当期目录

2021年 第41卷 第10期 刊出日期：2021-10-10

上一期   下一期

人工智能

基于模糊优势互补互信息的有序决策树算法

王雅辉, 钱宇华, 刘郭庆

2021, 41(10):  2785-2792.  DOI: 10.11772/j.issn.1001-9081.2020122006

摘要 ( )   PDF (1344KB) ( )  

参考文献 | 相关文章 | 计量指标

传统决策树算法应用于有序分类任务时存在两个问题：传统决策树算法没有引入序关系，因此无法学习和抽取数据集中的序结构；现实生活中存在大量模糊而非精确的知识，而传统的决策树算法无法处理存在模糊属性取值的数据。针对上述问题，提出了基于模糊优势互补互信息的有序决策树算法。首先，使用优势集表示数据中的序关系，并引入模糊集来计算优势集以形成模糊优势集。模糊优势集不仅能反映数据中的序信息，而且能自动获取不精确知识。然后，在模糊优势集的基础上将互补互信息进行推广，并提出了模糊优势互补互信息。最后，使用模糊优势互补互信息作为启发式，设计出基于模糊优势互补互信息的有序决策树算法。在5个人工数据集及9个现实数据集上的实验结果表明，所提算法在有序分类任务上较经典决策树算法取得了更低的分类误差。

基于混淆因子隐压缩表示模型的因果推断方法

蔡瑞初, 白一鸣, 乔杰, 郝志峰

2021, 41(10):  2793-2798.  DOI: 10.11772/j.issn.1001-9081.2020122066

摘要 ( )   PDF (553KB) ( )  

参考文献 | 相关文章 | 计量指标

因果推断方法可以用于在观察数据上发现因果关系。在因果结构含混淆因子的数据上进行因果推断时，可能会受混淆因子的影响而得到错误的因果关系。针对上述问题，提出了一种基于混淆因子隐压缩表示（CHCR）模型的因果推断方法。首先，根据CHCR模型，构造含有对原因变量进行压缩表示的中间隐变量的备选模型；其次，利用贝叶斯信息准则（BIC）计算备选模型评分并选出得分最高的最佳模型；最后，根据最佳模型中的压缩情况判断变量间真正的因果关系。理论分析表明，所提出的方法能够识别经典的基于约束的方法所无法正确分辨的、带有混淆因子的因果结构，且在样本量较小等情况下，BIC评分也可以提高所提方法的表现。实验结果表明，在样本数变化时，所提出的方法在准确率指标上相较于极快因果推断算法（RFCI）等经典方法有显著提升，并适用于各种变量可能取值数不同的情况；在混合不同类型的因果结构时，该方法在准确率指标上高于最大最小爬山算法（MMHC）等经典方法；且该方法能够在Abalone数据集上得到正确的因果关系。

融合多跳关系路径信息的关系推理方法

董永峰, 刘超, 王利琴, 李英双

2021, 41(10):  2799-2805.  DOI: 10.11772/j.issn.1001-9081.2020121905

摘要 ( )   PDF (763KB) ( )  

参考文献 | 相关文章 | 计量指标

针对目前知识图谱（KG）中存在大量关系的缺失，以及在进行关系推理时没有充分考虑两实体间多跳路径中隐含信息的问题，提出了一种融合多跳关系路径信息的关系推理方法。首先，对于给定的候选关系和两个实体，利用卷积运算将连接两个实体的多跳关系路径编码到低维空间里并提取信息；其次，利用双向长短时记忆（BiLSTM）网络建模以生成关系路径表示向量，并利用注意力机制将其与候选关系表示向量进行组合；最后，采用多步推理方式找到匹配程度最高的关系作为推理结果并判断其精确率。与目前常用的路径排序算法（PRA）、神经网络模型Path-RNN以及强化学习模型MINERVA相比，在使用大型知识图谱数据集NELL995进行实验时，所提算法的平均精确率均值（MAP）分别提高了1.96、8.6和1.6个百分点；在使用小型知识图谱数据集Kinship进行实验时，所提方法的MAP比PRA、MINERVA分别提高了21.3、13和12.1个百分点。实验结果表明，所提算法能更加准确地推理出实体间的关系链接。

动态融合社交信息的社会化推荐

任柯舟, 彭甫镕, 郭鑫, 王喆, 张晓静

2021, 41(10):  2806-2812.  DOI: 10.11772/j.issn.1001-9081.2020111892

摘要 ( )   PDF (728KB) ( )  

参考文献 | 相关文章 | 计量指标

针对推荐算法中的数据稀疏问题，通常引入社交数据作为辅助信息进行社会化推荐。传统的社会化推荐算法忽略用户的兴趣迁移，导致模型无法描述用户兴趣的动态变化特征，也忽略了社交影响的动态特性，导致模型将很久以前的社交行为与近期社交行为同等对待。针对这两点提出一种社交信息动态融合的社会化推荐模型SLSRec。首先，利用自注意力机制构建用户交互物品的序列模型，以实现对用户兴趣的动态描述；然后，设计具有时间遗忘的注意力机制对社交短期兴趣进行建模，并设计具有协同特性的注意力机制对社交长期兴趣进行建模；最后，融合社交的长短期兴趣与用户的短期兴趣来获得用户的最终兴趣并产生下一项推荐。利用归一化折损累计增益（NDCG）和命中率（HR）指标在稀疏数据集brightkite和稠密数据集Last.FM上把所提模型与序列推荐模型（自注意力序列推荐（SASRec）模型）和社会化推荐模型（社会推荐的神经影响扩散（DiffNet）模型）进行对比验证。实验结果显示，SLSRec模型与DiffNet模型相比，在稀疏数据集上的HR指标提升了8.5%；与SASRec模型相比，在稠密数据集上的NDCG指标提升了2.1%，表明考虑社交信息的动态特性使推荐结果更加准确。

基于弹幕情感分析和主题模型的视频推荐算法

朱思淼, 魏世伟, 魏思恒, 余敦辉

2021, 41(10):  2813-2819.  DOI: 10.11772/j.issn.1001-9081.2020121997

摘要 ( )   PDF (852KB) ( )  

参考文献 | 相关文章 | 计量指标

针对互联网上大量自制视频缺少用户评分、推荐准确率不高的问题，提出一种融合弹幕情感分析和主题模型的视频推荐算法（VRDSA）。首先，对视频的弹幕评论进行情感分析，得到视频的情感向量，之后基于情感向量计算视频之间的情感相似度；同时，基于视频的标签建立主题模型来得到视频标签的主题分布，并使用主题分布计算视频之间的主题相似度；接着，对视频的情感相似度和主题相似度进行融合得到视频间的综合相似度；然后，结合视频间的综合相似度和用户的历史记录得到用户对视频的偏好度；同时通过视频的点赞量、弹幕量、收藏数等用户互动指标对视频的大众认可度进行量化，并结合用户历史记录计算出视频的综合认可度；最后，基于用户对视频的偏好度和视频的综合认可度预测用户对视频的认可度，并生成个性化推荐列表来完成视频的推荐。实验结果表明，与融合协同过滤和主题模型的弹幕视频推荐算法（DRCFT）以及嵌入LDA主题模型的协同过滤算法（ULR-itemCF）相比，所提算法推荐的准确率平均提高了17.1%，召回率平均提高了22.9%，F值平均提高了22.2%。所提算法对弹幕进行情感分析，并融合主题模型，以此来完成对视频的推荐，并且充分挖掘了弹幕数据的情感性，使得推荐结果更加准确。

基于时序和上下文特征的中文隐式情感分类模型

袁景凌, 丁远远, 潘东行, 李琳

2021, 41(10):  2820-2828.  DOI: 10.11772/j.issn.1001-9081.2020111760

摘要 ( )   PDF (839KB) ( )  

