《计算机应用》唯一官方网站

开集域适应综述

王闯, 俞璐, 陈健威, 潘成, 杜文博

2025, 45(9): 2727-2736. DOI: 10.11772/j.issn.1001-9081.2024091277

摘要 ( )

HTML ( )

PDF (859KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

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。

联邦学习统计异质性综述

俞浩, 范菁, 孙伊航, 董华, 郗恩康

2025, 45(9): 2737-2746. DOI: 10.11772/j.issn.1001-9081.2024091316

摘要 ( )

HTML ( )

PDF (2650KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

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。

学习行为增强的知识追踪模型

张维, 龚中伟, 李志新, 罗佩华, 宋玲玲

2025, 45(9): 2747-2754. DOI: 10.11772/j.issn.1001-9081.2024081153

摘要 ( )

HTML ( )

PDF (1516KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

现有的知识追踪（KT）模型未能有效利用学习行为信息，且忽略了不同学习行为对答题表现的贡献差异。因此，提出一种学习行为增强的知识追踪（LBBKT）模型。该模型采用门控残差网络（GRN）将学生的学习行为特征编码成4种上下文向量并把它们融入模型中，从而充分利用学习行为信息（答题速度、尝试次数和提示）更好地建模学生的学习过程。此外，利用变量选择网络对学生的学习行为特征进行选择性加权，并通过GRN抑制不相关特征的干扰，以增强相关特征对学生答题表现的影响，从而充分考虑不同学习行为对学生答题表现的差异性贡献。在多个公开数据集上的实验结果表明，LBBKT模型在预测准确性上显著优于对比的KT模型。

基于双补全的不完整多视图度量学习

曲鹏欢, 魏巍, 闫京, 王锋

2025, 45(9): 2755-2763. DOI: 10.11772/j.issn.1001-9081.2024081232

摘要 ( )

HTML ( )

PDF (1656KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

在实际应用中，多视图度量学习成了处理多视图数据的有效方法。然而，多视图数据的不完整性给多视图度量学习带来了巨大挑战。尽管已有一些方法试图解决不完整多视图问题，但它们仍存在以下不足：1）现有方法大多依赖于已有样本的k近邻（kNN）来补全缺失数据，而容易忽视样本或视图的独特特征；2）它们仅利用现有样本表示来计算近邻，而无法充分表达样本间的近邻关系。因此，提出基于双补全的不完整多视图度量学习方法（DIMVML）。首先，利用深度自编码器提取各视图的潜在特征，再结合样本的分布信息和视图间的差异信息补全缺失样本；其次，根据补全后的样本的质量进行结果融合，以获得更高质量的补全结果；最后，通过损失函数优化视图内和视图间的关系。实验结果表明：在聚类实验中，所提方法在HandWritten、Caltech101-7、Leaves和YouTubeFace10数据集上的准确率和F1分数均优于SPCC（Subgraph Propagation and Contrastive Calibration）、LHGN（Latent Heterogeneous Graph Network）等先进的多视图方法；在分类实验中，所提方法在CUB、ORL和HandWritten数据集上的准确率显著超过其他多视图方法。

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

2025, 45(9): 2764-2772. DOI: 10.11772/j.issn.1001-9081.2024091262

摘要 ( )

HTML ( )

PDF (1596KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

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%。

基于双向交叉注意力的多尺度特征融合情感分类

梁一鸣, 范菁, 柴汶泽

2025, 45(9): 2773-2782. DOI: 10.11772/j.issn.1001-9081.2024081193

摘要 ( )

HTML ( )

PDF (1855KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有情感分类模型在深层情感理解上的局限性、传统注意力机制的单向性束缚以及自然语言处理（NLP）中的类别不平衡等问题，提出一种融合多尺度BERT（Bidirectional Encoder Representations from Transformers）特征和双向交叉注意力机制的情感分类模型M-BCA（Multi-scale BERT features with Bidirectional Cross Attention）。首先，从BERT的低层、中层和高层分别提取多尺度特征，以捕捉句子文本的表面信息、语法信息和深层语义信息；其次，利用三通道门控循环单元（GRU）进一步提取深层语义特征，从而增强模型对文本的理解能力；最后，为促进不同尺度特征之间的交互与学习，引入双向交叉注意力机制，从而增强多尺度特征之间的相互作用。此外，针对不平衡数据问题，设计数据增强策略，并采用混合损失函数优化模型对少数类别样本的学习。实验结果表明，在细粒度情感分类任务中，M-BCA表现优异。M-BCA在处理分布不平衡的多分类情感数据集时，它的性能显著优于大多数基线模型。此外，M-BCA在少数类别样本的分类任务中表现突出，尤其是在NLPCC 2014与Online_Shopping_10_Cats数据集上，M-BCA的少数类别的Macro-Recall领先其他所有对比模型。可见，该模型在细粒度情感分类任务中取得了显著的性能提升，并适用于处理不平衡数据集。

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

2025, 45(9): 2783-2789. DOI: 10.11772/j.issn.1001-9081.2024091393

摘要 ( )

