当期目录

2026年 第46卷 第8期 刊出日期：2026-08-10 封面下载 目录下载

上一期  

人工智能

面向具身智能的视觉-语言-动作模型动作表征和生成策略综述

张文涛, 孙奥兰, 瞿晓阳, 张旭龙, 王健宗

2026, 46(8):  2383-2393.  DOI: 10.11772/j.issn.1001-9081.2025070900

摘要 ( )   HTML ( )   PDF (1186KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

视觉-语言-动作（VLA）模型是实现具身智能的核心路径，它们的核心是将多模态感知理解无缝转化为物理世界的具体行动。然而，VLA模型的动作表征与生成策略作为连接“感知”与“执行”的枢纽环节，面临着高维连续空间、动作多样性与机器人实时控制需求间的复杂挑战。因此，系统性地梳理和总结VLA模型中动作表征和生成策略的演进脉络、核心技术与未来方向；同时，详细剖析离散和连续两种动作表征方式以及自回归、非自回归和混合动作生成策略，并深入探讨它们在动作精度、生成多样性与推理效率之间的内在权衡；此外，总结面向实时控制的新兴高效策略，如混合生成架构。最后，通过比较分析，对现有技术图景进行总结，并展望未来VLA模型在与世界模型结合和跨机器人形态通用表征等方向上的前沿挑战与研究机遇，旨在为构建更通用且更高效的具身智能体提供参考。

基于知识图谱的问答方法综述

刘新亮, 徐雨时, 李杜白, 任延昭

2026, 46(8):  2394-2410.  DOI: 10.11772/j.issn.1001-9081.2025070838

摘要 ( )   HTML ( )   PDF (1891KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

随着人工智能技术的快速演进，知识图谱（KG）的研究与应用不断深化，推动基于KG的问答（KGQA）技术取得了显著进展。由于缺乏对现有问答方法的系统性划分框架，用户对各类KGQA模型的认知较为有限，因此，难以满足不同领域用户的参考需求。针对这一问题，文中对近 15 年KGQA领域的研究进展进行系统性综述。首先，归纳提炼出包括模板匹配、语义解析、深度学习、大语言模型（LLM）增强在内的4类核心问答策略；其次，对比4类策略下8种典型问答方法在复杂问题、多跳推理、低资源环境和多语言环境下的表现，并给出各个方法的适用场景；再次，归纳整理常用数据集和性能评测方法；最后，结合领域发展现状，对KGQA技术的未来研究方向提出针对性建议与展望，为后续相关研究与应用提供参考。

扩散引导的进化神经架构搜索算法

汤泽宇, 温晓易, 谢在鹏

2026, 46(8):  2411-2420.  DOI: 10.11772/j.issn.1001-9081.2026010044

摘要 ( )   HTML ( )   PDF (1457KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

进化算法（EA）在神经架构搜索（NAS）中因具备较强全局探索能力而被广泛采用。然而，传统变异方式常缺乏性能信息引导，且局部开发能力有限，导致搜索效率与架构质量提升受限。因此，提出一种扩散引导的进化NAS （DGEA）算法，利用分布感知与偏置控制机制共同提升变异质量和搜索能力。该算法的核心是利用离散扩散模型生成结构化扰动，通过从高性能架构分布中学习到的结构先验，执行可控的噪声添加与条件去噪以生成新的高性能架构。同时，引入自适应变异策略动态平衡探索与利用；此外，集成一个轻量级的和声搜索（HS）算子作为局部增强模块微调架构邻域，以抑制早熟收敛。在NAS-Bench-101、NAS-Bench-201以及ImageNet100迁移任务上的实验结果表明，DGEA显著提升了搜索效率与效果。在相近的计算预算下，相较于EG-NAS （Neural Architecture Search with Fast Evolutionary Exploration）、GEA （Guided Evolutionary NAS with Efficient Performance Estimation）和REA （Regularized Evolution for Image Classifier Architecture Search），DGEA达到相同准确率水平所需架构评估数量减少10%~84%，准确率整体提升0.28~0.42个百分点。消融实验证实了扩散引导变异（DGM）机制和HS模块的贡献以及协同作用。通过整合分布感知的生成式变异与自适应HS局部优化，DGEA有效提升了进化搜索的动态性能与收敛稳定性。

基于Wasserstein正则化增强的图表示学习

袁立宁

2026, 46(8):  2421-2431.  DOI: 10.11772/j.issn.1001-9081.2026010069

摘要 ( )   HTML ( )   PDF (1529KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

概率化图表示学习（GRL）模型常依赖KL（Kullback-Leibler）散度约束节点表示的潜在分布，存在后验坍塌、支撑集敏感以及训练梯度不稳定等问题。为此，提出一种基于Wasserstein距离的GRL模型——Wasserstein图自编码器（WGAE），将二阶Wasserstein距离的闭式解作为正则化项，从最优传输理论视角约束潜在分布。相较于KL散度，Wasserstein距离的优势是支撑集鲁棒性与梯度连续性，使概率化GRL模型能避免因后验坍塌导致的表示退化，鼓励模型学习几何结构更清晰且维度间更解纠缠的潜在表示，并优化训练动态。实验结果表明，WGAE不仅提升了下游任务的预测性能，还改善了表示质量与训练动态。通过基准图数据集的多项实验全面验证了所提模型在预测精度、训练稳定性、信息编码效率、抗数据扰动以及嵌入空间解纠缠等方面的优势。可见，Wasserstein正则化能够与多种先进的GRL机制互补增强并带来稳定的性能增益，为构建更稳健且更高效的GRL优化组件提供现实依据。

基于图卷积网络和跨领域数据增强的方面级情感三元组抽取

陈木生, 付文庆, 邱晓红, 吴俊华, 温强

2026, 46(8):  2432-2439.  DOI: 10.11772/j.issn.1001-9081.2025070808

摘要 ( )   HTML ( )   PDF (1490KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

方面级情感三元组提取（ASTE）通过识别情感主体、属性及其极性，能精准解析用户观点中的情感关联，为产品服务优化、舆情监控和消费决策提供有力支持。针对传统方法难以建模长距离语义依赖和目标领域数据不足等问题，提出一种跨领域数据增强的图卷积网络模型用于ASTE。在跨领域数据增强阶段，通过引入基于最大均值差异（MMD）的伪标注生成技术对目标域的未标注数据进行初步标注以缓解领域漂移，训练领域自适应语言模型以捕捉目标领域特有的语义，并基于该领域的自适应语言模型生成自回归数据，进一步增加目标域的标注数据量和多样性；在情感三元组抽取阶段，利用第一阶段增强后的数据对伪标注生成过程中产生的基于图卷积网络的语言模型进行微调，然后利用微调后的图卷积网络语言模型进行情感三元组抽取。在ASTE-DATA-V2数据集上的实验结果表明，该方法优于BGCA （Bidirectional Generative Cross-domain ABSA）、FOAL （Fine-grained cOntrAstive Learning）和HiPM-hard （Hybrid Prompts Mixture）等基准方法，相较于基线BGCA在平均F1分数上提高了0.81个百分点，从而提高了跨领域情感三元组提取的准确性与稳定性。

