《计算机应用》唯一官方网站

自然语言生成综述

李雪晴, 王石, 王朱君, 朱俊武

2021, 41(5): 1227-1235. DOI: 10.11772/j.issn.1001-9081.2020071069

摘要 ( )

PDF (1165KB) ( )

参考文献 | 相关文章 | 计量指标

自然语言生成（NLG）技术利用人工智能和语言学的方法来自动地生成可理解的自然语言文本。NLG降低了人类和计算机之间沟通的难度，被广泛应用于机器新闻写作、聊天机器人等领域，已经成为人工智能的研究热点之一。首先，列举了当前主流的NLG的方法和模型，并详细对比了这些方法和模型的优缺点；然后，分别针对文本到文本、数据到文本和图像到文本等三种NLG技术，总结并分析了应用领域、存在的问题和当前的研究进展；进而，阐述了上述生成技术的常用评价方法及其适用范围；最后，给出了当前NLG技术的发展趋势和研究难点。

面向自然语言处理任务的预训练模型综述

刘睿珩, 叶霞, 岳增营

2021, 41(5): 1236-1246. DOI: 10.11772/j.issn.1001-9081.2020081152

摘要 ( )

PDF (1296KB) ( )

参考文献 | 相关文章 | 计量指标

近年来，深度学习技术得到了快速发展。在自然语言处理（NLP）任务中，随着文本表征技术从词级上升到了文档级，利用大规模语料库进行无监督预训练的方式已被证明能够有效提高模型在下游任务中的性能。首先，根据文本特征提取技术的发展，从词级和文档级对典型的模型进行了分析；其次，从预训练目标任务和下游应用两个阶段，分析了当前预训练模型的研究现状，并对代表性的模型特点进行了梳理和归纳；最后，总结了当前预训练模型发展所面临的主要挑战并提出了对未来的展望。

基于深度学习的事件因果关系抽取综述

王朱君, 王石, 李雪晴, 朱俊武

2021, 41(5): 1247-1255. DOI: 10.11772/j.issn.1001-9081.2020071080

摘要 ( )

PDF (1460KB) ( )

参考文献 | 相关文章 | 计量指标

因果关系抽取是自然语言处理（NLP）中的一种关系抽取任务，它通过构造事件图来挖掘文本中具有因果关系的事件对，已经在金融、安全、生物等领域的应用中发挥重要作用。首先，介绍了事件抽取和因果关系等概念，并介绍了因果关系抽取主流方法的演变和常用数据集；然后，列举了当前主流的因果关系抽取模型，并且在分别对基于流水线的模型和联合抽取模型进行详细分析的基础上，对比了各种方法和模型的优缺点；此外，对各模型的实验性能及相关实验数据进行了归纳分析；最后，给出了当前的因果关系抽取的研究难点和未来的重点研究方向。

基于生成对抗网络的事件描述生成

孙鹤立, 孙玉柱, 张晓云

2021, 41(5): 1256-1261. DOI: 10.11772/j.issn.1001-9081.2020081242

摘要 ( )

PDF (971KB) ( )

参考文献 | 相关文章 | 计量指标

在基于事件的社会网络（EBSN）中，自动生成社交事件（Social Event）的事件描述（Event Description）供组织者参考，从而有效避免描述贫乏、描述过度、精准度低的问题，易于形成丰富、准确、高吸引力的事件描述。为了自动生成与真实事件描述足够相似的文本，提出了一种生成对抗网络（GAN）模型GAN_PG来生成事件描述。GAN_PG模型中的生成模型（Generator）采用变分自编码器（VAE），判别模型（Discriminator）采用带门控循环单元（GRU）的神经网络。模型训练时借鉴了强化学习中的策略梯度（PG）下降，并通过设计合理的奖励函数来训练生成器生成事件描述。实验结果表明，设计的模型生成事件描述的BLEU-4值达到了0.67，证明了提出的事件描述生成模型GAN_PG可以无监督地产生与自然语言足够相似的事件描述。

基于改进注意力机制的图像描述生成算法

李文惠, 曾上游, 王金金

2021, 41(5): 1262-1267. DOI: 10.11772/j.issn.1001-9081.2020071078

摘要 ( )

PDF (1413KB) ( )

参考文献 | 相关文章 | 计量指标

图像描述是将图像所包含的全局信息用语句来表示。它要求图像描述生成模型既能提取出图像信息，又能将提取出来的图像信息用语句表达出来。传统的模型是基于卷积神经网络（CNN）和循环神经网络（RNN）搭建的，在一定程度上可以实现图像转语句的功能，但该模型在提取图像关键信息时精度不高且训练速度缓慢。针对这一问题，提出了一种基于CNN和长短期记忆（LSTM）网络改进的注意力机制图像描述生成模型。采用VGG19和ResNet101作为特征提取网络，在注意力机制中引入分组卷积替代传统的全连接操作，从而提高评价值指标。使用了公共数据集Flickr8K、Flickr30K对该模型进行训练，采用多种评价指标（BLEU、ROUGE_L、CIDEr、METEOR）对模型进行验证。实验结果表明，与引入传统的注意力机制模型相比，提出的改进注意力机制图像描述生成模型对图像描述任务的准确性有所提升，并且该模型在5种评价指标上均优于传统的模型。

基于注意力机制的特征融合-双向门控循环单元多模态情感分析

赖雪梅, 唐宏, 陈虹羽, 李珊珊

2021, 41(5): 1268-1274. DOI: 10.11772/j.issn.1001-9081.2020071092

摘要 ( )

PDF (960KB) ( )

参考文献 | 相关文章 | 计量指标

针对视频多模态情感分析中，未考虑跨模态的交互作用以及各模态贡献程度对最后情感分类结果的影响的问题，提出一种基于注意力机制的特征融合-双向门控循环单元多模态情感分析模型（AMF-BiGRU）。首先，利用双向门控循环单元（BiGRU）来考虑各模态中话语间的相互依赖关系，并得到各模态的内部信息；其次，通过跨模态注意力交互网络层将模态内部信息与模态之间的交互作用相结合；然后，引入注意力机制来确定各模态的注意力权重，并将各模态特征进行有效融合；最后，通过全连接层和softmax层获取情感分类结果。在公开的CMU-MOSI和CMU-MOSEI数据集上进行实验。实验结果表明，与传统的多模态情感分析方法（如多注意力循环网络（MARN））相比，AMF-BiGRU模型在CMU-MOSI数据集上的准确率和F1值分别提升了6.01%和6.52%，在CMU-MOSEI数据集上的准确率和F1值分别提升了2.72%和2.30%。可见，AMF-BiGRU模型能够有效提高多模态的情感分类性能。

基于层次异构图注意力网络的虚假评论检测

张蓉, 张献国

2021, 41(5): 1275-1281. DOI: 10.11772/j.issn.1001-9081.2020081190

摘要 ( )

PDF (1116KB) ( )