HTML ( )

PDF (1239KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

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。

基于数据增强和残差网络的敏感信息命名实体识别

李莉, 宋涵, 刘培鹤, 陈汉林

2025, 45(9): 2790-2797. DOI: 10.11772/j.issn.1001-9081.2024081143

摘要 ( )

HTML ( )

PDF (1579KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

敏感信息命名实体识别（NER）是隐私保护的关键技术之一。然而，现有的NER方法在敏感信息领域的相关数据集稀缺，且传统技术存在准确率低、可移植性差等问题。为解决这些问题，首先，从互联网中爬取并人工标注含有敏感信息的文本语料，以构建敏感信息NER数据集SenResume；其次，提出一种基于实体掩码的数据增强模型E-MLM（Entity-based Masked Language Modeling），通过整词掩码技术生成新的数据样本，并扩充数据集以提升数据多样性；再次，提出RoBERTa-ResBiLSTM-CRF模型，该模型结合RoBERTa-WWM（Robustly optimized Bidirectional Encoder Representations from Transformers approach with Whole Word Masking）提取上下文特征以生成高质量的词向量编码，并利用残差双向长短期记忆（ResBiLSTM）增强文本特征；最后，通过多层残差网络提高训练效率和模型稳定性，并通过条件随机场（CRF）进行全局解码以提升序列标注的准确性。实验结果表明，E-MLM对数据集质量有显著的提升，并且提出的NER模型在原始和1倍扩充后的数据集上表现均为最优，F1分数分别为96.16%和97.84%。可见，E-MLM与残差网络的引入有利于提升敏感信息NER的准确度。

基于差分边界增强的风电装备嵌套命名实体识别模型

任登燃, 王淑营

2025, 45(9): 2798-2805. DOI: 10.11772/j.issn.1001-9081.2024081159

摘要 ( )

HTML ( )

PDF (1444KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对风电装备领域中实体的高度嵌套性和长文本的特性，提出一种基于差分边界增强的嵌套命名实体识别模型（DBE-NER）。首先，通过语义编码器模块获取融合实体头尾词、实体类型和相对距离的特征表示，从而提升模型对嵌套语义特征的捕捉能力；其次，设计一种高效的差分语义编码模块解决嵌套实体边界的模糊问题；再次，使用分组空洞注意力网络（GDAN）提高模型在长文本实体、嵌套实体和嵌套边界的识别效果；最后，将特征分数矩阵输入跨度解码器中以得到实体位置和类别。实验结果表明，与DiFiNet（Differentiation and Filtration Network）和CNN-NER（Convolutional Neural Network for Named Entity Recognition）模型相比，DBE-NER的F1分数在人工标注的某大型风电能源企业故障数据集WPEF上分别提升了0.92%和1.07%，并且在多种公开数据集上的F1分数均有所提高。

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

2025, 45(9): 2806-2816. DOI: 10.11772/j.issn.1001-9081.2024091267

摘要 ( )

HTML ( )

PDF (2188KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

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。

基于遗传算法的属性网络社区隐藏方法

张博瀚, 吕乐, 荆军昌, 刘栋

2025, 45(9): 2817-2826. DOI: 10.11772/j.issn.1001-9081.2024081158

摘要 ( )

HTML ( )

PDF (1994KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

为了对抗社区检测算法从而实现节点隐私保护，社区隐藏方法得到了越来越多的关注。然而，现有的主流社区隐藏算法仅关注网络的拓扑结构，忽略了节点属性对社区结构的影响，因此在属性网络上表现不佳。针对上述问题，提出一种基于遗传算法的属性网络社区隐藏方法（ACG）。该方法融合网络拓扑结构和节点属性，它的核心在于通过优化适应度函数找到最优的边隐藏策略。ACG在追求最小化隐藏成本的同时，将最大化模块度和属性相似度作为双重度量标准来选择并扰动对社区结构影响最大的边集合，从而实现对属性网络社区检测算法的有效攻击。实验结果表明，在不改变边总数和属性信息的前提下，所提方法有效地对抗了主流的属性社区检测方法；与其他社区隐藏方法相比，ACG在5个属性网络上对抗经典社区检测算法具有优势。

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

2025, 45(9): 2827-2837. DOI: 10.11772/j.issn.1001-9081.2024081225

摘要 ( )

HTML ( )

PDF (2114KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

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。

结合深度学习和张量分解的多源异构数据分析方法

张宏俊, 潘高军, 叶昊, 陆玉彬, 缪宜恒

2025, 45(9): 2838-2847. DOI: 10.11772/j.issn.1001-9081.2024081178

摘要 ( )

HTML ( )

