当期目录

2026年 第46卷 第4期 刊出日期：2026-04-10 目录下载

上一期  

人工智能

联邦学习中改进Kolmogorov-Arnold网络的混合优化框架

姜志, 陈学斌, 罗长银, 甄子业

2026, 46(4):  1023-1033.  DOI: 10.11772/j.issn.1001-9081.2025050536

摘要 ( )   HTML ( )   PDF (1022KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对联邦学习中数据异质、梯度易陷入局部最优及计算?通信开销偏高等问题，面向Kolmogorov-Arnold网络（KAN）提出一种“关键边筛选?早停遗传进化?局部微调”的混合训练框架——KB-GA-KAN。首先依据核函数幅度和激活敏感度在客户端动态选取关键边，并仅对这些边的核系数进行遗传进化，全局搜索优良初始解；然后引入早停判据，结合进化与本地随机梯度下降（SGD）实现协同优化。在5个非独立同分布（Non-IID）数据集上的实验结果表明：相较于纯梯度训练的KAN，KB-GA-KAN在相同通信轮数下的测试准确率平均提高了1.34%，收敛轮数减少了42%，并以轻微的额外计算代价提升了异构场景的鲁棒性。核函数的可视化结果进一步验证了KB-GA-KAN对模型可解释性的促进作用。可见，KB-GA-KAN能为隐私受限条件下的高效随机梯度下降KAN训练提供兼顾准确率、收敛速度与计算成本的新途径。

高速数据流下无边界在线稀疏连续学习方法

韩雨晨, 徐峰磊, 吕凡, 姚睿, 胡伏原

2026, 46(4):  1034-1041.  DOI: 10.11772/j.issn.1001-9081.2025040452

摘要 ( )   HTML ( )   PDF (953KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

无边界在线连续学习是一种任务无关的自主高效机器学习方法，通过连续适应新数据和抑制遗忘实现模型的动态更新。现有在线连续学习方法通常追求模型准确率而牺牲计算效率，这使得在高速数据流场景中，模型因训练速度滞后，难以及时响应数据流的变化。针对以上问题，提出一种面向效率?性能协同优化的在线稀疏连续学习框架，通过构建双向稀疏自适应调控机制突破传统方法的瓶颈。首先，设计参数重要性度量的动态稀疏拓扑优化框架，融合参数敏感性分析，实现非结构化参数剪枝；其次，建立记忆?效率双目标优化模型，基于在线类别分布估计动态调节计算预算分配，实现计算资源的最优配置；最后，构建梯度解耦优化策略，采用梯度掩码方法实现新旧知识的双向优化，在加速模型更新的同时保持知识拓扑的完整性。基准测试结果表明，所提框架展现出显著优势，当内存缓冲区大小为100时，相较于基线ER（Experience Replay），在CIFAR-10数据集上，平均在线准确率（AOA）和测试准确率（TA）分别提升了4.86%和6.25%；在CIFAR-100数据集上，AOA和TA分别提升了13.77%和3.08%；在Mini-ImageNet数据集上，AOA和TA的提升幅度达17.83%和25.00%。可视化分析表明，所提框架在保持实时响应能力的同时，成功捕获了数据流中的潜在概念漂移模式。可见，所提框架突破了传统方法在计算效率与模型性能间的权衡困境，为开放环境下的在线连续学习系统建立了新范式。

基于块对角表示的超图学习方法

张生伟, 王豪, 金泰松

2026, 46(4):  1042-1049.  DOI: 10.11772/j.issn.1001-9081.2025050540

摘要 ( )   HTML ( )   PDF (821KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

作为一种能够自然表征多元数据对象间高阶关系的数学工具，超图相较于传统图机器学习方法展现出显著优势。基于超图的机器学习范式的前提在于通过超图学习方法构建能够反映数据间高阶关系的超图。然而，现有的超图学习方法在应对噪声和数据损坏方面的鲁棒性不足制约了它们的实际应用效果。为了解决这个问题，提出一种基于块对角表示的超图学习方法。该方法优化一个引入块对角约束的数据重构目标函数，并利用获得的重构系数生成超边和设置超边权重。在加入噪声的图像数据集上的实验结果表明：与CR-HG（CorrentRopy-induced low-rank HyperGraph）方法相比，所提方法在加入高斯噪声的噪声率为40%和加入椒盐噪声的噪声密度为30%的Coil20图像集上的互信息（NMI）分别提升了2.6和1.0个百分点；在加入高斯噪声的噪声率40%和加入椒盐噪声的噪声密度为30%的USPS图像集上的分类准确率（ACC）分别提升了2.1和1.1个百分点。可见，所提方法的学习性能优于现有的主流超图学习方法。

基于多视角信息增强和层次化权重的关键短语抽取模型

胡婕, 李鹏程, 孙军, 张佳傲

2026, 46(4):  1050-1057.  DOI: 10.11772/j.issn.1001-9081.2025040517

摘要 ( )   HTML ( )   PDF (647KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

现有的无监督关键短语提取模型对复杂的上下文和多层次语义信息的捕获能力不足，无法获取多维度信息。因此，提出一种基于多视角信息增强和层次化权重的关键短语提取模型。首先，利用BERT（Bidirectional Encoder Representations from Transformers）预训练模型对文本和候选短语进行编码，获得嵌入表示；并且，通过加权平均池化优化文本嵌入，并计算它们与候选短语的全局相似度，以实现全局信息增强，提升对语义关联的理解。其次，提出基于图结构的边界感知局部中心性计算方法，以增强局部信息获取能力。最后，融合多因素计算权重，从多个维度评估候选短语的重要性。在Inspec、SemEval 2017和SemEval-2010等6个公开数据集上的实验结果表明，与基线模型PromptRank相比，所提模型的F1@5值提高了0.87~2.68个百分点，F1@10值提高了1.11~2.24个百分点，F1@15值提高了0.54~2.25个百分点。可见，所提模型的综合性能得到了有效提升。

基于语义融合和对比增强的多模态推荐方法

赵海华, 胡怡君, 唐瑞, 莫先

2026, 46(4):  1058-1068.  DOI: 10.11772/j.issn.1001-9081.2025050528

摘要 ( )   HTML ( )   PDF (2148KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

