当期目录

2021年 第41卷 第9期 刊出日期：2021-09-10

上一期   下一期

人工智能

基于权值多样性的半监督分类算法

毛铭泽, 曹芮浩, 闫春钢

2021, 41(9):  2473-2480.  DOI: 10.11772/j.issn.1001-9081.2020111872

摘要 ( )   PDF (1236KB) ( )  

参考文献 | 相关文章 | 计量指标

在实际生活中，可以很容易地获得大量系统数据样本，却只能获得很小一部分的准确标签。为了获得更好的分类学习模型，引入半监督学习的处理方式，对基于未标注数据强化集成多样性（UDEED）算法进行改进，提出了UDEED⁺——一种基于权值多样性的半监督分类算法。UDEED⁺主要的思路是在基学习器对未标注数据的预测分歧的基础上提出权值多样性损失，通过引入基学习器权值的余弦相似度来表示基学习器之间的分歧，并且从损失函数的不同角度充分扩展模型的多样性，使用未标注数据在模型训练过程中鼓励集成学习器的多样性的表示，以此达到提升分类学习模型性能和泛化性的目的。在8个UCI公开数据集上，与UDEED算法、S4VM（Safe Semi-Supervised Support Vector Machine）和SSWL（Semi-Supervised Weak-Label）半监督算法进行了对比，相较于UDEED算法，UDEED⁺在正确率和F1分数上分别提升了1.4个百分点和1.1个百分点；相较于S4VM，UDEED⁺在正确率和F1分数上分别提升了1.3个百分点和3.1个百分点；相较于SSWL，UDEED⁺在正确率和F1分数上分别提升了0.7个百分点和1.5个百分点。实验结果表明，权值多样性的提升可以改善UDEED⁺算法的分类性能，验证了其对所提算法UDEED⁺的分类性能提升的正向效果。

基于隐藏层输出矩阵的极限学习机算法优化

孙浩艺, 王传美, 丁义明

2021, 41(9):  2481-2488.  DOI: 10.11772/j.issn.1001-9081.2020111791

摘要 ( )   PDF (1706KB) ( )  

参考文献 | 相关文章 | 计量指标

针对极限学习机（ELM）中隐藏层到输出层存在误差的问题，通过分析发现误差来源于求解隐藏层输出矩阵H的Moore-Penrose广义逆矩阵Η^†的过程，即矩阵H^†H与单位矩阵有偏差，可根据偏差的程度来选择合适的输出矩阵H以获得较小的训练误差。根据广义逆矩阵和辅助矩阵的定义，首先确定了目标矩阵H^†H和误差指标L21范数，其次通过实验分析表明H^†H的L21范数与ELM的误差呈显著线性相关，最后通过引入Gaussian滤波对目标矩阵进行降噪处理，由此有效降低了目标矩阵的L21范数，同时降低了ELM的误差，达到优化ELM算法的目的。

融入句法感知表示进行句法增强的语义解析

谢德峰, 吉建民

2021, 41(9):  2489-2495.  DOI: 10.11772/j.issn.1001-9081.2020111863

摘要 ( )   PDF (1042KB) ( )  

参考文献 | 相关文章 | 计量指标

在自然语言处理（NLP）中，句法信息是完整句子中词汇与词汇之间的句法结构关系或者依存关系，是一种重要且有效的参考信息。语义解析任务是将自然语言语句直接转化成语义完整的、计算机可执行的语言。在以往的语义解析研究中，少有采用输入源的句法信息来提高端到端语义解析效率的工作。为了进一步提高端到端语义解析模型的准确率和效率，提出一种利用输入端句法依存关系信息来提高模型效率的语义解析方法。该方法的基本思路是先对一个端到端的依存关系解析器进行预训练；然后将该解析器的中间表示作为句法感知表示，与原有的字词嵌入表示拼接到一起以产生新的输入嵌入表示，并将得到的输入嵌入表示用于端到端语义解析模型；最后采用转导融合学习方式进行模型融合。实验对比了所提模型和基准模型Transformer以及过去十年的相关工作。实验结果表明，在ATIS、GEO、JOBS数据集上，融入依存句法信息感知表示以及转导融合学习的语义解析模型分别实现了89.1%、90.7%、91.4%的最佳准确率，全面超过了Transformer，验证了引入句法依存关系信息的有效性。

图像特征注意力与自适应注意力融合的图像内容中文描述

赵宏, 孔东一

2021, 41(9):  2496-2503.  DOI: 10.11772/j.issn.1001-9081.2020111829

摘要 ( )   PDF (1520KB) ( )  

参考文献 | 相关文章 | 计量指标

针对现有基于注意力机制的图像内容中文描述模型无法在关注信息不减弱和无缺失的条件下对重点内容进行注意力加强关注的问题，提出一种图像特征注意力与自适应注意力融合的图像内容中文描述模型。模型使用编解码结构，首先在编码器网络中提取图像特征，并通过图像特征注意力提取图像全部特征区域的注意力信息；然后使用解码器网络将带有注意力权重的图像特征解码生成隐藏信息，以保证关注信息不减弱、无缺失；最后利用自适应注意力的视觉哨兵模块对图像特征中的重点内容进行再次加强关注，从而更加精准地提取图像的主体内容。使用多种评价指标（BLEU、METEOR、ROUGEL和CIDEr）进行模型验证，将所提模型与单一基于自适应注意力和基于图像特征注意力的图像描述模型进行对比实验，该模型的CIDEr评价指标值分别提高了10.1%和7.8%；同时与基线模型NIC（Neural Image Caption ）以及基于自底向上和自顶向下（BUTD）注意力的图像描述模型相比，该模型的CIDEr评价指标值分别提高了10.9%和12.1%。实验结果表明，所提模型的图像理解能力得到了有效提升，其各项评价指标得分均优于对比模型。

基于注意力机制的多层次编码和解码的图像描述模型

李康康, 张静

2021, 41(9):  2504-2509.  DOI: 10.11772/j.issn.1001-9081.2020111838

摘要 ( )   PDF (1112KB) ( )  

参考文献 | 相关文章 | 计量指标

图像描述任务是图像理解的一个重要分支，它不仅要求能够正确识别图像的内容，还要求能够生成在语法和语义上正确的句子。传统的基于编码器-解码器的模型不能充分利用图像特征并且解码方式单一。针对这些问题，提出一种基于注意力机制的多层次编码和解码的图像描述模型。首先使用Faster R-CNN（Faster Region-based Convolutional Neural Network）提取图像特征，然后采用Transformer提取图像的3种高层次特征，并利用金字塔型的融合方式对特征进行有效融合，最后构建3个长短期记忆（LSTM）网络对不同层次特征进行层次化解码。在解码部分，利用软注意力机制使得模型能够关注当前步骤所需要的重要信息。在MSCOCO大型数据集上进行实验，利用多种指标（BLEU、METEOR、ROUGE-L、CIDEr）对模型进行评价，该模型在指标BLEU-4、METEOR和CIDEr上相较于Recall（Recall what you see）模型分别提升了2.5个百分点、2.6个百分点和8.8个百分点；相较于HAF（Hierarchical Attention-based Fusion）模型分别提升了1.2个百分点、0.5个百分点和3.5个百分点。此外，通过可视化生成的描述语句可以看出，所提出模型所生成的描述语句能够准确反映图像内容。

