当期目录

2026年 第46卷 第2期 刊出日期：2026-02-10 目录下载

上一期  

人工智能

多模态知识图谱补全方法综述

王雪, 张丽萍, 闫盛, 李娜, 张学飞

2026, 46(2):  341-353.  DOI: 10.11772/j.issn.1001-9081.2025030273

摘要 ( )   HTML ( )   PDF (1039KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

传统知识图谱（KG）虽然为网络中的信息提供了一种统一的且机器可理解的表示方式，但在处理多模态应用时逐渐暴露出局限性。为了应对这些局限性，研究者提出多模态知识图谱（MMKG）作为有效解决方案。然而，KG引入多模态数据后广泛存在模态融合不充分和推理困难的问题，这制约了MMKG的应用和发展。而多模态知识图谱补全（MMKGC）技术不仅能够在构建阶段充分融合跨模态信息，还能够在构建完成阶段预测缺失的链接，从而解决在模态融合和推理时遇到的问题。因此，对MMKG方法进行综述。首先，详尽阐述MMKGC的基本概述以及常用的基准数据集和评价指标；其次，将现有方法分为针对MMKG构建阶段的融合任务和构建完成阶段的推理任务，前者聚焦于关键技术如实体对齐和实体链接，后者则涵盖关系推理、信息缺失补全及多模态扩展这3类技术；再次，详细介绍了各类MMKGC方法，并分析它们的特点；最后，分析MMKGC方法面临的问题与挑战并总结前面的内容。

基于知识图谱和大模型的非智能传感器的实体发现方法

何金栋, 及宇轩, 陈天赐, 许恒铭, 耿技, 曹明生, 梁员宁

2026, 46(2):  354-360.  DOI: 10.11772/j.issn.1001-9081.2025020238

摘要 ( )   HTML ( )   PDF (1077KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

在工业物联网（IoT）领域，设备实体发现构成了设备管理的关键组成部分。相较于智能传感器，非智能传感器由于缺少内在的通信协议，它们的发现过程尤为复杂，这让高效且准确地识别非智能设备成为亟待解决的技术难题。因此，提出一种基于知识图谱和大模型的非智能传感器识别方法。首先，通过提取非智能传感器的属性值，构建三层知识图谱；其次，从知识图谱中提取传感器的特征向量；最后，将特征向量信息输入大模型中进行微调，并通过系列实验优化，得到最佳模型微调参数。实验结果表明，在公开的IoT传感器数据集SensorData上，所提方法的识别准确率高达96.2%，显著提升了识别效率。

基于跨模态注意力机制与对比学习的谣言检测方法

罗虎, 张明书

2026, 46(2):  361-367.  DOI: 10.11772/j.issn.1001-9081.2025030266

摘要 ( )   HTML ( )   PDF (900KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

社交媒体多模态谣言检测面临着跨模态特征关联性弱以及数据内在表征不足的挑战。因此，提出一种基于跨模态注意力机制与对比学习的谣言检测方法。该方法通过多模态特征模块提取文本与视觉的细粒度特征，利用跨模态共同注意力机制和差异性学习增强模态间的关联性，运用多头自注意力捕获复杂语义的上下文，并创新性地引入对比学习模块实现机器监督下的特征优化。在Twitter-16和Weibo公开数据集上的实验结果表明，所提方法的准确率较现有的最优模型MMFN（Multi-Modal Fusion Network）分别提升了5.47和4.44个百分点，验证了细颗粒度特征挖掘与跨模态相似性建模对提升检测性能的关键作用。可见，深度解析多模态内容差异和强化跨模态关联机制能有效提升社交媒体谣言的识别精度。

基于结构增强的层次化任务导向提示策略的对话推荐系统SetaCRS

姜皓骞, 张东, 李冠宇, 陈恒

2026, 46(2):  368-377.  DOI: 10.11772/j.issn.1001-9081.2025020256

摘要 ( )   HTML ( )   PDF (2341KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

近年来，许多对话推荐系统的研究采用预训练语言模型作为统一框架，旨在解决传统多模块架构中模块间协同不当的问题；然而，这些方法难以发挥任务之间的协同作用，且无法有效捕获输入中潜在的结构化信息，这些问题很大程度上削弱了对话推荐系统在实际应用场景中的表现。因此，提出一种基于结构增强的层次化任务导向提示策略的对话推荐系统SetaCRS。SetaCRS利用异质图注意力神经网络建模用户系统历史对话中的序列共现信息。此外，构造层次化的全局任务描述和特定子任务描述，从而帮助模型捕获并利用当前子任务和总任务序列之间的联系。在DuRecDial与TG-ReDial这2个公开数据集上的实验结果表明，相较于UniMIND（Unified MultI-goal conversational recommeNDer system），SetaCRS在语义F1上分别提升了8.53%和1.55%，并在平均倒数排名（MRR）@10上分别提升了3.02%和9.54%。可见，SetaCRS能够利用所捕捉的任务关联性与对话结构信息来有效提升推荐准确性和回复质量。

基于图神经网络实现多尺度特征联合学习的中文作文自动评分

文洪建, 胡瑞娇, 吴保文, 孙家兴, 李环, 张晴, 刘杰

2026, 46(2):  378-385.  DOI: 10.11772/j.issn.1001-9081.2025020228

摘要 ( )   HTML ( )   PDF (1616KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

现有基于预训练语言模型（PLM）的作文自动评分（AES）方法偏向于直接使用从PLM提取的全局语义特征表示作文的质量，却忽略了作文质量与更细粒度特征关联关系的问题。聚焦于中文AES研究，从多种文本角度分析和评估作文质量，提出利用图神经网络（GNN）对作文的多尺度特征进行联合学习的中文AES方法。首先，利用GNN分别获取作文在句子级别和段落级别的篇章特征；然后，将这些篇章特征与作文的全局语义特征进行联合特征学习，实现对作文更精准的评分；最后，构建一个中文AES数据集，为中文AES研究提供数据基础。在所构建的数据集上的实验结果表明，所提方法在6个作文主题上的平均二次加权Kappa（QWK）系数相较于R2-BERT（Bidirectional Encoder Representations from Transformers model with Regression and Ranking）提升了1.1个百分点，验证了在AES任务中进行多尺度特征联合学习的有效性。同时，消融实验结果进一步表明了不同尺度的作文特征对评分效果的贡献。为了证明小模型在特定任务场景下的优越性，与当前流行的通用大语言模型GPT-3.5-turbo和DeepSeek-V3进行了对比。结果表明，使用所提方法的BERT（Bidirectional Encoder Representations from Transformers）模型在6个作文主题上的平均QWK比GPT-3.5-turbo和DeepSeek-V3分别高出了65.8和45.3个百分点，验证了大语言模型（LLMs）在面向领域的篇章级作文评分任务中，因缺乏大规模有监督微调数据而表现不佳的观点。