多模态推荐旨在通过融合多模态信息增强用户和项目的特征表示，提升推荐性能。然而，现有方法存在跨模态语义信息融合不足、多模态特征冗余及噪声干扰问题。针对这些问题，提出一种基于语义融合和对比增强的多模态推荐方法（SFCERec）。首先，设计跨模态语义一致性增强框架，通过多模态语义特征筛选机制构建全局关联图，动态聚合多模态共性特征并抑制噪声传播；同时，提出多粒度属性解耦模块，从模态特征中分离粗粒度共性特征与用户行为驱动的细粒度特征，缓解特征冗余。其次，提出多层次对比学习范式，联合跨模态一致性对齐、用户行为相似性建模、项目语义关联性约束及显式?潜在特征互信息最大化这4类任务，通过对比学习强化表征的判别性。最后，进一步结合图扰动增强策略，以通过添加噪声与双重对比正则化，提升模型对稀疏数据与噪声干扰的鲁棒性。在Amazon-Baby、Amazon-Sports和Amazon-Clothing数据集上的实验结果表明，该方法在Recall@20和NDCG@20指标上均优于所有基线模型，尤其在稀疏场景下。消融实验结果也验证了该方法的有效性。

跨模态语义关联的多模态事实验证

刘欢娴, 王洪涛, 王宪奥, 王洪梅, 徐伟峰

2026, 46(4):  1069-1076.  DOI: 10.11772/j.issn.1001-9081.2025050526

摘要 ( )   HTML ( )   PDF (726KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对在多模态特征融合中面临多模态证据间以及声明与证据间的语义差异问题，提出一种跨模态语义关联（CMSA）的多模态事实验证（MFV）方法，以实现跨层次语义对齐与自适应特征交互，有效弥补多源信息间的语义鸿沟，提升复杂声明验证的分类性能。在证据检索阶段，通过文本声明检索相关的文本证据，并进一步利用文本证据筛选语义相关的图像证据，以确保多模态证据的高相关性；在声明验证阶段，利用CLIP（Contrastive Language-Image Pretraining）模型实现文本与多模态证据的语义对齐，并设计声明?证据联合注意力（LCEA）模块，进一步强化文本声明、文本证据和图像证据三者之间的语义关联。实验结果表明，CMSA在公开数据集及自建数据集CEAD（Cross-modal Evidence Augmented Dataset）上的F1分数分别比MOCHEG模型分别至少提升了7.27%和6.65%，验证了它在MFV任务中的有效性。

基于文本‒图像双通道特征门控融合机制的多模态事件抽取

王德龙, 汪颢懿, 张青川, 宋泽羲

2026, 46(4):  1077-1085.  DOI: 10.11772/j.issn.1001-9081.2025050563

摘要 ( )   HTML ( )   PDF (1477KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为提升多模态事件抽取方法中不同模态特征之间的对齐精度与融合效率，增强模型对图像与文本语义关系的理解能力，提出一种基于双通道“文本?图像”特征门控融合机制的多模态事件抽取模型MEE-DF（Multimodal Event Extraction based on Dual-channel Fusion）。首先，拓展图像生成文本描述通道，挖掘图像中隐含的事件论元，完善事件抽取的信息表示；其次，构建局部约束注意力（LCCA）机制，生成几何对齐图嵌入图像信息，提取高区分度的图像特征；再次，构建基于交互注意力图的对抗门控机制，进行文本实体与图像对象的细粒度对齐；最后，使用双通道融合特征策略，筛选重要Patch特征，去除冗余信息，提高特征整合效率。在MEED和M²E²公开数据集上的实验结果表明，MEE-DF在事件类型检测任务上F1值分别达到90.9%和88.8%，在事件论元抽取（EAE）任务上F1值分别达到73.3%和68.1%，优于现有的事件抽取模型，消融实验结果进一步表明MEE-DF的各模块对事件抽取性能提升均有显著贡献。

基于大语言模型的机载产品计量溯源知识图谱构建方法

师凯洲, 何旋, 候国义, 李根, 李泷杲, 黄翔

2026, 46(4):  1086-1095.  DOI: 10.11772/j.issn.1001-9081.2025040455

摘要 ( )   HTML ( )   PDF (2738KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

机载产品类型多样、产业链广泛，存在复杂的检测体系，需要开展完备的计量检定工作。然而，机载产品数据资源主要以非结构化、碎片化和多模态的形式存在，不利于对各类测试要素开展统筹分析，并难以在统一框架下溯源测试规范性与产品质量，给计量工作带来了障碍。面对这一问题，结合生成式大语言模型（LLM）开展机载产品计量溯源（MT-AP）知识图谱构建研究。首先，梳理资源类型和计量溯源环节，构建知识图谱（KG）本体模型；其次，设计LLM工作模块并把它们组合成工作链；最后，提出基于工作链与提示模板的MT-AP知识图谱的构建方法。结合机载产品实例数据和多个工作链进行验证的实验结果表明，所提方法的知识理解与命名能力评分基本在0.91以上，文本拆分与知识解耦能力评分基本在0.83以上，而复杂参数的知识提取与结构化能力评分基本在0.85以上。可见，所提方法在MT-AP知识图谱构建关键任务上体现了较好的工作性能，为机载产品计量工程提供了技术支撑。

融合双向序列嵌入的复杂查询问答模型

梁豪, 乔少杰

2026, 46(4):  1096-1103.  DOI: 10.11772/j.issn.1001-9081.2025040497

摘要 ( )   HTML ( )   PDF (764KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

传统知识图谱（KG）嵌入方法主要聚焦于简单三元组的链接预测，它的“头实体?关系?尾实体”的建模范式在处理包含多个未知变量的合取查询时存在显著局限性。针对上述问题，提出融合双向序列嵌入（BSE）的复杂查询问答模型。首先，基于双向Transformer架构构建查询编码器，将查询结构转换为序列化表示；其次，利用位置编码保留图结构信息；再次，通过加法注意力机制（AAM）动态建模查询图中所有元素的深层语义关联；最后，实现跨节点的全局信息交互，克服传统方法在长距离依赖建模方面的缺陷。在不同基准数据集上进行实验，验证BSE模型的性能优势。实验结果表明，在WN18RR-PATHS数据集上，与GQE-DistMult-MP相比，BSE模型的平均倒数排名（MRR）指标提高了53.01%；在EDUKG数据集上，与GQE-Bilinear相比，BSE模型的曲线下面积（AUC）指标提高了6.09%。综上所述，所提模型可用于不同领域的查询问答，并且具有较高扩展性与应用价值。

