAV的最大飞行距离，以最小化UAV的飞行距离、派遣数量和不违反时间窗为目标，建立多目标的UAV任务分配模型。首先，以强化学习为基础，针对任务分配维数过高的问题，引入编码器和注意力机制有效简化状态空间；其次，结合全局-局部搜索策略，在探索解空间的同时避免陷入局部最优解，从而提高求解质量；最后，进一步分析参数权重设置，并且经实验得出各子目标函数权重系数的最优组合。仿真结果表明，在得到的最终路径长度上相较于混合Q学习网络方法（HQM）、自适应大邻域搜索算法（ALNS）、Q学习算法（Q-learning）和遗传算法（GA），所提算法SG-HQM（Sine and Gaussian HQM）分别减少了8.35%、9.88%、10.29%和12.48%。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

33. 基于多层感知机-注意力模型的功耗预测算法 敬超, 全育涛, 陈艳 《计算机应用》唯一官方网站    2025, 45 (8): 2646-2655.   DOI: 10.11772/j.issn.1001-9081.2024081092 摘要 （441）   HTML （0）    PDF （3117KB）（74）    可视化    收藏 虽然异构计算系统的应用可以加快神经网络参数的处理，但系统功耗也随之剧增。良好的功耗预测方法是异构系统优化功耗和处理多类型工作负载的基础，基于此，通过改进多层感知机-注意力模型，提出一种面向CPU/GPU异构计算系统多类型工作负载的功耗预测算法。首先，考虑服务器功耗与系统特征，建立一种基于特征的工作负载功耗模型；其次，针对现有的功耗预测算法不能解决系统特征与系统功耗之间的长程依赖的问题，提出一种改进的基于多层感知机-注意力模型的功耗预测算法Prophet，该算法改进多层感知机实现各个时刻的系统特征的提取，并使用注意力机制综合这些特征，从而有效解决系统特征与系统功耗之间的长程依赖问题；最后，在实际系统中开展相关实验，将所提算法分别与MLSTM_PM （Power consumption Model based on Multi-layer Long Short-Term Memory）和ENN_PM （Power consumption Model based on Elman Neural Network）等功耗预测算法对比。实验结果表明，Prophet具有较高的预测精准性，与MLSTM_PM算法相比，在工作负载blk、memtest和busspd上将平均相对误差（MRE）分别降低了1.22、1.01和0.93个百分点，并且具有较低的复杂度，表明了所提算法的有效性及可行性。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

34. 联邦学习中改进Kolmogorov-Arnold网络的混合优化框架 姜志, 陈学斌, 罗长银, 甄子业 《计算机应用》唯一官方网站    2026, 46 (4): 1023-1033.   DOI: 10.11772/j.issn.1001-9081.2025050536 摘要 （438）   HTML （78）    PDF （1022KB）（322）    可视化    收藏 针对联邦学习中数据异质、梯度易陷入局部最优及计算?通信开销偏高等问题，面向Kolmogorov-Arnold网络（KAN）提出一种“关键边筛选?早停遗传进化?局部微调”的混合训练框架——KB-GA-KAN。首先依据核函数幅度和激活敏感度在客户端动态选取关键边，并仅对这些边的核系数进行遗传进化，全局搜索优良初始解；然后引入早停判据，结合进化与本地随机梯度下降（SGD）实现协同优化。在5个非独立同分布（Non-IID）数据集上的实验结果表明：相较于纯梯度训练的KAN，KB-GA-KAN在相同通信轮数下的测试准确率平均提高了1.34%，收敛轮数减少了42%，并以轻微的额外计算代价提升了异构场景的鲁棒性。核函数的可视化结果进一步验证了KB-GA-KAN对模型可解释性的促进作用。可见，KB-GA-KAN能为隐私受限条件下的高效随机梯度下降KAN训练提供兼顾准确率、收敛速度与计算成本的新途径。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