融合互信息最大化与对比学习的句法增强型方面级情感分析

吕慧慧, 仲兆满, 张渝, 樊继冬

2026, 46(8):  2440-2446.  DOI: 10.11772/j.issn.1001-9081.2025070843

摘要 ( )   HTML ( )   PDF (893KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

方面级情感分析（ABSA）旨在针对特定方面推断情感极性。现有的方法在聚合邻居节点信息时多采用等权重策略，而未能充分区分节点重要性的差异，导致语义-句法的协同不足；图注意力网络（GAT）依赖间接句法关联捕捉方面词与情感词的关系，造成全局特征缺失和情感表示空间区分度低，进而引发情感空间模糊问题。针对上述问题，提出一种融合互信息（MI）对齐与监督对比学习的图卷积网络模型MIC-GCN （Mutual Information and Contrastive learning-based Graph Convolutional Network）。首先，通过嵌入层将文本词汇转换为向量表示；其次，设计双注意力动态路由模块，以结合自注意力与方面感知注意力的动态交互生成注意力分数矩阵，并基于句法距离构建动态掩码矩阵优化结构信息的利用；再次，利用MIC-GCN模块构建原图及伪图，而经卷积提取局部特征后，借助MI最大化实现局部与全局的特征对齐；最后，引入监督对比学习来优化情感表示空间，并增强情感极性区分能力，从而通过池化与分类层完成情感极性判断。实验结果表明，在Twitter、Lap和Rest 3个公开数据集上，MIC-GCN模型的准确率比最优基线模型SSEGCN （Syntactic and Semantic Enhanced Graph Convolutional Network）、T-GCN （Type-aware Graph Convolutional Network）和DGEDT （Dependency Graph Enhanced Dual-Transformer network）分别提高了0.10、1.71和0.30个百分点。可见，所提模型能有效增强语义-句法协同，提升全局特征捕捉效能与情感极性区分度，在ABSA任务中表现优异。

相似度感知的民族文化知识图谱链路预测模型

王岩, 陈曦, 赵中恺, 周欢, 吴涛, 艾梦格, 肖雪松

2026, 46(8):  2447-2456.  DOI: 10.11772/j.issn.1001-9081.2025070818

摘要 ( )   HTML ( )   PDF (4787KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

挖掘民族文化知识图谱中实体间的潜在关联不仅有助于揭示民族文化要素之间的演化关系，也为民族文化的系统建模与智能推理提供了新的技术路径；然而，民族文化知识图谱存在多对一属性归属、结构高度同质化及存在大量噪声边等特点，现有的链路预测模型难以同时捕捉文化实体间的细粒度特征关联，并有效抵御图谱中的噪声边干扰，导致预测性能和模型鲁棒性受限。针对上述问题，提出一种特征相似度感知的图神经网络（GNN）模型SRGCN （Similarity-aware Relational Graph Convolutional Network）。SRGCN基于节点特征相似度构建动态聚合机制，以更准确地捕捉实体间的特征关联；同时，引入双层对比学习框架有效抑制噪声干扰，并设计线性加权的多目标损失函数，通过动态调整主、辅任务的损失权重，进一步增强模型的稳健性。在民族文化知识图谱数据集HeritEdge上的实验结果表明，在链路预测任务中相较于最优基线模型LTRGN （Linear self-aTtention with multi-Relational Graph Network），SRGCN在平均倒数排名（MRR）和Hits@10指标上分别提升28.4%和32.5%，性能更优。

基于软白化的无负样本自监督学习时序预测框架

李栋, 赵苡积, 丁海燕, 武浩

2026, 46(8):  2457-2466.  DOI: 10.11772/j.issn.1001-9081.2025070823

摘要 ( )   HTML ( )   PDF (1332KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有的自监督学习方法在时序领域存在的依赖负样本对以及数据增强可能破坏时序结构等问题，提出一种基于软白化的无负样本自监督学习时序预测框架（SWTF）。该框架旨在无需负样本即可学习到信息密集且具备预测能力的序列表征。它的核心方法包含两个协同优化目标：一是时序软白化（TSW）损失，即减少表征维度间的冗余并维持表征的方差学习紧凑且信息丰富的表征，从而避免对负样本对和表征不变性约束的依赖；二是去噪重构任务，即通过有针对性的任务设计，引导模型关注并编码具有预测性的时序特征。为了实现上述两个目标的联合优化，构建一个孪生编码器，利用并行多尺度卷积网络高效捕捉从微观的局部周期性到宏观的长程依赖关系。在电力、气象和交通等多个基准数据集上，相较于CoST和PDF（Periodicity Decoupling Framework）等主流时序预测基线，SWTF的平均绝对误差（MAE）降幅约为19.6% （13.4%~26.4%），证实了SWTF在学习鲁棒性和预测性较强的时间序列表征方面的有效性。

大语言模型驱动的语义量化网约车时空需求预测方法

张悦, 郭羽含

2026, 46(8):  2467-2476.  DOI: 10.11772/j.issn.1001-9081.2025070885

摘要 ( )   HTML ( )   PDF (1468KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

网约车需求预测的精度会直接影响城市运力资源配置的效率与交通运行的效能。现有的预测方法在应对非常规交通事件时，因缺乏对时间序列多模态模式的全局捕获能力及对异常流量的精细化建模机制而预测精度显著下降。针对该问题，提出基于Llama3模型的领域适配微调与事件信息语义融合的数据增强方法，并构建包含事件重要系数和拥堵影响系数等多维特征的量化表征体系，从而实现非结构化事件描述到结构化数值特征的转换。同时，融合Informer编码器的长时序全局建模能力与双向门控循环单元（GRU）的局部序列动态捕捉优势，设计InformerGRU （Informer with Gated Recurrent Unit）双路径协同架构，通过自适应特征融合层实现多尺度特征智能聚合。基于真实数据的实验结果表明，所提出的数据增强方法使异常流量场景下的模型均方误差（MSE）降低了71.44%，高流量峰值预测能力显著提升；相较于Informer，InformerGRU模型的平均绝对误差（MAE）降低了4.33%，方向准确度相对提升了2.68%。

数据科学与技术

基于多策略对比学习和自适应标签平滑的文本-ID序列推荐模型

刘珈铭, 艾芳菊

2026, 46(8):  2477-2484.  DOI: 10.11772/j.issn.1001-9081.2025070928

摘要 ( )   HTML ( )   PDF (1014KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