参考文献 | 相关文章 | 计量指标

对社交网络上的海量文本信息进行情感分析可以更好地挖掘网民行为规律，从而帮助决策机构了解舆情倾向以及帮助商家改善服务质量。由于不存在关键情感特征、表达载体形式和文化习俗等因素的影响，中文隐式情感分类任务比其他语言更加困难。已有的中文隐式情感分类方法以卷积神经网络（CNN）为主，这些方法存在着无法获取词语的时序信息和在隐式情感判别中未合理利用上下文情感特征的缺陷。为了解决以上问题，采用门控卷积神经网络（GCNN）提取隐式情感句的局部重要信息，采用门控循环单元（GRU）网络增强特征的时序信息；而在隐式情感句的上下文特征处理上，采用双向门控循环单元（BiGRU）+注意力机制（Attention）的组合提取重要情感特征；在获得两种特征后，通过融合层将上下文重要特征融入到隐式情感判别中；最后得到的融合时序和上下文特征的中文隐式情感分类模型被命名为GGBA。在隐式情感分析评测数据集上进行实验，结果表明所提出的GGBA模型在宏平均准确率上比普通的文本CNN即TextCNN提高了3.72%、比GRU提高了2.57%、比中断循环神经网络（DRNN）提高了1.90%，由此可见， GGBA模型在隐式情感分析任务中比基础模型获得了更好的分类性能。

融合情感词典与上下文语言模型的文本情感分析

杨书新, 张楠

2021, 41(10):  2829-2834.  DOI: 10.11772/j.issn.1001-9081.2020121900

摘要 ( )   PDF (696KB) ( )  

参考文献 | 相关文章 | 计量指标

词嵌入技术在文本情感分析中发挥着重要的作用，但是传统的Word2Vec、GloVe等词嵌入技术会产生语义单一的问题。针对上述问题提出了一种融合情感词典与上下文语言模型ELMo的文本情感分析模型SLP-ELMo。首先，利用情感词典对句子中的单词进行筛选；其次，将筛选出的单词输入字符卷积神经网络（char-CNN），从而产生每个单词的字符向量；然后，将字符向量输入ELMo模型进行训练；此外，在ELMo向量的最后一层加入了注意力机制，以便更好地训练词向量；最后，将词向量与ELMo向量并行融合并输入分类器进行文本情感分类。与现有的多个模型对比，所提模型在IMDB和SST-2这两个数据集上均得到了更高的准确率，验证了模型的有效性。

基于多层次空间注意力的图文评论情感分析方法

郭可心, 张宇翔

2021, 41(10):  2835-2841.  DOI: 10.11772/j.issn.1001-9081.2020101676

摘要 ( )   PDF (6772KB) ( )  

参考文献 | 相关文章 | 计量指标

随着社交网络的不断普及，相对于传统的文字描述，人们更倾向于发布图文结合的评论来表达自己的情感与意见。针对图文情感分析方法中仅考虑图文间的高级语义联系，而较少注意图片的低层次情感特征以及中层美学特征与文本情感之间关联性的问题，提出了一种基于多层次空间注意力（MLSA）的图文评论情感分析方法。所提方法以文本内容为驱动，使用MLSA设计图像与文本之间的特征融合方法，该特征融合方法不仅关注与文本相关的图像实体特征，而且充分利用图像的中层美学特征和低层视觉特征，从而从多个不同角度挖掘图文之间的情感共现。在两个公开的图文情感数据集MVSA_Single和MVSA_Multi上，该方法的分类效果相对于对比方法中最优的方法的分类效果在准确率上分别提高了0.96和1.06个百分点，在F1值上分别提高了0.96和0.62个百分点。实验结果表明，综合分析文本特征和图像特征之间的层次化联系能有效地增强神经网络捕捉图文情感语义的能力，从而更准确地预测图文整体的情感。

基于门控机制和卷积神经网络的中文文本情感分析模型

杨璐, 何明祥

2021, 41(10):  2842-2848.  DOI: 10.11772/j.issn.1001-9081.2020122043

摘要 ( )   PDF (717KB) ( )  

参考文献 | 相关文章 | 计量指标

针对中文数据的特殊性导致判别时容易产生噪声信息，使用传统卷积神经网络（CNN）无法深度挖掘情感特征信息等问题，提出了一种结合情感词典的双输入通道门控卷积神经网络（DC-GCNN-SL）模型。首先，使用情感词典的词语情感分数对句子中的词语进行标记，从而使网络获取情感先验知识，并在训练过程中有效地去除了输入句子的噪声信息；然后，在捕获句子深度情感特征时，提出了基于GTRU的门控机制，并通过两个输入通道的文本卷积运算实现两种特征的融合，控制信息传递，有效地得到了更丰富的隐藏信息；最后，通过softmax函数输出文本情感极性。在酒店评论数据集、外卖评论数据集和商品评论数据集上进行了实验。实验结果表明，与文本情感分析的其他模型相比，所提模型具有更好的准确率、精确率、召回率和F1值，能够有效地获取句子的情感特征。

缺失标记下基于类属属性的多标记特征选择

张志浩, 林耀进, 卢舜, 郭晨, 王晨曦

2021, 41(10):  2849-2857.  DOI: 10.11772/j.issn.1001-9081.2020111893

摘要 ( )   PDF (1049KB) ( )  

参考文献 | 相关文章 | 计量指标

多标记特征选择已在图像分类、疾病诊断等领域得到广泛应用；然而，现实中数据的标记空间往往存在部分标记缺失的问题，这破坏了标记间的结构性和关联性，使得学习算法难以准确地选择重要特征。针对此问题，提出一种缺失标记下基于类属属性的多标记特征选择（MFSLML）算法。首先，通过利用稀疏学习方法获取每个类标记的类属属性；同时基于线性回归模型构建类属属性与标记的映射关系，以用于恢复缺失标记；最后，选取7组数据集以及4个评价指标进行实验。实验结果表明：相比基于最大依赖度和最小冗余度的多标记特征选择算法（MDMR）和基于特征交互的多标记特征选择算法（MFML）等一些先进的多标记特征选择算法，MFSLML在平均查准率指标上能够提升4.61~5.5个百分点，由此可见MFSLML具有更优的分类性能。

面向领域实体关系联合抽取的标注方法

吴赛赛, 梁晓贺, 谢能付, 周爱莲, 郝心宁

2021, 41(10):  2858-2863.  DOI: 10.11772/j.issn.1001-9081.2020101678

摘要 ( )   PDF (803KB) ( )  

参考文献 | 相关文章 | 计量指标

针对传统实体关系标注方法存在效率低下、错误传播、实体冗余等问题，对于某些领域语料中存在“一实体（主实体）同时与多个实体之间存在重叠关系”的特点，提出一种面向领域实体关系联合抽取的新标注方法。首先，将主实体标注为一个固定标签，将文本中与主实体存在关系的其他每个实体标注为对应实体对间的关系类型，这种对实体和关系进行同步标注的方式节省了至少一半的标注成本；然后，直接对三元组进行建模，而不是分别对实体和关系进行建模，通过标签匹配和映射即可获取三元组数据，从而缓解重叠关系抽取、实体冗余以及错误传播等问题；最后，以作物病虫害领域为例进行实验，测试了来自转换器的双向编码器表征量（BERT）-双向长短期记忆网络（BiLSTM）+条件随机场（CRF）端到端模型在1 619条作物病虫害文档的数据集上的性能。实验结果表明该模型的F1值比基于传统标注方式+BERT模型的流水线方法提高了47.83个百分点；与基于新标注方式+BiLSTM+CRF模型、卷积神经网络（CNN）+BiLSTM+CRF等经典模型的联合学习方法相比，该模型的F1值分别提高了9.55个百分点和10.22个百分点，验证了所提标注方法和模型的有效性。

