- 最新动态
- 推荐文章
- 当期目录
- 优先出版
- 过刊浏览
- 点击排行
- 下载排行
- 综述文章
快速检索
过刊检索
全选反选导出
显示模式：
2023,32(9):1-18, DOI: 10.15888/j.cnki.csa.009226
摘要：
随着电子商务的快速发展, 中小件快递数量急剧增多, 快递行业最后一公里配送面临诸多挑战, 亟需更高效、更环保的配送模式. 小型无人机具有配送效率高、成本低、环保、部署灵活等优点, 受到物流行业和学术界的广泛关注. 针对无人机在最后一公里配送中的创新应用与路径规划问题, 系统总结了当前4类典型配送模式: 无人机独立配送(一机多包配送模式、无人机中继停靠配送模式), 车和无人机并行配送(无人机和卡车并行配送模式、带中转点的无人机和卡车并行配送模式), 车和无人机协同配送(无人机同车起降配送模式、无人机异车起降配送模式、无人机-公共交通协同配送模式、无人机送货取货一体配送模式、无人机卡车途中起降配送模式), 车和无人机混合配送(无人机-卡车多模式融合配送模式). 然后, 对无人机最后一公里配送路径规划算法进行分类总结, 并梳理了现有无人机参与最后一公里配送的相关测试数据集. 最后, 探讨了最后一公里配送中无人机的未来应用与研究方向.
随着电子商务的快速发展, 中小件快递数量急剧增多, 快递行业最后一公里配送面临诸多挑战, 亟需更高效、更环保的配送模式. 小型无人机具有配送效率高、成本低、环保、部署灵活等优点, 受到物流行业和学术界的广泛关注. 针对无人机在最后一公里配送中的创新应用与路径规划问题, 系统总结了当前4类典型配送模式: 无人机独立配送(一机多包配送模式、无人机中继停靠配送模式), 车和无人机并行配送(无人机和卡车并行配送模式、带中转点的无人机和卡车并行配送模式), 车和无人机协同配送(无人机同车起降配送模式、无人机异车起降配送模式、无人机-公共交通协同配送模式、无人机送货取货一体配送模式、无人机卡车途中起降配送模式), 车和无人机混合配送(无人机-卡车多模式融合配送模式). 然后, 对无人机最后一公里配送路径规划算法进行分类总结, 并梳理了现有无人机参与最后一公里配送的相关测试数据集. 最后, 探讨了最后一公里配送中无人机的未来应用与研究方向.
2023,32(9):19-31, DOI: 10.15888/j.cnki.csa.009218
摘要：
操作系统内核是计算机系统中最基本的软件组件, 它控制和管理计算机硬件资源, 并提供访问和管理其他应用程序所需的接口和服务. 操作系统内核的安全性直接影响整个计算机系统的稳定性和可靠性. 内核模糊测试是一种高效、准确的安全漏洞检测方法. 然而目前内核模糊测试工作中, 存在系统调用间关系的计算开销过大且容易误判, 以及系统调用序列构造方式缺乏合理能量分配以至于很难探索低频系统调用的问题. 本文提出以N-gram模型学习系统调用间关系, 根据系统调用的出现频次信息和TF-IDF信息优先探索出现频次低或者TF-IDF值高的系统调用. 我们以极低的开销, 在Linux 4.19和5.19版本的24 h实验中分别提升了15.8%、14.7%的覆盖率. 此外, 我们挖掘到了一个已知CVE (CVE-2022-3524)、8个新崩溃, 其中一个获得了CNNVD编号(CNNVD-2023-84723975).
操作系统内核是计算机系统中最基本的软件组件, 它控制和管理计算机硬件资源, 并提供访问和管理其他应用程序所需的接口和服务. 操作系统内核的安全性直接影响整个计算机系统的稳定性和可靠性. 内核模糊测试是一种高效、准确的安全漏洞检测方法. 然而目前内核模糊测试工作中, 存在系统调用间关系的计算开销过大且容易误判, 以及系统调用序列构造方式缺乏合理能量分配以至于很难探索低频系统调用的问题. 本文提出以N-gram模型学习系统调用间关系, 根据系统调用的出现频次信息和TF-IDF信息优先探索出现频次低或者TF-IDF值高的系统调用. 我们以极低的开销, 在Linux 4.19和5.19版本的24 h实验中分别提升了15.8%、14.7%的覆盖率. 此外, 我们挖掘到了一个已知CVE (CVE-2022-3524)、8个新崩溃, 其中一个获得了CNNVD编号(CNNVD-2023-84723975).
2023,32(9):32-42, DOI: 10.15888/j.cnki.csa.009219
摘要：
模糊测试在挖掘协议软件安全漏洞、提高安全性方面发挥着巨大的作用. 近年来将状态引入服务端程序模糊测试受到广泛关注. 本文针对现有方法未充分利用协议模糊测试过程信息、无法持续关注重点状态, 导致模糊测试效率较低的问题, 提出了基于双重覆盖信息协同的协议模糊测试方法. 首先, 本文提出的状态选择算法, 通过建立状态空间到程序空间的映射, 利用启发式的计算方法为每个状态设置权重, 以引导模糊测试持续关注更可能存在缺陷的状态. 其次, 快速探测种子不影响状态但改变程序覆盖的位置, 并限制变异位置以充分测试重点状态对应的代码区域. 本文在基线工具AFLNet和SnapFuzz上验证了改进算法的有效性, 并最终集成实现了协议模糊测试工具C2SFuzz. 对LightFTP、Live555等协议服务端程序最新版进行了实验后, 发现5个未知的漏洞.
模糊测试在挖掘协议软件安全漏洞、提高安全性方面发挥着巨大的作用. 近年来将状态引入服务端程序模糊测试受到广泛关注. 本文针对现有方法未充分利用协议模糊测试过程信息、无法持续关注重点状态, 导致模糊测试效率较低的问题, 提出了基于双重覆盖信息协同的协议模糊测试方法. 首先, 本文提出的状态选择算法, 通过建立状态空间到程序空间的映射, 利用启发式的计算方法为每个状态设置权重, 以引导模糊测试持续关注更可能存在缺陷的状态. 其次, 快速探测种子不影响状态但改变程序覆盖的位置, 并限制变异位置以充分测试重点状态对应的代码区域. 本文在基线工具AFLNet和SnapFuzz上验证了改进算法的有效性, 并最终集成实现了协议模糊测试工具C2SFuzz. 对LightFTP、Live555等协议服务端程序最新版进行了实验后, 发现5个未知的漏洞.
2023,32(9):43-52, DOI: 10.15888/j.cnki.csa.009216
摘要：
支持向量机(support vector machine, SVM)是一种基于结构风险最小化的机器学习方法, 能够有效解决分类问题. 但随着研究问题的复杂化, 现实的分类问题往往是多分类问题, 而SVM仅能用于处理二分类任务. 针对这个问题, 一对多策略的多生支持向量机(multiple birth support vector machine, MBSVM)能够以较低的复杂度实现多分类, 但缺点在于分类精度较低. 本文对MBSVM进行改进, 提出了一种新的SVM多分类算法: 基于超球(hypersphere)和自适应缩小步长果蝇优化算法(fruit fly optimization algorithm with adaptive step size reduction, ASSRFOA)的MBSVM, 简称HA-MBSVM. 通过拟合超球得到的信息, 先进行类别划分再构建分类器, 并引入约束距离调节因子来适当提高分类器的差异性, 同时采用ASSRFOA求解二次规划问题, HA-MBSVM可以更好地解决多分类问题. 我们采用6个数据集评估HA-MBSVM的性能, 实验结果表明HA-MBSVM的整体性能优于各对比算法.
支持向量机(support vector machine, SVM)是一种基于结构风险最小化的机器学习方法, 能够有效解决分类问题. 但随着研究问题的复杂化, 现实的分类问题往往是多分类问题, 而SVM仅能用于处理二分类任务. 针对这个问题, 一对多策略的多生支持向量机(multiple birth support vector machine, MBSVM)能够以较低的复杂度实现多分类, 但缺点在于分类精度较低. 本文对MBSVM进行改进, 提出了一种新的SVM多分类算法: 基于超球(hypersphere)和自适应缩小步长果蝇优化算法(fruit fly optimization algorithm with adaptive step size reduction, ASSRFOA)的MBSVM, 简称HA-MBSVM. 通过拟合超球得到的信息, 先进行类别划分再构建分类器, 并引入约束距离调节因子来适当提高分类器的差异性, 同时采用ASSRFOA求解二次规划问题, HA-MBSVM可以更好地解决多分类问题. 我们采用6个数据集评估HA-MBSVM的性能, 实验结果表明HA-MBSVM的整体性能优于各对比算法.
2023,32(9):53-66, DOI: 10.15888/j.cnki.csa.009228
摘要：
信息技术的不断发展和智能终端设备的普及导致全球数据存储总量持续增长, 数据面临的威胁挑战也随着其重要性的凸显而日益增加, 但目前部分计算设备和存储设备仍存在缺乏数据保护模块或数据保护能力较弱的问题. 现有数据安全存储技术一般通过加密的方式实现对数据的保护, 但是数据的加解密操作即数据保护过程通常都在应用设备上执行, 导致应用设备遭受各类攻击时会对存储数据的安全造成威胁. 针对以上问题, 本文提出了一种基于DICE的物联网设备证明存储方案, 利用基于轻量级信任根DICE构建的可信物联网设备为通用计算设备(统称为主机)提供安全存储服务, 将数据的加解密操作移至可信物联网设备上执行, 消除因主机遭受内存攻击等风险对存储数据造成的威胁. 本文工作主要包括以下3方面: (1)利用信任根DICE构建可信物联网设备, 为提供可信服务提供安全前提. (2)建立基于信任根DICE的远程证明机制和访问控制机制实现安全认证和安全通信信道的建立. (3)最终利用可信物联网设备为合法主机用户提供可信的安全存储服务, 在实现数据安全存储的同时, 兼顾隔离性和使用过程的灵活性. 实验结果表明, 本方案提供的安全存储服务具有较高的文件传输速率, 并具备较高的安全性, 可满足通用场景下的数据安全存储需求.
信息技术的不断发展和智能终端设备的普及导致全球数据存储总量持续增长, 数据面临的威胁挑战也随着其重要性的凸显而日益增加, 但目前部分计算设备和存储设备仍存在缺乏数据保护模块或数据保护能力较弱的问题. 现有数据安全存储技术一般通过加密的方式实现对数据的保护, 但是数据的加解密操作即数据保护过程通常都在应用设备上执行, 导致应用设备遭受各类攻击时会对存储数据的安全造成威胁. 针对以上问题, 本文提出了一种基于DICE的物联网设备证明存储方案, 利用基于轻量级信任根DICE构建的可信物联网设备为通用计算设备(统称为主机)提供安全存储服务, 将数据的加解密操作移至可信物联网设备上执行, 消除因主机遭受内存攻击等风险对存储数据造成的威胁. 本文工作主要包括以下3方面: (1)利用信任根DICE构建可信物联网设备, 为提供可信服务提供安全前提. (2)建立基于信任根DICE的远程证明机制和访问控制机制实现安全认证和安全通信信道的建立. (3)最终利用可信物联网设备为合法主机用户提供可信的安全存储服务, 在实现数据安全存储的同时, 兼顾隔离性和使用过程的灵活性. 实验结果表明, 本方案提供的安全存储服务具有较高的文件传输速率, 并具备较高的安全性, 可满足通用场景下的数据安全存储需求.
2023,32(9):67-76, DOI: 10.15888/j.cnki.csa.009230
摘要：
由于Java Web应用业务场景复杂, 且对输入数据的结构有效性要求较高, 现有的测试方法和工具在测试Java Web时存在测试用例的有效率较低的问题. 为了解决上述问题, 本文提出了基于解析树的Java Web应用灰盒模糊测试方法. 首先为Java Web应用程序的输入数据包进行语法建模创建解析树, 区分分隔符和数据块, 并为解析树中每一个叶子结点挂接一个种子池, 隔离测试用例的单个数据块, 通过数据包拼接生成符合Java Web应用业务格式的输入, 从而提高测试用例的有效率; 为了保留高质量的数据块, 在测试期间根据测试程序的执行反馈信息, 为每个数据块种子单独赋予权值; 为了突破深度路径, 会在相应种子池中基于条件概率学习提取数据块种子特征. 本文实现了基于解析树的Java Web应用灰盒模糊测试系统PTreeFuzz, 测试结果表明, 该系统相较于现有工具取得了更好的测试准确率.
由于Java Web应用业务场景复杂, 且对输入数据的结构有效性要求较高, 现有的测试方法和工具在测试Java Web时存在测试用例的有效率较低的问题. 为了解决上述问题, 本文提出了基于解析树的Java Web应用灰盒模糊测试方法. 首先为Java Web应用程序的输入数据包进行语法建模创建解析树, 区分分隔符和数据块, 并为解析树中每一个叶子结点挂接一个种子池, 隔离测试用例的单个数据块, 通过数据包拼接生成符合Java Web应用业务格式的输入, 从而提高测试用例的有效率; 为了保留高质量的数据块, 在测试期间根据测试程序的执行反馈信息, 为每个数据块种子单独赋予权值; 为了突破深度路径, 会在相应种子池中基于条件概率学习提取数据块种子特征. 本文实现了基于解析树的Java Web应用灰盒模糊测试系统PTreeFuzz, 测试结果表明, 该系统相较于现有工具取得了更好的测试准确率.
快速检索
过刊检索
全选反选导出
显示模式：
优先出版日期: 2023-09-22 , DOI: 10.15888/j.cnki.csa.009299
摘要：
操作系统内核作为软件系统的基础组件, 其安全可靠是构造高可信软件系统的重要环节, 但是, 在实际的验证工作中, 操作系统内核中全局性质的不变式定义, 复杂数据结构程序的形式化描述和验证仍存在很多困难. 本文针对操作系统内核中满足的全局性质, 在代码层以函数为单位, 用全局不变式进行定义, 并在不同的函数中进行形式化验证, 从而证明各个函数符合操作系统内核的全局性质; 针对操作系统内核中经常使用的复杂数据结构程序, 本文通过扩展形状图理论, 提出一种使用嵌套形状图逻辑的方法来形式化描述复杂数据结构程序, 并对该方法进行了正确性证明, 最终成功验证操作系统内核中关于任务创建与调度, 消息队列创建与操作相关的代码.
操作系统内核作为软件系统的基础组件, 其安全可靠是构造高可信软件系统的重要环节, 但是, 在实际的验证工作中, 操作系统内核中全局性质的不变式定义, 复杂数据结构程序的形式化描述和验证仍存在很多困难. 本文针对操作系统内核中满足的全局性质, 在代码层以函数为单位, 用全局不变式进行定义, 并在不同的函数中进行形式化验证, 从而证明各个函数符合操作系统内核的全局性质; 针对操作系统内核中经常使用的复杂数据结构程序, 本文通过扩展形状图理论, 提出一种使用嵌套形状图逻辑的方法来形式化描述复杂数据结构程序, 并对该方法进行了正确性证明, 最终成功验证操作系统内核中关于任务创建与调度, 消息队列创建与操作相关的代码.
优先出版日期: 2023-09-22 , DOI: 10.15888/j.cnki.csa.009322
摘要：
针对中文电子病历中医疗嵌套实体难以处理的问题, 本文基于RoBERTa-wwm-ext-large预训练模型提出一种知识增强的中文电子病历命名实体识别模型ERBAEGP. RoBERTa-wwm-ext-large采用的全词掩码策略能够获得词级别的语义表示, 更适用于中文文本. 首先结合知识图谱, 使模型学习到了大量的医疗实体名词, 进一步提高模型对电子病历实体识别的准确性. 然后通过BiLSTM对电子病历输入序列编码, 能够更好捕获病历的中上下语义信息. 最后利用全局指针网络模型EGP (efficient GlobalPointer)同时考虑实体的头部和尾部的特征信息来预测嵌套实体, 更加有效地解决中文电子病历命名实体识别任务中嵌套实体难以处理的问题. 在CBLUE中的4个数据集上本文方法均取得了更好的识别效果, 证明了ERBAEGP模型的有效性.
针对中文电子病历中医疗嵌套实体难以处理的问题, 本文基于RoBERTa-wwm-ext-large预训练模型提出一种知识增强的中文电子病历命名实体识别模型ERBAEGP. RoBERTa-wwm-ext-large采用的全词掩码策略能够获得词级别的语义表示, 更适用于中文文本. 首先结合知识图谱, 使模型学习到了大量的医疗实体名词, 进一步提高模型对电子病历实体识别的准确性. 然后通过BiLSTM对电子病历输入序列编码, 能够更好捕获病历的中上下语义信息. 最后利用全局指针网络模型EGP (efficient GlobalPointer)同时考虑实体的头部和尾部的特征信息来预测嵌套实体, 更加有效地解决中文电子病历命名实体识别任务中嵌套实体难以处理的问题. 在CBLUE中的4个数据集上本文方法均取得了更好的识别效果, 证明了ERBAEGP模型的有效性.
优先出版日期: 2023-09-22 , DOI: 10.15888/j.cnki.csa.009337
摘要：
随着智能交通的发展, 大量的车辆轨迹数据被收集和存储, 但这些轨迹数据总是会存在异常轨迹点数据, 严重影响后续轨迹数据分析的准确性和有效性. 本文发现了一类隐性的位置异常轨迹数据, 此类异常数据用传统的基于移动特征阈值的检测方法难于发现, 但对轨迹数据分析过程同样有着重要的影响. 针对此类异常轨迹数据, 本文以部分西安市出租车轨迹数据为例, 提出了一种基于浮动网格和聚类方法的隐性异常轨迹数据检测方法, 并实现了数据的并行化方式. 实验结果展示所提方法检测隐性位置异常的数据召回率、精确率能够达到0.90, 并且F1-score在0.88–0.91范围. 检测出这种隐性异常轨迹数据, 有利于后续的时空轨迹数据分析与应用.
随着智能交通的发展, 大量的车辆轨迹数据被收集和存储, 但这些轨迹数据总是会存在异常轨迹点数据, 严重影响后续轨迹数据分析的准确性和有效性. 本文发现了一类隐性的位置异常轨迹数据, 此类异常数据用传统的基于移动特征阈值的检测方法难于发现, 但对轨迹数据分析过程同样有着重要的影响. 针对此类异常轨迹数据, 本文以部分西安市出租车轨迹数据为例, 提出了一种基于浮动网格和聚类方法的隐性异常轨迹数据检测方法, 并实现了数据的并行化方式. 实验结果展示所提方法检测隐性位置异常的数据召回率、精确率能够达到0.90, 并且F1-score在0.88–0.91范围. 检测出这种隐性异常轨迹数据, 有利于后续的时空轨迹数据分析与应用.
优先出版日期: 2023-09-21 , DOI: 10.15888/j.cnki.csa.009332
摘要：
musl libc是一个轻量级的标准C库, 其代码库小巧, 提供了全面的POSIX接口支持, 具有高度可移植性并支持多种架构和操作系统, 被广泛用于嵌入式系统、网络服务器、容器等领域. RISC-V指令集作为一种开源的指令集, 目前发布了相对稳定的SIMD指令集, RISC-V生态软件环境也迎来了新的优化热潮, 但是对于musl libc库RVV扩展优化还是一片空白. 本文立足于musl libc基础库和RISC-V RVV扩展指令集的协同研究点, 提出了兼容基础指令集和向量扩展指令集的实现方案, 利用向量扩展指令集优化了常见的C库函数strlen和memset, 并在gem5模拟器上进行了对比分析, 实验结果表明, 相较于C语言实现, 在性能方面, 利用RVV优化的strlen函数平均提升83%–703%, memset函数平均提升85%–334%.
musl libc是一个轻量级的标准C库, 其代码库小巧, 提供了全面的POSIX接口支持, 具有高度可移植性并支持多种架构和操作系统, 被广泛用于嵌入式系统、网络服务器、容器等领域. RISC-V指令集作为一种开源的指令集, 目前发布了相对稳定的SIMD指令集, RISC-V生态软件环境也迎来了新的优化热潮, 但是对于musl libc库RVV扩展优化还是一片空白. 本文立足于musl libc基础库和RISC-V RVV扩展指令集的协同研究点, 提出了兼容基础指令集和向量扩展指令集的实现方案, 利用向量扩展指令集优化了常见的C库函数strlen和memset, 并在gem5模拟器上进行了对比分析, 实验结果表明, 相较于C语言实现, 在性能方面, 利用RVV优化的strlen函数平均提升83%–703%, memset函数平均提升85%–334%.
优先出版日期: 2023-09-21 , DOI: 10.15888/j.cnki.csa.009333
摘要：
RISC-V指令集架构的诞生促进了RISC-V硬件平台的快速发展, 因此, 在RISC-V架构硬件平台上运行高效且易于使用的操作系统需求日益增加. 面向分布式、开源开放的智能终端操作系统OpenHarmony技术正在不断演进, 其生态持续繁荣. 然而, 将OpenHarmony适配到RISC-V指令集架构平台上面临新的挑战, 包括软件栈和芯片移植的问题. RISC-V指令集架构平台的软件栈和芯片移植存在新的挑战. 本文提出了基于RISC-V QEMU平台的OpenHarmony标准系统移植的思路和方法, 通过对关键软件栈进行适配和在QEMU RISC-V虚拟化硬件平台上移植图形显示驱动, 成功实现了OpenHarmony标准系统在QEMU RISC-V虚拟化硬件平台上的正常启动, 并进入系统桌面. 该成果为开发者提供了在RISC-V平台上测试应用OpenHarmony标准系统的平台, 并为新的RISC-V硬件平台上移植OpenHarmony标准系统提供了参考.
RISC-V指令集架构的诞生促进了RISC-V硬件平台的快速发展, 因此, 在RISC-V架构硬件平台上运行高效且易于使用的操作系统需求日益增加. 面向分布式、开源开放的智能终端操作系统OpenHarmony技术正在不断演进, 其生态持续繁荣. 然而, 将OpenHarmony适配到RISC-V指令集架构平台上面临新的挑战, 包括软件栈和芯片移植的问题. RISC-V指令集架构平台的软件栈和芯片移植存在新的挑战. 本文提出了基于RISC-V QEMU平台的OpenHarmony标准系统移植的思路和方法, 通过对关键软件栈进行适配和在QEMU RISC-V虚拟化硬件平台上移植图形显示驱动, 成功实现了OpenHarmony标准系统在QEMU RISC-V虚拟化硬件平台上的正常启动, 并进入系统桌面. 该成果为开发者提供了在RISC-V平台上测试应用OpenHarmony标准系统的平台, 并为新的RISC-V硬件平台上移植OpenHarmony标准系统提供了参考.
