- 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(3):1-14, DOI: 10.15888/j.cnki.csa.008976
摘要：
旅行商问题作为组合优化研究中最具挑战的问题之一, 自被提出以来就引起了学术界的广泛关注并提出了大量的方法来解决它. 蚁群算法是求解复杂组合优化问题的一种启发式仿生进化算法, 是求解旅行商问题的有效手段. 本文分别介绍蚁群算法中几个有代表性的算法, 综述了蚁群算法的改进、融合和应用的文献研究进展, 以评价近年来不同版本的蚁群算法为解决旅行商问题的发展和研究成果, 并针对改进蚁群算法结构框架、算法参数的设置及优化、信息素优化和混合算法等方面, 对现被提出的改进算法进行了分类综述. 对蚁群算法在未来对旅行商问题及其他不同领域的研究内容和研究热点的进一步发展提供了展望和依据.
旅行商问题作为组合优化研究中最具挑战的问题之一, 自被提出以来就引起了学术界的广泛关注并提出了大量的方法来解决它. 蚁群算法是求解复杂组合优化问题的一种启发式仿生进化算法, 是求解旅行商问题的有效手段. 本文分别介绍蚁群算法中几个有代表性的算法, 综述了蚁群算法的改进、融合和应用的文献研究进展, 以评价近年来不同版本的蚁群算法为解决旅行商问题的发展和研究成果, 并针对改进蚁群算法结构框架、算法参数的设置及优化、信息素优化和混合算法等方面, 对现被提出的改进算法进行了分类综述. 对蚁群算法在未来对旅行商问题及其他不同领域的研究内容和研究热点的进一步发展提供了展望和依据.
2023,32(3):15-24, DOI: 10.15888/j.cnki.csa.008973
摘要：
协商是人们就某些议题进行交流寻求一致协议的过程. 而自动协商旨在通过协商智能体的使用降低协商成本、提高协商效率并且优化协商结果. 近年来深度强化学习技术开始被运用于自动协商领域并取得了良好的效果, 然而依然存在智能体训练时间较长、特定协商领域依赖、协商信息利用不充分等问题. 为此, 本文提出了一种基于TD3深度强化学习算法的协商策略, 通过预训练降低训练过程的探索成本, 通过优化状态和动作定义提高协商策略的鲁棒性从而适应不同的协商场景, 通过多头语义神经网络和对手偏好预测模块充分利用协商的交互信息. 实验结果表明, 该策略在不同协商环境下都可以很好地完成协商任务.
协商是人们就某些议题进行交流寻求一致协议的过程. 而自动协商旨在通过协商智能体的使用降低协商成本、提高协商效率并且优化协商结果. 近年来深度强化学习技术开始被运用于自动协商领域并取得了良好的效果, 然而依然存在智能体训练时间较长、特定协商领域依赖、协商信息利用不充分等问题. 为此, 本文提出了一种基于TD3深度强化学习算法的协商策略, 通过预训练降低训练过程的探索成本, 通过优化状态和动作定义提高协商策略的鲁棒性从而适应不同的协商场景, 通过多头语义神经网络和对手偏好预测模块充分利用协商的交互信息. 实验结果表明, 该策略在不同协商环境下都可以很好地完成协商任务.
2023,32(3):25-47, DOI: 10.15888/j.cnki.csa.008980
摘要：
非侵入式负荷监测, 是智能用电和节能技术的重要部分, 备受研究者关注. 由于近年来新发展起来的深度学习方法在各种任务所表现出来的优越性能, 目前已有一些代表性深度学习方法被成功用于非侵入式负荷监测中的负荷分解任务. 为了系统地总结深度学习方法在非侵入式负荷监测领域中的研究现状与进展, 拟对近年来面向深度学习的非侵入式负荷监测研究文献进行分析与归纳. 首先对非侵入式负荷监测的框架进行简要概述; 随后介绍了非侵入式负荷监测的特征提取方法和公开数据集, 并重点分析和归纳了非侵入式负荷监测中面向深度学习的负荷分解方法; 最后对该领域存在的一些挑战及机遇进行了展望, 并指出了其未来的研究方向.