面向长文档检索增强生成的基准数据集

刘宜欣, 刘祥根, 刘文, 邓洪波, 张子野, 穆骅

2026, 46(2):  386-394.  DOI: 10.11772/j.issn.1001-9081.2025030275

摘要 ( )   HTML ( )   PDF (1432KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

随着预训练语言模型（PLM）的发展，检索增强生成（RAG）作为一个新兴任务受到广泛关注。全面客观地评价RAG可以揭示现有方法的局限并指明研究方向，然而，现有的研究针对RAG的系统性评估基准不足，尤其是在长文档场景中。针对这一问题，提出一种基于焦点片段的自动问答构建策略，旨在高效而准确地构建大规模问答数据集。基于该策略，构建首个专门针对长文档的双语RAG评估基准数据集LoRAG，涵盖法律、金融和文学等多领域的英汉双语文档，英文文档平均长度达5.7万词元，中文文档平均长度为7.6万词元。通过LoRAG数据集，对RAG的检索与生成这两个关键阶段进行系统性实验。在检索阶段，评估text-embedding-ada-002、bge-large系列、bge-m3和Multilingual-E5-large-instruct等多种主流嵌入模型，并引入bge-reranker-v2-m3重排序模型进行性能优化与对比；在生成阶段，全面测试Vicuna-13B、ChatGLM2-6B、Llama2-7B和Claude2等代表性大语言模型（LLM）。实验结果表明，所构建数据集LoRAG有效揭示了当前嵌入方法在长文档检索中的定位难题，以及LLM在生成过程中权衡相关性与精炼性之间的局限性，这些为后续方法的改进提供了清晰的研究方向。

混合启发信息指导神经网络架构搜索算法

熊前龙, 秦进

2026, 46(2):  395-405.  DOI: 10.11772/j.issn.1001-9081.2025030300

摘要 ( )   HTML ( )   PDF (1352KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对神经网络架构搜索（NAS）任务，提出一种混合启发信息指导NAS（GHHI-NAS）算法。首先，通过设计融合先验知识与局部搜索反馈的启发信息构造模块，生成多维动态启发指标，并配合混合更新策略指导架构搜索，从而有效解决传统NAS因更新方向单一导致的全局探索不足及局部最优陷阱的问题；其次，使用自适应协方差进化策略（CMA-ES）作为更新框架，并辅以混合适应度评价函数，从而指导算法在初期跳出小模型陷阱；最后，通过适应度共享策略平滑地评价噪声并提升种群多样性。此外，为了进一步降低采样带来的性能损失，提出带惩罚机制的蒙特卡洛交换采样方法。实验结果表明，GHHI-NAS算法在CIFAR-10和CIFAR-100数据集上分别取得了97.55%和83.44%的验证正确率，在ImageNet数据集上取得了24.7%的测试错误率，在NAS-Bench-201数据集上也取得了杰出的表现，接近甚至略优于进化NAS（ENAS）算法，同时搜索时间仅为0.12 GPU-Days，实现了较低的搜索开销和较高水平的测试性能。

基于双重决策机制的深度符号回归算法

郭泽一, 李凤莲, 徐利春

2026, 46(2):  406-415.  DOI: 10.11772/j.issn.1001-9081.2025020174

摘要 ( )   HTML ( )   PDF (816KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

深度符号回归（DSR）算法由循环神经网络（RNN）自动化生成表达式树，进而获得较高的模型性能，然而，它无法兼顾表达式树的准确性和结构的简洁性。因此，提出一种基于双重决策机制的深度符号回归（DDSR）算法。首先，在RNN初步决策的基础上，利用双评分机制综合评估表达式树的结构简洁性和准确性。其次，采用强化学习对表达式树生成进行训练，将表达式树生成视为序列决策过程，并利用风险近端策略优化（RPPO）算法进行奖励反馈以更新下一批次的模型参数。在公共数据集上的实验结果表明，相较于DSR算法，DDSR算法在拟合度相关系数上最多提高了0.396，最少提高了0.001，而整体性能提升了0.116。以上证明了DDSR算法的有效性。

面向学科撤销后科研人员重分配的多阶段耦合决策框架

高飞, 陈董, 边帝行, 范文强, 刘起东, 吕培, 张朝阳, 徐明亮

2026, 46(2):  416-426.  DOI: 10.11772/j.issn.1001-9081.2025030271

摘要 ( )   HTML ( )   PDF (1931KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

现有学科撤销后的科研人员重分配依赖人工决策，难以有效统筹学科关联。在此背景下，拥有强大知识分析能力的大语言模型（LLM）为基于学科撤销后的科研人员重分配优化提供了新思路，然而它们在以科研信息为代表的高校科研数据上面临着专业术语难理解和长尾分布明显等挑战。因此，提出一种面向学科撤销后科研人员重分配的多阶段耦合决策框架MCRF（Multistage Coupled Redeployment Framework）。MCRF包含召回、语义增强、配对和重排这4个阶段，能有效地将困难问题分解为多个相对简单的子问题。首先，构建学科科研词云关联数据集，缓解通用模型难以理解专用学术名词的问题；其次，设计关联召回算法，快速召回科研信息的Top-k关联学科，从而降低整体决策的时间开销；最后，引入隐式优化模块，生成多样化的科研信息表述，从而确保尾部学科科研信息能与科研人员研究方向全面关联，并通过细粒度科研项目排序模型实现精准语义匹配。实验结果表明，在多个数据集上，所提框架在召回阶段的召回率达到了92%，在重排阶段的准确率为96%，有效验证了MCRF在学科结构优化任务中的有效性。

融合时频特征与混合文本的多模态股票预测框架MATCH

魏涵玥, 郭晨娟, 梅杰源, 田锦东, 陈鹏, 徐榕荟, 杨彬

2026, 46(2):  427-436.  DOI: 10.11772/j.issn.1001-9081.2025080955

摘要 ( )   HTML ( )   PDF (2000KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

现有股票预测模型多基于单一模态，忽视了行业间的联动效应与信息异质性；部分研究虽引入了文本模态，但在处理模态异构所导致的时滞性和多粒度等问题上仍存在不足。因此，提出面向股票市场的融合时频特征与混合文本的多模态股票预测框架MATCH（Multimodal stock prediction frAmework inTegrating time-frequenCy features and Hybrid text）。一方面，设计混合专家（MoE）预训练策略为每个行业构建特定的预训练表征模型，在预测过程中动态选择匹配的专家网络，并注入行业特征信息；另一方面，设计频域分解与层次化融合机制，通过双流预训练架构获取高频未来波动和低频未来趋势的表征，把它们与不同时间尺度的文本信息进行跨模态交互，更精准地捕捉市场动态变化，并实现多粒度场景下的时序与文本有效交互。在2个真实股票数据集S&P 500和CMIN-US上，MATCH与ESTIMATE（Efficient STock Integration with teMporal generative filters and wavelet hypergraph ATtEntions）和PatchTST等主流方法进行对比的实验结果显示，在S&P 500数据集上相较次优基线模型Adv-ALSTM，MATCH的夏普比率（SR）提升了50.5%；在更具有挑战性的CMIN-US数据集上，MATCH的SR提升了2.35%，其余指标均取得了最佳成绩。MATCH预测性能提升明显可为金融多模态数据融合提供新颖且高效的解决方案。

