《计算机应用》唯一官方网站

面向知识图谱补全的大模型方法综述

张昊洋, 张丽萍, 闫盛, 李娜, 张学飞

2026, 46(3): 683-695. DOI: 10.11772/j.issn.1001-9081.2025030294

摘要 ( )

HTML ( )

PDF (816KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

知识图谱（KG）可从海量数据中提取并结构化表示先验知识，在智能系统的构建与应用中发挥着关键作用。知识图谱补全（KGC）旨在预测KG中缺失的三元组以提升完整性和可用性，通常涵盖编码环节与预测环节。然而，传统的KGC方法在编码环节存在难以有效利用额外信息与语义信息的问题，而在预测环节存在知识覆盖不完全及封闭世界问题，且先编码后预测的框架会受到嵌入表示形式和计算效率的限制。大语言模型（LLM）凭借丰富的知识和强大的理解力能够解决这些问题。因此，对面向知识图谱补全的大模型方法进行综述。首先，概述KG与LLM的基本概念及研究现状，并阐述KGC的流程；其次，将现有基于LLM的KGC方法从将LLM作为编码器、将LLM作为生成器以及基于提示引导三方面进行总结和梳理；最后，总结模型在不同数据集上的性能表现并探讨基于LLM的KGC研究面临的问题与挑战。

预回答与召回过滤：双阶段RAG问答系统优化方法

黄奕明, 邹喜华, 邓果, 郑狄

2026, 46(3): 696-707. DOI: 10.11772/j.issn.1001-9081.2025030288

摘要 ( )

HTML ( )

PDF (837KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

现有的检索增强生成（RAG）问答系统在特定领域应用时，存在检索路径单一、用户潜在意图覆盖不足和召回文段质量低导致的系统回答准确性低与不全面的问题。因此，提出一种双阶段优化方法——预回答与召回过滤（PARF）。首先，通过结合领域知识图谱与提示工程技术，引导大语言模型（LLM）生成预回答，构建“原始查询→预回答→相关文段”的多向检索路径，从而扩展原始查询的语义空间；其次，利用BERT（Bidirectional Encoder Representations from Transformers）模型对召回文段进行相关性评分与过滤，实现检索与生成阶段的协同优化，提升有效信息的密度。实验结果表明，相较于基线方法DPR-LLM（Dense Passage Retrieval with LLM）构建的RAG问答系统，PARF方法构建的RAG问答系统的一致性指标F1和ROUGE-L（Recall-Oriented Understudy for Gisting Evaluation-L）在轨道交通问答数据集上分别提升19.8和41.5个百分点，在医药问答数据集上分别提升16.1和17.6个百分点，效果指标正确率分别提升10.2和8.8个百分点。

多Agent协作的知识推理框架

王日龙, 李振平, 李晓松, 高强, 何亚, 钟勇, 赵英潇

2026, 46(3): 708-714. DOI: 10.11772/j.issn.1001-9081.2025030349

摘要 ( )

HTML ( )

PDF (612KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

情报分析的核心任务是从海量数据中提取事件关联并推导因果关系。然而，当前基于大语言模型（LLM）的方法在处理长文本时，受限于上下文窗口和计算复杂度，难以有效捕捉事件间的因果关联，导致推理能力显著下降，这一现象在参数规模较小的语言模型中尤为突出。针对这一问题，提出一种多Agent协作的知识推理（MAKR）框架。该框架通过增量式构建实体关系图，显式建模实体间的复杂关联，从而辅助LLM实现更精准的因果推理。双塔结构的设计使图模型与语言模型能够分别独立处理图结构信息和文本信息，并通过融合机制增强模型对长文本中复杂逻辑关系的理解能力。此外，在语言预测任务的基础上，增加针对图中节点关系的预测任务，从而进一步优化语义对齐效果。实验结果表明，在有限的计算资源条件下，在GDELT数据集的安全事件分析和OpenSanctions数据集的制裁关联分析任务中，MAKR框架的事件预测和因果推断的性能均显著优于HetGNN（Heterogeneous Graph Neural Network）和HiGPT等对比方法，验证了该框架在计算资源受限的工业场景中的实用价值。

基于AHP_TOPSIS的子句动态选择方法

刘媛媛, 陈树伟, 宋德培, 杨源骏

2026, 46(3): 715-722. DOI: 10.11772/j.issn.1001-9081.2025030382

摘要 ( )

HTML ( )

PDF (677KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

子句选择是自动定理证明器（ATP）的核心部分，通过优化子句选择方法能够提升ATP的能力和效率。当前，传统基于属性优先级的逐一筛选方法虽然能够实现子句选择，但难以对子句进行全面评估，并且缺乏灵活性。因此，提出基于AHP_TOPSIS的子句动态选择方法。该方法通过层次分析法（AHP）计算子句各个属性的权重，再利用权重结果结合逼近理想解排序法（TOPSIS）对子句进行评估排序，从而为子句选择提供依据。在AHP中，考虑到子句属性的动态变化，引入阶段感知与平滑过渡的方法，使得判断矩阵能够根据推导进程动态调整，将AHP拓展为动态AHP。同时，根据上述子句选择方法实现相应的算法，并将算法应用于一阶逻辑定理证明器CSE（Contradiction Separation Extension）中形成新的证明器CSE_AT。利用该证明器对2021—2024年的TPTP（Thousands of Problems for Theorem Provers）问题库中的一阶逻辑问题进行测试，实验结果表明，CSE_AT比CSE多证明了22个定理，且CSE_AT证明的大部分定理的Rating值集中在［0.6，0.9］。可见，基于AHP_TOPSIS的子句动态选择方法能够优化演绎路径，从而提升证明器的证明能力。

增强模式链接与多生成器协同的SQL生成框架MG-SQL

吴定佳, 崔喆

2026, 46(3): 723-731. DOI: 10.11772/j.issn.1001-9081.2025040454

摘要 ( )

HTML ( )

