当期目录

2026年 第46卷 第10期 刊出日期：2026-10-10

上一期  

人工智能

可微神经架构搜索方法综述

王涵, 于瑞祺, 任爽

2026, 46(10):  3065-3075.  DOI: 10.11772/j.issn.1001-9081.2025091152

摘要 ( )   HTML ( )   PDF (809KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

神经架构搜索（NAS）通过自动化设计神经网络结构，突破传统手动设计的试错局限，显著降低了深度学习模型开发对专业经验的依赖，且大幅提升了模型表现。在众多方法中，可微神经架构搜索（DNAS）借助one-shot框架与梯度下降优化大幅缩短了搜索时间，已成为当前研究的主流方向。然而，现有研究仍缺乏对可微方法及其发展脉络的系统化梳理。为了填补相关空白并为相关研究提供参考，对近年来出现的DNAS方法进行归纳分析。首先，介绍DNAS算法的基本理论和基准数据集，并梳理DNAS的现存挑战；其次，对现有的DNAS算法进行层次化分析；最后，展望DNAS未来的发展方向。

基于全局图数据增强的对比学习图卷积推荐系统

陈龙, 侯新民

2026, 46(10):  3076-3082.  DOI: 10.11772/j.issn.1001-9081.2025091126

摘要 ( )   HTML ( )   PDF (662KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

随着信息量的迅速增长，推荐系统在改善用户体验和解决信息过载方面发挥了重要作用。然而，传统推荐方法在数据稀疏性、冷启动问题和模型可解释性方面仍存在局限。为了解决这些问题，提出一种基于全局图数据增强的图对比学习卷积神经网络推荐系统GACL-Rec（Global Augmented Contrastive Learning for Recommendation）。首先，在节点、边和特征层面进行全局增强，以提升模型在稀疏数据下的鲁棒性；其次，设计多粒度图对比学习框架，通过节点级、子图级和全图级的对比学习任务，增强嵌入表示的一致性与判别性。在MovieLens-1M、Amazon-Books等多个公开数据集上的实验结果表明，所提推荐系统在推荐精度、鲁棒性和冷启动场景中的表现优于矩阵分解（MF）与LightGCN等传统模型，在稀疏数据集上的表现尤为突出。此外，通过参数敏感性分析和消融实验结果验证了全局增强和多粒度对比学习机制的有效性。可见，所提模型在解决推荐系统中的典型问题（如数据稀疏和冷启动问题）时具有显著优势。

基于多头关系转化的异构图神经网络

黄华娟, 方永康, 韦修喜

2026, 46(10):  3083-3092.  DOI: 10.11772/j.issn.1001-9081.2025081065

摘要 ( )   HTML ( )   PDF (1404KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对异构图神经网络（HGNN）在多关系语义建模中依赖人工构造元路径、难以充分捕捉复杂关系语义的问题，提出一种基于多头关系转化的异构图神经网络（MHRTHGN）方法。该方法为不同关系构建独立的关系变换矩阵，引入多头注意力机制精细刻画多关系特征，并设计关系特定多头注意力机制在节点级与关系级两层面融合多关系信息，同时结合前馈网络（FFN）进一步提升表示的语义表达能力。实验结果表明，在ACM、IMDB与DBLP数据集上，与HAN（Heterogeneous graph Attention Network）、图卷积网络（GCN）等代表性模型相比，所提方法在节点分类与节点聚类任务中的准确率平均提升3～5个百分点，验证了模型在多关系异构图学习中的有效性和性能优势。可见，MHRTHGN能在无须元路径先验的条件下有效建模多关系信息，为异构图表示学习提供了一种泛化性更强、应用潜力更大的技术方案。

基于筛选机制的多模型协同持续学习框架

吴雨臻, 潘晨, 栗倩楠

2026, 46(10):  3093-3100.  DOI: 10.11772/j.issn.1001-9081.2025091087

摘要 ( )   HTML ( )   PDF (1131KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有的持续学习方法在稳定性与可塑性之间通常难以兼顾的问题，提出一种基于筛选机制的多模型协同持续学习框架。该框架由主模型、辅助模型与学生模型组成：主模型着眼于预测输出高可信度结果，辅助模型记忆主模型难以学习的困难样本，学生模型则继承与整合主模型和辅助模型级联构成的教师模型的识别能力，三者在每一轮任务过程中协同优化。实验结果表明，在任务增量场景下，该框架在Fashion-MNIST和CIFAR-10数据集上的平均准确率（AAC）、BWT（BackWard Transfer）、FWT（ForWard Transfer）等指标均优于EWC（Elastic Weight Consolidation）、GEM（Gradient Episodic Memory）、iCaRL（incremental Classifier and Representation Learning）等典型方法，体现出更强的稳定记忆与灵活适应能力；在类增量场景下，无论是只有10类的Fashion-MNIST还是100类的CIFAR-100数据集，该框架均有良好的适用性，它的AAC亦显著高于对比方法。

结合高低估价值函数的策略优化方法

张紫衡, 秦进

2026, 46(10):  3101-3106.  DOI: 10.11772/j.issn.1001-9081.2025091175

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

数据和表 | 参考文献 | 相关文章 | 计量指标

在强化学习（RL）中，价值函数估计偏差是制约算法性能提升的关键难题，源于环境动态不确定性、函数近似误差及数据分布偏移等因素，导致策略优化方向偏离真实最优解，甚至引发训练过程发散。为系统性缓解该问题，提出一种结合高低估价值函数的策略优化方法（POIVF）。同时，设计一种动态调节权重的方法，通过实时近似判断当前低估价值函数的低估程度动态调节高估价值函数权重，并提出一种能够动态选择低估价值函数的方法。为验证POIVF的有效性，分别将它与TD3（Twin Delayed Deep Deterministic policy gradient）、TADD（Triplet Average Deep Deterministic policy gradient algorithm）、QMD3（Quasi-Median Delayed Deep Deterministic policy gradient）算法相结合，并在OpenAI Gym的6个控制任务上进行测试评估。实验结果表明，POIVF在大部分任务上取得了性能提升。