序列推荐系统在捕捉用户兴趣演变方面已取得显著进展，侧信息的有效利用发挥了关键作用，例如将项目的相关文本数据与序列推荐中的项目ID在变换后的域空间进行有效融合，再将这种文本-ID的语义融合用于序列推荐，从而提升推荐性能。针对现有模型面临的用户行为复杂、异构信息融合后的泛化能力有限以及数据稀疏等不足，提出基于多策略对比学习和自适应标签平滑的文本-ID序列推荐模型MCLALS（Multi-strategy Contrastive Learning and Adaptive Label Smoothing）。首先，通过领域专家融合网络处理文本表示，并动态整合不同特征子空间的知识；其次，将处理后的文本表示与ID表示进行序列级语义融合，借助频域变换捕捉异构信息间的深层交互；再次，在融合后的高级表示上应用多策略对比学习，利用多种互补的数据增强策略生成多样化的增强表示，有效缓解数据稀疏性；最后，采用自适应标签平滑机制优化训练目标，增强模型对噪声和长尾分布的鲁棒性。在Food、Office和OR这3个公开基准数据集上对MCLALS进行系统的性能评估。实验结果表明，所提模型在整体性能上优于包括SASRec（Self-Attentive Sequential Recommendation）和TedRec （Text-ID Semantic Fusion for Sequential Recommendation）在内的多个基线模型。其中，在OR数据集上MCLALS的NDCG@10指标相较于最优基线模型至少提升了6.69%，验证了该模型的有效性。

融合多行为建模与强化学习的学习路径推荐模型

陈鹏宇, 田保军, 赵利畅, 房建东

2026, 46(8):  2485-2493.  DOI: 10.11772/j.issn.1001-9081.2025070864

摘要 ( )   HTML ( )   PDF (1160KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对学习路径推荐任务中的交互数据稀疏和学习资源规划不合理问题，提出一种融合多行为建模与强化学习（RL）的学习路径推荐模型LPRMMMRL。首先，将用户行为数据分类并作为实体节点融入课程知识图谱，使用带有注意力机制的图卷积网络（GCN）捕捉多源异构特征；其次，从行为与学习资源维度设计3种数据增强策略，并采用对比学习方法对增强后的数据进行表征学习且把它们作为补充信息纳入RL；最后，充分考虑用户的个体差异，通过深度Q网络（DQN）构建个性化学习路径推荐模型，并设计知识点与路径双重奖励函数机制以引导模型收敛。在真实数据集MOOPer和MOOCCubeX的4门课程上，将LPRMMMRL与LPG（Learning Path Generator）、KTKDM（Knowledge Tracing based Knowledge Demand Model）等学习路径推荐模型进行对比。实验结果表明，LPRMMMRL的精确率、召回率和F1分数在MOOPer数据集上分别至少提升了5.53%和5.74%，在MOOCCubeX数据集上分别至少提升了4.56%和3.41%。此外，通过参数敏感性分析实验与消融实验结果，验证了所提模型的有效性。

多视图注意力融合的引文网络学术群体识别

邱原, 彭海龙, 费蓉, 徐庆征, 李仟禧, 薛诚

2026, 46(8):  2494-2504.  DOI: 10.11772/j.issn.1001-9081.2025070851

摘要 ( )   HTML ( )   PDF (1049KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

引文网络中的学术群体识别旨在揭示学者间的内在关联。然而，节点属性（内容特征）与拓扑结构（关联模式）的异质性导致融合时易出现特征错位与信息稀释，且现有方法常忽略由高连接度节点构成的核心子网络所蕴含的稳定关联模式，这些制约了识别精度。为了解决上述问题，提出一种多视图注意力融合的学术群体识别（MAFCI）方法。所提方法采用双视图设计：一个视图对原始节点属性与邻接矩阵进行编码，另一个视图融合由k-core提取的核心节点信息及其拓扑结构；采用稀疏图注意力机制分别从两个视图中提取低维嵌入，并通过动态加权策略实现多源信息的自适应融合，以兼顾局部结构与全局语义。解码器通过内积重构邻接矩阵，并基于注意力机制恢复节点属性与核心信息；同时，引入自监督聚类损失，引导嵌入表示向判别性聚类中心收敛，增强群体边界的区分度。在Cora、Citeseer、ACM和DBLP 4个引文网络数据集上的实验结果表明，MAFCI方法在多数核心评价指标上优于DDGAE（Deep Dual Graph Attention auto-Encoder）和BCDAN（Balanced method for Community Detection in Attribute Networks）等9个先进基线方法。具体地，在DBLP数据集上，MAFCI方法的归一化互信息（NMI）达到0.513，准确率（ACC）达到0.809，分别较最优基线方法提升了2.3和1.3个百分点；在ACM数据集上，MAFCI方法的NMI为0.674，F1分数为0.903，分别较最优基线方法提升了1.2和0.8个百分点；在Citeseer数据集上，MAFCI方法的NMI达到0.448，较最优基线方法提升了0.7个百分点；在Cora数据集上，MAFCI方法的NMI达到0.543，同样优于所有对比方法。可见，MAFCI方法通过双视图稀疏注意力与动态融合机制，有效提升了学术群体识别的准确性与鲁棒性，在不同规模与结构的引文网络上均表现出良好泛化能力。

网络空间安全

云环境下非人员实体的零信任身份认证方案

贾悠, 吴娅玲, 苗青鹏

2026, 46(8):  2505-2514.  DOI: 10.11772/j.issn.1001-9081.2025070901

摘要 ( )   HTML ( )   PDF (1060KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

当前云环境普遍使用基于边界的安全防护手段，仅依赖防火墙端口策略或简单的认证机制进行访问控制，因而存在多重不足：一方面，可能造成内部实体身份盗用与抵赖、横向移动、流量攻击或敏感数据泄露；另一方面，现有的JWT（JSON Web Token）和TLS（Transport Layer Security）等机制虽被部分采用，但存在重放攻击、端口暴露和管理复杂等问题。针对上述风险，提出一种基于零信任思想的非人员实体（NPE）身份注册与认证方案。该方案中，设计多级身份注册机制，引入国密算法SM9，以实现NPE密钥生成、身份绑定及自动分发；通过改进现有的单包授权（SPA）技术并结合JWT，实现NPE间的双向认证与细粒度授权。安全性分析表明，所提方案能够缓解分布式拒绝服务（DDoS）攻击，抵抗重放攻击和中间人攻击等多种网络威胁，相较于JWT、TLS和基于UDP （User Datagram Protocol）的SPA等认证方案具有安全优势。实验结果表明，相较于使用软件定义边界（SDP）控制器的认证方案，所提方案降低了50%的通信时延，减少了62.03%的认证开销。

多模态物理先验特征融合的深度伪造检验方法

吕仁堃, 孙鹏, 郎宇博, 郭弘, 沈喆, 田迪

2026, 46(8):  2515-2523.  DOI: 10.11772/j.issn.1001-9081.2025070826

摘要 ( )   HTML ( )   PDF (2963KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