非侵入式负荷监测, 是智能用电和节能技术的重要部分, 备受研究者关注. 由于近年来新发展起来的深度学习方法在各种任务所表现出来的优越性能, 目前已有一些代表性深度学习方法被成功用于非侵入式负荷监测中的负荷分解任务. 为了系统地总结深度学习方法在非侵入式负荷监测领域中的研究现状与进展, 拟对近年来面向深度学习的非侵入式负荷监测研究文献进行分析与归纳. 首先对非侵入式负荷监测的框架进行简要概述; 随后介绍了非侵入式负荷监测的特征提取方法和公开数据集, 并重点分析和归纳了非侵入式负荷监测中面向深度学习的负荷分解方法; 最后对该领域存在的一些挑战及机遇进行了展望, 并指出了其未来的研究方向.
2023,32(3):48-57, DOI: 10.15888/j.cnki.csa.008955
摘要：
为研究计算机病毒传播对网络系统安全态势的影响, 分析了SIR流行病传播模型与计算机网络安全之间的联系, 提出了一种用于网络安全态势预测的SIPM模型. SIPM模型中加入了节点对不同病毒传播的记忆功能, 支持多种病毒同时在网络中独立进行传播, 并在SIR模型基础上改进了动力学传播方程, 允许单独设置病毒对不同设备节点的感染能力和设备节点对不同病毒的抵御能力, 进而更加贴近真实网络环境. 实验分析使用了典型校园网络架构进行模拟仿真, 结果表明该模型可以从多个方面进行网络安全态势的分析与预测.
为研究计算机病毒传播对网络系统安全态势的影响, 分析了SIR流行病传播模型与计算机网络安全之间的联系, 提出了一种用于网络安全态势预测的SIPM模型. SIPM模型中加入了节点对不同病毒传播的记忆功能, 支持多种病毒同时在网络中独立进行传播, 并在SIR模型基础上改进了动力学传播方程, 允许单独设置病毒对不同设备节点的感染能力和设备节点对不同病毒的抵御能力, 进而更加贴近真实网络环境. 实验分析使用了典型校园网络架构进行模拟仿真, 结果表明该模型可以从多个方面进行网络安全态势的分析与预测.
2023,32(3):58-69, DOI: 10.15888/j.cnki.csa.009008
摘要：
在图像的采集过程中, 图像往往会带有一定的噪声信息, 这些噪声信息会破坏图像的纹理结构, 进而干扰语义分割任务. 现有基于带噪图像的语义分割方法, 大都是采取先去噪再分割的模型. 然而, 这种方式会导致在去噪任务中丢失语义信息, 从而影响分割任务. 为了解决该问题, 提出了一种多尺度多阶段特征融合的带噪图像语义分割的方法, 利用主干网络中各阶段的高级语义信息以及低级图像信息来强化目标轮廓语义信息. 通过构建阶段性协同的分割去噪块, 迭代协同分割和去噪任务, 进而捕获更准确的语义特征. 在PASCAL VOC 2012和Cityscapes数据集上进行了定量评估, 实验结果表明, 在不同方差的噪声干扰下, 模型依旧取得了较好的分割结果.
在图像的采集过程中, 图像往往会带有一定的噪声信息, 这些噪声信息会破坏图像的纹理结构, 进而干扰语义分割任务. 现有基于带噪图像的语义分割方法, 大都是采取先去噪再分割的模型. 然而, 这种方式会导致在去噪任务中丢失语义信息, 从而影响分割任务. 为了解决该问题, 提出了一种多尺度多阶段特征融合的带噪图像语义分割的方法, 利用主干网络中各阶段的高级语义信息以及低级图像信息来强化目标轮廓语义信息. 通过构建阶段性协同的分割去噪块, 迭代协同分割和去噪任务, 进而捕获更准确的语义特征. 在PASCAL VOC 2012和Cityscapes数据集上进行了定量评估, 实验结果表明, 在不同方差的噪声干扰下, 模型依旧取得了较好的分割结果.
2023,32(3):70-85, DOI: 10.15888/j.cnki.csa.008998
摘要：
在异构Hadoop集群场景中, 为了缓和由于纠删码和副本存储模式混合使用, 以及服务器节点本身实时算力差异造成的MapReduce作业处理效率低下的问题, 本文实现了一种根据数据存储情况和节点实时负载来在多并发场景下动态调节MapReduce作业任务分配情况的调度策略. 该策略通过修改当前Hadoop框架中的数据存储选址策略并对节点任务并发量进行动态控制, 在多作业并发时实现更加均衡的作业间资源分配. 实验结果表明, 相较于Hadoop默认的两种作业调度策略, 本文提出的调度模式能够将作业完成时间缩短约17%, 并有效避免部分作业面临的饥饿现象.