基于企业知识图谱构建的实体关联查询系统

余敦辉, 万鹏, 王社

2021, 41(9):  2510-2516.  DOI: 10.11772/j.issn.1001-9081.2020111768

摘要 ( )   PDF (2446KB) ( )  

参考文献 | 相关文章 | 计量指标

针对目前知识图谱查询中节点之间语义关联性不高、查询效率低等问题，提出了一种实体关联的查询方法，然后以此为基础设计并实现了基于知识图谱的企业查询系统。所提查询方法采用四层过滤模型，首先通过路径搜索找到目标节点的公共路径，从而过滤掉关联程度较低的查询节点，得到过滤集合；然后在中间两层分别对过滤集合的属性和关系计算关联度，再基于动态阈值完成图集过滤；最后综合实体关联度和关系关联度得分并排序得到最终的查询结果。基于真实企业数据进行的实验结果表明，与Ness、NeMa等传统图查询方法相对比，所提方法在查询时间上平均降低了28.5%，同时在过滤性能上平均提高了29.6%，可见该方法能高效完成查询和展示与目标相关联实体的任务。

基于头实体注意力的实体关系联合抽取方法

刘雅璇, 钟勇

2021, 41(9):  2517-2522.  DOI: 10.11772/j.issn.1001-9081.2020111842

摘要 ( )   PDF (977KB) ( )  

参考文献 | 相关文章 | 计量指标

实体关系抽取是构建大规模知识图谱及各种信息抽取任务的关键步骤。基于预训练语言模型，提出基于头实体注意力的实体关系联合抽取方法。该方法采用卷积神经网络（CNN）提取头实体关键信息，并采用注意力机制捕获头实体与尾实体之间的依赖关系，构建了基于头实体注意力的联合抽取模型（JSA）。在公共数据集纽约时报语料库（NYT）和采用远程监督方法构建的人工智能领域数据集上进行实验，所提模型的F1值相较于级联二元标记框架（CasRel）分别获得了1.8和8.9个百分点的提升。

基于知识蒸馏的深度无监督离散跨模态哈希

张成, 万源, 强浩鹏

2021, 41(9):  2523-2531.  DOI: 10.11772/j.issn.1001-9081.2020111785

摘要 ( )   PDF (1705KB) ( )  

参考文献 | 相关文章 | 计量指标

跨模态哈希因其低存储花费和高检索效率得到了广泛的关注。现有的大部分跨模态哈希方法需要额外的手工标签来提供实例间的关联信息，然而，预训练好的深度无监督跨模态哈希方法学习到的深度特征同样能提供相似信息；且哈希码学习过程中放松了离散约束，造成较大的量化损失。针对以上两个问题，提出基于知识蒸馏的深度无监督离散跨模态哈希（DUDCH）方法。首先，结合知识蒸馏中知识迁移的思想，利用预训练无监督老师模型潜藏的关联信息以重构对称相似度矩阵，从而代替手工标签帮助有监督学生模型训练；其次，采用离散循环坐标下降法（DCC）迭代更新离散哈希码，以此减少神经网络学习到的实值哈希码与离散哈希码间的量化损失；最后，采用端到端神经网络作为老师模型，构建非对称神经网络作为学生模型，从而降低组合模型的时间复杂度。在两个常用的基准数据集MIRFLICKR-25K和NUS-WIDE上的实验结果表明，该方法相较于深度联合语义重构哈希（DJSRH）方法在图像检索文本/文本检索图像两个任务上的平均精度均值（mAP）分别平均提升了2.83个百分点/0.70个百分点和6.53个百分点/3.95个百分点，充分体现了其在大规模跨模态数据检索中的有效性。

基于循环神经网络的专利价格自动评估

刘子辰, 李小娟, 韦伟

2021, 41(9):  2532-2538.  DOI: 10.11772/j.issn.1001-9081.2020111887

摘要 ( )   PDF (1027KB) ( )  

参考文献 | 相关文章 | 计量指标

专利价格评估是知识产权交易的重要内容，现有方法在进行专利价格评估时没有有效地考虑专利的市场、法律、技术维度对专利价格的影响，而专利的市场因素对专利价格的评估起到关键作用。针对上述问题，提出一种基于循环神经网络（RNN）的专利价格自动评估方法。该方法以市场法为基础，对其他各种因素进行综合考虑，并利用门控循环单元（GRU）构建RNN的方法实现对专利价格的自动评估。实例测试表明，以专家定性评估结果为基准，所提方法的相对准确度平均为0.85，与层次分析法（AHP）、粗糙集理论方法和逆向传播（BP）神经网络方法相比，所提方法这一相对准确度均值分别提升了3.66%、4.94%和2.41%。

基于增强多维多粒度级联森林的信用评分模型

卞凌志, 王直杰

2021, 41(9):  2539-2544.  DOI: 10.11772/j.issn.1001-9081.2020111796

摘要 ( )   PDF (1204KB) ( )  

参考文献 | 相关文章 | 计量指标

信用风险是商业银行所面临的主要金融风险之一，而传统的基于统计学习的信用评分方法不能有效利用现有的特征学习方法，因此预测准确度不高。为解决这个问题，提出一种增强多维多粒度级联森林的方法建立信用评分模型，借鉴残差学习的思想，建立了多维多粒度级联残差森林（grcForest）模型，从而大幅增加提取的特征。除此之外，使用多维多粒度的扫描尽可能多地提取原始数据的特征，从而提高了特征提取的效率。对各模型的实验结果通过AUC（Area Under Curve）、准确率等指标进行评价，同时把所提模型与现有的统计学习和机器学习算法在四个不同的信用评分数据集上进行对比，可知所提出的模型的AUC值相较于轻量级梯度提升机（LightGBM）方法平均高1.13%，相较于极端梯度提升（XGBoost）方法平均高1.44%。从实验结果可以看出，提出的模型预测效果最佳。

基于自监督学习的社交网络用户轨迹预测模型

代雨柔, 杨庆, 张凤荔, 周帆

2021, 41(9):  2545-2551.  DOI: 10.11772/j.issn.1001-9081.2020111859

摘要 ( )   PDF (1050KB) ( )  

参考文献 | 相关文章 | 计量指标

针对当前用户轨迹数据建模中存在的签到点稀疏性、长时间依赖性和移动模式复杂等问题，提出基于自监督学习的社交网络用户轨迹预测模型SeNext，对用户轨迹进行建模和训练来预测用户的下一个兴趣点（POI）。首先，使用数据增强的方式来丰富训练数据样本，以解决数据不足及个别用户足迹太少导致的模型泛化能力不足的问题；其次，将循环神经网络（RNN）、卷积神经网络（CNN）和注意力机制分别用于当前轨迹和历史轨迹的建模中，以此从高维稀疏的数据中提取有用的表示，用来匹配用户过去最相似的移动方式。最后，通过结合自监督学习并引入对比损失优化噪声对比估计（InfoNCE），SeNext在潜在空间学习隐含表示来预测用户的下一个POI。实验结果表明，在纽约数据集上，SeNext比最新的VANext（Variational Attention based Next）模型的预测准确度在Top@1上提高了11.10%左右。