现有深度伪造检验方法多数依据图像像素级线索建模，较少考虑合成过程对伪造图像的影响，尽管取得较好的检验效果，也很难解释检验过程。因此，提出一种多模态物理先验特征融合的深度伪造可解释检验方法。首先，使用光流特征、光照特征、边缘特征和离散余弦变换（DCT）特征分别描述时序视频中的帧间运动差异性、单帧视频中的光照不一致性和边缘伪影信息，得到具有可解释性的多模态物理先验特征；其次，提出多模态混合专家网络，分别构建不同模态的专家子网络，并把子网络在跨模态注意力加权后经门控单元融合，并输入判别网络中实现分类；然后，在判别网络中引入SIAM（Spatial Intersection Attention Module），并将全连接结构替换为KAN（Kolmogorov-Arnold Network）结构；最后，利用多模态物理先验特征分别对不同的专家子网络进行训练，给出对不同输入特征的Shapley值分析，构建事前特征-事后解释的可解释分析框架，为模型推理和预测提供像素级解释。实验结果表明，与CORE（COnsistent REpresentation learning）、SRM（Rich Models for Steganalysis）和UCF（Uncovering Common Features）等算法相比，所提方法在FaceForensics++数据集上的ROC曲线下面积（AUC）和准确率最好，准确率范围为97.35%~98.75%，平均准确率达98.22%，模型可解释性也有较大提升。

先进计算

用户为中心的卫星边缘计算架构优化任务卸载

陈娟, 陈玉杰, 吴宗玲, 田谛, 钟杰

2026, 46(8):  2524-2532.  DOI: 10.11772/j.issn.1001-9081.2025070842

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

数据和表 | 参考文献 | 相关文章 | 计量指标

卫星边缘计算（SEC）通过将任务卸载至卫星服务器提高远程用户的计算效率；然而，由于用户设备（UE）间的信号干扰，无线传输质量可能会影响SEC系统的性能，因此，提出一种以用户为中心的SEC（UCSEC）架构，根据用户实时位置和网络状况动态分配接入点（AP）集群。针对UCSEC中的动态任务卸载问题，设计一种基于门控循环单元（GRU）与多头注意力机制的主从式多智能体近端策略优化（MSPPO_GMA）算法。该算法采用集中控制-分布执行框架，即部署在SEC服务器上的主智能体负责监控全局资源约束并协调从智能体，而部署在UE上的从智能体根据网络状态执行任务卸载和资源分配。在MSPPO_GMA算法中，GRU捕捉网络状态的时间相关性，而多头注意力机制关注任务卸载和资源分配的重要信息。实验结果表明，与MAPPO和MATD3等算法相比，MSPPO_GMA算法的任务完成延迟降低了3.7%~13.6%，UE能耗降低了6.5%~13.2%。

分层自适应隐式分位数的多智能体路径规划

薛婧颖, 况立群, 王智巽, 郭正涛, 韩慧妍

2026, 46(8):  2533-2540.  DOI: 10.11772/j.issn.1001-9081.2025070804

摘要 ( )   HTML ( )   PDF (1397KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对虚拟现实（VR）场景中的多目标路径规划实时性不足与局部冲突协调不足的问题，提出一种分层自适应隐式分位数的多智能体路径规划算法。首先，引入高低层策略协同优化实现全局规划与局部执行的统一，并基于隐式分位数网络进行价值分布的建模；其中，高层策略生成兼顾环境全局分布与目标位置的子目标，而低层策略根据子目标实时感知局部环境动态；其次，通过自适应条件风险价值（CVaR）机制动态调整决策；最后，为了引导智能体快速且稳定地到达目标点，设计一种目标流畅奖励函数，以优化策略反馈结构。实验结果表明，所提算法在智能体数为3，目标数为5、10、15、20的情况下，较次优算法adaptive_IQN （Adaptive Implicit Quantile Network）分别提升了2、3、3和4个百分点，从而优化了路径规划效率，能够增强VR场景中多用户交互的流畅度与沉浸感。

基于树基模型的双阶段能耗特征选择方法

田博然, 周建涛, 赵大明

2026, 46(8):  2541-2547.  DOI: 10.11772/j.issn.1001-9081.2025070854

摘要 ( )   HTML ( )   PDF (741KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

云计算平台中应用服务的多维资源特征显著影响数据中心能耗。通过特征选择技术提取关键能耗指标是构建精准预测模型的有效手段，当前研究未能充分融合特征的可解释性与全局最优的搜索能力，导致所选特征存在冗余度高、预测精度差或决策不可解释等问题。为此，提出一种基于树基模型的双阶段能耗特征选择方法：在第一阶段采用基于博弈论的树基模型可解释技术（TreeSHAP）量化特征的边际贡献，实现高透明度的冗余特征剔除；在第二阶段融合蚁群优化（ACO）算法的快速收敛性与引力搜索算法（GSA）的全局搜索能力，在精简特征空间中定位最优组合。通过两阶段的协同合作，TreeSHAP筛选出的低维可解释空间为ACO-GSA奠定优化基础，大幅降低计算复杂度，ACO-GSA则在此基础上通过混合搜索策略，高效辨识出关键特征组合。通过对比不同特征选择方法，并在多种预测模型上验证特征子集的性能，从特征维度、预测精度及泛化性能等方面进行综合评价。实验结果表明，所提方法在墨尔本大学云数据集上获得的特征子集维度相较于最小绝对收缩和选择（Lasso）算法降低了58.3%，特征子集预测精度较ACO提升了9.1%。所提方法在特征精简性、模型预测精度和泛化可靠性方面均优于对比方法，验证了所提方法的有效性。

网络与通信

基于深度学习的STAR⁃RIS辅助混合场通信系统信道估计

郭晓金, 隋旭洋, 周柯男

2026, 46(8):  2548-2554.  DOI: 10.11772/j.issn.1001-9081.2025070859

摘要 ( )   HTML ( )   PDF (791KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对同时透射与反射可重构智能表面（STAR-RIS）辅助混合场通信系统在信道估计中面临的导频开销高和精度低的问题，提出一种基于多尺度特征感知融合的超分重建信道估计网络（MFSRN）。该网络将信道估计问题建模为信道矩阵的重建任务，首先，从上采样的信道矩阵中提取公共特征；随后，利用注意力门限分离各用户的特定信道特征；最后，并行地完成多用户信道矩阵的重建。为了提升网络性能，设计增强卷积模块（ECB）和双流特征感知（DSFA）模块，以有效提取混合场信道的局部和全局特征，并引入特征金字塔注意力（FPA）模块增强模型对多尺度特征的聚合能力。实验结果表明，所提方案在实现更低导频开销的同时，与经典的DRSN和U-MLP方案相比，归一化均方误差（NMSE）在不同信噪比（SNR）下分别平均降低了3.62 dB和1.28 dB，表现出更好的估计性能。

面向空天地一体化网络的个性化联邦学习智能边缘聚合方法

金亚东, 范菁, 郗恩康, 董华, 俞浩, 孙伊航

2026, 46(8):  2555-2566.  DOI: 10.11772/j.issn.1001-9081.2025070920

摘要 ( )   HTML ( )   PDF (1906KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