参考文献 | 相关文章 | 计量指标

针对虚假评论检测中不能充分利用评论的非语义特征的问题，提出了一种新的基于层次注意力机制与异构图注意力网络的层次异构图注意力网络（HHGAN）模型。首先，通过层次注意力机制学习评论文本中词级别和句级别的文档表示，重点捕获对虚假评论检测有重要意义的单词和句子；然后，将学习到的文档表示作为节点，并选取评论中非语义特征作为元路径来构建具有双层注意力机制的异构图注意力网络；最后，设计一个多层感知器（MLP）用以判别评论类别。实验结果表明，HHGAN模型在yelp.com中提取的餐厅数据集和酒店数据集上的F1值分别到达0.942和0.923，效果明显优于传统的卷积神经网络（CNN）模型和其他神经网络基准模型。

基于图结构优化的自适应多度量非监督特征选择方法

林筠超, 万源

2021, 41(5): 1282-1289. DOI: 10.11772/j.issn.1001-9081.2020071099

摘要 ( )

PDF (1843KB) ( )

参考文献 | 相关文章 | 计量指标

非监督特征选择是机器学习领域的热点研究问题，对于高维数据的降维和分类都极为重要。数据点之间的相似性可以用多个不同的标准来衡量，这使得不同的数据点之间相似性度量标准难以一致；并且现有方法多数通过近邻分配得到相似矩阵，因此其连通分量数通常不够理想。针对这两个问题，将相似矩阵看作变量而非预先对其进行设定，提出了一种基于图结构优化的自适应多度量非监督特征选择（SAM-SGO）方法。该方法将不同的度量函数自适应地融合成一种统一的度量，从而对多种度量方法进行综合，自适应地获得数据的相似矩阵，并且更准确地捕获数据点之间的关系。为获得理想的图结构，通过对相似矩阵的秩进行约束，在优化图局部结构的同时简化了计算。此外，将基于图的降维问题合并到所提出的自适应多度量问题中，并引入稀疏l2，0正则化约束以获得用于特征选择的稀疏投影。在多个标准数据集上的实验验证了SAM-SGO的有效性，相比较于近年所提出的基于局部学习聚类的特征选择和内核学习（LLCFS）、依赖指导的非监督特征选择（DGUFS）和结构化最优图特征选择（SOGFS）方法，该方法的聚类正确率平均提高了约3.6个百分点。

基于改进斑点鬣狗优化算法的同步优化特征选择

贾鹤鸣, 姜子超, 李瑶, 孙康健

2021, 41(5): 1290-1298. DOI: 10.11772/j.issn.1001-9081.2020081192

摘要 ( )

PDF (1335KB) ( )

参考文献 | 相关文章 | 计量指标

针对传统支持向量机（SVM）在封装式特征选择中分类精度低、特征子集选择冗余以及计算效率差的不足，利用元启发式优化算法同步优化SVM与特征选择。为改善SVM分类效果以及选择特征子集的能力，首先，利用自适应差分进化（DE）算法、混沌初始化与锦标赛选择策略对斑点鬣狗优化（SHO）算法改进，以增强其局部搜索能力并提高其寻优效率与求解精度；其次，将改进后的算法用于特征选择与SVM参数调整的同步优化中；最后，在UCI数据集进行特征选择仿真实验，采取分类准确率、选择特征数、适应度值及运行时间来综合评估所提算法的优化性能。实验结果证明，改进算法的同步优化机制能够在高分类准确率下降低特征选择的数目，该算法比传统算法更适合解决封装式特征选择问题，具有良好的应用价值。

基于Octave卷积的混合精度神经网络量化方法

张文烨, 尚方信, 郭浩

2021, 41(5): 1299-1304. DOI: 10.11772/j.issn.1001-9081.2020071106

摘要 ( )

PDF (2485KB) ( )

参考文献 | 相关文章 | 计量指标

浮点数位宽的深度神经网络需要大量的运算资源，这导致大型深度神经网络难以在低算力场景（如边缘计算）上部署。为解决这一问题，提出一种即插即用的神经网络量化方法，以压缩大型神经网络的运算成本，并保持模型性能指标不显著下降。首先，基于Octave卷积将输入特征图的高频和低频成分进行分离；其次，分别对高低频分量应用不同位宽的卷积核进行卷积运算；第三，使用不同位宽的激活函数将高低频卷积结果量化至相应位宽；最后，混合不同精度的特征图来获得该层卷积结果。实验结果证实了所提方法压缩模型的有效性，在CIFAR-10/100数据集上，将模型压缩至1+8位宽时，该方法可保持准确率指标的下降小于3个百分点；在ImageNet数据集上，使用该方法将ResNet50模型压缩至1+4位宽时，其正确率指标仍高于70%。

基于改进DCGAN的数据增强方法

甘岚, 沈鸿飞, 王瑶, 张跃进

2021, 41(5): 1305-1313. DOI: 10.11772/j.issn.1001-9081.2020071059

摘要 ( )

PDF (1499KB) ( )

参考文献 | 相关文章 | 计量指标

针对小样本数据在深度学习中训练难的问题，为提高DCGAN训练效率，提出了一种改进的DCGAN算法对小样本数据进行增强。首先，使用Wasserstein距离替换原模型中的损失模型；其次，在生成网络和判别网络中加入谱归一化，以得到稳定的网络结构；最后，通过极大似然估计算法和实验估算得到样本的最佳噪声输入维度，从而提高生成样本的多样性。在MNIST、CelebA和Cartoon这三个数据集上的实验结果表明：改进后的DCGAN所生成样本的清晰度以及识别率比改进前均得到了明显提高，其中平均识别率在这几个数据集上分别提高了8.1%、16.4%和16.7%，几种清晰度评价指标在各数据集上均有不同程度的提高。可见该方法能够有效地实现小样本数据增强。

卷积鲁棒主成分分析

王心, 朱浩华, 刘光灿

2021, 41(5): 1314-1318. DOI: 10.11772/j.issn.1001-9081.2020081169

摘要 ( )

PDF (2704KB) ( )

参考文献 | 相关文章 | 计量指标

鲁棒主成分分析（RPCA）是一种经典的高维数据分析方法，可从带噪声的观测样本中恢复出原始数据。但是，RPCA能工作的前提是目标数据拥有低秩矩阵结构，不能有效处理实际应用中广泛存在的非低秩数据。研究发现，虽然图像、视频等数据矩阵本身可能不是低秩的，但它们的卷积矩阵通常是低秩的。根据这一原理，提出一种称为卷积鲁棒主成分分析（CRPCA）的新方法，利用卷积矩阵的低秩性对原始数据的结构进行约束，从而实现精确的数据恢复。CPRCA模型的计算过程是一个凸优化问题，通过乘子交替方向法（ADMM）来进行求解。通过对合成数据向量以及真实数据图片、视频序列进行实验，验证了该方法相较于其他算法如RPCA、广义鲁棒主成分分析（GRPCA）以及核鲁棒主成分分析（KRPCA）在处理数据非低秩问题上优越性。

基于注意力自身线性融合的弱监督细粒度图像分类算法

陆鑫伟, 余鹏飞, 李海燕, 李红松, 丁文谦

2021, 41(5): 1319-1325. DOI: 10.11772/j.issn.1001-9081.2020071105

摘要 ( )

PDF (1945KB) ( )