基于提示引导生成与三元交互注意力的意图槽位联合识别方法

滕尚志, 黄进, 吕学强, 游新冬

2026, 46(10):  3107-3116.  DOI: 10.11772/j.issn.1001-9081.2025091092

摘要 ( )   HTML ( )   PDF (1065KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对大语言模型（LLM）在意图识别与槽位填充任务中生成结果多样性带来的语义歧义和候选选择困难问题，提出一种基于提示引导生成与三元交互注意力机制的意图?槽位联合识别方法——PGT-Joint（Prompt-guided Generation and Tri-mutual attention for Joint intent-slot recognition）。首先，结合领域知识构建提示，引导LLM生成多组候选意图?槽位组合；其次，设计三元交互注意力机制，显式建模用户问题、候选意图和槽位之间的高阶语义关系；最后，通过对比学习排序模型对候选结果进行筛选与优化。实验结果表明，在Mini/Micro LED领域问答数据集上，与全局?局部图交互网络（GL-GIN）以外的当前主流模型如BERT-Intent、BERT-Slot相比，PGT-Joint在意图识别准确率上的提升幅度达到0.4~3.8个百分点，在槽位填充F1值上的提升幅度达到4.1~6.6个百分点，在意图与槽位完全匹配准确率上的提升最显著，提升幅度达到5.2~10.2个百分点。此外，消融实验结果验证了提示生成和三元交互注意力机制在性能提升中的关键作用，说明PGT-Joint能够在专业领域对话系统中有效增强语义理解能力。

基于双通道嵌入融合的零样本知识图谱关系预测方法

高兵, 林锦卓, 邹启杰, 姚永强

2026, 46(10):  3117-3123.  DOI: 10.11772/j.issn.1001-9081.2025080945

摘要 ( )   HTML ( )   PDF (743KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

零样本知识图谱关系预测任务旨在根据知识图谱已有的事实三元组推理预测包含未见关系的事实三元组。已有方法大多仅考虑关系的文本信息和图结构信息，而未充分利用实体的描述信息；针对关系的文本信息仅依赖于数据集本身的文本描述，难以捕捉关系的详细语义与知识图谱三元组整体的语义信息。为解决上述问题，本文提出一种基于双通道嵌入融合的零样本知识图谱关系预测方法。首先，使用结构编码器和语义编码器分别生成三元组实体部分的结构特征与语义特征；其次，通过双通道实体多模态信息融合模块融合得到的特征，同时利用大语言模型（LLM）的文本生成能力生成关系文本语义增强后的描述信息；再次，经过训练，语义增强后的语义特征与实体的多模态特征在向量空间中满足语义一致性；最后，针对零样本关系，根据语义增强后的文本描述信息完成零样本知识图谱关系预测。在两个真实数据集上的实验结果表明，相较于最优基线模型，在NELL_ZS数据集上，所提方法的平均倒数排名（MRR）、Hit@1、Hit@5和Hit@10分别提高了8.7、7.2、9.5和11.2个百分点；在WN18RR_ZSL数据集上，所提方法的MRR、Hit@1、Hit@5和Hit@10分别提高了6.6、9.2、3.9和0.8个百分点，验证了所提方法的有效性。

全局感知融合二值多尺度特征的语音情感识别

王政, 倪佳慧, 张凡龙

2026, 46(10):  3124-3132.  DOI: 10.11772/j.issn.1001-9081.2025080935

摘要 ( )   HTML ( )   PDF (1557KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对传统卷积神经网络（CNN）在语音情感识别（SER）中因感受野受限而难以捕获全局情感信息，以及全局自注意力机制在移动端等资源受限设备上计算开销过大的问题，提出一种适用于边缘部署的轻量级、高精度的SER模型——基于二值多尺度特征表示的全局感知融合网络（GAF-BMFR）。该网络以二值神经网络（BNN）为骨架以降低模型复杂度，核心部分包括：设计二值多尺度模块（BMSB），通过并行的3×3与5×5二值卷积同步提取时频域的细粒度与宽视野特征；引入轻量级的全局感知模块（GAB），利用全连接层与1×1卷积替代高成本的自注意力机制，实现跨尺度特征的全局关联建模与自适应选择。此外，设计类均衡焦点?对数边距?多尺度二值正则化（CB-FLM-MSR）联合损失函数，缓解类别不平衡与情感边界模糊等问题。在公开数据集上的实验结果表明，GAF-BMFR的性能优越且资源消耗低。以IEMOCAP数据集的剧本部分为例，与典型的注意力池化卷积神经网络（APCNN）模型相比，GAF-BMFR的加权准确率（WA）提升了25.23个百分点，未加权准确率（UA）提升了24.18个百分点；同时，GAF-BMFR的参数量相较于它的全精度版本显著降低了约24.04%。可见，GAF-BMFR在显著降低参数量与计算开销的同时，有效提升了SER的准确率与鲁棒性，为在资源受限场景下部署高效的情感计算应用提供了一个可行的轻量级解决方案。

基于TF-Chi概率特征和混合提示学习的犯罪心理归因模型

李聪聪, 高冠东, 肖珂, 沈伯玮

2026, 46(10):  3133-3142.  DOI: 10.11772/j.issn.1001-9081.2025081057

摘要 ( )   HTML ( )   PDF (891KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

分析犯罪心理的成因对评估犯罪风险及制定心理矫治方案至关重要。传统模型在理解犯罪心理文本、揭示提示向量与下游任务的关联性，以及动态识别特征词重要性等方面仍存在局限。为此，提出一种基于CP-BERT（Criminal Psychology-Bidirectional Encoder Representations from Transformers）的犯罪心理归因分类模型，以实现对犯罪心理成因的四分类。首先，构建803万字符的犯罪心理语料库，进行领域自适应预训练，增强模型的语义建模能力。其次，设计混合提示（Hybrid Prompt）学习方法，将提示模板划分为前缀与后缀两部分：前缀在初始化阶段注入与归因任务高度相关的先验信息，后缀则采用正态分布随机初始化，用于补充前缀未覆盖的信息，并通过实验确定最优比例。再次，提出改进的TF-Chi（Term Frequency-Chi-Square）关联概率特征方法，将数值特征动态映射为信息关联性概率值，并通过构建权重矩阵实现特征融合。最后，构建一个包含3 484条成长史和犯罪史的标注样本数据集进行模型训练与评估。实验结果表明，该模型的准确率和F1值分别达到91.25%与91.56%，在所有指标上均显著优于ChatGLM、DeepSeek等基线模型，验证了它在犯罪心理归因任务中的有效性。

融合图文与大语言模型的农业用户身份识别方法

尚毅蒙, 迟增林, 张宏鸣, 刘斌, 胡国强, 牛当当

2026, 46(10):  3143-3152.  DOI: 10.11772/j.issn.1001-9081.2025091082

摘要 ( )   HTML ( )   PDF (1106KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