基于宏观篇章结构的科技论文摘要模型

付颖, 王红玲, 王中卿

2021, 41(10):  2864-2870.  DOI: 10.11772/j.issn.1001-9081.2020121945

摘要 ( )   PDF (873KB) ( )  

参考文献 | 相关文章 | 计量指标

针对传统的神经网络模型不能较好地反映科技论文内不同章节之间的宏观篇章结构信息，从而容易导致生成的科技论文摘要结构不完整、内容不连贯的问题，提出了一种基于宏观篇章结构的科技论文摘要模型。首先，搭建了一种基于宏观篇章结构的层级编码器，并利用图卷积神经网络对章节间的宏观篇章结构信息进行编码，从而构建章节层级语义表示；然后，提出了一个信息融合模块，旨在将宏观篇章结构信息和单词层级信息进行有效融合，从而辅助解码器生成摘要；最后，利用注意力机制优化单元对上下文向量进行更新优化操作。实验结果表明，所提出的模型比基准模型分别在ROUGE-1、ROUGE-2以及ROUGE-L上分别高出3.53个百分点、1.15个百分点和4.29个百分点，并且通过对生成的摘要内容进行分析对比，可进一步证明该模型可有效提高生成摘要的质量。

基于多时期蒸馏网络的随访数据知识提取方法

魏淳武, 赵涓涓, 唐笑先, 强彦

2021, 41(10):  2871-2878.  DOI: 10.11772/j.issn.1001-9081.2020122059

摘要 ( )   PDF (1052KB) ( )  

参考文献 | 相关文章 | 计量指标

随着医学上对随访工作的不断重视，通过医学图像分析的方法获取随访指导的相关信息变得越来越重要；然而，在深度学习领域，大多数方法不适用于处理此类任务。为了解决这个问题，提出了一种多时期知识蒸馏（MKD）模型。首先，借助知识蒸馏在模型迁移方向上的优势，将带有长时期随访信息的分类任务转换为基于领域知识的模型迁移任务；然后，充分利用长时期医学图像中所包含的随访知识，来完成长时期的肺结节分类。同时，针对随访过程收集到的数据每一年相对不平衡的问题，提出了一种基于元学习思想的正则化方法，且该方法能够有效地在半监督模式下提高模型的训练精度。在NLST数据集上的实验结果表明，所提出的MKD模型在长时期肺结节分类任务下较GoogleNet等深度学习分类模型的分类精度更优越。在不平衡数据量达到800例时，利用元学习方法改进后的MKD模型相较于现有先进模型最高可以提升7个百分点的精度。

基于跨语言神经主题模型的汉越新闻话题发现方法

杨威亚, 余正涛, 高盛祥, 宋燃

2021, 41(10):  2879-2884.  DOI: 10.11772/j.issn.1001-9081.2020122054

摘要 ( )   PDF (758KB) ( )  

参考文献 | 相关文章 | 计量指标

针对汉越跨语言新闻话题发现任务中汉越平行语料稀缺，训练高质量的双语词嵌入较为困难，而且新闻文本一般较长导致双语词嵌入的方法难以很好地表征文本的问题，提出一种基于跨语言神经主题模型（CL-NTM）的汉越新闻话题发现方法，利用新闻的主题信息对新闻文本进行表征，将双语语义对齐转化为双语主题对齐任务。首先，针对汉语和越南语分别训练基于变分自编码器的神经主题模型，从而得到单语的主题抽象表征；然后，利用小规模的平行语料将双语主题映射到同一语义空间；最后，使用K-means方法对双语主题表征进行聚类，从而发现新闻事件簇的话题。实验结果表明，所提方法相较于面向中英文的隐狄利克雷分配主题改进模型（ICE-LDA）在Macro-F1值与主题一致性上分别提升了4个百分点与7个百分点，可见所提方法可有效提升新闻话题的聚类效果与话题可解释性。

网络空间安全

基于区块链与云-边缘计算混合架构的车联网数据安全存储与共享方案

巫光福, 王影军

2021, 41(10):  2885-2892.  DOI: 10.11772/j.issn.1001-9081.2020121938

摘要 ( )   PDF (897KB) ( )  

参考文献 | 相关文章 | 计量指标

针对车联网（IoV）中云计算的高时延、数据泄漏和恶意车辆节点篡改数据等问题，提出了一种基于区块链与云-边缘计算混合架构的IoV数据安全存储与共享方案。首先，采用联盟链-私有链的双链去中心化存储结构来保障通信数据的安全；然后，利用基于身份的数字签密算法和基于离散中心二项分布的环签名方案来解决通信过程中的安全性问题；最后，提出了基于动态分层和信誉值评估的实用拜占庭容错机制（DRPBFT），并将边缘计算技术与云计算技术相结合，从而解决了高时延问题。安全性分析结果表明，所提方案在信息共享过程中保证了数据的安全性和完整性。实验仿真和性能评估结果表明，DRPBFT的时延在6 s内，且有效地提高了系统的吞吐量。所提IoV方案有效地促进了车辆数据共享的积极性，使IoV系统更加高效稳定地运行，达到了IoV实时、高效的目的。

基于Hopfield混沌神经网络和压缩感知的可视化图像加密算法

沈子懿, 王卫亚, 蒋东华, 荣宪伟

2021, 41(10):  2893-2899.  DOI: 10.11772/j.issn.1001-9081.2020121942

摘要 ( )   PDF (4865KB) ( )  

参考文献 | 相关文章 | 计量指标

目前大多数的图像加密算法直接将明文图像加密成无视觉意义的密文图像，而这类密文图像在传输过程中容易被黑客发现从而受到各种攻击。针对上述问题，结合Hopfield混沌神经网络与压缩感知技术提出了一种具有视觉意义的图像加密算法。首先，利用二维离散小波变换对明文图像进行稀疏化；其次，通过压缩感知对经过阈值处理的稀疏矩阵进行加密和测量；然后，在量化的中间密文图像中加入随机数并进行Hilbert置乱和扩散操作；最后，将生成的类噪声密文图像通过最低有效位（LSB）替换来嵌入到载体图像中的Alpha通道以生成具有视觉意义的隐写图像。与现有的可视化图像加密算法相比，所提算法展现出非常好的视觉安全性、解密质量以及鲁棒性，表明其具有广泛的应用场景。

基于半监督子空间聚类的协议识别方法

朱玉娜, 张玉涛, 闫少阁, 范钰丹, 陈韩托

2021, 41(10):  2900-2904.  DOI: 10.11772/j.issn.1001-9081.2020122002

摘要 ( )   PDF (633KB) ( )  

参考文献 | 相关文章 | 计量指标

针对现有的基于统计特征的协议识别方法选择识别特征时未考虑不同协议个体之间的差异的问题，结合半监督学习和模糊子空间聚类（FSC）方法，提出了一种半监督子空间聚类协议识别方法（SSPIA）。首先，将有标签的样本流转化为成对约束信息，从而获取先验约束条件；其次，在此基础上提出半监督模糊子空间聚类（SFSC）算法，该算法利用约束条件指导子空间聚类过程；然后，建立类簇和协议类型的映射，以获取协议各个特征的权重系数，进而构建个体化的密码协议特征库用于后续协议识别；最后，针对5个典型的密码协议进行聚类效果和识别效果实验。实验结果表明，针对基于统计特征的协议识别问题，与传统K-means方法和FSC方法相比，所提SSPIA的聚类效果更好，且SSPIA构建的协议识别分类器更为精确，协议识别率更高，误识别率更低。所提SSPIA提高了基于统计特征的识别效果。