PDF (1860KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

在消费电子的动态领域，了解用户行为对于产品创新和提高用户满意度至关重要。因此，提出一种突破性的多聚类方法以结合深度学习与张量分解，从而应对数据分析和挖掘的挑战。首先，从复杂的异构数据集中提取高级特征，例如对现代设备的各种传感器和用户交互的数据集，采用深度神经网络封装数据源的各种特征；其次，把张量分解技术应用于特征提取和聚类分析，以将每个数据源视为数据张量中的不同模态，从而揭示它们潜在的结构和模式；最后，采用与某电商平台合作得到的涵盖数万消费者的多模态购物数据的数据集进行实验。实验结果表明，所提结合卷积神经网络（CNN）的张量分解算法在消费电子相关数据集上表现出色，准确率均超过0.7，同时在纯度、调整兰德指数（ARI）和归一化互信息（NMI）等关键指标上也表现突出，验证了所提方法在捕捉数据内在结构和相似性方面的有效性；与动态的多聚类（DMCR）方法、深度多模态聚类（DMMC）方法以及FAST-CNN等现有方法相比，所提方法在多个评价指标上均显示出显著优势，不仅验证了它在准确性和稳定性方面优于对比方法，而且展现了它在揭示数据底层原理和异构数据之间相互关系方面的优势。

区块链共识机制与改进算法研究进展

高威, 刘丽华, 和斌涛, 邓方安

2025, 45(9): 2848-2864. DOI: 10.11772/j.issn.1001-9081.2024101420

摘要 ( )

HTML ( )

PDF (1000KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

共识机制是区块链技术的核心，共识算法则是实现这一机制的具体技术手段，它确保区块链数据库的一致性和正确性，对区块链的安全性、可扩展性和吞吐量等系统性能至关重要。因此，首先从区块链技术的底层存储的角度，将共识算法分为链式和图式两类，并分类综述不同类型的共识算法的工作原理、优化策略和典型代表性算法；其次，针对区块链的复杂应用背景，分别全面梳理链式结构和图式结构共识算法的主流改进算法，给出共识算法的发展主线，特别是在安全性方面进行深入的比较，指出它们存在的优缺点和可能面临的安全风险；最后，从安全性、可扩展性、公平性和激励策略等多个维度，深入讨论当前区块链共识算法面临的挑战，并展望它们的发展趋势，为研究者提供理论参考。

基于合约调用掩盖的区块链隐蔽通信方法

佘维, 马天祥, 冯海格, 田钊, 刘炜

2025, 45(9): 2865-2872. DOI: 10.11772/j.issn.1001-9081.2024091282

摘要 ( )

HTML ( )

PDF (1685KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

为解决现有区块链隐蔽通信方案隐蔽性不足、提取隐蔽信息时间过长、隐藏容量较低和应用场景单一等问题，提出一种基于以太坊智能合约与星际文件系统（IPFS）技术的区块链隐蔽通信方法。首先，使用IPFS存储较长的密文，通过链上链下联合存储弥补区块链存储效率低且成本高的缺点；其次，引用派生关系和密码本的思想实现秘密信息与通信信息的分离，即上链的为密文hash的索引信息而非密文hash本身，进一步增强安全性；再次，根据索引信息自定义适用的智能合约，并将索引信息伪装成正常的合约调用参数，以保证隐蔽性和安全性，而且合约调用交易的数据字段存储容量较大，能进一步提升交易的信息嵌入量；最后，把群加密技术引入区块链隐蔽通信模型中，以很好地满足多用户交互的场景。实验结果表明，所提方法可进一步提高时间效率和信息嵌入量，极大地提升隐蔽性和安全性，并适用于多接收用户的交互场景。

基于区块链的物联网身份管理系统

翟社平, 朱鹏举, 杨锐, 刘佳一腾

2025, 45(9): 2873-2881. DOI: 10.11772/j.issn.1001-9081.2024081231

摘要 ( )

HTML ( )

PDF (1995KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

在当前物联网（IoT）环境中，分布式身份（DID）管理方法面临链接攻击、隐私泄露和监管冲突等多重挑战，亟须一种能保护用户隐私，同时兼顾监管需求的新方案。针对上述问题，提出一种DID方案。该方案采用主标识符和多个假名标识符相结合的身份体系，设计双凭证模型，以结合明文凭证与加密凭证，并利用承诺和零知识证明（ZKP）技术确保敏感属性和身份数据的安全性。此外，通过假名机制实现身份信息的非链接性，并有效地防御Sybil攻击。实验结果表明，与WeIdentity等方案相比，所提方案在凭证生成时间和证明生成时间上分别缩短了23%和19%，在性能方面具有显著优势。可见，所提DID方案提升了用户身份隐私保护水平，减轻了身份泄露风险，并在隐私保护与监管需求之间实现了平衡，为IoT环境中的DID管理提供了一种解决方案。

云中指定测试者的细粒度结果可验证搜索加密方案

闫润雨, 郭瑞, 闫永勃, 刘光军

2025, 45(9): 2882-2892. DOI: 10.11772/j.issn.1001-9081.2024081223

摘要 ( )

HTML ( )