优先出版日期: 2023-09-21 , DOI: 10.15888/j.cnki.csa.009326
摘要：
在齿轮系设计问题中, 传统算法存在计算复杂与精度低等缺点, 海鸥优化算法(SOA)得益于其算法原理简单、通用性强、参数少等特性, 现多用于工程设计问题. 然而, 标准海鸥优化算法易出现寻优精度低、搜索速度慢等问题, 本文提出一种混合策略改进的海鸥优化算法(WLSOA). 首先, 利用非线性递减策略增强海鸥优化算法的探索开发能力, 提高寻优精度. 其次, 在海鸥攻击阶段引入自适应权重平衡全局与局部的搜索能力和加入莱维飞行步长对当前最优解进行扰动, 提高算法跳出局部最优值的能力. 然后分别使用WLSOA、黄金正弦算法、鲸鱼优化算法、粒子群优化算法、传统海鸥优化算法及最新提出的改进海鸥优化算法, 通过在9个经典的测试函数上进行仿真实验来探究WLSOA的性能. 结果表明, WLSOA比其他6种算法寻优精度更高, 收敛速度更快. 最后, 在齿轮系设计问题上, 通过与其他13种常见的群智能算法的比较表明, WLSOA的求解性能优于其他算法.
在齿轮系设计问题中, 传统算法存在计算复杂与精度低等缺点, 海鸥优化算法(SOA)得益于其算法原理简单、通用性强、参数少等特性, 现多用于工程设计问题. 然而, 标准海鸥优化算法易出现寻优精度低、搜索速度慢等问题, 本文提出一种混合策略改进的海鸥优化算法(WLSOA). 首先, 利用非线性递减策略增强海鸥优化算法的探索开发能力, 提高寻优精度. 其次, 在海鸥攻击阶段引入自适应权重平衡全局与局部的搜索能力和加入莱维飞行步长对当前最优解进行扰动, 提高算法跳出局部最优值的能力. 然后分别使用WLSOA、黄金正弦算法、鲸鱼优化算法、粒子群优化算法、传统海鸥优化算法及最新提出的改进海鸥优化算法, 通过在9个经典的测试函数上进行仿真实验来探究WLSOA的性能. 结果表明, WLSOA比其他6种算法寻优精度更高, 收敛速度更快. 最后, 在齿轮系设计问题上, 通过与其他13种常见的群智能算法的比较表明, WLSOA的求解性能优于其他算法.
优先出版日期: 2023-09-21 , DOI: 10.15888/j.cnki.csa.009312
摘要：
自动程序修复技术可实现对软件缺陷的自动修复, 并使用测试套件评估修复补丁. 然而因为测试套件不充分, 通过测试套件的补丁可能并未正确修复缺陷, 甚至引入新的缺陷并产生波及效应, 导致自动程序修复生成大量过拟合补丁. 针对这个问题, 本文提出了一种基于数据流分析的过拟合补丁识别方法, 首先将补丁对程序的修改分解为对变量的操作, 然后采用数据流分析方法识别补丁影响域, 并根据补丁影响域选择针对性覆盖准则来识别目标覆盖元素, 进而选取测试路径并生成测试用例实现对修复程序的充分测试, 避免修复副作用的影响. 本文在两个数据集上进行了评估, 实验结果表明, 基于数据流分析的过拟合补丁识别方法可有效提升自动程序修复的正确性.
自动程序修复技术可实现对软件缺陷的自动修复, 并使用测试套件评估修复补丁. 然而因为测试套件不充分, 通过测试套件的补丁可能并未正确修复缺陷, 甚至引入新的缺陷并产生波及效应, 导致自动程序修复生成大量过拟合补丁. 针对这个问题, 本文提出了一种基于数据流分析的过拟合补丁识别方法, 首先将补丁对程序的修改分解为对变量的操作, 然后采用数据流分析方法识别补丁影响域, 并根据补丁影响域选择针对性覆盖准则来识别目标覆盖元素, 进而选取测试路径并生成测试用例实现对修复程序的充分测试, 避免修复副作用的影响. 本文在两个数据集上进行了评估, 实验结果表明, 基于数据流分析的过拟合补丁识别方法可有效提升自动程序修复的正确性.
优先出版日期: 2023-09-21 , DOI: 10.15888/j.cnki.csa.009313
摘要：
针对传统路径规划算法收敛速度慢、稳定性差、易陷入局部极值的问题, 提出一种基于梯度统计变异量子遗传算法的车辆路径规划方法. 首先在依据染色体适应度值动态调整旋转角步长的基础上, 引入梯度下降思想对量子旋转门调整策略进行改进; 根据染色体变化趋势的统计特性, 设计基于梯度统计的变异算子实现变异操作, 提出基于量子位概率密度的自适应变异策略; 以路径最短为指标建立车辆路径规划模型, 通过仿真实验验证改进算法在车辆路径规划中的有效性, 与其他优化算法相比, 本文改进算法所规划路径长度更短, 搜索稳定性更好, 能有效控制算法陷入局部最优.
针对传统路径规划算法收敛速度慢、稳定性差、易陷入局部极值的问题, 提出一种基于梯度统计变异量子遗传算法的车辆路径规划方法. 首先在依据染色体适应度值动态调整旋转角步长的基础上, 引入梯度下降思想对量子旋转门调整策略进行改进; 根据染色体变化趋势的统计特性, 设计基于梯度统计的变异算子实现变异操作, 提出基于量子位概率密度的自适应变异策略; 以路径最短为指标建立车辆路径规划模型, 通过仿真实验验证改进算法在车辆路径规划中的有效性, 与其他优化算法相比, 本文改进算法所规划路径长度更短, 搜索稳定性更好, 能有效控制算法陷入局部最优.
优先出版日期: 2023-09-21 , DOI: 10.15888/j.cnki.csa.009289
摘要：
海量的轨迹数据为管理分析和数据挖掘工作带来了巨大的挑战, 轨迹压缩技术成为解决这一问题的一种有效方案. 针对目前多数轨迹压缩算法需要人为干预设定阈值的问题, 融合特征聚类与轨迹划分的思想提出了一种自适应的轨迹拐点提取压缩算法. 算法从轨迹的全局方向特征与局部方向特征出发考虑, 依次进行了轨迹粗划分、子轨迹合并以及轨迹细划分的工作. 实验结果显示, 随着轨迹规模的增大, 与其他算法相比, 该算法基本能够在保持更高压缩率的同时产生更低的方向误差. 提出的算法具有自适应和高精度拐点识别的优势, 在其他轨迹压缩场景之下仍有着较高的参考价值.
海量的轨迹数据为管理分析和数据挖掘工作带来了巨大的挑战, 轨迹压缩技术成为解决这一问题的一种有效方案. 针对目前多数轨迹压缩算法需要人为干预设定阈值的问题, 融合特征聚类与轨迹划分的思想提出了一种自适应的轨迹拐点提取压缩算法. 算法从轨迹的全局方向特征与局部方向特征出发考虑, 依次进行了轨迹粗划分、子轨迹合并以及轨迹细划分的工作. 实验结果显示, 随着轨迹规模的增大, 与其他算法相比, 该算法基本能够在保持更高压缩率的同时产生更低的方向误差. 提出的算法具有自适应和高精度拐点识别的优势, 在其他轨迹压缩场景之下仍有着较高的参考价值.
优先出版日期: 2023-09-21 , DOI: 10.15888/j.cnki.csa.009303
摘要：
神经机器翻译技术能够自动翻译多种语言的语义信息, 已被应用于跨指令集架构的二进制代码相似性检测, 并取得了较好的效果. 将汇编指令序列当作文本序列处理时, 指令顺序关系很重要. 进行二进制基本块级别相似性检测时, 神经网络使用位置嵌入来对指令位置进行建模. 然而, 这种位置嵌入未能捕获指令位置之间的邻接、优先等关系. 针对该问题, 本文使用指令位置的连续函数来建模汇编指令的全局绝对位置和顺序关系, 实现对词序嵌入的泛化. 首先使用Transformer训练源指令集架构编码器; 然后使用三元组损失训练目标指令集架构编码器, 并微调源指令集架构编码器; 最后使用嵌入向量之间欧式距离的映射表示基本块之间的相似程度. 在公开数据集MISA上的实验表明, P@1评价指标达到69.5%, 比对比方法MIRROR提升了4.6%.
神经机器翻译技术能够自动翻译多种语言的语义信息, 已被应用于跨指令集架构的二进制代码相似性检测, 并取得了较好的效果. 将汇编指令序列当作文本序列处理时, 指令顺序关系很重要. 进行二进制基本块级别相似性检测时, 神经网络使用位置嵌入来对指令位置进行建模. 然而, 这种位置嵌入未能捕获指令位置之间的邻接、优先等关系. 针对该问题, 本文使用指令位置的连续函数来建模汇编指令的全局绝对位置和顺序关系, 实现对词序嵌入的泛化. 首先使用Transformer训练源指令集架构编码器; 然后使用三元组损失训练目标指令集架构编码器, 并微调源指令集架构编码器; 最后使用嵌入向量之间欧式距离的映射表示基本块之间的相似程度. 在公开数据集MISA上的实验表明, P@1评价指标达到69.5%, 比对比方法MIRROR提升了4.6%.
优先出版日期: 2023-09-21 , DOI: 10.15888/j.cnki.csa.009316
摘要：
为了解决图像压缩感知重建研究领域中通过有效的图像先验信息重构与原图相似性高且保留细节消除伪影的高质量图像的问题, 针对不足采样的K空间数据, 在经典的CNN算法CBDNet算法的基础上, 通过融合深度学习先验信息及传统图像恢复各自优势的方法, 研究了基于深度神经网络去噪先验和BM3D块压缩感知算法的混合式重构算法. 该算法采用交互式方法训练多尺度残差网络抑制噪声水平, 借优化选择的方式将深度学习与传统块匹配多尺度结合以提取图像不同尺度的特征数据从而实现抑制伪影、快速重建高质量MRI. 实结果表明深度学习结合BM3D在MR图像重构领域能够有效降低伪影保留细节信息, 加强重构效果. 与此同时, 通过采用GPU的加速运算, 算法的计算复杂度较使用单一算法并未增加很多. 可见基于卷积盲降噪的混合式核磁共振成像效果更佳.
为了解决图像压缩感知重建研究领域中通过有效的图像先验信息重构与原图相似性高且保留细节消除伪影的高质量图像的问题, 针对不足采样的K空间数据, 在经典的CNN算法CBDNet算法的基础上, 通过融合深度学习先验信息及传统图像恢复各自优势的方法, 研究了基于深度神经网络去噪先验和BM3D块压缩感知算法的混合式重构算法. 该算法采用交互式方法训练多尺度残差网络抑制噪声水平, 借优化选择的方式将深度学习与传统块匹配多尺度结合以提取图像不同尺度的特征数据从而实现抑制伪影、快速重建高质量MRI. 实结果表明深度学习结合BM3D在MR图像重构领域能够有效降低伪影保留细节信息, 加强重构效果. 与此同时, 通过采用GPU的加速运算, 算法的计算复杂度较使用单一算法并未增加很多. 可见基于卷积盲降噪的混合式核磁共振成像效果更佳.
优先出版日期: 2023-09-19 , DOI: 10.15888/j.cnki.csa.009319
摘要：
针对交通信号灯检测中目标尺度小、检测精度低的问题, 提出一种改进YOLOv5s的交通信号灯检测算法. 首先, 构建一种特征金字塔模块RSN-BiFPN, 充分融合不同尺度的交通信号灯特征, 以减少目标漏检和误检. 其次, 引入新的特征融合层和预测头, 提高网络对小目标的感知性能, 增强检测准确性; 最后, 采用EIoU函数优化损失, 加快网络收敛速度. 通过在S2TLD公开数据集上进行的大量的实验结果表明, 本文所提方法相较于基础网络, 精确率提升4.1%, 达96.1%; 召回率提升3%, 达95.9%; 平均精确度提升1.9%, 达96.5%. 同时, 改进后的算法实现了更快的检测速度, 达每秒22.7帧, 本文方法有效实现交通信号灯快速、准确地检测, 可广泛应用于交通道路中信号灯分析相关研究.
针对交通信号灯检测中目标尺度小、检测精度低的问题, 提出一种改进YOLOv5s的交通信号灯检测算法. 首先, 构建一种特征金字塔模块RSN-BiFPN, 充分融合不同尺度的交通信号灯特征, 以减少目标漏检和误检. 其次, 引入新的特征融合层和预测头, 提高网络对小目标的感知性能, 增强检测准确性; 最后, 采用EIoU函数优化损失, 加快网络收敛速度. 通过在S2TLD公开数据集上进行的大量的实验结果表明, 本文所提方法相较于基础网络, 精确率提升4.1%, 达96.1%; 召回率提升3%, 达95.9%; 平均精确度提升1.9%, 达96.5%. 同时, 改进后的算法实现了更快的检测速度, 达每秒22.7帧, 本文方法有效实现交通信号灯快速、准确地检测, 可广泛应用于交通道路中信号灯分析相关研究.
优先出版日期: 2023-09-19 , DOI: 10.15888/j.cnki.csa.009314
摘要：
图分区质量极大程度上影响着计算机之间的通信开销和负载平衡, 这对于大规模并行图计算的性能是至关重要的. 然而, 随着图数据规模的越来越大, 图分区算法的执行时间成为了一个不可避免的问题. 因此, 研究如何优化图分区算法的执行效率是有必要的. 本文提出了一个基于广度优先遍历加权图生成的启发式图分割方法, 该方法在实现较低的通信代价和较好负载平衡的同时, 只引入了少量的预处理时间开销. 实验结果表明, 本文的划分方法减少了复制因子, 降低通信开销, 并且引入的时间开销较小.
图分区质量极大程度上影响着计算机之间的通信开销和负载平衡, 这对于大规模并行图计算的性能是至关重要的. 然而, 随着图数据规模的越来越大, 图分区算法的执行时间成为了一个不可避免的问题. 因此, 研究如何优化图分区算法的执行效率是有必要的. 本文提出了一个基于广度优先遍历加权图生成的启发式图分割方法, 该方法在实现较低的通信代价和较好负载平衡的同时, 只引入了少量的预处理时间开销. 实验结果表明, 本文的划分方法减少了复制因子, 降低通信开销, 并且引入的时间开销较小.
优先出版日期: 2023-09-19 , DOI: 10.15888/j.cnki.csa.009315
摘要：
针对多智能体强化学习中因智能体之间的复杂关系所导致的学习效率低及收敛速度慢的问题, 提出基于两级注意力机制的方法MADDPG-Attention, 在MADDPG算法的Critic网络中增加了软硬两级注意力机制, 通过注意力机制学习智能体之间的可借鉴经验, 提升智能体之间的相互学习效率. 由于单层的软注意力机制会给完全不相关的智能体也赋予学习权重, 因此采用硬注意力判断两个智能体之间学习的必要性, 裁减无关信息的智能体, 再用软注意力判断两个智能体间学习的重要性, 按重要性分布来分配学习权重, 据此向有可用经验的智能体学习. 在多智能体粒子的合作导航环境上进行测试, 实验结果表明, MADDPG-Attention算法对复杂关系的理解更为清晰, 在3种环境的导航成功率都达到了90%以上, 有效提高了学习效率, 加快了收敛速度.
针对多智能体强化学习中因智能体之间的复杂关系所导致的学习效率低及收敛速度慢的问题, 提出基于两级注意力机制的方法MADDPG-Attention, 在MADDPG算法的Critic网络中增加了软硬两级注意力机制, 通过注意力机制学习智能体之间的可借鉴经验, 提升智能体之间的相互学习效率. 由于单层的软注意力机制会给完全不相关的智能体也赋予学习权重, 因此采用硬注意力判断两个智能体之间学习的必要性, 裁减无关信息的智能体, 再用软注意力判断两个智能体间学习的重要性, 按重要性分布来分配学习权重, 据此向有可用经验的智能体学习. 在多智能体粒子的合作导航环境上进行测试, 实验结果表明, MADDPG-Attention算法对复杂关系的理解更为清晰, 在3种环境的导航成功率都达到了90%以上, 有效提高了学习效率, 加快了收敛速度.
优先出版日期: 2023-09-19 , DOI: 10.15888/j.cnki.csa.009305
摘要：
本文针对带时间窗约束的同时送取货车辆路径问题, 建立了以总配送距离最小化为目标的数学模型. 根据模型的特征, 在保留灰狼算法(GWO)搜索机制的基础上, 提出了离散灰狼优化算法(DGWO)进行求解. 采用多种策略构建种群的初始解, 并允许出现不可行解, 扩大种群的搜索区域; 引入带评分策略的邻域搜索策略, 调整每种算子的概率, 使算法选择优化效果更好的算子; 使用移除-插入机制, 对优质解区域进行探索, 加速种群的收敛. 在仿真实验中对标准数据集进行了测试, 将实验结果和p-SA算法、DCS算法、VNS-BSTS算法和SA-ALNS算法进行了对比, 实验表明DGWO算法能有效的解决带时间窗约束的同时送取货车辆路径问题.
本文针对带时间窗约束的同时送取货车辆路径问题, 建立了以总配送距离最小化为目标的数学模型. 根据模型的特征, 在保留灰狼算法(GWO)搜索机制的基础上, 提出了离散灰狼优化算法(DGWO)进行求解. 采用多种策略构建种群的初始解, 并允许出现不可行解, 扩大种群的搜索区域; 引入带评分策略的邻域搜索策略, 调整每种算子的概率, 使算法选择优化效果更好的算子; 使用移除-插入机制, 对优质解区域进行探索, 加速种群的收敛. 在仿真实验中对标准数据集进行了测试, 将实验结果和p-SA算法、DCS算法、VNS-BSTS算法和SA-ALNS算法进行了对比, 实验表明DGWO算法能有效的解决带时间窗约束的同时送取货车辆路径问题.
优先出版日期: 2023-09-19 , DOI: 10.15888/j.cnki.csa.009306
摘要：
目前, 我国青藏高原地区的牦牛养殖方式以传统的人工放牧为主. 为解决人力养殖方式无法快速跟踪统计牦牛数量的问题, 本文提出了一种改进YOLOv5和Bytetrack的牦牛跟踪方法, 以实现在视频输入情况下快速检测跟踪牦牛. 采用基于深度学习的YOLOv5目标检测网络, 结合CA注意力、跨尺度特征融合和空洞卷积池化金字塔等优化方法, 减少牦牛检测中因遮挡而导致检测难度大、误检漏检的问题, 实现对视频中牦牛更精确的检测; 使用Bytetrack跟踪器通过卡尔曼滤波和匈牙利算法实现帧间目标关联, 并为目标匹配ID; 使用ImageNet中的部分牦牛数据和青海玉树地区采集的牦牛样本图像来训练模型. 实验结果表明: 本文改进模型的平均检测精确度为98.7%, 比原YOLOv5s、SSD、YOLOX和Faster RCNN模型分别提高1.1、1.89、8.33、0.4个百分点, 能快速收敛, 检测性能最优; 改进的YOLOv5s和Bytetrack跟踪结果最优, MOTA提高了7.1646 %. 本研究改进的模型能够更加快速准确地检测和跟踪统计牦牛, 为青海地区畜牧业的智慧化发展提供技术支持.
目前, 我国青藏高原地区的牦牛养殖方式以传统的人工放牧为主. 为解决人力养殖方式无法快速跟踪统计牦牛数量的问题, 本文提出了一种改进YOLOv5和Bytetrack的牦牛跟踪方法, 以实现在视频输入情况下快速检测跟踪牦牛. 采用基于深度学习的YOLOv5目标检测网络, 结合CA注意力、跨尺度特征融合和空洞卷积池化金字塔等优化方法, 减少牦牛检测中因遮挡而导致检测难度大、误检漏检的问题, 实现对视频中牦牛更精确的检测; 使用Bytetrack跟踪器通过卡尔曼滤波和匈牙利算法实现帧间目标关联, 并为目标匹配ID; 使用ImageNet中的部分牦牛数据和青海玉树地区采集的牦牛样本图像来训练模型. 实验结果表明: 本文改进模型的平均检测精确度为98.7%, 比原YOLOv5s、SSD、YOLOX和Faster RCNN模型分别提高1.1、1.89、8.33、0.4个百分点, 能快速收敛, 检测性能最优; 改进的YOLOv5s和Bytetrack跟踪结果最优, MOTA提高了
优先出版日期: 2023-09-19 , DOI: 10.15888/j.cnki.csa.009295
摘要：
近年来, 推荐系统已经成为数据分析与挖掘、信息检索领域方向的热点. 然而, 部分推荐系统应用于用户多兴趣偏好还存在着问题: 首先用户的兴趣不唯一, 且对多个兴趣的偏好不等同; 其次用户当前的兴趣是否会在未来时间中持续. 基于此, 本文通过利用用户产生多兴趣并捕获其个性化需求的可持续性, 提出了一种MIES算法模型, 该模型能够很好捕捉到用户潜在的多种兴趣, 并注重用户兴趣的可持续, 提高了推荐的质量. 通过对比实验表明该模型有效解决了推荐系统对用户多维兴趣的捕捉和个性化兴趣的可持续性.
近年来, 推荐系统已经成为数据分析与挖掘、信息检索领域方向的热点. 然而, 部分推荐系统应用于用户多兴趣偏好还存在着问题: 首先用户的兴趣不唯一, 且对多个兴趣的偏好不等同; 其次用户当前的兴趣是否会在未来时间中持续. 基于此, 本文通过利用用户产生多兴趣并捕获其个性化需求的可持续性, 提出了一种MIES算法模型, 该模型能够很好捕捉到用户潜在的多种兴趣, 并注重用户兴趣的可持续, 提高了推荐的质量. 通过对比实验表明该模型有效解决了推荐系统对用户多维兴趣的捕捉和个性化兴趣的可持续性.
优先出版日期: 2023-09-19 , DOI: 10.15888/j.cnki.csa.009285
摘要：
针对心理医学领域文本段落冗长、数据稀疏、知识散乱且规范性差的问题, 提出一种基于多层级特征抽取能力预训练模型(MFE-BERT)与前向神经网络注意力机制(FNNAttention)的心理医学知识图谱构建方法. MFE-BERT在BERT模型基础上将其内部所有Encoder层特征进行合并输出, 以获取包含更多语义的特征向量, 同时对两复合模型采用FNNAttention机制强化词级关系, 解决长文本段落语义稀释问题. 在自建的心理医学数据集中, 设计MFE-BERT-BiLSTM-FNNAttention-CRF和MFE-BERT-CNN-FNNAttention复合神经网络模型分别进行心理医学实体识别和实体关系抽取, 实体识别F1值达到93.91%, 实体关系抽精确率达到了89.29%, 通过融合文本相似度与语义相似度方法进行实体对齐, 将所整理的数据存储在Neo4j图数据库中, 构建出一个含有3652 个实体, 2396 条关系的心理医学知识图谱. 实验结果表明, 在MFE-BERT模型与FNNAttention机制的基础上构建心理医学知识图谱切实可行, 提出的改进模型所搭建的心理医学知识图谱可以更好地应用于心理医学信息管理中, 为心理医学数据分析提供参考.