先进计算

求解铁路物流配送中心选址问题的改进灰狼优化算法

郝芃斐, 池瑞, 屈志坚, 涂宏斌, 池学鑫, 张地友

2021, 41(10):  2905-2911.  DOI: 10.11772/j.issn.1001-9081.2020121994

摘要 ( )   PDF (1101KB) ( )  

参考文献 | 相关文章 | 计量指标

针对单一机制的灰狼优化算法（GWO）易陷于局部最优、收敛速度慢的问题，提出了一种改进灰狼优化（IGWO）算法来解决实际铁路物流配送中心选址的问题。首先，在基本的灰狼优化算法的基础上，引入佳点集理论初始化种群，从而提高了初始种群的多样性；然后，利用差值剔除策略（DES）来增加全局寻优能力，以达到一种高效的寻优模式。仿真实验结果表明：与标准的灰狼算法相比，所提出的IGWO适应度值提高了3%，在10个测试函数中最优值精度可最多提高7个单位；与粒子群优化（PSO）算法、差分进化（DE）算法和遗传算法（GA）比较，所提算法的运行速度分别提高了39.6%、46.5%和65.9%，选址速度也明显提高。可见所提算法可用于铁路物流中心的选址。

基于人工势场法和启发式采样的最优路径收敛方法

李伟, 金世俊

2021, 41(10):  2912-2918.  DOI: 10.11772/j.issn.1001-9081.2020122021

摘要 ( )   PDF (1628KB) ( )  

参考文献 | 相关文章 | 计量指标

具有渐进最优性的快速搜索随机树（RRT^*）算法在路径规划过程中确保了其概率完备性和渐进最优性，然而仍存在收敛速度慢且产生大而密集的采样空间等问题。为了加快算法的收敛速度，提出了一种基于人工势场法和启发集合采样来快速获取最优路径的方法。首先，利用人工势场法构建出一条由起点到目标点的初始路径；然后，以起点和目标点的位置和之间的距离以及初始路径的路径代价作为参数来构建初始启发采样集合；最后，限定在启发集合内进行采样，并且在算法进行的过程中调整启发采样集合的范围，进而加快路径收敛速度。仿真实验中，获取相同路径代价的路径时，所提人工势场结合启发式采样的方法为基础的结合人工势场法和启发采样策略的快速获取最优路径的RRT^*（PI-RRT^*）算法相较于RRT^*算法，采样点数减少了约67%，算法运行时间平均缩短了约74.5%；相较于启发式RRT^*（Informed-RRT^*）算法，采样点数减少了约40~50%，算法运行时间平均缩短了约62.5%。所提出的最优路径收敛方法大量减少了冗余采样次数并缩短了算法运行时间，具有更高的算法效率，收敛到最优路径的速度更快。

改进鲸鱼优化支持向量机的交通流量模糊粒化预测

童林, 官铮

2021, 41(10):  2919-2927.  DOI: 10.11772/j.issn.1001-9081.2020122048

摘要 ( )   PDF (884KB) ( )  

参考文献 | 相关文章 | 计量指标

针对支持向量机（SVM）在交通流量预测中存在波动性且预测精度低的问题，提出了采用模糊信息粒化（FIG）和改进鲸鱼优化算法（IWOA）的SVM模型来预测交通流量的变化趋势和动态区间。首先，对数据处理采用FIG方法进行处理，从而得到交通流量变化区间的上界（Up）、下界（Low）和趋势值（R）；其次，在鲸鱼优化算法（WOA）的种群初始化中采用动态对立学习来增加种群多样性，并引入了非线性收敛因子和自适应权重来增强算法的全局搜索及局部寻优能力，然后建立了IWOA模型，并分析了IWOA的复杂度；最后，以预测交通流量的均方误差（MSE）为目标函数，在IWOA迭代过程中不断优化SVM的超参数，建立了基于FIG-IWOA-SVM的交通流量区间预测模型。在国内和国外交通流量数据集上进行测试的结果表明，在国外交通流量预测上，与基于遗传算法优化的支持向量机（GA-SVM）、基于粒子群优化算法优化的支持向量机（PSO-SVM）和基于鲸鱼优化算法的支持向量机（WOA-SVM）相比，IWOA-SVM模型的平均绝对误差（MAE）分别降低了89.5%、81.5%和1.5%；而FIG-IWOA-SVM模型在交通流量动态区间和趋势预测上与FIG-GA-SVM、FIG-PSO-SVM和FIG-WOA-SVM等模型相比预测精度更高且预测范围更平稳。实验结果表明，在不增加算法复杂度的前提下，FIG-IWOA-SVM模型能够合理地预测交通流量的变化趋势和变化区间，为后续的交通规划和流量控制提供依据。

无人机辅助的移动边缘计算中的任务分配策略

王岱巍, 徐高潮, 李龙

2021, 41(10):  2928-2936.  DOI: 10.11772/j.issn.1001-9081.2020121917

摘要 ( )   PDF (800KB) ( )  

参考文献 | 相关文章 | 计量指标

在使用无人机（UAV）作为计算卸载的数据收集器对用户设备（UE）提供移动边缘计算（MEC）服务的场景下，设计了一种通过UAV实现高效的UE覆盖的无线通信策略。首先，在给定UE分布的条件下，对于UAV的飞行轨迹和通信策略，使用了连续凸逼近（SCA）的优化方法来得出一种可以使全局能量最小化的近似最优解；此外，对于UE大范围分布或任务量较大的场景，提出了一种自适应聚类算法，以将地面的UE划分成尽量少的聚类，并保证每个聚类中全部UE的卸载数据都可以在一次飞行中全部完成收集；最后，将每个聚类中UE的计算卸载数据收集任务分配给一次飞行，从而达到减少单个UAV完成任务所需的派遣次数或多UAV执行任务所需的UAV派遣数量的目的。仿真结果表明，所提方法可以生成相比K-Means算法更少的聚类数量且能快速收敛，适用于UE大范围分布下UAV辅助的计算卸载场景。

多媒体计算与计算机仿真

基于可分离金字塔的轻量级实时语义分割算法

高世伟, 张长柱, 王祝萍

2021, 41(10):  2937-2944.  DOI: 10.11772/j.issn.1001-9081.2020121939

摘要 ( )   PDF (2525KB) ( )  

参考文献 | 相关文章 | 计量指标

针对现有语义分割算法参数量过多、内存占用巨大导致其很难满足自动驾驶需要等现实应用的问题，提出一种基于可分离金字塔模块（SPM）的新颖、有效且轻量的实时语义分割算法。首先，利用特征金字塔形式的分解卷积和扩张卷积来构建瓶颈结构，从而以一种简单但有效的方式提取局部和上下文信息；然后，提出基于计算机视觉注意力的上下文通道注意力（CCA）模块，来利用深层语义修改浅层特征图通道权重优化分割效果。实验结果显示：所提出的算法在Cityscapes测试集上以每秒91帧的速度达到了71.86%的平均交并比（mIoU）。相较高效残差分解卷积网络（ERFNet），所提算法mIoU提高了3.86个百分点，处理速度是其2.2倍；与最新的非局部高效实时算法（LRNNet）相比，所提算法mIoU略低0.34个百分点，但处理速度每秒上升了20帧。实验结果表明，所提算法有助于完成如自动驾驶中要求的高效、准确的街道场景图像分割任务。