PDF (3867KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对可搜索加密中的云服务器半可信特性可能导致返回错误或不完整搜索结果的问题，提出一种云中指定测试者的细粒度结果可验证搜索加密方案。该方案允许数据使用者在加密数据集上查询关键字来获取文件，并结合验证机制以确保云中数据隐私保护和搜索结果的可靠性；引入带Rank值的Merkle哈希树（MHT）和计数型布隆过滤器（CBF），不仅验证了数据集的正确性，还可以细粒度地筛选出正确结果并给出未返回的合格文件数，从而确保数据集的完整性，实现数据集的动态更新；并在随机预言机模型下证明选择关键字的语义安全性。实验结果表明，相较于传统的无证书可验证搜索加密方案，所提方案具有更小的计算开销，且在实际应用中具有较高的执行效率。

基于LSTM和可分离自注意力机制的伪随机数生成器

邓伊琳, 余发江

2025, 45(9): 2893-2901. DOI: 10.11772/j.issn.1001-9081.2024091345

摘要 ( )

HTML ( )

PDF (2195KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对生成对抗网络（GAN）生成伪随机数的质量不高和生成速度较慢的问题，提出一种基于长短时记忆（LSTM）网络和可分离自注意力（SA）机制的模型LSA-WGAN-GP（Wasserstein GAN with Gradient Penalty based on LSTM and separable SA）。该模型通过将数据从一维扩展为二维，改进数据的表示方式，从而提取更深层次的特征。并且，创新性地提出LSA（LSTM and separable Self-Attention）模块，以融合LSTM和SA机制，从而显著提升伪随机数的不可回溯性和不可预测性。此外，通过精简网络结构有效减小模型参数量，并提高生成速度。实验结果表明，LSA-WGAN-GP生成的伪随机数可以100%通过NIST（National Institute of Standards and Technology）测试；与WGAN-GP（Wasserstein GAN with Gradient Penalty）和GAN相比，LSA-WGAN-GP在频率和全局通用测试项的P值和通过率上均有提升；在伪随机数生成速度上，LSA-WGAN-GP比WGAN-GP和GAN分别提升了164%和976%。可见，LSA-WGAN-GP在保证生成的伪随机数质量的同时，减少了模型的参数量，并提高了生成伪随机数的速度。

面向工业场景的云边协同数据存储与检索架构

秦学程, 刘春颜, 李宝, 赵蕴龙

2025, 45(9): 2902-2912. DOI: 10.11772/j.issn.1001-9081.2024070993

摘要 ( )

HTML ( )

PDF (3910KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

面向工业场景各业务域中数据分布式存储和跨域流转的场景，针对业务系统多而复杂、数据量庞大且部分数据不可上云的问题，提出云边协同的数据存储与检索架构，旨在实现大规模数据的统一存储和跨域高效流转。该架构中，设计基于资源描述框架（RDF）图模型的数据编码规则和基于S-tree（Signature-tree）的数据多层级高效存储策略，从而保证不可上云数据存储在边缘侧服务器上，而可上云数据存储在云服务器上。此外，提出面向云边协同存储的基于云边协同索引树（CECI-tree）的高效协同检索方法，通过云边协同索引机制提高数据检索的效率。所提架构与RDF-3X和GRIN等方法进行比的实验结果表明，该架构的运行效率和CPU利用率表现更优。

嵌入式异构智能计算系统的PCIe总线传输带宽优化

喻绪邦, 吴济文, 夏宏, 莫昊, 赵二虎

2025, 45(9): 2913-2918. DOI: 10.11772/j.issn.1001-9081.2024091299

摘要 ( )

HTML ( )

PDF (1873KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

近年来随着人工智能（AI）技术的发展，深度学习算法和专用AI处理器芯片已日益广泛地应用于边缘端和物端数据信号处理系统，如何在赋能系统高智能计算能力的同时，实现异构处理器之间高带宽、低延时的数据传输，已成为亟须解决的核心技术之一。因此，设计一种集成寒武纪MLU220芯片、国产飞腾FT2000/4型CPU和Xilinx XC7K325T现场可编程门阵列（FPGA）的嵌入式异构智能计算系统，系统异构处理器之间采用PCIe（Peripheral Component Interconnect express）总线实现高速互联与数据传输。此外，提出一种Linux下的PCIe总线Scatter-Gather DMA（Direct Memory Access）传输优化技术，通过基于双缓冲的预取技术和基于工作队列的中断处理，有效提高CPU与FPGA异构处理器之间的PCIe总线数据传输带宽。系统图像传输测试结果表明，CPU与FPGA异构处理器之间的PCIe2.0 X4总线传输10张2 048×1 024灰度图像数据时，所提系统在DMA双通道上的读写速率分别达到了1 610 MB/s和1 655 MB/s，为PCIe2.0 X4总线理论带宽值的81%和83%，验证了所设计系统的实用性和先进性。

双论域模糊关系决策系统的属性约简

李旭, 陈战伟, 董瑞博, 李娟

2025, 45(9): 2919-2925. DOI: 10.11772/j.issn.1001-9081.2024091312

摘要 ( )

HTML ( )