基于卷积注意力模块和双通道网络的微表情识别算法

牛瑞华, 杨俊, 邢斓馨, 吴仁彪

2021, 41(9):  2552-2559.  DOI: 10.11772/j.issn.1001-9081.2020111743

摘要 ( )   PDF (1663KB) ( )  

参考文献 | 相关文章 | 计量指标

微表情是一种人类在试图隐藏自己真实情感时作出的面部动作，具有持续时间短、幅度小的典型特点。针对微表情识别难度大、识别效果不理想的问题，提出一种基于卷积注意力模块（CBAM）和双通道网络（DPN）的微表情识别算法——CBAM-DPN。首先，进行典型微表情数据集的数据融合；然后，分析序列帧中像素的变化值以确定顶点帧位置，再对顶点帧进行图像增强处理；最后，基于CBAM-DPN对图像增强后的微表情顶点帧进行特征的有效提取，并构建分类器对微表情进行识别。优化后模型的未加权F1值（UF1）和未加权平均召回率（UAR）分别可以达到0.720 3和0.729 3，相较于DPN模型分别提高了0.048 9和0.037 9，相较于CapsuleNet模型分别提高了0.068 3和0.078 7。实验结果表明，CBAM-DPN算法融合了CBAM和DPN的共同优势，可增强微小特征的信息提取能力，有效改善微表情识别性能。

基于转角约束的改进蚁群优化算法路径规划

李开荣, 刘爽, 胡倩倩, 唐亦媛

2021, 41(9):  2560-2568.  DOI: 10.11772/j.issn.1001-9081.2020111713

摘要 ( )   PDF (1445KB) ( )  

参考文献 | 相关文章 | 计量指标

针对传统蚁群优化（ACO）算法搜索路径时易陷入局部最优、路径过长、转弯角度过大等问题，提出一种基于转弯角度约束的改进ACO算法。首先，增加起始点与目标点之间区域的初始信息素浓度，以避免初期盲目搜索；然后，在启发函数中加入A^*算法的估价函数和转弯角度因子，以便在下一步选择路径长度和转角次数综合最优的节点；最后，在信息素更新部分引入狼群算法的分配原则，来加强优质种群的影响力，同时借鉴最大最小蚁群（MMAS）算法进行信息素浓度的限制，从而避免算法陷入局部最优。Matlab仿真结果表明，改进算法与传统ACO算法相比，规划出的路径长度缩短了13.7%，转弯次数减小了64.3%，累计转弯角度减少了76.7%。实验结果表明，所提改进算法能有效解决全局路径规划问题，避免了移动机器人过多的能耗损失。

数据科学与技术

相似性特征对链路预测的影响与增强

蔡彪, 李蕊岑, 吴媛媛

2021, 41(9):  2569-2577.  DOI: 10.11772/j.issn.1001-9081.2020111744

摘要 ( )   PDF (4634KB) ( )  

参考文献 | 相关文章 | 计量指标

链路预测的主要任务是设计一个能够更加准确地描述给定网络机制的预测算法，从而得到更准确的预测结果。在分析现有研究成果基础上发现，网络的相似性特征对采用的链路预测方法有较大的影响：在节点间标签相似性较低的网络中，提高标签的相似性可以提高预测的准确性；而在节点间标签相似性较高的网络中，则应更加关注结构信息对于链路预测的贡献来提高预测的准确性。随后，通过对标签进行加权处理，提出带权值的标签相似性算法，在低相似性网络中能够提高链路预测的准确性。同时，在较高相似性网络中，将网络的结构信息引入到节点的相似性计算中，并通过偏好链接机制来提升链路预测的准确性。在四个真实网络上的实验结果表明，所提算法相对于标签系统间的余弦相似性（CSTS）算法、偏好链接（PA）等算法取得了最高的准确率。根据网络相似性特征，采用所提出的对应算法进行链路预测能够得到更准确的预测结果。

基于聚类分析的差分隐私高维数据发布方法

陈恒恒, 倪志伟, 朱旭辉, 金媛媛, 陈千

2021, 41(9):  2578-2585.  DOI: 10.11772/j.issn.1001-9081.2020111786

摘要 ( )   PDF (1281KB) ( )  

参考文献 | 相关文章 | 计量指标

针对已有差分隐私高维数据发布方法无法有效兼顾数据间复杂属性的关联关系和计算成本的问题，提出一种基于聚类分析技术的差分隐私高维数据发布方法PrivBC。首先，基于K-means++设计属性聚类方法，引入最大信息系数量化属性间的关联关系，并对具有高度关联关系的数据属性进行聚类。其次，对聚类产生的各个数据子集进行如下操作：计算关系矩阵以缩减属性对的候选空间，并构建满足差分隐私的贝叶斯网络。最后，根据贝叶斯网络采样每个属性，并合成新的隐私数据集进行发布。与PrivBayes方法相比，PrivBC方法的误分类率和运行时间分别平均降低了12.6%和30.2%。实验结果表明，所提方法在有效保证数据可用性的基础上，可以显著提高计算效率，为高维数据的隐私发布提供了新思路。

面向高速列车监测数据的并行解压缩算法

王周恺, 张炯, 马维纲, 王怀军

2021, 41(9):  2586-2593.  DOI: 10.11772/j.issn.1001-9081.2020111173

摘要 ( )   PDF (1272KB) ( )  

参考文献 | 相关文章 | 计量指标

高速列车在运行时产生的实时监测数据通常用变长编码压缩技术进行处理，以便于传输和存储。然而这种方法会使得压缩数据内部结构复杂，导致相应的数据解压缩过程只能遵照压缩数据的组成顺序进行，效率较低。为提升高速列车监测数据的解压缩效率，借助推测技术，提出一种面向高速列车监测数据的并行解压缩算法。首先，研究高速列车监测数据的结构特征，分析影响数据划分的内部依赖；其次，利用推测技术消解内部依赖后，对数据进行试探性划分；然后在分布式计算环境中对划分结果并行地进行解压；最后将并行解压缩结果合并起来，从而提高针对高速列车监测数据的解压缩效率。实验结果表明，在由7个计算节点组成的计算集群上，与串行算法相比，所提推测并行算法的加速比为3左右，展现了该算法良好的性能，可见该算法能够显著提高针对列车监测数据的解压缩效率。

网络空间安全

基于模糊测试的反射型跨站脚本漏洞检测

倪萍, 陈伟

2021, 41(9):  2594-2601.  DOI: 10.11772/j.issn.1001-9081.2020111770

摘要 ( )   PDF (1152KB) ( )  