动态环境下基于深度学习的语义SLAM算法

郑思诚, 孔令华, 游通飞, 易定容

2021, 41(10):  2945-2951.  DOI: 10.11772/j.issn.1001-9081.2020111885

摘要 ( )   PDF (1572KB) ( )  

参考文献 | 相关文章 | 计量指标

针对应用场景中存在的运动物体会降低视觉同步定位与地图构建（SLAM）系统的定位精度和鲁棒性的问题，提出一种基于语义信息的动态环境下的视觉SLAM算法。首先，将传统视觉SLAM前端与YOLOv4目标检测算法相结合，在对输入图像进行ORB特征提取的同时，对该图像进行语义分割；然后，判断目标类型以获得动态目标在图像中的区域，剔除分布在动态物体上的特征点；最后，使用处理后的特征点与相邻帧进行帧间匹配来求解相机位姿。实验采用TUM数据集进行测试，测试结果表明，所提算法相较于ORB-SLAM2在高动态环境下在位姿估计精度上提升了96.78%，同时该算法的跟踪线程处理一帧的平均耗时为0.065 5 s，相较于其他应用在动态环境下的SLAM算法耗时最短。实验结果表明，所提算法能够实现在动态环境中的实时精确定位与建图。

基于编码解码结构的移动端电力线语义分割方法

黄巨挺, 高宏力, 戴志坤

2021, 41(10):  2952-2958.  DOI: 10.11772/j.issn.1001-9081.2020122037

摘要 ( )   PDF (1631KB) ( )  

参考文献 | 相关文章 | 计量指标

针对传统的视觉算法在复杂场景下检测细长电力线准确率低、受环境因素干扰大，现有基于深度学习的电线检测算法效率不高的问题，提出一种适用于移动端电力线检测的端到端全卷积神经网络模型。首先，采用一种对称的编码-解码结构，其中编码部分使用最大池化层进行下采样，以提取多尺度特征，而解码部分使用最大池化索引的非线性上采样方式逐层融合多尺度特征，以恢复图像细节；其次，针对电线像素与背景像素不平衡的问题，采用了一种加权损失函数来训练模型；最后，构建了一个背景复杂且有像素级标注的电线数据集来训练和评估模型，并重新标注了一个公开电线数据集作为不同源测试集。与现有移动端电线语义分割模型Dilated ConvNet相比，所提模型在移动端设备GPU NVIDIA JetsonTX2上对于512×512分辨率的图片的预测速度提升至Dilated ConvNet的两倍，达到8.2 frame/s所提模型在同源测试集上的平均交并比（mIoU）为0.857 3，F1分数为0.844 7，平均精度（AP）为0.927 9，这三个指标分别提升了0.011、0.014和0.008；所提模型在公开测试集上的mIoU达到0.724 4，F1分数达到0.634 1，AP达到0.664 4，这三个指标分别提升了0.004、0.007和0.032。实验结果表明，该模型具有更好的移动端电力线实时分割性能。

基于改进型变分自编码器的不确定性空间信息重建方法

屠红艳, 张挺, 夏鹏飞, 杜奕

2021, 41(10):  2959-2963.  DOI: 10.11772/j.issn.1001-9081.2020081338

摘要 ( )   PDF (1274KB) ( )  

参考文献 | 相关文章 | 计量指标

不确定性空间信息在众多科学领域得到了广泛应用。然而目前用于不确定性空间信息重建的方法需要多次对训练图像（TI）进行扫描，再通过复杂的概率计算获得模拟结果，导致这些方法的效率较低，且模拟过程复杂。针对这一问题，提出了将费雪信息量和变分自编码器（VAE）结合应用于不确定性空间信息的重建。首先，通过编码器神经网络对空间信息的结构特征进行学习，并训练得到空间信息的均值和方差；然后，进行随机采样，根据采样结果和空间信息的均值、方差重建中间结果，并将编码器神经网络的优化函数与费雪信息量相结合来优化网络；最后，将中间结果输入解码器神经网络中，以对空间信息进行解码重建，并将解码器的优化函数与费雪信息量结合对重建结果进行优化。通过比较各方法重建结果与训练数据的多点连通曲线、变差函数、孔隙分布和孔隙度表明，所提方法的重建质量比其他方法的更好。具体来说，该方法重建结果的平均孔隙度为0.171 5，与其他方法重建结果的平均孔隙度更接近训练数据的孔隙度0.170 5。且相较于传统方法，其平均CPU利用率从90%下降到25%，平均内存占用下降了50%，说明该方法的重建效率更高。而通过重建质量和重建效率两个方面的对比，说明了该方法的有效性。

基于多残差UNet的CT图像高精度稀疏重建

张艳娇, 乔志伟

2021, 41(10):  2964-2969.  DOI: 10.11772/j.issn.1001-9081.2020121985

摘要 ( )   PDF (1075KB) ( )  

参考文献 | 相关文章 | 计量指标

为了解决计算机断层成像（CT）稀疏解析重建过程中产生条状伪影的问题，在经典的UNet网络结构的基础上，提出了多残差UNet （Mr-UNet）网络结构，以更好地压制条状伪影。首先，用传统滤波反投影（FBP）解析重建算法稀疏重建出含条状伪影的稀疏图像；然后，将该类图像作为网络结构的输入，且将相对应的高精度图像作为网络的标签进行训练，使得该网络具有很好的压制条状伪影的性能；最后，将经典UNet原先的四层下采样加深到五层，并在模型中引入残差学习机制将每个卷积单元构建为残差结构，从而提升网络的训练性能。实验中采用了2 000对大小为256×256的含条状伪影图像和对应的高精度图像作为数据集，其中，1 900对作为训练集，50对作为验证集，其余的作为测试集来训练网络，并验证、评估网络性能。实验结果表明，与传统的总变差（TV）最小化算法及经典的UNet深度学习方法的比较表明，所提模型重建图像的均方根误差（RMSE）平均降低了约0.002 5，结构相似度（SSIM）平均提高了约0.003，且能更好地保留图像纹理和细节信息。

基于蚁群优化算法的弱光图像显著性目标检测

汪虹余, 张彧, 杨恒, 穆楠

2021, 41(10):  2970-2978.  DOI: 10.11772/j.issn.1001-9081.2020111814

摘要 ( )   PDF (1306KB) ( )  

参考文献 | 相关文章 | 计量指标

近年来，显著性目标检测受到工业界和学术界的大量关注，成为了计算机视觉领域中一项重要的基础研究，该问题的解决有助于各类视觉任务取得突破性进展。尽管针对可见光场景的显著性检测工作已经取得了有效成果，但如何在信噪比偏低、可用有效信息匮乏的弱光图像中提取边界清晰、内部结构准确的显著性目标，仍然是具有挑战性的难题。针对弱光场景下显著性目标检测存在边界模糊、结构不完整等造成准确率较低的问题，提出基于蚁群优化（ACO）算法的显著性检测模型。首先，通过多尺度超像素分割将输入图像转换为具有不同节点的无向图；其次，基于最优特征选择策略来更充分地获取低对比度弱光图像中所包含的更多显著目标的特征信息，并摒弃冗余的噪声信息；然后，引入空间对比度策略用于探索弱光图像中具有相对较高对比度的全局显著性线索。而为了在低信噪比情况下也能获取准确的显著性估计，利用ACO算法对显著图进行优化。通过在3个公共数据集（MSRA、CSSD和PASCAL-S）以及夜间弱光图像（NI）数据集上进行实验，可以看出，所提模型在3个公共数据集上的曲线下面积（AUC）值分别达到了87.47%、84.27%和81.58%，在NI数据集上的AUC值比排名第2的低秩矩阵恢复（LR）模型提高了2.17个百分点。实验结果表明，相较于11种主流的显著性检测模型，所提模型具有结构更准确且边界更清晰的检测效果，有效抑制了弱光场景对显著性目标检测性能的干扰。