针对心理医学领域文本段落冗长、数据稀疏、知识散乱且规范性差的问题, 提出一种基于多层级特征抽取能力预训练模型(MFE-BERT)与前向神经网络注意力机制(FNNAttention)的心理医学知识图谱构建方法. MFE-BERT在BERT模型基础上将其内部所有Encoder层特征进行合并输出, 以获取包含更多语义的特征向量, 同时对两复合模型采用FNNAttention机制强化词级关系, 解决长文本段落语义稀释问题. 在自建的心理医学数据集中, 设计MFE-BERT-BiLSTM-FNNAttention-CRF和MFE-BERT-CNN-FNNAttention复合神经网络模型分别进行心理医学实体识别和实体关系抽取, 实体识别F1值达到93.91%, 实体关系抽精确率达到了89.29%, 通过融合文本相似度与语义相似度方法进行实体对齐, 将所整理的数据存储在Neo4j图数据库中, 构建出一个含有
优先出版日期: 2023-09-19 , DOI: 10.15888/j.cnki.csa.009288
摘要：
针对现有肺炎医学影像识别研究在浅层网络忽略全局特征导致特征提取不全且模型规模较大的问题, 提出了一种基于CNN和注意力机制的轻量化模型提高肺炎类型的识别效率. 采用轻量化模型结构减少模型参数量, 通过增大卷积核, 引入高效通道注意力和自注意力机制解决网络重要信息丢失和无法提取底层全局信息的问题, 通过双分支并行提取局部和全局信息并使用多尺度通道注意力提高二者融合质量, 使用CLAHE算法优化原始数据. 实验结果表明, 该模型在保证轻量性的同时准确率、灵敏度、特异性较原模型分别提高2.59%, 3.1%, 1.38%, 并优于当前优秀的其他分类模型, 具有更强的实用性.
针对现有肺炎医学影像识别研究在浅层网络忽略全局特征导致特征提取不全且模型规模较大的问题, 提出了一种基于CNN和注意力机制的轻量化模型提高肺炎类型的识别效率. 采用轻量化模型结构减少模型参数量, 通过增大卷积核, 引入高效通道注意力和自注意力机制解决网络重要信息丢失和无法提取底层全局信息的问题, 通过双分支并行提取局部和全局信息并使用多尺度通道注意力提高二者融合质量, 使用CLAHE算法优化原始数据. 实验结果表明, 该模型在保证轻量性的同时准确率、灵敏度、特异性较原模型分别提高2.59%, 3.1%, 1.38%, 并优于当前优秀的其他分类模型, 具有更强的实用性.
优先出版日期: 2023-09-15 , DOI: 10.15888/j.cnki.csa.009281
摘要：
在自动制造系统(automated manufacturing systems, AMSs)中, 死锁是一个急需解决的问题, 其主要由资源的循环等待造成. 为了解决该问题, 本文首先基于面向资源Petri网(resource-oriented Petri nets, ROPNs)的特征, 建立特殊资源标记图(special resource marked graphs, SRMGs). 其次, 在SRMGs中建立死锁与饱和回路之间的关系. 最后通过为一些特殊回路添加控制器, 阻止系统出现不安全标记. 考虑到资源故障问题, 为危险库所添加资源缓冲子网, 保证需要故障资源的零件不会阻塞其它零件的持续生产. 相比现有的控制器, 本文的监督控制器具有控制开关, 其通过实时改变控制库所的容量可以允许更多安全标记发生.
在自动制造系统(automated manufacturing systems, AMSs)中, 死锁是一个急需解决的问题, 其主要由资源的循环等待造成. 为了解决该问题, 本文首先基于面向资源Petri网(resource-oriented Petri nets, ROPNs)的特征, 建立特殊资源标记图(special resource marked graphs, SRMGs). 其次, 在SRMGs中建立死锁与饱和回路之间的关系. 最后通过为一些特殊回路添加控制器, 阻止系统出现不安全标记. 考虑到资源故障问题, 为危险库所添加资源缓冲子网, 保证需要故障资源的零件不会阻塞其它零件的持续生产. 相比现有的控制器, 本文的监督控制器具有控制开关, 其通过实时改变控制库所的容量可以允许更多安全标记发生.
优先出版日期: 2023-09-15 , DOI: 10.15888/j.cnki.csa.009297
摘要：
不平衡数据集问题从20年前就已经引起人们的重视, 提出的相关解决方法层出不穷. Mixup是这几年比较流行的数据合成方法, 其相关变体比比皆是, 但是针对不平衡数据集提出的Mixup变体寥寥无几. 本文针对不平衡数据集分类问题, 提出了Mixup的变体——Borderline-mixup, 其使用支持向量机选择边界样本, 增加边界样本在采样器中被采样的概率, 构建两个边界采样器, 替代了原有的随机采样器. 在14个UCI数据集以及CIFAR10长尾数据集上的实验结果表明, Borderline-mixup相比于Mixup在UCI数据集中都有提升, 最高能达到49.3%的提升, 在CIFAR10长尾数据集中, 也能达到3%–3.6%左右的提升. 显然, 我们提出的Mixup变体在不平衡数据集分类中是有效的.
不平衡数据集问题从20年前就已经引起人们的重视, 提出的相关解决方法层出不穷. Mixup是这几年比较流行的数据合成方法, 其相关变体比比皆是, 但是针对不平衡数据集提出的Mixup变体寥寥无几. 本文针对不平衡数据集分类问题, 提出了Mixup的变体——Borderline-mixup, 其使用支持向量机选择边界样本, 增加边界样本在采样器中被采样的概率, 构建两个边界采样器, 替代了原有的随机采样器. 在14个UCI数据集以及CIFAR10长尾数据集上的实验结果表明, Borderline-mixup相比于Mixup在UCI数据集中都有提升, 最高能达到49.3%的提升, 在CIFAR10长尾数据集中, 也能达到3%–3.6%左右的提升. 显然, 我们提出的Mixup变体在不平衡数据集分类中是有效的.
优先出版日期: 2023-09-15 , DOI: 10.15888/j.cnki.csa.009300
摘要：
针对秃鹰搜索算法(BES)存在求解的稳定性差且准确性低, 鲁棒性差等缺点, 提出了一种基于秃鹰搜索算法的新型算法(NBES). 首先, 在BES算法的选择搜索空间阶段融合正余弦优化机制算法, 构建融合后的位置更新公式. 其次, 在BES算法的搜索空间猎物阶段加入惯性权重自适应位置更新策略. 最后, 在BES算法俯冲阶段融合萤火虫优化机制算法, 重新定义位置更新公式. 通过11个标准测试函数验证NBES算法性能, 实验表明, NBES算法寻优准确性、收敛速度、鲁棒性都优于BES算法. 为了验证新算法的实际应用价值, 利用NBES算法优化卷积神经网络(CNN)中的超参数学习率, 并将优化后的图像分类模型用于医学影像病理性分类预测, 实验表明, 经过优化的CNN模型分类精度提高9%.
针对秃鹰搜索算法(BES)存在求解的稳定性差且准确性低, 鲁棒性差等缺点, 提出了一种基于秃鹰搜索算法的新型算法(NBES). 首先, 在BES算法的选择搜索空间阶段融合正余弦优化机制算法, 构建融合后的位置更新公式. 其次, 在BES算法的搜索空间猎物阶段加入惯性权重自适应位置更新策略. 最后, 在BES算法俯冲阶段融合萤火虫优化机制算法, 重新定义位置更新公式. 通过11个标准测试函数验证NBES算法性能, 实验表明, NBES算法寻优准确性、收敛速度、鲁棒性都优于BES算法. 为了验证新算法的实际应用价值, 利用NBES算法优化卷积神经网络(CNN)中的超参数学习率, 并将优化后的图像分类模型用于医学影像病理性分类预测, 实验表明, 经过优化的CNN模型分类精度提高9%.
优先出版日期: 2023-09-15 , DOI: 10.15888/j.cnki.csa.009301
摘要：
针对复杂环境下指针式仪表检测与识别过程中存在定位仪表困难和推理精度低等问题, 本文提出一种基于YOLOv7+U2-Net的多量程仪表识别方法. 为了提高U2-Net模型的输入图像质量, 选择推理精度和速度快的YOLOv7检测器, 将检测、裁剪好的图像作为模型的输入图像数据集, 同时对输入图像进行了旋转矫正, 使模型适用于多角度仪表识别. 针对仪表读数推理精度差和速度慢等问题, 将U2-Net解码阶段的RSU4-RSU7的普通卷积更换成了深度可分离卷积, 在此基础上引入了Attention机制, 加快整体推理速度和精度. 此外, 为了提高该方法的普遍适用性, 提出了多阈值范围内的识别准确率判别方法来适配多种应用场景. 通过对比实验表明, 在收集到的数据集上进行评估, 相较于模板匹配、SegNet、PSPNet、Deeplabv3+及U-Net方法, 本文方法识别准确率达到96.5%, 在多个阈值区间内都具有良好性能表现.
针对复杂环境下指针式仪表检测与识别过程中存在定位仪表困难和推理精度低等问题, 本文提出一种基于YOLOv7+U2-Net的多量程仪表识别方法. 为了提高U2-Net模型的输入图像质量, 选择推理精度和速度快的YOLOv7检测器, 将检测、裁剪好的图像作为模型的输入图像数据集, 同时对输入图像进行了旋转矫正, 使模型适用于多角度仪表识别. 针对仪表读数推理精度差和速度慢等问题, 将U2-Net解码阶段的RSU4-RSU7的普通卷积更换成了深度可分离卷积, 在此基础上引入了Attention机制, 加快整体推理速度和精度. 此外, 为了提高该方法的普遍适用性, 提出了多阈值范围内的识别准确率判别方法来适配多种应用场景. 通过对比实验表明, 在收集到的数据集上进行评估, 相较于模板匹配、SegNet、PSPNet、Deeplabv3+及U-Net方法, 本文方法识别准确率达到96.5%, 在多个阈值区间内都具有良好性能表现.
优先出版日期: 2023-09-15 , DOI: 10.15888/j.cnki.csa.009304
摘要：
随着城市化进程的加速和人口不断增加, 土地资源的利用和管理变得愈发重要. 高分辨率遥感影像技术的发展为土地覆盖类别变化检测提供了新的途径. 目前, 多数遥感影像变化检测任务主要针对显著建筑物的变化检测, 缺少对土地覆盖类别变化检测任务的研究, 本研究基于公开数据集, 对更多土地覆盖类别变化情况进行标注. 在原语义分割主干网络的基础上结合孪生网络结构, 提出适用于土地覆盖类别变化检测任务的检测模型, 该模型在网络的特征提取阶段加入变化引导模块, 以辅助网络关注两时相影像中的变化信息, 并在网络不同阶段加入通道信息交互模块, 以增强不同特征图的信息融合. 同时, 在特征提取阶段最后一层加入特征对齐模块, 以缓解下采样过程导致的特征偏移. 在土地覆盖类别变化检测数据集上的实验结果表明, 本文提出的方法可以有效提取影像中的变化信息, 并提高分割精度.
随着城市化进程的加速和人口不断增加, 土地资源的利用和管理变得愈发重要. 高分辨率遥感影像技术的发展为土地覆盖类别变化检测提供了新的途径. 目前, 多数遥感影像变化检测任务主要针对显著建筑物的变化检测, 缺少对土地覆盖类别变化检测任务的研究, 本研究基于公开数据集, 对更多土地覆盖类别变化情况进行标注. 在原语义分割主干网络的基础上结合孪生网络结构, 提出适用于土地覆盖类别变化检测任务的检测模型, 该模型在网络的特征提取阶段加入变化引导模块, 以辅助网络关注两时相影像中的变化信息, 并在网络不同阶段加入通道信息交互模块, 以增强不同特征图的信息融合. 同时, 在特征提取阶段最后一层加入特征对齐模块, 以缓解下采样过程导致的特征偏移. 在土地覆盖类别变化检测数据集上的实验结果表明, 本文提出的方法可以有效提取影像中的变化信息, 并提高分割精度.
优先出版日期: 2023-09-15 , DOI: 10.15888/j.cnki.csa.009321
摘要：
为解决现有航海模拟器中船浪运动分离导致的视景感受体验差的问题, 开发了一套船浪实时交互的船舶运动可视化仿真系统. 通过海浪谱建模技术构建海面波浪运动场景; 在建立船舶受力模型的基础上, 通过检测船舶与水面的碰撞实现船舶对波浪力的响应以计算船舶对波浪运动的实时响应姿态变化; 同时为增强仿真系统的真实感, 使用波动公式计算船舶与水体碰撞产生的水波及其扩散增强模拟真实感. 船浪运动耦合的航海模拟器与传统航海模拟器相比, 在大海况条件下能够为使用者提供更加真实的视景与运动体验. 研究成果视景真实感强, 船浪交互实时性好, 对于恶劣航海条件下的航海过程有良好的仿真效果.
为解决现有航海模拟器中船浪运动分离导致的视景感受体验差的问题, 开发了一套船浪实时交互的船舶运动可视化仿真系统. 通过海浪谱建模技术构建海面波浪运动场景; 在建立船舶受力模型的基础上, 通过检测船舶与水面的碰撞实现船舶对波浪力的响应以计算船舶对波浪运动的实时响应姿态变化; 同时为增强仿真系统的真实感, 使用波动公式计算船舶与水体碰撞产生的水波及其扩散增强模拟真实感. 船浪运动耦合的航海模拟器与传统航海模拟器相比, 在大海况条件下能够为使用者提供更加真实的视景与运动体验. 研究成果视景真实感强, 船浪交互实时性好, 对于恶劣航海条件下的航海过程有良好的仿真效果.
优先出版日期: 2023-09-15 , DOI: 10.15888/j.cnki.csa.009330
摘要：
系统模拟器通过模拟处理器、内存、外设等硬件资源创建一个完整的虚拟计算机环境, 支持运行和调试不同架构的软件, 可大大缩短跨架构的软件开发周期. 模拟器的调试模块通常具有指令追踪功能, 可记录程序运行的指令序列以用于进一步分析, 如程序运行时间评估、程序行为模式分析、软硬件联合仿真等. 支持RISC-V架构的主流模拟器QEMU和Spike均具有指令追踪功能, 但其时间和空间开销过大, 在应对规模较大的应用时效率低下. 本文提出了一种基于QEMU的指令追踪技术, 将程序中的基本块、控制流图等静态信息与分支选择等动态信息解耦, 在保证指令序列不失真的同时高效追踪执行序列. 相比QEMU原生实现的指令追踪, 本文提出的指令追踪技术的时间开销平均降低了80%以上, 空间开销平均降低了95%以上. 此外, 本文面向RISC-V架构, 实现了多种场景下的指令序列离线分析, 包括指令分类统计、程序热点标记、行为模式分析等.
系统模拟器通过模拟处理器、内存、外设等硬件资源创建一个完整的虚拟计算机环境, 支持运行和调试不同架构的软件, 可大大缩短跨架构的软件开发周期. 模拟器的调试模块通常具有指令追踪功能, 可记录程序运行的指令序列以用于进一步分析, 如程序运行时间评估、程序行为模式分析、软硬件联合仿真等. 支持RISC-V架构的主流模拟器QEMU和Spike均具有指令追踪功能, 但其时间和空间开销过大, 在应对规模较大的应用时效率低下. 本文提出了一种基于QEMU的指令追踪技术, 将程序中的基本块、控制流图等静态信息与分支选择等动态信息解耦, 在保证指令序列不失真的同时高效追踪执行序列. 相比QEMU原生实现的指令追踪, 本文提出的指令追踪技术的时间开销平均降低了80%以上, 空间开销平均降低了95%以上. 此外, 本文面向RISC-V架构, 实现了多种场景下的指令序列离线分析, 包括指令分类统计、程序热点标记、行为模式分析等.
优先出版日期: 2023-09-15 , DOI: 10.15888/j.cnki.csa.009331
摘要：
传统的用户态内存安全防御机制基于x86架构和纯软件方式实现, 实现内存安全保护的运行时开销很高, 难以部署在生产环境中. 近年来, 随着主流商业处理器开始提供硬件安全扩展, 以及RISC-V等开源处理器架构的兴起, 内存安全保护方案开始面向x86-64、ARM、RISC-V等多种体系架构和硬件辅助实现方式. 我们对RISC-V架构上实现的内存安全防御方案进行了讨论, 并对x86-64、ARM、RISC-V等处理器架构在安全方案设计上的特点进行了比较. 得益于开放的指令集架构生态, RISC-V架构的内存安全防御方案相较于其他架构有一些优势. 一些低成本的安全防御技术有望在RISC-V架构上实现.
传统的用户态内存安全防御机制基于x86架构和纯软件方式实现, 实现内存安全保护的运行时开销很高, 难以部署在生产环境中. 近年来, 随着主流商业处理器开始提供硬件安全扩展, 以及RISC-V等开源处理器架构的兴起, 内存安全保护方案开始面向x86-64、ARM、RISC-V等多种体系架构和硬件辅助实现方式. 我们对RISC-V架构上实现的内存安全防御方案进行了讨论, 并对x86-64、ARM、RISC-V等处理器架构在安全方案设计上的特点进行了比较. 得益于开放的指令集架构生态, RISC-V架构的内存安全防御方案相较于其他架构有一些优势. 一些低成本的安全防御技术有望在RISC-V架构上实现.
优先出版日期: 2023-09-15 , DOI: 10.15888/j.cnki.csa.009308
摘要：
针对人体姿态估计算法可实施性低以及基于姿态估计的跳绳计数精度不高的问题, 提出了一种基于轻量级人体姿态估计网络的跳绳计数算法. 该算法首先输入跳绳视频, 接着利用帧间差分法提取关键帧图像并送入人体姿态估计网络进行关节点检测; 同时为了解决轻量级网络检测精度不高的问题, 提出优化的LitePose检测模型, 采用自适应感知解码方法对模型的解码部分进行优化从而减少量化误差; 然后采用卡尔曼滤波对坐标数据进行平滑降噪, 以减小坐标抖动误差; 最终通过关键点坐标变化判断跳绳计数. 实验结果表明, 在相同图像分辨率和环境配置下, 本文提出的算法使用优化的LitePose-S网络模型, 不仅未增加模型参数量和运算复杂度, 同时网络检测精度提高了0.7%, 且优于其他对比网络, 而且本算法在跳绳计数时的平均误差率最低可达1.00%, 可以利用人体姿态估计的结果有效地判断人体起跳和落地情况, 最终得出计数结果.
针对人体姿态估计算法可实施性低以及基于姿态估计的跳绳计数精度不高的问题, 提出了一种基于轻量级人体姿态估计网络的跳绳计数算法. 该算法首先输入跳绳视频, 接着利用帧间差分法提取关键帧图像并送入人体姿态估计网络进行关节点检测; 同时为了解决轻量级网络检测精度不高的问题, 提出优化的LitePose检测模型, 采用自适应感知解码方法对模型的解码部分进行优化从而减少量化误差; 然后采用卡尔曼滤波对坐标数据进行平滑降噪, 以减小坐标抖动误差; 最终通过关键点坐标变化判断跳绳计数. 实验结果表明, 在相同图像分辨率和环境配置下, 本文提出的算法使用优化的LitePose-S网络模型, 不仅未增加模型参数量和运算复杂度, 同时网络检测精度提高了0.7%, 且优于其他对比网络, 而且本算法在跳绳计数时的平均误差率最低可达1.00%, 可以利用人体姿态估计的结果有效地判断人体起跳和落地情况, 最终得出计数结果.
优先出版日期: 2023-09-15 , DOI: 10.15888/j.cnki.csa.009282
摘要：
传统时序预测方法其预测过程无法在相同数据集上推出共享模式, 而机器学习方法无法较好地处理非线性和大规模数据集, 并且需要手动设计特征工程. 深度学习方法弥补了传统预测方法需要高计算高人力的弊端, 用自动学习特征工程代替了手动设计特征工程. 但仅使用深度学习的预测方法所作结构假设较少, 通常需要较高的计算资源以及大量的数据来学习得到准确的模型. 针对上述问题, 本文提出通过采用融合t检验的EMD经验模态将序列分为高频分量和低频分量, 对高频分量使用传统STL序列分解方法进一步对数据做处理, 对高频、低频分量分别进行Prophet预测. 实验结果表明, 相较于传统的LSTM以及Prophet预测模型, 经过STL序列分解后的周期数据能够提升模型的整体预测精确度而融合EMD经验模态的Prophet模型则大大提升了训练效率.
传统时序预测方法其预测过程无法在相同数据集上推出共享模式, 而机器学习方法无法较好地处理非线性和大规模数据集, 并且需要手动设计特征工程. 深度学习方法弥补了传统预测方法需要高计算高人力的弊端, 用自动学习特征工程代替了手动设计特征工程. 但仅使用深度学习的预测方法所作结构假设较少, 通常需要较高的计算资源以及大量的数据来学习得到准确的模型. 针对上述问题, 本文提出通过采用融合t检验的EMD经验模态将序列分为高频分量和低频分量, 对高频分量使用传统STL序列分解方法进一步对数据做处理, 对高频、低频分量分别进行Prophet预测. 实验结果表明, 相较于传统的LSTM以及Prophet预测模型, 经过STL序列分解后的周期数据能够提升模型的整体预测精确度而融合EMD经验模态的Prophet模型则大大提升了训练效率.
优先出版日期: 2023-09-15 , DOI: 10.15888/j.cnki.csa.009293
摘要：
随着Web应用的功能日趋复杂, 其安全问题不容乐观, Web应用安全性测试成为软件测试领域的研究重点之一. 漏洞报告旨在记录Web应用安全问题, 辅助Web应用测试, 提升其安全性与质量. 然而, 如何自动识别漏洞报告中的关键信息, 复现漏洞, 仍是当前的研究难点. 为此, 本文提出一种自动化的漏洞报告理解和漏洞复现方法, 首先, 依据漏洞报告的特点, 归纳其语法依存模式, 并结合依存句法分析技术, 解析漏洞描述, 提取漏洞触发的关键信息. 其次, 不同于常规自然语言描述, Web漏洞的攻击负载通常是非法字符串, 大多以代码片段的形式存在, 为此, 本文针对攻击负载, 设计提取规则, 完善漏洞报告中攻击负载的提取. 在此基础上, 考虑漏洞报告与Web应用文本描述不同但语义相近, 提出基于语义相似度的漏洞复现脚本自动生成方法, 实现Web应用漏洞的自动复现. 为验证本文方法的有效性, 从漏洞收集平台Exploit-db的300余个Web应用项目中收集了400份漏洞报告, 归纳出其语法依存模式; 并针对23个开源Web应用涉及的26份真实漏洞报告进行漏洞复现实验, 结果表明本文方法可有效提取漏洞报告的关键信息, 并据此生成可行测试脚本, 复现漏洞, 有效减少人工操作, 提升漏洞复现效率.