PDF (548KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对模糊关系决策系统中的约简问题，结合双论域粗糙集理论框架，提出双论域模糊关系决策系统及其属性约简的概念。首先，根据不同的论域，将条件属性和决策属性诱导的二元关系定义为模糊关系，引入双论域模糊关系决策系统；其次，为了深入理解约简的本质，提出双论域模糊关系决策系统中的近似约简概念；再次，根据近似约简的定义，设计并构建近似约简相应的辨识矩阵，并通过对辨识矩阵的证明提出基于辨识矩阵的近似约简算法——LRFT和URFT；最后，通过实验对比约简前后数据集的分类精度指标，进一步验证了所提算法的可行性和有效性。

基于三元模糊语言形式背景的关联规则提取方法

赵怀喆, 杨政, 邹丽, 刘毅

2025, 45(9): 2926-2933. DOI: 10.11772/j.issn.1001-9081.2024081152

摘要 ( )

HTML ( )

PDF (1391KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

在不确定性环境下，如何处理复杂数据一直受到广泛关注。对于模糊语言环境下的多维数据处理以及不同领域中语言值描述的属性间蕴含的规则挖掘问题，提出一种基于三元模糊语言形式背景的关联规则提取方法。首先，结合语言术语集与三元概念分析理论提出三元模糊语言形式背景；其次，基于诱导算子定义三元模糊语言的概念，结合增量式构造思想给出基于三元模糊语言形式背景的知识发现算法，从而获取模糊三元关系下具有语义信息的概念知识，通过构建三元模糊语言图刻画出概念知识间的关系；最后，为了挖掘属性间的关联性，提出基于三元模糊语言概念的关联规则提取方法，从而得到具有条件约束的语义规则。在不同领域的真实数据集上的实验结果表明，所提方法可以有效处理模糊语言环境下的多维数据，获取具有语义信息的概念知识，并且挖掘出具有高可信度的语义规则。

用于神经布尔可满足性问题求解器的新型消息传递网络

梁永濠, 李金龙

2025, 45(9): 2934-2940. DOI: 10.11772/j.issn.1001-9081.2024091362

摘要 ( )

HTML ( )

PDF (2084KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

为优化端到端神经布尔可满足性问题（SAT）求解器的消息传递神经网络（MPNN）结构、减少求解过程中的迭代次数并提升求解器性能，提出一种更多更深的消息传递网络（MDMPN）。该网络通过引入整体消息传递模块，在每次消息传递迭代中实现从文字节点到子句节点的额外的整体消息传递，从而传递更多的消息。同时，引入消息跳跃模块，实现从文字节点到它的二阶邻居的消息传递，从而传递更深的消息。为了评估MDMPN的性能与泛化能力，将它应用于目前先进的神经SAT求解器QuerySAT和基础神经SAT求解器NeuroSAT。实验结果表明，在困难随机的3-SAT数据集上，应用MDMPN的QuerySAT的求解性能优于标准的QuerySAT，在求解包含600个变量迭代次数上限为2¹²的困难3-SAT问题上的准确率提高了46.12个百分点；应用MDMPN的NeuroSAT的求解性能也优于标准的NeuroSAT，在求解包含600个变量迭代次数上限为2¹²的困难3-SAT问题上的准确率提高了35.69个百分点。

基于动态字典学习的含噪高光谱图像空谱融合

杨静, 赵建斌, 陈路, 池浩田, 闫涛, 陈斌

2025, 45(9): 2941-2948. DOI: 10.11772/j.issn.1001-9081.2025040411

摘要 ( )

HTML ( )

PDF (3860KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对传统高光谱图像（HSI）空谱融合算法通常采用静态光谱字典，而字典学习与图像融合过程相分离，对含有噪声的空谱融合任务处理效果不佳的问题，提出一种基于动态字典学习（DDL）的含噪HSI空谱融合算法。该算法采用迭代思想，在融合过程中动态更新字典原子，从而协作完成空谱融合及噪声去除任务。首先，对输入的HSI进行粗去噪，并利用去噪结果初始化光谱字典；其次，利用上述初始化字典对两幅待融合图像进行稀疏表示，以得到中间融合结果；再次，将中间融合结果反馈给字典学习模块，不断更新字典原子，构造动态光谱字典；最后，通过迭代以上过程得到最终的输出图像。在3个遥感HSI数据集上的仿真实验结果表明，所提算法能够在提升图像空间分辨率的同时有效去除噪声。同时，在真实含噪图像波段上的实验结果表明，所提算法能够有效提高融合图像的视觉质量。在Cuprite Mine数据集上，在高斯噪声方差为0.15且放大倍数为8时，与基于广义张量核范数（GTNN）的方法和先去噪后融合的方法AL-NSSR方法相比，所提算法的峰值信噪比（PSNR）分别提升了32.48%和10.72%。

基于残差Swin Transformer的SAR与可见光图像融合

李进, 刘立群

2025, 45(9): 2949-2956. DOI: 10.11772/j.issn.1001-9081.2024081166

摘要 ( )

HTML ( )