推荐系统冷启动阶段难以依赖历史交互数据进行有效建模，严重制约了个性化服务的质量与精准度。针对这一问题，以用户登录推荐系统即可获取到的头像和昵称作为研究对象，提出一种结合用户头像与昵称信息的多模态身份识别模型ResBERT-MMNet（ResNet-BERT MultiModal Network），其中设计多层堆叠的双向残差跨模态注意力机制实现图文语义交互，增强对用户身份的理解能力。进一步地，针对多模态模型在低置信度场景下可能产生错误预测的局限性，引入基于大语言模型（LLM）的农业用户身份类型预测，使用DeepSeek-R1-Distill-Qwen-7B模型进行低秩适配（LoRA）微调，从而能够根据用户昵称推理出用户的身份类型，并将LLM的计算结果作为补充决策模块提升系统整体鲁棒性。在自建数据集上的实验结果表明，ResBERT-MMNet在多个农业用户类别的识别任务中的识别精确率和F1值分别达到了67.47%和68.05%，相较于其他模型取得了更优异的表现；结合微调的LLM，识别精确率和F1值分别提升到69.73%和70.06%，表现出较强的实际适用性，为农业领域推荐系统在冷启动阶段提供先验数据，同时也为用户画像构建和精准服务贡献了技术解决思路。

面向航空数据链的大语言模型信息抽取

汤魁, 高拴梁, 李阳, 李赓, 张嘉兴, 祝远芳, 付永明, 毛瑞棋, 梁红茹

2026, 46(10):  3153-3160.  DOI: 10.11772/j.issn.1001-9081.2025091104

摘要 ( )   HTML ( )   PDF (802KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

在诸如航空数据链指令解析等军事领域的严肃任务场景中，信息抽取系统需要同时具备高准确性与结构一致性，以确保任务执行的安全与可靠。然而，传统基于规则或少样本示例提示的抽取方法在面对复杂语义、灵活句式和高约束结构时，抽取结果存在严重的幻觉。为了解决这个问题，提出基于大语言模型（LLM）的检索增强生成式信息抽取（RAG-IE）算法，该算法结合检索增强技术与信息抽取技术。首先，构建面向目标信息类型的元语言库，并据此提供标准化抽取模板；其次，基于倒排索引结合关键词与语义扩展策略实现高效模板检索；最后，通过提示词设计引导大语言模型将自然语言转换为结构化信息，实现对航空数据链自然语言指令的具有高度可控性与准确率的信息抽取。实验结果表明，该算法优于现有的信息抽取算法，大幅减少了大语言模型抽取信息中所存在的幻觉，同时具有良好的领域无关性，可通过重构元语言库扩展至其他需要高可靠抽取的场景，为智能化、可验证的信息处理系统提供了一种通用技术路径。

基于CTrans-ATGCN的航班地面保障里程碑事件预测

冯霞, 王琦, 张明泽, 左海超, 王国钰

2026, 46(10):  3161-3170.  DOI: 10.11772/j.issn.1001-9081.2025080942

摘要 ( )   HTML ( )   PDF (1410KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对航班地面保障里程碑事件预测面临的数据缺失严重、影响因素不确定和预测精度不高等问题，提出一种航班地面保障里程碑事件预测框架CTrans-ATGCN，包括缺失数据填补和里程碑事件预测两大核心组件。该框架基于Transformer架构，引入卷积层提取航班地面保障里程碑事件数据中蕴含的时序和拓扑特征，采用自注意力机制建模不同里程碑事件之间潜在的全局依赖关系，构建融合卷积自注意力机制的航班地面保障数据填补方法CTrans（Convolutional Transformer）。在此基础上，构建里程碑事件预测方法——基于注意力的时序图卷积网络（ATGCN）。该方法利用时序图卷积网络（T-GCN）捕捉里程碑事件的历史数据中蕴含的时空依赖关系，并结合注意力机制与评分函数动态地调整不同里程碑事件节点之间的权重，从而实现对地面保障里程碑事件的高精度预测。在华北地区某机场2023年真实数据集上的实验结果表明，所提填补方法在缺失率为70%的非随机缺失场景下，相较于次优模型GraphSAGE（Graph Sample and AggreGatE）的平均绝对误差（MAE）降低了约14.91%；而在低缺失率数据集上，所提“填补+预测”方法取得了与滑动双向图卷积神经网络模型（SBDGCNM）相当的预测效果；在缺失率为70%的数据集上，CTrans-ATGCN的MAE和均方根误差（RMSE）分别为14.76和18.42，优于所有基准方法。可见，该框架为解决数据缺失下的航班地面保障预测问题提供了有效方法，为地勤高效调度人员与设备提供了可靠支持。

数据科学与技术

融合时空感知与自监督转换器的交通流预测模型

魏金香, 王雷春, 卢祥凤, 宋芮芮, 何运平, 刘小萌

2026, 46(10):  3171-3179.  DOI: 10.11772/j.issn.1001-9081.2025091098

摘要 ( )   HTML ( )   PDF (916KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有的交通流预测方法无法学习到路网拓扑的动态性模式和局部细粒度特征的问题，提出融合时空感知与自监督转换器（STA-Autoformer）的交通流预测模型，该模型通过融合自注意力机制与自监督学习策略，提升时空交通流预测的准确性。首先，结合时间自注意力和空间自注意力机制，克服现有模型无法捕获远距离的空间和时间相似性关系的局限性；其次，设计动态拓扑感知模块，以应对突发情况的局部影响；最后，设计多尺度时序感知模块，分别用时序增强和扩散机制从周期性和局域特征提取时序特征。实验结果表明，与表现最佳的基线模型ST-SSL（Spatio-Temporal Self-Supervised Learning）相比：STA-Autoformer在NYCBike1和NYCBike2数据集上流入预测任务中的平均绝对误差（MAE）分别降低了3.0%和1.8%，平均绝对百分比误差（MAPE）分别降低了5.8%和1.4%；在NYCTaxi数据集上，STA-Autoformer的流入和流出预测的MAE分别降低了1.4%和1.3%。可见，STA-Autoformer在多个真实交通数据集上均取得显著性能提升。

基于介尺度建模的动态交通多智能体仿真方法

张睿, 郑至诚, 潘理虎, 郭桓渊, 张林梁, 闫慧敏

2026, 46(10):  3180-3190.  DOI: 10.11772/j.issn.1001-9081.2025091132

摘要 ( )   HTML ( )   PDF (1280KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对交通仿真系统中多尺度协同建模困难与交互连续性不足的问题，设计一种融合微观、介观与宏观的多尺度交通仿真方法。该方法以数据驱动?尺度分类?策略执行?轨迹控制?仿真反馈为核心逻辑，构建模块化建模体系，实现多源信息融合与行为策略解耦。通过建立介观桥梁层，打通微观行为与宏观趋势之间的双向信息通路，并融入基于社会价值导向（SVO）的群体蒙特卡洛树搜索（MCTS）协同决策机制；同时，在宏观层构建动态OD（Origin-Destination）矩阵生成系统，赋予仿真系统对交通流时序演变的自适应调控能力。实验结果表明，本文方法在保证仿真效率的同时，显著提升系统行为合理性与场景适应力，与传统的单一尺度模型和无协同策略的单车决策模型相比，冲突率平均降低了19.8%、通行率（TR）综合提升了34.6%，为复杂交通场景下的智能协同与资源优化提供了有效的技术路径。