空天地一体化网络（SAGIN）作为支撑全球数据传输的综合性网络发挥着关键作用，而它高度动态异构的网络特性导致节点各数据呈现统计异构性，具体表现为非独立同分布（Non-IID）特性。联邦学习（FL）作为分布式机器学习，利用分布式数据训练模型，而FL对SAGIN中的Non-IID数据进行模型训练时，会损害每个节点上全局模型的泛化。针对这个问题，提出个性化联邦学习智能边缘聚合（FedIEA）方法，通过个性化联邦学习（PFL）捕获节点模型的全局模型中的所需信息。FedIEA方法的核心是一个智能边缘聚合（IEA）模块，它可以智能地将下载的全局模型和边缘模型聚合至每个节点上的边缘目标，以在每次迭代中训练之前的初始化本地模型。为了评估FedIEA方法的有效性，在MNIST、FashionMNIST和CIFAR-10这3个数据集上进行对比实验，结果表明：与联邦平均（FedAvg）、FedProx（Federated Proximal）、通过对数几率校准的联邦学习（FedLC）等典型算法相比，FedIEA在迪利克雷（Dirichlet）不同异构设置下的测试准确率都高于FedAvg等基准算法，在FashionMNIST和CIFAR-10数据集上基于卷积神经网络（CNN）模型比FedAvg分别高出25.30和41.28个百分点；在3个数据集上与9个最先进的PFL算法相比，FedIEA基于CNN和深度神经网络（DNN）模型的测试准确率都具有显著的优势。

多媒体计算与计算机仿真

基于改进Lite-Mono架构的动态空洞卷积和分层注意力模型

李光辉, 屈立成

2026, 46(8):  2567-2576.  DOI: 10.11772/j.issn.1001-9081.2025070832

摘要 ( )   HTML ( )   PDF (1665KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

单目深度估计作为三维环境感知的核心技术，在自动驾驶和机器人导航等领域具有重要的应用价值。在这些领域，Lite-Mono作为轻量级单目深度估计的代表模型，通过空洞卷积和局部-全局注意力机制在保持高效的同时实现了优异的性能。然而，目前的Lite-Mono架构面临两大瓶颈：空洞卷积受限于固定空洞率，导致感受野与目标尺度严重失配，从而使小目标因过大空洞率丢失特征，而大目标因过小感受野缺失上下文；另外，局部-全局注意力模块因O(H2W2C)计算复杂度难以处理高分辨率输入，导致实时应用受到限制。针对上述问题，在Lite-Mono架构的基础上，提出一种改进模型DDHL（Dynamic Dilated convolution and Hierarchical Local-global attention）。首先，提出动态空洞卷积模块（DDCM），以通过融合权重率预测器实时调整感受野，并结合通道注意力生成自适应权重；其次，提出分层局部-全局注意力机制模块将复杂度降至O({(HW/M)}^{\mathrm{2}}C)；最后，引入可学习全局Token构建跨窗口约束，以助力模型在复杂场景中更精准地理解和分析视觉内容，从而提升对整体场景的感知与建模能力。实验结果表明，DDHL模型在Make3D数据集上的关键指标取得了突破：绝对相对误差（Abs Rel）从0.462降至0.290（降幅37.2%），平方相对误差（Sq Rel）降低了49.7%。可见，该模型在精度与效率之间取得了良好平衡，具有实际应用价值。

基于图像编辑代理的零样本遥感图像复合检索算法

张杰, 黄智勇, 王瑞锦, 张凤荔

2026, 46(8):  2577-2583.  DOI: 10.11772/j.issn.1001-9081.2025070813

摘要 ( )   HTML ( )   PDF (1036KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

随着图像复合检索（CIR）技术的快速发展，研究者开始探索将它应用于遥感（RS）图像检索领域，以提高从RS图像库中检索出目标图像的准确性。然而，现有算法未能有效弥合图像与文本模态之间的语义鸿沟，同时也受限于RS领域缺乏适用于CIR模型训练的高质量标注数据集。针对这些挑战，提出一种基于图像编辑代理的零样本遥感图像复合检索（IEP4RS）算法，该算法利用图像编辑技术，生成与查询图像及文本描述对齐的代理图像，从而增强查询表征。IEP4RS算法基于查询图像与目标图像的文本描述生成图像编辑指令，然后将指令与查询图像输入图像编辑模型以生成代理图像，并通过融合代理图像与原始查询图像的特征，构建复合查询图像特征。该算法通过直接匹配图像特征，有效跨越了图像与文本模态之间的语义鸿沟，并采用零样本学习范式避免传统算法对标注数据集的依赖。在公开的RS CIR基准数据集PatternCom上的实验结果表明，IEP4RS算法显著提升了检索性能，在采用RemoteCLIP特征编码器时，IEP4RS算法在平均精度均值（mAP）上相较于基线算法WEICOM （WEIghted COMposed image retrieval）提升了9.74个百分点，而相较于主流的零样本图像复合检索（ZS-CIR）算法Pic2Word （mapping Pictures to Words for zero-shot composed image retrieval）、SEARLE （zero-Shot composEd imAge Retrieval with textuaL invErsion）和FREEDOM （composed image retrieval for training-FREE DOMain conversion）分别提升了11.79、7.81和3.99个百分点。

双分支结构下多层次特征融合的点云配准网络

刘明, 沈东奇, 孟子洋

2026, 46(8):  2584-2593.  DOI: 10.11772/j.issn.1001-9081.2025070887

摘要 ( )   HTML ( )   PDF (1581KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对点云配准中因部分重叠、遮挡与噪声干扰导致的配准精度差与鲁棒性不足的问题，提出一种双分支结构下的多层次特征融合的点云配准网络DMFNet（Dual-branch Multi-level Feature Fusion Network）。该网络在编码阶段并行设置旋转分支与平移分支，并在浅层、中层与深层分别引入自注意力融合与交叉注意力融合模块，从而实现源点云与参考点云之间的多尺度特征交互与深度融合，同时，设计了旋转与平移特征融合模块以增强姿态估计能力；在回归阶段基于轻量级Set Transformer回归器，采用多层诱导注意力块与注意力池化模块来直接回归四元数与平移向量。DMFNet不依赖重叠区域的检测或显式掩码估计，具备更强的适应性与泛化能力。在ModelNet40数据集上与6种点云配准方法进行对比实验，并在斯坦福3D扫描数据集进行泛化能力实验。实验结果表明，在ModelNet40数据集上添加噪声的情况下二次采样，相较于最大极大团配准（MAC）方法，DMFNet在RMSE（t）和Error（R）指标上分别降低了21.32%和14.47%，展现出更优的鲁棒性与配准精度。

面向点云分类与分割的层次化旋转不变几何结构的表征学习方法

刘威, 李维刚, 田志强

2026, 46(8):  2594-2602.  DOI: 10.11772/j.issn.1001-9081.2025070897

摘要 ( )   HTML ( )   PDF (1331KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

现有的点云深度学习方法能够有效处理固定视角下的点云数据；然而，在实际应用中，物体方向的变化会使点云描述受到旋转变换的影响，从而降低深度学习网络的识别精度。针对这一问题，提出一种面向点云分类与分割的层次化旋转不变几何结构的表征学习方法。首先，通过三角化的局部几何结构对点云样本进行建模，以在每个点的邻域内构建三角表面，提取描述欧氏空间与切平面几何关系的旋转不变特征；然后，将提取到的旋转不变特征通过卷积算子表达，并通过自注意力增强卷积聚合局部邻域结构，实现局部和全局信息的自适应融合，进一步提取精细的旋转不变特征并增强表达力和全局一致性；最后，引入层次化逆瓶颈残差模块（IRBlock），通过多级非线性映射和渐进式通道扩展，实现从浅层几何特征到深层语义特征的层次化特征融合，增强旋转不变特征的高阶表达能力和判断力，从而提升对复杂空间结构和多样旋转的表达和区分能力。实验结果表明，所提方法在ModelNet40数据集上实现了93.9%的整体准确率（OA），在ScanObjectNN数据集上实现了87.8%的OA，在ShapeNet数据集的分割任务中取得了82.3%的平均交并比（mIoU）。可见，所提方法具有良好的分类分割能力，同时兼具旋转不变性，表现出优异的鲁棒性和泛化能力。