基于改进图注意力网络的车险欺诈检测方法

林金娇, 张灿舜, 陈淑娅, 王天鑫, 连剑, 徐庸辉

2026, 46(2):  437-444.  DOI: 10.11772/j.issn.1001-9081.2025020151

摘要 ( )   HTML ( )   PDF (973KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有车险欺诈检测方法忽略数据中复杂关联关系的问题，提出一种基于改进图注意力网络的车险欺诈检测方法。该方法通过动态注意力机制与序列化全局建模的协同设计，增强数据中复杂关联关系的捕捉能力。首先，将车险欺诈的每一起案件抽象为图结构的节点；其次，通过K近邻（KNN）算法计算节点的时间、年龄以及金额等多重属性间的相似性，从而构建案件之间的复杂关联关系；再次，将案件的图数据输入GATv2（dynamic Graph ATtention network），并动态分配节点权重以聚合邻接节点的局部特征，从而得到每个案件节点的新特征表示；继次，引入Transformer对GATv2的图结构输出进行序列化处理；最后，由融合模块对最终特征进行非线性整合表达，从而得到案件节点的分类结果。实验结果表明：所提方法在两个数据集上的准确率较基线方法分别至少提升了1.11和1.34个百分点，而在保险公司数据集上的误警率（FPR）低至0.035%，为提高车险欺诈检测的准确性与效率提供了新的技术方案。

网络空间安全

面向联邦学习的投毒攻击检测与防御机制

钟琪, 张淑芬, 张镇博, 菅银龙, 景忠瑞

2026, 46(2):  445-457.  DOI: 10.11772/j.issn.1001-9081.2025020146

摘要 ( )   HTML ( )   PDF (2659KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为了解决联邦学习中恶意客户端通过上传恶意更新破坏全局模型可靠性的问题，提出一种面向联邦学习的投毒攻击检测与防御算法FedDyna。首先，设计一种异常客户端检测方案，利用余弦相似度与欧几里得距离的历史标准差初步检测异常更新，并结合多视角模型评估机制进一步检测可疑的客户端；其次，提出一种自适应调整策略，根据权重调整因子逐步降低被判定为异常客户端的参与权重，直至将恶意更新从模型训练过程中剔除。在EMNIST和CIFAR-10数据集上评估FedDyna在不同攻击场景下的防御性能，并与现有的先进防御算法进行对比。实验结果表明，在固定攻击频率的条件下，将FedDyna算法与Scope算法进行效果对比：面对投影梯度下降（PGD）、模型替换（MR）以及PGD+MR这3种攻击方式，FedDyna均取得了最优效果，攻击成功率（ASR）分别降低了1.07和0.53、1.49和1.45、10.55和1.25个百分点；在余弦约束攻击（CCA）攻击的EMNIST数据集下，FedDyna的ASR虽略有下降，但仍取得了次优结果。此外，当在不同攻击者池中与对比算法进行效果评估时，FedDyna的ASR在多数条件下表现最优，其余条件下也处于次优水平。尤为突出的是，在不同攻击强度的场景下，FedDyna的平均全局模型准确率（MA）高达98.5%。可见，FedDyna在不同攻击场景下表现出显著的抗投毒攻击稳健性，且能够有效检测并剔除投毒模型。

基于邻域增强的无监督图异常检测

董莉梅, 李雁姿, 李家印, 许力

2026, 46(2):  458-466.  DOI: 10.11772/j.issn.1001-9081.2025020216

摘要 ( )   HTML ( )   PDF (1196KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对异常的存在导致节点邻域信息不可靠的问题，提出一种高效的无监督图异常检测方法。该方法借助邻域增强策略构建多类型的中心节点的邻域集合，捕捉高质量的节点表示，并获取高准确度的自邻相似度。首先，通过优化一个基于动态邻域增强的信息提取模块，自适应地选择最优邻域策略，从而克服传统固定邻域选择方法在信息提取过程中特征单一的局限性；其次，为了降低节点特征融合时自身冗余信息的干扰，提出一种匿名消息传递方案，该方案能够隔离节点自身特征，只专注于邻域信息，从而提高消息聚合的质量；最后，通过设计一种自适应的加权异常评分模块，以节点之间距离作为评估尺度来获取节点的异常度，从而细化异常检测结果。在5个数据集上的实验结果表明，所提方法在应对复杂图结构的异常检测方面的表现优于现有主流方法CoLA（Anomaly detection on attributed networks via Contrastive self-supervised Learning），其中对异常样本的识别能力指标——AUPRC（Area Under the Precision-Recall Curve）至少提升了8.0%。

增强型可逆神经网络视频隐写网络GAB3D-SEVSN

徐千惠, 钮可, 朱顺哲, 石林, 李军

2026, 46(2):  467-474.  DOI: 10.11772/j.issn.1001-9081.2025050577

摘要 ( )   HTML ( )   PDF (2093KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对小样本条件下视频隐写任务中存在的长程运动建模不足和通道冗余导致的过参数化问题，提出一种融合三维全局注意力块（GAB-3D）与压缩激励（SE）通道注意力的增强型视频隐写网络GAB3D-SEVSN。该模型通过优化的GAB-3D模块在三维时空域自适应地聚焦关键运动轨迹，从而增强长程依赖的建模能力；同时，通过在可逆架构中嵌入SE模块实现通道级自适应校准，从而有效抑制冗余参数并缓解过参数化现象。在UCF101数据集（13K视频样本）上的实验结果表明，相较于LF-VSN基线模型，所提模型的峰值信噪比（PSNR）和结构相似度（SSIM）分别提升了0.5 dB和2.06%。消融实验结果验证了各模块的有效性和协同效应。而在高动态场景子集和不同属性视频上的测试结果表明，该模型在PSNR和SSIM上均显著优于基线模型，展现出优异的鲁棒性和泛化能力。

基于条件生成对抗网络和混合注意力机制的图像隐写方法

李名, 王孟齐, 张爱丽, 任花, 窦育强

2026, 46(2):  475-484.  DOI: 10.11772/j.issn.1001-9081.2025020204

摘要 ( )   HTML ( )   PDF (1262KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