随着Web应用的功能日趋复杂, 其安全问题不容乐观, Web应用安全性测试成为软件测试领域的研究重点之一. 漏洞报告旨在记录Web应用安全问题, 辅助Web应用测试, 提升其安全性与质量. 然而, 如何自动识别漏洞报告中的关键信息, 复现漏洞, 仍是当前的研究难点. 为此, 本文提出一种自动化的漏洞报告理解和漏洞复现方法, 首先, 依据漏洞报告的特点, 归纳其语法依存模式, 并结合依存句法分析技术, 解析漏洞描述, 提取漏洞触发的关键信息. 其次, 不同于常规自然语言描述, Web漏洞的攻击负载通常是非法字符串, 大多以代码片段的形式存在, 为此, 本文针对攻击负载, 设计提取规则, 完善漏洞报告中攻击负载的提取. 在此基础上, 考虑漏洞报告与Web应用文本描述不同但语义相近, 提出基于语义相似度的漏洞复现脚本自动生成方法, 实现Web应用漏洞的自动复现. 为验证本文方法的有效性, 从漏洞收集平台Exploit-db的300余个Web应用项目中收集了400份漏洞报告, 归纳出其语法依存模式; 并针对23个开源Web应用涉及的26份真实漏洞报告进行漏洞复现实验, 结果表明本文方法可有效提取漏洞报告的关键信息, 并据此生成可行测试脚本, 复现漏洞, 有效减少人工操作, 提升漏洞复现效率.
优先出版日期: 2023-09-15 , DOI: 10.15888/j.cnki.csa.009329
摘要：
AIS数据是指通过AIS系统获取的船舶运动轨迹信息, 对其进行挖掘可以获得船舶的运动模式、航行路线、停靠地点等信息. 但其在采集过程中产生的离群点会对聚类等任务造成负面影响, 因此对AIS数据挖掘之前需要进行离群点检测. 然而, 当AIS轨迹数据中存在大量离群点时, 会导致大多数离群点检测算法的准确率显著下降. 为了解决这个问题, 本文提出了一种基于中心移动的轨迹离群点检测算法(center shift outlier detection, CSOD). 通过迫使数据点向其K近邻集合的中心移动, 使每个数据点更加接近典型数据, 从而有效地消除了离群点对聚类的影响. 为了验证本文算法的有效性, 使用浙江海域AIS渔船轨迹数据集, 将本文提出的CSOD算法与一些经典的离群点检测算法进行了对比实验. 实验结果表明, CSOD算法整体上性能更加优越.
AIS数据是指通过AIS系统获取的船舶运动轨迹信息, 对其进行挖掘可以获得船舶的运动模式、航行路线、停靠地点等信息. 但其在采集过程中产生的离群点会对聚类等任务造成负面影响, 因此对AIS数据挖掘之前需要进行离群点检测. 然而, 当AIS轨迹数据中存在大量离群点时, 会导致大多数离群点检测算法的准确率显著下降. 为了解决这个问题, 本文提出了一种基于中心移动的轨迹离群点检测算法(center shift outlier detection, CSOD). 通过迫使数据点向其K近邻集合的中心移动, 使每个数据点更加接近典型数据, 从而有效地消除了离群点对聚类的影响. 为了验证本文算法的有效性, 使用浙江海域AIS渔船轨迹数据集, 将本文提出的CSOD算法与一些经典的离群点检测算法进行了对比实验. 实验结果表明, CSOD算法整体上性能更加优越.
优先出版日期: 2023-08-29 , DOI: 10.15888/j.cnki.csa.009287
摘要：
岩石显微图像拼接是对岩石分析和研究的关键环节, 由于岩石显微图像数量多(成百上千张)内容丰富并且包含大量相似易混淆区域, 导致拼接速率和配准准确率低, 并且多幅图像拼接时会产生误差累积导致拼接错位, 针对此问题提出了一种SR-SURF (similar region-SURF)的岩石显微图像拼接方法. 首先选用哈希指纹快速提取相似区域(similar region), 然后在此区域检测特征点; 之后利用改进的RANSAC (random sample consensus)算法剔除错误匹配点; 再然后选用最佳模板匹配纠正错误配准图像; 最后引入最小二乘法消除单应性矩阵相乘产生的累计误差; 实验结果显示本文的算法消除了多幅图像拼接产生的累计误差, 解决了拼接错位问题, 提高了拼接速率和配准准确率, 具有较高的实用价值, 推动了岩石薄片的数字化存储进程.
岩石显微图像拼接是对岩石分析和研究的关键环节, 由于岩石显微图像数量多(成百上千张)内容丰富并且包含大量相似易混淆区域, 导致拼接速率和配准准确率低, 并且多幅图像拼接时会产生误差累积导致拼接错位, 针对此问题提出了一种SR-SURF (similar region-SURF)的岩石显微图像拼接方法. 首先选用哈希指纹快速提取相似区域(similar region), 然后在此区域检测特征点; 之后利用改进的RANSAC (random sample consensus)算法剔除错误匹配点; 再然后选用最佳模板匹配纠正错误配准图像; 最后引入最小二乘法消除单应性矩阵相乘产生的累计误差; 实验结果显示本文的算法消除了多幅图像拼接产生的累计误差, 解决了拼接错位问题, 提高了拼接速率和配准准确率, 具有较高的实用价值, 推动了岩石薄片的数字化存储进程.
优先出版日期: 2023-08-29 , DOI: 10.15888/j.cnki.csa.009302
摘要：
联邦学习能使用户不共享原始数据的情况下, 允许多个用户协同训练模型. 为了确保用户本地数据集不被泄露, 现有的工作提出安全聚合协议. 但现有的多数方案存在未考虑全局模型隐私、系统计算资源与通信资源耗费较大等问题. 针对上述问题, 提出了联邦学习下高效的强安全的隐私保护安全聚合方案. 该方案利用对称同态加密技术实现了用户模型与全局模型的隐私保护, 利用秘密共享技术解决了用户掉线问题. 同时, 该方案利用Pedersen承诺来验证云服务器返回聚合结果的正确性, 利用BLS签名保护了用户与云服务器交互过程中的数据完整性. 此外, 安全性分析表明该方案是可证明安全的; 性能分析表明该方案是高效且实用的, 适用于大规模用户的联邦学习系统.
联邦学习能使用户不共享原始数据的情况下, 允许多个用户协同训练模型. 为了确保用户本地数据集不被泄露, 现有的工作提出安全聚合协议. 但现有的多数方案存在未考虑全局模型隐私、系统计算资源与通信资源耗费较大等问题. 针对上述问题, 提出了联邦学习下高效的强安全的隐私保护安全聚合方案. 该方案利用对称同态加密技术实现了用户模型与全局模型的隐私保护, 利用秘密共享技术解决了用户掉线问题. 同时, 该方案利用Pedersen承诺来验证云服务器返回聚合结果的正确性, 利用BLS签名保护了用户与云服务器交互过程中的数据完整性. 此外, 安全性分析表明该方案是可证明安全的; 性能分析表明该方案是高效且实用的, 适用于大规模用户的联邦学习系统.
优先出版日期: 2023-08-29 , DOI: 10.15888/j.cnki.csa.009298
摘要：
较传统方案而言, 目前基于深度学习的图像补全方法取得了更优的修复效果. 但大都忽视了建立像素的长距离依赖, 深度学习模型处理大面积不规则缺失时效果不佳、生成图像整体契合度不足. 另一方面, 很多通过融合多尺度感受野来保留更多细节信息的补全算法, 由于无法动态的调节感受野, 而受到输入尺度与补全目标尺度变化带来的影响, 最终导致生成结果产生明显的伪影误差. 针对这类问题, 本文提出一种基于快速傅里叶变换和选择性卷积核网络的补全算法, 在实现像素长距离依赖的同时保证模型的高效率运行. 此外, 本算法还改进了选择性卷积核网络, 可按照各卷积核特征的贡献, 自适应调整相应权重, 从而为模型提供精确的局部性信息补充, 最终生成全局融合度更高、局部细节更丰富的补全结果. 在Celeb-A HQ和Place2数据集的实验表明, 本文方法不仅在PSNR和SSIM指标上超越了现有的前沿图像补全方法, 且处理受遮挡率为80%以上的图像时具有明显优势, 能够生成更真实地结果.
较传统方案而言, 目前基于深度学习的图像补全方法取得了更优的修复效果. 但大都忽视了建立像素的长距离依赖, 深度学习模型处理大面积不规则缺失时效果不佳、生成图像整体契合度不足. 另一方面, 很多通过融合多尺度感受野来保留更多细节信息的补全算法, 由于无法动态的调节感受野, 而受到输入尺度与补全目标尺度变化带来的影响, 最终导致生成结果产生明显的伪影误差. 针对这类问题, 本文提出一种基于快速傅里叶变换和选择性卷积核网络的补全算法, 在实现像素长距离依赖的同时保证模型的高效率运行. 此外, 本算法还改进了选择性卷积核网络, 可按照各卷积核特征的贡献, 自适应调整相应权重, 从而为模型提供精确的局部性信息补充, 最终生成全局融合度更高、局部细节更丰富的补全结果. 在Celeb-A HQ和Place2数据集的实验表明, 本文方法不仅在PSNR和SSIM指标上超越了现有的前沿图像补全方法, 且处理受遮挡率为80%以上的图像时具有明显优势, 能够生成更真实地结果.
优先出版日期: 2023-08-22 , DOI: 10.15888/j.cnki.csa.009296
摘要：
移动边缘计算(mobile edge computing, MEC)已逐渐成为有效缓解数据过载问题的手段, 而在高人流密集的场景中, 固定在基站上的边缘服务器可能会因网络过载而无法提供有效的服务. 考虑到时延敏感型的通信需求, 双层无人机(unmanned aerial vehicle, UAV)的高机动性和易部署性成为任务计算卸载的理想选择, 其中配备计算资源的顶层无人机(top-UAV, T-UAV)可以为抓拍现场画面的底层UAV (bottom-UAV, B-UAV)提供卸载服务. B-UAV搭载拍摄装置, 可以选择本地计算或将部分任务卸载给T-UAV进行计算. 文中构建了双层UAV辅助的MEC系统模型, 并提出了一种DDPG-CPER (deep deterministic policy gradient offloading algorithm based on composite prioritized experience replay)新型计算卸载算法. 该算法综合考虑了决策变量的连续性以及在T-UAV资源调度和机动性等约束条件下优化了任务执行时延, 提高了处理效率和响应速度, 以保证现场观众对比赛的实时观看体验. 仿真实验结果表明, 所提算法表现出了比DDPG等基线算法更快的收敛速度, 能够显著降低处理延迟.
移动边缘计算(mobile edge computing, MEC)已逐渐成为有效缓解数据过载问题的手段, 而在高人流密集的场景中, 固定在基站上的边缘服务器可能会因网络过载而无法提供有效的服务. 考虑到时延敏感型的通信需求, 双层无人机(unmanned aerial vehicle, UAV)的高机动性和易部署性成为任务计算卸载的理想选择, 其中配备计算资源的顶层无人机(top-UAV, T-UAV)可以为抓拍现场画面的底层UAV (bottom-UAV, B-UAV)提供卸载服务. B-UAV搭载拍摄装置, 可以选择本地计算或将部分任务卸载给T-UAV进行计算. 文中构建了双层UAV辅助的MEC系统模型, 并提出了一种DDPG-CPER (deep deterministic policy gradient offloading algorithm based on composite prioritized experience replay)新型计算卸载算法. 该算法综合考虑了决策变量的连续性以及在T-UAV资源调度和机动性等约束条件下优化了任务执行时延, 提高了处理效率和响应速度, 以保证现场观众对比赛的实时观看体验. 仿真实验结果表明, 所提算法表现出了比DDPG等基线算法更快的收敛速度, 能够显著降低处理延迟.
优先出版日期: 2023-08-22 , DOI: 10.15888/j.cnki.csa.009309
摘要：
传统的聚类算法能够将数据集划分成不同的簇, 但是这些簇通常都是难以解释的. IMM (iterative mistake minimization)是一种常见的可解释聚类算法, 通过单个特征来构造阈值树, 每个簇都可以用根节点到叶子节点路径上的特征-阈值对进行解释. 然而, 阈值树在每一轮划分数据时仅考虑错误最少的特征-阈值对, 这种贪心的方法容易导致局部最优解. 针对这一问题, 本文引入了集束搜索, 通过在阈值树的每一轮划分过程当中保留预定数量的状态来减缓局部最优, 进而提高阈值树提供的聚类划分与初始聚类划分的一致性. 最后, 通过实验验证了该算法的有效性.
传统的聚类算法能够将数据集划分成不同的簇, 但是这些簇通常都是难以解释的. IMM (iterative mistake minimization)是一种常见的可解释聚类算法, 通过单个特征来构造阈值树, 每个簇都可以用根节点到叶子节点路径上的特征-阈值对进行解释. 然而, 阈值树在每一轮划分数据时仅考虑错误最少的特征-阈值对, 这种贪心的方法容易导致局部最优解. 针对这一问题, 本文引入了集束搜索, 通过在阈值树的每一轮划分过程当中保留预定数量的状态来减缓局部最优, 进而提高阈值树提供的聚类划分与初始聚类划分的一致性. 最后, 通过实验验证了该算法的有效性.
优先出版日期: 2023-08-22 , DOI: 10.15888/j.cnki.csa.009291
摘要：
手部姿态估计在人机交互、手功能评估、虚拟现实和增强现实等应用中发挥着重要作用, 为此本文提出了一种新的手部姿态估计方法, 以解决手部区域在大多数图像中占比较小和已有单视图关键点检测算法无法应对遮挡情况的问题. 所提方法首先通过引入Bayesian卷积网络的语义分割模型提取手部目标区域, 在此基础上针对手部定位结果, 利用所提基于注意力机制和级联引导策略的新模型以获得较为准确的手部二维关键点检测结果.然后提出了一种利用立体视觉算法计算关键点深度信息的深度网络, 并在深度估计中提供视角自学习的功能. 该方式以三角测量为基础, 利用RANSAC算法对测量结果进行校准. 最后经过多任务学习和重投影训练对手部关键点的3D检测结果进行优化, 最终提取手部关键点的三维姿态信息. 实验结果表明: 相比于已有的一些代表性人手区域检测算法, 本文方法在人手区域检测上的平均检测精度和运算时间上有一定的改善. 此外, 从本文所提姿态估计方法与已有其他方法的平均端点误差(EPE_mean)和PCK曲线下方面积(AUC)这些指标的对比结果来看, 本文方法的关键点检测性能更优, 因而能获得更好的手部姿态估计结果.
手部姿态估计在人机交互、手功能评估、虚拟现实和增强现实等应用中发挥着重要作用, 为此本文提出了一种新的手部姿态估计方法, 以解决手部区域在大多数图像中占比较小和已有单视图关键点检测算法无法应对遮挡情况的问题. 所提方法首先通过引入Bayesian卷积网络的语义分割模型提取手部目标区域, 在此基础上针对手部定位结果, 利用所提基于注意力机制和级联引导策略的新模型以获得较为准确的手部二维关键点检测结果.然后提出了一种利用立体视觉算法计算关键点深度信息的深度网络, 并在深度估计中提供视角自学习的功能. 该方式以三角测量为基础, 利用RANSAC算法对测量结果进行校准. 最后经过多任务学习和重投影训练对手部关键点的3D检测结果进行优化, 最终提取手部关键点的三维姿态信息. 实验结果表明: 相比于已有的一些代表性人手区域检测算法, 本文方法在人手区域检测上的平均检测精度和运算时间上有一定的改善. 此外, 从本文所提姿态估计方法与已有其他方法的平均端点误差(EPE_mean)和PCK曲线下方面积(AUC)这些指标的对比结果来看, 本文方法的关键点检测性能更优, 因而能获得更好的手部姿态估计结果.
优先出版日期: 2023-08-22 , DOI: 10.15888/j.cnki.csa.009278
摘要：
针对手写签名认证的可靠性和设备依赖性问题, 设计并实现了一种基于MediaPipe的非触摸式在线签名认证系统. 该系统以MediaPipe为基础框架, 通过视频获得在线手写签名, 并提取签名轨迹点的时序特征作为匹配模板, 进而采用加权联合概率策略构建签名认证模型. 该模型在边缘端设备的平均认证等误率(EER)为3.04%. 采用基于PyQt设计的应用作为可视化UI界面, 实现在视频场景中的非触摸式在线签名交互认证. 该系统使用实时视频感知交互方式实现在线签名认证, 无需其他的外部设备, 具有更低的设备依赖性和更高的认证可靠性.
针对手写签名认证的可靠性和设备依赖性问题, 设计并实现了一种基于MediaPipe的非触摸式在线签名认证系统. 该系统以MediaPipe为基础框架, 通过视频获得在线手写签名, 并提取签名轨迹点的时序特征作为匹配模板, 进而采用加权联合概率策略构建签名认证模型. 该模型在边缘端设备的平均认证等误率(EER)为3.04%. 采用基于PyQt设计的应用作为可视化UI界面, 实现在视频场景中的非触摸式在线签名交互认证. 该系统使用实时视频感知交互方式实现在线签名认证, 无需其他的外部设备, 具有更低的设备依赖性和更高的认证可靠性.
优先出版日期: 2023-08-22 , DOI: 10.15888/j.cnki.csa.009257
摘要：
为解决当前基于生成对抗网络的深度学习网络模型在面对较复杂的特征时存在伪影、纹理细节退化等现象, 造成视觉上的欠缺问题, 提出了连贯语义注意力机制与生成对抗网络相结合的图像修复改进算法. 首先, 生成器使用两阶段修复方法, 用门控卷积替代生成对抗网络的普通卷积, 引入残差块解决梯度消失问题, 同时引入连贯语义注意力机制提升生成器对图像中重要信息和结构的关注度; 其次, 判别器使用马尔可夫判别器, 强化网络的判别效果, 将生成器输出结果进行反卷积操作得到最终修复后的图片. 通过修复结果以及图像质量评价指标与基线算法进行对比, 实验结果表明, 该算法对缺失部分进行了更好地预测, 修复效果有了更好的提升.
为解决当前基于生成对抗网络的深度学习网络模型在面对较复杂的特征时存在伪影、纹理细节退化等现象, 造成视觉上的欠缺问题, 提出了连贯语义注意力机制与生成对抗网络相结合的图像修复改进算法. 首先, 生成器使用两阶段修复方法, 用门控卷积替代生成对抗网络的普通卷积, 引入残差块解决梯度消失问题, 同时引入连贯语义注意力机制提升生成器对图像中重要信息和结构的关注度; 其次, 判别器使用马尔可夫判别器, 强化网络的判别效果, 将生成器输出结果进行反卷积操作得到最终修复后的图片. 通过修复结果以及图像质量评价指标与基线算法进行对比, 实验结果表明, 该算法对缺失部分进行了更好地预测, 修复效果有了更好的提升.
优先出版日期: 2023-08-22 , DOI: 10.15888/j.cnki.csa.009264
摘要：
情感计算是现代人机交互中的关键问题, 随着人工智能的发展, 基于脑电信号(electroencephalogram, EEG)的情绪识别已经成为重要的研究方向. 为了提高情绪识别的分类精度, 本研究引入堆叠自动编码器(stacked auto-encoder, SAE)对EEG多通道信号进行深度特征提取, 并提出一种基于广义正态分布优化的支持向量机(generalized normal distribution optimization based support vector machine, GNDO-SVM)情绪识别模型. 实验结果表明, 与基于遗传算法、粒子群算法和麻雀搜索算法优化的支持向量机模型相比, 所提出的GNDO-SVM模型具有更优的分类性能, 基于SAE深度特征的情感识别准确率达到了90.94%, 表明SAE能够有效地挖掘EEG信号不同通道间的深度相关性信息. 因此, 利用SAE深度特征结合GNDO-SVM模型可以有效地实现EEG信号的情绪识别.
情感计算是现代人机交互中的关键问题, 随着人工智能的发展, 基于脑电信号(electroencephalogram, EEG)的情绪识别已经成为重要的研究方向. 为了提高情绪识别的分类精度, 本研究引入堆叠自动编码器(stacked auto-encoder, SAE)对EEG多通道信号进行深度特征提取, 并提出一种基于广义正态分布优化的支持向量机(generalized normal distribution optimization based support vector machine, GNDO-SVM)情绪识别模型. 实验结果表明, 与基于遗传算法、粒子群算法和麻雀搜索算法优化的支持向量机模型相比, 所提出的GNDO-SVM模型具有更优的分类性能, 基于SAE深度特征的情感识别准确率达到了90.94%, 表明SAE能够有效地挖掘EEG信号不同通道间的深度相关性信息. 因此, 利用SAE深度特征结合GNDO-SVM模型可以有效地实现EEG信号的情绪识别.
优先出版日期: 2023-08-22 , DOI: 10.15888/j.cnki.csa.009265
摘要：
在面向对象的软件开发过程中, 统一建模语言 (unified modeling language, UML)的用例图用于捕获用户的需求. 传统描述用例的方法一般是开发者根据自己的经验, 从需求中人工获取用例. 然而, 如何自动生成准确的用例仍然是一个待解决的问题. 本文提出了一种通过用UML活动图半自动生成用例的方法. 首先通过引入形式化模型——统一结构来描述用例图与活动图, 其次给出分解活动图的算法, 然后根据分解活动图得到的依赖链生成对应的用例的事件流, 从而得到用例模型, 最后通过所开发的原型CASE工具进行案例的演示, 验证了本文所提出的方法的可行性
在面向对象的软件开发过程中, 统一建模语言 (unified modeling language, UML)的用例图用于捕获用户的需求. 传统描述用例的方法一般是开发者根据自己的经验, 从需求中人工获取用例. 然而, 如何自动生成准确的用例仍然是一个待解决的问题. 本文提出了一种通过用UML活动图半自动生成用例的方法. 首先通过引入形式化模型——统一结构来描述用例图与活动图, 其次给出分解活动图的算法, 然后根据分解活动图得到的依赖链生成对应的用例的事件流, 从而得到用例模型, 最后通过所开发的原型CASE工具进行案例的演示, 验证了本文所提出的方法的可行性
优先出版日期: 2023-08-22 , DOI: 10.15888/j.cnki.csa.009268
摘要：
疾病风险预测能够筛查易患人群, 并在早期进行预防干预措施以降低疾病的发生率及死亡率. 随着机器学习技术的快速发展, 基于机器学习的疾病风险预测得到了广泛应用. 然而, 机器学习十分依赖于高质量的标注信息, 医疗数据中存在的标签噪声会给构建高性能的疾病风险预测算法带来严峻挑战. 针对这一问题, 本文提出了一种基于深度神经网络和动态截断损失函数的噪声鲁棒学习方法用于疾病风险预测. 该方法引入动态截断损失函数, 融合了传统交叉熵函数的隐式加权特性和均方差损失函数的标签噪声鲁棒性; 通过构造训练损失下界, 并引入样本动态加权机制减小可疑样本的梯度, 限制可能的带噪样本在训练过程中的权重, 进一步增强模型的鲁棒性. 以脑卒中筛查数据集为例进行实验, 结果表明本文算法在各个标签噪声比例下均能取得良好的预测性能, 可降低疾病风险预测中标签噪声的负面影响, 实现了带有标签噪声数据的鲁棒学习.