PDF (5409KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

在合成孔径雷达（SAR）与可见光图像的融合研究中，现有方法通常面临着模态间差异大、信息丢失和计算复杂度高等挑战。因此，提出一种基于残差Swin Transformer模块的SAR和可见光图像融合算法。首先，采用Swin Transformer作为主干提取全局特征，并用一个全注意力特征编码主干网络建模远程依赖关系。其次，为了提高融合效果，设计3种不同的融合策略：基于序列矩阵的L1范数的特征融合策略、基于图像金字塔的融合策略及加法融合策略。再次，将3个结果加权平均以得到最终的融合结果，从而有效地调节像素值并减少SAR图像的噪声，更好地保留可见光图像清晰的细节和结构信息，并融合SAR图像和可见光图像不同尺度的地物特征信息。最后，在SEN1-2数据集、QXS-SAROPT数据集以及OSdataset上进行了大量实验。实验结果表明，所提算法与基于卷积神经网络的通用图像融合框架IFCNN、基于潜在低秩表示的多级分解（MDLatLRR）等算法相比，主观视觉效果更优，在大多数客观评价指标上有明显提升，且在保留源图像特征的同时具备优秀的噪声抑制和图像保真能力。

复频域注意力和多尺度频域增强驱动的语音增强网络

吕景刚, 彭绍睿, 高硕, 周金

2025, 45(9): 2957-2965. DOI: 10.11772/j.issn.1001-9081.2025030268

摘要 ( )

HTML ( )

PDF (2092KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

现有语音增强方法的目标信号为复频谱信号，而训练网络通常采用实值网络，训练时分别并行处理实部和虚部信号降低了特征提取的准确度，并且对复频域的语义特征提取不充分。为解决上述问题，提出一种基于复频域注意力和多尺度频域增强（CFAFE）的复数域网络实现语音增强。该网络以U-Net为基本架构，首先，利用短时傅里叶变换（STFT）将语音时序含噪信号转换到复频域；其次，针对复频域特征，设计复数域多尺度频域增强模块，构建复频域条件下增强的含噪语音局部特征挖掘模块，从而增强频域干扰和识别期望信号特征的能力；再次，在ViT（Vision Transformer）的基础上设计基于复频域的自注意力算法，实现并行复频域特征的增强；最后，在基准数据集VoiceBank+Demand上进行对比实验和消融实验，并在使用Noise92加噪后的Timit数据集上进行迁移泛化实验。实验结果表明，在VoiceBank+Demand数据集上，相较于深度复卷积递归网络（DCCRN），所提网络在语音质量的感知评估（PESQ）、MOS信号失真（CSIG）、MOS噪声失真（CBAK）、MOS整体语音质量（COVL）指标上分别提升了16.6%、10.9%、44.4%和14.1%；在Timit+Noise92数据集上，相较于DCCRN模型，在babble噪声信噪比（SNR）为-5 dB的条件下，所提网络的PESQ和STOI（Short-Time Objective Intelligibility）分别提高了29.8%和5.2%。

噪声与语义先验引导的低照度图像增强算法

王雪津, 黄雷雷, 钟祯辉

2025, 45(9): 2966-2974. DOI: 10.11772/j.issn.1001-9081.2024081187

摘要 ( )

HTML ( )

PDF (2609KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

低照度图像的亮度、噪声和对比度等具有非均匀分布的特性，然而现有的低照度图像增强（LLIE）算法未能充分利用这些特性，在增强过程中容易导致细节丢失、颜色失真和视觉不连贯等问题，从而影响图像的视觉质量。针对上述问题，提出噪声与语义先验引导的LLIE算法，以自适应地考虑低照度图像中不同区域的特性及其语义信息。具体来说，设计一种新的基于图像块分类的全局特征提取网络（ICGFE）提取全局特征，引入基于信息补偿的局部特征提取网络（ICLFE）提取局部特征，并提出基于噪声先验引导的特征融合策略对具有不同特性的图像区域进行自适应增强操作；此外，提出新的语义先验引导的颜色损失函数保持实例颜色的一致性。在公开数据集LOL（LOw-Light dataset）上的实验结果表明，所提算法相较于Retinex和DeepUPE（Underexposed Photo Enhancement using Deep illumination estimation）等算法，峰值信噪比（PSNR）提高了1.9%~89.1%，结构相似性（SSIM）也取得了较好的结果。可见，所提算法能自适应增强具有不同特性的图像区域，并且在颜色恢复、细节纹理还原和噪声抑制等方面均具有明显优势。

基于师生学习的半监督图像去雾算法

景攀峰, 梁宇栋, 李超伟, 郭俊茹, 郭晋育

2025, 45(9): 2975-2983. DOI: 10.11772/j.issn.1001-9081.2024091382

摘要 ( )

HTML ( )

PDF (2735KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

图像去雾是计算机视觉领域的热点话题之一。由于真实世界中大规模高质量的配对数据集的获取存在成本昂贵、实施困难等问题，现有方法通常利用合成数据对深度学习模型进行全监督训练，这可能会导致模型在真实场景下的泛化性能较差。为了解决真实域和合成域之间的域差异问题，提出一种基于师生学习的半监督图像去雾算法。该算法采用一个半监督的师生学习框架，利用指数移动平均（EMA）策略来更新教师模型，并端到端地进行去雾学习，显著地解决了合成数据与真实数据之间的域偏移问题，并提高了模型在真实有雾场景下的泛化性能。实验结果表明，所提算法在2个合成雾霾图像数据集SOTS（Synthetic Objective Testing Set）、Haze4K和真实雾霾图像数据集URHI（Unannotated Real-world Hazy Images）上取得了较好性能，并获得了更好的去雾视觉效果。