基于LSTM-Transformer的小型风冷数据中心电源使用效率预测

滕雨轩, 蒋从锋, 刘俊明, 徐传奇

2026, 46(10):  3191-3198.  DOI: 10.11772/j.issn.1001-9081.2025080944

摘要 ( )   HTML ( )   PDF (961KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

随着数据中心规模的不断扩大，电源使用效率（PUE）已成为衡量数据中心能效水平的重要指标。现有研究大多聚焦于超大规模数据中心，而小型风冷数据中心在扩展能力、负载波动性、网络基础设施以及管理方式等方面具有显著差异，因此相关预测研究相对不足。为此，本文提出一种基于LSTM-Transformer架构的小型风冷数据中心PUE预测模型。该模型结合长短期记忆（LSTM）网络对时间序列特征的提取能力与Transformer的全局依赖建模优势，有效整合多源异构能源数据，提升对PUE变化规律的刻画与预测能力。在真实数据中心数据集上的实验结果表明，该模型的预测均方误差（MSE）、平均绝对误差（MAE）和决定系数（R2）分别为0.000 7、0.021 4和0.958 3；与LSTM模型相比，MSE和MAE分别降低53.33%和28.43%，R2提高0.051 6；与Transformer模型相比，MSE和MAE分别降低78.79%和45.41%，R2提高0.136 3，验证了所提混合架构在PUE预测精度方面的有效性。研究结果表明，该模型能够为小型风冷数据中心的能效优化与运维管理提供可靠支持。

基于对比学习与Mamba的时间序列异常检测方法Mamba-ADCL

赵志宏, 刘栩硕

2026, 46(10):  3199-3205.  DOI: 10.11772/j.issn.1001-9081.2025080958

摘要 ( )   HTML ( )   PDF (750KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有的时间序列异常检测方法普遍存在对标注数据依赖性强、在复杂场景下的建模能力不足等问题，提出一种基于对比学习与Mamba的时间序列异常检测方法Mamba-ADCL（Anomaly Detection in time series via Contrastive Learning with Mamba）。该方法设计双分支Mamba结构，利用共享权重结构和对比学习策略，有效扩大正常与异常样本间的特征差异，提升模型鲁棒性与泛化能力；同时，提出时域与频域协同建模的表征方法，将时间序列数据转换为频域表示，并与时域数据共同构建双视角的对比学习机制，从而增强对异常模式的识别能力。在4个公开数据集MSL、SMAP、SWaT和PSM上的实验结果表明，Mamba-ADCL的F1-score相较于AnomalyTrans（Anomaly Transformer）分别提升了2.22、0.22、3.86和0.35个百分点，相较于时频掩码自编码器（TFMAE）分别提升了2.43、0.52、0.70和0.28个百分点，验证了该方法在时间序列异常检测中的有效性。

基于转置自注意力机制与卷积自编码器的多元时序数据分析方法

刘晟, 童英华

2026, 46(10):  3206-3214.  DOI: 10.11772/j.issn.1001-9081.2025080971

摘要 ( )   HTML ( )   PDF (841KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有Transformer类模型在趋势性信息提取方面存在的不足，以及传感器异构性导致的变量相关性建模失真等问题，提出一种基于转置自注意力机制（TSA）与卷积自编码器（CAE）的多元时序数据分析方法。该方法通过构建转置一维CAE结构，从时间维度实现时序数据的特征重建，有效捕获多元时序数据中的长期趋势信息；同时，将TSA机制引入多变量相关性分析过程，显著提升变量间关联关系的建模精度。与近年主流方法的预测性能对比实验结果表明，所提方法的平均均方误差（MSE）为0.545，相较于iTransformer和DLinear分别降低了11.4%和7.4%。此外，在5个公共数据集上的异常检测实验结果表明，该方法的平均F1分数为84.92%，优于所有基线方法。在真实水质监测数据集上的预测实验结果表明，所提方法的平均绝对误差（MAE）和MSE相较于Autoformer分别降低了46.2%和42.9%，验证了该方法在实际应用场景中的有效性。

网络空间安全

基于流量分析的远程控制木马检测方法综述

张斌, 汪文勇, 朱启勋, 邱家徐, 张家禾, 廖聪慧, 廖梓宇

2026, 46(10):  3215-3226.  DOI: 10.11772/j.issn.1001-9081.2025091099

摘要 ( )   HTML ( )   PDF (918KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

近年来，远程控制木马（RAT）被黑客广泛用于数据窃取、系统入侵、勒索攻击等恶意活动，因具有隐蔽性和持久性，RAT成为网络安全领域的重大威胁。针对传统的RAT检测方法在面对加密流量和协议伪装时存在检测率低且漏报严重的问题，基于流量分析的RAT检测技术因对通信行为的深度洞察能力而逐渐成为网络安全领域的研究热点。通过广泛的文献调研，详细介绍利用流量分析识别RAT的最新研究进展。首先，简要概括RAT通信原理以及检测方法；其次，重点总结目前基于流量分析的RAT检测方法；再次，从实际应用的角度梳理RAT检测的具体应用场景；最后，讨论目前研究过程中面临的问题，并提出未来的发展方向。

基于多目标规划和证据推理理论的信息安全风险评估

王晶萍, 刘艳婷, 龙海明, 张英俊

2026, 46(10):  3227-3232.  DOI: 10.11772/j.issn.1001-9081.2025091123

摘要 ( )   HTML ( )   PDF (525KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

随着移动互联网快速发展和海量大数据的涌现，信息安全风险日益凸显，构建和完善科学、客观的安全风险评估体系具有重要的理论和现实意义。然而，现有评估方法还面临不确定信息的表示、专家和属性权重的客观量化以及不确定信息融合等挑战。针对上述挑战，提出一种基于多目标规划和证据推理理论的信息安全风险评估模型。首先，利用区间直觉模糊数表示不确定信息，并定义三类基本运算法则；其次，基于多目标规划客观量化专家和属性权重；再次，引入区间直觉模糊环境下的证据推理融合规则，以解决不确定信息的融合问题；最后，借鉴逼近理想解方法TOPSIS（Technique for Order Preference by Similarity to Ideal Solution），综合评估信息安全。实验结果验证了所提模型在信息表示、权重量化和评估方面的有效性和可行性。