参考文献 | 相关文章 | 计量指标

随着人工智能的飞速发展，计算机视觉领域对图像的分类任务不仅仅限于识别出物体的大类，更需要对同一类别的图像进行更加细致的子类划分。为了有效区分出类间的微小差异以及减少背景因素的干扰，提出了一种基于AABP的细粒度分类算法。首先，通过Inception V3预训练模型提取全局图像特征，并利用深度可分离卷积在特征映射上预测出局部注意力区域；然后，应用弱监督数据增强网络（WS-DAN）的算法将增强后的图像反馈回网络中，以此加强网络的泛化能力，防止过拟合；最后，将进一步提取的注意力特征区域在AABP网络中进行线性融合，以提升分类的精度。实验结果表明，该算法在数据集CUB-200-2011上达到88.51%的准确率、97.65%的top5准确率，在Stanford Cars数据集上到89.77%的准确率、99.27%的top5准确率，在FGVC-Aircraft数据集上到93.5%的准确率、97.96%的top5准确率。

基于深度学习的轻量级道路图像语义分割算法

胡嵽, 冯子亮

2021, 41(5): 1326-1331. DOI: 10.11772/j.issn.1001-9081.2020081181

摘要 ( )

PDF (1085KB) ( )

参考文献 | 相关文章 | 计量指标

针对深度学习中道路图像语义分割模型参数量巨大以及计算复杂，不适合于部署在移动端进行实时分割的问题，提出了一种使用深度可分离卷积构建的轻量级对称U型编码器-解码器式的图像语义分割网络MUNet。首先设计出U型编码器-解码器式网络；其次，在卷积块之间设计稀疏短连接；最后，引入了注意力机制与组归一化（GN）方法，从而在减少模型参数量以及计算量的同时提升分割精度。针对道路图像CamVid数据集，在1 000轮训练后，MUNet模型分割结果在测试图像裁剪为720×720大小时的平均交并比（MIoU）为61.92%。实验结果表明，和常见的图像语义分割网络如金字塔场景分析网络（PSPNet）、RefineNet、全局卷积网络（GCN）和DeepLabv3+相比较，MUNet的参数量以及计算量更少，同时网络分割性能更好。

基于迁移学习的并行卷积神经网络牦牛脸识别算法

陈争涛, 黄灿, 杨波, 赵立, 廖勇

2021, 41(5): 1332-1336. DOI: 10.11772/j.issn.1001-9081.2020071126

摘要 ( )

PDF (842KB) ( )

参考文献 | 相关文章 | 计量指标

为了在牦牛养殖过程中对牦牛实现精确管理，需要对牦牛的身份进行识别，而牦牛脸识别是一种可行的牦牛身份识别方式。然而已有的基于神经网络的牦牛脸识别算法中存在牦牛脸数据集特征多、神经网络训练时间长的问题，因此，借鉴迁移学习的方法并结合视觉几何组网络（VGG）和卷积神经网络（CNN），提出了一种并行CNN（Parallel-CNN）算法用来识别牦牛的面部信息。首先，利用已有的VGG16网络对牦牛脸图像数据进行迁移学习以及初次提取牦牛的面部信息特征；然后，将提取到的不同层次的特征进行维度变换并输入到Parallel-CNN中进行二次特征提取；最后，利用两个分离的全连接层对牦牛脸图像进行分类。实验结果表明：Parallel-CNN能够对不同角度、光照和姿态的牦牛脸进行识别，在含有300头牦牛的90 000张牦牛脸图像的测试数据集上，所提算法的识别准确率达到91.2%。所提算法可以对牦牛身份进行精确识别，从而帮助牦牛养殖场实现对牦牛的智能化管理。

基于万有引力的自适应近邻传播聚类算法

王治和, 常筱卿, 杜辉

2021, 41(5): 1337-1342. DOI: 10.11772/j.issn.1001-9081.2020071130

摘要 ( )

PDF (1267KB) ( )

参考文献 | 相关文章 | 计量指标

针对近邻传播（AP）聚类算法对参数偏向参数（Preference）敏感、不适用于稀疏数据、聚类结果中会出现错误聚类的样本点的问题，提出基于万有引力的自适应近邻传播聚类（GA-AP）算法。首先，在传统AP算法的基础上采用引力搜索机制对样本进行全局寻优；其次，在全局寻优的基础上利用信息熵和自适应增强（AdaBoost）算法找到每个簇内正确聚类和错误聚类的样本点，并计算出这些样本点的权值，用计算出的权值更新对应的样本点，从而更新相似度、Preference取值、吸引度和隶属度，并进行重新聚类。不断操作以上步骤直到达到最大的迭代次数。通过在9个数据集上的仿真实验得出，相比于基于自适应属性加权的近邻传播聚类（AFW_AP）算法、AP算法、K均值聚类（K-means）算法和模糊C均值（FCM）算法，所提算法的纯度（Purity）、F值（F-measure）和准确率（ACC）的平均值分别最高提升了0.69、71.74%和98.5%。实验结果表明，所提算法降低了对偏向参数的依赖，提高了聚类效果，特别是对于稀疏数据集的聚类结果的准确率。

基于新的鲁棒相似性度量的时间序列聚类

李国荣, 冶继民, 甄远婷

2021, 41(5): 1343-1347. DOI: 10.11772/j.issn.1001-9081.2020071142

摘要 ( )

PDF (683KB) ( )

参考文献 | 相关文章 | 计量指标

针对存在异常值的时间序列数据，提出了一种基于相关系数鲁棒估计的时间序列间的鲁棒广义互相关度量（RGCC）。首先，引入一种鲁棒相关系数代替Pearson相关系数来计算时间序列数据间的协方差矩阵；其次，用新的协方差矩阵的行列式构造两个时间序列间的相似性度量——RGCC；最后，基于该度量计算出序列间的距离矩阵，将其作为聚类算法的输入对数据进行聚类。时间序列聚类仿真实验表明，对存在异常值点的时间序列数据，与基于原始的广义互相关度量（GCC）得到的聚类结果相比，基于RGCC得到的聚类结果明显更接近真实的聚类结果。可见，所提出的新的鲁棒相似性度量完全适用于存在异常值的时间序列数据。

基于异构信息网络的混合推荐模型

林怿星, 唐华

2021, 41(5): 1348-1355. DOI: 10.11772/j.issn.1001-9081.2020081340

摘要 ( )

PDF (1265KB) ( )

参考文献 | 相关文章 | 计量指标

个性化推荐平台具有数据来源广泛且数据类型丰富的特点，而其中的数据稀疏是影响推荐系统性能的重要原因。如何挖掘推荐平台结构化数据和非结构化数据以发现更多特征，在数据稀疏场景中提高推荐的准确率，缓解冷启动问题，并且使得推荐具有可解释性，是推荐系统面临的重大挑战。因此，针对为User推荐Item的个性化场景，利用异构信息网络（HIN）构建推荐平台中对象间的关联关系，以元路径（Meta-Graph）描述对象间的关联路径并计算不同路径下的User-Item相似度矩阵；用FunkSVD矩阵分解算法分解User以及Item的隐式特征，并针对以文本为例的非结构化数据以卷积神经网络（CNN）技术挖掘这些数据的文本特征；将两种方式获取的特征进行拼接后，使用融入User和Item历史平均分的因子分解机（FM）来预测User对Item的评分。实验过程基于公开数据集Yelp建立提出的混合推荐模型、基于Meta-Graph的单一推荐模型、因子分解机推荐（FMR）模型以及基于FunkSVD推荐模型并对它们进行训练。实验结果表明，所提出的混合推荐模型具有较好的有效性和可解释性，相较于几个对比模型，该模型的推荐精度均有较大的提升。