参考文献 | 相关文章 | 计量指标

针对目前现代万维网（WWW）应用程序中跨站脚本（XSS）漏洞检测技术存在的效率低，以及漏报率、误报率高等问题，提出了一个基于模糊测试的反射型XSS漏洞检测系统。首先，通过网络爬虫技术爬取整站指定深度的网页链接并对其进行分析，从而提取出潜在的用户注入点；其次，根据攻击载荷的语法形式构造模糊测试用例，并为每个元素设置初始权重，依据注入探子向量来获取输出点类型，从而选择对应的攻击语法模式来构造较有潜力的攻击载荷，并对其进行变异操作以形成变异攻击载荷来作为请求参数；然后，对网站响应进行分析，并调整元素的权重，以便生成更加高效的攻击载荷；最后，将该系统与ZAP、Wapiti系统做横向对比。实验结果表明，所提系统能够发现的潜在用户注入点数提升了12.5%，漏洞误报率下降至0.37%，漏报率低于2.23%；同时减少了请求次数，节约了检测时间。

基于半监督学习和三支决策的入侵检测模型

张师鹏, 李永忠, 杜祥通

2021, 41(9):  2602-2608.  DOI: 10.11772/j.issn.1001-9081.2020111883

摘要 ( )   PDF (936KB) ( )  

参考文献 | 相关文章 | 计量指标

针对现有的入侵检测模型在未知攻击上表现不佳，且标注数据极其有限的情况，提出一种基于半监督学习（SSL）和三支决策（3WD）的入侵检测模型——SSL-3WD。SSL-3WD模型通过3WD在信息不足情况下的优秀表现来满足SSL在数据信息的充分冗余性上的假设。首先利用3WD理论对网络行为数据进行分类，而后根据分类结果选择适当的“伪标记”样本组成新的训练集以扩充原有数据集，最后重复分类过程，以得到所有对于网络行为数据的分类。在NSL-KDD数据集上，所提模型的检出率达到了97.7%，相较于对比方法中检出率最高的自适应的集成学习入侵检测模型Multi-Tree，提升了5.8个百分点；在UNSW-NB15数据集上，所提模型的准确率达到了94.7%，检出率达到了96.3%，相较于对比方法中表现最好的基于深度堆叠非对称自编码器（SNDAE）的入侵检测模型，分别提升了3.5个百分点和6.2个百分点。实验结果表明，所提SSL-3WD模型提升了对网络行为进行检测的准确率和检出率。

基于字典的域名生成算法生成域名的检测方法

张永斌, 常文欣, 孙连山, 张航

2021, 41(9):  2609-2614.  DOI: 10.11772/j.issn.1001-9081.2020111837

摘要 ( )   PDF (893KB) ( )  

参考文献 | 相关文章 | 计量指标

针对基于字典的域名生成算法（DGA）生成域名与良性域名构成十分相似，现有技术难以有效检测的问题，提出一种卷积神经网络（CNN）和长短时记忆（LSTM）网络相结合的网络模型——CL模型。该模型由字符嵌入层、特征提取层及全连接层三部分组成。首先，字符嵌入层对输入域名的字符进行编码；然后，特征提取层将CNN与LSTM串行连接在一起，对域名字符特征进行提取，即通过CNN提取域名字符的n-grams特征，并将提取结果输入给LSTM，以便学习n-grams间的上下文特征，同时，为了学习不同长度的n-grams特征，可选择多组CNN与LSTM结合使用；最后，全连接层根据提取到的特征对基于字典的DGA生成域名进行分类预测。实验结果表明：当CNN选择的卷积核大小为3和4时，所提模型性能最佳。在四个基于字典的DGA家族的测试对比实验中，CL模型与CNN模型相比，准确率提升了2.20%，且随着样本家族数量的增加，CL模型具有更好的稳定性。

基于区块链的能源数据访问控制方法

葛纪红, 沈韬

2021, 41(9):  2615-2622.  DOI: 10.11772/j.issn.1001-9081.2020111844

摘要 ( )   PDF (1175KB) ( )  

参考文献 | 相关文章 | 计量指标

针对能源互联网跨企业、跨部门的数据共享过程中存在的能源数据易篡改、泄密、数据所有权争议的问题，结合区块链可追溯、难以篡改等特点，提出一种基于区块链多链架构的能源数据访问控制方法，在保护用户隐私的同时实现了能源数据跨企业、跨部门的访问控制。该方法中采用监管链与多数据链相结合的方式保护了数据的隐私，提高了可扩展性；使用链上存储数据摘要、链下存储原始数据的方式缓解了区块链的存储压力；通过支持外包的多授权属性加密技术实现了对能源数据的细粒度访问控制。实验仿真结果表明，所提方法的区块链网络具有可用性而且该方法中支持外包的多授权属性加密技术在功能性及计算花销方面具有优势，因此所提方法可以在保护用户隐私的同时实现能源数据的细粒度访问控制。

基于级联混沌系统的分数域语音加密算法

徐丽云, 闫涛, 钱宇华

2021, 41(9):  2623-2630.  DOI: 10.11772/j.issn.1001-9081.2020122044

摘要 ( )   PDF (2308KB) ( )  

参考文献 | 相关文章 | 计量指标

为保证语音信号在通信传输中的安全性，提出一种基于级联混沌系统的分数域语音加密算法。首先，对语音信号进行分组；其次，利用混沌系统获取分数傅里叶变换的阶次，各组数据对应的阶次呈动态变化；然后，采用具有较低计算复杂度的采样型分数傅里叶离散变换得到各组对应的分数域谱数据；最后，利用级联混沌系统依次对各组分数域进行数据加密，从而实现语音信号的整体加密。实验结果表明，所提算法对密钥具有极大的敏感度，得到的加密信号与原信号相比波形和分数域谱分布更均匀、相关性更小；同时与频域加密和固定阶次的分数域加密方法相比，该算法能有效增大密钥空间，同时降低计算复杂度。可见所提算法能够有效满足语音信号的实时安全传输要求。

先进计算

热安全约束下异构多核系统动态映射方法

安鑫, 杨海娇, 李建华, 任福继

2021, 41(9):  2631-2638.  DOI: 10.11772/j.issn.1001-9081.2020111870

摘要 ( )   PDF (1107KB) ( )  

参考文献 | 相关文章 | 计量指标

异构多核平台通过集成不同类型的处理核来为系统设计提供灵活性，从而使应用程序可以根据自身需求动态地选择不同类型的处理核来进行处理，实现应用程序的高效运行。随着半导体技术的发展，单芯片上集成的核心数量随之增加，使得现代多核处理器具有更高的功率密度，而这会导致芯片温度的升高，最终会对系统性能造成一定的负面影响。为了充分发挥出异构多核处理系统的性能优势，提出一种在满足温度安全功率的前提下，以最大化系统性能为目标的动态映射方法。该方法考虑异构多核系统的两种异构指标来确定映射方案：第一种异构指标是核心类型，不同类型的处理核具有不同的特征，因而它们适用于处理不同的应用程序；第二种异构指标是热感受性，芯片上不同的处理核位置具有不同的热感受性，越是中心位置的处理核受到的来自于其他处理核的热传递越多，因而温度也就越高。为此，提出一种基于神经网络性能预测器来对线程与处理核类型进行匹配，并利用热安全功率（TSP）模型将经过匹配后的线程映射到芯片上的具体位置。实验结果表明，所提出的方法与常见的轮询调度（RRS）相比，能在保证热安全约束的前提下将平均每个时钟周期内程序所执行的指令数，即指令/周期（IPC）提高53%左右。