结合新类特征增强与度量机制的小样本目标检测算法

张嘉祥, 李晓明, 张佳慧

2025, 45(9): 2984-2992. DOI: 10.11772/j.issn.1001-9081.2024081146

摘要 ( )

HTML ( )

PDF (2348KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有的小样本目标检测算法中模型对新类别的特征参数敏感度较低和难以准确区分类别相关和类别无关参数，导致特征边界模糊以及类别混淆的问题，提出一种结合新类特征增强与度量机制的小样本目标检测算法（FEMM-FSOD）。首先，提出跨域参数感知模块（CDPM）改进颈部网络，重构通道和空间的特征重加权操作，并结合空洞卷积采用跨阶段的信息传递与特征融合方式，以提供丰富的梯度信息导向并提升新类别参数的敏感性；同时，在感兴趣区域池化（RoI Pooling）前构造多元相关特征融合模块（ICMF），以建立特征之间的相关性并动态优化相关特征的融合方式，从而增强显著特征。CDPM与ICMF的引入有效了增强新类别的特征表示，从而减轻特征边界模糊的现象。此外，为进一步减轻类别混淆，在检测头部分提出基于度量机制的正交损失函数CohSep Loss（Coherence-Separation Loss），以通过度量特征向量相似度实现类内特征聚合和类间特征分离。实验结果表明，相较于基线算法TFA（Two-stage Fine-tuning Approach），在PASCAL VOC数据集上，所提算法在15种小样本实例个数的mAP50（阈值为0.50时新类别的平均精度均值（mAP））上提升了5.3个百分点；在COCO数据集上，所提算法在10shot和30shot对应的mAP（阈值为0.50~0.95时新类别的mAP）上分别提升了3.6和5.2个百分点，实现了更高精度的小样本目标检测。

上下文语义表征和像素关系纠正的小样本目标检测

魏利利, 闫丽蓉, 唐晓芬

2025, 45(9): 2993-3002. DOI: 10.11772/j.issn.1001-9081.2024081227

摘要 ( )

HTML ( )

PDF (5735KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

小样本目标检测中因为支持样本稀缺且可利用的类别信息不足，所以有效利用有限样本的特征信息尤为重要。通过丰富支持样本和查询样本中可用的语义信息，能够实现查询特征和支持特征更全面的信息匹配，这有助于模型在小样本场景下理解目标类别，进而有效地实现目标检测。因此，提出一种基于空间上下文和像素关系的模型。设计空间上下文学习模块以辅助像素构建局部上下文区域，从而为中心像素获取区域内的像素语义，并丰富图像的特征信息。此外，针对空间上下文容易引入噪声信息的问题，设计像素上下文关系模块以利用图像中的原始特征知识探索像素之间的关系，并构建类内和类间关系映射图，从而纠正空间上下文学习模块容易引入噪声信息的缺陷。实验结果表明，在PASCAL VOC数据集上进行3种划分时，与VFA（Variational Feature Aggregation）相比，所提模型在样本极其稀缺的1-shot设置下的平均精度（AP₅₀）分别提升2.7、2.0和1.3个百分点。在MS COCO数据集上的10-shot和30-shot设置下，与VFA相比，所提模型的AP分别提升0.4和0.6个百分点；与Meta FR-CNN（Meta Faster R-CNN）相比，所提模型的AP₅₀分别提升11.4和8.7个百分点。可见，所提方法通过更有效地利用有限特征信息提升了对新类样本的识别能力，对只能获取极少量样本的特殊场景下的目标检测模型泛化能力的提升具有参考价值。

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

2025, 45(9): 3003-3010. DOI: 10.11772/j.issn.1001-9081.2024091254

摘要 ( )

HTML ( )

PDF (2371KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

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。

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

2025, 45(9): 3011-3016. DOI: 10.11772/j.issn.1001-9081.2024081134

摘要 ( )

HTML ( )

PDF (1665KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

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。

内容引导下多角度特征融合医学图像分割网络

王芳, 胡静, 张睿, 范文婷

2025, 45(9): 3017-3025. DOI: 10.11772/j.issn.1001-9081.2024081188

摘要 ( )

HTML ( )