目前以图藏图的深度隐写术存在隐写图像安全性不强以及恢复的秘密图像中存在图像失真的问题，难以实际应用于隐私保护和秘密通信。针对以上问题，提出一种基于条件生成对抗网络和混合注意力机制的以图藏图隐写方法（CBAM-CGAN）。首先，在生成器网络中引入混合注意模块，帮助生成器从通道和空间维度全面地学习图像特征，提高隐写图像的视觉质量；其次，引入残差连接降低网络学习过程中秘密图像的特征损失，并通过提取器和判别器的对抗训练，实现秘密图像的无噪声提取；最后，通过生成器和隐写分析器的对抗训练，提高隐写图像的安全性。在COCO等公开数据集上的实验结果显示，与StegGAN隐写方法相比，所提隐写方法的隐写图像和解密图像的峰值信噪比（PSNR）分别提高了4.37 dB和4.71 dB，结构相似性（SSIM）分别提高了9.16%和6.46%。在安全性方面，所提方法面对隐写分析器Ye-Net的检测，检测准确率（Acc）降低了9.35个百分点，误检率（FNR）提升了12.01个百分点。可见，所提方法在保证隐写图像安全性的同时能高质量地恢复秘密图像。

先进计算

基于两阶段填充采样的昂贵多目标进化算法

张春雨, 刘建昌, 刘圆超, 张伟

2026, 46(2):  485-496.  DOI: 10.11772/j.issn.1001-9081.2025020215

摘要 ( )   HTML ( )   PDF (1770KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对昂贵多目标优化问题（EMOP），尽管已有许多相关算法被提出，但大多数现有算法未能取得令人满意的结果。主要原因是这些算法中的填充采样准则不能很好地平衡选择个体的收敛性、多样性和不确定性。因此，提出一种基于两阶段填充采样的昂贵多目标进化算法（TISEMOEA）。在第一阶段，设计一种基于收敛性的填充采样准则，以选择收敛性和多样性都良好的个体，进而平衡收敛性和多样性；在第二阶段，设计一种基于多样性的填充采样准则，在不损害收敛性的前提下选择不确定性较大的个体，进而提高模型的精度和增强种群的多样性。此外，提出一种自适应多样性增强策略，以调整使用基于多样性的填充采样准则选择个体的频率，从而在增强种群多样性的同时平衡算法的探索和开发能力。把TISEMOEA与MOEA/D-EGO （MOEA/D with the Gaussian process model）、HeE-MOEA （Heterogeneous Ensemble-based infill criterion for MOEA）、TISS-EMOA （Two-stage Infill Sampling-based Semi-supervised EMOA）、PCSAEA （Pairwise Comparison based Surrogate-Assisted Evolutionary Algorithm）以及SFA/DE （Evolutionary multiobjective optimization assisted by scalarization function approximation for high-dimensional expensive problems）这5种先进算法在DTLZ的28个测试问题和WFG的27个测试问题上进行对比实验，并分析反转世代距离（IGD）指标。实验结果显示：TISEMOEA分别在19个和16个测试问题上获得了最佳结果。

基于主体建模的病毒传播分析与可视化

陈海乐, 易修文, 严山, 黎世骄, 李天瑞, 郑宇

2026, 46(2):  497-504.  DOI: 10.11772/j.issn.1001-9081.2025020213

摘要 ( )   HTML ( )   PDF (1816KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

近年来呼吸道传染病在人员密集场所频繁暴发，如何还原病毒在人与人之间的传播路径，成为疫情防控的关键问题。然而，现有方法存在对密集场所中的人群移动轨迹难以刻画以及对人与人接触导致的病毒扩散难以模拟等问题。因此，提出一种基于主体建模（ABM）的病毒传播可视分析系统，以动态模拟并可视化病毒的传播过程，同时展现个体接触关系和传播路径。首先，采用多头快速扩展随机树算法结合移动统计数据，生成符合实际规律的人群移动轨迹；其次，通过细化人员接触规则和病毒扩散机制，构建基于ABM的传播模型，从而模拟人群交互对病毒传播的影响。案例分析表明，病毒传播可视分析系统还原了人与人之间的接触关系和病毒在人与人之间的传播过程，系统模拟的传播链路与实际链路高度相似，模拟病例数与实际病例数基本吻合，且多头快速扩展随机树算法能高效生成高度真实的路线。案例证实了该系统在疫情防控策略优化中的决策支持价值。

网络与通信

基于复增强注意力机制图神经网络的确定性网络性能评估方法

吴俊锐, 杨江川, 喻海生, 邹赛, 汪文勇

2026, 46(2):  505-517.  DOI: 10.11772/j.issn.1001-9081.2025020200

摘要 ( )   HTML ( )   PDF (3596KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

确定性网络是当前互联网发展的重点和热点，如何评估确定性网络系统中非确定性流量的性能在理论和工程上仍是一个挑战。尽管传统方法，如使用排队论建模网络流量到达分布、采取网络演算分析建立网络行为的上下界以及应用机器学习和深度学习算法从大量历史数据中统计推测网络性能趋势可以部分解决这一问题，但面对复杂的确定性网络系统，它们依然存在精度和性能较差的缺陷。因此，提出一种基于复增强注意力机制图神经网络（CEA-GNN）的确定性网络性能评估方法。该方法充分利用确定性网络系统的门控属性，并使用注意力机制将关键信息传递给图神经网络（GNN），从而提高评估精度；同时，从图形空间域和复频域中提取相关信息更新GNN，以提升评估模型的性能。在美国国家科学基金会网络提供的网络拓扑上的实验结果表明，相较于RouteNet-Fermi评估方法，所提方法对确定性网络中非确定性流量时延预测的平均绝对误差（MAE）减小了87.4%，丢包率预测的MAE减小了12.7%，每条流平均处理时间缩减了64.4%。

计算机软件技术

基于边权重的软件漏洞检测方法

于巧, 黄子睿, 程圣懿, 祝义, 张淑涛

2026, 46(2):  518-527.  DOI: 10.11772/j.issn.1001-9081.2025020217

摘要 ( )   HTML ( )   PDF (1690KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

随着软件在各个领域的广泛应用，软件漏洞呈不断增长的趋势，基于深度学习的软件漏洞检测方法得到广泛应用；然而，现有的图表示学习方法通常忽略了图中边对软件漏洞检测的影响，并且对边权重的表示过于粗糙。针对该问题，提出一种基于边权重的软件漏洞检测方法EWVD（Edge Weight for Vulnerability Detection）。首先，对源代码中的注释、自定义变量名和函数名进行清理和抽象表示；其次，经过对比分析后选择使用Sent2Vec进行嵌入表示；再次，利用连接结构、邻居节点的重要性和Jaccard相似性这3种度量方式，综合计算边权重，从而识别节点间的信息传递能力；最后，利用边权重提升模型对漏洞语句潜在关系的感知能力，从而判断图中边的重要性。实验结果表明，与7种漏洞检测基线方法中的最优基线VulCNN相比，EWVD的准确率提高了1.06个百分点，而假阳性率（FPR）降低了1.11个百分点。可见，EWVD细化了边权重的表示，并且提升了漏洞检测的综合性能。