基于定位不确定性的鲁棒3D目标检测方法

裴仪瑶, 郭会明, 张丹普, 陈文博

2021, 41(10):  2979-2984.  DOI: 10.11772/j.issn.1001-9081.2020122055

摘要 ( )   PDF (1259KB) ( )  

参考文献 | 相关文章 | 计量指标

针对3D点云训练数据因人工标注不精确而导致模型定位不准确的问题，提出了一种基于定位不确定性的鲁棒3D目标检测方法。首先，以基于3D体素网格的稀疏嵌入卷积检测（SECOND）网络作为基础网络，在候选区域生成网络（RPN）的基础上增加对定位不确定性的预测；然后，在训练过程中使用高斯和拉普拉斯两种分布模型对定位不确定性进行建模，并对定位损失函数进行重新定义；最后，在预测过程中结合定位不确定性和分类置信度作为目标置信度，使用阈值过滤和非极大值抑制（NMS）方法筛选候选目标。实验结果表明，在KITTI 3D目标检测数据集上，所提算法对于车辆类别的检测准确率在中等难度上比SECOND网络提高了0.5个百分点；当在训练数据中额外加入扰动模拟噪声的情况下，所提算法的检测准确率比SECOND网络最多提高了3.1个百分点。所提算法提高了3D目标检测准确率，减少了误检且提高了3D边界框的精度，并且对于带噪声的数据更鲁棒。

基于自动编码器的深度伪造图像检测方法

张亚, 金鑫, 江倩, 李昕洁, 董云云, 姚绍文

2021, 41(10):  2985-2990.  DOI: 10.11772/j.issn.1001-9081.2020122046

摘要 ( )   PDF (769KB) ( )  

参考文献 | 相关文章 | 计量指标

基于深度学习的图像伪造方法生成的图像肉眼难辨，一旦该技术被滥用于制作虚假图像和视频，可能会对国家政治、经济、文化造成严重的负面影响，也可能会对社会生活和个人隐私构成威胁。针对上述问题，提出了一种基于自动编码器的深度伪造Deepfake图像检测方法。首先，借助高斯滤波对图像进行预处理，提取高频信息作为模型输入；然后，利用自动编码器对图像进行特征提取，并在编码器中添加注意力机制模块以获取更好的分类效果；最后，通过消融实验证明，采用所提的预处理方法和添加注意力机制模块有助于伪造图像检测。实验结果表明，与ResNet50、Xception以及InceptionV3相比，所提方法在数据集样本量较小且包含的场景丰富时，可以有效检测多种生成方法所伪造的图像，其平均准确率可达97.10%，明显优于对比方法，且其泛化性能也明显优于对比方法。

基于多尺度特征融合的行人重识别方法

韩建栋, 李晓宇

2021, 41(10):  2991-2996.  DOI: 10.11772/j.issn.1001-9081.2020121908

摘要 ( )   PDF (1794KB) ( )  

参考文献 | 相关文章 | 计量指标

针对行人重识别任务在特征提取时缺乏对行人特征尺度变化的考虑，导致其易受环境影响而具有低行人重识别准确率的问题，提出了一种基于多尺度特征融合的行人重识别方法。首先，在网络浅层通过混合池化操作来提取多尺度的行人特征，从而帮助网络提升特征提取能力；然后，在残差块内添加条形池化操作以分别提取水平和竖直方向的远程上下文信息，从而避免无关区域的干扰；最后，在残差网络之后利用不同尺度的空洞卷积进一步保留多尺度的特征，从而帮助模型灵活有效地解析场景结构。实验结果表明，在Market-1501数据集上，所提方法的Rank1达到95.9%，平均精度均值（mAP）为88.5%；在DukeMTMC-reID数据集上，该方法的Rank1达到90.1%，mAP为80.3%。可见所提方法能够较好地保留行人特征信息，从而提高行人重识别任务准确率。

基于外观和动作特征双预测模型的视频异常行为检测

李自强, 王正勇, 陈洪刚, 李林怡, 何小海

2021, 41(10):  2997-3003.  DOI: 10.11772/j.issn.1001-9081.2020121906

摘要 ( )   PDF (1399KB) ( )  

参考文献 | 相关文章 | 计量指标

为了在视频异常行为检测中更加充分地运用外观和动作信息，设计出了一种能同时捕捉外观和动作信息的孪生网络模型。该网络的两个分支采用相同的自编码器结构，其中的外观子网络以连续几帧RGB图作为输入来预测下一帧，而动作子网络则输入RGB帧差图来预测未来帧差图。此外，考虑到影响基于预测的方法的检测效果的原因之一，即正常样本的多样性以及自编码器网络强大的“生成”能力，即对部分异常样本也有很好的预测效果，因此在编码器与解码器之间加入一个学习并存储正常样本的“原型”特征的记忆增强模块，从而使异常样本能获得更大的预测误差。在Avenue、UCSD-ped2和ShanghaiTech三个公共的异常数据集上进行了广泛的实验。实验结果表明，相较于其他基于重建或预测的视频异常行为检测方法，所提方法取得了更优异的表现。具体来说，该方法在Avenue、UCSD-ped2和ShanghaiTech数据集上的平均曲线下面积（AUC）分别达到了88.2%、97.5%和73.0%。

基于场景图划分的无人机影像定位算法

张驰, 李铸洪, 刘舟, 沈未名

2021, 41(10):  3004-3009.  DOI: 10.11772/j.issn.1001-9081.2020111795

摘要 ( )   PDF (1581KB) ( )  

参考文献 | 相关文章 | 计量指标

针对大规模长序列无人机（UAV）影像定位中存在的速度慢、误差漂移等问题，结合UAV影像的特点，提出了一种基于场景图划分的UAV影像定位算法。首先，利用全球定位系统（GPS）辅助信息缩小特征匹配的空间搜索范围，从而加速同名点的提取；之后结合视觉一致性和空间一致性来构建场景图，并利用归一化割（Ncut）对其进行划分；接着，对各组场景图进行增量重建；最后，利用光束法平差（BA）融合场景图从而计算出场景的三维模型。此外，在BA阶段，所提算法对代价函数进行扩充，即加入了GPS空间约束信息。在四个UAV影像数据集上的实验结果表明，与COLMAP等多种运动恢复结构（SFM）算法相比，所提算法的定位速度提升了50%，重投影误差减小了41%，定位误差控制在0.5m之内。此外，通过有无GPS辅助下的算法的实验对比，可以得知引入相对和绝对GPS约束的BA有效解决了误差漂移问题，避免了出现歧义性结果，并且极大地减小了定位误差。

基于注意力机制网络的航运监控图像识别模型

张凯悦, 张鸿

2021, 41(10):  3010-3016.  DOI: 10.11772/j.issn.1001-9081.2020121899

摘要 ( )   PDF (1343KB) ( )  

参考文献 | 相关文章 | 计量指标

针对已有的航运监控图像识别模型C3D里中级表征学习能力有限，有效特征的提取容易受到噪声的干扰，且特征的提取忽视了整体特征与局部特征之间关系的问题，提出了一种新的基于注意力机制网络的航运监控图像识别模型。该模型基于卷积神经网络（CNN）框架，首先，通过特征提取器提取图像的浅层次特征；然后，基于CNN对不同区域激活特征的不同响应强度，生成注意力信息并实现对局部判别性特征的提取；最后，使用多分支的CNN结构融合局部判别性特征和图像全局纹理特征，从而利用局部判别性特征和图像全局纹理特征的交互关系提升CNN学习中级表征的能力。实验结果表明，所提出的模型在航运图像数据集上的识别准确率达到91.8%，相较于目前的C3D模型提高了7.2个百分点，相较于判别滤波器组卷积神经网络（DFL-CNN）模型提高了0.6个百分点。可见所提模型能够准确判断船舶的状态，可以有效应用于航运监控项目。