多尺度特征优化的单目深度估计框架FCMdepth

刘凤春, 邵馨莹, 张春英, 王立亚, 任静

2026, 46(8):  2603-2611.  DOI: 10.11772/j.issn.1001-9081.2025070890

摘要 ( )   HTML ( )   PDF (1394KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对单目深度估计中特征提取不足和上下文建模不充分的问题，提出一种融合多尺度特征的单目深度估计框架FCMdepth，以提升预测性能。FCMdepth采用编码器-解码器（ED）结构，编码器FC-Net由MobileNetV3-F与CDBlock组成，通过多尺度特征及空洞卷积优化特征；解码器LapMA-Net结合拉普拉斯金字塔与高效多尺度注意力（EMA）模块，以增强跨尺度特征融合，并输出准确深度图。在KITTI数据集上的实验结果表明，FCMdepth相较于Lapdepth，均方根误差（RMSE）、对数均方根误差（Log_RMSE）和平方相对误差（Sq_Rel）这3项误差指标分别低0.831、0.009和0.145，3项准确率指标的均值分别提高0.4、0.8和0.3个百分点。可见，FCMdepth在多数指标上优于对比模型，为单目深度估计和复杂场景的三维重建提供了有效参考。

结合DINOv2与ByteTracker的跨摄像头多目标在线跟踪算法

史世豪, 施群山, 周杨, 胡校飞, 齐凯, 李丰超

2026, 46(8):  2612-2619.  DOI: 10.11772/j.issn.1001-9081.2025070846

摘要 ( )   HTML ( )   PDF (1499KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

多摄像机多目标跟踪（MTMCT）在智能监控和智能交通等领域具有重要应用价值。然而，由于不同摄像头之间的视角、光照以及成像质量存在差异，具有较高的目标内差异性和目标间相似性，使跨摄像头多目标跟踪面临严峻挑战。现有的离线方法虽取得了一定进展，但它们因高延迟和后处理操作复杂，难以适用于通常需在线处理的现实场景，因此，提出一种结合DINOv2（Data-efficient image network version 2）与ByteTracker的跨摄像头多目标在线跟踪算法。首先，在特征提取阶段引入DINOv2，设计并训练一种外观特征提取网络，以获取更具鲁棒性和判别力的目标外观特征；其次，基于ByteTrack算法，通过优化数据关联策略和轨迹管理机制，提出ByteTracker算法，为每个摄像头生成候选轨迹；最后，通过跨摄像头间关联（ICA）模块，采用分层聚类在不同摄像机之间关联这些候选轨迹，从而将目标与全局身份相关联。在CityFlowV2数据集的S02场景上进行验证的结果表明，所提算法的识别F1分数（IDF1）、识别精度（IDP）和识别召回率（IDR）指标值分别为81.24%、84.59%和78.14%，相较于对比模型Shim分别提高了2.84、5.79和0.14个百分点，且在多个摄像头在线的情况下的跟踪时间仅为0.14 s。

基于视觉AI与三维网格计算的低空动态导航方法

何胜文, 张淑军, 刘羿漩, 李辉, 刘宇丰

2026, 46(8):  2620-2629.  DOI: 10.11772/j.issn.1001-9081.2025070852

摘要 ( )   HTML ( )   PDF (4366KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对无人机（UAV）导航中三维航图更新慢、动态避障能力差和全局感知缺乏等问题，提出一种基于视觉人工智能（AI）与三维网格计算的低空动态导航方法。该方法构建立体三维空域网格表意体系，利用网格索引高效表示空间信息关联，结合机载视觉AI模型实时感知环境语义信息，并通过语义特征嵌入算法将感知结果实时映射至三维空域网格，以支持UAV自主避障飞行。在同一子级空域对应的局部网格内，构建自组织通信网络，实时共享UAV位置、速度和高度等状态，以形成低空动态信息池，使UAV能够在类似起降区等高密度区域精准掌握邻机状态。同时，采用递归来剖分立体网格，并且层级搜索路径通过局部网格交互协商协议实现过载网格的智能分流。以50 km²城市低空场景为实验对象，设简单、中等和复杂三类场景，对比所提方法与全球导航卫星系统（GNSS）纯定位导航和单目视觉特征点导航。结果显示：在三类场景中，所提方法的平均避障有效率分别为96.7%±1.2%、95.3%±1.1%和93.8%±1.5%，较GNSS纯定位导航分别提升了10.5、10.8和11.7个百分点，较单目视觉特征点导航分别提升26.9、27.8和28.6个百分点。可见，所提方法能有效解决UAV导航的核心痛点，并显著提升复杂低空环境下的导航效率与安全性。

基于改进YOLOv11的雾天目标检测算法

汤莉, 张健宇, 姚睿

2026, 46(8):  2630-2639.  DOI: 10.11772/j.issn.1001-9081.2025070921

摘要 ( )   HTML ( )   PDF (1908KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对雾天等恶劣天气下多尺度目标难以检测，包括目标间重叠遮挡严重以及图像能见度低，导致误检和漏检频发等问题，提出一种基于改进YOLOv11的雾天目标检测算法MFA-YOLO （Multi-scale frequency-aware Feature Alignment YOLO）。首先，设计多尺度边缘特征增强模块C3k2_MSEFE （C3k2_Multi-Scale Edge Feature Enhancement）替换YOLOv11网络中的C3k2模块，以增强网络对多尺度目标的特征提取能力；其次，设计轻量化频率感知特征金字塔网络（LFFPN）应对因雾天图像对比度低所导致的边界框定位不准问题，以提升检测的准确性和鲁棒性；最后，设计动态特征对齐检测头（DFADHead）以通过动态卷积和任务分解等机制提升对密集场景下重叠遮挡目标的识别能力。实验结果表明，在RTTS数据集上，所提算法的mAP@50和mAP@50：95分别达到76.5%和52.6%，与基础模型相比，分别提升了2.7和1.9个百分点，同时参数量和模型大小分别下降了15.3%和23.4%。此外，在Cityscapes数据集合成的两种不同雾浓度的雾天图像上的验证结果表明，所提算法的mAP@50分别为48.5%和46.7%，与YOLOv11s相比，分别提升了2.4和3.5个百分点，进一步证明了所提算法在多种雾天场景下的适应性和有效性。

基于改进Hyper⁃YOLO模型的输电线异物检测模型

王成, 刘志龙, 杜俊男, 杨雯, 王天一

2026, 46(8):  2640-2651.  DOI: 10.11772/j.issn.1001-9081.2025070839

摘要 ( )   PDF (3006KB) ( )  