多媒体计算与计算机仿真

结合球面对齐与自适应几何校正的全景视频超分辨率网络

陈晓雷, 郑芷薇, 黄雪, 曲振彬

2026, 46(2):  528-535.  DOI: 10.11772/j.issn.1001-9081.2025030311

摘要 ( )   HTML ( )   PDF (1058KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

现有的传统视频超分辨率（VSR）方法在处理全景视频时难以有效解决等距矩形投影带来的几何畸变问题，且在帧间对齐和特征融合方面存在不足，这些会导致重建效果不佳。为了进一步提升全景视频的超分辨率重建质量，提出一种结合球面对齐与自适应几何校正的全景视频超分辨率网络——360GeoVSR。该网络通过球面对齐模块（SAM）和几何融合块（GFB）实现帧间特征的精确对齐与高效融合。SAM结合空间变换和可变形卷积处理全局与局部几何畸变；GFB通过嵌入的自适应几何校正（AGC）子模块动态校正特征对齐，并融合多帧信息以捕捉复杂的帧间关系。在扩展的ODV360Extended全景视频数据集上的主客观对比实验结果表明，360GeoVSR在客观指标和主观视觉效果上均优于BasicVSR++和VRT（Video Restoration Transformer）等5种代表性超分辨率方法，验证了它的有效性。

融合位置编码和重叠掩模的低重叠点云配准网络

喇孝伟, 胡立华, 胡建华, 姚晓玲, 王欣波

2026, 46(2):  536-545.  DOI: 10.11772/j.issn.1001-9081.2024121782

摘要 ( )   HTML ( )   PDF (1184KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对低重叠场景下点云配准方法存在的关键点特征描述信息不足和重叠点云区域较少，进而导致点云的误匹配率高以及配准精度低的问题，设计一种融合位置编码和重叠掩模的低重叠点云配准网络，以降低点云的误匹配率，并提高配准的精度。首先，采用PointNet逐点特征编码器提取点云关键点，并融合关键点的特征信息、坐标信息和位置编码，生成更具判别力的关键点特征；其次，将融合后的特征输入自注意力和交叉注意力模块，以增强点云特征的描述能力，加强点云的上下文信息交互，从而解决关键点描述信息不足的问题；再次，在注意力模块之后引入重叠掩模模块，通过学习重叠掩模去除非重叠区域的关键点，以降低误匹配率；最后，结合Sinkhorn算法进行最优匹配，并采用迭代最近邻点（ICP）算法进行细化，提高点云配准精度。在CODD数据集和KITTI数据集上与多种现有的低重叠点云配准方法进行对比的实验结果表明，经过ICP细化后的网络性能更优，特别是在CODD数据集上，它比当前先进的低重叠点云配准方法CoFiI2P （Coarse-to-Fine correspondences for Image-to-Point cloud registration）的相对平移误差（RTE）和相对旋转误差（RRE）分别降低了53.29%和42.72%，配准召回率（RR）提升了0.2个百分点。可见，该网络能充分提取关键点特征的描述信息，并有效提升低重叠场景下的点云配准精度。

反射先验图引导的低光图像增强网络

张日丰, 李广明, 欧阳裕荣

2026, 46(2):  546-554.  DOI: 10.11772/j.issn.1001-9081.2025020222

摘要 ( )   HTML ( )   PDF (11604KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

近年来，基于深度学习的低光图像增强方法受Retinex理论的启发，先估计照明图调整亮度，再恢复反射率以实现低光增强。因此，通过分析低光场景反射图与参考反射图的相似度，提出一种反射先验图引导的低光图像增强网络（RP-Net）。首先，在Lab色彩空间分解出相似反射图，并设计反射先验特征自适应提取器（RPAE）在主干网络以不同尺度从相似反射图中重新编码和筛选引导特征；其次，通过设计的反射先验特征引导注意力块（RPGB）将引导信息注入主干网络。此外，针对传统逐像素L1损失的局限性，从频域分析的视角出发，设计一种频域调和损失函数，以从全局频谱分布优化增强效果。在LOLv1、LOLv2和LSRW数据集上的实验结果表明，所提方法在结构相似性（SSIM）上优于现有主流方法，在LOLv2-syn和LSRW数据集上得到的峰值信噪比（PSNR）相较于Retinexformer和SAFNet （Spatial And Frequency Network）分别提高了1.29 dB和2.08 dB，并且在色彩保真和增强效果的平衡上表现出色。

基于X3D的轨迹引导感知学习的动作质量评估模型

张四中, 刘建阳, 李林峰

2026, 46(2):  555-563.  DOI: 10.11772/j.issn.1001-9081.2025020158

摘要 ( )   HTML ( )   PDF (2842KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

动作质量评估（AQA）作为一项极具挑战性的视觉任务吸引了众多研究者的目光。当前研究方法主要集中于提升骨干网络的特征提取能力，忽略了运动轨迹的影响。然而，在现实中，动作的连贯性也是评价动作执行情况的重要因素。首先，通过引入轨迹信息，设计一种轨迹引导感知学习的AQA模型，以利用轨迹描述符引导模型感知学习动作连贯性信息，从而实现不同信息之间的交互学习；其次，针对当前数据集缺乏轨迹标签的问题，设计一种基于Farneback光流法的无监督光流轨迹提取方法获取运动轨迹信息，并将获取的光流轨迹特征作为引导词来引导模型感知学习视频特征；最后，利用KAN（Kolmogorov-Arnold Network）的可学习样条曲线拟合混合特征的数据分布，从而建立更精确的映射关系。所提模型在MTL-AQA、AQA-7、FineDiving和JIGSAWS数据集上进行实验，以斯皮尔曼秩相关系数（Sp.Corr）作为评价指标。结果表明，所提模型分别取得了0.910 1、0.912 0、0.882 0和0.990 0的Sp.Corr，与USDL（Uncertainty-aware Score Distribution Learning）模型相比分别提升了0.4%、12.6%、6.2%和57.1%。

基于改进DETR算法的小目标检测方法

吴俊, 赵川

2026, 46(2):  564-571.  DOI: 10.11772/j.issn.1001-9081.2025030277

摘要 ( )   HTML ( )   PDF (3580KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对DETR（DEtection TRansformer）在小目标检测方面精度较低的问题，提出一种基于改进DETR算法的小目标检测方法。首先，针对骨干网络ResNet-50在小目标特征提取方面提取能力弱、效率低以及易丢失细节等问题，使用一种结合多尺度注意力机制的改进MetaFormer作为DETR的骨干网络，从而增强模型对小目标的表征能力；其次，针对Transformer注意力模块在处理图像特征映射时存在的收敛慢和特征空间分辨率受限等问题，引入可变形注意力解码器，从而使模型能够聚焦于参考点周围的关键采样区域，进而加快模型收敛并提升小目标的检测精度；最后，针对GIoU（Generalized Intersection over Union）损失函数无法衡量预测框质量的问题，引入WIoU （Wise-IoU） v3损失函数，从而为不同质量的预测框赋予差异化的梯度增益，进而引导模型收敛到更高的精度。在COCO2017目标检测数据集上的实验结果表明，相较于DETR，所提方法对小目标的平均检测精度提升了7.6个百分点，整体的平均检测精度提升了4.7个百分点。可见，所提方法具有更高的检测精度。