数据科学与技术

基于混淆的自动驾驶仿真测试场景数据保护方法

彭海洋, 刘天阳, 计卫星, 刘法旺

2026, 46(4):  1104-1114.  DOI: 10.11772/j.issn.1001-9081.2025050548

摘要 ( )   HTML ( )   PDF (1510KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

仿真测试是验证自动驾驶系统安全性和可靠性的重要技术之一。针对该过程中由场景数据明文共享使用导致的数据泄漏问题，提出一种针对场景数据的混淆保护方法。该方法包括数据重编码、命名替换、顺序扰乱、标签重构、触发条件混淆及事件混淆等混淆方法，并按混淆强度划分3个混淆等级，从而在不影响仿真测试结果的情况下提高场景数据的安全性。实验结果表明，混淆后的场景数据在仿真结果上与原始数据基本一致，误差在合理范围内，且随着混淆等级的提高，数据保护程度逐渐增强。一级和二级混淆方法对仿真效率无显著影响，三级混淆方法虽引入了一定的额外计算开销，但仍保持在合理范围内。整体上，三级混淆方法体系能够在保持合理的仿真性能的基础上，有效防止数据泄漏，为自动驾驶仿真测试场景数据保护提供可行的解决方案。

基于Tree-LSTM的表单控件推荐模型

罗俊辉, 张钧波, 潘哲逸

2026, 46(4):  1115-1123.  DOI: 10.11772/j.issn.1001-9081.2025040408

摘要 ( )   HTML ( )   PDF (917KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

通过将表单中的控件与城市知识体系相关联，基于表单填报的数据能自动成为标准规范的城市知识图谱，这是解决数据要素规模化生产难题的新思路。然而，表单系统中内置的众多的以实体、关系及其属性的业务术语命名的控件使得用户难以快速找到所需控件，进而催生了表单控件推荐这一全新任务。针对表单应用场景差异大、配置上下文依赖复杂和表单配置数据稀疏这3个挑战，提出一种基于树形长短期记忆（Tree-LSTM）网络的表单控件推荐模型（TRFW）。首先，从丰富的通用表单配置数据中训练场景多分类模型，学习表单文本与场景特征之间的依赖关系；其次，使用基于Tree-LSTM的网络结构，捕捉表单上下文中的结构与主题特征，并基于此构造用户的配置意图特征；同时，训练基于自编码器（AE）的控件命名编码器，建立相似控件命名之间的松耦合连接关系，使得模型能够在推荐相似语义控件的同时，对新增控件具有良好的鲁棒性。在公开数据构建的数据集上的实验结果表明，所提模型与所有基准模型相比具有最优性能，HitRatio@1为84.62%，HitRatio@10为97.31%，与无监督的推荐方法相比，HitRatio@1至少提升了87.0%，与基于图卷积的推荐方法相比，HitRatio@1和HitRatio@10分别至少提升了32.4%与12.4%。可见，所提模型能够有效推荐出符合用户意图的控件列表，从而降低用户在选择控件时的交互成本。

基于频谱感知和层次卷积的时间序列表示方法

张婧, 刘松华, 朱远乾

2026, 46(4):  1124-1130.  DOI: 10.11772/j.issn.1001-9081.2025040515

摘要 ( )   HTML ( )   PDF (758KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

时间序列数据在电力负荷预测和气象分析等领域广泛应用，提炼高质量的时间序列表示对下游预测任务至关重要。然而，高频噪声干扰、长期依赖的建模困难和标记稀缺问题限制了现有方法的性能。因此，提出一种基于频谱滤波和层次化扩张（SFHD）的时间序列表示方法。首先，设计频谱滤波块（SFB），通过全局与局部滤波器提取多尺度特征，并在频域采用自适应频谱滤波机制，从而削弱高频噪声的影响；其次，构建层次化扩张块（HDB），利用指数膨胀卷积结构逐层扩大感受野，提升对长期依赖关系的捕获能力；最后，提出变化感知的自监督预训练策略，通过掩蔽高动态变化数据块，迫使模型理解序列的潜在结构，从而缓解标记不足的问题。在7个公开数据集上不同预测长度的实验结果表明，相较于次优模型iTransformer（inverted Transformer），SFHD的均方误差（MSE）指标的平均值下降了9.47%，平均绝对误差（MAE）指标的平均值下降了5.36%。实验结果验证了SFHD具有更强的表征能力，对下游时间序列预测任务的表现有所提升。

基于高阶特征聚合的时间序列异常检测方法

索逸凡, 刘松华, 郝秋智

2026, 46(4):  1131-1138.  DOI: 10.11772/j.issn.1001-9081.2025040448

摘要 ( )   HTML ( )   PDF (1526KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

在多变量时间序列异常检测任务中，不同变量之间的相关关系复杂，传统的异常检测方法难以明确学习这种相关关系，且多数模型仅考虑变量之间的相关性，对时间依赖性的学习存在不足。因此，提出一种基于高阶特征聚合的时间序列异常检测方法（HFA）。首先，通过图结构学习构造变量之间的关系图；其次，在传统图注意力网络（GAT）的基础上进行改进，充分考虑高阶邻居节点的相关性，更准确地建模变量之间复杂的相关关系；最后，通过融合一维卷积和自注意力机制，充分挖掘序列的时间依赖性。在4个公开数据集上的对比实验结果表明，与次优基线模型Anomaly Transformer相比，HFA的F1分数平均提升了1.34%；与当前主流基线方法TopoGDN（Topology Graph Deviation Network）相比，HFA的F1分数平均提升了9.05%。消融实验结果进一步验证了模型中各个模块的有效性。

网络空间安全

DDoS攻击防御技术综述

何止戈, 刘畅, 吴俊锐, 罗昊然, 胡水松, 汪文勇

2026, 46(4):  1139-1157.  DOI: 10.11772/j.issn.1001-9081.2025040402

摘要 ( )   HTML ( )   PDF (1363KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