在异构Hadoop集群场景中, 为了缓和由于纠删码和副本存储模式混合使用, 以及服务器节点本身实时算力差异造成的MapReduce作业处理效率低下的问题, 本文实现了一种根据数据存储情况和节点实时负载来在多并发场景下动态调节MapReduce作业任务分配情况的调度策略. 该策略通过修改当前Hadoop框架中的数据存储选址策略并对节点任务并发量进行动态控制, 在多作业并发时实现更加均衡的作业间资源分配. 实验结果表明, 相较于Hadoop默认的两种作业调度策略, 本文提出的调度模式能够将作业完成时间缩短约17%, 并有效避免部分作业面临的饥饿现象.
快速检索
过刊检索
全选反选导出
显示模式：
优先出版日期: 2023-03-17 , DOI: 10.15888/j.cnki.csa.009077
摘要：
本文基于UVM验证方法学对自研高性能安全存储SoC芯片系统中SATA通路进行验证, 文中对高性能安全存储SoC芯片架构及SATA通路系统工作原理进行说明, 以SATA DMA数据传输方式为例介绍了SATA协议链路通信建立及数据传输过程. 搭建UVM系统验证平台, 文中对SATA协议进行分析, 设计规划系统层面测试用例, 编写加载至系统中运行的C固件测试程序, 实现对系统应用层面关注的PIO、DMA、NCQ等SATA命令方式数据传输通路的验证. 结合具体波形分析, 结果表明, SATA通路相关集成设计是合理、满足芯片对SATA数据通路应用需求的, 实现了对高性能安全存储SoC芯片系统SATA通路的验证.
本文基于UVM验证方法学对自研高性能安全存储SoC芯片系统中SATA通路进行验证, 文中对高性能安全存储SoC芯片架构及SATA通路系统工作原理进行说明, 以SATA DMA数据传输方式为例介绍了SATA协议链路通信建立及数据传输过程. 搭建UVM系统验证平台, 文中对SATA协议进行分析, 设计规划系统层面测试用例, 编写加载至系统中运行的C固件测试程序, 实现对系统应用层面关注的PIO、DMA、NCQ等SATA命令方式数据传输通路的验证. 结合具体波形分析, 结果表明, SATA通路相关集成设计是合理、满足芯片对SATA数据通路应用需求的, 实现了对高性能安全存储SoC芯片系统SATA通路的验证.
优先出版日期: 2023-03-17 , DOI: 10.15888/j.cnki.csa.009078
摘要：
针对目前基于神经网络的多视图立体视觉(multi-view stereo, MVS)深度估计算法存在参数量大、内存消耗严重, 难以满足当下低算力嵌入式平台的需求. 提出基于MVS2D极线注意力机制与MobileNetV3-Small的MVS深度感知网络(Mobile-MVS2D). 该网络采用编码器-解码器的结构, 使用MobileNetV3-Small网络进行编码特征提取, 对源图像与参考图像之间不同特征层的尺度信息耦合采用极线注意力机制, 解码阶段引入SE-Net与跳跃连接扩展解码特征细节, 提升预测精度. 实验结果表明, 提出的模型在ScanNet数据集中在深度图的评价指标中展现较高的精度. 在与视觉SLAM结合下可以展现出较准确的三维重建效果, 具有较好的鲁棒性. 在Jeston Xavier NX 上推理精度为Float16尺寸为640×480的图片组, 仅需0.17 s, GPU消耗仅需1 GB, 能够满足低算力嵌入式平台的需求.
针对目前基于神经网络的多视图立体视觉(multi-view stereo, MVS)深度估计算法存在参数量大、内存消耗严重, 难以满足当下低算力嵌入式平台的需求. 提出基于MVS2D极线注意力机制与MobileNetV3-Small的MVS深度感知网络(Mobile-MVS2D). 该网络采用编码器-解码器的结构, 使用MobileNetV3-Small网络进行编码特征提取, 对源图像与参考图像之间不同特征层的尺度信息耦合采用极线注意力机制, 解码阶段引入SE-Net与跳跃连接扩展解码特征细节, 提升预测精度. 实验结果表明, 提出的模型在ScanNet数据集中在深度图的评价指标中展现较高的精度. 在与视觉SLAM结合下可以展现出较准确的三维重建效果, 具有较好的鲁棒性. 在Jeston Xavier NX 上推理精度为Float16尺寸为640×480的图片组, 仅需0.17 s, GPU消耗仅需1 GB, 能够满足低算力嵌入式平台的需求.