PDF (642KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对大语言模型（LLM）在复杂多表数据库场景下生成结构化查询语言（SQL）的局限性，提出基于多生成器协同的Text-to-SQL框架——MG-SQL（Multi-Generator SQL）。首先，针对无关模式信息导致的噪声干扰，通过生成初始SQL，并结合语义相似度检索，提出增强模式链接优化方法。其次，为提高候选SQL的质量、增强多样性，基于精简模式构建多策略协同生成框架：1）使用经验生成器检索动态示例；2）使用思维链生成器强化逻辑推理；3）使用查询计划生成器模拟数据库的执行流程；4）使用渐进生成器进行迭代优化。再次，使用投票机制对SQL进行择优。最后，进一步提出反思学习机制，通过对比生成结果与参考SQL形成反思样本，动态构建领域经验库以实现持续学习。在BIRD基准测试中的结果表明，采用轻量级GPT-4o-mini模型时，所提框架的模式链接实现了98.89%的严格召回率（SRR），有效筛除了44.91%无关列；所提框架生成的SQL的执行准确率（EX）达69.69%，有效效率分数（VES）达79.59%，超越基于GPT-4o的主流方法，验证了所提框架在复杂场景下的有效性。

基于图的多视角对比学习小样本关系抽取模型

肖毓航, 李贯峰, 陈昱胤, 秦晶

2026, 46(3): 732-740. DOI: 10.11772/j.issn.1001-9081.2025030371

摘要 ( )

HTML ( )

PDF (661KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

小样本关系抽取（FSRE）任务旨在从有限的标注数据中识别文本中实体间的语义关系。针对现有方法因采用单一视角的对比学习和静态图结构而导致的特征对齐不足与任务适配性差等问题，提出一种融合多视角对比学习与动态图生成机制的FSRE模型SAGM（Synergistic Anchored Graph-based Model）。该模型在预训练阶段，通过多视角对比学习引入句子锚定和标签锚定策略，从而优化实例与关系标签特征的对齐效果；在任务生成阶段，利用图生成模块构建任务特定的图结构，并结合多头注意力引导层动态调整特征重要性，从而提升模型在小样本和跨领域任务中的适应性。在FewRel 1.0、FewRel 2.0以及NYT-25数据集上的实验结果表明，所提模型在多个N-way K-shot设置下取得了较高的准确率，表现出良好的泛化能力和任务适应性，验证了它在小样本和跨领域场景中的有效性。

结合密集多尺度特征融合和特征知识增强Transformer的遥感图像描述模型

刘汉卿, 桑国明, 张益嘉

2026, 46(3): 741-749. DOI: 10.11772/j.issn.1001-9081.2025040414

摘要 ( )

HTML ( )

PDF (791KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对遥感图像描述任务中多尺度特征利用不足、纹理重复区域细节关联度低及多目标特征协同建模困难等问题，提出一种结合密集多尺度特征融合和特征知识增强Transformer的遥感图像描述模型DMFKF-T（Dense Multi-scale Feature and Knowledge Fusion Transformer）。设计密集多尺度特征融合模块（DMFFM），通过跨层级跳跃连接动态聚合不同尺度的特征图，同步捕获全局场景特征与局部细节信息；在解码阶段，引入语义融合增强（SFA）模块增强模型捕捉长距离依赖关系与理解上下文信息的能力，并结合离散余弦变换（DCT）的频率增强通道注意力机制分析频域特征的相关性，从而强化对复杂空间拓扑和非线性关系的建模能力。实验结果表明，在RSICD（Remote Sensing Image Captioning Dataset）上，与SD-RSIC（Summarization-driven Deep Remote Sensing Image Captioning）模型相比，DMFKF-T的BLEU-4（BiLingual Evaluation Understudy with 4-grams）和CIDEr（Consensus-based Image Description Evaluation）指标分别提升了8.6%和14.4%。可见，DMFKF-T可以准确地生成语义丰富的遥感图像描述语句。

基于NetVLAD特征编码的古籍汉字图像检索算法

陈荟慧, 孙洪韬, 关柏良, 衡中青

2026, 46(3): 750-757. DOI: 10.11772/j.issn.1001-9081.2025030320

摘要 ( )

HTML ( )

PDF (1990KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

古籍汉字检索是当前古籍数字化工作的一部分。古籍中通常存在汉字印刷字模不一致和字体种类多的现象，使用视觉特征实现汉字检索是有效的解决方案。因此，提出汉字特征提取编码网络（CFEENet）。首先，使用卷积神经网络（CNN）提取古籍汉字图像的视觉特征；其次，使用可训练的通用向量聚合层NetVLAD聚合并编码视觉特征；最后，使用余弦相似度计算编码相似性以实现古籍汉字检索。此外，使用t-分布随机邻域嵌入（t-SNE）对CFEENet编码降维后进行可视化分析，发现CFEENet编码形成的簇密度高、簇间重叠小且编码分辨率高。在多个古籍数据集上测试CFEENet的实验结果表明，CFEENet在大多数场景下的平均精度均值（mAP）和F1分数优于古籍汉字图像特征提取网络（ACCINet）等对比方法，且在检索质量与效率之间实现了良好平衡，验证了CFEENet在古籍汉字检索任务中的适用性与有效性。

局部与长程时序互补建模的视频动作识别

张祖习, 张战成, 胡伏原

2026, 46(3): 758-766. DOI: 10.11772/j.issn.1001-9081.2025040509

摘要 ( )

HTML ( )

PDF (980KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

由于视频时空特征的多样性与复杂性，以及不同速度和尺度下动作的广泛性，现有方法在动作识别任务中普遍存在对局部运动细节捕获不足和对长程时序依赖关系挖掘不充分的问题。因此，提出局部与长程时序互补建模的视频动作识别网络。该网络包含两级融合运动激励（TFME）和时序聚合通道激励（TACE）模块。TFME模块计算与融合相邻两帧特征图的一阶差分与二阶差分，并使用融合后的权重对原始特征图的通道进行激励，以增强多级运动特征的细粒度提取能力，从而建模局部时序信息；TACE模块通过通道分组策略构建分层残差连接的金字塔结构，以扩大时序感受野并增强多尺度特征的学习能力。同时，设计时序通道注意力（TCA）机制对聚合后的特征图进行动态调整，并优化时序通道间的权重分配，从而建模长程时序信息。最后，将上述优势互补的模块融合嵌入二维残差网络，实现端到端的动作识别。实验结果表明，在Something-SomethingV1和V2验证集上，仅使用RGB视频帧作为输入，使用8帧采样策略时，所提网络的Top-1识别准确率分别达到50.6%和61.9%；使用16帧采样策略时，所提网络的Top-1识别准确率分别达到54.1%和65.6%。可见，所提网络能够高效建模视频的局部运动细节与长程时序依赖关系，为复杂时序场景下的动作识别任务提供了新的思路。