疾病风险预测能够筛查易患人群, 并在早期进行预防干预措施以降低疾病的发生率及死亡率. 随着机器学习技术的快速发展, 基于机器学习的疾病风险预测得到了广泛应用. 然而, 机器学习十分依赖于高质量的标注信息, 医疗数据中存在的标签噪声会给构建高性能的疾病风险预测算法带来严峻挑战. 针对这一问题, 本文提出了一种基于深度神经网络和动态截断损失函数的噪声鲁棒学习方法用于疾病风险预测. 该方法引入动态截断损失函数, 融合了传统交叉熵函数的隐式加权特性和均方差损失函数的标签噪声鲁棒性; 通过构造训练损失下界, 并引入样本动态加权机制减小可疑样本的梯度, 限制可能的带噪样本在训练过程中的权重, 进一步增强模型的鲁棒性. 以脑卒中筛查数据集为例进行实验, 结果表明本文算法在各个标签噪声比例下均能取得良好的预测性能, 可降低疾病风险预测中标签噪声的负面影响, 实现了带有标签噪声数据的鲁棒学习.
优先出版日期: 2023-08-21 , DOI: 10.15888/j.cnki.csa.009263
摘要：
边界剥离聚类算法(BP)是一种基于密度的聚类算法, 它通过逐渐剥离边界点来揭示聚类的潜在核心, 已经被证明是一种十分有效的聚类手段. 然而, BP算法仍存在一些不足之处: 一方面, 数据点的局部密度仅考虑了距离特征, 使得边界点的确定不够合理; 另一方面, BP算法中的关联策略容易误判异常值, 并且在分配边界点时容易产生连带错误. 为此, 本文提出了一种基于共享近邻和优化关联策略的边界剥离聚类算法(SOBP). 该算法使用了基于共享近邻的局部密度函数来更好地探索数据点之间的相似性, 同时优化了BP算法中的关联策略, 使得每次迭代中边界点不再仅与一个非边界点进行关联, 并进一步采用了边界点与非边界点、已剥离边界点之间的双重关联准则. 在一些数据集上的测试表明, 相较于其他6种经典算法, 该算法在评估指标上表现更佳.
边界剥离聚类算法(BP)是一种基于密度的聚类算法, 它通过逐渐剥离边界点来揭示聚类的潜在核心, 已经被证明是一种十分有效的聚类手段. 然而, BP算法仍存在一些不足之处: 一方面, 数据点的局部密度仅考虑了距离特征, 使得边界点的确定不够合理; 另一方面, BP算法中的关联策略容易误判异常值, 并且在分配边界点时容易产生连带错误. 为此, 本文提出了一种基于共享近邻和优化关联策略的边界剥离聚类算法(SOBP). 该算法使用了基于共享近邻的局部密度函数来更好地探索数据点之间的相似性, 同时优化了BP算法中的关联策略, 使得每次迭代中边界点不再仅与一个非边界点进行关联, 并进一步采用了边界点与非边界点、已剥离边界点之间的双重关联准则. 在一些数据集上的测试表明, 相较于其他6种经典算法, 该算法在评估指标上表现更佳.
优先出版日期: 2023-08-21 , DOI: 10.15888/j.cnki.csa.009270
摘要：
正未标记学习仅使用无标签样本和正样本训练一个二分类器, 而生成式对抗网络(generative adversarial networks, GAN)中通过对抗性训练得到一个图像生成器. 为将GAN的对抗训练方法迁移到正未标记学习中以提升正未标记学习的效果, 可将GAN中的生成器替换为分类器C, 在无标签数据集中挑选样本以欺骗判别器D, 对C与D进行迭代优化. 本文提出基于以Jensen-Shannon散度(JS散度)为目标函数的JS-PAN模型. 最后, 结合数据分布特点及现状需求, 说明了PAN模型在医疗诊断图像二分类应用的合理性及高性能. 在MNIST, CIFAR-10数据集上的实验结果显示: KL-PAN模型与同类正未标记学习模型对比有更高的精确度(ACC)及F1-score; 对称化改进后, JS-PAN模型在两个指标上均有所提升, 因此JS-PAN模型的提出更具有合理性. 在Med-MNIST的3个子图像数据集上的实验显示: KL-PAN模型与4个benchmark有监督模型有几乎相同的ACC, JS-PAN也有更高表现. 因此, 综合PAN模型的出色分类效果及医疗诊断数据的分布特征, PAN作为半监督学习方法可获得更快、更好的效果, 在医学图像的二分类的任务上具有更高的性能.
正未标记学习仅使用无标签样本和正样本训练一个二分类器, 而生成式对抗网络(generative adversarial networks, GAN)中通过对抗性训练得到一个图像生成器. 为将GAN的对抗训练方法迁移到正未标记学习中以提升正未标记学习的效果, 可将GAN中的生成器替换为分类器C, 在无标签数据集中挑选样本以欺骗判别器D, 对C与D进行迭代优化. 本文提出基于以Jensen-Shannon散度(JS散度)为目标函数的JS-PAN模型. 最后, 结合数据分布特点及现状需求, 说明了PAN模型在医疗诊断图像二分类应用的合理性及高性能. 在MNIST, CIFAR-10数据集上的实验结果显示: KL-PAN模型与同类正未标记学习模型对比有更高的精确度(ACC)及F1-score; 对称化改进后, JS-PAN模型在两个指标上均有所提升, 因此JS-PAN模型的提出更具有合理性. 在Med-MNIST的3个子图像数据集上的实验显示: KL-PAN模型与4个benchmark有监督模型有几乎相同的ACC, JS-PAN也有更高表现. 因此, 综合PAN模型的出色分类效果及医疗诊断数据的分布特征, PAN作为半监督学习方法可获得更快、更好的效果, 在医学图像的二分类的任务上具有更高的性能.
优先出版日期: 2023-08-21 , DOI: 10.15888/j.cnki.csa.009271
摘要：
实现对固定目标物的注册跟踪方法中, 目前最常使用预制标识物的方法, 或者需要使用集成深度摄像头等配件的专业AR设备, 成本较高. 针对现有方法的缺陷, 提出一种融合目标检测和空间投影算法的简单协作式混合跟踪注册技术, 先通过深度学习算法进行目标检测得到目标物类型, 再利用传感器位姿信息通过空间投影算法确定目标物ID, 从而提高了虚拟信息叠加在真实场景中的匹配度和准确性. 基于此算法实现了智慧物联基础设施维护的增强现实应用, 并对灯杆、垃圾桶等目标物进行了实验. 实验结果表明, 本方法可以在普通智能手机及AR眼镜上运行, 取得了预期效果, 也避免了预制标识物, 降低了对硬件资源的要求.
实现对固定目标物的注册跟踪方法中, 目前最常使用预制标识物的方法, 或者需要使用集成深度摄像头等配件的专业AR设备, 成本较高. 针对现有方法的缺陷, 提出一种融合目标检测和空间投影算法的简单协作式混合跟踪注册技术, 先通过深度学习算法进行目标检测得到目标物类型, 再利用传感器位姿信息通过空间投影算法确定目标物ID, 从而提高了虚拟信息叠加在真实场景中的匹配度和准确性. 基于此算法实现了智慧物联基础设施维护的增强现实应用, 并对灯杆、垃圾桶等目标物进行了实验. 实验结果表明, 本方法可以在普通智能手机及AR眼镜上运行, 取得了预期效果, 也避免了预制标识物, 降低了对硬件资源的要求.
优先出版日期: 2023-08-21 , DOI: 10.15888/j.cnki.csa.009094
摘要：
以实际作战体系为研究对象, 以复杂网络理论和现代作战循环理论为理论基础对作战体系的建模和评估方法进行研究, 首先提出一种基于功能作战模型的IDFCS (investigation, decision, fire, communication, and support)作战体系建模方法及该模型的生成算法, 从更贴近实际、更为精细的角度对体系节点的能力和作战体系规律进行定量描述; 其次根据作战环理论提出基于IDFCS模型的体系效能评估方法和节点重要度评估方法, 充分利用节点能力属性对作战体系效能进行定量分析; 最后利用提出的模型生成算法生成不同规模的作战体系样本网络, 并对其进行效能评估, 为针对体系作战的进一步深入研究提供理论支撑.
以实际作战体系为研究对象, 以复杂网络理论和现代作战循环理论为理论基础对作战体系的建模和评估方法进行研究, 首先提出一种基于功能作战模型的IDFCS (investigation, decision, fire, communication, and support)作战体系建模方法及该模型的生成算法, 从更贴近实际、更为精细的角度对体系节点的能力和作战体系规律进行定量描述; 其次根据作战环理论提出基于IDFCS模型的体系效能评估方法和节点重要度评估方法, 充分利用节点能力属性对作战体系效能进行定量分析; 最后利用提出的模型生成算法生成不同规模的作战体系样本网络, 并对其进行效能评估, 为针对体系作战的进一步深入研究提供理论支撑.
优先出版日期: 2023-08-21 , DOI: 10.15888/j.cnki.csa.009274
摘要：
属性图是一种流行的图数据模型, 在各种图系统中得到了广泛应用. 然而, 面向事务型负载的图数据库系统在执行图分析任务的场景下面临着高延迟等挑战. 传统的图分析系统往往是基于简单图模型, 而且大多不支持图的事务型负载. 因此, 迫切需要一个能够在属性图上高效处理事务型负载和图分析任务的图存储系统. 持久性内存的问世, 使得我们有机会重新设计图存储系统, 以充分发挥这种设备的特点. 为此, 本文提出了一种基于持久性内存的属性图存储系统, 名为TAG. TAG采用了一种新颖的混合架构的图存储方式, 以充分发挥持久性内存和主存的优势. 其次, 通过拓扑和索引结合的方式, 将图的拓扑嵌入到系统的索引中以加速图的拓扑查询. 最后, TAG通过基于标签的方式来组织图的属性数据, 进一步优化图的属性访问. 实验结果表明, TAG显著优于其他图数据库系统, 与图分析系统相比, TAG也有着相近的性能表现.
属性图是一种流行的图数据模型, 在各种图系统中得到了广泛应用. 然而, 面向事务型负载的图数据库系统在执行图分析任务的场景下面临着高延迟等挑战. 传统的图分析系统往往是基于简单图模型, 而且大多不支持图的事务型负载. 因此, 迫切需要一个能够在属性图上高效处理事务型负载和图分析任务的图存储系统. 持久性内存的问世, 使得我们有机会重新设计图存储系统, 以充分发挥这种设备的特点. 为此, 本文提出了一种基于持久性内存的属性图存储系统, 名为TAG. TAG采用了一种新颖的混合架构的图存储方式, 以充分发挥持久性内存和主存的优势. 其次, 通过拓扑和索引结合的方式, 将图的拓扑嵌入到系统的索引中以加速图的拓扑查询. 最后, TAG通过基于标签的方式来组织图的属性数据, 进一步优化图的属性访问. 实验结果表明, TAG显著优于其他图数据库系统, 与图分析系统相比, TAG也有着相近的性能表现.
优先出版日期: 2023-08-21 , DOI: 10.15888/j.cnki.csa.009275
摘要：
ZD码(ZigZag-decodable codes)是基于之字形解码算法设计生成的一类纠删码, 它仅需要少量的计算即可修复存储系统中的故障数据, 但需要存储相对其他纠删码更多的冗余数据以保证系统的高可靠性. 为了降低ZD码产生的存储开销, 本文通过分析当前在存储系统中使用的之字形解码的思想, 提出了一种优化的之字形解码算法. 新的解码算法能够更充分利用校验数据中的信息来完成数据修复. 基于新的解码算法, 本文相应的提出了一种新的ZD码编码方案, 由于新算法更高的信息利用率, 新的编码方案能够用更少的存储开销来满足存储系统的高可靠性. 实验结果表明, 本文提出的ZD码编码方案具有最优的存储开销, 且编解码性能远高于目前广泛使用的RS码.
ZD码(ZigZag-decodable codes)是基于之字形解码算法设计生成的一类纠删码, 它仅需要少量的计算即可修复存储系统中的故障数据, 但需要存储相对其他纠删码更多的冗余数据以保证系统的高可靠性. 为了降低ZD码产生的存储开销, 本文通过分析当前在存储系统中使用的之字形解码的思想, 提出了一种优化的之字形解码算法. 新的解码算法能够更充分利用校验数据中的信息来完成数据修复. 基于新的解码算法, 本文相应的提出了一种新的ZD码编码方案, 由于新算法更高的信息利用率, 新的编码方案能够用更少的存储开销来满足存储系统的高可靠性. 实验结果表明, 本文提出的ZD码编码方案具有最优的存储开销, 且编解码性能远高于目前广泛使用的RS码.
优先出版日期: 2023-08-21 , DOI: 10.15888/j.cnki.csa.009276
摘要：
知识蒸馏被广泛应用于语义分割以减少计算量. 以往的语义分割知识提取方法侧重于像素级的特征对齐和类内特征变化提取, 忽略了对语义分割非常重要的类间距离知识的传递. 为了解决这个问题, 本文提出了一种类间距离提取方法, 将特征空间中的类间距离从教师网络转移到学生网络. 此外, 语义分割是一个位置相关的任务, 因此本文开发了一个位置信息提取模块来帮助学生网络编码更多的位置信息. 在Cityscapes、Pascal VOC和ADE20K这3个流行的语义分割数据集上的大量实验表明, 该方法有助于提高语义分割模型的精度, 取得了较好的性能.
知识蒸馏被广泛应用于语义分割以减少计算量. 以往的语义分割知识提取方法侧重于像素级的特征对齐和类内特征变化提取, 忽略了对语义分割非常重要的类间距离知识的传递. 为了解决这个问题, 本文提出了一种类间距离提取方法, 将特征空间中的类间距离从教师网络转移到学生网络. 此外, 语义分割是一个位置相关的任务, 因此本文开发了一个位置信息提取模块来帮助学生网络编码更多的位置信息. 在Cityscapes、Pascal VOC和ADE20K这3个流行的语义分割数据集上的大量实验表明, 该方法有助于提高语义分割模型的精度, 取得了较好的性能.
优先出版日期: 2023-08-21 , DOI: 10.15888/j.cnki.csa.009290
摘要：
针对当前情感分类方法通常忽略不同单词之间相对位置特征, 导致模型难以学习到单词的最佳位置表示. 为了解决这一问题, 提出一种基于高斯分布引导位置相关性权重的情感分类算法. 首先, 计算每个单词与其他单词之间的位置相关性; 其次, 利用改进的高斯分布函数对位置相关性进行建模, 并将其结果与单词的特征向量相乘, 以生成单词的位置感知表示; 最后, 将算法集成到传统模型中以验证其有效性. 实验结果表明, 所提方法较传统模型获得了更高的准确率, 在域内、域外和对抗评估指标上分别提高了2.98%、5.02%和10.55%, 表明其具有较好的实用价值.
针对当前情感分类方法通常忽略不同单词之间相对位置特征, 导致模型难以学习到单词的最佳位置表示. 为了解决这一问题, 提出一种基于高斯分布引导位置相关性权重的情感分类算法. 首先, 计算每个单词与其他单词之间的位置相关性; 其次, 利用改进的高斯分布函数对位置相关性进行建模, 并将其结果与单词的特征向量相乘, 以生成单词的位置感知表示; 最后, 将算法集成到传统模型中以验证其有效性. 实验结果表明, 所提方法较传统模型获得了更高的准确率, 在域内、域外和对抗评估指标上分别提高了2.98%、5.02%和10.55%, 表明其具有较好的实用价值.
优先出版日期: 2023-08-09 , DOI: 10.15888/j.cnki.csa.009286
摘要：
由于微种群教与学优化算法的种群规模较小, 故其种群多样性很难维持. 为提高微种群教与学优化算法的搜索性能, 提出了一种基于多源基因学习的微种群教与学优化算法(micro-population teaching-learning-based optimization based on multi-source gene learning, MTLBO-MGL). 在MTLBO-MGL算法中, 将教阶段和学阶段根据随机选择策略来对个体进行基因水平上的进化操作; 并从基因层面上对种群多样性进行检测和使用稀疏谱聚类方法对种群的每个维度进行聚类. 然后, 根据多样性检测和聚类结果, 选择不同的进化策略来提高所提算法的搜索性能. 在28个测试函数上, 通过将所提算法与其他4种微种群进化算法作对比, 证明了所提算法的整体性能要显著好于所对比的4种算法. 本文还将所提算法应用于无人机三维路径规划问题, 结果表明MTLBO-MGL算法能够在该问题上取得较好结果.
由于微种群教与学优化算法的种群规模较小, 故其种群多样性很难维持. 为提高微种群教与学优化算法的搜索性能, 提出了一种基于多源基因学习的微种群教与学优化算法(micro-population teaching-learning-based optimization based on multi-source gene learning, MTLBO-MGL). 在MTLBO-MGL算法中, 将教阶段和学阶段根据随机选择策略来对个体进行基因水平上的进化操作; 并从基因层面上对种群多样性进行检测和使用稀疏谱聚类方法对种群的每个维度进行聚类. 然后, 根据多样性检测和聚类结果, 选择不同的进化策略来提高所提算法的搜索性能. 在28个测试函数上, 通过将所提算法与其他4种微种群进化算法作对比, 证明了所提算法的整体性能要显著好于所对比的4种算法. 本文还将所提算法应用于无人机三维路径规划问题, 结果表明MTLBO-MGL算法能够在该问题上取得较好结果.
优先出版日期: 2023-08-09 , DOI: 10.15888/j.cnki.csa.009284
摘要：
现有图像修复方式普遍存在结构错乱和修复区域边缘模糊的问题, 这是由于修复过程中已知区域的结构信息未能得到充分利用, 针对这一问题, 本文提出了一种具有编解码结构的基于色彩聚类的图像修复算法, 算法采用渐进式图像修复网络结构, 将图像经过色彩聚类的结果作为输入, 聚类算法处理后的图像更好保留了输入图像的结构特征, 因此在后续图像纹理恢复过程中结构信息可以得到充分利用; 同时, 为进一步减少网络的计算开销, 引入交叉注意力机制, 从水平和垂直两个维度建模图像全局依赖性. 实验结果表明, 本文提出的图像修复算法可以有效缓解图像修复区域边缘模糊的现象, 与几种主流图像修复算法相比, 我们提出的图像修复算法可以在缺失区域较大的情况下产生更加真实的输出结果.
现有图像修复方式普遍存在结构错乱和修复区域边缘模糊的问题, 这是由于修复过程中已知区域的结构信息未能得到充分利用, 针对这一问题, 本文提出了一种具有编解码结构的基于色彩聚类的图像修复算法, 算法采用渐进式图像修复网络结构, 将图像经过色彩聚类的结果作为输入, 聚类算法处理后的图像更好保留了输入图像的结构特征, 因此在后续图像纹理恢复过程中结构信息可以得到充分利用; 同时, 为进一步减少网络的计算开销, 引入交叉注意力机制, 从水平和垂直两个维度建模图像全局依赖性. 实验结果表明, 本文提出的图像修复算法可以有效缓解图像修复区域边缘模糊的现象, 与几种主流图像修复算法相比, 我们提出的图像修复算法可以在缺失区域较大的情况下产生更加真实的输出结果.
优先出版日期: 2023-08-09 , DOI: 10.15888/j.cnki.csa.009279
摘要：
随着智慧车站和云计算的迅速发展, 地铁站内大规模视频监控系统行人检测的部署愈发重要, 在客流监测、乘客引导和行为警示等方面发挥着人力不能及的重要作用. 在实际工程应用中, 受到计算资源有限以及多尺度多角度遮挡的困难样本带来错漏检的不利影响, 为此提出一种轻量化行人检测算法MCA-YOLOv5s. 首先使用MobileNetv3代替YOLOv5主干网络, 实现网络模型轻量化处理, 并用PConv代替MobileNetv3网络中的DWConv, 减少冗余计算和内存访问; 其次在特征融合阶段的C3模块中融入坐标注意力机制, 使模型更加关注行人的位置信息; 同时将损失函数CIOU替换为Alpha IOU以增加High Loss目标的权重和边界框的回归精度; 最后通过FPGM剪枝压缩改进后的网络模型, 提升模型加载和运行速度. 将改进后的模型部署在华为Atlas 300 AI加速卡中, 对地铁站内行人进行检测, 其平均精度达到94.1%, 检测速度为104.1 FPS. 实际工程实践表明, 改进后的算法检测速度提升71.8%, 节省了站内硬件部署资源, 更满足地铁大客流下的行人监测和管理的工程实际需求.
随着智慧车站和云计算的迅速发展, 地铁站内大规模视频监控系统行人检测的部署愈发重要, 在客流监测、乘客引导和行为警示等方面发挥着人力不能及的重要作用. 在实际工程应用中, 受到计算资源有限以及多尺度多角度遮挡的困难样本带来错漏检的不利影响, 为此提出一种轻量化行人检测算法MCA-YOLOv5s. 首先使用MobileNetv3代替YOLOv5主干网络, 实现网络模型轻量化处理, 并用PConv代替MobileNetv3网络中的DWConv, 减少冗余计算和内存访问; 其次在特征融合阶段的C3模块中融入坐标注意力机制, 使模型更加关注行人的位置信息; 同时将损失函数CIOU替换为Alpha IOU以增加High Loss目标的权重和边界框的回归精度; 最后通过FPGM剪枝压缩改进后的网络模型, 提升模型加载和运行速度. 将改进后的模型部署在华为Atlas 300 AI加速卡中, 对地铁站内行人进行检测, 其平均精度达到94.1%, 检测速度为104.1 FPS. 实际工程实践表明, 改进后的算法检测速度提升71.8%, 节省了站内硬件部署资源, 更满足地铁大客流下的行人监测和管理的工程实际需求.
优先出版日期: 2023-08-09 , DOI: 10.15888/j.cnki.csa.009253
摘要：
HyperLedger Fabric是受关注度较高的开源联盟区块链. 针对现有区块链分片方法不适用于Fabric三阶段交易模型的问题和分片粒度过粗导致存在热点访问的问题, 提出一种基于Fabric实现的细粒度键值状态分片方法. 首先, 详细设计了Fabric在键值状态分片下的跨片交易处理, 引入跨分片排序节点和两阶段提交处理流程, 高效保证跨片交易的一致性和原子性. 然后, 针对细粒度分片可能导致交易跨片概率上升进而影响性能的问题, 提出启发式的交易提案路由表, 旨在减少预执行阶段交易的跨片读数据请求, 降低计算资源和网络资源的消耗. 最后, 在Fabric仿真系统上实现改进的分片方案并进行性能测试. 实验结果表明, 该方法在提升Fabric性能的基础上, 有效解决了热点访问问题和高跨片交易占比下的性能下降问题.