基于Mamba模型的分级跨模态融合三维目标检测方法

李明光, 陶重犇

2026, 46(2):  572-579.  DOI: 10.11772/j.issn.1001-9081.2025030281

摘要 ( )   HTML ( )   PDF (3178KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有基于鸟瞰视图（BEV）的跨模态融合方法在初期融合阶段忽视了对BEV特征局部信息的有效保护，导致浅层跨模态交互不足，进而制约后续深层融合效果并降低三维目标检测精度的问题，提出基于Mamba模型的分级跨模态融合三维目标检测方法。该方法将Mamba的状态空间建模机制与分级融合机制深度结合，使跨模态特征映射至隐藏状态空间进行交互，以丰富局部信息，降低跨模态特征之间的差异性，并增强融合特征表达的一致性。首先，在浅层融合阶段，设计特征通道交换机制以通过交换不同传感器模态的特征通道提升浅层局部细节的保留能力，并改进Mamba模型的视觉状态空间（VSS）块以强化浅层特征间的交互；然后，在深层融合阶段，引入注意力机制与门控机制构建隐藏的特征转换，从而识别并融合模态间互补的长距离依赖特征；最后，通过通道自适应模块计算归一化原始特征上的通道关注，并自适应地学习模态内的通道关系，增强单个模态的BEV特征表示，从而弥补Mamba模型在建模通道间关系方面的不足。实验结果表明，所提方法在nuScenes和Waymo数据集上取得了优于TransFusion和结合局部-全局建模的多模态融合方法LoGoNet （Local-to-Global Network）等方法的检测性能，在nuScenes测试集上的平均精度均值（mAP）达到72.4%，nuScenes检测得分（NDS）为73.9%，相较于基线方法BEVFusion_mit分别提高了2.2和1.0个百分点。

基于多维频域特征融合的人物交互检测

樊跃波, 陈明轩, 汤显, 高永彬, 李文超

2026, 46(2):  580-586.  DOI: 10.11772/j.issn.1001-9081.2025020241

摘要 ( )   HTML ( )   PDF (1356KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

人物交互（HOI）检测任务的目标是检测图像中所有人与物体之间的交互关系。目前的研究大多采用编码器-解码器结构进行端到端的训练，依赖绝对位置编码（APE），且在复杂的多对象交互场景中表现欠佳。针对现有方法依赖APE，难以有效捕捉人与物体之间的相对空间关系，以及在复杂多对象交互场景中局部与全局信息整合不足的问题，提出一种结合跨维度交互特征提取与频域特征融合的HOI检测模型。首先，改进传统的Transformer编码器，额外引入一种相对位置编码（RPE），并通过融合RPE与APE，使模型能够对人与物体之间的相对关系进行建模；其次，引入一种新的特征提取模块加强图像信息的整合，即通过跨维度交互捕捉图像中通道、空间和特征维度的交互特征，提升信息表达能力，同时利用离散余弦变换（DCT）提取频域特征，从而捕捉更丰富的局部与全局信息；最后，使用Wise-IoU损失函数提升检测精度与类别区分能力，使模型可以更灵活地处理不同类别的目标。实验在HICO-DET和V-COCO两个公开数据集上进行，结果表明，与GEN-VLKT（Guided Embedding Network Visual-Linguistic Knowledge Transfer）模型相比，所提模型在HICO-DET数据集全部种类上的平均精度均值（mAP）提升了0.95个百分点，在V-COCO数据集场景1上的AP提升了0.9个百分点。

图时空学习模型检测下肢不等长动态变化

韦廷浒, 刘皓琰, 吴建宁

2026, 46(2):  587-595.  DOI: 10.11772/j.issn.1001-9081.2025020225

摘要 ( )   PDF (1252KB) ( )  

参考文献 | 相关文章 | 计量指标

针对现有的检测非临床环境下肢不等长（LLD）动态变化方法不能充分挖掘LLD步态时空特征的问题，提出一种基于图时空学习模型的LLD动态变化检测方法。该方法将检测LLD动态变化视为步态图模式分类问题，并构建空间图卷积和长短时记忆（LSTM）网络相融合的时空步态图分类模型，从而充分利用优异的时空图拓扑学习性能挖掘隐藏于LLD步态模式的显著差异性特征，进而有效提升步态分类模型的泛化性，并准确检测LLD动态变化。使用Azure Kinect采集26名健康受试者模拟不同程度LLD的骨架数据，从而构建LLD步态模式以评价所提方法的有效性。实验结果表明，所提方法可有效挖掘隐藏于LLD步态图模式的显著差异性特征，分类准确率达到99.62%，它的分类泛化性能相较于卷积神经网络（CNN）结合LSTM的模型提升了5.83个百分点，为准确检测户外LLD动态变化提供了一个新的技术解决方案。

基于头部骨骼点检测的实时人脸打码方法

黄萍, 李清, 邱海枫, 王程斯, 黄安子, 张翔

2026, 46(2):  596-603.  DOI: 10.11772/j.issn.1001-9081.2025020246

摘要 ( )   HTML ( )   PDF (1330KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

在电力监控场景中，人员行为的实时监控与分析对保障电力系统的安全稳定运行具有重要意义。然而，监控视频中的人脸信息若未经处理直接暴露将带来严重的隐私泄露风险。传统基于人脸检测的打码方法在复杂的电力环境下存在鲁棒性不足以及计算开销大等问题，难以满足人脸打码的精确性和实时性需求。针对上述问题，提出一种基于头部骨骼点检测的实时人脸打码方法。首先，设计一种基于分层处理策略的头部骨骼点轻量化检测框架，在压缩视频中快速定位人员区域，并在原始分辨率下拼接裁剪区域以批量检测所有人员的头部骨骼点，从而提升检测的效率与精度；其次，提出一种自适应帧间优化策略以利用帧差法快速检测人员数量的变化，并结合人员检测框追踪机制动态调整检测频率，有效减少冗余的计算开销；最后，在边缘节点搭建一套实时人脸打码的原型系统，并通过实验验证性能。实验结果表明，以KAPAO-S模型为例，所提方法相较于原始模型，对监控视频中人脸的打码准确率提高了3.6个百分点，每帧处理时间减少了约2.5 ms，兼顾精确性和实时性。