多尺度时空解耦的骨架行为识别对比学习

刘晓霞, 况立群, 王松, 焦世超, 韩慧妍, 熊风光

2026, 46(3): 767-774. DOI: 10.11772/j.issn.1001-9081.2025030310

摘要 ( )

HTML ( )

PDF (1003KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对骨架行为识别中的动态动作建模与多尺度时序融合问题，提出高效多尺度时空解耦对比学习框架（MSTDCLF）。首先，设计多尺度时空特征增强模块（MSTF），结合深度可分离卷积与空洞卷积，从而同步建模短时运动特征与长时周期行为模式；其次，通过嵌入通道-空间联合注意力机制进一步强化关节与特征通道之间的语义响应；再次，使用具有注意力机制的残差网络解决深层网络结构的梯度衰减问题；最后，提出双向门控时空上下文建模（BGSCM），基于双向长短期记忆（BiLSTM）网络构建时空增强分支，通过门控机制在关节拓扑与时序轴中双向传递解耦特征，抑制噪声干扰并建立完整的动作演化依赖。实验结果表明，MSTDCLF在NTU RGB+D 60数据集上的准确率为87.5%（交叉受试者（CS））和93.0%（交叉视角（CV）），在NTU RGB+D 120数据集上的准确率为79.3%（CS）和80.6%（交叉设置（SS）），均优于次优方法SCD-Net（Spatiotemporal Clues Disentanglement Network）。消融实验结果验证了多尺度设计与双向门控机制的有效性，表明MSTDCLF在骨架行为识别中能实现高效的行为表征，有效提高识别精度。

一次性条件下自适应间隙稀有序列模式挖掘方法

李昊, 王磊, 孙乐, 武优西

2026, 46(3): 775-780. DOI: 10.11772/j.issn.1001-9081.2025030305

摘要 ( )

HTML ( )

PDF (542KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

稀有序列模式挖掘旨在发现序列库中不频繁出现的重要模式。然而，现有序列模式方法多采用0或1的判别方式，即判断模式是否在序列中出现，忽略模式在序列中的重复性，即用户的感兴趣程度，导致挖掘结果的偏差。为了解决这一问题，提出一次性条件下自适应间隙稀有序列模式挖掘方法ORP（One-off Rare sequential Pattern mining）。采用一次性条件计算模式在序列中的重复次数，并采用自适应间隙反映序列特征。为了避免传统算法在支持度计算过程中需要对原始数据库进行低效顺序遍历的问题，建立一个倒排索引结构。该结构存储每个事件及其在原始数据库中出现位置的信息，避免了对原始数据库进行冗余遍历的问题，从而提高支持度计算的效率。此外，在候选模式的生成过程中，使用模式连接策略生成候选模式，并在此基础上提出一种剪枝策略进一步减少候选模式的数量，从而提高挖掘速度。在5个真实数据集上的消融实验结果表明，所提方法的运行时间明显更短，从而验证了该方法的优越性。

路网环境下移动对象冲突k近邻查询

张瑞, 于自强, 陶明锦, 白宇杰

2026, 46(3): 781-789. DOI: 10.11772/j.issn.1001-9081.2025040442

摘要 ( )

HTML ( )

PDF (773KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

移动对象k近邻（kNN）查询是基于位置服务（LBS）的重要研究课题之一。不同于单查询点的kNN查询，当多个查询点同时发起查询请求时，可能出现同一个移动对象同时是多个查询点查询结果的情况。这种情况被称为查询结果冲突，查询结果冲突的多个kNN查询被称为冲突kNN查询。在实际应用中，无法将查询结果冲突的同一个移动对象同时分配给多个查询，而是需要为每个查询分别查找不同于其他查询结果的k个移动对象。因此，提出一种路网环境下的全局最优化的移动对象冲突kNN查询算法RBCS-KNN（Road-Based Conflict Sensitive K Nearest Neighbor query algorithm）。首先，在路网划分子图的基础上构建双层索引结构；其次，利用子图拓展和剪枝策略快速筛选出可能发生冲突的候选冲突查询点；再次，计算候选冲突查询点的kNN并拓展足量的候选对象，同时将所有冲突查询点动态分组；最后，利用改进的分配策略计算最优的分配方案，使所有查询点到它分配的k个移动对象的距离之和最小。在多个真实数据集上的实验结果表明，与GLAD（Grid based LAbelling with scheDuling）算法相比，RBCS-KNN的查询总距离减少了10%，验证了所提算法的正确性和良好的性能。

基于多尺度的多变量时间序列异常检测模型

尹春勇, 张不凡

2026, 46(3): 790-797. DOI: 10.11772/j.issn.1001-9081.2025030302

摘要 ( )

HTML ( )

PDF (693KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

多变量时间序列数据常表现出多尺度特征和复杂的相互依赖性，给异常检测带来了挑战。为了解决这一问题，提出一种基于多尺度的多变量时间序列异常检测模型M3AD（Multi-scale Mamba Multi-layer perceptron Anomaly Detection）。首先，采用多尺度特征提取方法，即通过在不同时间尺度上分割时间序列，捕捉短期和长期模式；其次，利用多层感知机（MLP）和卷积层进行特征学习，提取局部和高级特征表示；再次，引入选择性状态空间模型（SSM） Mamba，通过它高效的处理能力捕捉长序列中的关键信息；最后，通过基于KL （Kullback-Leibler）散度的损失函数和异常分数计算，实现对异常的敏感检测。为了验证模型的有效性，将M3AD与Anomaly Transformer和MEMTO等7种模型在4个公共数据集上对比。实验结果表明，M3AD在精确率、召回率和F1分数等关键指标上相较于对比方法展现出显著优势和领先性能，验证了M3AD在多变量时间序列异常检测任务中的有效性和优越性。

联邦学习在隐私安全领域面临的威胁综述

郗恩康, 范菁, 金亚东, 董华, 俞浩, 孙伊航

2026, 46(3): 798-808. DOI: 10.11772/j.issn.1001-9081.2025030357

摘要 ( )

HTML ( )