分布式拒绝服务（DDoS）攻击作为一种破坏性极强的网络攻击方式，近年来因具有低廉的攻击成本、较高的攻击收益和较强的隐蔽性，成为网络安全领域最具威胁性和挑战性的问题之一。利用分布式控制方式，DDoS攻击将恶意流量混杂于正常网络请求中，导致传统的入侵检测系统（IDS）和防火墙等安全防护机制难以有效识别和拦截这些攻击。因此，如何高效检测并有效防御DDoS攻击成为网络安全领域的研究热点和难点。在系统性调研现有DDoS相关研究的基础上，首先，梳理DDoS攻击的分类方法，并从多个维度归纳不同类型的DDoS攻击，为更深入地理解DDoS攻击机理提供帮助；其次，分析当前DDoS攻击的发展情况，重点探讨攻击强度、攻击手段和攻击分布的发展趋势，为研究更高效的DDoS防御技术提供支持；再次，从工业和学术两个维度深入分析和评估当前DDoS攻击防御技术的现状；其中，在学术方面重点梳理基于可编程交换机和机器学习的DDoS检测与防御方法，在工业方面则对比分析DDoS防御的不同参与方所采用的防御架构，总结各类防御架构的技术特点、应用场景和存在的挑战；最后，基于当前DDoS攻击态势的综合分析，展望未来DDoS防御技术的发展方向和面临的机遇与挑战，为网络安全领域的研究者提供新的思路和方向，推动DDoS防御技术的进一步创新和发展。

基于大语言模型的视频监控网络安全漏洞分类框架

王晓宇, 李欣, 薛迪, 蒋章涛, 王威, 肖岩军

2026, 46(4):  1158-1170.  DOI: 10.11772/j.issn.1001-9081.2025040474

摘要 ( )   HTML ( )   PDF (1962KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

视频监控网络中的安全漏洞危害公共安全乃至国家安全。面对安全威胁的持续演进，亟须增量学习方法。然而，现有方法面临少样本学习性能不足、语义模糊致分类偏差和动态扩展新类别能力受限这三大挑战，导致增量学习分类失准。因此，提出一种基于大语言模型（LLM）的增量漏洞分类框架（IVCF-LLM），该框架采用数据分层与动态阈值机制确保训练数据的均衡分布。在顶层分类阶段，首先，利用GPT-4o深层分析环节从少量样本中提取漏洞触发词，生成高质量分类提示词模板（即技能）；其次，优化关键词提取机制，精准识别漏洞成因和攻击方式，匹配出最优技能指导GPT-3.5 Turbo实现准确分类；最后，引入知识蒸馏技术实现新旧技能的无缝融合，完成类别增量学习（CIL）。在子层分类阶段，通过构建常见弱点列举（CWE）知识图谱，结合静态知识注入与动态关系检索策略，实现细粒度精准分类。实验结果表明，在自建数据集上，IVCF-LLM在准确率和马修斯相关系数（MCC）上分别达到了75.0%和65.7%，均优于文本到弱点映射（Text2Weak）、语义常见弱点列举预测器（SCP）和提示词分类等模型；在通用网络安全数据集上，IVCF-LLM的准确率显著优于SCP模型15.9个百分点，验证了所提框架的有效性和跨场景稳定性。

按需披露的区块链数字身份认证机制DCIdentity

王诗雨, 贾林鹏, 金键, 李忠诚, 周继华, 孙毅

2026, 46(4):  1171-1181.  DOI: 10.11772/j.issn.1001-9081.2025040462

摘要 ( )   HTML ( )   PDF (1072KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有分布式数字身份（DID）认证方案中，可验证声明（VC）在链下客户端明文存储导致的用户与客户端强耦合和隐私安全易受威胁的问题，提出一种按需披露的区块链数字身份认证机制DCIdentity。首先，基于万维网联盟去中心化标识标准（W3C DID），将用户身份的VC在链上加密存储，降低用户对客户端的依赖，实现认证过程与客户端的松耦合；然后，设计VC分层加密机制支持用户信息的按需披露，提升多主体认证效率并降低相关开销。实验结果表明，与链下存储方案相比，所提机制有效降低了客户端与用户身份认证过程的耦合程度，同时实现了用户身份信息的按需披露；与密文策略属性基加密（CP-ABE）方案相比，所提机制的加密处理时延与链上存储开销分别降低了91.5%和84.1%。可见，所提机制为多领域、多应用场景下的身份统一认证提供了高效解决方案，在保障用户信息隐私的同时，显著提高了认证效率，可有力支撑DID在实际场景中的落地应用。

智能合约辅助下的隐蔽通信模型

佘维, 程孔, 张淑慧, 马佳伟, 齐晨虹, 宰光军

2026, 46(4):  1182-1190.  DOI: 10.11772/j.issn.1001-9081.2025040492

摘要 ( )   HTML ( )   PDF (1099KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对当前无痕区块链隐蔽通信技术存在的载体嵌入维度单一和网络生态污染风险等问题，提出一种基于智能合约的无痕隐蔽通信模型。该模型包含3种算法协同工作，可以深度挖掘智能合约操作码序列特征。首先，通信双方利用预处理算法重构合约操作码特征，构建三元组特征序列；其次，通过关联参数协助映射将二进制编码的原始消息隐写于重构序列中，产生可用于传输的二进制随机密钥，并结合自定义传输协议有效降低传输过程的密钥泄露风险；最后，接收方输入密钥逆向解析算法实现信息的精准还原。实验结果表明，所提模型具备每个合约平均5 042 bit的嵌入容量和6 MB/s的嵌入效率，并通过美国国家标准与技术研究院（NIST）测试与互信息量测试证明了所提模型生成密钥的随机性和生成的密钥与原始信息的无关联性。

基于椭圆曲线的无证书可链接环签名方案

蒋沁昆, 缪祥华, 郭冰雨, 阮兴磊

2026, 46(4):  1191-1198.  DOI: 10.11772/j.issn.1001-9081.2025040464

摘要 ( )   HTML ( )   PDF (655KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