PDF (2148KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对当前医学图像分割领域缺乏使用传统图像分割算法引导卷积神经网络（CNN）进行分割的问题，提出内容引导下多角度特征融合医学图像分割网络（CGMAFF-Net）。首先，利用灰度图以及Otsu阈值分割图像通过基于Transformer的小微U型特征提取模块生成病变区域引导图，并使用自适应组合赋权（ACW）将它们赋权于原始医学图像以进行初始引导；其次，使用残差网络（ResNet）对赋权后的医学图像进行下采样特征提取，并使用多角度特征融合（MAFF）模块对1/16和1/8的特征图进行特征融合；最后，使用反向注意力（RA）上采样并逐步还原特征图的大小，从而实现对关键病变区域的预测。在CVC-ClinicDB、Kvasir-SEG和ISIC 2018数据集上的实验结果表明，与目前分割性能最好的多尺度空间反向注意力网络MSRAformer相比，CGMAFF-Net的平均交并比（mIoU）分别提升了0.97、0.78和0.11个百分点；与经典网络U-Net相比，CGMAFF-Net的mIoU则分别提升了2.66、8.94和1.69个百分点，充分验证了CGMAFF-Net的有效性与先进性。

基于几何模型预测控制的移动机器人轨迹跟踪算法

古松健, 吴福祥, 高向阳, 杨梦杰, 詹忆冰, 程俊

2025, 45(9): 3026-3035. DOI: 10.11772/j.issn.1001-9081.2024091273

摘要 ( )

HTML ( )

PDF (3256KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对轮式移动机器人（WMR）在轨迹跟踪过程中因定位失准和未知干扰等因素导致的位姿偏移问题，提出一种基于几何模型预测控制（GMPC）的增强型粒子群优化混合器（EPSO-Mixer）算法，旨在提升WMR的轨迹跟踪性能。首先，以粒子群优化（PSO）为基础，提出一种增强型粒子群优化（EPSO）算法，以加快收敛并提升优化能力；其次，利用EPSO对GMPC进行改进，根据当前偏移程度筛选出最优跟踪参数，以有效地减小轨迹跟踪误差；最后，结合混合多层感知器（MLP-Mixer）架构，提出EPSO-Mixer算法，从而进一步增强对全局最优解的搜索能力，同时生成更具适应性的控制策略。仿真实验结果表明，与非线性模型预测控制和经典GMPC算法相比，EPSO-Mixer GMPC有效提升了WMR在位姿偏移条件下的轨迹跟踪性能，误差减小8.0%~82.3%，并显著改善了运动中的振动问题。可见，EPSO-Mixer算法能够提供更有效的控制策略，不仅降低了参数调整的难度与时间成本，而且显著增强了轨迹跟踪控制的自适应能力。

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

2025, 45(9): 3036-3044. DOI: 10.11772/j.issn.1001-9081.2024091304

摘要 ( )

HTML ( )

PDF (2932KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

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。

基于通用手环的睡眠呼吸暂停检测

黄锦阳, 崔丰麒, 马长秀, 樊文东, 李萌, 李经宇, 孙晓, 黄林生, 刘志

2025, 45(9): 3045-3056. DOI: 10.11772/j.issn.1001-9081.2024081234

摘要 ( )

HTML ( )

PDF (2441KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

睡眠呼吸暂停严重影响生活质量和健康。多导睡眠图（PSG）是诊断睡眠呼吸暂停的“金标准”，然而它的成本高且不便长期监测。基于此，提出一种基于通用运动手环的新方法以便捷地检测睡眠呼吸暂停。该方法通过分析手环采集的心率、血氧饱和度和睡眠状态数据，采用自适应生理数据重构方法和数据插值方法滤除噪声；在特征工程中，融合连续生理变量和类别变量，以深度提取睡眠状态特征；而分类模块采用轻量级门控循环单元（GRU）模型，从而简化训练过程，并降低过拟合风险。实验结果表明，所提方法在23人数据集上获得了93.68%的准确率和93.97%的召回率。相关性分析表明，血氧饱和度、身体质量指数和年龄是判断睡眠呼吸暂停的关键特征。与PSG相比，所提方法更适用于家庭环境下的长期监测。

基于层次图神经网络和差异化特征学习的客户流失预测模型

卢燕群, 赵奕奕

2025, 45(9): 3057-3066. DOI: 10.11772/j.issn.1001-9081.2025020202

摘要 ( )

HTML ( )

PDF (3097KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对普惠金融领域客户流失问题的严峻性及现有客户挽留模型在预测精度与可解释性上的不足，提出一种基于层次图神经网络（HGNN）和差异化特征学习（SFL）的客户流失预测模型HGNN-SFLN （HGNN-SFL Network），以提升模型的预测能力和对特征交互的理解。首先，为了应对数据不平衡问题，提出一种混合采样策略，并在特征层面对不同类别的特征进行加权调整，以确保各类数据的有效利用；其次，利用层次图强化不同特征之间的关联性，并构建一种基于自注意力机制的SFL模块，以增强模型对分类特征的处理能力及特征交互关系的解析能力。通过该模块，模型能够精准识别关键特征，并有效捕捉它们之间的复杂交互关系，从而优化预测决策过程。实验结果表明，所提模型在多个真实金融数据集上相较于主流模型，如Light GBM（Light Gradient Boosting Machine）和深度神经网络（DNN），在曲线下面积（AUC）等关键指标上都取得了最优结果，并且在精确识别关键流失特征以及有效捕捉特征间的复杂交互关系方面，相较于对比模型展现出显著的优势。

当期目录