优先出版日期: 2023-03-17 , DOI: 10.15888/j.cnki.csa.009110
摘要：
在移动边缘计算(mobile edge computing, MEC)系统中, 用户的卸载策略会影响能耗和计算成本, 进而影响用户效益. 然而, 目前多数研究未考虑边缘服务器随机分布场景中用户的卸载策略和资源请求策略对效益的影响. 针对该问题, 提出了一种基于改进双重拍卖算法的计算卸载和资源分配策略. 首先, 该策略将用户与边缘服务器之间的交互过程建模为Stackelberg博弈, 并且证明了在该博弈内存在唯一纳什均衡点; 其次, 计算出用户对于不同服务器的卸载意愿以及计算资源请求量, 并将用户与最优服务器进行拍卖; 最后, 采用遍历法交换上一轮拍卖中部分交易中的用户与服务器, 以实现系统整体效益最优. 仿真实验结果表明, 与其他基准算法相比, 所提算法在服务器随机分布场景下提高了33.4%的系统用户总效益, 有效降低系统损失.
在移动边缘计算(mobile edge computing, MEC)系统中, 用户的卸载策略会影响能耗和计算成本, 进而影响用户效益. 然而, 目前多数研究未考虑边缘服务器随机分布场景中用户的卸载策略和资源请求策略对效益的影响. 针对该问题, 提出了一种基于改进双重拍卖算法的计算卸载和资源分配策略. 首先, 该策略将用户与边缘服务器之间的交互过程建模为Stackelberg博弈, 并且证明了在该博弈内存在唯一纳什均衡点; 其次, 计算出用户对于不同服务器的卸载意愿以及计算资源请求量, 并将用户与最优服务器进行拍卖; 最后, 采用遍历法交换上一轮拍卖中部分交易中的用户与服务器, 以实现系统整体效益最优. 仿真实验结果表明, 与其他基准算法相比, 所提算法在服务器随机分布场景下提高了33.4%的系统用户总效益, 有效降低系统损失.
优先出版日期: 2023-03-17 , DOI: 10.15888/j.cnki.csa.009115
摘要：
随着天气雷达新技术的发展, 传统单一封闭式的雷达产品生成系统已不能较好地适应新体制天气雷达系统快速的探测速率和多源的数据形式. 为了提高雷达产品生成系统的实时性和可扩展性, 本文提出一种基于消息调度的分布式雷达产品生成系统. 基于ActiveMQ消息中间件设计了分布式集群的任务调度策略, 采用Ceph分布式文件系统构建统一高效的存储服务, 并利用GPU实现了对气象算法的并行加速. 目前系统已在实际项目中交付使用, 取得了良好的运行效果, 具有一定的推广价值和应用意义.
随着天气雷达新技术的发展, 传统单一封闭式的雷达产品生成系统已不能较好地适应新体制天气雷达系统快速的探测速率和多源的数据形式. 为了提高雷达产品生成系统的实时性和可扩展性, 本文提出一种基于消息调度的分布式雷达产品生成系统. 基于ActiveMQ消息中间件设计了分布式集群的任务调度策略, 采用Ceph分布式文件系统构建统一高效的存储服务, 并利用GPU实现了对气象算法的并行加速. 目前系统已在实际项目中交付使用, 取得了良好的运行效果, 具有一定的推广价值和应用意义.
优先出版日期: 2023-03-17 , DOI: 10.15888/j.cnki.csa.009113
摘要：
针对现有的皮肤黑色素瘤病灶分割精度不高的问题, 结合现有卷积神经网络方法提出皮肤黑色素瘤图像分割方法MultiResUNet-SMIS.首先, 依据皮肤黑色素瘤成像特点, 引入不同空洞率的空洞卷积替换普通卷积, 在参数量相同的前提下扩大感受野, 使网络模型能够适用于多尺度病灶分割任务; 其次加入空间和通道注意力机制以重新分配特征权重, 扩大感兴趣特征影响, 抑制无关特征; 最后融合Focal loss与Dice loss提出一种新的loss函数FD loss用于计算回归损失, 解决前景背景像素不均衡问题, 进一步提高网络模型的分割精度. 实验结果表明, MultiResUNet-SMIS在ISIC-2018数据集上的Dice指数、IoU指数以及Acc准确率分别达到了89.47%、82.67%、96.13%, 与原MultiResUNet以及UNet、UNet++、DeepLab V3+等主流方法相比, MultiResUNet-SMIS在皮肤黑色素瘤图像分割中具有更好的效果.