移动边缘计算环境中面向机器学习的计算迁移策略

郭棉, 张锦友

2021, 41(9):  2639-2645.  DOI: 10.11772/j.issn.1001-9081.2020111734

摘要 ( )   PDF (1127KB) ( )  

参考文献 | 相关文章 | 计量指标

针对物联网（IoT）数据源的多样化、数据的非独立同分布性、边缘设备计算能力和能耗的异构性，提出一种集中学习和联邦学习共存的移动边缘计算（MEC）网络计算迁移策略。首先，建立与集中学习、联邦学习都关联的计算迁移系统模型，考虑了集中学习、联邦学习模型产生的网络传输延迟、计算延迟以及能耗；然后，以系统平均延迟为优化目标、以能耗和基于机器学习准确率的训练次数为限制条件构建面向机器学习的计算迁移优化模型。接着对所述计算迁移进行了博弈分析，并基于分析结果提出一种能量约束的延迟贪婪（ECDG）算法，通过延迟贪婪决策和能量约束决策更新二阶优化来获取模型的优化解。与集中式贪婪算法和面向联邦学习的客户选择（FedCS）算法相比，ECDG算法的平均学习延迟最低，约为集中式贪婪算法的1/10，为FedCS算法的1/5。实验结果表明，ECDG算法能通过计算迁移自动为数据源选择最优的机器学习模型，从而有效降低机器学习的延迟，提高边缘设备的能效，满足IoT应用的服务质量（QoS）要求。

计算密集型大流量数据的接力计算与动态分流处理

廖佳, 陈扬, 包秋兰, 廖雪花, 朱洲森

2021, 41(9):  2646-2651.  DOI: 10.11772/j.issn.1001-9081.2020111725

摘要 ( )   PDF (1199KB) ( )  

参考文献 | 相关文章 | 计量指标

针对当前大流量数据计算速度慢、服务器端计算压力大等问题，提出一套计算密集型大流量数据的接力计算与动态分流处理模型。首先，在分布式环境下，使用内存型数据存储技术确定计算任务的运算量与复杂等级，同时利用节点资源能力对节点进行排序；然后，动态分配任务到不同节点进行并行计算，并采用一种接力处理模式完成计算任务的分解，以有效保证高流量复杂运算任务的性能和精度要求。通过分析对比，可知在万级以上数据量的情况下，多个节点比单个节点的运行时间更短、计算速度更快；而且，将该模型应用于实际时，发现它不仅能在高并发场景下减少运行时间，而且也能节省更多计算资源。

TACLeBench中内核程序循环级推测并行性分析

孟慧玲, 王耀彬, 李凌, 杨洋, 王欣夷, 刘志勤

2021, 41(9):  2652-2657.  DOI: 10.11772/j.issn.1001-9081.2020111792

摘要 ( )   PDF (1190KB) ( )  

参考文献 | 相关文章 | 计量指标

线程级推测（TLS）技术可挖掘程序并行执行潜能，提高多核资源利用率，但目前TACLeBench的内核基准仍未在TLS并行化中得到有效分析。针对该问题设计了循环级推测执行的剖析方案和剖析工具。选取7个代表性的TACLeBench内核基准程序，首先对程序进行初始化分析，选取程序热点片段插入循环标识；其次对这些片段进行交叉编译，记录程序推测线程与内存地址相关数据，剖析其循环级最大潜在并行性；最后综合探讨程序运行时的特征（线程粒度、可并行化覆盖率、依赖特征）以及源码对加速比的影响。实验结果表明：1）该类程序适合采用TLS加速，与串行执行结果相比，循环结构的推测执行下的大部分程序的加速比在2以上，其中最高加速比达到20.79；2）利用TLS加速TACLeBench内核程序时，多数应用可有效利用4核到16核的计算资源。

改进的基于层次距离的基因表达式编程特征选择分类算法

湛航, 何朗, 黄樟灿, 李华峰, 张蔷, 谈庆

2021, 41(9):  2658-2667.  DOI: 10.11772/j.issn.1001-9081.2020111801

摘要 ( )   PDF (1220KB) ( )  

参考文献 | 相关文章 | 计量指标

针对一般特征选择算法未能揭示数据特征与数据类别之间的可解释性映射关系的问题，在基因表达式编程（GEP）的基础上，通过引入初始化方法、变异策略以及适应度评价方法，提出了一种改进的基于层次距离的GEP特征选择分类算法（FSLDGEP）。首先，利用定义的选择概率有导向地初始化种群个体，从而增加种群中有效个体的数量；其次，定义个体的层次邻域，使种群个体基于其层次邻域进行变异，并解决了变异过程中的盲目无导向性问题；最后，将维度缩减率与分类准确率结合起来作为个体的适应度值，从而改变种群单一优化目标的进化模式，并平衡两者之间的关系。在7个数据集上进行5折交叉和10折交叉验证，所提算法给出了数据特征及其类别之间的函数映射关系，将得到的映射函数用于数据分类。与森林优化特征选择算法（FSFOA）、邻域软边界特征选择算法（NSM）、基于邻域有效信息比的特征选择算法（FS-NEIR）等对比算法相比，所提算法的维度缩减率在Hepatitis、WPBC（Wisconsin Prognostic Breast Cancer）、Sonar、WDBC（Wisconsin Diagnostic Breast Cancer）数据集上得到了最好结果；与对比算法相比，所提算法的平均分类准确率在Hepatitis、Ionosphere、Musk1、WPBC、Heart-Statlog、WDBC数据集上得到了最好结果。实验结果验证了所提算法在特征选择分类问题上的可行性、有效性和优越性。

基于余弦相似度的改进蝴蝶优化算法

陈俊, 何庆

2021, 41(9):  2668-2677.  DOI: 10.11772/j.issn.1001-9081.2020111776

摘要 ( )   PDF (1469KB) ( )  

参考文献 | 相关文章 | 计量指标

针对蝴蝶优化算法（BOA）容易陷入局部最优和收敛性差等问题，提出一种多策略改进的蝴蝶优化算法（MSBOA）。首先引入余弦相似度位置调整策略，通过旋转变化算子和伸缩变换算子进行位置更新，从而有效地保持BOA的种群多样性；其次引入动态切换概率，来平衡BOA局部阶段和全局阶段的转换；最后增加混合惯性权重策略，以提高BOA的收敛速度。使用16个基准测试函数、Wilcoxon检验以及部分CEC2014函数来验证MSBOA的有效性和鲁棒性。仿真实验结果表明，与BOA和其他改进策略BOA及其他群智能算法相比，MSBOA在收敛精度和收敛速度上有明显的提升。

网络与通信

边缘计算支持下的移动群智感知本地差分隐私保护机制

李卓, 宋子晖, 沈鑫, 陈昕

2021, 41(9):  2678-2686.  DOI: 10.11772/j.issn.1001-9081.2020111787

摘要 ( )   PDF (1255KB) ( )  