参考文献 | 相关文章 | 计量指标

基于深度学习的输电线路异物检测方法已成为确保新一代电网能持续稳定运行的重要手段之一。为了提高输电线异物检测的整体检测性能，利用Hyper-YOLO模型能对特征图中的高阶语义相关性进行跨层和跨位置的建模与传播的特性，提出一种基于超图结构的具有全局视角及位置感知特性的输电线异物检测模型。首先，构建一个具有位置感知特性的多路径特征聚合网络PMFA（Position-aware Multi-branch Feature Aggregation），以精准地定位需要表征的关键特征；此外，设计具有全局视野的Global SPPF（Global Spatial Pyramid Pooling-Fast）模块，以增强骨干网络特征提取的边缘特性强化检测模型对高阶语义相关性的建模与学习能力；最后，提出基于注意力导向的LAWD （Lightweight Attention-guided Weighted Downsampling）模块，以尽可能地保留低质量数据样本中更多的关键信息。在所构建的输电线异物图像数据集上，通过一系列的消融实验、对比实验以及数据增强的方式验证所提模型在输电线异物检测场景下的有效性及检测性能上的优越性。实验结果表明，所提模型的检测精度、召回率及mAP@50值分别达到了90.6%、87.6%和93.4%，且相较于基线模型在参数量上降低了20.5%，浮点运算量上下降了20.4%，为输电线路场景下异物目标的检测与治理提供了技术支持。

基于改进实时检测Transformer的遥感图像目标检测算法

黄麟, 李英顺, 佟维妍, 张树园, 王子涵

2026, 46(8):  2652-2659.  DOI: 10.11772/j.issn.1001-9081.2025070856

摘要 ( )   HTML ( )   PDF (2386KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对遥感图像背景复杂、小目标众多且存在长尾型目标导致的检测精度低的问题，提出一种基于改进实时检测Transformer （RT-DETR）的遥感图像目标检测算法SLT-DETR （Small and Long-Tailed object-aware real-time DEtection TRansformer）。首先，采用多尺度特征增强金字塔（MFEP）优化原有的连续卷积特征融合，并引入OmniKernel进一步增强对小目标的检测能力；其次，引入内容引导的注意力对P3、P4和P5的输出特征进行融合，从而有效解决信息分布失衡问题；最后，使用FasterBlock模块实现模型的轻量化，并提升推理速度。实验结果表明，在自建遥感数据集上，SLT-DETR的平均精度均值（mAP）相较于RT-DETR提升了5.0%，模型参数量降低了1.9×10⁶；相较于经典的YOLOv8m、YOLOv8l以及Swin Transformer模型，SLT-DETR在mAP上分别提高了5.7%、3.7%和10.9%。在RSOD和HIT-UAV公开数据集上，SLT-DETR在mAP上分别提高了1.1%和1.3%。可见，所提模型能够在保证轻量化的同时有效提升对小目标与长尾型目标的检测能力。

基于多尺度注意力自适应融合的稀疏CT伪影抑制Transformer网络

白杰龙, 方晨韵, 乔志伟

2026, 46(8):  2660-2667.  DOI: 10.11772/j.issn.1001-9081.2025070817

摘要 ( )   HTML ( )   PDF (1852KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

稀疏计算机断层成像（CT）重建能够降低患者的辐射剂量，对临床诊断具有重要意义。在基于深度学习的图像重建任务中，经典的Uformer （U-shape Transformer）、Restormer （Restoration Transformer）和AST （Adaptive Sparse Transformer）等网络未考虑图像的多尺度与方向信息，从而忽略了局部细节和全局结构的平衡，伪影抑制效果有限。针对上述问题，提出一种多尺度注意力自适应融合Transformer（MAAF-Transformer）网络。该网络采用并行注意力融合策略，结合多尺度通道方向感知注意力（MSCDA）模块捕获伪影特征，并利用卷积自适应空间通道注意力（CASCA）模块动态调节权重，然后通过门控深度卷积前馈网络（GDFN）筛选有效信息。实验结果表明，在60个稀疏角度下，MAAF-Transformer相较于经典Uformer在峰值信噪比（PSNR）上提高了0.714 1 dB、结构相似性（SSIM）上提高了0.33%，而均方根误差（RMSE）上降低了7.76%，并在视觉效果上同样表现优异。可见，MAAF-Transformer的稀疏重建精度更高，抑制伪影能力更强。

前沿与综合应用

国产自主复合材料及结构的设计-仿真-优化一体化平台SWJTU⁃CAX研发

唐名, 王立刚, 彭一帆, 刘建涛, 曾庆丰, 符美桐, 侯云潇, 关康

2026, 46(8):  2668-2680.  DOI: 10.11772/j.issn.1001-9081.2025070923

摘要 ( )   HTML ( )   PDF (4631KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

复合材料因兼具轻质、高强和性能可设计等诸多优点，在宇航、船舶和高铁等领域的大型装备中应用前景广阔。当前商业软件多集中于复合材料数字化设计、性能预测、宏观响应模拟和结构优化等单尺度功能，且多款软件联合使用时易发生版本不兼容和数据格式不互通等问题，难以满足当前高端装备研制对复合材料-构件-系统一体化的按需设计要求。为此，结合面向对象的方法和模块化设计思路，设计并自主研发一款复合材料与结构的设计-仿真-优化软件研发的跨系统共性支撑平台——SWJTU-CAX。该平台以跨系统开发环境Qt和数据可视化库VTK为基础工具，采用数据层、逻辑处理层和表现层为总体架构，有效地解决复合材料及结构设计、跨尺度仿真、性能预测、并行求解和优化设计全过程的数据管理与流转、功能组织与模块拓展、大规模数据高效存取与可视化等核心难点。此外，采用模块化方式和CMake工具进行SWJTU-CAX代码组织与功能测试，通过XML文件管理和增减平台所需的功能模块，实现复合材料与结构的设计-仿真-优化及其他功能模块的快速集成与拓展。最终，以陶瓷复合材料及构件为例，采用SWJTU-CAX平台完成任意编织形式陶瓷复合材料的数字化建模、跨尺度性能预测、响应仿真和结构材料的一体化优化设计与软件开发，验证了该跨系统平台架构、数据组织及项目管理方式的可行性。可见，SWJTU-CAX平台的开发为深入探究非均质材料跨尺度失效机制、装备-构件-材料一体的按需设计及设备复合材料的服役安全评价提供了有力工具，并为国产工业软件架构的研发提供了技术思路参考。

面向航空领域的消息一致性解析框架

王梦婷, 高拴梁, 廖文睿, 李赓, 张嘉兴, 祝远芳, 赵天歌, 刘勇慧, 梁红茹

2026, 46(8):  2681-2690.  DOI: 10.11772/j.issn.1001-9081.2025091103

摘要 ( )   HTML ( )   PDF (935KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