针对现有的皮肤黑色素瘤病灶分割精度不高的问题, 结合现有卷积神经网络方法提出皮肤黑色素瘤图像分割方法MultiResUNet-SMIS.首先, 依据皮肤黑色素瘤成像特点, 引入不同空洞率的空洞卷积替换普通卷积, 在参数量相同的前提下扩大感受野, 使网络模型能够适用于多尺度病灶分割任务; 其次加入空间和通道注意力机制以重新分配特征权重, 扩大感兴趣特征影响, 抑制无关特征; 最后融合Focal loss与Dice loss提出一种新的loss函数FD loss用于计算回归损失, 解决前景背景像素不均衡问题, 进一步提高网络模型的分割精度. 实验结果表明, MultiResUNet-SMIS在ISIC-2018数据集上的Dice指数、IoU指数以及Acc准确率分别达到了89.47%、82.67%、96.13%, 与原MultiResUNet以及UNet、UNet++、DeepLab V3+等主流方法相比, MultiResUNet-SMIS在皮肤黑色素瘤图像分割中具有更好的效果.
优先出版日期: 2023-03-17 , DOI: 10.15888/j.cnki.csa.009086
摘要：
注意力不能集中是一种注意力障碍, 该现象普遍存在于青少年中, 这直接影响人们的学习和工作效率. 传统的注意力检测方法大多依赖对表情、姿势等行为的观察, 难以客观精准地反映注意力情况. 随着生理检测技术的迅猛发展, 基于脑电信号的注意力检测近年来受到极大的关注. 然而, 相关研究仍存在检测准确率不高的问题. 本研究收集了155位大学生在注意力集中、注意力非集中和放松3种状态下的脑电信号, 并基于信号的小波特征、微分熵特征及功率谱特征, 采用多种机器学习方法对3种注意力状态进行了识别. 结果表明, 脑电信号的小波特征, 微分熵特征及功率谱特征可以有效区分被试的注意力状态, 且基于对称双通道特征的平均准确率为(80.84±3)%, 其检测精度明显高于基于单通道特征的检测精度.
注意力不能集中是一种注意力障碍, 该现象普遍存在于青少年中, 这直接影响人们的学习和工作效率. 传统的注意力检测方法大多依赖对表情、姿势等行为的观察, 难以客观精准地反映注意力情况. 随着生理检测技术的迅猛发展, 基于脑电信号的注意力检测近年来受到极大的关注. 然而, 相关研究仍存在检测准确率不高的问题. 本研究收集了155位大学生在注意力集中、注意力非集中和放松3种状态下的脑电信号, 并基于信号的小波特征、微分熵特征及功率谱特征, 采用多种机器学习方法对3种注意力状态进行了识别. 结果表明, 脑电信号的小波特征, 微分熵特征及功率谱特征可以有效区分被试的注意力状态, 且基于对称双通道特征的平均准确率为(80.84±3)%, 其检测精度明显高于基于单通道特征的检测精度.
优先出版日期: 2023-03-17 , DOI: 10.15888/j.cnki.csa.009099
摘要：
在机器阅读理解任务中, 由于中文实词的组合性和隐喻性, 且缺乏有关中文实词辨析的数据集, 因此传统方法对中文实词的理解程度和辨析能力仍然有限. 为此, 构建了一个大规模(600k)的中文实词辨析数据集(Chinese notional word discrimination cloze data set, CND). 在数据集中, 一句话中的一个实词被替换成了空白占位符, 需要从提供的两个候选实词中选择正确答案. 设计了一个基线模型RoBERTa-ND (RoBERTa-based notional word discrimination model)来对候选词进行选择. 模型首先利用预训练语言模型提取语境中的语义信息. 其次, 融合候选实词语义并通过分类任务计算候选词得分. 最后, 通过增强模型对位置及方向信息的感知, 进一步加强了模型的中文实词的辨析能力. 实验表明, 该模型在CND上准确率达到90.21%, 战胜了DUMA (87.59%), GNN-QA (84.23%)等主流的完形填空模型. 该工作填补了中文隐喻语义理解研究的空白, 可以在提高中文对话机器人认知能力等方向开发更多实用价值. 数据集CND及RoBERTa-ND代码均已开源: https://github.com/2572926348/CND-Large-scale-Chinese-National-word-discrimination-dataset.