基于多层次时空交互依赖的车辆轨迹异常检测

韩锋, 卜永丰, 梁浩翔, 黄舒雯, 张朝阳, 孙士杰

2026, 46(2):  604-612.  DOI: 10.11772/j.issn.1001-9081.2025020234

摘要 ( )   HTML ( )   PDF (1904KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对智能交通系统中车辆轨迹异常检测的复杂性和动态性，提出一种基于多层次时空交互依赖的动态图（MSTIDG）的车辆轨迹异常检测方法DSTGRU（Dynamic Spatio-Temporal Gated Recurrent Unit）。DSTGRU通过构建短期和长期时空交互依赖的动态图，有效地捕捉车辆间的复杂交互关系。在这个过程中，引入多层次时空交互特征融合（MSF-BiGRU）模块融合多层次时空特征，以在不同尺度上融合时空信息，从而缓解共享信息提取时的冲突并增强模型的鲁棒性，进而提升对异常轨迹的识别能力。实验结果表明，DSTGRU在TrackRisk和HighD数据集上的异常检测精度显著优于现有方法DiffTAD与ImDiffusion，Pre@100分别达到了0.90和0.89，AUROC分别达到了0.913和0.827。与现有方法对比，DSTGRU在多项评价指标上均排名第一。此外，DSTGRU在复杂场景中表现出较强鲁棒性，并能准确识别异常行为，为智能交通系统中的轨迹异常检测提供了解决方案。

复杂光照条件下的不安全驾驶行为检测

刘权捷, 顾兆一, 王春源

2026, 46(2):  613-619.  DOI: 10.11772/j.issn.1001-9081.2025020170

摘要 ( )   HTML ( )   PDF (2221KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为了在各种复杂光照条件下实时有效检测驾驶人员不系安全带和看手机等不安全行为，设计一种基于深度学习的复杂光照下不安全驾驶行为检测方法。该方法以YOLOv8n模型作为基础，实施一系列针对性的改进措施，以提升检测性能。首先，增加P6尺度，使模型能更全面地捕捉各种光照下不安全驾驶行为的多样性；其次，使用空间可分离自适应卷积（SSAC）模块替换主干网络的传统卷积模块，从而在提高特征提取精度的同时实现轻量化；再次，引入通道先验卷积注意力（CPCA），有效增强网络对重要特征的关注，并提升特征的表达能力；最后，使用选择注意特征融合（SAFF）结构替换原有YOLOv8n颈部网络，进一步提升模型的综合性能。实验结果表明，相较于原模型，改进后的YOLOv8n模型整体的平均精度均值（mAP）提升了2.17%；在正常光照条件下提升了1.76%；在夜间场景下提升了1.75%；在逆光环境下提升了2.42%。同时，改进后的YOLOv8n在与其他模型（如YOLO11n和RT-DETR（Real-Time DEtection TRansformer））的对比中，每秒帧数（FPS）达到118，精度与速度兼顾，展现出较明显的优势。

前沿与综合应用

基于超图的数据不平衡条件下的瓦当年代判别方法

邱星, 玄祖兴, 黄可佳, 张雯, 庄晓

2026, 46(2):  620-629.  DOI: 10.11772/j.issn.1001-9081.2025010030

摘要 ( )   HTML ( )   PDF (2193KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对人工瓦当年代判别方法效率低且主观性强的问题，提出一种基于超图的数据不平衡条件下的瓦当年代判别方法（HETD-DIC），以提供更客观的考古辅助判别工具。首先，设计双权重计算机制，利用超边权重计算模块聚合关联节点特征生成超边权重，再利用超边权重生成节点权重，降低样本分布不均产生的影响；其次，构建超边节点关系矩阵（HNRM），建立节点特征编码-解码通道，增强节点的表征能力；最后，通过大量实验评估不同模型，并选取表现较好的UniGIN （Unified Graph Isomorphism Network）作为基础分类模型。实验结果表明，在自建的瓦当数据集上，当仅使用20%的训练数据时， HETD-DIC的准确率、加权精确率、加权召回率和加权F1-score相较于UniGIN分别提升了4.67、4.55、4.67和5.09个百分点。HETD-DIC能有效解决数据不平衡问题，为考古断代提供可靠的自动化辅助决策依据。

考虑类不平衡和背景多样性问题的青少年脊柱侧弯筛查方法

曹杰, 谢凌锋, 王丙金, 张昌河, 余紫东, 邓超

2026, 46(2):  630-639.  DOI: 10.11772/j.issn.1001-9081.2025020197

摘要 ( )   PDF (1752KB) ( )  

参考文献 | 相关文章 | 计量指标

针对基于背部图像和深度学习的青少年脊柱侧弯筛查方法存在的类间样本数量差异以及环境因素引起的图像背景多样性等问题，设计一种脊柱侧弯筛查方法，包括背部图像数据增强、背部区域提取和脊柱侧弯诊断等步骤。首先，提出一种基于双残差U-Net结构和卷积自注意力机制（CSAM）的改进的扩散生成模型，为少数类背部图像生成高质量的伪样本以平衡类别分布；其次，设计一种多损失约束平衡的背部区域提取模型来从背部图像中识别并提取背部区域，以消除图像背景差异对诊断模型的影响；继次，基于选择性核特征提取和空间金字塔池化（SPP）技术，构建一种分类模型，从而通过背部区域实现脊柱侧弯早筛及严重度诊断；最后，集成上述方法，开发电脑端和移动端软件，以便开展实际背部图像采集和脊柱侧弯筛查业务。实验结果表明，在自制的脊柱侧弯数据集上，所提方法在脊柱侧弯早筛及严重度诊断任务上分别达到了98.64%和73.06%的准确率，与ResNet101相比，分别提升了2.52和6.48个百分点。可见，所提方法能够方便且快速地完成脊柱侧弯诊断，在脊柱侧弯的大规模快速筛查中有一定的应用场景。

基于光学相干断层扫描血管成像的视网膜血管分割与冠心病预测方法

崔克俭, 王志明, 邱兆文

2026, 46(2):  640-651.  DOI: 10.11772/j.issn.1001-9081.2025020220

摘要 ( )   HTML ( )   PDF (5546KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有的视网膜分割模型在三维特征提取时易丢失血管拓扑信息导致分支断裂、二维分割结果结构连续性不足以及血管分析与疾病预测跨模态关联缺失的三大问题，提出协同框架MA_DNet（Multi-scale topology-Aware Disease Network）。该框架由增强分割模型MA_Net+与疾病预测模块组成。MA_Net+是在所提模型MA_Net（Multi-scale topology-Aware Network）的基础上，通过一个中间特征再训练模块细化并连接断裂的血管分支，从而优化拓扑完整性。首先，通过三维模块GMSF（Gated Multi-Scale Fusion）模块提取多尺度空间卷积和融合复杂分支特征，并结合ResMamba模块建模血管的长程拓扑依赖关系以增强三维特征表征，进而抑制分割结果中拓扑断裂的发生；其次，利用二维模块MA_Net+的卷积层进一步优化局部血管结构的连续性；最后，设计级联预测模块，并将形态学参数与临床指标相结合，从而构建影像特征与冠心病（CAD）风险的跨模态关联。实验结果表明，MA_Net+框架在OCTA-500公开数据集的一个数据子集上的Dice系数和Jaccard指数分别达到了93.02%和87.04%，较IPN-V2+（Image Projection Network V2+）模型分别提升了0.28和0.37个百分点；在OCTA-500的另一子集上MA_Net+框架的两个指标分别为89.76%和81.52%，较IPN-V2+模型分别提升了0.35和0.57个百分点；MA_Net+框架的疾病预测模块在某个私有数据集上的AUC（Area Under Curve）达到了86.23%。可见，MA_DNet框架通过三维拓扑建模与多尺度融合机制，能够有效提升血管分割的连续性；同时，该框架还探索了视网膜影像与CAD风险之间的跨模态关联预测，为无创心血管诊断提供了新方案。