参考文献 | 相关文章 | 计量指标

针对移动群智感知（MCS）中在用户数据提交阶段的隐私保护困难和因隐私保护造成成本增加的问题，基于本地差分隐私（LDP）保护原理设计出用户提交数据属性联合隐私保护的CS-MVP算法和用户提交数据属性独立隐私保护的CS-MAP算法。首先，基于属性关系构建用户提交数据的隐私性模型和任务数据的可用性模型，利用CS-MVP和CS-MAP算法解决隐私性约束下的可用性最大化问题；并且在边缘计算支持的MCS场景中，构建用户提交数据隐私保护下的三层MCS架构。理论分析证明了两个算法分别在数据属性联合隐私约束下和数据属性独立隐私约束下的最优性。实验结果表明，在相同隐私预算和数据量下，相较于LoPub和PrivKV，基于CS-MVP和CS-MAP算法的用户提交数据恢复正确感知数据的准确率分别平均提高了26.94%、84.34%和66.24%、144.14%。

面向C-V2X通信的基于深度学习的联合信道估计与均衡算法

陈成瑞, 孙宁, 何世彪, 廖勇

2021, 41(9):  2687-2693.  DOI: 10.11772/j.issn.1001-9081.2020111779

摘要 ( )   PDF (1086KB) ( )  

参考文献 | 相关文章 | 计量指标

为了在不显著提升计算复杂度的情况下，有效提升通信系统的误码率（BER）性能，利用深度学习在数据处理方面的强大能力，提出一种面向基于蜂窝网络的车联网（C-V2X）通信的基于深度学习的联合信道估计与均衡算法——V-EstEqNet。与传统算法分两个阶段分别进行信道估计与均衡不同，V-EstEqNet将通信系统接收机中的信道估计与信道均衡进行联合考虑，并利用深度学习网络直接对接收数据进行校正和恢复，无须进行显式的信道估计环节即可完成信道均衡。具体而言，首先利用大量的接收数据对网络进行离线训练，使网络学习到叠加在接收数据中的信道特性；然后利用该特性恢复原始的发送数据。仿真实验结果表明，在不同的速度场景下，所提算法可以更加有效地追踪信道特性；同时，相较于传统信道估计算法（最小二乘法（LS）和线性最小均方误差法（LMMSE））配合传统信道均衡算法（迫零（ZF）均衡算法和最小均方误差（MMSE）均衡算法），所提算法在低速环境下有最高有6 dB的BER增益，在高速环境下最高有9 dB的BER增益。

6G可重构智能表面的相移模型设计

王丹, 梁家敏, 刘金枝, 张友寿

2021, 41(9):  2694-2698.  DOI: 10.11772/j.issn.1001-9081.2020111836

摘要 ( )   PDF (808KB) ( )  

参考文献 | 相关文章 | 计量指标

为了解决中继通信的耗能高以及5G基站的建设难度高的问题，在6G移动通信中引入对可重构智能表面（RIS）技术的研究。针对截断的哈达玛（Hadamard）矩阵和离散傅里叶变换（DFT）矩阵在构建智能表面时失去特性和不稳定问题，提出一种基于汉克尔（Hankel）矩阵和托普利兹（Toeplitz）矩阵来构建酉矩阵的RIS相移模型设计方案。利用酉矩阵的特性来最小化信道误差，提高通信信道的可靠性。仿真结果表明，在RIS单元数为15时，相较于非RIS辅助通信，RIS辅助通信的用户速率可以获得1 （bit·s^-1）/Hz的增益，而伴随着RIS单元数的增加，RIS辅助通信的用户接收速率的增益将更为显著；并且当RIS单元数为4时，相较于DFT矩阵构建智能反射面的方式，利用得到的两个酉矩阵构建的反射面的可靠性更高，约可获得0.5 dB的性能增益。

基于滑窗滤波和多项式拟合的时变信道估计方法

景兴红, 孙国栋, 何世彪, 廖勇

2021, 41(9):  2699-2704.  DOI: 10.11772/j.issn.1001-9081.2020122035

摘要 ( )   PDF (912KB) ( )  

参考文献 | 相关文章 | 计量指标

基于长期演进（LTE）的车辆到一切（LTE-V2X）标准沿用LTE标准的帧格式，并采用块状导频辅助的单载波频分多址（SC-FDMA）系统完成信道估计。然而，由于V2X信道的时变特性，接收机信道估计面对巨大的技术挑战。因此，设计了一种基于滑窗滤波和多项式拟合的时变信道估计方法。针对导频符号处的噪声问题，在最小二乘（LS）方法基础上，采用了自适应长度的滑动窗口滤波进行降噪处理，从而保证导频符号处的信道估计精度。另外，根据多普勒频移大小，设计了自适应阶次的多项式拟合方法来跟踪数据符号处的信道变化。仿真结果表明，所提方法在LS方法的基础上有良好的去噪效果，在低速移动情况下的估计精度介于LS方法和线性最小均方误差（LMMSE）方法之间，而该方法在高速移动条件下能更好地拟合信道的时变特性，且性能上超过了LMMSE方法结合线性插值的信道估计方法。以上结果说明，所提方法相对于对比方法具有更好的自适应性，适用于不同的信道噪声和终端移动速度下的LTE-V2X通信场景。

多媒体计算与计算机仿真

带旋转与尺度估计的全卷积孪生网络目标跟踪算法

姬张建, 任兴旺

2021, 41(9):  2705-2711.  DOI: 10.11772/j.issn.1001-9081.2020111805

摘要 ( )   PDF (2425KB) ( )  

参考文献 | 相关文章 | 计量指标

针对目标跟踪任务中，全卷积孪生网络（SiamFC）跟踪算法存在因目标的旋转、尺度变化而造成跟踪错误或跟踪结果不准确的问题，提出一种带旋转与尺度估计的SiamFC跟踪算法。该算法由定位模块与旋转、尺度估计模块两部分组成。首先在定位模块中，利用SiamFC算法获得跟踪位置，并结合旋转与尺度信息对该位置进行调整；其次在旋转、尺度估计模块中，鉴于图像的旋转和尺度变化在对数极坐标系下变成了平移运动，将目标搜索区域从笛卡儿坐标系变换到对数极坐标系下，由此便可利用相关滤波技术估计待跟踪目标的尺度和旋转角度；最终实现了一个能同步估计目标位置、旋转角度以及尺度变化的目标跟踪模型。在对比实验中，该算法在OTB2015数据集上的成功率与准确率分别达到57.7%和81.4%；在包含目标旋转和尺度变化的POT数据集上的成功率与准确率分别达到51.8%和53.3%。与SiamFC算法相比，所提算法的成功率和准确率分别提高了13.5个百分点和13.4个百分点。实验结果表明，所提算法能有效应对目标旋转与尺度变化带来的跟踪挑战。

基于改进的Faster R-CNN的通用目标检测框架

马佳良, 陈斌, 孙晓飞

2021, 41(9):  2712-2719.  DOI: 10.11772/j.issn.1001-9081.2020111852

摘要 ( )   PDF (2181KB) ( )  