可链接环签名不仅继承了环签名的优势，且在签名方案中嵌入链接标签使验证者可以确定2个签名是否由同一签名者生成，从而解决了滥用或重复签名的问题；无证书公钥密码（CL-PKC）体制可解决密钥托管问题和证书管理问题，从而提高了安全性。结合上述两者的优点，提出一种基于椭圆曲线的无证书可链接环签名方案（CL-LRS），构建该方案的系统模型和安全模型，并在随机预言机模型下证明该方案能抵抗Ⅰ/Ⅱ型敌手攻击，且具备匿名性、不可伪造性、可链接性和不可诽谤性。为了验证所提方案的实际性能，通过计算签名方案中使用的各密码运算的时间对所提方案与现有的几种基于椭圆曲线的环签名方案的签名开销和验签开销进行对比。实验结果表明，在不依赖双线性配对运算的情况下，所提方案仍然能抵抗恶意密钥生成中心（KGC）的攻击且能防范潜在的签名滥用行为，同时在签名总耗时上与基于椭圆曲线的可链接环签名相比降低了80.1%。可见，该方案适合于资源受限场景下的应用。

先进计算

基于子区域的超多目标进化算法

郭京蕾, 刘诗源, 姜守勇

2026, 46(4):  1199-1210.  DOI: 10.11772/j.issn.1001-9081.2025050534

摘要 ( )   HTML ( )   PDF (1469KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对多目标进化算法（MOEA）求解超多目标优化问题（MaOP）难以平衡收敛性和多样性的困境，提出一种基于子区域的超多目标进化算法（SR-MaOEA）。首先，通过子区域划分策略构建目标空间的分布结构，采用偏移密度估计（SDE）量化子区域密度，并设计一种层级化的子区域支配关系排序策略，以增强个体选择压力。然后，提出一种收敛性与多样性自适应融合的加权选择机制，通过动态计算相邻代子区域加权和的差异评估子区域潜力值，进而优先保留高潜力子区域内的个体更新种群。在MAF基准测试集上，SR-MaOEA与多种主流超多目标进化算法的对比实验的结果表明，在大多数测试问题上，SR-MaOEA在反世代距离（IGD⁺）和超体积（HV）指标上均优于对比算法，验证了该算法在高维目标空间中的有效性和稳定性。

基于观测器的受扰异构广义多智能体系统的领导跟随一致性

苏帅, 刘成林

2026, 46(4):  1211-1217.  DOI: 10.11772/j.issn.1001-9081.2025040441

摘要 ( )   HTML ( )   PDF (1080KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对未知非线性外部扰动下的异构广义多智能体系统的领导跟随一致性问题，提出一种分布式控制协议。首先，设计扰动观测器以观测非线性外部扰动，并推导出观测误差的收敛条件；其次，基于状态观测器设计分布式控制协议，以实现系统对领导者的领导跟随一致性，并基于图论、矩阵论和广义系统理论证明它的充分性与合理性；最后，将控制协议的设计与分析推广至基于竞争合作关系的异构广义多智能体系统的领导跟随二分一致性问题。仿真实验的结果表明，所提控制协议有效实现了对目标的控制，与无扰动观测器系统的对比实验结果则进一步验证了扰动观测器的设计的必要性。可见，所提协议进一步拓展了一致性理论在复杂环境中的应用范围。

基于混合精度策略的LDL^T矩阵分解FPGA加速器设计

麦超云, 柯晓鹏, 钟东洲, 洪晓纯, 陈潘荣, 苏志远

2026, 46(4):  1218-1226.  DOI: 10.11772/j.issn.1001-9081.2025050535

摘要 ( )   HTML ( )   PDF (1354KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对对称正定矩阵分解算法在现场可编程门阵列（FPGA）上实现时常面临资源消耗大、计算精度与效率难以兼顾等问题，提出一种基于混合精度策略的LDL^T分解加速结构。该结构在存储层面采用半精度数降低资源消耗，在计算层面使用单精度数保障计算精度与数值稳定性。此外，构建多处理单元的并行流水结构，并引入双仲裁机制，以优化数据调度与内存访问过程。加速结构则部署于xczu4ev-sfvc784 FPGA平台上，并在4PE、8PE和16PE这3种并行配置下对4~256阶的对称正定矩阵进行实验。结果显示，所提结构的矩阵分解的计算结果相对误差均在{\mathrm{10}}^{-\mathrm{3}}以内，与部分对比方法相比，该结构占用的LUTs资源减少了40%以上，而占用的DSP资源降低了70%。可见，该结构在保持计算精度的同时实现了低硬件开销，提升了吞吐量，具备良好的可扩展性和工程适应性。

计算机软件技术

自动代码编辑推荐综述

陈浩轩, 叶培昌, 刘磊, 刘承明, 胡文华

2026, 46(4):  1227-1237.  DOI: 10.11772/j.issn.1001-9081.2025040486

摘要 ( )   HTML ( )   PDF (1301KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

代码编辑作为软件开发的核心环节，对软件系统的持续优化至关重要。随着代码编辑行为规律性的发现，自动代码编辑推荐（ACES）技术成为提升编辑效率和减少人工错误的关键方向。然而，现有研究存在成果分散、缺乏系统性整合和统一框架的问题。因此，围绕ACES技术展开系统性综述，全面回顾2004—2025年的相关研究成果。首先，梳理该领域研究的发表趋势，从传统智能方法、深度学习模型和大语言模型这3个维度总结推荐模型的技术演进和相关辅助技术的发展，并在此基础上，根据推荐任务的不同类型，将它们划分为基于上下文信息、基于任务描述与指令、基于历史编辑和基于输入输出示例的4类推荐任务，并详细阐述各类型任务的技术思路与研究成果；其次，通过剖析ACES的评价体系，系统性地介绍现有实验数据集的编程语言、编辑粒度、规模分布及代码的文本相似度和功能正确性等评价指标；最后，深入剖析当前研究现状，指出现有研究中的一系列突出挑战，并展望未来研究的潜在机遇，为该领域的进一步发展提供理论参考与方向指引。

多媒体计算与计算机仿真

BEV三维目标检测算法体系综述

郭阳, 王海亮, 高需, 王海涛, 王翌博

2026, 46(4):  1238-1252.  DOI: 10.11772/j.issn.1001-9081.2025040419

摘要 ( )   HTML ( )   PDF (1111KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