基于Web of Science的PageRank人才挖掘算法

李翀, 王宇宸, 杜伟静, 何晓涛, 刘学敏, 张士波, 李树仁

2021, 41(5): 1356-1360. DOI: 10.11772/j.issn.1001-9081.2020081206

摘要 ( )

PDF (775KB) ( )

参考文献 | 相关文章 | 计量指标

高水平论文是优秀科技人才的标志性成果之一。聚焦“Web Of Science（WOS）”热点研究学科，在构建学术论文语义Neo4j网络图和挖掘出活跃科研社区基础上，利用PageRank人才挖掘算法实现对科研社区中优秀科研人才的挖掘。首先，对现有的人才挖掘算法进行详细研究和分析；其次，结合WOS论文数据对PageRank人才挖掘算法进行了优化设计和实现，加入了论文发表的时间因子、作者署名排序递减模型、周围作者节点对当前节点的影响、论文被引用量等多维度考量因素。最后，基于热点学科计算机科学某社区近五年的论文数据进行了实验和验证。结果表明，基于社区的挖掘更具有针对性，能够快速定位各学科代表性优秀和潜在人才，且改进后的算法对人才的发现更加客观有效。

基于功效特征的专利聚类方法

马建红, 曹文斌, 刘元刚, 夏爽

2021, 41(5): 1361-1366. DOI: 10.11772/j.issn.1001-9081.2020081203

摘要 ( )

PDF (916KB) ( )

参考文献 | 相关文章 | 计量指标

当前专利是按照领域划分的，而基于功效特征可以实现跨领域的专利聚类，这在企业创新设计中具有重要意义，而精确提取专利功效特征和快速获得最优聚类结果是其中的关键任务。为此提出一种信息实体语义增强表示（ERNIE）和卷积神经网络（CNN）相结合的功效特征联合提取（FEI-Joint）模型来提取专利文献的功效特征，并且改进自组织神经网络（SOM）算法，从而提出具有早期拒绝策略与类合并思想的自组织神经网络（ERCM-SOM）来实现基于功效特征的专利聚类。对FEI-Joint模型与TF-IDF、狄利克雷分布（LDA）、CNN在特征提取后的聚类效果上进行比较和分析，结果表明其F-measure值比其他模型有明显提高。ERCM-SOM算法与K-Means算法、SOM算法相比，在F-measure值提高的同时，其时间较SOM算法有明显缩短。对比使用专利分类号（IPC）的专利分类，采用基于功效特征的聚类方法可实现跨领域的专利聚类效果，为设计者借鉴其他领域的设计方法奠定了基础。

可验证的大规模矩阵满秩分解的安全外包

杜志强, 郑东, 赵庆兰

2021, 41(5): 1367-1371. DOI: 10.11772/j.issn.1001-9081.2020081237

摘要 ( )

PDF (695KB) ( )

参考文献 | 相关文章 | 计量指标

针对矩阵满秩分解的外包算法没有对原始矩阵中零元素的个数进行保护且没有对云返回结果的正确性进行验证的问题，提出了一个可验证的矩阵满秩分解的安全外包方案。首先，在加密阶段，结合Sherman-Morrison公式构造出一个稠密的可逆矩阵来进行加密。其次，在云计算阶段，一方面，要求云计算加密矩阵的满秩分解；另一方面，在得到满秩分解的结果（一个列满秩矩阵和一个行满秩矩阵）后，要求分别云计算列满秩矩阵的左逆和行满秩矩阵的右逆。接下来，在验证阶段，用户不仅要分别验证返回的两个矩阵是否满足行满秩和列满秩，还要验证这两个矩阵相乘是否等于加密矩阵。最后，如果验证通过，则用户可以利用私钥进行解密。在协议分析中，证明了所提方案满足正确性、安全性、高效性和可验证性。同时，当选择的原始矩阵的维度是512×512时，无论怎样改变矩阵中非零元素的密度，所提方案计算得到的加密矩阵的熵恒等于18，说明方案确实可以有效保护零元素的个数。实验结果表明所提方案具有较高的效率。

基于膨胀卷积和门控循环单元组合的入侵检测模型

张全龙, 王怀彬

2021, 41(5): 1372-1377. DOI: 10.11772/j.issn.1001-9081.2020071082

摘要 ( )

PDF (936KB) ( )

参考文献 | 相关文章 | 计量指标

基于机器学习的入侵检测模型在网络环境的安全保护中起着至关重要的作用。针对现有的网络入侵检测模型不能够对网络入侵数据特征进行充分学习的问题，将深度学习理论应用于入侵检测，提出了一种具有自动特征提取功能的深度网络模型。在该模型中，使用膨胀卷积来增大对信息的感受野并从中提取高级特征，使用门控循环单元（GRU）模型提取保留特征之间的长期依赖关系，再利用深层神经网络（DNN）对数据特征进行充分学习。与经典的机器学习分类器相比，该模型具有较高的检测率。在著名的KDD CUP99、NSL-KDD和UNSW-NB15数据集上进行的实验表明，该模型具有由于其他分类器的性能。具体来说，该模型在KDD CUP99数据集上的准确率为99.78%，在NSL-KDD数据集上的准确率为99.53%，在UNSW-NB15数据集上的准确率为93.12%。

基于代理重加密的消息队列遥测传输协议端到端安全解决方案

谷正川, 郭渊博, 方晨

2021, 41(5): 1378-1385. DOI: 10.11772/j.issn.1001-9081.2020060985

摘要 ( )

PDF (1130KB) ( )

参考文献 | 相关文章 | 计量指标

针对消息队列遥测传输（MQTT）协议缺乏保护物联网（IoT）设备间通信信息的内置安全机制，以及MQTT代理在新的零信任安全理念下的可信性受到质疑的问题，提出了一种基于代理重加密实现MQTT通信中发布者与订阅者间端到端数据安全传输的解决方案。首先，使用高级加密标准（AES）对传输数据进行对称加密，以确保数据在整个传输过程中的机密性；然后，采用将MQTT代理定义为半诚实参与方的代理重加密算法来加密传输AES对称加密使用的会话密钥，从而消除对MQTT代理的隐式信任；其次，将重加密密钥生成的计算工作从客户端转移到可信第三方，使得所提方案适用于资源受限的IoT设备；最后，使用Schnorr签名算法对消息进行数字签名，以提供数据来源的真实性、完整性和不可否认性。与现有MQTT安全方案相比，所提方案用和不提供端到端安全性的轻量级方案相当的计算和通信开销获取了MQTT通信的端到端安全特性。

基于数据流的加密流量分类方法

郭帅, 苏旸

2021, 41(5): 1386-1391. DOI: 10.11772/j.issn.1001-9081.2020071073

摘要 ( )

PDF (948KB) ( )