参考文献 | 相关文章 | 计量指标

针对当前基于深度学习的检测器不能有效检测形状不规则或长宽相差悬殊的目标的问题，在传统Faster R-CNN算法的基础上，提出了一个改进的二阶段目标检测框架——Accurate R-CNN。首先，提出了新的交并比（IoU）度量——有效交并比（EIoU），通过提出中心度权重来降低训练数据中冗余包围框的占比。然后，提出了一个上下文相关的特征重分配模块（FRM），通过建模目标的远程依赖和局部上下文关系信息对特征进行重编码，以弥补池化过程中的形状信息损失。实验结果表明，在微软多场景通用目标（MS COCO）数据集上，对于包围框检测任务，当使用深度为50和101的残差网络（ResNet）作为骨干网络时，Accurate R-CNN比基线模型Faster R-CNN的平均精度（AP）分别提高了1.7个百分点和1.1个百分点，超越了使用同样骨干网络的基于掩膜的检测器。在添加掩膜分支后，对于实例分割任务，当使用两种不同深度的ResNet作为骨干网络时，Accurate R-CNN比Mask R-CNN的掩膜平均精度分别提高了1.2个百分点和1.1个百分点。研究结果显示，相较于基线模型，Accurate R-CNN在不同数据集、不同任务上均取得了更好的检测效果。

结合目标检测的室内场景识别方法

徐江浪, 李林燕, 万新军, 胡伏原

2021, 41(9):  2720-2725.  DOI: 10.11772/j.issn.1001-9081.2020111815

摘要 ( )   PDF (1357KB) ( )  

参考文献 | 相关文章 | 计量指标

在目标检测网络（ObjectNet）和场景识别网络相结合的方法中，由于ObjectNet提取的目标特征和场景网络提取的场景特征的维度和性质不一致，且目标特征中存在影响场景判断的冗余信息，导致场景识别的准确率低。针对这个问题，提出一种改进的结合目标检测的室内场景识别方法。首先，在ObjectNet中引入类转换矩阵（CCM），将ObjectNet输出的目标特征进行转化，使得目标特征的维度与场景特征的维度相一致，以此减少特征维度不一致带来的信息丢失；然后采用上下文门控（CG）机制对特征中的冗余信息进行抑制，从而降低不相关信息的权重，提高了目标特征在场景识别中的作用。该方法在MIT Indoor67数据集上的识别准确率达到90.28%，与维护空间布局的对象语义特征（SOSF）方法相比识别准确率提高了0.77个百分点；其在SUN397数据集上识别准确率达到81.15%，与交替专家层次结构（HoAS）方法相比识别准确率提高了1.49个百分点。实验结果表明，所提方法提高了室内场景识别的准确率。

基于双向门控尺度特征融合的遥感场景分类

宋中山, 梁家锐, 郑禄, 刘振宇, 帖军

2021, 41(9):  2726-2735.  DOI: 10.11772/j.issn.1001-9081.2020111778

摘要 ( )   PDF (3143KB) ( )  

参考文献 | 相关文章 | 计量指标

针对遥感影像数据集的图像在形状、纹理和颜色上存在较大差别，以及因拍摄高度和角度不同存在的尺度差异导致遥感场景分类精度不高的问题，提出利用主动旋转聚合来融合不同尺度的特征，并通过双向门控提高底层特征与顶层特征互补性的特征融合补偿卷积神经网络（FAC-CNN）。该网络利用图像金字塔为原始图像生成不同尺度图像后将其输入到分支网络中来提取多尺度特征，并提出主动旋转聚合的方式来融合不同尺度的特征，使融合后的特征具有方向信息，从而提高模型对不同尺度输入以及不同旋转输入的泛化能力，实现模型分类精度的提升。FAC-CNN比基于VGGNet的注意循环卷积网络（ARCNet-VGGNet）和门控双向网络（GBNet）在西北工业大学遥感场景图像分类数据集（NWPU-RESISC）上准确率分别提升了2.05个百分点与2.69个百分点，在航空影像数据集（AID）上准确率分别提升了3.24个百分点与0.86个百分点。实验结果表明，FAC-CNN能有效解决遥感影像数据集存在的问题，提高遥感场景分类的精度。

基于深度学习的三维点云人脸识别

高工, 杨红雨, 刘洪

2021, 41(9):  2736-2740.  DOI: 10.11772/j.issn.1001-9081.2020111826

摘要 ( )   PDF (1375KB) ( )  

参考文献 | 相关文章 | 计量指标

为了增强三维点云人脸识别系统针对多表情、多姿态的鲁棒性，提出一种基于深度学习的点云特征提取网络ResPoint。ResPoint网络使用了分组、采样和局部特征提取（ResConv）等模块，而在ResConv模块中使用了跳跃式连接，因此所提网络对于稀疏点云有很好的识别结果。首先通过人脸几何特征点定位鼻尖点，并以该点为中心切割出面部区域，切割出的区域有噪点并且有孔洞，因此对其进行高斯滤波和三维立方插值；其次，使用ResPoint网络对预处理后的点云数据提取特征；最后，在全连接层组合特征以实现三维人脸的分类。在CASIA三维人脸数据库上的实验中，与关系型卷积神经网络（RS-CNN）相比，ResPoint网络的识别正确率提高了5.06%。实验结果表明，ResPoint网络增加了网络深度的同时使用不同的卷积核提取特征，因此ResPoint网络有更好的特征提取能力。

基于非对称卷积-压缩激发-次代残差网络的人脸关键点检测

王贺兵, 张春梅

2021, 41(9):  2741-2747.  DOI: 10.11772/j.issn.1001-9081.2020111847

摘要 ( )   PDF (2305KB) ( )  

参考文献 | 相关文章 | 计量指标

级联深度卷积神经网络（DCNN）算法为首先在人脸关键点检测中使用卷积神经网络（CNN）的模型，CNN的使用使得检测精度得到极大的提升。针对该策略需要对相邻阶段间的数据反复进行回归处理使得算法流程十分复杂的问题，提出基于非对称卷积-压缩激发-次代残差网络（AC-SE-ResNeXt）的人脸关键点检测算法。所提算法仅使用单阶段回归，既避免了级联策略中多阶段回归的算法流程复杂性，又解决了相邻阶段间数据需要进行预处理的问题。为了不降低精度，在次代残差网络（ResNeXt）块的基础上添加了非对称卷积（AC）模块和压缩激发（SE）模块，构建了AC-SE-ResNeXt网络模型。同时，为了能够精确拟合在不同光照、姿态、表情等复杂环境下的人脸，将AC-SE-ResNeXt网络模型加深到101层。对训练好的模型分别在数据集BioID和LFPW上进行测试，其中该模型在BioID数据集上的人脸五点关键点检测的综合平均误差率为1.99%，在LFPW数据集上的人脸五点关键点检测的综合平均误差率为2.3%。实验结果表明，所改进的算法不但简化了算法流程使之能进行端到端处理，而且其精度与级联DCNN算法相当，鲁棒性也有明显提升。

前沿与综合应用

脉冲式事件触发控制的时变多个体系统一致性

柴洁, 过榴晓, 沈莞蔷, 陈晶

2021, 41(9):  2748-2753.  DOI: 10.11772/j.issn.1001-9081.2020111843

摘要 ( )   PDF (903KB) ( )  