PDF (921KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

作为一种新型的分布式机器学习，联邦学习在解决数据孤岛和隐私保护问题上具有一定潜力，然而它面临着潜在的隐私威胁和安全威胁。因此，系统性综述联邦学习在隐私与安全领域的前沿研究成果，详细阐述联邦学习的基本概念和工作流程，并对联邦学习中的隐私和安全问题在现有前沿的研究成果上进行分类。首先，分析联邦学习中的隐私威胁，归纳相应的隐私保护方法；其次，总结联邦学习中的安全威胁问题，并介绍相应的安全攻击的防御方法；最后，讨论联邦学习中未来需要解决的挑战，并针对ChatGPT和DeepSeek等大语言模型（LLM）在联邦学习中的应用，进一步探讨LLM带来的计算效率瓶颈与隐私泄露挑战。

车联网位置隐私保护的全景与未来

何丽丽, 管新如, 张磊, 蒋胜, 蒋澄杰

2026, 46(3): 809-820. DOI: 10.11772/j.issn.1001-9081.2025030352

摘要 ( )

HTML ( )

PDF (943KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

随着无线通信技术和高精度移动定位技术的发展，车联网（IoV）已深度融入人们的日常生活中。IoV在为人们带来便利的同时，也带来了隐私风险。通常，在IoV中，车辆行驶信息与其他车辆信息和基础设施信息进行实时交互。而在交互过程中，可能会产生敏感信息泄露等隐私问题。首先，对IoV的位置隐私架构和隐私风险进行介绍；其次，介绍差分隐私的动态分配噪声机制、多维度差分隐私轨迹保护及数据扰动技术；再次，对基于匿名化的空间泛化和K匿名以及加密机制的非对称加密、对称加密和同态加密进行介绍；最后，从差分隐私、匿名及加密机制的优缺点和局限性等方面加以分析与评价。

基于直接引导扩散模型的对抗净化方法

胡岩, 李鹏, 成姝燕

2026, 46(3): 821-829. DOI: 10.11772/j.issn.1001-9081.2025030384

摘要 ( )

HTML ( )

PDF (948KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

深度神经网络（DNN）容易受到对抗扰动的影响，因此攻击者会通过向图像中添加难以察觉的对抗扰动以欺骗DNN。虽然基于扩散模型的对抗净化方法可以使用扩散模型生成干净样本以防御此类攻击，但扩散模型本身也会受到对抗扰动的影响。因此，提出对抗净化方法StraightDiffusion，使用对抗样本直接引导扩散模型的净化过程。首先，探讨现有方法在使用扩散模型进行对抗净化时存在的关键问题与局限性；其次，提出一种新的采样方式在去噪过程中使用两阶段引导方式——头引导和尾引导，即在去噪过程的初期和末期进行引导，其他阶段不使用引导。在CIFAR-10和ImageNet数据集使用3个分类器WideResNet-70-16、WideResNet-28-10和ResNet-50的实验结果表明，StraightDiffusion具有超过基线方法的防御性能，在CIFAR-10和ImageNet数据集上相较于去噪模型用于对抗净化（DiffPure方法）和净化引导扩散模型（GDMP）等方法取得了最好的标准准确率和鲁棒准确率。以上验证了所提方法能够提升净化效果，从而提高分类模型面对对抗样本的鲁棒准确率，实现了多攻击场景下的有效防御。

基于多层联邦学习的终端数据隐私保护方案

平欢, 夏战国, 刘思诚, 刘奇翰, 李春磊

2026, 46(3): 830-838. DOI: 10.11772/j.issn.1001-9081.2025040437

摘要 ( )

HTML ( )

PDF (2453KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

作为一种保护数据隐私的分布式机器学习框架，联邦学习面临着传统云-边-端三层结构难以满足日益严格的数据安全法规和指数级增长数据的挑战，同时边缘设备轻量化趋势导致计算能力受限。为解决上述问题，提出一种面向多级监管和异构资源环境的可选多层联邦学习（OHFL）方案。首先，采用树形多层结构实现边缘层数与每层服务器数量的灵活配置，从而适配不同应用场景下的监管层级和资源分布；其次，在保证通信效率的基础上，引入差分隐私机制，同时对部分神经网络层采用同态加密，并将加密任务下沉至最邻近的边缘服务器以分散计算压力。实验结果表明，OHFL方案在MNIST独立同分布（IID）数据集上达到了97.82%的分类准确率，且新增加密机制分别使用卷积神经网络（CNN）和ResNet18带来的时间损失仅为每轮6.24 s和6.80 s，说明OHFL方案显著提升了系统的计算与通信效率。可见，所提方案不仅在理论上提升了多层级联邦学习架构下的安全性与适应性，而且为实际应用中满足多级监管和高效安全计算需求提供了可行路径，特别适用于数据敏感且资源异构的物联网（IoT）与医疗等场景。

基于差分的多级量化共享密钥提取方案

李琼, 陈纯毅, 张振忠, 于波, 于海洋, 胡小娟

2026, 46(3): 839-846. DOI: 10.11772/j.issn.1001-9081.2025030297

摘要 ( )

HTML ( )

PDF (823KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

合法通信双方可以利用无线信道状态的随机特性提取符合信息论安全的共享密钥序列。为了提高无线信道提取密钥的效率，提出一种基于差分的多级量化共享密钥提取方案。该方案采用随机调制对无线信道进行高频采样，并引入融合随机抽样差分的自适应符号量化（ASQ）和均衡化多比特修正量化（BMMQ）这2个算法处理一阶差分序列，以获得原始密钥序列。在此基础上，应用信息协商算法纠正原始密钥中不一致的比特，并使用原始密钥及一阶差分序列重构信号，再对该信号进行二次量化，最终实现合法通信双方的密钥同步。实验结果表明，随机抽样差分能够将相邻样本点之间的相关系数降低至e?1以下，有效降低密钥序列中的统计依赖性；在信噪比（SNR）为25 dB的条件下，ASQ算法可在保持原始密钥提取率（OKER）为0.86的同时，将密钥不一致率（KDR）降低至3.8×10??；在无损量化的条件下，BMMQ算法可以把KDR降低至7×10?3。最终生成的共享密钥序列通过了NIST（National Institute of Standards and Technology）随机性测试，验证了密钥的安全性和有效性。

基于多域策略图的跨域网络防御策略冲突检测方法

刘馨璐, 常德显, 张靖坤, 张大伟

2026, 46(3): 847-856. DOI: 10.11772/j.issn.1001-9081.2025091182

摘要 ( )