在航空领域，为了确保空中单位与地面单位之间通信的稳定性，非结构化的文本消息需被转化为固定格式的结构化信息数据进行传输。现有方法虽利用大语言模型（LLM）的指令遵循能力实现从文本到结构化数据的转换，却普遍忽视了LLM固有的幻觉问题与不可解释性对航空信息安全构成的严重威胁。因此，提出面向航空领域的消息一致性解析框架（MCPFA），通过融合模型自我反思与人机协同机制，系统性地保障信息转化过程中的语义保真与操作安全。首先，提出基于自我反思的一致性检验方法（CVMSR），从语法、语义和语用这3个维度构建递进式验证机制，实现对结构化输出的动态校验与修正；其次，设计智能化航空消息人机协作检验系统（IAMHCIS），通过置信度感知与跨层一致性分析精准触发专家干预，并将人类反馈融入模型迭代，形成闭环优化；最后，通过系统性实验全面评估框架性能。实验结果表明，MCPFA在一致性判断与修正任务上显著优于现有方法，不仅能有效识别并修复因术语混淆、单位误判或规章违背导致的关键错误，还在未见过的消息类型上展现出良好的泛化能力。更重要的是，引入专家知识后，模型性能持续提升，从而验证了所提框架的可成长性与工程实用价值，为航空等安全攸关领域的LLM应用提供了兼顾准确性、安全性与可解释性的新路径。

基于改进带梯度惩罚的Wasserstein生成对抗网络和时频特征融合的窃电检测方法

闫江毓, 王世乾, 王红

2026, 46(8):  2691-2698.  DOI: 10.11772/j.issn.1001-9081.2025070919

摘要 ( )   HTML ( )   PDF (1033KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

窃电行为导致的电网非技术性损失日益严重，现有检测方法面临数据类别不平衡和特征表征不足的双重挑战。为此，提出一种基于改进带梯度惩罚的Wasserstein生成对抗网络（WGAN-GP）和时频特征融合的窃电检测方法。首先，结合自适应梯度惩罚与WGAN，建模与增强原始窃电数据，缓解数据样本不平衡的问题；其次，构建时频特征融合窃电检测方法，通过带有注意力机制的特征提取模块，在时域维度中捕捉用户用电行为的全局特征与周期特征，在频域维度中通过傅里叶变换后提取频域特征，得到时频域特征的双重表征；最后，对高维特征进行融合与压缩，以实现精准的窃电检测。使用某电力公司真实用电数据集进行验证的结果表明，与合成少数过采样技术（SMOTE）和自适应合成采样（ADASYN）等传统方法相比，K-近邻（KNN）算法、长短期记忆（LSTM）网络、宽深度卷积神经网络（WDCNN）和Flowformer这4种对比模型经所提方法数据增强后的正确率均达到了90.00%以上，并且曲线下面积（AUC）均超过95.00%。在此基础上，时频特征融合窃电检测方法的正确率和F1分数分别达到95.54%和95.39%，较Flowformer模型分别提升了1.90和1.89个百分点，且在保持92.71%的高检出率的同时，将误检率控制在1.66%的低水平。可见，所提方法在窃电样本生成的真实性和窃电用户识别的准确性方面均优于对比方法，具有良好的适用性。

基于时空Mamba模型的生理信号提取和心率测量

高艳, 姚育东

2026, 46(8):  2699-2707.  DOI: 10.11772/j.issn.1001-9081.2025070889

摘要 ( )   HTML ( )   PDF (1437KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

基于远程光电容积脉搏波（rPPG）技术的非接触式心率测量方法主要面临两个方面的挑战：一是准确选取面部感兴趣区域（RoI）；二是从长视频序列中准确理解rPPG的周期模式。针对现有工作中面部RoI定位不精准和未考虑到不同信号源之间的时间滞后性的问题，提出一个端到端的rPPG信号提取模型RppgMamba，用于非接触式心率测量。在该模型中，设计的具有交叉扫描机制的分层时空Mamba模块从多尺度的时空感受场中挖掘弱信号的空间感知关系，以自适应地定位面部RoI，从而避免受到背景和运动噪声等带来的干扰；而设计的频域细化模块在频域中进一步学习rPPG信号的准周期模式，以提高输出信号质量，同时结合相位补偿器对输出信号进行相位校正，减少固有时间滞后性带来的影响。实验结果表明，所提模型在三个公开数据集上获得了最佳的性能，验证了该模型对心率测量良好的精确度和适用性。

结合注意力机制与深度强化学习的无模型光伏接入容量评估方法

黄远航, 荣娜

2026, 46(8):  2708-2715.  DOI: 10.11772/j.issn.1001-9081.2025070844

摘要 ( )   HTML ( )   PDF (3869KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对传统光伏接入容量（PHC）评估方法对详细物理模型的过度依赖和高计算复杂性，以及深度强化学习方法在策略优化中的精度和稳定性有待提升的挑战，提出一种结合注意力机制与深度强化学习的无模型PHC评估方法。通过构建深度神经网络（DNN）预测节点电压并结合软演员-评论家（SAC）算法评估PHC，同时引入交互注意力机制自适应地关注状态-动作对之间的内在关联，提升对Q值的估计精度和训练稳定性。案例研究在一个真实配电网络中展开，并将所提方法与基于DIgSILENT的物理模型方法和无注意力机制的无模型方法对比。实验结果表明，所提方法的归一化平均绝对误差（NMAE）为0.045 2，归一化均方根误差（NRMSE）为0.061 8，平均绝对百分比误差（MAPE）为5.93%，决定系数（R²）为0.930 5，最大电压偏差在±3 V，验证了该方法的有效性。

基于元路径与主成分分析的药物重定位方法

王思秀, 陈新周, 李敏, 赵晓敏

2026, 46(8):  2716-2724.  DOI: 10.11772/j.issn.1001-9081.2025070819

摘要 ( )   HTML ( )   PDF (1286KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

药物重定位领域多数研究依赖“相似药物治疗相似疾病”假设，因此需使用疾病和药物等相似性数据，而此类数据存在获取困难、不同计算方法结果差异大且数据缺失时研究无法开展的难题，提出一种基于元路径（EMP）与主成分分析（PCA）的药物重定位方法（EMP-PCA），从而无需相似性数据即可实现药物-疾病关联预测。首先，引入对应不同相互作用数据的5条元路径，以生成交换矩阵来挖掘多源关联信息；其次，通过PCA找寻方差最大的方向，对数据进行投影降维，并在简化计算的同时保留核心信息；最后，利用梯度提升树方法为每条元路径构建基分类器，并把它们组合成集成分类器，从而实现多源数据的有效整合。将EMP-PCA与药物重定位异质图卷积网络（DRHGCN）、附加神经矩阵分解（ANMF）模型、层注意力图卷积网络（LAGCN）等基于相似性数据的药物重定位方法进行对比。实验结果表明，EMP-PCA无需引入任何相似性数据，即可有效融合药物、蛋白质与疾病间的多源相互作用数据，且在曲线下面积（AUC）、精确率和召回率等关键评价指标上均优于对比方法，能有效解决基于相似性方法的数据依赖与缺失难题，具备优异的关联预测性能和较高的实际应用价值。