HyperLedger Fabric是受关注度较高的开源联盟区块链. 针对现有区块链分片方法不适用于Fabric三阶段交易模型的问题和分片粒度过粗导致存在热点访问的问题, 提出一种基于Fabric实现的细粒度键值状态分片方法. 首先, 详细设计了Fabric在键值状态分片下的跨片交易处理, 引入跨分片排序节点和两阶段提交处理流程, 高效保证跨片交易的一致性和原子性. 然后, 针对细粒度分片可能导致交易跨片概率上升进而影响性能的问题, 提出启发式的交易提案路由表, 旨在减少预执行阶段交易的跨片读数据请求, 降低计算资源和网络资源的消耗. 最后, 在Fabric仿真系统上实现改进的分片方案并进行性能测试. 实验结果表明, 该方法在提升Fabric性能的基础上, 有效解决了热点访问问题和高跨片交易占比下的性能下降问题.
优先出版日期: 2023-08-09 , DOI: 10.15888/j.cnki.csa.009255
摘要：
移动群智感知是智慧城市数字化建设的核心基础技术之一, 是移动计算领域的热点研究课题. 近年来, 移动群智感知虽然已有许多代表性的研究成果, 但从整体上看距离大规模的普及应用仍有不少距离, 在实际推广应用中仍面临着用户参与度不高的问题. 为此, 引入社交网络IM (影响最大化)传播模型, 考虑到现实情况下概率信息的缺失, 通过在线学习的方式, 在进行影响力活动的同时学习影响力概率, 即根据用户反馈不断更新影响力模型信息, 从而提出新的基于该模型的任务扩散方案. 通过使用真实的社交网络数据集进行实验, 结果表明提出的方法在传播范围方面比传统的IM方法更有效, 为移动群智感知系统的实际推广应用做出贡献.
移动群智感知是智慧城市数字化建设的核心基础技术之一, 是移动计算领域的热点研究课题. 近年来, 移动群智感知虽然已有许多代表性的研究成果, 但从整体上看距离大规模的普及应用仍有不少距离, 在实际推广应用中仍面临着用户参与度不高的问题. 为此, 引入社交网络IM (影响最大化)传播模型, 考虑到现实情况下概率信息的缺失, 通过在线学习的方式, 在进行影响力活动的同时学习影响力概率, 即根据用户反馈不断更新影响力模型信息, 从而提出新的基于该模型的任务扩散方案. 通过使用真实的社交网络数据集进行实验, 结果表明提出的方法在传播范围方面比传统的IM方法更有效, 为移动群智感知系统的实际推广应用做出贡献.
优先出版日期: 2023-08-09 , DOI: 10.15888/j.cnki.csa.009272
摘要：
针对频谱图对于音乐特征挖掘较弱、深度学习分类模型复杂且训练时间长的问题, 设计了一种基于频谱增强和卷积宽度学习(CNNBLS)的音乐流派分类模型. 该模型首先通过SpecAugment中随机屏蔽部分频率信道的方法增强梅尔频谱图, 再将切割后的梅尔频谱图作为CNNBLS的输入, 同时将指数线性单元函数(ELU)融合进CNNBLS的卷积层, 以增强其分类精度. 相较于其他机器学习网络框架, CNNBLS能用少量的训练时间获得较高的分类精度. 此外, CNNBLS可以对增量数据进行快速学习. 实验结果表明: 无增量模型CNNBLS在训练400首音乐数据可获得90.06%的分类准确率, 增量模型Incremental-CNNBLS在增加400首训练数据后可达91.53%的分类准确率.
针对频谱图对于音乐特征挖掘较弱、深度学习分类模型复杂且训练时间长的问题, 设计了一种基于频谱增强和卷积宽度学习(CNNBLS)的音乐流派分类模型. 该模型首先通过SpecAugment中随机屏蔽部分频率信道的方法增强梅尔频谱图, 再将切割后的梅尔频谱图作为CNNBLS的输入, 同时将指数线性单元函数(ELU)融合进CNNBLS的卷积层, 以增强其分类精度. 相较于其他机器学习网络框架, CNNBLS能用少量的训练时间获得较高的分类精度. 此外, CNNBLS可以对增量数据进行快速学习. 实验结果表明: 无增量模型CNNBLS在训练400首音乐数据可获得90.06%的分类准确率, 增量模型Incremental-CNNBLS在增加400首训练数据后可达91.53%的分类准确率.
优先出版日期: 2023-08-09 , DOI: 10.15888/j.cnki.csa.009262
摘要：
棉花价格受多种因素影响而复杂多变, 通过选择合适的数据特征和预测模型可提高棉花价格预测精度. 本文以棉花日现货价格数据为研究目标, 采集了供需关系、国际市场、宏观经济、产业链这4个方面的9项影响因素作为特征, 使用极限梯度提升(XGBoost)算法对棉花价格影响因素进行特征评估筛选, 选取其中5项特征后, 采用引入注意力机制(Attention)的时间卷积网络(TCN) TCN-Attention、TCN、LSTM、GRU等模型对棉花价格进行预测. 通过消融实验和对比实验, 结果表明: (1)经过XGBoost特征筛选后, TCN-Attention价格预测的平均绝对误差(MAE)和均方根误差(RMSE)为41.47和58.76, 与未筛选相比分别降低了77.57%和76.49%. (2)与TCN、LSTM、GRU相比, 本文提出的TCN-Attention模型预测结果更准确, MAE和RMSE均降低50%以上, 运行时间较LSTM、GRU缩短60%.
棉花价格受多种因素影响而复杂多变, 通过选择合适的数据特征和预测模型可提高棉花价格预测精度. 本文以棉花日现货价格数据为研究目标, 采集了供需关系、国际市场、宏观经济、产业链这4个方面的9项影响因素作为特征, 使用极限梯度提升(XGBoost)算法对棉花价格影响因素进行特征评估筛选, 选取其中5项特征后, 采用引入注意力机制(Attention)的时间卷积网络(TCN) TCN-Attention、TCN、LSTM、GRU等模型对棉花价格进行预测. 通过消融实验和对比实验, 结果表明: (1)经过XGBoost特征筛选后, TCN-Attention价格预测的平均绝对误差(MAE)和均方根误差(RMSE)为41.47和58.76, 与未筛选相比分别降低了77.57%和76.49%. (2)与TCN、LSTM、GRU相比, 本文提出的TCN-Attention模型预测结果更准确, MAE和RMSE均降低50%以上, 运行时间较LSTM、GRU缩短60%.
优先出版日期: 2023-08-09 , DOI: 10.15888/j.cnki.csa.009269
摘要：
深度学习模型在某些场景的实际应用中要求其具备一定的可解释性, 而视觉是人类认识周围世界的基本工具, 可视化技术能够将模型训练过程从不可见的黑盒状态转换为可交互分析的视觉过程, 从而有效提高模型的可信性和可解释度. 目前, 国内外相关领域缺少有关深度学习模型可视化工具的综述, 也缺乏对不同用户实际需求的研究和使用体验的评估. 因此, 本文通过调研近年来学术界模型可解释性和可视化相关文献, 总结可视化工具在不同领域的应用现状, 提出面向目标用户的可视化工具分类方法及依据, 对每一类工具从可视化内容、计算成本等方面进行介绍和对比, 以便不同用户选取与部署合适的工具. 最后在此基础上讨论可视化领域存在的问题并加以展望.
深度学习模型在某些场景的实际应用中要求其具备一定的可解释性, 而视觉是人类认识周围世界的基本工具, 可视化技术能够将模型训练过程从不可见的黑盒状态转换为可交互分析的视觉过程, 从而有效提高模型的可信性和可解释度. 目前, 国内外相关领域缺少有关深度学习模型可视化工具的综述, 也缺乏对不同用户实际需求的研究和使用体验的评估. 因此, 本文通过调研近年来学术界模型可解释性和可视化相关文献, 总结可视化工具在不同领域的应用现状, 提出面向目标用户的可视化工具分类方法及依据, 对每一类工具从可视化内容、计算成本等方面进行介绍和对比, 以便不同用户选取与部署合适的工具. 最后在此基础上讨论可视化领域存在的问题并加以展望.
优先出版日期: 2023-08-09 , DOI: 10.15888/j.cnki.csa.009266
摘要：
股指预测是金融领域中一个重要课题. 随着计算能力和技术的发展, 从在线新闻中识别和量化有价值的信息为提高股指预测表现创造了机会. 本文为将关于股票指数预测框架的计量经济学文献扩展到高维文本数据提出了一种基于生成语言模型的股票指数预测框架. 该预测框架可以分为两个步骤. 首先, 使用有监督生成语言模型快速过滤噪声词语, 并将剩余文本聚合成可以充分解释股指变动的新闻指数. 其次, 将该新闻指数和历史股指数据共同作为时变参数预测模型的自变量来预测股指未来价值. 该框架不仅丰富了股票指数预测的影响因素并且揭示了这些因素与股票指数价值之间的时变动态关系. 实证研究展示了该预测框架解释能力和样本外预测能力. 在预测的6个行业股指中, 本文提出的预测框架得到的均方误差普遍小于传统时间序列和机器学习方法. 与没有考虑新闻信息的时变参数预测模型和长短期记忆网络相比该预测框架也表现了更好的预测性能.
股指预测是金融领域中一个重要课题. 随着计算能力和技术的发展, 从在线新闻中识别和量化有价值的信息为提高股指预测表现创造了机会. 本文为将关于股票指数预测框架的计量经济学文献扩展到高维文本数据提出了一种基于生成语言模型的股票指数预测框架. 该预测框架可以分为两个步骤. 首先, 使用有监督生成语言模型快速过滤噪声词语, 并将剩余文本聚合成可以充分解释股指变动的新闻指数. 其次, 将该新闻指数和历史股指数据共同作为时变参数预测模型的自变量来预测股指未来价值. 该框架不仅丰富了股票指数预测的影响因素并且揭示了这些因素与股票指数价值之间的时变动态关系. 实证研究展示了该预测框架解释能力和样本外预测能力. 在预测的6个行业股指中, 本文提出的预测框架得到的均方误差普遍小于传统时间序列和机器学习方法. 与没有考虑新闻信息的时变参数预测模型和长短期记忆网络相比该预测框架也表现了更好的预测性能.
优先出版日期: 2023-08-09 , DOI: 10.15888/j.cnki.csa.009267
摘要：
金属表面缺陷待测样本往往存在分辨率低、缺陷边界模糊、缺陷密集、缺陷目标小的情况, 同时, 构建的检测模型存在大量的超参数需要手动调参, 缺乏模型自适应调参能力, 本文提出一种基于贝叶斯优化的表面缺陷超分辨率检测算法. 通过设计精细化分层结构, 丰富主干网络特征图的感受野, 增强对高低频信息的提取, 重建出边缘纹理清晰的高分辨率图像; 通过构建瓶颈残差密集结构, 丰富主干特征提取网络的浅层特征和深层特征, 提升模型对小目标和密集目标的分类和定位能力; 通过贝叶斯优化算法以较小的时间代价自适应优化检测模型的关键超参数. 实验表明, 本文对NEU-DET数据集中6类金属表面缺陷的mAP0.5可达0.782, 同时检测速度可达102 FPS, 优于其他检测算法.
金属表面缺陷待测样本往往存在分辨率低、缺陷边界模糊、缺陷密集、缺陷目标小的情况, 同时, 构建的检测模型存在大量的超参数需要手动调参, 缺乏模型自适应调参能力, 本文提出一种基于贝叶斯优化的表面缺陷超分辨率检测算法. 通过设计精细化分层结构, 丰富主干网络特征图的感受野, 增强对高低频信息的提取, 重建出边缘纹理清晰的高分辨率图像; 通过构建瓶颈残差密集结构, 丰富主干特征提取网络的浅层特征和深层特征, 提升模型对小目标和密集目标的分类和定位能力; 通过贝叶斯优化算法以较小的时间代价自适应优化检测模型的关键超参数. 实验表明, 本文对NEU-DET数据集中6类金属表面缺陷的mAP0.5可达0.782, 同时检测速度可达102 FPS, 优于其他检测算法.
优先出版日期: 2023-07-21 , DOI: 10.15888/j.cnki.csa.009232
摘要：
由于成像设备存在的缺陷, 容易引起成像色彩的偏移, 影响图像算法的下游任务, 因此需要采用颜色恒常性算法实现图像色彩的矫正, 保证图像颜色与人眼看到的色彩保持一致. 传统颜色恒常性算法的效果依赖于特定的光源环境, 为了提升算法的适用范围和使用效率, 提出了一种基于SqueezeNet框架的颜色恒常性计算模型, 通过卷积图像网络感知图像光源, 并引入了注意力机制和残差连接, 提升网络对图像的理解和计算性能. 网络同时预测输入图像各区域的光照颜色, 再通过设计3种不同池化方式汇聚, 输出图像的全局估计光源, 最后利用估计光源矫正图像. 实验结果表明, 提出的光源估计算法能够有效地估计图像光照颜色, 矫正图像色彩.
由于成像设备存在的缺陷, 容易引起成像色彩的偏移, 影响图像算法的下游任务, 因此需要采用颜色恒常性算法实现图像色彩的矫正, 保证图像颜色与人眼看到的色彩保持一致. 传统颜色恒常性算法的效果依赖于特定的光源环境, 为了提升算法的适用范围和使用效率, 提出了一种基于SqueezeNet框架的颜色恒常性计算模型, 通过卷积图像网络感知图像光源, 并引入了注意力机制和残差连接, 提升网络对图像的理解和计算性能. 网络同时预测输入图像各区域的光照颜色, 再通过设计3种不同池化方式汇聚, 输出图像的全局估计光源, 最后利用估计光源矫正图像. 实验结果表明, 提出的光源估计算法能够有效地估计图像光照颜色, 矫正图像色彩.
优先出版日期: 2023-07-21 , DOI: 10.15888/j.cnki.csa.009258
摘要：
声学场景分类技术可以通过在公共区域中录制的音频分析出它的录制环境, 在日常生活中发挥着重要的作用. 与传统分类问题类与类之间没有关系不同, 声学场景分类的类别间存在着层次结构关系(父类与子类), 如机场和购物中心的父类为室内. 而现有的方法在设计时并未考虑声学场景分类任务的这一特性, 忽略了父类和子类间的依赖关系. 因此, 本文利用声学场景类别间的层次结构关系, 提出了一种基于层次信息融合的声学场景分类方法. 该方法为父类和子类分别设计了单独的分类器, 在子类分类的过程中融合了父类的信息, 并设计了层次依赖损失来对预测的父类和子类不匹配的情况进行惩罚. 在TAU城市声学场景2020移动开发数据集上的实验结果表明, 基于层次信息融合的方法有效地提升了声学场景分类模型的性能, 分类准确率提升了1.1%.
声学场景分类技术可以通过在公共区域中录制的音频分析出它的录制环境, 在日常生活中发挥着重要的作用. 与传统分类问题类与类之间没有关系不同, 声学场景分类的类别间存在着层次结构关系(父类与子类), 如机场和购物中心的父类为室内. 而现有的方法在设计时并未考虑声学场景分类任务的这一特性, 忽略了父类和子类间的依赖关系. 因此, 本文利用声学场景类别间的层次结构关系, 提出了一种基于层次信息融合的声学场景分类方法. 该方法为父类和子类分别设计了单独的分类器, 在子类分类的过程中融合了父类的信息, 并设计了层次依赖损失来对预测的父类和子类不匹配的情况进行惩罚. 在TAU城市声学场景2020移动开发数据集上的实验结果表明, 基于层次信息融合的方法有效地提升了声学场景分类模型的性能, 分类准确率提升了1.1%.
优先出版日期: 2023-07-21 , DOI: 10.15888/j.cnki.csa.009260
摘要：
脑卒中患者通常会出现偏瘫步态, 而视觉式步态分析可以用于检测这些变化. 然而, 当前公开的病理步态数据集规模较小、缺乏对偏瘫严重程度的详细分级, 并且传统的视觉式深度学习步态分析方法通常需要较高计算量和较大参数量, 不适用于小规模病理步态数据集. 本文设计了一款轻量级偏瘫步态评估系统. 系统使用一种轻量级卷积神经网络(convolutional neural networks, CNN)来评估偏瘫步态表现. 通过线性拼接不同尺度的分组卷积, 低成本地获得高效率特征. 系统引入多维度混合的轻量级注意力模块来帮助CNN关注空间和通道维度上的显著特征, 从而更好地平衡系统有效性与模型参数量. 此外, 本文还构建了一个专门用于步态识别的偏瘫模拟步态数据集, 为模型训练和测试提供数据支撑. 实验结果表明, 系统的神经网络仅使用VGG-19 1/53的参数量, 将步态识别准确率提高至96.91%, 高于预训练后的VGG-19, 与其他轻量化SOTA方法相比同样具有精度优势. 系统的开发成本低, 可部署于移动设备, 并支持实时检测, 为家庭式病理步态分析提供了一种可行的方案.
脑卒中患者通常会出现偏瘫步态, 而视觉式步态分析可以用于检测这些变化. 然而, 当前公开的病理步态数据集规模较小、缺乏对偏瘫严重程度的详细分级, 并且传统的视觉式深度学习步态分析方法通常需要较高计算量和较大参数量, 不适用于小规模病理步态数据集. 本文设计了一款轻量级偏瘫步态评估系统. 系统使用一种轻量级卷积神经网络(convolutional neural networks, CNN)来评估偏瘫步态表现. 通过线性拼接不同尺度的分组卷积, 低成本地获得高效率特征. 系统引入多维度混合的轻量级注意力模块来帮助CNN关注空间和通道维度上的显著特征, 从而更好地平衡系统有效性与模型参数量. 此外, 本文还构建了一个专门用于步态识别的偏瘫模拟步态数据集, 为模型训练和测试提供数据支撑. 实验结果表明, 系统的神经网络仅使用VGG-19 1/53的参数量, 将步态识别准确率提高至96.91%, 高于预训练后的VGG-19, 与其他轻量化SOTA方法相比同样具有精度优势. 系统的开发成本低, 可部署于移动设备, 并支持实时检测, 为家庭式病理步态分析提供了一种可行的方案.
优先出版日期: 2023-07-21 , DOI: 10.15888/j.cnki.csa.009227
摘要：
自动驾驶技术的快速发展, 导致对交通标志检测技术的要求日益提高. 为解决YOLOv7算法在识别小目标时误检、漏检等问题, 本文提出一种基于注意力机制的交通标志检测模型YOLOv7-PC. 首先通过K-means++聚类算法对交通标志数据集进行聚类, 获得适用于检测交通标志的锚框; 其次在YOLOv7主干特征提取网络中引入坐标注意力机制, 将交通标志的横向和纵向信息嵌入到通道中, 使生成的特征信息具有交通标志的坐标信息, 加强有效特征的提取; 最后在加强特征提取网络中引入空洞空间金字塔池化, 捕获交通标志多尺度上下文信息, 在保证交通标志小目标分辨率的同时, 进一步扩大卷积的感受野. 在中国交通标志检测数据集(CCTSDB)上的实验表明, 本文算法增强了识别小目标的能力, 相较于YOLOv7模型, 本文算法的mAP、召回率平均分别提高了5.22%、9.01%, 是一种有效的交通标志检测算法.
自动驾驶技术的快速发展, 导致对交通标志检测技术的要求日益提高. 为解决YOLOv7算法在识别小目标时误检、漏检等问题, 本文提出一种基于注意力机制的交通标志检测模型YOLOv7-PC. 首先通过K-means++聚类算法对交通标志数据集进行聚类, 获得适用于检测交通标志的锚框; 其次在YOLOv7主干特征提取网络中引入坐标注意力机制, 将交通标志的横向和纵向信息嵌入到通道中, 使生成的特征信息具有交通标志的坐标信息, 加强有效特征的提取; 最后在加强特征提取网络中引入空洞空间金字塔池化, 捕获交通标志多尺度上下文信息, 在保证交通标志小目标分辨率的同时, 进一步扩大卷积的感受野. 在中国交通标志检测数据集(CCTSDB)上的实验表明, 本文算法增强了识别小目标的能力, 相较于YOLOv7模型, 本文算法的mAP、召回率平均分别提高了5.22%、9.01%, 是一种有效的交通标志检测算法.
优先出版日期: 2023-07-21 , DOI: 10.15888/j.cnki.csa.009273
摘要：
网络技术的发展和多接入边缘计算的兴起使得计算和网络资源的部署逐渐靠近终端. 随着服务数量的增多, 为了向用户更好地推荐服务, 如何在复杂、动态的边缘计算环境中实时、准确地预测服务质量(quality of service, QoS)成为一项挑战. 本文提出一种基于服务负载实时预测QoS的深度神经模型(QPSL), 它可以为边缘计算中的QoS预测提供缺少的负载状况感知和周期感知. 首先, 对服务的负载状况进行特征表示, 并通过时序分解模块获取时序特征. 其次, 将CNN和BiLSTM结合, 学习潜在的时序关系, 生成不同时刻的状态向量. 然后, 基于Attention机制为历史时刻的状态向量分配权重, 从而构造未来时刻的状态向量. 最后, 将上下文嵌入向量与状态向量送入感知层完成实时QoS预测. 基于真实的融合数据集进行了大量的实验, 结果表明QPSL在响应时间和吞吐量任务上的MAE分别平均提升了10.28%和10.87%, 优于现有的时间感知QoS预测方法.
网络技术的发展和多接入边缘计算的兴起使得计算和网络资源的部署逐渐靠近终端. 随着服务数量的增多, 为了向用户更好地推荐服务, 如何在复杂、动态的边缘计算环境中实时、准确地预测服务质量(quality of service, QoS)成为一项挑战. 本文提出一种基于服务负载实时预测QoS的深度神经模型(QPSL), 它可以为边缘计算中的QoS预测提供缺少的负载状况感知和周期感知. 首先, 对服务的负载状况进行特征表示, 并通过时序分解模块获取时序特征. 其次, 将CNN和BiLSTM结合, 学习潜在的时序关系, 生成不同时刻的状态向量. 然后, 基于Attention机制为历史时刻的状态向量分配权重, 从而构造未来时刻的状态向量. 最后, 将上下文嵌入向量与状态向量送入感知层完成实时QoS预测. 基于真实的融合数据集进行了大量的实验, 结果表明QPSL在响应时间和吞吐量任务上的MAE分别平均提升了10.28%和10.87%, 优于现有的时间感知QoS预测方法.