HTML ( )

PDF (765KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对可编程网络跨域防御策略冲突检测中存在域间协同能力不足、资源标识异构和检测效率低等问题，提出一种基于多域策略图的跨域网络防御策略冲突检测方法。首先，基于通用JSON语言构建意图驱动的防御策略模型，并通过语义标签注入实现防御意图与防御策略的精准关联，解决单域策略模型的封闭性问题；其次，利用分层哈希映射（LHM）算法生成全局资源标识（GRI），解决多控制器域的资源标识冲突问题；最后，构建多域联合策略图（MD-JPG），并整合跨域策略间的拓扑、动作与资源依赖关系，设计基于图遍历的四维冲突跨域检测算法（CDC-4D）精准识别动作冲突、规则覆盖冲突、资源竞争冲突及策略类型冲突。实验结果表明，在多控制器网络防御场景中，所提方法的策略冲突检测时延、内存占用、检测F1分数都取得了较好的结果。

基于混合序列模型与联邦类平衡算法的网络入侵检测

马凯光, 陈学斌, 菅银龙, 王柳, 高远

2026, 46(3): 857-866. DOI: 10.11772/j.issn.1001-9081.2025030296

摘要 ( )

HTML ( )

PDF (739KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

网络入侵检测系统（NIDS）在网络安全防御中发挥着关键作用。传统基于规则匹配的方法难以有效检测未知攻击，深度学习虽提高了检测性能，但受限于集中式训练造成的数据隐私问题。在此背景下，联邦学习通过本地训练与参数共享，在保护数据隐私的同时实现协同学习，为网络入侵检测提供了一种可行的解决方案。然而，联邦学习在NIDS应用中仍面临挑战，包括网络流量的时序依赖性和数据分布的不均衡，这导致联邦模型对少数类攻击的检测能力不足。因此，提出一种结合双向循环神经网络（RNN）并行结构与联邦类别平衡（FedCB）算法的混合框架，以增强时序建模能力并优化联邦聚合策略。实验结果表明，该算法在NSL-KDD数据集上的五分类任务中取得了更优的检测性能，相较于结合联邦学习与卷积神经网络的入侵检测模型CNN-FL和FL-SEResNet（Federation Learning Squeeze-and-Excitation network ResNet），准确率分别提升了3.30和1.48个百分点，说明该方法在联邦学习入侵检测任务中的有效性。

面向数据依赖型密码服务的低时延调度

宫明旭, 张伟, 冯温迪, 沐华平

2026, 46(3): 867-876. DOI: 10.11772/j.issn.1001-9081.2025040391

摘要 ( )

HTML ( )

PDF (934KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对密码云中密码服务的种类多样性和密码任务之间的复杂依赖关系易导致异构密码引擎间频繁通信从而产生较大通信时延的问题，构建面向密码云数据依赖类型密码服务的最优低时延任务映射数学模型，该模型以最小化服务的最大完成时间为目标。该问题已被证明属于非确定性多项式难（NP-hard）问题。因此，设计一种高效的启发式调度算法。首先，基于历史调度数据分析建立任务长度阈值机制，从而实现初始任务分配优化；其次，使用关键任务识别方法定位潜在时延瓶颈任务，并动态调整关键任务的调度顺序以降低对整体完成时间的影响；最后，采用任务传输-执行时间平衡策略进一步优化任务在异构引擎间的分布以降低任务的整体时延。实验结果表明，在小规模数据集上，该算法的密码服务完成时间与最优解的平均差距仅为8.67%，调度求解速度提升8.62倍；而在大规模数据集上的密码服务完成时间相较于随机和长任务优先方法分别缩短了84.67%和82.15%。

考虑煎熬心理成本的应急医疗物资调度的多目标离散徒步优化算法

刘勇, 黄思文, 马良, 武嘉伟

2026, 46(3): 877-886. DOI: 10.11772/j.issn.1001-9081.2025040418

摘要 ( )

HTML ( )

PDF (772KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对突发公共卫生事件中的应急医疗物资调度问题，在最小化运输时间和车辆数的基础上，引入灾民创伤下煎熬心理成本作为优化目标，用于衡量灾民因物资未及时送达所承受的心理压力差异，并提出最小化创伤下煎熬心理成本、运输时间和车辆数的多目标应急医疗物资调度模型。针对该模型的NP难（NP-hard）特征，设计一种多目标离散徒步优化算法（MDHOA）。将应急医疗物资调度方案编码为无分隔符的整数序列，再利用Split分割方法解码，设计改进最近邻启发式方法优化初始解，并引入徒步群体驱动的多目标优化机制增强搜索能力。实验结果表明，在Solomon标准测试集上，所提算法在超体积（HV）、总非支配向量数（ONVG）与反世代距离（IGD）这3项指标上总体优于二代非支配排序遗传算法（NSGA-Ⅱ）、改进的二代非支配排序遗传算法（INSGA-Ⅱ）与改进的多目标蜜獾算法（IMOHBA）等对比算法，具有较强的解集覆盖能力与稳定性；在北京市海淀区的实际案例中，所提模型表现出较强的适应性与可行性。灵敏度分析结果表明，灾民心理成本系数与车辆容量对调度策略具有显著影响。

面向隐私敏感物联网数据的联邦学习双向通信压缩

王磊, 周文轩, 贾柠晖, 屈志昊

2026, 46(3): 887-898. DOI: 10.11772/j.issn.1001-9081.2025040436

摘要 ( )

HTML ( )

PDF (1136KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对隐私敏感物联网（IoT）场景中联邦学习面临巨大通信开销和梯度反演隐私泄露风险问题，提出一种名为QPR（Quantization and Pull Reduction）的两阶段联邦学习通信压缩框架。首先，将训练节点通过梯度量化技术压缩本地梯度后上传至服务器，以降低梯度传输的开销；其次，引入基于概率阈值的延迟模型下载机制（lazy pulling）以降低模型的同步频率，训练节点以预设概率同步全局模型，而其余迭代中复用本地历史模型；最后，通过严格的理论分析确保QPR在收敛速度上达到与标准无通信压缩联邦学习——联邦平均（FedAvg）算法相同的渐进阶次，且具备随训练节点数增多而线性加速的特性，从而保证系统的可延展性。实验结果表明，QPR在多个基准数据集和机器学习模型上均能显著提升通信效率。以ResNet18模型在CIFAR-10数据集上的训练任务为例，QPR在不损失模型精度的前提下，与无压缩的FedAvg算法相比，最高实现了8.27的通信加速比。