35. 基于区块链的自动驾驶仿真测试数据存证模型 彭海洋, 计卫星, 刘法旺 《计算机应用》唯一官方网站    2025, 45 (8): 2421-2427.   DOI: 10.11772/j.issn.1001-9081.2024091280 摘要 （435）   HTML （10）    PDF （2223KB）（96）    可视化    收藏 针对自动驾驶仿真测试中多参与者数据共享引发的安全性问题，提出一种基于区块链的自动驾驶仿真测试数据的存证模型，确保数据安全存储且具备可追溯性，进而为审计工作提供可靠支持。首先，利用联盟链的半公开特性确保链上数据仅对授权组织可见，同时利用基于RBAC （Role-Based Access Control）模型的权限校验机制实现针对这些组织的访问控制；其次，定义智能合约模板以规范数据存取流程，并开放流程扩展点以支持自定义功能，例如允许扩展关联合约以确保仿真资源交易行为的自动执行；最后，提出星际文件系统（IPFS）链上链下混合存储、数据批量处理和资源数据缓存等优化策略解决区块链存储资源和处理能力受限的问题。针对数据存证效率进行测试，并对大语言模型生成的500个仿真场景进行数据存证。实验结果表明，与直接存取方法相比，应用批量处理策略的存证过程的总事务量降低了72.00%，大幅减少了智能合约调用带来的性能消耗，而全量数据的写入和读取平均耗时分别降低了85.36%和52.67%。可见，所提模型为自动驾驶仿真测试中的多方数据共享的数据安全性提供了可靠的技术支持，而所提优化策略显著提高了数据的访存效率。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

36. 基于改进YOLOv8的航拍无人机小目标检测模型 范博淦, 王淑青, 陈开元 《计算机应用》唯一官方网站    2025, 45 (7): 2342-2350.   DOI: 10.11772/j.issn.1001-9081.2024070946 摘要 （429）   HTML （39）    PDF （4318KB）（386）    可视化    收藏 针对当前无人机（UAV）视角下小目标检测性能低以及漏检和误检的问题，提出基于YOLOv8改进的BDS-YOLO （BiFPN-Dual-Small target detection-YOLO）模型。首先，使用RepViTBlock（Revisiting mobile CNN from ViT perspective Block）与EMA（Efficient Multi-scale Attention）机制构造C2f-RE （C2f-RepViTBlock Efficient multi-scale attention）从而改进骨干网络中深层的C2f （faster implementation of CSP bottleneck with 2 Convolutions）模块，提升模型对小目标特征的提取能力并降低参数量；其次，使用双向特征金字塔网络（BiFPN）重构颈部网络，从而使不同层级的特征得以相互融合；然后，在改进颈部网络的基础上构造双重小目标检测层，并结合浅层和最浅层特征来提高模型对小目标的检测能力；最后，引入改进损失函数Inner-EIoU （Inner-Efficient-Intersection over Union），该函数使用更合理的宽高比衡量方式并解决交并比（IoU）自身的局限。实验结果表明，改进模型在VisDrone2019数据集上相对原始模型的精确率、召回率、mAP@50、mAP@50：95分别提升了8.5、7.7、9.2和6.3个百分点，而参数量仅为2.23×106，模型大小减小了19.1%。可见，所提模型在实现一定轻量化的同时显著提升了性能。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

37. DNS隧道检测技术研究综述 郑智强, 王锐棋, 范子静, 何发镁, 姚叶鹏, 汪秋云, 姜政伟 《计算机应用》唯一官方网站    2025, 45 (7): 2079-2091.   DOI: 10.11772/j.issn.1001-9081.2024070972 摘要 （429）   HTML （7）    PDF （1890KB）（717）    可视化    收藏 域名系统（DNS）作为将IP地址和域名互相转换的系统，是互联网中的重要基础协议之一。由于DNS在互联网中的重要性，一些安全设施如防火墙和入侵检测系统（IDS）等的安全策略默认允许DNS流量通过，这给了攻击者利用DNS隧道进行通信的机会。目前，已经有许多恶意软件支持DNS通信，甚至默认使用DNS通信，这为网络安全工具和安全运营中心带来了很大的挑战。然而，现有的研究主要聚焦于具体的检测方法，即使绝大部分研究者在他们的研究中依赖隧道工具生成样本，却很少对隧道工具本身进行探索。因此，对DNS隧道检测技术研究进行综述。首先，系统阐述DNS隧道的发展历史、研究现状和现有的检测方案，并对过去10年中的检测方案的优缺点进行探讨。其次，对检测方案中常见的dnscat2、Iodine和dns2tcp等6种通信工具进行评估与实验，并公开实验数据。实验结果表明，绝大多数检测方案都没有公开它们的隧道样本数据集或使用隧道工具生成流量时所设定的参数，使这些检测方案很难复现。此外，部分检测方案使用的DNS隧道工具具有明显签名特征，而使用具有签名特征的样本对基于模型的检测方案进行训练将导致模型的泛化能力存疑，即无从得知这一类模型在真实世界中是否具有良好表现。最后，展望相关未来的工作方向。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