优先出版日期: 2023-07-21 , DOI: 10.15888/j.cnki.csa.009256
摘要：
汉盲翻译是一种将中文文本自动翻译为对应的盲文数据的过程. 在嵌入式环境下, 汉盲翻译的速度较慢, 难以达到复杂环境下的实时性需求. 为此设计出专用的汉盲翻译IP核, 通过实现逆向最大匹配分词算法、汉盲转换, 最终得到准确的盲文数据. 为了验证设计的合理性, 以Cortex-M3为微处理器构建SoC, 搭载串口、LCD驱动和汉盲翻译IP核, 并使用FPGA实验平台进行功能验证和性能测试. 测试结果表明, 该SoC可准确进行汉盲翻译, 翻译速度达5 079.37 B/s.
汉盲翻译是一种将中文文本自动翻译为对应的盲文数据的过程. 在嵌入式环境下, 汉盲翻译的速度较慢, 难以达到复杂环境下的实时性需求. 为此设计出专用的汉盲翻译IP核, 通过实现逆向最大匹配分词算法、汉盲转换, 最终得到准确的盲文数据. 为了验证设计的合理性, 以Cortex-M3为微处理器构建SoC, 搭载串口、LCD驱动和汉盲翻译IP核, 并使用FPGA实验平台进行功能验证和性能测试. 测试结果表明, 该SoC可准确进行汉盲翻译, 翻译速度达
优先出版日期: 2023-07-21 , DOI: 10.15888/j.cnki.csa.009254
摘要：
社区发现与链路预测任务是网络数据研究中的热点问题, 兼顾网络传递性与区块结构有助于捕捉个体之间的有效关联、探测数据中蕴含的内在规律, 帮助研究者挖掘更多数据价值进而做出决策. 当前的算法与模型多侧重于网络传递性或区块结构单一层面的分析, 且依赖一定的假设条件. 本文提出网络嵌入随机块模型(NE-SBM)用于社区发现与链路预测. 搭建贝叶斯框架完成模型参数的正则化, 利用Metropolis Hasting-Gibbs算法获得节点嵌入表示的隐位置与社区隶属关系, 基于多维尺度变换算法解决隐位置可识别性问题. 本方法可解决传统启发式算法中过分依赖判断准则或评价函数的问题, 对各类型的数据都具有更好的适应性. 人工数据及真实数据的实验结果进一步验证了该方法在社区发现与链路预测中有更优的表现.
社区发现与链路预测任务是网络数据研究中的热点问题, 兼顾网络传递性与区块结构有助于捕捉个体之间的有效关联、探测数据中蕴含的内在规律, 帮助研究者挖掘更多数据价值进而做出决策. 当前的算法与模型多侧重于网络传递性或区块结构单一层面的分析, 且依赖一定的假设条件. 本文提出网络嵌入随机块模型(NE-SBM)用于社区发现与链路预测. 搭建贝叶斯框架完成模型参数的正则化, 利用Metropolis Hasting-Gibbs算法获得节点嵌入表示的隐位置与社区隶属关系, 基于多维尺度变换算法解决隐位置可识别性问题. 本方法可解决传统启发式算法中过分依赖判断准则或评价函数的问题, 对各类型的数据都具有更好的适应性. 人工数据及真实数据的实验结果进一步验证了该方法在社区发现与链路预测中有更优的表现.
优先出版日期: 2023-07-21 , DOI: 10.15888/j.cnki.csa.009243
摘要：
为抵抗量子计算攻击, 降低代理签名中用户私钥泄露的风险, 构造了一个格上基于身份的代理签名方案. 方案的设计基于安全高效的GPV签名框架, 结合用户身份信息生成验证公钥, 使用格基委派技术生成用户签名私钥, 并使用盆景树代理委托算法提升签名效率. 方案的安全性可规约至格上最小整数解问题, 满足基于身份代理签名的安全属性, 且在随机谕言和量子随机谕言下均具有存在性不可伪造性.
为抵抗量子计算攻击, 降低代理签名中用户私钥泄露的风险, 构造了一个格上基于身份的代理签名方案. 方案的设计基于安全高效的GPV签名框架, 结合用户身份信息生成验证公钥, 使用格基委派技术生成用户签名私钥, 并使用盆景树代理委托算法提升签名效率. 方案的安全性可规约至格上最小整数解问题, 满足基于身份代理签名的安全属性, 且在随机谕言和量子随机谕言下均具有存在性不可伪造性.
优先出版日期: 2023-07-21 , DOI: 10.15888/j.cnki.csa.009245
摘要：
在图像分割识别领域, 现有的深度学习方法大多使用高精度语义分割方法来实现, 存在着网络推理速度慢、计算量大、难以实际应用等问题. 借助于表现较好的BiSeNetV1实时网络模型, 通过扩展的空间路径卷积结构、空间金字塔注意力机制(SPARM)和简化的注意力特征融合模块(S-iAFF)等改进策略, 设计一种用于岩屑图像分割领域的BiSeNet_SPARM_S-iAFF实时网络. 扩展的空间路径卷积结构可以获取更丰富的岩屑图像空间特征, 上下文路径使用优化的空间金字塔注意力机制(SPARM)进一步细化高层语义特征提取, 在特征融合阶段使用简化注意力特征融合(S-iAFF)加强低层空间与高层语义特征的融合程度. 实验结果表明, BiSeNet_SPARM_S-iAFF网络在RockCuttings_Oil岩屑数据集上的平均交并比(mIoU)为64.91%, 相较于BiSeNetV1网络提高了2.68%; 另外改进后的网络在精度上接近大部分高精度语义分割方法, 同时参数量大幅度减少、推理速度有着明显的提升.
在图像分割识别领域, 现有的深度学习方法大多使用高精度语义分割方法来实现, 存在着网络推理速度慢、计算量大、难以实际应用等问题. 借助于表现较好的BiSeNetV1实时网络模型, 通过扩展的空间路径卷积结构、空间金字塔注意力机制(SPARM)和简化的注意力特征融合模块(S-iAFF)等改进策略, 设计一种用于岩屑图像分割领域的BiSeNet_SPARM_S-iAFF实时网络. 扩展的空间路径卷积结构可以获取更丰富的岩屑图像空间特征, 上下文路径使用优化的空间金字塔注意力机制(SPARM)进一步细化高层语义特征提取, 在特征融合阶段使用简化注意力特征融合(S-iAFF)加强低层空间与高层语义特征的融合程度. 实验结果表明, BiSeNet_SPARM_S-iAFF网络在RockCuttings_Oil岩屑数据集上的平均交并比(mIoU)为64.91%, 相较于BiSeNetV1网络提高了2.68%; 另外改进后的网络在精度上接近大部分高精度语义分割方法, 同时参数量大幅度减少、推理速度有着明显的提升.
优先出版日期: 2023-07-21 , DOI: 10.15888/j.cnki.csa.009277
摘要：
在地震、台风、洪水、泥石流等造成严重破坏的灾区, 无人机(unmanned aerial vehicle, UAV)可以作为空中边缘服务器为地面移动终端提供服务, 由于单无人机有限的计算和存储能力, 难以实时满足复杂的计算密集型任务. 本文首先研究了一个多无人机辅助移动边缘计算模型, 并构建了数学模型; 然后建立部分可观察马尔可夫决策过程, 提出了基于复合优先经验回放采样方法的MADDPG算法(composite priority multi-agent deep deterministic policy gradient, CoP-MADDPG)对无人机的时延能耗以及飞行轨迹进行联合优化; 最后, 仿真实验结果表明, 本文所提出算法的总奖励收敛速度和收敛值均优于其他基准算法, 且可为90%左右的地面移动终端提供服务, 证明了本文算法的有效性与实用性.
在地震、台风、洪水、泥石流等造成严重破坏的灾区, 无人机(unmanned aerial vehicle, UAV)可以作为空中边缘服务器为地面移动终端提供服务, 由于单无人机有限的计算和存储能力, 难以实时满足复杂的计算密集型任务. 本文首先研究了一个多无人机辅助移动边缘计算模型, 并构建了数学模型; 然后建立部分可观察马尔可夫决策过程, 提出了基于复合优先经验回放采样方法的MADDPG算法(composite priority multi-agent deep deterministic policy gradient, CoP-MADDPG)对无人机的时延能耗以及飞行轨迹进行联合优化; 最后, 仿真实验结果表明, 本文所提出算法的总奖励收敛速度和收敛值均优于其他基准算法, 且可为90%左右的地面移动终端提供服务, 证明了本文算法的有效性与实用性.
优先出版日期: 2023-07-17 , DOI: 10.15888/j.cnki.csa.009246
摘要：
针对无线可充电传感器网络下的多无人机充电规划, 仅考虑无人机的飞行距离为成本目标规划出最优充电路径显得单一片面, 现把无人机的飞行距离、能量消耗、时间成本和无人机搭配成本组合成新的成本目标模型, 为了减少飞行停留点次数, 还加入了正六边形充电模型, 并提出了一种改进的海洋捕食者算法(BMPA)应用到此场景中. 改进之处在于: 一方面, 在海洋捕食者算法中引入了天牛须搜索算法寻找全局气味值最大的点的操作, 改善了最优解的质量; 另一方面, 在海洋捕食者算法中加入了新的自适应的非线性移动步长的参数, 进一步改善勘探与开发的平衡, 提高了全局搜索能力, 促进局部研究的快速收敛. 仿真实验结果表明, 提出的算法不仅有效地减少了飞行次数, 而且降低了飞行距离和算力消耗, 与BAS、MPA和PreWBAS算法相比, 在求解新的成本目标函数值上减少了50.90%、4.85%和14.38%, 证明了改进后的算法的有效性.
针对无线可充电传感器网络下的多无人机充电规划, 仅考虑无人机的飞行距离为成本目标规划出最优充电路径显得单一片面, 现把无人机的飞行距离、能量消耗、时间成本和无人机搭配成本组合成新的成本目标模型, 为了减少飞行停留点次数, 还加入了正六边形充电模型, 并提出了一种改进的海洋捕食者算法(BMPA)应用到此场景中. 改进之处在于: 一方面, 在海洋捕食者算法中引入了天牛须搜索算法寻找全局气味值最大的点的操作, 改善了最优解的质量; 另一方面, 在海洋捕食者算法中加入了新的自适应的非线性移动步长的参数, 进一步改善勘探与开发的平衡, 提高了全局搜索能力, 促进局部研究的快速收敛. 仿真实验结果表明, 提出的算法不仅有效地减少了飞行次数, 而且降低了飞行距离和算力消耗, 与BAS、MPA和PreWBAS算法相比, 在求解新的成本目标函数值上减少了50.90%、4.85%和14.38%, 证明了改进后的算法的有效性.
优先出版日期: 2023-07-17 , DOI: 10.15888/j.cnki.csa.009247
摘要：
基于热力图的方法是当前医学影像标志点定位算法中的主流方法, 然而, 现有方法几乎都使用预定义的热力图作为标签, 不能很好地表示真实的标志点位置分布, 从而限制了模型的性能. 为此, 本文提出基于不确定性估计的医学影像标志点定位算法, 同时预测标志点位置及其分布. 模型利用多分支空洞卷积提取多尺度的上下文信息, 同时使用自注意力机制强化重要特征, 从而在预测分布的同时提高算法的定位能力. 在公开数据集上的结果表明, 本文提出的算法整体上提升了标志点定位的性能, 在大部分指标上优于现有算法, 并且其预测出的标志点分布与真实标注下的标志点分布相符.
基于热力图的方法是当前医学影像标志点定位算法中的主流方法, 然而, 现有方法几乎都使用预定义的热力图作为标签, 不能很好地表示真实的标志点位置分布, 从而限制了模型的性能. 为此, 本文提出基于不确定性估计的医学影像标志点定位算法, 同时预测标志点位置及其分布. 模型利用多分支空洞卷积提取多尺度的上下文信息, 同时使用自注意力机制强化重要特征, 从而在预测分布的同时提高算法的定位能力. 在公开数据集上的结果表明, 本文提出的算法整体上提升了标志点定位的性能, 在大部分指标上优于现有算法, 并且其预测出的标志点分布与真实标注下的标志点分布相符.
优先出版日期: 2023-07-14 , DOI: 10.15888/j.cnki.csa.009241
摘要：
等离子体控制仿真模拟功能库 (SPACE) 是一款基于开源软件Python开发的用于磁约束核聚变托卡马克装置等离子体控制仿真模拟的函数库. 其主要功能是在托卡马克装置模型、等离子体物理模型和控制系统模型基础上, 利用计算机数值仿真技术, 对托卡马克等离子体控制进行分析、设计、预测和仿真实验. 针对SPACE各功能模块可视化运行需求, 本文采用Python和PySide2开发了适用于EAST超导托卡马克的等离子体控制仿真模拟可视化运行系统. 该系统可使实验人员以图形交互的方式进行等离子体控制仿真模拟的相关操作, 显著提升等离子体控制仿真模拟的效率.
等离子体控制仿真模拟功能库 (SPACE) 是一款基于开源软件Python开发的用于磁约束核聚变托卡马克装置等离子体控制仿真模拟的函数库. 其主要功能是在托卡马克装置模型、等离子体物理模型和控制系统模型基础上, 利用计算机数值仿真技术, 对托卡马克等离子体控制进行分析、设计、预测和仿真实验. 针对SPACE各功能模块可视化运行需求, 本文采用Python和PySide2开发了适用于EAST超导托卡马克的等离子体控制仿真模拟可视化运行系统. 该系统可使实验人员以图形交互的方式进行等离子体控制仿真模拟的相关操作, 显著提升等离子体控制仿真模拟的效率.
优先出版日期: 2023-07-14 , DOI: 10.15888/j.cnki.csa.009242
摘要：
等离子体控制系统是聚变实验中重要的系统之一, 用于对等离子体的各项参数进行实时的反馈控制. 目前自主研发的等离子体控制系统基于组件模型开发, 其核心控制功能通过算法组件执行各种等离子体控制算法来实现, 需要提供图形界面编辑算法的预设参数, 并对参数进行管理, 因此基于PyQt5实现图形界面, 并开发参数配置组件负责参数存储回调, 通过发布订阅通讯机制完成两者的数据传输. 采用可扩展标记语言定义控制算法预设参数信息使得用户界面与控制算法解耦, 通过接口描述语言统一定义参数数据结构, 设计MySQL数据库存储历史参数数据, 并基于发布/订阅通讯机制完成数据通讯.
等离子体控制系统是聚变实验中重要的系统之一, 用于对等离子体的各项参数进行实时的反馈控制. 目前自主研发的等离子体控制系统基于组件模型开发, 其核心控制功能通过算法组件执行各种等离子体控制算法来实现, 需要提供图形界面编辑算法的预设参数, 并对参数进行管理, 因此基于PyQt5实现图形界面, 并开发参数配置组件负责参数存储回调, 通过发布订阅通讯机制完成两者的数据传输. 采用可扩展标记语言定义控制算法预设参数信息使得用户界面与控制算法解耦, 通过接口描述语言统一定义参数数据结构, 设计MySQL数据库存储历史参数数据, 并基于发布/订阅通讯机制完成数据通讯.
优先出版日期: 2023-07-14 , DOI: 10.15888/j.cnki.csa.009259
摘要：
当前的英文语法纠错模型往往忽略了有利于语法纠错的文本句法知识, 从而使得英语语法纠错模型的纠错能力受到影响. 针对上述问题, 提出一种基于差分融合句法特征的英语语法纠错模型. 首先, 本文提出的句法编码器不仅可以直接从文本中无监督地生成依存关系图和成分句法树信息, 而且还能将上述两种异构的句法结构进行特征融合, 编码成高维的句法表征. 其次, 为了同时利用文本中的语义和句法信息, 差分融合模块先使用差分正则化加强语义编码器捕获句法编码器未能生成的语义特征, 然后采用协同注意力将句法表征和语义表征进一步融合, 作为Transformer编码端的输出特征, 最终输入到解码端, 从而生成语法正确的文本. 在CoNLL-2014 英文纠错任务数据集上进行对比实验, 结果表明, 该方法的准确率和F0.5值优于基于Copy-Augmented Transformer的语法纠错模型, 其F0.5值提升了5.2个百分点, 并且句法知识避免了标注数据过少问题, 具有更优的文本纠错效果.
当前的英文语法纠错模型往往忽略了有利于语法纠错的文本句法知识, 从而使得英语语法纠错模型的纠错能力受到影响. 针对上述问题, 提出一种基于差分融合句法特征的英语语法纠错模型. 首先, 本文提出的句法编码器不仅可以直接从文本中无监督地生成依存关系图和成分句法树信息, 而且还能将上述两种异构的句法结构进行特征融合, 编码成高维的句法表征. 其次, 为了同时利用文本中的语义和句法信息, 差分融合模块先使用差分正则化加强语义编码器捕获句法编码器未能生成的语义特征, 然后采用协同注意力将句法表征和语义表征进一步融合, 作为Transformer编码端的输出特征, 最终输入到解码端, 从而生成语法正确的文本. 在CoNLL-2014 英文纠错任务数据集上进行对比实验, 结果表明, 该方法的准确率和F0.5值优于基于Copy-Augmented Transformer的语法纠错模型, 其F0.5值提升了5.2个百分点, 并且句法知识避免了标注数据过少问题, 具有更优的文本纠错效果.
优先出版日期: 2023-07-14 , DOI: 10.15888/j.cnki.csa.009223
摘要：
成像设备在雨天拍摄图像时由于雨雾和雨条纹的存在会导致图像质量严重退化, 对后续图像处理性能造成极大影响. 因此, 图像的去雨算法研究引起了广泛关注, 其中针对单幅图像的去雨算法由于没有先验知识的支持, 面临较大挑战. 近年来, 深度学习因其高特征表示能力被应用在图像去雨算法研究中. 本文基于小波变换, 采取了一种深度学习与数字图像形态学处理相结合的算法来实现单幅图像去雨, 具有训练参数少、训练时间短和去雨效果好等优点. 首先对含雨图像进行小波变换, 分为低频分量、水平高频分量、垂直高频分量和对角高频分量, 然后对这4个分量分别构造深度学习神经网络, 并在神经网络架构中根据雨的特征加入图像膨胀、腐蚀等形态学处理来进行去雨操作, 大大简化了模型架构, 并能取得较好的结果.
成像设备在雨天拍摄图像时由于雨雾和雨条纹的存在会导致图像质量严重退化, 对后续图像处理性能造成极大影响. 因此, 图像的去雨算法研究引起了广泛关注, 其中针对单幅图像的去雨算法由于没有先验知识的支持, 面临较大挑战. 近年来, 深度学习因其高特征表示能力被应用在图像去雨算法研究中. 本文基于小波变换, 采取了一种深度学习与数字图像形态学处理相结合的算法来实现单幅图像去雨, 具有训练参数少、训练时间短和去雨效果好等优点. 首先对含雨图像进行小波变换, 分为低频分量、水平高频分量、垂直高频分量和对角高频分量, 然后对这4个分量分别构造深度学习神经网络, 并在神经网络架构中根据雨的特征加入图像膨胀、腐蚀等形态学处理来进行去雨操作, 大大简化了模型架构, 并能取得较好的结果.
优先出版日期: 2023-06-30 , DOI: 10.15888/j.cnki.csa.009096
摘要：
流程建模是分析指挥控制流程, 取得作战胜利的关键步骤. 当前的建模方法不能很好地应对联合作战中指挥控制流程多域联合、松耦合关联等特征. 为了解决上述问题, 本文提出一种面向对象的流程建模语言, 构建的模型描述了指挥控制流程的数据视角、行为视角以及二者间的复杂交互关系, 并基于该模型采用流程挖掘技术进行指挥控制流程还原, 为优化指挥控制流程、提高流程效能提供了一种有效手段.
流程建模是分析指挥控制流程, 取得作战胜利的关键步骤. 当前的建模方法不能很好地应对联合作战中指挥控制流程多域联合、松耦合关联等特征. 为了解决上述问题, 本文提出一种面向对象的流程建模语言, 构建的模型描述了指挥控制流程的数据视角、行为视角以及二者间的复杂交互关系, 并基于该模型采用流程挖掘技术进行指挥控制流程还原, 为优化指挥控制流程、提高流程效能提供了一种有效手段.
优先出版日期: 2023-06-09 , DOI: 10.15888/j.cnki.csa.009093
摘要：
精确干扰是电子战领域中广受关注的新概念, 旨在避免电子干扰过程中对友方设备造成的电磁误伤, 其核心思想是实现干扰能量在空域上的精准控制. 然而, 目前用于精确干扰的波形设计算法存在计算复杂度较高的问题, 极易延误电子作战时机. 针对这一问题, 本文提出一种用于精确干扰的波形设计快速算法. 根据精确干扰空间模型建立优化问题, 采用Majorization-Minimization框架推导了目标函数的上界, 通过迭代求解具有闭式解的子问题, 从而得到了精确干扰的可用波形. 仿真实验表明, 本文算法在精确干扰指标上具有良好性能, 并具有计算复杂度更低的优势.
精确干扰是电子战领域中广受关注的新概念, 旨在避免电子干扰过程中对友方设备造成的电磁误伤, 其核心思想是实现干扰能量在空域上的精准控制. 然而, 目前用于精确干扰的波形设计算法存在计算复杂度较高的问题, 极易延误电子作战时机. 针对这一问题, 本文提出一种用于精确干扰的波形设计快速算法. 根据精确干扰空间模型建立优化问题, 采用Majorization-Minimization框架推导了目标函数的上界, 通过迭代求解具有闭式解的子问题, 从而得到了精确干扰的可用波形. 仿真实验表明, 本文算法在精确干扰指标上具有良好性能, 并具有计算复杂度更低的优势.
优先出版日期: 2023-05-19 , DOI: 10.15888/j.cnki.csa.009097
摘要：
事件抽取是信息抽取领域的重点研究方向. 为了提升事件抽取效果, 解决通用事件抽取方法无法充分利用文本特征信息的问题, 提出了融合触发词特征的事件抽取方法. 通过构建远程触发词库, 为事件类型分类模型提供额外特征信息, 增强事件触发词的发掘能力, 再融合事件类型与触发词距离特征, 提升事件要素抽取模型的表示学习能力, 最后, 将事件类型分类模型与事件要素抽取模型串联, 提升事件抽取效果. 在DuEE数据集上进行实验, 与其他模型相比, 本模型提升了准确率、召回率、F1值, 证明了本模型的有效性.
事件抽取是信息抽取领域的重点研究方向. 为了提升事件抽取效果, 解决通用事件抽取方法无法充分利用文本特征信息的问题, 提出了融合触发词特征的事件抽取方法. 通过构建远程触发词库, 为事件类型分类模型提供额外特征信息, 增强事件触发词的发掘能力, 再融合事件类型与触发词距离特征, 提升事件要素抽取模型的表示学习能力, 最后, 将事件类型分类模型与事件要素抽取模型串联, 提升事件抽取效果. 在DuEE数据集上进行实验, 与其他模型相比, 本模型提升了准确率、召回率、F1值, 证明了本模型的有效性.