参考文献 | 相关文章 | 计量指标

针对当前网络中加密流量的快速分类和准确识别的问题，提出了一种新的数据流特征提取方法。依据序列型数据特点和SSL握手协议规律，采用了端到端的一维卷积神经网络模型，并利用五元组来标记数据流；通过对数据流表示方式、数据包个数和特征字节长度的选择，更准确地定位了样本分类的关键字段位置，去除了对样本分类影响较小的特征，从而把原始输入时单个数据流使用的784字节缩减到529字节，精简了原长度的32%，并且实现了加密流量服务类型的12分类，其准确率达到95.5%。这些结果表明，所提方法可以在保证当前研究准确率的基础上减少原始输入特征维度并提高数据处理的效率。

云边环境下基于博弈论的两阶段任务迁移策略

王艺洁, 凡佳飞, 王陈宇

2021, 41(5): 1392-1398. DOI: 10.11772/j.issn.1001-9081.2020071091

摘要 ( )

PDF (910KB) ( )

参考文献 | 相关文章 | 计量指标

移动边缘计算（MEC）为计算密集型应用和资源受限的移动设备之间的冲突提供了有效解决办法，但大多关于MEC迁移的研究仅考虑移动设备与MEC服务器之间的资源分配，忽略了云计算中心的巨大计算资源。为了充分利用云和MEC资源，提出一种云边协作的任务迁移策略。首先，将云边服务器的任务迁移问题转化为博弈问题；然后，证明该博弈中纳什均衡（NE）的存在以及唯一性，并获得博弈问题的解决方案；最后，提出了一种基于博弈论的两阶段任务迁移算法来求解任务迁移问题，并通过性能指标对该算法的性能进行了评估。仿真结果表明，采用所提算法所产生的总开销分别比本地执行、云中心服务器执行和MEC服务器执行的总开销降低了72.8%、47.9%和2.65%，数值结果证实了所提策略可以实现更高的能源效率和更低的任务迁移开销，并且随着移动设备数量的增加可以很好地扩展规模。

网络攻击下双层结构多智能体系统一致性

王云燕, 胡爱花

2021, 41(5): 1399-1405. DOI: 10.11772/j.issn.1001-9081.2020081159

摘要 ( )

PDF (1150KB) ( )

参考文献 | 相关文章 | 计量指标

研究了遭受网络攻击的双层结构多智能体系统的一致性问题。针对包含领导层和跟随者层的双层网络结构的多智能体系统，考虑了如下情况：领导层相邻智能体之间为友好合作关系，跟随者层相邻智能体之间既包含友好合作也包含对抗竞争关系，同时领导层与跟随者层中部分对应智能体之间存在牵制关系。分析了受网络攻击的领导层多智能体系统、跟随者层多智能体系统和双层网络结构多智能体系统的节点之间的一致性关系。基于线性矩阵不等式（LMI）、李雅普诺夫稳定性理论和图论等相关知识给出了领导层多智能体系统节点间实现一致，跟随者层多智能体系统节点间实现二分一致，以及双层结构的多智能体系统之间实现点对点二分一致的充分性判据。最后，给出了具体的数值仿真例子，实现了遭受网络攻击的双层结构多智能体系统的一致性，验证了所给出的判据的有效性。

多时空配送任务驱动的无人车队车辆数优化方法

郑李萍, 王建强, 张玉召, 董祚帆

2021, 41(5): 1406-1411. DOI: 10.11772/j.issn.1001-9081.2020081183

摘要 ( )

PDF (1248KB) ( )

参考文献 | 相关文章 | 计量指标

为解决快递终端配送多时空任务驱动下的最小无人车队车辆数配置问题，提出一种随机优化方法。首先，分析服务时长和等待时长对无人车队行驶路线规划的影响，从而构建最短路径模型；然后，基于二维时空网络构造服务序列网络；其次，通过网络转换将最小无人车队车辆数配置问题转化为网络最大流问题，并建立以车队车辆数最小为目标的最小车队模型；最后，针对模型特征设计一种融合Dijkstra算法和Dinic算法的Dijkstra-Dinic算法来对最小无人车队车辆数配置问题进行求解。在四种不同规模的服务网络中进行仿真实验，实验结果表明：在不同成功服务率下，最小无人车队车辆数与服务网络规模呈正相关，但随等待时长的增加而减少并趋向于稳定；所提算法中所引入的One-stop算子大大提高了搜索效率，所提模型和算法适用于大规模服务网络中的最小车队计算。

针对混合变量优化问题的协同进化蚁群优化算法

韦铭燕, 陈彧, 张亮

2021, 41(5): 1412-1418. DOI: 10.11772/j.issn.1001-9081.2020081200

摘要 ( )

PDF (2082KB) ( )

参考文献 | 相关文章 | 计量指标

针对由连续变量和分类变量构成的混合变量优化问题（MVOP），采用协同进化策略来对混合变量决策空间进行搜索，提出了一种协同进化蚁群优化算法（CACOA_MV）。CACOA_MV分别采用连续和离散蚁群优化（ACO）策略生成连续和分类变量子种群，通过合作者来对连续和分类变量子向量进行评价，分别对连续和分类变量子种群进行更新来实现对混合变量决策空间的高效协同搜索。进一步地，利用信息素平滑机制增强对分类变量解空间的全局探索能力，并设计了一种面向协同进化框架的“最佳+随机合作者”的重启策略来提高协同搜索效率。与混合变量的蚁群（ACO_MV）算法和种群规模线性变小的差分进化-蚁群混合变量优化算法（L-SHADE_ACO）的比较表明，CACOA_MV能够进行更有效的局部开发，从而提高最终结果在目标空间中的近似精度；与基于集合的混合变量差分进化算法（DE_MV）相比较，CACOA_MV能够在决策空间中更好地逼近全局最优解，具有更好的全局探索能力。综上，采用协同进化机制的CACOA_MV能有效保持全局探索和局部开发的平衡，从而具有更好的寻优性能。

基于改进智能水滴的正交匹配追踪混合预编码算法

刘紫燕, 马珊珊, 白鹤

2021, 41(5): 1419-1424. DOI: 10.11772/j.issn.1001-9081.2020071116

摘要 ( )

PDF (956KB) ( )

参考文献 | 相关文章 | 计量指标

针对毫米波大规模多输入多输出（mmWave Massive MIMO）系统硬件成本高、系统开销大等问题，提出一种基于改进智能水滴的正交匹配追踪（IWD-OMP）混合预编码算法。首先，基于正交匹配追踪（OMP）算法求解预编码矩阵；其次，采用改进的智能水滴（IWD）算法求解矩阵中全局最优的索引向量；最后，通过此方法求解的矩阵无须提前构造候选矩阵，可以达到节约系统资源、降低矩阵计算复杂度的目的。实验结果表明，当发送端天线数为128，信噪比为28 dB时，与OMP算法相比，该方法的系统可达和速率提高了约7.71%；当信噪比为8 dB时，该方法的系统误码率降低约19.77%。此外，所提预编码算法对实际信道环境中非完全信道状态信息（CSI）具有鲁棒性，当信噪比取值为28 dB时，相较于完全CSI，该方法对非完全CSI的可达和速率降低了约1.08%。

降低滤波器组多载波信号峰均比的边信息嵌入选择性映射方法

夏玉杰, 时永鹏, 高雅, 孙鹏

2021, 41(5): 1425-1431. DOI: 10.11772/j.issn.1001-9081.2020081346

摘要 ( )