38. 结合大语言模型与动态提示的裁判文书摘要方法 张滨滨, 秦永彬, 黄瑞章, 陈艳平 《计算机应用》唯一官方网站    2025, 45 (9): 2783-2789.   DOI: 10.11772/j.issn.1001-9081.2024091393 摘要 （424）   HTML （12）    PDF （1239KB）（434）    可视化    收藏 针对裁判文书案件结构复杂、涉案事实冗余且案情分布广泛的问题，现有的大语言模型（LLM）难以有效关注结构信息并可能会产生事实错误关联，从而导致结构信息缺失和事实不一致。因此，提出一种结合LLM与动态提示的裁判文书摘要方法DPCM（Dynamic Prompt Correction Method）。首先，利用LLM进行单样本学习，以生成裁判文书摘要。其次，计算原文与摘要之间的高维相似性，以检测摘要中可能存在的结构缺失或事实不一致的问题：如果发现问题，将错误摘要与原文拼接，并加入提示词，随后再次进行单样本学习，以修正并生成新的摘要，且再次进行相似性检测，如果问题仍然存在，则重复此生成与检测过程。最后，通过这种反复迭代的方式动态调整提示词，以逐步优化生成的摘要。在CAIL2020公共司法摘要数据集上的实验结果表明，相较于Least-To-Most-Prompting、Zero-Shot-Reasoners和Self_Consistency_Cot等方法，所提方法在Rouge-1、Rouge-2、Rouge-L、BERTscore、FactCC （Factual Consistency）指标上均有所提高。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

39. 融合降噪策略与多视图对比学习的知识感知推荐模型 刘超, 余岩化 《计算机应用》唯一官方网站    2025, 45 (9): 2827-2837.   DOI: 10.11772/j.issn.1001-9081.2024081225 摘要 （422）   HTML （8）    PDF （2114KB）（99）    可视化    收藏 针对基于知识图谱（KG）的推荐模型中存在的降噪效果不佳、项目间语义信息提取不足和信息利用不平衡的问题，提出一种融合降噪策略与多视图对比学习（FDSMVC）的知识感知推荐模型。首先，分别以选择性丢边和加权函数掩盖低权重三元组的方式对用户项目交互图与知识图进行降噪；其次，分别采用随机奇异值分解（SVD）、余弦相似度与k-最近邻（kNN）稀疏法和基于路径的图注意力网络构建协同视图、项目间的语义视图和结构视图；再次，将多个视图进行图内、局部和全局这3种对比学习；最后，利用多任务策略联合优化推荐任务和对比学习任务，从而得到用户与项目交互的可能性。实验结果表明，相较于最优的基线模型，在Book-Crossing、MovieLens-1M、Last.FM、Alibaba-iFashion和Yelp2018共5个真实数据集上，FDSMVC模型的曲线下面积（AUC）和F1分数分别提升了1.06%~2.04%和1.52%~2.06%，且Recall@K也优于最优的基线模型。 图表 | 参考文献 | 相关文章 | 多维度评价

Select

40. 基于区块链的去中心化科学系统运行机制综述 彭宇琪, 陈娇龙, 颜嘉麒 《计算机应用》唯一官方网站    2025, 45 (11): 3407-3415.   DOI: 10.11772/j.issn.1001-9081.2024121847 摘要 （421）   HTML （95）    PDF （1077KB）（205）    可视化    收藏 随着区块链等新兴技术的快速发展和广泛应用，去中心化科学（DeSci）运动兴起，旨在改善传统集中式科学系统，进而构建开放包容的科学自治生态。针对集中式科学系统在信息流通、资源分配和评价机制等方面存在的问题，综述了基于区块链的DeSci系统运行机制。首先，介绍了DeSci的概念及其应用现状；其次，对DeSci进行文献调研，从经济和社会2个维度出发，将科学系统运行机制划分为资产管理、通证经济、组织治理和信任建构4个方面，并按照分类总结科学系统的现状和区块链技术改善科学系统的优势；再次，分类综述了基于区块链及相关技术的DeSci系统的运行机制；最后，从科研全流程的角度展望DeSci生态，并总结了DeSci系统实践面临的挑战和未来发展机遇。综述表明，基于区块链的DeSci系统有潜力改善现有科学体系，它的运行机制能够为构建科学自治生态提供理论依据和实践方向。 图表 | 参考文献 | 相关文章 | 多维度评价