视觉感知作为环境理解的核心技术之一，为智能移动系统（如自动驾驶）提供了精准的环境信息，是保障安全决策的重要前提。基于鸟瞰图（BEV）的三维目标检测技术因它的高效性和准确性已成为环境感知领域的主流范式。为进一步促进基于BEV的三维目标检测算法的研究，首先，针对BEV三维目标检测算法，根据输入数据的模态，将它们分为纯相机算法、纯激光雷达算法和相机?激光雷达融合算法这3类；其次，探讨预训练算法在提升检测性能中的作用；再次，分析融合时序特征的算法在动态场景中的优势和融合高度特征的算法在复杂环境下的表现；继次，梳理大模型协同BEV目标检测在目标检测精度与场景理解方面取得的突破性进展；最后，总结BEV三维目标检测算法的核心结论，并展望未来的研究方向，为该领域的研究工作提供新的思路。

RGB-D双流镜像伪装目标检测网络

陈鹏, 李旭, 余肖生

2026, 46(4):  1253-1263.  DOI: 10.11772/j.issn.1001-9081.2025040488

摘要 ( )   HTML ( )   PDF (2108KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

伪装目标因在纹理和颜色等视觉属性上与背景高度相似，导致RGB图像易受干扰，难以准确分辨目标位置，常导致分割结构不完整甚至目标缺失，从而影响检测性能。为了解决该问题，提出一种RGB-D双流镜像伪装目标检测（COD）网络——RDMNet（RGB-D Dual-stream Mirror Network）。首先，采用TransNeXt和Vision Mamba组成的混合主干提取特征，减少模型参数，并设计多模态特征融合（MFF）模块，利用RGB和深度信息融合增强深度特征。其次，设计深度定位模块（DPM）和定位引导完整性特征聚合（PGA）模块，前者用于生成完整的轮廓定位特征，后者用于快速地定位伪装目标，并高效地预测出完整的分割特征，两者交叉细化融合后，既关注伪装目标的整体结构，又不断细化分割特征和轮廓定位特征。最后，设计卷积门控通道注意力（CCA）模块，提取低层特征中的结构细节。实验结果显示：RDMNet在COD和RGB-D显著目标检测（SOD）数据集上优于当前15个代表性方法；在CAMO、COD10K和NC4K数据集上，与MVGNet（Multi-View Guided Network）相比，RDMNet在结构相似性度量（S-measure）、平均增强对齐度量（mean E-measure）、精度和召回率的加权平均值（weighted F-measure）方面分别平均提升了2.0%、1.5%和3.2%，而在平均绝对误差方面平均降低了17.2%。可见，RDMNet在COD中能够有效提高分割的完整性和准确性。

渐进式双阶段模态交互的单域泛化目标检测

张永兵, 闫丽蓉, 唐晓芬

2026, 46(4):  1264-1274.  DOI: 10.11772/j.issn.1001-9081.2025050543

摘要 ( )   HTML ( )   PDF (3166KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有基于视觉语言的单域泛化模型采用固定的单向文本引导视觉局部对齐操作，导致局部?全局上下文建模能力不足的问题，提出一种渐进式双阶段模态交互（PDMI）框架。PDMI能够在模态内以多层次方式提取全局域不变特征，在模态间充分挖掘视觉和文本互补语义，以获得细粒度语义知识。首先，结合固定域无关提示和可学习的自适应域提示（ADP）引导样本获得对特定域的语义感知能力；同时，在视觉主干网络ResNet-101基础上，设计多层级的模态内交互（MIMI）模块，基于自适应视觉提示引导，对源域图像进行模态内Mamba交互（IMMI）以提取图像的全局域不变特征，改善视觉特征表示的分布。其次，提出跨模态双向交互融合（CMBIF）机制，提取并对齐细粒度的跨模态特征，以视觉或文本双向引导实现细粒度模态间交互。最后，采用跨模态自适应融合（CMAF）模块自动搜索模态间信息的最佳组合，进一步减小模态间交互的冗余特征。在3个具有挑战性的领域偏移数据集Diverse Weather、Virtual-to-Reality和UAV-OD上的实验结果显示：PDMI在目标域上的平均精度（mPT）比C-Gap、SRCD（Semantic Reasoning with Compound Domains）和FDD（Frequency Domain Disentanglement）方法分别平均提高了2.0、4.0和4.2个百分点。可见，PDMI能够有效提取全局?局部域不变特征提升对未见目标域的泛化能力，这对目标域和源域存在显著分布偏移且目标域数据受限的场景至关重要。

基于YOLO-World的少样本学习目标检测算法

何帅, 邓春华

2026, 46(4):  1275-1282.  DOI: 10.11772/j.issn.1001-9081.2025050589

摘要 ( )   HTML ( )   PDF (1815KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

目标检测技术在计算机视觉领域得到了广泛应用，但现有方法大多依赖大量标注数据，难以解决现实中面临的新类别样本稀缺问题。尽管现有开放词汇目标检测（OVD）方法具备一定的跨类泛化能力，但在面向结构相近的新类别时，普遍存在语义匹配粗略、空间定位精度不足的问题。针对上述问题，提出一种基于YOLO-World的少样本学习目标检测算法。首先，提出类别感知卷积核构建模块（CCKCM），将文本语义嵌入与图像特征融合，提升模型在少样本条件下对新类别的语义感知能力；其次，设计一种融合滑动卷积与几何空间约束的高效目标匹配与定位机制，在保持较低计算复杂度的同时，实现对目标区域的快速匹配与精准定位；最后，构建一个面向少样本目标检测（FSOD）任务的图像数据集，涵盖多个典型场景与目标类别。实验结果表明，所提算法在PASCAL VOC 2007+2012数据集上的10-shot下新类的平均精度达到了73.4%，比FM-FSOD提高了1.4个百分点。可见，所提算法为实际场景中新类别目标的快速识别提供了一条可行的技术路径。

面向复杂交通场景的多尺度实时人车检测方法CDC-DETR

严心怡, 朱灵龙, 张永宏

2026, 46(4):  1283-1291.  DOI: 10.11772/j.issn.1001-9081.2025040472

摘要 ( )   HTML ( )   PDF (2440KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