基于反向射线追踪法的航向信标辐射性能分析

林欢, 康远鹏, 梁飞, 杨正波, 施瑞, 景小荣

2026, 46(3): 899-906. DOI: 10.11772/j.issn.1001-9081.2025030380

摘要 ( )

HTML ( )

PDF (903KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

仪表着陆系统（ILS）是保障飞行安全的关键导航设备，它的信号质量直接影响飞机的着陆精度与安全性。然而，机场周边日益复杂的电磁环境导致多径效应加剧，严重影响了ILS信号的可靠性与精度。因此，以航向信标（LOC）为研究对象，提出一种基于反向射线追踪法的信号传播路径分析方法。该方法通过建立机场环境的电磁传播模型，结合射线追踪与路径有效性判定规则，系统研究多径环境下ILS信号的传播特性；重点分析障碍物引起的信号反射与绕射效应对机载LOC接收信号调制度差（DDM）的影响。仿真实验结果表明：障碍物靠近跑道中线附近时，DDM会出现显著波动，最大抖动约为国际民用航空组织（ICAO）规定值的283.4%；而适当调整障碍物位置后，障碍物间存在遮挡以及障碍物与跑道中线距离增大，导致多径干扰衰减，DDM的波动幅度明显减小且满足ICAO规定的限制要求，最大抖动约为规定值的99.0%。以上验证了该方法可有效评估复杂机场环境中多径传播对ILS性能的影响。

基于动态占用网格的快速隐式神经表面重建

薛苏玲, 何金旭, 魏文洁, 何荧荧, 娄路

2026, 46(3): 907-914. DOI: 10.11772/j.issn.1001-9081.2025030333

摘要 ( )

HTML ( )

PDF (1165KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对隐式神经表面（NeuS）重建中密集采样及体积渲染导致的效率与精度失衡问题，提出一种快速高效的重建方法。首先，采用动态占用网格结合密度阈值的方法来优化筛选有效采样点，从而降低冗余计算和内存占用；其次，融合多分辨率哈希编码和截断符号距离场（TSDF），以通过截断距离约束和哈希特征插值来增强梯度稳定性与抗噪能力；最后，引入光度一致性约束来利用归一化交叉相关（NCC）优化跨视角几何一致性，从而提高表面重建的质量。实验结果表明：在仿真数据集Nerf-Synthetic上，所提方法的训练时间相较于神经辐射场（NeRF）缩短了98.8%；虽比采用CUDA （Compute Unified Device Architecture）加速的Instant-NGP （Instant Neural Graphics Primitives）长，但表面重建质量得到明显提升。在真实数据集DTU上，该方法的表面重建误差倒角距离（CD）和新视角合成指标峰值信噪比（PSNR）优于大多数现有方法，较Instant-NGP分别降低了1.21 mm和提高2.93 dB；虽略逊于Neuralangelo （CD提升0.02 mm、PSNR降低2.05 dB），但是训练耗时相较于Neuralangelo缩短了97.5%。可见，该方法能够有效提升训练效率且保证重建精度，实用性好，适用于复杂结构场景的高效三维重建。

以人为中心的细节增强虚拟试衣方法

邵培荣, 蔺素珍, 王彦博

2026, 46(3): 915-923. DOI: 10.11772/j.issn.1001-9081.2025040475

摘要 ( )

HTML ( )

PDF (1199KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对当前虚拟试衣方法无法充分保留目标服装的局部细节的问题，以及使用扩散模型生成试衣结果时，变分自编码器（VAE）会将输入数据映射到低维空间，从而导致模特手部和脸部高频细节特征丢失的问题，提出一种以人为中心的细节增强虚拟试衣方法。首先，将服装不可知的人体图、人体姿态图和目标服装输入几何匹配模块（GMM）以得到粗扭曲服装结果；其次，构建服装扭曲细化（GWR）模块增强粗扭曲服装的细节特征；再次，将服装扭曲图、服装不可知的人体图以及人体姿态图等拼接后和文本特征作为UNet的输入，融合文本特征与图像特征通过去噪逐步生成清晰的图像；继次，构建掩码特征连接（MFC）模块，引入坐标注意力机制，更准确地定位模特的位置信息，保留模特手部和脸部的高频细节特征，实现以人为中心的结果；最后，将MFC模块的输出与UNet的输出进行融合解码，得到最终的试衣结果。实验结果表明，与LADI-VTON（LAtent DIffusion-Virtual Try-ON）方法相比，所提方法在Dress Code数据集上的结构相似度指数（SSIM）指标提升了1.41%，在感知相似度（LPIPS）、FID（Fréchet Inception Distance）和KID（Kernel Inception Distance）指标上分别降低了7.32%、31.03%和64.56%，验证了所提方法的虚拟试衣效果更优。

基于频谱分解的高频保持医学图像弹性配准模型

姜勇维, 陈晓清, 付麟杰

2026, 46(3): 924-932. DOI: 10.11772/j.issn.1001-9081.2025030322

摘要 ( )

HTML ( )

PDF (4771KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

弹性配准是医学图像处理中的关键任务之一，它的效果会直接影响到后续的分割、分类和预测等任务的准确性；然而，由于神经网络的高频不敏感特性，现有的方法难以捕捉图像的高频信息，这影响了配准场的拟合精度。为了解决这个问题，提出一种基于频谱分解的高频保持医学图像配准模型——DFRes （Decomposition in Frequency domain model for Registration）。该模型引入频谱分解策略，并采用双支结构处理原始图像中的高频信息和低频信息；同时，设计具有高频保持特性的可逆神经网络（INN）结构和具有高频低频融合能力的桥式特征融合模块，并通过交替的空间-频谱信息提取模块进一步加强模型对频域和空域信息的提取和融合能力。在IXI、OSSAI和华西直肠癌数据集上，DFRes与现有的先进模型对比的实验结果表明，DFRes在多个指标上取得了显著的提升。在IXI数据集上，相较于TransMorph模型，Dice相似系数（DSC）提高了2.5个百分点，平均表面距离（ASD）降低了0.012，而结构化相似性（SSIM）提高了1.6个百分点。同时，通过消融实验验证了模块设计的有效性。