参考文献 | 相关文章 | 计量指标

针对时变拓扑连接环境下的时变多个体系统的一致性问题，提出基于事件触发的脉冲控制协议。在该协议里对于每个个体，只有当相关状态误差超过阈值时才会更新控制器，同时控制输入将仅在事件触发时刻执行，且个体间不需要持续通信。该协议将大幅节约系统实现一致性的通信和控制成本。使用代数图论、李雅普诺夫稳定性和脉冲微分方程等数学理论分析和推导具有时变特性的多个体系统在事件触发脉冲控制下达到一致性的充分条件，同时理论证明事件触发的时间序列不存在芝诺行为。最后，数值仿真验证了所得到的理论结论的有效性。

面向重大公共卫生风险治理的应急物流协同演化仿真

龚英, 何彦婷, 曹策俊

2021, 41(9):  2754-2760.  DOI: 10.11772/j.issn.1001-9081.2020111728

摘要 ( )   PDF (1077KB) ( )  

参考文献 | 相关文章 | 计量指标

为提高重大公共卫生风险治理过程中的应急物流效率，在分析政府与物流企业行为特征的基础上，设计了面向重大公共卫生风险治理的高效应急物流协同机制。通过构建地方政府与物流企业的演化博弈模型，探究了地方政府监管和物流企业协同的演化规律与路径，然后利用数值仿真来验证所提模型的可行性和有效性。结果表明，与商业物流协同机制相比，面向重大公共卫生风险治理的应急物流协同机制更依赖于地方政府的监管力度，并且该机制使得物流企业的协同水平在0.25与0.9之间反复波动；而建立针对地方政府的动态奖惩机制后，在博弈次数达到30时，物流企业的协同水平为0.46，并一直维持稳定，可见这个动态奖惩机制显著提高了应急物流协同机制的稳定性。

基于阈值和极端随机树的实时跌倒检测方法

刘晓光, 靳少康, 韦子辉, 梁铁, 王洪瑞, 刘秀玲

2021, 41(9):  2761-2766.  DOI: 10.11772/j.issn.1001-9081.2020111816

摘要 ( )   PDF (1152KB) ( )  

参考文献 | 相关文章 | 计量指标

针对基于可穿戴设备的跌倒检测存在的实时性与准确性无法兼得的问题，提出一种阈值和极端随机树融合的实时跌倒检测方法。在该方法中，可穿戴设备只需计算阈值量，无需确保跌倒检测的准确率，从而减少了计算量；同时，上位机利用极端随机树算法确保了跌倒检测的准确率。可穿戴设备通过阈值的方法过滤了大部分日常动作，因此减少了上位机检测的动作数据量。这样一来所提方法既满足了跌倒检测的高准确率，又满足了实时性。另外，为了降低跌倒检测的假阳性率，可穿戴设备融合了姿态角度传感器和压力传感器，上位机中加入了反馈机制。当检测结果出现假阳性时，通过上位机将检测错误的样本加入非跌倒数据集中进行再训练，模型经过这样的不断学习会生成适合个人的报警模型，且这种反馈机制为降低跌倒检测的假阳性率提供了新思路。实验结果表明，在1 259个测试样本中，所提方法具有平均99.7%的准确率，最低0.08%的假阳性率。

基于度中心性的认知特征选择方法

张笑非, 杨阳, 黄佳进, 钟宁

2021, 41(9):  2767-2772.  DOI: 10.11772/j.issn.1001-9081.2020111794

摘要 ( )   PDF (2920KB) ( )  

参考文献 | 相关文章 | 计量指标

针对大脑图谱认知特征选择的不确定性提出了基于度中心性的认知特征选择方法（DC-CFSM）。首先，基于大脑图谱构建认知实验任务中被试的脑功能网络（FBN），并计算得到FBN每个兴趣点（ROI）的度中心性（DC）；其次，统计对比被试相同皮质兴趣点在执行认知任务时不同认知状态间的差异显著性并对其进行排序；最后，根据排序后的ROI计算人脑认知体系曲线下面积（HBCA-AUC）值，并评估几种认知特征选择方法的性能。在心算认知任务功能核磁共振成像（fMRI）数据上进行的实验中，DC-CFSM在人脑认知体系的任务正相关系统（TPS）、任务负相关系统（TNS）及任务支撑系统（TSS）上得到的HBCA-AUC值分别为0.669 2、0.304 0、0.468 5。与极限树、自适应提升、随机森林、极限梯度提升（XGB）等方法相比，DC-CFSM对TPS的识别率分别提高了22.17%、13.90%、24.32%和37.19%，对TNS的误识率分别减小了20.46%、29.70%、44.96%和33.39%。可见DC-CFSM在大脑图谱认知特征的选择上更能反映人脑认知体系的类别和功能。

基于图卷积神经网络的串联质谱从头测序

牟长宁, 王海鹏, 周丕宇, 侯鑫行

2021, 41(9):  2773-2779.  DOI: 10.11772/j.issn.1001-9081.2020111875

摘要 ( )   PDF (11373KB) ( )  

参考文献 | 相关文章 | 计量指标

在蛋白质组学中从头测序是串联质谱肽段测序的重要方法之一，其具有不依赖于蛋白质数据库的优势，并在测定未知物种蛋白序列、单克隆抗体测序等领域中起着关键作用。然而由于从头测序的复杂性，导致其测序的准确率远低于数据库搜索方法，制约了从头测序的广泛应用。针对从头测序准确率低的问题，提出一种基于图卷积神经网络（GCN）的从头测序方法denovo-GCN。该方法将质谱中谱峰之间的关系用图结构表示，并从每个相应的肽碎裂位点提取谱峰特征，然后通过GCN预测当前碎裂位点处的氨基酸类型，最后逐步组成完整的肽序列。通过实验确定了GCN模型的层数、离子类型组合和测序使用的谱峰数量这3个影响模型的重要参数，并将多个物种数据集用于实验对比。实验结果表明，该方法在肽水平上的召回率比基于图论的从头测序方法Novor、pNovo提高了4.0~21.1个百分点，比基于卷积神经网络（CNN）和长短期记忆（LSTM）网络的DeepNovo提高了2.1~10.7个百分点。

基于改进DenseNet的牛眼图像特征提取方法

郑志强, 胡鑫, 翁智, 王雨禾, 程曦

2021, 41(9):  2780-2784.  DOI: 10.11772/j.issn.1001-9081.2020101533

摘要 ( )   PDF (1024KB) ( )  

参考文献 | 相关文章 | 计量指标

针对牛眼图像特征提取过程中由于梯度消失和过拟合造成的识别准确率较低的问题，提出一种基于改进DenseNet的牛眼图像特征提取方法。首先采用缩放指数线性单元（SeLU）激活函数防止网络梯度消失；其次通过DropBlock随机丢弃牛眼图像的特征块，从而防止过拟合，并加强网络的泛化能力；最后将改进后的稠密层进行叠加以组成改进的DenseNet（Dense convolutional Network）。在自建牛眼图像数据集上进行特征信息提取识别实验的结果表明，改进后的DenseNet识别准确率、精确率和召回率分别为97.47%、98.11%和97.90%；较改进前的网络在识别准确率、精确率和召回率上分别提升了2.52个百分点、3.32个百分点和2.94个百分点，可见改进后的网络具有较高的精度与鲁棒性。