交通场景的复杂性和多变性对现有的人车目标检测算法提出了挑战，尤其在处理遮挡、光照变化和多尺度目标时，现有算法通常精度不足且计算效率较低。为解决上述问题，在RT-DETR（Real-Time DEtection TRansformer）模型的基础上，提出一种改进型检测模型CDC-DETR（CPPA-DWRC-CGNET-DETR）。首先，设计上下文预激活池化注意力（CPPA）模块，以增强远距离依赖，优化特征提取；其次，引入膨胀残差连接（DWRC）模块，提升多尺度特征表达能力；再次，提出轻量化的上下文引导模块（CG Block），融合局部、周边和全局信息，降低计算成本；最后，结合上述模块，构建一个适用于复杂交通场景的高精度、高效率的实时人车检测模型。实验结果表明，与RT-DETR相比，在数据集BDD100K上，当交并比（IoU）为0.5时，CDC-DETR的检测平均精度均值（mAP）提高了6.12%，召回率提升了4.35%，而浮点运算量减少了11.23%，显著提高了计算效率，为边缘设备的部署提供了高效的解决方案。

基于三分支特征提取的人脸伪造检测方法

许盛伟, 王健波, 韩季杰, 白怡婕

2026, 46(4):  1292-1299.  DOI: 10.11772/j.issn.1001-9081.2025040461

摘要 ( )   HTML ( )   PDF (1012KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有检测方法在应对多样化伪造方式和低质量图像时存在的特征表达不足、鲁棒性差和跨域泛化能力弱等问题，提出一种基于三分支特征提取的人脸伪造检测方法Tri-BranchNet（Tri-Branch feature extraction Network），以实现多类型特征的互补与融合，并提升伪造痕迹的表征能力和模型的检测性能。具体架构为：1）利用ViT（Vision Transformer）捕获全局语义表征；2）引入可逆神经网络（INN）增强局部纹理特征的建模能力；3）设计边缘特征提取分支解决传统模型对边界伪造区域特征提取不足的问题。在多个公开数据集上的实验结果表明，所提方法在FaceForensics++（C23）数据集上的准确率达98.75%，相较于F³-Net（Frequency in Face Forgery Network）和CORE（COnsistent REpresentation learning）分别提升了1.26%和1.17%；在跨压缩率与跨数据集测试中，所提方法的曲线下面积（AUC）值分别达到85.26%（C40）和81.09%（Celeb-DF），显示出良好的鲁棒性与泛化性能。可见，所提三分支融合机制在复杂伪造场景下能显著提升检测准确率，为伪造图像的多维度特征建模提供了一种新思路。

基于动态卷积自编码器的无监督人脸属性编辑方法

崔选, 刘波

2026, 46(4):  1300-1308.  DOI: 10.11772/j.issn.1001-9081.2025040398

摘要 ( )   HTML ( )   PDF (1424KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

基于生成对抗网络（GAN）潜空间的无监督人脸属性编辑方法具有效率高和无需标注数据的优点，然而这类方法在解耦性和可控性方面仍面临挑战，如在操控特定人脸属性时，可能会引起其他属性的意外变化，从而影响编辑效果，以及难以精确控制所编辑人脸属性的变化程度。针对上述问题，提出基于动态卷积自编码器的无监督人脸属性编辑（AUFAE）方法。该方法通过在潜空间中学习有效的语义向量，实现对人脸属性的精准编辑。具体地，设计动态卷积自编码器网络（DCAE-Net）作为主干网络，该网络的编码器部分采用动态卷积（DyConv）的方式动态提取潜空间的局部特征，从而学习具有局部特性的语义向量；在解码器部分则融入通道注意力（CA）机制建立通道间的非线性依赖关系，使模型能够自主地聚焦不同语义相关的特征通道，有效促进语义向量的独立性学习。为了增强语义向量的解耦性和可控性，引入基于属性边界向量的损失函数训练DCAE-Net。此外，引入软正交损失确保语义向量之间相互独立，进一步提升解耦性能。实验结果表明，在3个预训练GAN生成模型上，与3种主流的人脸属性编辑方法相比，AUFAE的弗雷歇距离（FID）减小了37.43%~50.21%，学习感知图像块相似度（LPIPS）减小了23.61%~42.85%，结构相似性指数（SSIM）提高了7.04%~13.42%。在直观视觉上，AUFAE在人脸属性编辑过程中也未出现属性耦合现象。可见，AUFAE能够有效地缓解人脸编辑过程中的属性耦合现象，并实现更精确的人脸属性编辑。

前沿与综合应用

人群疏散计算方法的演进与变迁综述

吴夏煜, 张洪

2026, 46(4):  1309-1322.  DOI: 10.11772/j.issn.1001-9081.2025040491

摘要 ( )   HTML ( )   PDF (1587KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

人群疏散建模正从经典物理模拟向数据与行为双驱动智能系统演进，引发经典模型持续改良与新兴智能技术不断涌现的双重趋势。然而，现有研究未能系统性地整合这两个趋势并揭示它们内在演进逻辑的分析框架，导致研究者难以全面评估和恰当选择现有方法。为了应对此挑战，提出一种三阶段递进式分析框架。第一阶段，梳理物理环境、突发事件及主观心理等多重因素驱动模型向更高真实性演进的方式；第二阶段，系统性地评估以社会力模型（SFM）和元胞自动机（CA）为代表的经典物理模型，以及它们在融合多因素情况下的性能改进；第三阶段，聚焦前沿智能方法，并按照“态势感知?行为预测?决策优化”的闭环逻辑对人工智能（AI）技术在疏散领域的应用进行功能性解构与归纳。该框架清晰地揭示了该领域的核心技术矛盾，即在效率与真实性之间的权衡，并阐明下一代智能疏散模型不断演进的根本动力。所提框架为理解人群疏散建模的复杂技术全景提供了一个结构化、高层次的逻辑视图，同时也为该领域的研究人员在评估、选择和创新疏散模型时提供一套系统性的参照基准。