基于DeepInsight和混合量子卷积神经网络的DDoS攻击检测方法

李怀金, 张仕斌, 杨敏

2026, 46(10):  3233-3241.  DOI: 10.11772/j.issn.1001-9081.2025091091

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

数据和表 | 参考文献 | 相关文章 | 计量指标

分布式拒绝服务（DDoS）攻击因隐蔽性强、形式多变，仍是现代网络面临的主要威胁之一。随着物联网与云计算的发展，DDoS流量呈现突发性、异构性和快速演化等特点，导致传统检测方法在复杂攻击识别与样本不均衡等方面面临挑战。为了克服这些局限性，提出一种基于DeepInsight与经典?量子卷积神经网络（DI-C2Q-CNN）的DDoS攻击检测方法。首先，利用DeepInsight技术将多维时间序列网络流量数据智能映射为结构化灰度图像，通过显式重构特征间的空间关系，有助于提升攻击模式的可识别性。其次，构建融合经典卷积神经网络（CNN）与量子卷积模块的经典?量子卷积神经网络（C2Q-CNN）混合架构，结合量子叠加态的表征能力与高维特征映射能力，增强对图像特征的高阶表征以及复杂模式的学习能力，从而提升识别复杂网络攻击模式的能力。此外，为了缓解小样本和类别不平衡造成的训练瓶颈，引入迁移学习策略，提高模型的适应性和鲁棒性。实验结果表明，所提方法在UNSW-NB15数据集上即使在极端样本压缩和类别失衡条件下，仍优于支持向量机（SVM）和CNN-LSTM等主流模型，在DDoS攻击检测任务中展现出良好的性能与应用潜力。

基于稀疏图注意力的工业物联网边缘计算容错方法

牛钰清, 张志勇, 张中亚, 张航

2026, 46(10):  3242-3249.  DOI: 10.11772/j.issn.1001-9081.2025091151

摘要 ( )   HTML ( )   PDF (822KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对工业物联网（IIoT）边缘计算环境中因资源受限导致节点过载甚至故障的问题，提出一种基于边缘智能的容错方法——融合稀疏图注意力的生成对抗网络（SGAT-GAN）。该方法融合故障预测机制，通过故障嵌入编码器（FEE）技术实现故障的实时检测、分类与预测，提升系统的容错能力。在此基础上，结合生成对抗网络（GAN）和抢先迁移选择最优策略对故障进行智能补救，为IIoT边缘计算系统提供一种高效、智能的解决方案。在基于Raspberry Pi的边缘环境中的实验结果表明，该方法在故障平均检测精确率和平均分类准确率上优于主动协调容错（PCFT）、基于聚类的多目标动态负载均衡技术（CMODLB）、基于自监督深度代理模型的边缘计算容错方法（DeepFT）和预迁移预测网络（PreGAN）这4种先进方法。其中，相较于表现最佳的先进方法PreGAN，所提方法在这两项指标上分别提高了1.96和1.62个百分点，验证了该方法在提升IIoT边缘计算系统可靠性方面的有效性与优越性。

先进计算

支持运行时状态协同演化的分布式服务框架Zynco

刘中一, 李梦箫, 林骋, 田丰, 符丹, 单威, 王峥, 杨健

2026, 46(10):  3250-3259.  DOI: 10.11772/j.issn.1001-9081.2025080953

摘要 ( )   HTML ( )   PDF (1170KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

分布式计算系统对任务持续运行过程中的运行时状态增量识别、一致同步与服务无中断切换提出了更高要求，现有机制在集群状态结构感知、节点一致性控制与服务版本切换可控性方面仍存在不足，难以支撑状态频繁演化下的稳定服务运行。为此，本文提出支持运行时状态协同演化的轻量级分布式框架Zynco。该框架包括3项核心特性：基于指纹与结构感知的增量识别机制，仅传递有效变更内容，并构建滑动版本链；结合用户数据报协议（UDP）组播与传输控制协议（TCP）控制通道的反馈协议，实现状态在多节点间的高效分发与确认；借助监听器路由与3层服务结构，实现服务的平滑切换与一致性回退。实验结果表明，在20节点集群中，针对涉及54 GB文件数据的增量更新，Zynco仅需27 s即可完成状态同步，服务切换期间任务不中断且状态无撕裂，在1 000 QPS（Queries Per Second）压力下响应抖动时间低于8 ms。Zynco表现出的高效、稳定、可控的特性，可为海量数据协同更新场景的状态驱动型分布式高性能服务提供良好的运行支撑。

基于耦合干扰与协方差进化改进的河马优化算法

刘苗苗, 席佳豪, 张强, 郭景峰, 史文祥

2026, 46(10):  3260-3271.  DOI: 10.11772/j.issn.1001-9081.2025081050

摘要 ( )   HTML ( )   PDF (3222KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对河马优化（HO）算法在初始化阶段种群分布不均、复杂搜索空间中易陷入局部最优和后期开发阶段寻优能力不足的问题，提出基于拉丁超立方采样、神经种群动态优化的耦合干扰与协方差矩阵适应性的改进HO算法（LNC_HO）。首先，在初始化阶段，采用拉丁超立方采样优化初始种群分布，提高种群多样性和全局覆盖范围；其次，在探索阶段，融合耦合干扰策略强化算法在高维空间中的全局搜索能力，降低陷入局部最优的风险；最后，在开发阶段，引入协方差矩阵适应性进化策略（CMA-ES），自适应调整协方差矩阵及步长参数，增强算法对搜索空间结构的动态适应能力，提升迭代后期局部搜索的收敛速度与精度。在CEC2017多类型的12个基准测试函数上，与7种主流群智能算法的对比实验结果表明，LNC_HO的最优适应度值排名最高；相较于HO算法，LNC_HO的收敛精度提升了42.22%，标准差降低了27.37%，表明LNC_HO具有较好的收敛性和稳定性，验证了改进策略的有效性。将LNC_HO应用于压力容器设计工程优化问题，在30次独立运行中相较于HO算法成本降低了8.28%，验证了算法在实际工程问题中的应用价值。

基于辅助物理信息神经网络的积分微分代数方程求解方法

曾晓青, 唐卷, 肖华峰, 谢漫淇, 罗凯

2026, 46(10):  3272-3279.  DOI: 10.11772/j.issn.1001-9081.2025091145

摘要 ( )   HTML ( )   PDF (794KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对积分微分代数方程（IDAE）的传统数值方法存在计算存储成本高、刚性系统稳定性差及代数约束处理困难等问题，提出一种基于辅助物理信息神经网络（APINN）的IDAE求解方法——APINN-IDAE。该方法的核心思想是：利用APINN的多任务学习机制，通过引入辅助网络输出专门逼近积分历史项，将原IDAE系统中难以处理的积分约束转化为易于优化的微分关系，从而避免传统方法中昂贵的数值积分计算。网络主输出负责微分变量，辅助输出分别处理积分项与代数约束残差，并构建融合微分方程、代数方程、辅助变量微分关系及初值条件的统一加权损失函数。在多个典型IDAE算例（包括非线性、变系数及强耦合系统）上的实验结果表明，所提方法在求解域内的预测解与精确解高度吻合，而微分变量与代数变量的相对L₂误差均达到10?3至10??量级，且误差无时间积累效应。可见，APINN-IDAE在保持无网格和自动微分优势的同时，以辅助变量避免了对积分项的显式微分，从而降低了积分算子的计算复杂度并改善了梯度稳定性，在处理刚性或高指标IDAE系统时具有潜在的鲁棒性，为多物理耦合问题的求解提供了新的思路。