基于检测与跟踪相互迭代的极暗弱目标搜索算法

効琦, 尹增山, 高爽

2021, 41(10):  3017-3024.  DOI: 10.11772/j.issn.1001-9081.2020122000

摘要 ( )   PDF (1788KB) ( )  

参考文献 | 相关文章 | 计量指标

针对极低信噪比（LSNR）情况下暗弱运动目标和背景噪声的强度难以区分的问题，提出了一种基于检测与跟踪相互迭代的极暗弱目标搜索算法，总体上采用将时域检测与空域跟踪的过程联合、迭代进行的新型策略。首先，在检测过程中计算检测窗口内信号片段与已经提取的背景估计特征的差别；然后，在跟踪过程中运用动态规划算法保留使得轨迹能量累积最大的轨迹；最后，自适应地调整下一检测过程中被保留轨迹的检测器阈值参数，使该轨迹内的像素能以更宽容的策略被保留到下一检测跟踪阶段。实验测试结果表明，所提算法可以在1%~2%的虚警率和约70%的检测率下探测到低至0 dB的暗弱运动目标。可见该算法可有效改善对LSNR暗弱目标的检测能力。

融合空间和通道特征的高精度乳腺癌分类方法

许学斌, 张佳达, 刘伟, 路龙宾, 赵雨晴

2021, 41(10):  3025-3032.  DOI: 10.11772/j.issn.1001-9081.2020111891

摘要 ( )   PDF (1343KB) ( )  

参考文献 | 相关文章 | 计量指标

组织病理学图像是鉴别乳腺癌的黄金标准，所以对乳腺癌组织病理学图像的自动、精确的分类具有重要的临床应用价值。为了提高乳腺组织病理图像的分类准确率，从而满足临床应用的需求，提出了一种融合空间和通道特征的高精度乳腺癌分类方法。该方法使用颜色归一化来处理病理图像并使用数据增强扩充数据集，基于卷积神经网络（CNN）模型DenseNet和压缩和激励网络（SENet）融合病理图像的空间特征信息和通道特征信息，并根据压缩-激励（SE）模块的插入位置和数量，设计了三种不同的BCSCNet模型，分别为BCSCNetⅠ、BCSCNetⅡ、BCSCNetⅢ。在乳腺癌癌组织病理图像数据集（BreaKHis）上展开实验。通过实验对比，先是验证了对图像进行颜色归一化和数据增强能提高乳腺的分类准确率，然后发现所设计的三种乳腺癌分类模型中精度最高为BCSCNetⅢ。实验结果表明，BCSCNetⅢ的二分类准确率在99.05%~99.89%，比乳腺癌组织病理学图像分类网络（BHCNet）提升了0.42个百分点；其多分类的准确率在93.06%~95.72%，比BHCNet提升了2.41个百分点。证明了BCSCNet能准确地对乳腺癌组织病理图像进行分类，同时也为计算机辅助乳腺癌诊断提供了可靠的理论支撑。

基于改进迭代最近点算法的接骨板贴合性快捷计算方法

朱新成, 何坤金, 倪娜, 郝博

2021, 41(10):  3033-3039.  DOI: 10.11772/j.issn.1001-9081.2020122012

摘要 ( )   PDF (2201KB) ( )  

参考文献 | 相关文章 | 计量指标

为了快速计算出接骨板在断骨表面的最佳贴合位置，以减少手术中接骨板反复调整的次数，提出了一种基于改进迭代最近点（ICP）算法的接骨板贴合性快捷计算方法。首先，由医生指导在断骨表面选取贴合区域，并利用接骨板表面点的法向量之间的夹角提取接骨板的内曲面点云；然后，在对两组点云模型进行平滑处理并采用格点采样的方式来简化点云模型后，利用点云之间的特征关系进行初始配准；最后，对接骨板内曲面点云模型进行边界及内部特征关键点提取，并采用K-维树（KD-Tree）搜索邻近点，对接骨板的特征关键点和断骨表面选取区域执行ICP精确配准。以胫骨为例进行实验，实验结果表明，所提算法相较于近年所提配准算法在保持较高配准度的同时提高了配准效率，能够实现胫骨不同受损类型与接骨板之间的快速配准，并且对其他受损骨骼具有通用性。

前沿与综合应用

横向整合战略下异质车辆库存路径优化模型

杨华龙, 王美玉, 辛禹辰

2021, 41(10):  3040-3048.  DOI: 10.11772/j.issn.1001-9081.2020101577

摘要 ( )   PDF (750KB) ( )  

参考文献 | 相关文章 | 计量指标

以实现供货商联盟期望物流成本最小化为目标，针对需求随机波动下的多供货商多产品库存路径问题（IRP）进行了研究。基于横向整合战略，设计了供货商联盟成员间车辆配送成本的合理分摊方式。考虑零售商配送软硬时间窗和库存服务水平要求，构建了多供货商多产品的异质车辆库存路径混合整数随机规划模型，并利用需求累积分布逆函数将其转化为确定型规划模型。然后设计改进遗传算法求解该确定型规划模型。算例分析结果显示，使用异质车辆配送可以比使用同质重型和轻型车辆分别降低供货商联盟总成本8.3%和11.92%，分别提升配送车辆装载率24%和17%。敏感性分析结果表明，无论供货商供货数量占联盟总供货数量比例和零售商商品需求变异系数如何变化，采用异质车辆配送的供货商联盟总成本都能得到有效降低；且需求变异系数越大，采用异质车辆配送的优势越明显。

双向航道集装箱港口船舶调度优化算法

郑红星, 朱徐涛, 李振飞

2021, 41(10):  3049-3055.  DOI: 10.11772/j.issn.1001-9081.2020121973

摘要 ( )   PDF (636KB) ( )  

参考文献 | 相关文章 | 计量指标

针对拥有双向航道的集装箱港口中船舶进出港所遇到的会遇和追越等问题，提出了一种重点考虑服务规则的新型船舶调度优化算法。首先，同时考虑双向航道的现实约束和港口夜航的安全规定；然后，构建了以所有船舶在港总等待时间最小为目标的混合整数规划模型来得出最佳的船舶进出港次序；最后，设计了嵌入聚合策略的分支切割算法对模型进行求解。通过数值实验可知，运用嵌入聚合策略的分支切割算法所得结果与下界值的平均相对偏差为2.59%。同时，与模拟退火算法与量子差分进化算法的对比结果表明，所提的分支切割算法所得的目标函数值相较于两个对比算法所得目标函数值分别减少了23.56%和17.17%，验证了该算法的有效性。在用所提算法得到方案的敏感性分析中比较了不同抵港安全时间间隔和船舶类型比例对方案结果的影响，为双向航道集装箱港口的船舶调度优化提供了决策支持。

基于变邻域模拟退火算法的多自动导引车任务分配优化

杨玮, 李然, 张堃

2021, 41(10):  3056-3062.  DOI: 10.11772/j.issn.1001-9081.2020121919

摘要 ( )   PDF (785KB) ( )  