基于双层多尺度动态GCN模型的城市交通流量预测

李文浩, 郭银章

2026, 46(4):  1323-1333.  DOI: 10.11772/j.issn.1001-9081.2025040522

摘要 ( )   HTML ( )   PDF (1023KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有交通流量预测模型不能有效利用交通区域层特征与节点层特征的融合信息，以及缺乏对时空特征的动态表达的问题，提出一种用于城市交通预测的双层多尺度动态图卷积网络（DM-DGCN）模型。首先，采用双层网络架构融合区域与节点的时空特征，同时处理节点和区域的交通流量数据；其次，在空间维度上，构建空间动态图卷积网络（S-GCN）模块提取动态空间相关性；再次，在时间维度上，为了捕捉不同语义环境下的潜在时间依赖关系，设计多尺度时间卷积网络（MSTCN）模块，同时，为了将空间关系学习思想引入时间域，设计时间动态图卷积网络（T-GCN）模块，构建随时间动态变化的时间关系矩阵；最后，设计基于注意力机制的动态融合模块，整合区域层特征与节点层特征，通过融合层生成最终预测结果。在济南交通数据集和西安交通数据集上的实验结果表明，在60 min预测任务中：DM-DGCN模型在济南数据集上的平均绝对误差（MAE）和均方根误差（RMSE）相较于时空关键图神经网络（STPGNN）模型分别降低了5.79%和5.56%；在西安数据集上，相较于分层时空图常微分方程（HSTGODE）模型，所提模型在MAE和RMSE上分别降低了3.73%和4.19%。以上验证了DM-DGCN模型优于现有的基线模型，能有效挖掘交通数据中的动态多尺度时空依赖关系，并准确预测未来的交通流量。

基于改进Swin Transformer的电力图像检索方法

白翔, 李巨川, 王慧民, 景超, 钮键, 张兴忠, 程永强

2026, 46(4):  1334-1343.  DOI: 10.11772/j.issn.1001-9081.2025040416

摘要 ( )   HTML ( )   PDF (2309KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有的图像检索方法难以有效辨别和提取电力设备的相似结构信息和纹理细节特征，导致检索精度和效率低的问题，提出基于改进Swin Transformer的电力图像检索方法（PIR-iSwinT）。首先，提出多特征结构交叉增强模块（MFSCE），通过结合梯度幅值图的交叉注意力机制增强模型对设备结构和边缘特征的感知能力；其次，设计自适应类间差异中心损失模块（AIDCL）加强模型对同类样本和异类样本的辨别能力；最后，构建层次聚类检索模块（HCR）优化检索过程中的样本匹配策略并降低计算复杂度，进一步提升检索精度和效率。在自建电力场景数据集和NUS-WIDE数据集上的实验结果表明，当哈希码长度为32 bit时，PIR-iSwinT的平均精度均值（mAP）分别达到96.76%和92.68%，与HRMPA（Hash image Retrieval based on Mixed attention and Polarization Asymmetric loss）相比分别提升了2.35%和0.56%。可见，PIR-iSwinT能有效提取和辨别电力设备的细节结构特征，提升检索效率，同时展现出良好的泛化能力，验证了所提方法的有效性。

基于结构‒网络协同特征与网格注意力增强KAN的药物靶标相互作用预测

豆旭梦, 解滨, 张朝晖, 赵振刚, 段菡煜, 郭澳磊

2026, 46(4):  1344-1353.  DOI: 10.11772/j.issn.1001-9081.2025040505

摘要 ( )   HTML ( )   PDF (1121KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

药物?靶标相互作用（DTI）预测是药物发现与再利用的关键任务，它的难点是融合多源异构特征以全面表征药物与靶标间的复杂关联。针对传统方法依赖单一数据源的问题和建模复杂非线性关系方面的不足，提出一种基于结构?网络协同特征与网格注意力增强的KAN（Kolmogorov-Arnold Network）的DTI预测方法（SNKDTI）。首先，设计结构与网络协同的特征提取策略：在药物表示方面，融合分子指纹与图嵌入方法以量化化学结构；在靶标表示方面，结合传统物理化学编码与预训练模型提取序列特征；同时，引入药物?疾病关联和蛋白质相互作用等异构网络，基于重启随机游走（RWR）算法提取网络的拓扑特征，并利用去噪自编码器（DAE）压缩特征，从而融合药物与靶标的结构与网络信息；其次，构建异质生物信息网络（HBIN），使用图卷积网络（GCN）传播特征，并提出一种网格注意力增强的KAN（GA-KAN），以通过引入多组可学习的B样条基函数网格与注意力机制，实现多个非线性映射模块的自适应组合，从而增强模型的表达能力与输入适应性；最后，使用梯度提升决策树（GBDT）构建端到端预测框架。在公开数据集上的对比实验结果表明，SNKDTI的特征曲线下面积（AUC）、精确度?召回率曲线下面积（AUPR）和F1-score相较于对应指标的最优基准方法分别提升了0.81%、1.36%和3.29%。以上验证了SNKDTI在准确性、鲁棒性和泛化能力方面均有显著提升，可为新药靶标筛选提供高效工具。

融合改进的ResNet50与集成分类器的皮肤癌分类

秦传东, 索志强

2026, 46(4):  1354-1362.  DOI: 10.11772/j.issn.1001-9081.2025040513

摘要 ( )   HTML ( )   PDF (2385KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

皮肤癌是全球发病率持续攀升的恶性肿瘤之一，它的早期精准诊断对降低死亡率至关重要。针对现有模型难以满足临床要求及少数类别识别皮肤癌精度低的问题，提出一种融合改进ResNet50与集成分类器的模型。首先，通过灰度黑帽阈值处理和Telea算法去除毛发噪声，再使用合成少数过采样技术（SMOTE）平衡类别分布；其次，采用ResNet50模型提取深层特征，并引入融合空间与通道注意力的软注意力模块聚焦皮肤病变区域；最后，将随机森林、极限梯度提升（XGBoost）、轻量级梯度提升机（LightGBM）、K-近邻（K-NN）和支持向量机（SVM）作为集成分类器，通过软投票法进行集成，进行皮肤癌的早期诊断。在HAM10000、ISIC2019和ISIC2020数据集上的3次独立实验结果表明，所提模型将准确率分别提升到（98.33±0.03）%、（96.15±0.06）%和（99.19±0.02）%，相较于当前主流网络具有更优的特征提取与分类能力，有助于提升早期诊断效果。