在机器阅读理解任务中, 由于中文实词的组合性和隐喻性, 且缺乏有关中文实词辨析的数据集, 因此传统方法对中文实词的理解程度和辨析能力仍然有限. 为此, 构建了一个大规模(600k)的中文实词辨析数据集(Chinese notional word discrimination cloze data set, CND). 在数据集中, 一句话中的一个实词被替换成了空白占位符, 需要从提供的两个候选实词中选择正确答案. 设计了一个基线模型RoBERTa-ND (RoBERTa-based notional word discrimination model)来对候选词进行选择. 模型首先利用预训练语言模型提取语境中的语义信息. 其次, 融合候选实词语义并通过分类任务计算候选词得分. 最后, 通过增强模型对位置及方向信息的感知, 进一步加强了模型的中文实词的辨析能力. 实验表明, 该模型在CND上准确率达到90.21%, 战胜了DUMA (87.59%), GNN-QA (84.23%)等主流的完形填空模型. 该工作填补了中文隐喻语义理解研究的空白, 可以在提高中文对话机器人认知能力等方向开发更多实用价值. 数据集CND及RoBERTa-ND代码均已开源: https://github.com/2572926348/CND-Large-scale-Chinese-National-word-discrimination-dataset.
优先出版日期: 2023-03-17 , DOI: 10.15888/j.cnki.csa.009015
摘要：
兵棋推演与智能算法融合成为当前军事应用领域的研究热点, 利用深度强化学习技术实现仿真推演中决策过程的智能化, 可显著减少人为经验对决策过程的影响, 提高推演效率和灵活性. 现有基于DRL算法的决策模型, 其训练时间过长, 算力开销过大, 无法满足作战任务的实时性需求. 本文提出一种基于轻量级深度确定性策略梯度(BN-DDPG)算法的智能推演方法, 根据推演规则, 采用马尔可夫决策过程描述推演过程中的决策行为, 以actor-critic体系为基础, 构建智能体训练网络, 其中actor网络使用自定义混合二进制神经网络, 减少计算量; 同时根据经验样本的状态和回报值建立双缓冲池结构, 采用环境相似度优先提取的方法对样本进行采样, 提高训练效率; 最后基于自主研制的仿真推演平台进行实例验证. 结果表明, BN-DDPG算法可简化模型训练过程, 加快模型收敛速度, 显著提高推演决策的准确性.
兵棋推演与智能算法融合成为当前军事应用领域的研究热点, 利用深度强化学习技术实现仿真推演中决策过程的智能化, 可显著减少人为经验对决策过程的影响, 提高推演效率和灵活性. 现有基于DRL算法的决策模型, 其训练时间过长, 算力开销过大, 无法满足作战任务的实时性需求. 本文提出一种基于轻量级深度确定性策略梯度(BN-DDPG)算法的智能推演方法, 根据推演规则, 采用马尔可夫决策过程描述推演过程中的决策行为, 以actor-critic体系为基础, 构建智能体训练网络, 其中actor网络使用自定义混合二进制神经网络, 减少计算量; 同时根据经验样本的状态和回报值建立双缓冲池结构, 采用环境相似度优先提取的方法对样本进行采样, 提高训练效率; 最后基于自主研制的仿真推演平台进行实例验证. 结果表明, BN-DDPG算法可简化模型训练过程, 加快模型收敛速度, 显著提高推演决策的准确性.
优先出版日期: 2023-03-17 , DOI: 10.15888/j.cnki.csa.009030
摘要：
精准预测商品的销量是提高商品营销效率的前提和基础. 为了更好地预测商品销量, 现有研究人员提出了基于深度神经网络(DNN)、卷积神经网络(CNN)、时间序列分析等方法, 但这些方法大多只单方面考虑到商品销售过程中的时间或者空间特征. 同时基于商品销售数据的建模分析发现, 商品的销量和对应的零售商户的空间位置和销售时间有较大的相关性. 为了更加准确地预测某种商品, 在特定商店, 以及在特定时间的销量, 本研究首先构建了以商家为基础的大规模知识图谱系统, 通过一张图的数据模型, 描述商品销售和对应的商圈、商户、用户的相关交互场景. 同时在图模型上增加了商家数据的空间和数据特征, 用于描述商户的时空特性. 最后基于构建的商家知识图谱, 本研究提出了基于图卷积神经网络(GCN)聚合信息获取空间特征, 然后使用长短期记忆(LSTM)提取时间特征, 并将两种特征进行加权结合, 进行商品销量预测. 初步研究结果表明: 基于图和LSTM模型的混合模型的算法预测投放量最为贴近实际销量, 相比于传统的神经网络算法, 该模型预测的平均准确率为89%. 最后通过构建流水线工作流, 将整个商品销量智能预测系统部署到生产环境中, 为实现商品精准化营销提供了智能化决策.