参考文献 | 相关文章 | 计量指标

针对多自动导引车（AGV）仓储系统任务分配问题，提出了变邻域模拟退火（VN_SA）算法。首先，根据系统作业流程及AGV运行特征，以AGV执行任务的路径代价、时间代价以及任务均衡值代价为目标，并在约束中加入AGV空载行驶和负载行驶的耗电情况，构建更贴合实际的多AGV仓储系统任务分配多目标优化模型；其次，针对问题特点，设计了一种变邻域模拟退火算法。算法中的邻域扰动操作拓展了模拟退火算法的搜索范围，且概率突变特性的结合使算法跳出局部最优，并获得全局开发的效果。分别设置任务量为20、50、100的作业进行仿真实验，实验结果表明，所提算法优化后的总代价相较于遗传算法（GA）分别降低了6.4、7.5、13.2个百分点，验证了所提算法在不同任务规模下的有效性。可见所提算法具有更好的收敛性和搜索效率。

基于改进鲸鱼优化算法的血液供应链网络多目标鲁棒优化设计

董海, 吴瑶, 齐新娜

2021, 41(10):  3063-3069.  DOI: 10.11772/j.issn.1001-9081.2020111729

摘要 ( )   PDF (615KB) ( )  

参考文献 | 相关文章 | 计量指标

为解决血液供应链网络设计中的不确定性问题，建立了一种血液供应链网络多目标鲁棒优化设计模型。首先，针对带有5个节点的血液供应链网络，建立考虑安全库存的、目标为成本最小、存储时间最短的优化函数，并采用ε约束、Pareto最优和鲁棒优化方法对已建模型进行处理，将多目标问题转化为单目标鲁棒问题；其次，对原有鲸鱼优化算法（WOA）进行改进，引入差分算法的交叉和变异理念，增强了搜索能力并改善了局限性，从而得到差分鲸鱼优化算法（DWOA），并采用此算法对处理后的模型求解。通过数值实例，验证当测试问题相同时，优化模型在需求短缺方面比确定模型的短缺量平均少76%。因此，所提优化模型在应对需求短缺时更具优势；通过仿真对比分析图像，得出DWOA相比WOA、粒子群优化（PSO）算法和遗传算法（GA）中断时间更短并且成本更低。

基于门控图卷积神经网络的有机化学反应预测

赖自成, 张玉萍, 马燕

2021, 41(10):  3070-3074.  DOI: 10.11772/j.issn.1001-9081.2020111752

摘要 ( )   PDF (1291KB) ( )  

参考文献 | 相关文章 | 计量指标

随着现代医药技术和计算机技术的发展，采用人工智能技术来加速药物的研发进度成为了研究热点，而对有机化学反应产物的高效预测是药物逆合成路线设计中的关键问题。针对样本数据集中化学反应类型分布不均匀的问题，提出了一种主动采样训练下的门控图卷积神经网络（ASGGCN）模型。首先，输入化学反应物的简化分子线性输入规范（SMILES）编码，通过门控图卷积神经网络（GGCN）以及注意力机制预测反应中心所在位置；然后，根据化学约束条件和候选反应中心枚举出可能的化学键组合来生成候选产物，再通过门控图卷积差分网络对候选产物进行筛选；最终，得到反应产物。门控图卷积神经网络拥有三个权重参数矩阵并通过门控对信息加以融合，与传统的图卷积神经网络相比，它能获取更加丰富的原子隐藏特征信息。通过主动采样的方式进行训练，使得该模型能够兼顾较差样本和普通样本的分析能力。实验结果表明，所提模型对化学反应产物的Top-1预测准确率可达87.2%，对比Weisfeiler-Lehman差分网络（WLDN）模型提高了1.6个百分点，可见模型能够更准确地预测有机化学反应产物。

基于溶液图像时序特征的元素组分含量动态监测系统

陆荣秀, 陈明明, 杨辉, 朱建勇

2021, 41(10):  3075-3081.  DOI: 10.11772/j.issn.1001-9081.2020101682

摘要 ( )   PDF (687KB) ( )  

参考文献 | 相关文章 | 计量指标

针对稀土萃取过程中组分含量难以实时监测以及现有组分含量检测方法耗时、耗内存的现状，设计了一种基于溶液图像时序特征的元素组分含量动态监测系统。首先使用图像采集装置获取萃取槽体溶液的时序图像，考虑萃取液颜色特性和单一颜色空间的不全面性，采用主成分分析（PCA）方法在HSI和YUV融合的颜色空间提取图像的时序特征，并结合生产指标构造基于鲸鱼优化算法（WOA）的最小二乘支持向量机（LSSVM）分类器来对工况状态进行判断。然后当工况处于非最佳状态时，在HSV颜色空间对图像提取颜色直方图和颜色矩特征，并开发以溶液图像间的混合特征差值的线性加权值为相似度度量的图像检索系统，从而获取组分含量值。最后进行镨/钕萃取槽体混合溶液测试，结果表明该系统能够实现元素组分含量的动态监测。

基于变分自编码器的异常颈动脉早期识别和预测

黄晓祥, 胡咏梅, 吴丹, 任力杰

2021, 41(10):  3082-3088.  DOI: 10.11772/j.issn.1001-9081.2020101695

摘要 ( )   PDF (662KB) ( )  

参考文献 | 相关文章 | 计量指标

颈动脉狭窄、颈动脉内中膜厚度增加（CIMT）或颈动脉斑块等可导致脑卒中的发生。为实现脑卒中大规模初步筛查，提出基于医疗数据的改进的变分自编码器（VAE）来识别和预测异常颈动脉。首先，针对医疗数据存在缺失的情况，采用K近邻（KNN）、均值和众数相混合的方法（MKNN）以及改进的VAE对缺失数据进行填补以得到完整的数据集，从而提高数据的应用范围；接着，分析特征属性，并依据重要性对特征进行排序；然后，运用逻辑回归（LR）、支持向量机（SVM）、随机森林（RF）和极限梯度提升树（XGBT）这四种有监督学习方法结合遗传算法（GA）来建立异常颈动脉识别模型；最后，基于改进的VAE建立预测异常颈动脉的半监督模型。相较于基线模型，基于改进的VAE的半监督模型性能提升明显，灵敏度达到0.893 8，特异性达到0.927 2，F1值达到0.910 5，分类准确率达到0.910 5。实验结果表明，所建立的半监督模型可以用来识别异常颈动脉，进而作为一种识别脑卒中高危人群的工具，预防和减少脑卒中的发生。

基于超声谐波包络Nakagami参数图像的微波消融区域自动分割方法

卓禹心, 韩素雅, 张榆锋, 李支尧, 董毅峰

2021, 41(10):  3089-3096.  DOI: 10.11772/j.issn.1001-9081.2020121948

摘要 ( )   PDF (4320KB) ( )  

参考文献 | 相关文章 | 计量指标

针对现有超声谐波包络信号的Nakagami参数成像能够实现对消融过程的无创监测，然而并不能精确估计消融区域的问题，提出了一种基于超声谐波包络Nakagami参数图像的高斯逼近自适应阈值分割（GATS）方法用于微波消融区域的准确有效监测。首先，使用高通滤波器获得超声回波射频信号的谐波分量；然后，估计谐波信号包络的Nakagami形状参数，并使用复合窗口成像生成Nakagami参数图像；最后，对Nakagami参数图像进行高斯逼近以呈现消融区域，对逼近图像进行各向异性平滑预处理，并使用对平滑后图像进行自适应阈值分割来精确估计消融区域。微波消融实验结果表明，基于P-M（Perona-Malik）算法的各向异性平滑后的阈值分割消融区域与实际消融区域的长、短轴误差相较基于Catte算法得到的误差分别减小了2.95个百分点和1.15个百分点，与基于中值滤波改进（Median）算法得到的误差相比分别减小了6.52个百分点和2.33个百分点。可见对超声谐波包络Nakagami参数图像使用P-M算法的GATS能够更为精确地估计消融区域，为临床消融手术提供有效监测。