PDF (1102KB) ( )

参考文献 | 相关文章 | 计量指标

针对现有选择性映射（SLM）方法抑制滤波器组多载波（FBMC）信号峰均比（PAPR）的性能不佳及边信息错误率（SIER）高的问题，提出了一种边信息（SI）嵌入的SLM方法来抑制PAPR。在发送端，设计了一组嵌入SI的相位旋转矢量，并将相位旋转矢量同发送数据块相乘产生备选数据块；利用备选数据块的实部和虚部分量的逆离散傅里叶变换（IDFT）输出，设计了基于循环时移的候选FBMC信号，并选择具有最小PAPR的候选信号进行发送。在接收端，利用SI子载波数据的旋转相位不同提出了与发送符号调制阶数无关的低复杂度SI检测器。仿真结果表明，所提方法在发送端能够有效降低FBMC信号的PAPR，在接收端具有良好的SI检测和误比特率（BER）性能。

基于条件Wassertein生成对抗网络的图像生成

郭茂祖, 杨倩楠, 赵玲玲

2021, 41(5): 1432-1437. DOI: 10.11772/j.issn.1001-9081.2020071138

摘要 ( )

PDF (2259KB) ( )

参考文献 | 相关文章 | 计量指标

生成对抗网络（GAN）能够自动生成目标图像，对相似地块的建筑物排布生成具有重要意义。而目前训练模型的过程中存在生成图像精度不高、模式崩溃、模型训练效率太低的问题。针对这些问题，提出了一种面向图像生成的条件Wassertein生成对抗网络（C-WGAN）模型。首先，该模型需要识别真实样本和目标样本之间特征对应关系，然后，根据所识别出的特征对应关系进行目标样本的生成。模型采用Wassertein距离来度量两个图像特征之间分布的距离，稳定GAN训练环境，规避模型训练过程中的模式崩溃，从而提升生成图像的精度和训练效率。实验结果表明，与原始条件生成对抗网络（CGAN）和pix2pix模型相比，所提模型的峰值信噪比（PSNR）分别最大提升了6.82%和2.19%；在训练轮数相同的情况下，该模型更快达到收敛状态。由此可见，所提模型不仅能够有效地提升图像生成的精度，而且能够提高网络的收敛速度。

基于加速残差网络的图像超分辨率重建方法

梁敏, 王昊榕, 张瑶, 李杰

2021, 41(5): 1438-1444. DOI: 10.11772/j.issn.1001-9081.2020091520

摘要 ( )

PDF (2387KB) ( )

参考文献 | 相关文章 | 计量指标

针对深层网络架构的图像超分辨率重建任务中存在网络参数多、计算复杂度高等问题，提出了一种基于加速残差网络的图像超分辨率重建方法。首先，构建一个残差网络对低分辨率图像与高分辨率图像之间的高频残差信息进行重建，以减少冗余信息的深层网络传输过程，提高重建效率；然后，通过特征收缩层对提取的低分辨率特征图进行降维，从而以较少的网络参数实现快速映射；之后，对高分辨率特征图通过特征扩展层进行升维，从而以较丰富的信息重建高频残差信息；最后，将残差与低分辨率图像求和得到重建的高分辨率图像。实验结果表明，该方法取得的峰值信噪比（PSNR）及结构相似性（SSIM）均值结果较基于卷积神经网络的图像超分辨率（SRCNN）取得的结果分别提升了0.57 dB和0.013 3，较基于中间层监督卷积神经网络的图像超分辨率重建（ISCNN）取得的结果分别提升了0.45 dB和0.006 7；在重建速度方面，以数据集Urban100为例，较现有方法提高了1.5~42倍。此外，将该方法应用于运动模糊图像的超分辨率重建时，获得了优于超深卷积神经网络的图像超分辨率（VDSR）的性能。所提方法以较少的网络参数快速获得较好的重建质量，并且为图像超分辨率重建提供了新的思路。

基于灰度共生矩阵和同步正交匹配追踪的分形图像压缩

杨蒙蒙, 张爱华

2021, 41(5): 1445-1449. DOI: 10.11772/j.issn.1001-9081.2020071132

摘要 ( )

PDF (968KB) ( )

参考文献 | 相关文章 | 计量指标

针对传统分形图像压缩中存在计算复杂度高以及编码时间较长的问题，提出了一种基于灰度共生矩阵纹理特征的正交化分形编码算法。首先，从特征提取和图像检索的角度建立起范围块和域块之间的相似性度量矩阵，由此将全局搜索转化为局域搜索来缩减码本；然后，定义一个新的规范块作为新的灰度描述特征，从而简化了块之间的变换过程；最后，引入同步正交匹配追踪（SOMP）稀疏分解正交化分形编码的概念，将块之间的灰度匹配转化为求解相应的稀疏系数矩阵，进而实现了一个范围块和多个域块之间的匹配关系。实验结果表明，与稀疏分形图像压缩（SFIC）算法相比，所提算法在不降低图像重建质量的前提下节省平均约88%的编码时间；与双交叉和特征算法相比，所提算法能够在保持更好的图像重建质量的同时显著缩短编码时间。

基于骨骼时序散度特征的人体行为识别算法

田志强, 邓春华, 张俊雯

2021, 41(5): 1450-1457. DOI: 10.11772/j.issn.1001-9081.2020081178

摘要 ( )

PDF (2089KB) ( )

参考文献 | 相关文章 | 计量指标

人体行为识别是智能监控、人机交互、机器人等领域的一项重要的基础技术。图卷积神经网络（GCN）在基于骨骼的人体行为识别上取得了卓越的性能。不过GCN在人体行为识别研究中存在以下问题：1）人体骨架的骨骼点采用坐标表示，缺乏骨骼点的运动细节信息；2）在某些视频中，人体骨架的运动幅度太小导致关键骨骼点的表征信息不明显。针对上述问题，首先提出骨骼点的时序散度模型来描述骨骼点的运动状态，从而放大了不同人体行为的类间方差。并进一步提出了时序散度特征的注意力机制，以突显关键骨骼点，进一步扩大类间方差。最后根据原始骨架的空间数据特征和时序散度特征的互补性构建了双流融合模型。所提算法在权威的人体行为数据集NTU-RGB+D的两种划分策略下分别达到了82.9%和83.7%的准确率，相比自适应图卷积网络（AGCN）提高了1.3个百分点和0.5个百分点，准确率的提升证明了所提算法的有效性。

基于人体骨架特征编码的健身动作识别方法

郭天晓, 胡庆锐, 李建伟, 沈燕飞

2021, 41(5): 1458-1464. DOI: 10.11772/j.issn.1001-9081.2020071113

摘要 ( )

PDF (1143KB) ( )

参考文献 | 相关文章 | 计量指标

健身动作识别是智能健身系统的核心环节。为了提高健身动作识别算法的精度和速度，并减少健身动作中人体整体位移对识别结果的影响，提出了一种基于人体骨架特征编码的健身动作识别方法。该方法包括三个步骤：首先，构建精简的人体骨架模型，并利用人体姿态估计技术提取骨架模型中各关节点的坐标信息；其次，利用人体中心投影法提取动作特征区域以消除人体整体位移对动作识别的影响；最后，将特征区域编码作为特征向量并输入多分类器进行动作识别，同时通过优化特征向量长度使识别率和速度达到最优。实验结果表明，本方法在包含28种动作的自建健身数据集上的动作识别率为97.24%，证明该方法能够有效识别各类健身动作；在公开的KTH和Weizmann数据集上，所提方法的动作识别率分别为91.67%和90%，优于其他同类型方法。