基于组件协同优化剪枝的Transformer图像去雾

郭纪新, 张婷

2026, 46(3): 933-939. DOI: 10.11772/j.issn.1001-9081.2025040395

摘要 ( )

HTML ( )

PDF (1399KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

基于Transformer的图像去雾算法取得了较好去雾效果，但存在网络参数量大和去雾速度慢的问题。为实现对去雾网络冗余部分的定向修剪，在不影响去雾质量的前提下缩短去雾时间，提出一种基于组件协同优化剪枝的Transformer图像去雾方法CCOP-IDT（Component Collaborative Optimization Pruning Image Dehazing Transformer）。首先，采用5级Transformer构建去雾网络预训练模型；其次，将网络剪枝建模为优化问题，使用费雪信息评估权重参数重要度，并利用黑塞矩阵衡量剪枝组件对网络输出的联合影响，从而建立多种剪枝组件的协同优化方法；最后，采用进化算法求解最优剪枝率序列，从而得到预训练模型的最优子网络。实验结果表明，剪枝后的网络参数量控制在0.476×10⁶，相较于剪枝前减少了28.8%，去雾时间缩短了25.0%；在合成有雾数据集RESIDE-6K上，所提方法的峰值信噪比（PSNR）达到29.60 dB，结构相似度（SSIM）达到0.968 7，与剪枝前相比仅分别降低了1.63%和0.46%。可见，在定量和定性评估上，所提方法都表现良好，能够在基本保持量化指标和主观观感的前提下，大幅减少模型参数量，提高图像去雾速度。

基于多层预处理的城市固废焚烧状态识别方法

张健, 于剑波, 汤健

2026, 46(3): 940-949. DOI: 10.11772/j.issn.1001-9081.2025030368

摘要 ( )

HTML ( )

PDF (1682KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

由于国内城市固废焚烧（MSWI）过程的火焰图像具有强污染、高噪声和曝光度过高等问题，传统目标识别方法难以适用。因此，提出一种MSWI焚烧图像分类框架——基于多层预处理的SAswin网络（SAswin-MPNet）。首先，设计基于Transformer的混合注意力超分辨率重建（HASRT）模块对图像进行超分辨率的重建处理；其次，引入实用曝光校正（PEC）模块对高分辨率MSWI图像进行曝光度校正，从而获得多层预处理数据；此外，设计检验算法将预处理后的图像与原图像进行对照检验，将达到检验阈值的图像替换原图像，从而获得多层预处理数据集；最后，构建SAswin分类网络以识别燃烧状态。基于某MSWI电厂实际运行数据与ResNet-34、ResNet-50、ConvNeXt、ViT（Vision Transformer）、Swin-T（Swin-Tiny）和EVA-02（Enhanced Visual Assistant-02）进行对比的实验结果表明，SAswin-MPNet的MSWI图像燃烧状态识别的准确率与F1分数取得了最优结果。

基于YOLOv10的实时车辆检测算法

于银山, 唐旭, 丁明鉴, 黄文凯, 毕嘉文, 谭国辰

2026, 46(3): 950-958. DOI: 10.11772/j.issn.1001-9081.2025040487

摘要 ( )

HTML ( )

PDF (1273KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

随着自动驾驶技术的发展，实时车辆检测在确保系统安全性和可靠性方面至关重要。因此，设计一种基于YOLOv10的轻量化检测模型——YOLOv10-LITE。所提模型通过引入4个结构改进模块，在保持检测精度的同时，有效降低模型的复杂度和推理延迟，适用于资源受限环境下的实时检测任务。具体而言，使用动态上采样（DySample）模块在降低计算开销的同时提升特征图的分辨率；使用快速多尺度网络（FastMSNet）模块增强多尺度特征提取能力，提高对不同尺寸目标的检测效果；使用空间金字塔池化-局部选择性大核注意力（SPPF_LSKA）模块结合局部特征选择与全局上下文建模，从而有效捕获长程依赖；使用自适应细粒度通道注意力（AGFCA）模块通过通道与空间注意力的协同作用，提升关键特征信息的感知能力。在KITTI数据集上的实验结果表明，YOLOv10-LITE的平均精度均值（mAP）达到了77.1%，相较于YOLOv10提升了2.4个百分点；同时，参数量减少了8.7%。以上结果验证了所提模型在计算受限且需满足实时性的自动驾驶场景中的实用性。

基于改进FENet的瓷砖色差量化分级方法

余松森, 何皇, 薛国鹏, 崔恒拓

2026, 46(3): 959-968. DOI: 10.11772/j.issn.1001-9081.2025030361

摘要 ( )

HTML ( )

PDF (2616KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对瓷砖色差检测中传统方法依赖主观目测导致的结果不稳定问题，提出一种融合纹理与颜色特征的瓷砖色差量化与分级方法。构建包含纹理与颜色双标签的大规模瓷砖数据集TILE-TCR（TILE Texture and Color Recognition），以提升模型对纹理与颜色特征的表征能力；同时，构建色差分级数据集TILE-CAG（TILE Chromatic Aberration Grade），用于支持色差分类任务。在此基础上，改进分形编码网络（FENet）的网络结构，即引入空间金字塔池化（SPP）与SE（Squeeze-and-Excitation）模块，从而实现多任务特征提取与关键区域聚焦。然后，通过聚类算法自适应确定色差分级阈值，从而实现色差分级的客观量化。实验结果表明，所提改进方法在瓷砖纹理分类任务中的准确率达到92.82%，较FENet提升了1.84个百分点；在色差分级任务中所提方法的准确率、精确率、召回率和F1分数均超过90%。此外，还搭建了模拟生产流水线，以完成模型的工业部署与实时性测试。而所提方法在常见规格瓷砖上的平均检测时间低于3 s，满足工业传送带在线检测的实时性要求。

轻量化输电线路缺陷检测方法

黄萍, 李清, 邱海枫, 王程斯, 黄安子, 樊龙

2026, 46(3): 969-979. DOI: 10.11772/j.issn.1001-9081.2025030340

摘要 ( )

HTML ( )