优先出版日期: 2022-03-31 , DOI: 10.15888/j.cnki.csa.008603
摘要：
电力能源的安全在国家安全中占有重要的地位. 随着电力5G通信技术的发展, 大量电力终端产生定位需求. 传统GPS定位方法存在易受欺骗的问题, 如何有效提升GPS定位的安全性成为一个亟待研究的问题. 本文提出了一种基于基站辅助的电力5G终端GPS欺骗检测算法, 利用安全性较高的基站定位来检验可能被欺骗的GPS定位, 并且引入了一致性因数用来描述GPS定位结果和基站定位结果的一致性. 通过计算一致性因数, 如果大于设定的阈值则判断发生欺骗, 反之则GPS工作正常. 实验表明, 在使用本论文模型情况下, 本算法的准确率为99.98%, 优于传统机器学习分类算法. 此外, 本方法在运行速度上相较于传统机器学习分类算法也有一定程度的提升.
电力能源的安全在国家安全中占有重要的地位. 随着电力5G通信技术的发展, 大量电力终端产生定位需求. 传统GPS定位方法存在易受欺骗的问题, 如何有效提升GPS定位的安全性成为一个亟待研究的问题. 本文提出了一种基于基站辅助的电力5G终端GPS欺骗检测算法, 利用安全性较高的基站定位来检验可能被欺骗的GPS定位, 并且引入了一致性因数用来描述GPS定位结果和基站定位结果的一致性. 通过计算一致性因数, 如果大于设定的阈值则判断发生欺骗, 反之则GPS工作正常. 实验表明, 在使用本论文模型情况下, 本算法的准确率为99.98%, 优于传统机器学习分类算法. 此外, 本方法在运行速度上相较于传统机器学习分类算法也有一定程度的提升.
-
全文下载排行(总排行，年度排行，各期排行)
摘要点击排行(总排行，年度排行，各期排行)
快速检索
过刊检索
全选反选导出
显示模式：
摘要：
本文简要介绍了海关EDI自动化通关系统的定义概况及重要意义，对该EDI应用系统下的业务运作模式所涉及的法律问题，采用EDIFACT国际标准问题、网络与软件技术问题，以及工程管理问题进行了结合实际的分析。
本文简要介绍了海关EDI自动化通关系统的定义概况及重要意义，对该EDI应用系统下的业务运作模式所涉及的法律问题，采用EDIFACT国际标准问题、网络与软件技术问题，以及工程管理问题进行了结合实际的分析。
2016,25(8):1-7, DOI: 10.15888/j.cnki.csa.005283
摘要：
从2006年开始，深度神经网络在图像/语音识别、自动驾驶等大数据处理和人工智能领域中都取得了巨大成功，其中无监督学习方法作为深度神经网络中的预训练方法为深度神经网络的成功起到了非常重要的作用. 为此，对深度学习中的无监督学习方法进行了介绍和分析，主要总结了两类常用的无监督学习方法，即确定型的自编码方法和基于概率型受限玻尔兹曼机的对比散度等学习方法，并介绍了这两类方法在深度学习系统中的应用，最后对无监督学习面临的问题和挑战进行了总结和展望.
从2006年开始，深度神经网络在图像/语音识别、自动驾驶等大数据处理和人工智能领域中都取得了巨大成功，其中无监督学习方法作为深度神经网络中的预训练方法为深度神经网络的成功起到了非常重要的作用. 为此，对深度学习中的无监督学习方法进行了介绍和分析，主要总结了两类常用的无监督学习方法，即确定型的自编码方法和基于概率型受限玻尔兹曼机的对比散度等学习方法，并介绍了这两类方法在深度学习系统中的应用，最后对无监督学习面临的问题和挑战进行了总结和展望.
摘要：
在研究了目前主流的视频转码方案基础上,提出了一种分布式转码系统。系统采用HDFS(HadoopDistributed File System)进行视频存储,利用MapReduce 思想和FFMPEG 进行分布式转码。详细讨论了视频分布式存储时的分段策略,以及分段大小对存取时间的影响。同时,定义了视频存储和转换的元数据格式。提出了基于MapReduce 编程框架的分布式转码方案,即Mapper 端进行转码和Reducer 端进行视频合并。实验数据显示了转码时间随视频分段大小和转码机器数量不同而变化的趋势。结
在研究了目前主流的视频转码方案基础上,提出了一种分布式转码系统。系统采用HDFS(HadoopDistributed File System)进行视频存储,利用MapReduce 思想和FFMPEG 进行分布式转码。详细讨论了视频分布式存储时的分段策略,以及分段大小对存取时间的影响。同时,定义了视频存储和转换的元数据格式。提出了基于MapReduce 编程框架的分布式转码方案,即Mapper 端进行转码和Reducer 端进行视频合并。实验数据显示了转码时间随视频分段大小和转码机器数量不同而变化的趋势。结
摘要：
随着Internet的迅速发展，网络资源越来越丰富，人们如何从网络上抽取信息也变得至关重要，尤其是占网络资源80%的Deep Web信息检索更是人们应该倍加关注的难点问题。为了更好的研究Deep Web爬虫技术，本文对有关Deep Web爬虫的内容进行了全面、详细地介绍。首先对Deep Web爬虫的定义及研究目标进行了阐述，接着介绍了近年来国内外关于Deep Web爬虫的研究进展，并对其加以分析。在此基础上展望了Deep Web爬虫的研究趋势，为下一步的研究奠定了基础。
随着Internet的迅速发展，网络资源越来越丰富，人们如何从网络上抽取信息也变得至关重要，尤其是占网络资源80%的Deep Web信息检索更是人们应该倍加关注的难点问题。为了更好的研究Deep Web爬虫技术，本文对有关Deep Web爬虫的内容进行了全面、详细地介绍。首先对Deep Web爬虫的定义及研究目标进行了阐述，接着介绍了近年来国内外关于Deep Web爬虫的研究进展，并对其加以分析。在此基础上展望了Deep Web爬虫的研究趋势，为下一步的研究奠定了基础。
摘要：
用较少的颜色来表示较大的色彩空间一直是人们研究的课题，本文详细讨论了半色调技术和抖动技术，并将它们扩展到实用的真彩色空间来讨论，并给出了实现的算法。
用较少的颜色来表示较大的色彩空间一直是人们研究的课题，本文详细讨论了半色调技术和抖动技术，并将它们扩展到实用的真彩色空间来讨论，并给出了实现的算法。
摘要：
开放平台的核心问题是用户验证和授权问题,OAuth 是目前国际通用的授权方式,它的特点是不需要用户在第三方应用输入用户名及密码,就可以申请访问该用户的受保护资源。OAuth 最新版本是OAuth2.0,其认证与授权的流程更简单、更安全。研究了OAuth2.0 的工作原理,分析了刷新访问令牌的工作流程,并给出了OAuth2.0 服务器端的设计方案和具体的应用实例。
开放平台的核心问题是用户验证和授权问题,OAuth 是目前国际通用的授权方式,它的特点是不需要用户在第三方应用输入用户名及密码,就可以申请访问该用户的受保护资源。OAuth 最新版本是OAuth2.0,其认证与授权的流程更简单、更安全。研究了OAuth2.0 的工作原理,分析了刷新访问令牌的工作流程,并给出了OAuth2.0 服务器端的设计方案和具体的应用实例。
摘要：
针对智能家居、环境监测等的实际要求，设计了一种远距离通讯的无线传感器节点。该系统采用集射频与控制器于一体的第二代片上系统CC2530 为核心模块，外接CC2591 射频前端功放模块；软件上基于ZigBee2006 协议栈，在ZStack 通用模块基础上实现应用层各项功能。介绍了基于ZigBee 协议构建无线数据采集网络，给出了传感器节点、协调器节点的硬件设计原理图及软件流程图。实验证明节点性能良好、通讯可靠,通讯距离较TI 第一代产品有明显增大。
针对智能家居、环境监测等的实际要求，设计了一种远距离通讯的无线传感器节点。该系统采用集射频与控制器于一体的第二代片上系统CC2530 为核心模块，外接CC2591 射频前端功放模块；软件上基于ZigBee2006 协议栈，在ZStack 通用模块基础上实现应用层各项功能。介绍了基于ZigBee 协议构建无线数据采集网络，给出了传感器节点、协调器节点的硬件设计原理图及软件流程图。实验证明节点性能良好、通讯可靠,通讯距离较TI 第一代产品有明显增大。
摘要：
介绍了一种基于DWGDirectX在不依赖于AutoCAD平台的情况下实现DWG文件的显示、操作、添加的简单的实体的方法，并对该方法进行了分析和实现。
介绍了一种基于DWGDirectX在不依赖于AutoCAD平台的情况下实现DWG文件的显示、操作、添加的简单的实体的方法，并对该方法进行了分析和实现。
摘要：
综合考虑基于构件组装技术的虚拟实验室的系统需求，分析了工作流驱动的动态虚拟实验室的业务处理模型，介绍了轻量级J2EE框架(SSH)与工作流系统(Shark和JaWE)的集成模型，提出了一种轻量级J2EE框架下工作流驱动的动态虚拟实验室的设计和实现方法，给出了虚拟实验项目的实现机制、数据流和控制流的管理方法，以及实验流程的动态组装方法，最后，以应用实例说明了本文方法的有效性。
综合考虑基于构件组装技术的虚拟实验室的系统需求，分析了工作流驱动的动态虚拟实验室的业务处理模型，介绍了轻量级J2EE框架(SSH)与工作流系统(Shark和JaWE)的集成模型，提出了一种轻量级J2EE框架下工作流驱动的动态虚拟实验室的设计和实现方法，给出了虚拟实验项目的实现机制、数据流和控制流的管理方法，以及实验流程的动态组装方法，最后，以应用实例说明了本文方法的有效性。
摘要：
本文介绍了一种将DTD转换成ER图,并用XMLApplication将ER图描述成转换标准,然后根据该转换标准将XML文档转换为关系模型的方法.
本文介绍了一种将DTD转换成ER图,并用XMLApplication将ER图描述成转换标准,然后根据该转换标准将XML文档转换为关系模型的方法.
-
全文下载排行(总排行，年度排行，各期排行)
摘要点击排行(总排行，年度排行，各期排行)
快速检索
过刊检索
全选反选导出
显示模式：
摘要：
论文对HDF数据格式和函数库进行研究,重点以栅格图像为例,详细论述如何利用VC++.net和VC#.net对光栅数据进行读取与处理,然后根据所得到的象素矩阵用描点法显示图像.论文是以国家气象中心开发Micaps3.0(气象信息综合分析处理系统)的课题研究为背景的.
论文对HDF数据格式和函数库进行研究,重点以栅格图像为例,详细论述如何利用VC++.net和VC#.net对光栅数据进行读取与处理,然后根据所得到的象素矩阵用描点法显示图像.论文是以国家气象中心开发Micaps3.0(气象信息综合分析处理系统)的课题研究为背景的.
摘要：
本文介绍非实时操作系统Windows 2000下,利用VisualC++6.0开发实时数据采集的方法.所用到的数据采集卡是研华的PCL-818L.借助数据采集卡PCL-818L的DLLs中的API函数,提出三种实现高速实时数据采集的方法及优缺点.
本文介绍非实时操作系统Windows 2000下,利用VisualC++6.0开发实时数据采集的方法.所用到的数据采集卡是研华的PCL-818L.借助数据采集卡PCL-818L的DLLs中的API函数,提出三种实现高速实时数据采集的方法及优缺点.
摘要：
排序是计算机程序设计中一种重要操作，本文论述了C语言中快速排序算法的改进，即快速排序与直接插入排序算法相结合的实现过程。在C语言程序设计中，实现大量的内部排序应用时，所寻求的目的就是找到一个简单、有效、快捷的算法。本文着重阐述快速排序的改进与提高过程，从基本的性能特征到基本的算法改进，通过不断的分析，实验，最后得出最佳的改进算法。
排序是计算机程序设计中一种重要操作，本文论述了C语言中快速排序算法的改进，即快速排序与直接插入排序算法相结合的实现过程。在C语言程序设计中，实现大量的内部排序应用时，所寻求的目的就是找到一个简单、有效、快捷的算法。本文着重阐述快速排序的改进与提高过程，从基本的性能特征到基本的算法改进，通过不断的分析，实验，最后得出最佳的改进算法。
摘要：
随着Internet的迅速发展，网络资源越来越丰富，人们如何从网络上抽取信息也变得至关重要，尤其是占网络资源80%的Deep Web信息检索更是人们应该倍加关注的难点问题。为了更好的研究Deep Web爬虫技术，本文对有关Deep Web爬虫的内容进行了全面、详细地介绍。首先对Deep Web爬虫的定义及研究目标进行了阐述，接着介绍了近年来国内外关于Deep Web爬虫的研究进展，并对其加以分析。在此基础上展望了Deep Web爬虫的研究趋势，为下一步的研究奠定了基础。
随着Internet的迅速发展，网络资源越来越丰富，人们如何从网络上抽取信息也变得至关重要，尤其是占网络资源80%的Deep Web信息检索更是人们应该倍加关注的难点问题。为了更好的研究Deep Web爬虫技术，本文对有关Deep Web爬虫的内容进行了全面、详细地介绍。首先对Deep Web爬虫的定义及研究目标进行了阐述，接着介绍了近年来国内外关于Deep Web爬虫的研究进展，并对其加以分析。在此基础上展望了Deep Web爬虫的研究趋势，为下一步的研究奠定了基础。
2023,32(9):1-18, DOI: 10.15888/j.cnki.csa.009226
摘要：
2023,32(8):1-18, DOI: 10.15888/j.cnki.csa.009208
摘要：
2023,32(4):1-15, DOI: 10.15888/j.cnki.csa.009038
摘要：
2023,32(4):16-41, DOI: 10.15888/j.cnki.csa.009037
摘要：
2023,32(3):25-47, DOI: 10.15888/j.cnki.csa.008980
摘要：
2023,32(3):1-14, DOI: 10.15888/j.cnki.csa.008976
摘要：
2023,32(2):1-12, DOI: 10.15888/j.cnki.csa.008743
摘要：
2023,32(1):12-28, DOI: 10.15888/j.cnki.csa.008914
摘要：
2023,32(1):29-40, DOI: 10.15888/j.cnki.csa.008909
摘要：
2023,32(1):1-11, DOI: 10.15888/j.cnki.csa.008848
摘要：
2023,32(1):41-49, DOI: 10.15888/j.cnki.csa.008805
摘要：
2022,31(12):20-28, DOI: 10.15888/j.cnki.csa.008838
摘要：
2022,31(12):1-9, DOI: 10.15888/j.cnki.csa.008825
摘要：
2022,31(11):49-59, DOI: 10.15888/j.cnki.csa.008847
摘要：
2022,31(11):31-48, DOI: 10.15888/j.cnki.csa.008811
摘要：
2022,31(10):44-50, DOI: 10.15888/j.cnki.csa.008776
摘要：
2022,31(10):25-35, DOI: 10.15888/j.cnki.csa.008734
摘要：
2022,31(10):36-43, DOI: 10.15888/j.cnki.csa.008711
摘要：
2022,31(9):57-69, DOI: 10.15888/j.cnki.csa.008661
摘要：
2022,31(8):1-16, DOI: 10.15888/j.cnki.csa.008713
摘要：
2022,31(7):12-22, DOI: 10.15888/j.cnki.csa.008641
摘要：
2022,31(7):35-45, DOI: 10.15888/j.cnki.csa.008595
摘要：
2022,31(7):46-54, DOI: 10.15888/j.cnki.csa.008590
摘要：
2022,31(7):23-34, DOI: 10.15888/j.cnki.csa.008566
摘要：
2022,31(7):1-11, DOI: 10.15888/j.cnki.csa.008545
摘要：
2022,31(5):40-51, DOI: 10.15888/j.cnki.csa.008476
摘要：
2022,31(5):1-20, DOI: 10.15888/j.cnki.csa.008463
摘要：
2022,31(5):21-29, DOI: 10.15888/j.cnki.csa.008426
摘要：
2022,31(4):14-32, DOI: 10.15888/j.cnki.csa.008419
摘要：
2022,31(4):1-13, DOI: 10.15888/j.cnki.csa.008418
摘要：
2022,31(4):47-58, DOI: 10.15888/j.cnki.csa.008403
摘要：
2022,31(3):1-8, DOI: 10.15888/j.cnki.csa.008415
摘要：
2022,31(3):48-55, DOI: 10.15888/j.cnki.csa.008377
摘要：
2022,31(2):13-21, DOI: 10.15888/j.cnki.csa.008319
摘要：
2022,31(2):1-12, DOI: 10.15888/j.cnki.csa.008303
摘要：
2022,31(1):1-10, DOI: 10.15888/j.cnki.csa.008323
摘要：
2021,30(12):28-36, DOI: 10.15888/j.cnki.csa.008289
摘要：
2021,30(12):10-17, DOI: 10.15888/j.cnki.csa.008252
摘要：
2021,30(12):1-9, DOI: 10.15888/j.cnki.csa.008245
摘要：
2021,30(10):21-30, DOI: 10.15888/j.cnki.csa.008137
摘要：
2021,30(9):12-23, DOI: 10.15888/j.cnki.csa.008086
摘要：
2021,30(9):24-40, DOI: 10.15888/j.cnki.csa.008079
摘要：
2021,30(9):41-52, DOI: 10.15888/j.cnki.csa.008078
摘要：
2021,30(8):14-21, DOI: 10.15888/j.cnki.csa.008003
摘要：
2021,30(7):13-21, DOI: 10.15888/j.cnki.csa.007992
摘要：
2021,30(7):1-12, DOI: 10.15888/j.cnki.csa.007973
摘要：
2021,30(6):18-27, DOI: 10.15888/j.cnki.csa.007956
摘要：
2021,30(5):21-30, DOI: 10.15888/j.cnki.csa.007916
摘要：
2021,30(3):1-13, DOI: 10.15888/j.cnki.csa.007839
摘要：
2021,30(1):10-18, DOI: 10.15888/j.cnki.csa.007776
摘要：
2020,29(12):13-25, DOI: 10.15888/j.cnki.csa.007701
摘要：
2020,29(11):29-39, DOI: 10.15888/j.cnki.csa.007705
摘要：
2020,29(9):16-25, DOI: 10.15888/j.cnki.csa.007632
摘要：
2020,29(9):26-31, DOI: 10.15888/j.cnki.csa.007617
摘要：
2020,29(9):1-15, DOI: 10.15888/j.cnki.csa.007489
摘要：
2020,29(8):1-8, DOI: 10.15888/j.cnki.csa.007478
摘要：
2020,29(6):56-63, DOI: 10.15888/j.cnki.csa.007460
摘要：
2020,29(6):1-12, DOI: 10.15888/j.cnki.csa.007431
摘要：
2020,29(6):13-21, DOI: 10.15888/j.cnki.csa.007430
摘要：
2020,29(3):29-38, DOI: 10.15888/j.cnki.csa.007315
摘要：
2020,29(3):1-10, DOI: 10.15888/j.cnki.csa.007301
摘要：
2020,29(3):11-19, DOI: 10.15888/j.cnki.csa.007261
摘要：
2020,29(2):1-8, DOI: 10.15888/j.cnki.csa.007275
摘要：
2020,29(2):9-27, DOI: 10.15888/j.cnki.csa.007262
摘要：
2020,29(1):14-21, DOI: 10.15888/j.cnki.csa.007243
摘要：
2020,29(1):22-28, DOI: 10.15888/j.cnki.csa.007237
摘要：
2019,28(12):1-8, DOI: 10.15888/j.cnki.csa.007195
摘要：
2019,28(11):1-9, DOI: 10.15888/j.cnki.csa.007156
摘要：
2019,28(9):1-8, DOI: 10.15888/j.cnki.csa.007037
摘要：
2019,28(7):1-8, DOI: 10.15888/j.cnki.csa.006988
摘要：
2019,28(6):1-12, DOI: 10.15888/j.cnki.csa.006915
摘要：
2019,28(4):205-211, DOI: 10.15888/j.cnki.csa.006739
摘要：
2019,28(3):1-9, DOI: 10.15888/j.cnki.csa.006812
摘要：
2019,28(3):10-17, DOI: 10.15888/j.cnki.csa.006806
摘要：
2019,28(1):1-9, DOI: 10.15888/j.cnki.csa.006720
摘要：
2019,28(1):10-16, DOI: 10.15888/j.cnki.csa.006707
摘要：
2018,27(10):39-45, DOI: 10.15888/j.cnki.csa.006591
摘要：
2018,27(10):33-38, DOI: 10.15888/j.cnki.csa.006560
摘要：
2018,27(9):47-51, DOI: 10.15888/j.cnki.csa.006542
摘要：
2018,27(8):10-18, DOI: 10.15888/j.cnki.csa.006456
摘要：
2018,27(7):1-10, DOI: 10.15888/j.cnki.csa.006451
摘要：
2018,27(5):1-9, DOI: 10.15888/j.cnki.csa.006336
摘要：
2018,27(4):1-9, DOI: 10.15888/j.cnki.csa.006273
摘要：
2018,27(1):1-9, DOI: 10.15888/j.cnki.csa.006169
摘要：
2017,26(12):32-36, DOI: 10.15888/j.cnki.csa.006129
摘要：
2017,26(12):25-31, DOI: 10.15888/j.cnki.csa.006096
摘要：
2017,26(6):36-39, DOI: 10.15888/j.cnki.csa.005807
摘要：
2017,26(4):1-8, DOI: 10.15888/j.cnki.csa.005773
摘要：
2017,26(2):30-36, DOI: 10.15888/j.cnki.csa.005626
摘要：
2016,25(9):17-26, DOI: 10.15888/j.cnki.csa.005354
摘要：
2016,25(9):10-16, DOI: 10.15888/j.cnki.csa.005330
摘要：
2016,25(8):1-7, DOI: 10.15888/j.cnki.csa.005283
摘要：
2016,25(6):9-16, DOI: 10.15888/j.cnki.csa.005173
摘要：
2016,25(6):1-8, DOI: 10.15888/j.cnki.csa.005206
摘要：
摘要：
摘要：
摘要：
摘要：
摘要：
摘要：
摘要：
摘要：
您是第位访问者
版权所有：中国科学院软件研究所 京ICP备05046678号-3
地址：北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码：100190
电话：010-62661041 传真： Email：csa (a) iscas.ac.cn
技术支持：北京勤云科技发展有限公司
版权所有：中国科学院软件研究所 京ICP备05046678号-3
地址：北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码：100190
电话：010-62661041 传真： Email：csa (a) iscas.ac.cn
技术支持：北京勤云科技发展有限公司