基于改进共生生物搜索算法的林火图像多阈值分割

贾鹤鸣, 李瑶, 姜子超, 孙康健

2021, 41(5): 1465-1470. DOI: 10.11772/j.issn.1001-9081.2020081221

摘要 ( )

PDF (1606KB) ( )

参考文献 | 相关文章 | 计量指标

针对传统多阈值分割方法计算复杂度随着阈值个数的增加而增长，以及对给定图像进行多阈值分割操作时效率很低等问题，提出了一种基于共生生物搜索（SOS）算法结合Kapur熵的多阈值分割方法。首先将精英反策略（EOBL）引入到SOS算法的共栖阶段，从而改善传统SOS算法处理复杂优化问题时易陷入局部最优的问题；然后引入莱维飞行策略扩大SOS算法的的搜索范围，增强其搜索轨迹的随机性；最终将得到的改进共生生物搜索（MSOS）算法应用到林火图像最佳阈值的选取问题上。实验结果表明，与粒子群优化算法、和声搜索算法、蝙蝠算法等对比算法相比，所提算法能更好地分割图像，在实际工程问题中具有一定的实用性和价值。

改进DeepLabV3+模型在壁画分割中的应用

曹建芳, 田晓东, 贾一鸣, 闫敏敏

2021, 41(5): 1471-1476. DOI: 10.11772/j.issn.1001-9081.2020071101

摘要 ( )

PDF (1126KB) ( )

参考文献 | 相关文章 | 计量指标

针对古代壁画图像分割过程中出现的目标边界模糊、图像分割效率低等问题，提出一种融合轻量级卷积神经网络的多分类图像分割模型MC-DM，该模型将DeepLabV3+结构和MobileNetV2相结合，利用DeepLabV3+特有的空间金字塔结构对壁画的卷积特征进行多尺度融合，从而减少壁画分割时的图像细节损失。首先，通过MobileNetV2对输入图像进行特征提取，从而在确保图像信息准确提取的同时减少耗时；其次，通过空洞卷积处理图像特征，从而扩展感受野，并在不改变参数数量的情况下得到更多的语义信息；最后，采用双线性插值的方法对输出特征图像进行上采样，以得到像素级的预测分割图，从而最大限度保证图像分割的准确性。在JetBrains PyCharm Community Edition 2019环境下，利用以1 000张壁画扫描图片制作而成的数据集进行测试，实验结果表明，MC-DM模型较传统的基于SegNet的图像分割模型在训练精确度上提升了1个百分点，较基于PSPNet的图像分割模型在精确度上提升了2个百分点，且MC-DM模型的峰值信噪比（PSNR）较实验对比模型平均提高了3～8 dB，充分验证了该模型在壁画分割领域的有效性。所提模型为古代壁画图像分割提供了新的思路。

无人机协同控制研究综述

马子玉, 何明, 刘祖均, 顾凌枫, 刘锦涛

2021, 41(5): 1477-1483. DOI: 10.11772/j.issn.1001-9081.2020081314

摘要 ( )

PDF (1364KB) ( )

参考文献 | 相关文章 | 计量指标

无人机（UAV）协同控制是指一组UAV以机间通信为基础、群体智能为核心，合作分工完成某一共同任务的控制方式。UAV集群是拥有一定自主能力的大量UAV基于局部规则执行各项任务的多智能体系统，与单架UAV相比，UAV集群有着高效率、高灵活性和高可靠性等优点。针对近几年UAV协同控制技术的最新发展动态，首先，从民用和军事两个角度举例说明多UAV技术的应用前景；接着，对比分析一致性控制、蜂拥控制和编队控制这三种主流协同控制方式的区别与发展现状；最后，对协同控制面临的时延、避障和续航等问题提出几点建议，为未来UAV协同控制研究发展提供一定帮助。

基于二维码视觉与激光雷达融合的高精度定位算法

栾佳宁, 张伟, 孙伟, 张奥, 韩冬

2021, 41(5): 1484-1491. DOI: 10.11772/j.issn.1001-9081.2020081162

摘要 ( )

PDF (2182KB) ( )

参考文献 | 相关文章 | 计量指标

为解决以蒙特卡罗定位算法为代表的激光室内定位算法存在的定位精度差和抗机器人绑架性能差的问题，以及传统二维码定位算法环境布置复杂且对机器人运行轨迹有严格要求的问题，提出了一种融合二维码视觉和激光雷达数据的移动机器人定位算法。机器人首先利用机器视觉技术搜索检测环境中的二维码，然后将检测出二维码的位姿分别转换至地图坐标系下，并融合生成先验位姿信息。而后以此作为初始位姿进行点云对准以得到优化后的位姿。同时引入里程计-视觉监督机制，从而有效解决了包括二维码信息缺失、二维码识别错误等由环境因素带来的问题，并保证了位姿的平滑性。基于移动机器人的实验结果表明，所提算法比经典的自适应蒙特卡罗定位（AMCL）算法的雷达采样点平均误差下降了92%，单次位姿计算时间减少了88%，可有效解决机器人绑架问题，并应用于以仓储机器人为代表的室内移动机器人。

基于自生成深度神经网络的4D航迹预测

李旭娟, 皮建勇, 黄飞翔, 贾海朋

2021, 41(5): 1492-1499. DOI: 10.11772/j.issn.1001-9081.2020081198

摘要 ( )

PDF (1396KB) ( )

参考文献 | 相关文章 | 计量指标

针对四维（4D）航迹预测的实时性不强和存在迭代误差的问题，提出了一种自动生成的条件变分自动编码器（AutoCVAE）。它以编码-解码的形式直接对未来一段时间的航迹进行预测，并能灵活选取观测点个数和预测步长。该方法以处理后的广播式自动相关监视（ADS-B）数据为引导，以减小预测误差为目标，通过贝叶斯优化的方法，在预定义的搜索空间内进行模型结构搜索，每一次的超参数取值都会参考之前的评估结果，使得每一次的模型结构都能向目标更靠近一点，最终实现了一个基于ADS-B数据的高精度的4D航迹预测模型。实验得出，所提模型能快速准确地进行航迹的实时预测，其中经纬度平均绝对预测误差（MAE）均小于0.03°，高度MAE小于30 m，各时刻点的时间误差也不会超过10 s，每次批量预测轨迹的延迟时间不超过0.2 s。

基于双论域粗糙集的快捷货物运输方案选择

王小荣, 张玉召, 张振江

2021, 41(5): 1500-1505. DOI: 10.11772/j.issn.1001-9081.2020071123

摘要 ( )

PDF (759KB) ( )