PDF (1670KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

作为电力系统的核心输配电载体，高压输电线路的运行状态直接关系到电网安全。针对传统人工巡检效率低和漏检率高的问题，提出一种基于两阶段多模态注意力机制与动态特征解耦的轻量化输电线路缺陷检测方法。在第一阶段，基于改进型轻量检测网络Light-YOLO实现关键组件的精准定位；在第二阶段，构建基于双分支对比学习的缺陷检测网络Dual-DifferNet实现缺陷的精确分类与识别。在Light-YOLO的设计中，引入分层可分离视觉Transformer（SepViT）与深度可变形卷积网络（DCN）的混合结构，并通过交替堆叠局部感知卷积层与全局注意力Transformer块，在降低计算量的同时，增强模型对长程依赖关系的建模能力，从而有效提升绝缘子和导线接头等小目标的检测精度。针对缺陷分类任务，Dual-DifferNet采用双分支结构在每个分支中嵌入空间-通道双重注意力（SCDA）模块，利用交叉注意力机制促进双模态特征交互，从而提高缺陷识别的鲁棒性与泛化能力。实验结果表明，所提方法的平均精度均值（mAP@50）达到了96.9%，较基准模型YOLOv8提升16.1个百分点，同时浮点运算量降低了56.73%，充分验证了该方法在保证高精度检测的同时，具备优异的计算效率与部署潜力。

深度学习应用于强对流天气预测的综述

陈敏, 秦小林, 李绍涵, 杨昊, 李韬弘

2026, 46(3): 980-992. DOI: 10.11772/j.issn.1001-9081.2025020184

摘要 ( )

PDF (1746KB) ( )

参考文献 | 相关文章 | 计量指标

深度学习技术的突破性进展为“AI+气象”交叉学科的研究开辟了新的范式，而强对流天气预测因为它的复杂动力学特征和重大社会经济影响成为前沿研究热点。因此，本文系统梳理深度神经网络（DNN）在强对流天气预测领域的理论进展和方法创新，并深入探讨它们的具体应用。首先，基于时空序列预测范式剖析循环神经网络（RNN）与非RNN在气象时序建模中的高频特征捕获机理；其次，从生成式建模的视角，论证生成对抗网络（GAN）和扩散模型在极端天气事件概率预测中的建模优势；再次，揭示气象大模型通过预训练-微调范式实现多模态数据融合与跨尺度特征学习的理论突破，并阐释它们在全球数值天气预报中的泛化能力提升机制；继次，针对模型评估体系，分析传统统计指标在极端天气预测中的局限性，并探讨物理一致性约束等新型评估框架的构建路径；最后，凝练出当前面临的关键科学挑战及未来研究方向，旨在为构建新一代强对流天气预测智能系统提供理论支撑与方法论参考。

基于大语言模型的本科教学评估智能系统

沈斌, 陈晓宁, 程华, 房一泉, 王慧锋

2026, 46(3): 993-1003. DOI: 10.11772/j.issn.1001-9081.2025030334

摘要 ( )

HTML ( )

PDF (1094KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

本科教学审核评估作为高等教育质量保障的重要手段，它的科学合理实施直接影响高校人才培养水平。然而，传统的人工审阅模式在面对海量异构数据时效率低下且主观性强，难以满足本科教学评估对精准性和标准化的需求。因此，提出一种基于大语言模型（LLM）和多智能体架构的本科教学评估系统——智评宝（SmartEval）。该系统通过语义理解模块解析输入内容，并利用计划器进行任务分解与调度，同时结合检索增强生成（RAG）模块及问答、摘要与诊断三类智能体实现对“数据采集-指标分析-决策支持”全流程的自动化处理。在2023年度部分高校本科教学评估的“1+3+3”系列报告基础上的实验结果表明，与GLM-4和Qwen2.5等主流LLM相比，SmartEval在问答准确率、摘要ROUGE-L（Recall-Oriented Understudy for Gisting Evaluation L）值以及诊断F1值等指标上均表现出显著优势。进一步地，通过与专家组的一致性检验比对，验证了SmartEval结果的可靠性。

基于多尺度复杂网络的无人机集群队形识别算法

邓廷权, 李予凌, 任泳行, 夏天, 王坤福, 王盛春

2026, 46(3): 1004-1010. DOI: 10.11772/j.issn.1001-9081.2025030362

摘要 ( )

HTML ( )

PDF (766KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

在面对来袭无人机（UAV）时，快速准确地检测识别出敌方UAV的编队队形对于分析判断敌方的作战意图和制定有效的反制措施至关重要。因此，提出基于多尺度复杂网络的UAV集群队形识别算法。首先，建立自适应阈值方法将UAV集群队形构建为多尺度复杂网络，选择这些复杂网络对应的邻接矩阵的特征值组合，形成形状签名；其次，引入Hellinger距离度量待识别队形与标准队形的形状签名间的差异性，从而得到识别结果。仿真结果表明，与通过硬阈值得到多尺度复杂网络的算法相比，所提算法具有较好的适应性和鲁棒性，即使在目标信息受污染较严重时也具有较高的识别率，且具有较少的参数和较低的时间复杂度。

基于梯度提升回归树的飞行操作绩效评估方法

魏麟, 李海敏, 叶娅兰, 邢宇飞, 陈鹏

2026, 46(3): 1011-1022. DOI: 10.11772/j.issn.1001-9081.2025081052

摘要 ( )

HTML ( )

PDF (824KB) ( )

数据和表 | 参考文献 | 相关文章 | 计量指标

针对传统飞行操作绩效评估方法主观性强、参数分析片面和难以全面客观量化等问题，提出一种基于多维度特征解析的梯度提升回归树（MFA-GBRT）方法。该方法通过提取快速存取记录器（QAR）数据的时域和趋势特征，结合改进梯度提升回归树（GBRT）与阈值累积重要性筛选机制，构建覆盖“姿态控制-动力管理-环境响应”的评估指标体系与绩效等级评估模型。模拟机和飞行基地数据上的实验结果表明，该方法评估平均准确率达87.83%，较现有算法LSTM-DNN（Long Short-Term Memory-Deep Neural Network）、曲线相似度和小波分析分别提升了10.78%、6.06%和3.55%；而跨场景验证显示，该方法在三类不同飞行场景中的适配度均达95%以上（高适配）。可见，该方法实现了飞行过程的全流程客观量化评估，为飞行操作绩效评估提供了具备工程实用性的科学方案。

当期目录