毕达哥拉斯模糊环境下基于效用三支决策的多属性决策方法

陶富悦, 王磊, 黎敏

2026, 46(10):  3280-3287.  DOI: 10.11772/j.issn.1001-9081.2025091111

摘要 ( )   HTML ( )   PDF (711KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

传统的多属性决策（MADM）方法基于二支决策，即接受和拒绝，而三支决策（3WD）通过增加一个延迟决策降低决策风险。在当前复杂多变的决策环境下，利用3WD为MADM提供解决方案已经成为一个热门研究。本文提出一种基于毕达哥拉斯模糊数（PFN）相似度的效用三支多属性决策模型。首先，将相对效用函数拓展到毕达哥拉斯模糊环境下，结合PFN的相似度度量，建立一个基于相似度的相对效用函数；其次，利用记分函数得到理想优、劣母序列，结合PFN的距离度量计算灰色关联系数，进而提出一种基于灰色关联分析（GRA）的条件概率计算方法；在此基础上，利用期望效用引入排序策略得到基于PFN相似度的效用三支多属性决策模型。通过开发新的生活垃圾处理厂中的选址评估案例，验证该方法的可行性。实验结果表明，该方法可以精准划分方案分类，降低决策风险的可行性，相较于传统MADM方法，以客观权重结合3WD分类，突破了仅排序局限；相较于三支MADM方法，经灰色关联优化条件概率，更贴合3WD的分类逻辑。

计算机软件技术

基于大语言模型的多策略编译器模糊测试系统

李东辉, 李颖颖, 张春艳, 刘鹏

2026, 46(10):  3288-3297.  DOI: 10.11772/j.issn.1001-9081.2025091078

摘要 ( )   HTML ( )   PDF (972KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有编译器模糊测试中普遍存在的测试用例多样性不足、测试成本高以及人工依赖性强等问题，提出一种基于大语言模型（LLM）的多策略编译器模糊测试系统——DHFUZZ（Deep & Hybrid FUZZer）。该系统融合多策略测试用例生成与LLM，通过调整提示词引导LLM生成多样化测试用例，并结合自定义代码生成器快速构造具备特定功能的测试代码。此外，该系统集成变异策略以进一步丰富测试用例，提升代码覆盖率，从而更有效地探索编译器潜在路径以触发深层漏洞。并且，系统设计端到端的自动化测试流程，以实现从测试用例生成、编译器执行到漏洞检测的全流程自动化。实验结果表明，DHFUZZ能够生成覆盖多种语法结构与语义特征的测试用例，在GCC（GNU Compiler Collection）、Clang等主流编译器测试中显著提高了代码覆盖率，展现出DHFUZZ的漏洞检测潜力，为编译器可靠性保障提供了一种高效、低成本的自动化测试方案。

基于路径约束分片驱动大语言模型的单元测试生成方法

徐晓龙, 王俊峰, 吴鹏, 曹先省

2026, 46(10):  3298-3306.  DOI: 10.11772/j.issn.1001-9081.2025091085

摘要 ( )   HTML ( )   PDF (2297KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

自动化单元测试生成是现代化软件开发提升开发效率、确保软件质量保障的关键，大语言模型（LLM）因具备良好的代码理解能力被应用于测试用例自动生成，但在处理复杂函数时面临深层分支路径难覆盖等问题。因此，本文提出PyULLM方法，将路径约束分片与LLM的生成能力有机结合以解决上述难题。具体地：通过前序遍历抽象语法树，系统化收集所有的路径约束；基于此，建立细粒度的代码行?路径约束映射关系；根据得到的映射关系，对路径约束集合进行智能化分片。这种分片处理机制使LLM能聚焦于特定路径约束，可以显著提升复杂场景下生成单元测试用例的覆盖率。实验结果表明，相较于SOTA（State Of The Arts）工具Pynguin，PyULLM的行覆盖率（LC）和分支覆盖率（BC）分别提升了24.16和26.61个百分点；相较于当前先进的CodaMosa方法，PyULLM的LC和BC分别提升了19.06和21.72个百分点。可见，PyULLM能为复杂函数有效生成单元测试用例。

多媒体计算与计算机仿真

基于分割引导和频域增强的轻量级谷穗计数网络

李雨希, 王雅莹, 田诗芹, 郑伯川

2026, 46(10):  3307-3316.  DOI: 10.11772/j.issn.1001-9081.2025091115

摘要 ( )   HTML ( )   PDF (3198KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

基于卷积神经网络（CNN）与Transformer的谷穗计数方法存在长距离依赖关系建模困难、计算效率低以及密度误报与密度漏报的问题。为了解决这些问题，提出名为PCLMamba的谷穗计数方法。PCLMamba是一个基于分割引导与频域增强的轻量Mamba网络。首先，通过引入分组的多方向状态空间模型（GDMM）分组处理图像序列且并行地送入不同顺序的选择性扫描中，轻量且高效地捕获长距离依赖关系；其次，利用通道注意力融合模块（CAFM）融合局部特征与全局扫描特征；最后，为了解决密度误报与密度漏报的问题，设计分割模块（Segmenter）提供先验知识，以抑制背景和增强前景；同时，设计频域空间域增强（FSE）模块将中间特征在空域与频域上进行增强处理，进一步提高计数精度。实验结果表明，PCLMamba在MTC、WED和SHC数据集上的平均绝对误差（MAE）分别为4.4、4.2和15.4，均方根误差（RMSE）分别为7.7、5.3和18.3。在WED数据集上，与CountMamba相比，MAE、RMSE分别降低20.8%和18.5%；在MTC数据集上，与参数量相近的TasselNet相比，MAE、RMSE分别降低33.3%和22.2%。PCLMamba在较低参数量下提高了谷穗计数精度，为状态空间模型应用于密集作物计数提供了可行的轻量化路径，为智慧农业中的田间谷穗自动计数提供了技术支持。