参考文献 | 相关文章 | 计量指标

针对多种不确定因素下的快捷货物运输方案决策问题，提出一种基于双论域直觉模糊粗糙集的快捷货物运输方案决策模型与决策规则。依据双论域直觉模糊粗糙集理论来确定快捷货物运输方案决策的双论域模糊近似空间。将固定成本、运输成本、转运成本、碳排放、转运时间等评价指标的消耗程度视为直觉模糊数，利用评价指标与运输方案之间的直觉模糊关系计算求得下近似集与上近似集，并引入最大直觉性指标及海明贴近度得出运输方案决策规则。以兰州至北京的一条快捷货物运输线路为例，依据决策规则从公路、普铁、航空组合出的9种运输方式中选择出最优运输方案。对运输成本、转运成本进行灵敏度分析以验证结果的准确性。最终选择出的两种最优运输方案表明了双论域直觉模糊粗糙集在此类问题上的适用性。

海铁联运港口混合作业模式下轨道吊与集卡协同调度

李舒仪, 韩晓龙

2021, 41(5): 1506-1513. DOI: 10.11772/j.issn.1001-9081.2020071075

摘要 ( )

PDF (1096KB) ( )

参考文献 | 相关文章 | 计量指标

在集装箱海铁联运港口中，铁路作业区作为连接铁路运输和水路运输的重要节点，其装卸效率将影响集装箱海铁联运的整体效率。首先，对比分析了“船舶-列车”作业模式和“船舶-堆场-列车”作业模式的特点，并结合海铁联运港口实际作业情况提出了混合作业模式。然后，以轨道吊完工时间最短为目标构建混合整数规划模型，既考虑了班列和船舶的作业时间窗约束，又考虑了轨道吊间干扰和安全距离、轨道吊和集卡接续作业和等待时间等现实约束。针对遗传算法在局部搜索能力方面的不足，将启发式规则与遗传算法相结合设计了求解轨道吊与集卡协同调度问题的混合遗传算法（HGA），并进行了数值实验。实验结果验证了所提模型和混合算法的有效性。最后通过设计实验分析集装箱数量、岸边箱占比、轨道吊数量和集卡数量对轨道吊完工时间和集卡完工时间的影响，发现同等集装箱数量下岸边箱占比提高时，应通过增加轨道吊数量来有效缩短完工时间。

基于一维卷积神经网络与长短期记忆网络结合的电池荷电状态预测方法

倪水平, 李慧芳

2021, 41(5): 1514-1521. DOI: 10.11772/j.issn.1001-9081.2020071097

摘要 ( )

PDF (2218KB) ( )

参考文献 | 相关文章 | 计量指标

针对电池荷电状态（SOC）预测的精确度与稳定性问题以及深层神经网络的梯度消失问题，提出一种基于一维卷积神经网络（1D CNN）与长短期记忆（LSTM）循环神经网络（RNN）结合的电池SOC预测方法——1D CNN-LSTM模型。1D CNN-LSTM模型将电池的电流、电压和电阻映射到目标值SOC。首先，通过一层一维卷积层从样本数据中提取出高级数据特征，并充分地利用输入数据的特征信息；其次，使用一层LSTM层保存历史输入信息，从而有效地预防重要信息的丢失；最后，通过一层全连接层输出电池SOC预测结果。使用电池的多次循环充放电实验数据训练提出的模型，分析对比不同超参数设置下1D CNN-LSTM模型的预测效果，并通过训练模型来调节模型的权重系数和偏置参数，从而确定最优的模型设置。实验结果表明，1D CNN-LSTM模型具有准确且稳定的电池SOC预测效果。该模型的平均绝对误差（MAE）、均方误差（MSE）和最大预测误差分别为0.402 7%、0.002 9%和0.99%。

基于图卷积网络的药物靶标关联预测算法

徐国保, 陈媛晓, 王骥

2021, 41(5): 1522-1526. DOI: 10.11772/j.issn.1001-9081.2020081186

摘要 ( )

PDF (892KB) ( )

参考文献 | 相关文章 | 计量指标

传统的基于生物学实验的药物-靶标关联预测成本高、效率低，难以满足医药研发的需求。为了解决上述问题，提出一种新的基于图卷积网络的药物靶标关联预测（GCDTI）算法。GCDTI利用半监督学习方法将图卷积和自编码技术相结合，从而分别构建用于整合节点特征的编码层和用于预测全链接交互网络的解码层；同时使用图卷积技术建立潜在因子模型，并有效利用药物和靶标的高维属性信息进行端到端的学习。所提算法不需要对输入的特征信息进行任何预处理便可以将其与已知相互作用网络相结合，证明了该模型的图卷积层能够有效地融合输入数据与节点特征。与其他先进方法相比，GCDTI的预测精度和平均受试者工作特性（ROC）曲线下的面积（AUC）（0.924 6±0.004 8）最高，且具有较强的鲁棒性。实验结果表明：当需要预测大量的药物和靶标数据的关联关系时，利用端到端学习的模型架构的GCDTI有潜力成为一种可靠的预测方法。

基于双向长短期记忆网络的DA40飞机碳刹车片剩余寿命预测

徐萌, 王亚锟

2021, 41(5): 1527-1532. DOI: 10.11772/j.issn.1001-9081.2020071125

摘要 ( )

PDF (1636KB) ( )

参考文献 | 相关文章 | 计量指标

飞机刹车片在飞机制动过程中起着十分重要的作用。对刹车片进行准确的剩余使用寿命（RUL）预测对于减少制动故障以及节省人力物力资源具有重要意义。针对飞机刹车片磨损序列的非平稳和非线性等特点，提出了一种基于双向长短期记忆（BiLSTM）网络的飞机刹车片RUL预测模型——VMD-BiLSTM模型。首先，利用变分模态分解（VMD）方法将原始磨损序列分解成多个具有不同频率和带宽的子序列，从而降低序列的非平稳性；然后，对分解后的各子序列分别构造BiLSTM神经网络预测模型；最后，将每个子序列的预测值叠加来得到刹车片磨损值的最终预测结果，从而实现刹车片的寿命预测。仿真结果表明，VMD-BiLSTM模型的均方根误差（RMSE）为0.466，平均绝对百分比误差（MAPE）为0.898%，均优于对比模型，验证了VMD-BiLSTM模型的优越性。

基于信息物理融合的骨折复位机器人系统构建

傅卓鑫, 孙昊, 陈建文, 郭悦, 陈金

2021, 41(5): 1533-1538. DOI: 10.11772/j.issn.1001-9081.2020071133

摘要 ( )

PDF (1497KB) ( )

参考文献 | 相关文章 | 计量指标

针对骨折治疗中传统复位方法（手法复位、牵引复位、手术复位）存在的二次损伤、肌能失调、患肢僵硬、破坏血运及术后矫正动态性能差等问题，提出了一种人-机-物融合的信息物理系统（CPHS）用于指导机器人的复位动作。首先，从CPHS的数字孪生、信息感知、系统集成、手术流程、模拟复位等方面论证了并联机器人信息物理系统的构成，将机器人的高定位精度及可重复性与微创方法有效结合，从而指导医生完成仿真规划及术中监控等一系列操作；其次，根据临床骨折复位过程，在机器人操作下对5组不同骨折姿态的模拟骨折病例进行了复位实验；最后，计算出每组实验复位后的移位残余及角度误差，并与传统复位方法的相应数据进行对比。实验结果表明，CPHS骨折复位机器人相较于传统复位方法，在骨折复位过程和患者术后康复上均有着明显的优势。

当期目录