精准预测商品的销量是提高商品营销效率的前提和基础. 为了更好地预测商品销量, 现有研究人员提出了基于深度神经网络(DNN)、卷积神经网络(CNN)、时间序列分析等方法, 但这些方法大多只单方面考虑到商品销售过程中的时间或者空间特征. 同时基于商品销售数据的建模分析发现, 商品的销量和对应的零售商户的空间位置和销售时间有较大的相关性. 为了更加准确地预测某种商品, 在特定商店, 以及在特定时间的销量, 本研究首先构建了以商家为基础的大规模知识图谱系统, 通过一张图的数据模型, 描述商品销售和对应的商圈、商户、用户的相关交互场景. 同时在图模型上增加了商家数据的空间和数据特征, 用于描述商户的时空特性. 最后基于构建的商家知识图谱, 本研究提出了基于图卷积神经网络(GCN)聚合信息获取空间特征, 然后使用长短期记忆(LSTM)提取时间特征, 并将两种特征进行加权结合, 进行商品销量预测. 初步研究结果表明: 基于图和LSTM模型的混合模型的算法预测投放量最为贴近实际销量, 相比于传统的神经网络算法, 该模型预测的平均准确率为89%. 最后通过构建流水线工作流, 将整个商品销量智能预测系统部署到生产环境中, 为实现商品精准化营销提供了智能化决策.
优先出版日期: 2023-03-03 , DOI: 10.15888/j.cnki.csa.009084
摘要：
针对多变量时间序列复杂的时间相关性和高维度使得异常检测性能较差的问题, 以对抗训练框架为基础提出基于图自编码的无监督多变量时间序列异常检测模型. 首先, 将特征转换为嵌入向量来表示; 其次, 将划分好的时间序列结合嵌入向量转换为图结构数据; 然后, 用两个图自编码器模拟对抗训练重构数据样本; 最后, 根据测试数据在模型训练下的重构误差进行异常判定. 将提出的方法与5种基线异常检测方法进行比较. 实验结果表明, 提出的模型在测试数据集获得了最高的F1分数, 总体性能分F1分数比最新的异常检测模型USAD提高了28.4%. 可见提出的模型有效提高异常检测性能.
针对多变量时间序列复杂的时间相关性和高维度使得异常检测性能较差的问题, 以对抗训练框架为基础提出基于图自编码的无监督多变量时间序列异常检测模型. 首先, 将特征转换为嵌入向量来表示; 其次, 将划分好的时间序列结合嵌入向量转换为图结构数据; 然后, 用两个图自编码器模拟对抗训练重构数据样本; 最后, 根据测试数据在模型训练下的重构误差进行异常判定. 将提出的方法与5种基线异常检测方法进行比较. 实验结果表明, 提出的模型在测试数据集获得了最高的F1分数, 总体性能分F1分数比最新的异常检测模型USAD提高了28.4%. 可见提出的模型有效提高异常检测性能.
优先出版日期: 2023-03-01 , DOI: 10.15888/j.cnki.csa.009075
摘要：
螺帽缺失、螺栓缺失是角钢塔建设阶段常见的结构缺陷, 但由于特征区分度低现有目标检测算法对螺栓缺陷检出率较低. 针对这个问题, 首先基于Transformer对卷积特征进行特征编码提出了全局信息提取算子, 其次通过通道注意力机制自适应组合候选检测框多尺度缩放后引入的局部背景信息, 最后基于图像分割与背景融合对螺栓缺陷样本进行数据扩增. 消融实验表明上述策略均能有效提升螺栓缺陷检测效果且相互不排斥, 与其他典型算法对比验证了本文算法的先进性.
螺帽缺失、螺栓缺失是角钢塔建设阶段常见的结构缺陷, 但由于特征区分度低现有目标检测算法对螺栓缺陷检出率较低. 针对这个问题, 首先基于Transformer对卷积特征进行特征编码提出了全局信息提取算子, 其次通过通道注意力机制自适应组合候选检测框多尺度缩放后引入的局部背景信息, 最后基于图像分割与背景融合对螺栓缺陷样本进行数据扩增. 消融实验表明上述策略均能有效提升螺栓缺陷检测效果且相互不排斥, 与其他典型算法对比验证了本文算法的先进性.