基于多特征融合的调频连续波雷达步态识别方法

江嘉玮, 郭剑, 袁铭蔚, 李智春, 孙力娟

2026, 46(10):  3317-3323.  DOI: 10.11772/j.issn.1001-9081.2025091139

摘要 ( )   HTML ( )   PDF (927KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有毫米波点云步态识别方法因过度依赖静态空间特征、缺乏动态运动信息建模，导致识别精度受限的问题，提出一种基于多特征融合的调频连续波（FMCW）雷达步态识别方法。首先，对点云的三维坐标进行空间对齐，以统一空间表示；在此基础上融合目标点的速度与信噪比特征，实现空间结构与动态信息的协同建模。然后，通过多尺度卷积与池化模块进一步提取跨时空步态特征。实验结果显示，所提方法在多个公开数据集与自建数据集上均取得了较高的识别精度，平均准确率为86.3%，最高达到92.2%；在不同场景下，相较于mmGaitNet和PointMLP等对比方法，它的准确率提升幅度为0.90%至32.08%。所提方法通过多维特征融合与多尺度建模有效增强步态动态特征的表达能力，从而提升毫米波雷达步态识别的精确性与鲁棒性。

混合退化估计与动态残差‒残差密集块的盲图像超分辨率重建方法

张鑫, 伊华伟, 赵梦园, 王艳飞, 张林宸

2026, 46(10):  3324-3331.  DOI: 10.11772/j.issn.1001-9081.2025081031

摘要 ( )   HTML ( )   PDF (2689KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

盲图像超分辨率重建致力于在真实场景下将低分辨率（LR）图像恢复成清晰的高分辨率（HR）图像。目前大多数退化估计网络不能较好地估计LR图像的退化信息，并且超分辨率网络中传统残差?残差密集块（RRDB）的泛化能力较差，无法适应复杂的退化类型。针对以上问题，提出混合退化估计与动态残差?残差密集块（DRRDB）的盲图像超分辨率重建方法（IDD-SR）。首先，提出一种混合退化估计网络，并将它用于精确估计图像退化信息；其次，提出一种DRRDB，以提高超分辨率重建网络的普适性；最后，通过端到端联合优化，实现对复杂退化信息的精准预测与图像的高质量超分辨率重建。在Set14、BSD100和DRealSR数据集上的实验结果表明，相较于PDM-SRGAN，IDD-SR的4倍超分辨率峰值信噪比（PSNR）值分别提升了0.90 dB、0.71 dB和0.97 dB，验证了它具有更优的细节恢复能力与伪影抑制效果。

面向小目标优化的棉叶病害智能诊断模型

哈里旦木・阿布都克里木, 张耿荣, 梁宇涵, 魏安然, 阿布都克力木・阿布力孜

2026, 46(10):  3332-3341.  DOI: 10.11772/j.issn.1001-9081.2025091148

摘要 ( )   HTML ( )   PDF (1138KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

近年来农作物病害的智能治理已取得一定进展，但棉叶病害因目标尺度小、边界模糊仍面临重大挑战，且缺乏实现“识别?诊断?决策”一体化的模型。为解决上述问题，提出了棉叶病害智能诊断模型。首先，创建了包含1 320条数据的棉花种植问答数据集，为后续通义千问大语言模型的微调提供数据基础；其次，在YOLOv12n主干网络末端引入多尺度简单注意力模块（MSSimAM），以突出多尺度病害相关特征并抑制冗余信息；在检测头部采用自适应阈值焦点损失（ATFL）函数，以缓解难易样本不平衡问题，从而形成MN-YOLO模型；最后，集成MN-YOLO与微调后的通义千问大语言模型，基于检测结果生成病害防治方案。实验结果表明，MN-YOLO在保持较低参数量的情况下，交并比（IoU）阈值为0.5的平均精度均值（mAP₅₀）达到96.9%，相较于YOLOv12n提升了2.0个百分点，精确率和召回率分别提升0.5和4.5个百分点。在不同数据集上的泛化实验中，所提模型也表现出较强的适应性和稳定性。该棉叶病害智能诊断模型集成了病害检测与防治方案推荐功能，在提升检测精度的同时，也为农业智能化提供了有效支撑。

基于多尺度特征融合与注意力增强的小麦条锈病识别方法

黄会敏, 汪鹏飞, 赵应, 袁爱红, 胡瑾, 王建锋

2026, 46(10):  3342-3353.  DOI: 10.11772/j.issn.1001-9081.2025091184

摘要 ( )   HTML ( )   PDF (5155KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对小麦条锈病多等级识别中背景复杂、病斑尺度差异显著以及相邻类别特征差异细微等问题，提出一种多尺度特征融合与注意力增强残差网络（MSA-ResNet）。首先，利用残差连接缓解深层网络训练中的梯度消失问题，提高模型的特征表达能力；其次，采用自顶向下的多尺度特征融合策略，通过语义对齐增强不同尺度特征的一致性，提高模型对病斑尺寸变化和形态复杂性的适应能力；最后，引入融合通道注意力与空间注意力的卷积块注意力模块（CBAM），增强病斑关键区域的特征响应，并抑制杂草、土壤等背景信息的干扰。在公开数据集Yellow-Rust-19和自建数据集上的实验结果表明，MSA-ResNet的准确率分别达到95.67%和97.17%，相较于EfficientNet-CBAM分别提高了1.67和0.84个百分点。结果表明，MSA-ResNet能够更好地满足实际应用需求，为田间小麦条锈病的多级识别提供更优的解决方案。

前沿与综合应用

深度学习在气象数据同化中的应用演进与展望

吕海燕, 周立军, 张杰, 赵媛, 王丽娜

2026, 46(10):  3354-3364.  DOI: 10.11772/j.issn.1001-9081.2025091135

摘要 ( )   HTML ( )   PDF (834KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

数据同化（DA）是现代数值天气预报（NWP）系统的核心，但传统方法面临非线性、非高斯假设与计算成本高昂的瓶颈。深度学习（DL）具备强大的非线性拟合与端到端优化能力，为解决上述挑战提供了革命性范式。从计算机科学视角，本文系统梳理DL在气象DA领域的组件替代、范式革新、系统重构三级演进脉络。首先，阐述DL作为代理模型替代观测算子、订正模型误差等传统瓶颈环节的组件替代阶段；其次，剖析以变分自编码器（VAE）和扩散模型为代表的生成式模型，将同化问题重构为概率性生成任务，实现范式革新；进而论述以FengWu、FuXi等人工智能（AI）气象大模型为代表的系统重构阶段，将同化模块深度内嵌，构建同化?预报一体化闭环系统；最后，从物理一致性、数据依赖性、业务部署可行性等方面探讨该领域面临的核心挑战，并展望神经符号融合、开放基准构建等未来研究方向。

基于深度学习的多模态抑郁检测研究进展与未来展望

任俊箫, 蓝小艳, 史旭阳, 李强

2026, 46(10):  3365-3374.  DOI: 10.11772/j.issn.1001-9081.2025091147

摘要 ( )   HTML ( )   PDF (922KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