基于贝叶斯优化和特征融合混合模型的短期风电功率预测

付锦程, 杨仕友

2026, 46(2):  652-658.  DOI: 10.11772/j.issn.1001-9081.2025030317

摘要 ( )   HTML ( )   PDF (2425KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为了提高短期风电功率预测的准确性，提出一种基于贝叶斯优化和特征融合的xLSTM（extended Long Short-Term Memory）-Transformer模型。该模型综合应用长短期记忆（LSTM）网络的时序处理能力和Transformer的自注意力机制的动态特征融合能力。借助贝叶斯优化方法，模型可在较少的迭代次数条件下优化超参数，显著降低模型对计算资源的依赖。实验结果表明，内蒙古某风电场数据集上，与单一的LSTM模型、Transformer模型、门控循环单元（GRU）模型以及未采用贝叶斯优化和特征融合的xLSTM-Transformer模型相比，当步长（LookBack）为4和8时，所提模型的决定系数R2较基准模型平均提升1.2%~11.3%；平均绝对误差（MAE）平均降低12.8%~38.4%；均方根误差（RMSE）平均降低8.6%~35.8%。结果表明，所提模型在短历史输入条件下具有更高的预测精度与稳定性。

面向机场跑道的探地雷达杂波抑制算法

李海丰, 刘文强, 李南莎, 桂仲成

2026, 46(2):  659-665.  DOI: 10.11772/j.issn.1001-9081.2025020243

摘要 ( )   HTML ( )   PDF (968KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对机场跑道探地雷达（GPR）数据中的复杂背景杂波和层间强反射干扰信号的问题，提出一种基于改进U-Net的深度学习杂波抑制算法。该算法在U-Net的跳跃连接处引入细节增强模块DE-Conv，从而增强网络对多尺度浅层特征中目标信号细节的捕捉能力；同时，采用含杂波-无杂波图像对计算特征-像素双级融合损失函数优化训练过程。具体地，通过共享权重编码器提取的含杂波与无杂波数据的高维特征，计算特征级别损失来指导编码器的训练，并使用解码器输出图像与对应的无杂波仿真图像计算像素级别损失以优化解码器性能。实验结果表明，在合成数据集上，所提算法的峰值信噪比（PSNR）和结构相似度（SSIM）分别达到37.114 7 dB和0.999 8；而在真实机场跑道数据集上，所提算法的平均信杂比（SCR）和改善系数（IF）分别为8.28 dB和5.90 dB，以上4种指标相较于基准模型的数据分别提升了0.952 8 dB、0.000 4、6.58 dB和5.32 dB。与鲁棒非负矩阵分解（RNMF）、鲁棒主成分分析（RPCA）及同样基于深度学习的基于U-Net改进的杂波去除神经网络（CR-Net）相比，所提算法在杂波抑制效果和计算效率上均表现出优势。同时，大量的消融实验结果验证了细节增强模块和特征-像素双级损失函数对杂波去除和目标信号恢复的有效性。

桥式起重机负载摆角自适应跟踪与梯度圆检测方法

花伟祥, 徐为民

2026, 46(2):  666-675.  DOI: 10.11772/j.issn.1001-9081.2025030298

摘要 ( )   HTML ( )   PDF (1779KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对桥式起重机负载摆角检测中的非匀速运动模糊、光照变化及背景干扰问题，提出一种基于单目视觉负载摆角的实时检测方法。该方法以球形标记为特征目标，并构建通道与空间可靠性自适应特征跟踪器（CSRT-AFT）与梯度分层自适应圆检测（GHACD）算法的协同框架。首先，CSRT-AFT通过动态轨迹滤波与特征自适应机制实现鲁棒跟踪：设计自适应多模态轨迹滤波，并基于曲率变化率与加速度突变指数智能切换滤波策略，抑制剧烈运动的轨迹抖动；结合动态定向快速和旋转BRIEF（ORB）特征提取、加权K维（K-D）特征筛选和最小中值平方法（LMedS）进行特征匹配及弹性模板更新，从而增强运动模糊和复杂光照下的特征匹配稳定性；其次，为了实现目标的快速精确定位，在通过图像预处理增强鲁棒性的基础上，GHACD利用梯度场引导候选圆心生成，采用多阶段概率采样及几何约束验证，实现亚像素级的快速圆检测；最后，结合桥式起重机的工作空间建立负载摆角测量模型。实验结果表明，所提方法在不同小车运动速度和复杂条件如光照变化及遮挡下均能稳定检测负载目标的摆角，并大幅提升了检测的精度与实时性。

基于可变触发机制的超导量子测控效率优化

范智强, 王立新, 何昊冉, 马葛羽岩, 岳峰

2026, 46(2):  676-682.  DOI: 10.11772/j.issn.1001-9081.2025081022

摘要 ( )   HTML ( )   PDF (3538KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

超导量子测控（QMC）中，2次测量之间的空隙（或称测量间隙）作为测控流程中的关键环节常被设置为量子比特能量弛豫时间的数倍，远大于实际信号发送和采集的时间，导致产生大量的空闲等待时间。针对这个问题，提出一种基于可变触发的优化方法。首先，对QMC流程进行时间建模，识别出触发周期是限制吞吐率的关键因素；其次，通过实验验证QMC有效性对触发周期变化存在一个“非敏感区间”；并在此基础上，设计一种可根据量子比特实际弛豫时间动态调整触发周期的机制，该机制无需像基于Reset门的方案那样依赖芯片特殊设计，也无需像Restless测量那样要求测控设备具备极高实时性。仿真实验结果表明：在弛豫时间为100~500 μs的典型系统上，与采用固定触发周期（4倍弛豫时间）的传统方法相比，所提方法可将QMC吞吐率提升至原来的2~6倍；当弛豫时间提升至1 000 μs时，预计吞吐率可提升至原来的近10倍，同时能保证QMC有效性不受损。所提方法为提升大规模超导量子系统的测控效率提供了一种无需硬件改动且易于集成部署的软件级解决方案，具有显著的实用价值。