有效的抑郁检测对于早期发现抑郁症潜在风险至关重要。传统方法依赖于临床访谈具有较强的主观性，易导致误诊和延误治疗。随着人工智能的发展，深度学习（DL）技术凭借卓越的特征表示与建模能力，逐渐成为抑郁检测的核心方法。然而，现有综述大多仍侧重于单一模态或传统方法，缺乏对抑郁检测领域中多模态深度学习方法的系统归纳，而多模态数据在提供互补抑郁线索上具有显著优势。因此，系统地综述了典型DL模型与多模态融合策略，总结了该领域的核心技术和最新进展。首先，回顾了抑郁检测方法从单模态到多模态的演进过程，形成以数据集与方法为主线的发展脉络。其次，重点讨论了抑郁检测应用中流行的深度学习模型及多模态融合策略，对比了不同模型与融合策略的性能差异，同时评述了不同多模态融合技术的优势和局限性。最后，总结了该领域所面临的挑战与未来创新的潜在方向。

基于WiFi信号的数据增强呼吸状态分类系统SiamGAN-CNNBiLSTM

纪荣, 黄天宇, 戈艳蕾, 李兴彬, 孙博, 李莹琦

2026, 46(10):  3375-3383.  DOI: 10.11772/j.issn.1001-9081.2025081062

摘要 ( )   HTML ( )   PDF (1519KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

在基于WiFi信道状态信息（CSI）的非接触式呼吸状态监测领域中，呼吸状态数据在采集过程中易受环境干扰，导致信号质量下降；样本数量受限于采集条件与隐私保护，常存在小样本问题，且生成样本通常缺乏与真实样本在关键判别特征上的一致性，降低了数据增强的有效性；此外，不同呼吸状态间信号差异较小，进一步增加了分类识别难度，限制了多状态呼吸识别的研究深度。针对上述挑战，提出一种基于SiamGAN-CNNBiLSTM的呼吸状态识别系统。首先，构建包含正常呼吸、呼吸暂停和打喷嚏等多状态呼吸数据集，并设计系统化的CSI信号预处理流程，提升信号质量。其次，提出融合生成对抗网络（GAN）与孪生网络的SiamGAN模块，通过生成器与判别器的对抗机制生成具有更高真实性的样本。同时，引入孪生编码器提取信号的128维本质特征，并在特征空间施加均方误差（MSE）约束，以强化生成样本与真实样本在关键判别特征上的一致性；该策略既增强生成样本的判别性与泛化性，也有效保留原始信号的物理属性，避免引入与分类无关的高频噪声。最后，设计融合卷积神经网络（CNN）与双向长短期记忆（BiLSTM）网络的深度分类网络，充分挖掘呼吸信号的时空特征，实现多种呼吸状态的高精度识别。实验结果表明，在办公室场景中，SiamGAN-CNNBiLSTM表现优异，与CNN-BiLSTM方法相比，准确率提升了2.2个百分点；与Transformer方法相比，准确率提升了8.3个百分点。在走廊场景中，SiamGAN-CNNBiLSTM的准确率达到96.7%，仅比办公室场景下降了1.6个百分点，显示出所提方法在不同环境下的鲁棒性。

面向室内火灾的多源多汇实时动态路径规划方法

韩涛, 韩李涛, 纪然

2026, 46(10):  3384-3390.  DOI: 10.11772/j.issn.1001-9081.2025091071

摘要 ( )   HTML ( )   PDF (1644KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

实时动态的最优路径规划对于室内火灾场景下的人员快速逃生至关重要。然而，由于室内火灾发展迅速且动态性强，现有疏散路径规划算法在多源多汇场景中还无法实现高效的动态路径规划。针对该问题，提出一种基于改进D^*Lite算法的室内火灾应急疏散路径规划方法——矩形约束的共享环境图D^*Lite（RCSM-D^*Lite）。首先，引入搜索矩形约束，减少遍历节点数；其次，针对火灾场景快速扩散的特点，使用双层搜索机制确保逃生主体远离火灾危险区域；最后，引入虚拟节点统一出口并使用共享环境图实现地图、火灾危险度等火灾动态场景的信息共享，提升算法效率。在40×160的地图中进行20人路径规划实验，实验结果表明：改进D^*Lite算法相较于原始D^*Lite算法耗时降低了72.1%；火灾动态场景仿真结果验证了该算法能够确保行人远离火灾危险区域，安全到达出口，为室内应急疏散仿真与规划提供更好的支持。

基于多头注意力和新门控单元的发电厂给水泵故障预警

王井阳, 王浩, 张宾, 时薇, 黄敏, 张杨

2026, 46(10):  3391-3399.  DOI: 10.11772/j.issn.1001-9081.2025080937

摘要 ( )   HTML ( )   PDF (1452KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为实现发电厂给水泵故障的早期预警，提出一种基于多头注意力（MHA）机制和新门控单元（NGU）的给水泵故障预警模型——MHA-NGU。MHA用于捕捉时间序列中的长距离依赖关系，通过多视角特征交互强化关键维度；本文提出的NGU是一种改进循环神经网络（RNN），将它的输出门和重置门设置为两级，避免单级门因过度依赖局部信息导致的全局依赖捕捉能力下降，并在内部嵌入T转换模块，用于进一步缓解模型梯度消失问题。以浙江省某1 030 MW火电机组的给水泵为例进行验证，实验结果表明：所提模型比门控循环单元（GRU）和次优模型MHA-GRU的决定系数（R2）分别提高4.38%和1.90%，且比GRU提前5.39 h触发预警，有效实现了给水泵的早期故障预警。

融合双阈值初筛与边级动态图卷积的故障诊断方法

闵万雄, 严意成, 王久银, 梁禹宽, 梁文杨, 潘作舟, 廖勇

2026, 46(10):  3400-3406.  DOI: 10.11772/j.issn.1001-9081.2025091114

摘要 ( )   HTML ( )   PDF (977KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

电力变压器在运行过程中会持续发出振动信号，其中包含大量由机械故障引起的脉冲和波动，这些信号是评估电力变压器运行状况的主要数据来源。为解决传统电力变压器故障诊断技术诊断精度低、实时性差且无法有效应对多故障场景的问题，通过分析电力变压器内部振动声信号的声纹特征，并基于声学特征构建一个融合双阈值初筛与边级动态图卷积的故障诊断方法。首先，提出一种利用声学短时能量和过零率双阈值评估电力变压器实时运行状况的正常/故障信号分类模块；然后，设计一种边级动态图卷积网络（ELDGCN），通过优化边的权重自适应地学习声纹信号之间的空间相关性。在真实的电力变压器场景下的实验结果表明，采用本文方法显著提升了故障的识别效率，数据集含混合故障的识别率达98.17%。