优先出版日期: 2023-03-01 , DOI: 10.15888/j.cnki.csa.009076
摘要：
准确的通行时间分布预测可以全面地反映高速公路路网中各个路段在未来的通行状况, 辅助实现高速公路中的路径规划, 事故事件预警等精细化管理目标. 为此, 本文提出一种面向高速公路通行时间分布预测的时空混合密度神经网络. 具体地, 本文利用自适应图卷积通过数据驱动的方式提取路网中的空间特征, 有效解决了基于预定义图难以捕获路网信息中完整空间相关性的问题. 在时间维度上, 不同时间的路网信息存在显著的相关性, 因此, 本文基于注意力机制自适应建模路网信息的时间相关性, 并通过卷积层进一步聚合相邻时间步之间的信息. 最后, 基于自适应时空相关性建模得到的路段嵌入表示, 通过混合密度网络建模通行时间的分布, 以实现高速公路中各个路段的通行时间分布预测.
准确的通行时间分布预测可以全面地反映高速公路路网中各个路段在未来的通行状况, 辅助实现高速公路中的路径规划, 事故事件预警等精细化管理目标. 为此, 本文提出一种面向高速公路通行时间分布预测的时空混合密度神经网络. 具体地, 本文利用自适应图卷积通过数据驱动的方式提取路网中的空间特征, 有效解决了基于预定义图难以捕获路网信息中完整空间相关性的问题. 在时间维度上, 不同时间的路网信息存在显著的相关性, 因此, 本文基于注意力机制自适应建模路网信息的时间相关性, 并通过卷积层进一步聚合相邻时间步之间的信息. 最后, 基于自适应时空相关性建模得到的路段嵌入表示, 通过混合密度网络建模通行时间的分布, 以实现高速公路中各个路段的通行时间分布预测.
优先出版日期: 2023-03-01 , DOI: 10.15888/j.cnki.csa.009053
摘要：
针对飞针测试机检测电路板时检测时间长、测试效率低、单针检测容易撞针等问题, 提出了一种基于改进粒子群算法的测试路径规划算法. 首先, 使用分区检测的方式解决两针相撞问题; 其次, 提出一种改进的粒子群算法, 在粒子群算法的基础上加入混沌初始化公式用于约束和更新搜索的最大速度, 引入遗传算法的交叉、变异的思想, 改进粒子群算法易于趋于局部最优的缺陷, 提升了算法的全局搜索能力. 与粒子群算法、遗传算法进行有效性的对比分析与实机测试. 结果表明: 此算法可以有效解决测试时两针相撞问题; 比起其他两种算法改进粒子群算法在更少的迭代数的同时全局搜索能力更强, 可以减少30%算法运算时间、降低10%的测试距离, 具有一定的工程应用价值.
针对飞针测试机检测电路板时检测时间长、测试效率低、单针检测容易撞针等问题, 提出了一种基于改进粒子群算法的测试路径规划算法. 首先, 使用分区检测的方式解决两针相撞问题; 其次, 提出一种改进的粒子群算法, 在粒子群算法的基础上加入混沌初始化公式用于约束和更新搜索的最大速度, 引入遗传算法的交叉、变异的思想, 改进粒子群算法易于趋于局部最优的缺陷, 提升了算法的全局搜索能力. 与粒子群算法、遗传算法进行有效性的对比分析与实机测试. 结果表明: 此算法可以有效解决测试时两针相撞问题; 比起其他两种算法改进粒子群算法在更少的迭代数的同时全局搜索能力更强, 可以减少30%算法运算时间、降低10%的测试距离, 具有一定的工程应用价值.
优先出版日期: 2023-03-01 , DOI: 10.15888/j.cnki.csa.009059
摘要：
本文提出一个新的无监督图像翻译模型, 该模型结合了生成对抗网络和多角度注意力, 称为MAGAN. 多角度注意力引导翻译模型将注意力集中在不同域间最具有判别性的区域. 与现存的注意力方法不同的是, 空间激活映射一方面捕获通道间的依赖, 减少翻译图像的特征扭曲; 另一方面决定网络对最具判别性区域的空间位置的关注程度, 使翻译的图像更具有目标域风格. 在空间激活映射的基础上, 结合类激活映射, 可以获得图像的全局语义信息. 此外, 根据空间激活程度对图像特征信息的影响, 设计不同的注意力结构分别训练生成器和判别器. 实验结果表明, 本文模型在selfie2anime、cat2dog、horse2zebra和vangogh2photo这4个数据集上的KID分数分别达到9.48、6.32、6.42和4.28, 性能优于大部分主流模型, 并且与基线模型UGATIT相比, 在selfie2anime、cat2dog和horse2zebra这3个数据集上的距离值分别减少了2.13、0.75和0.64, 具有明显的性能优势.
本文提出一个新的无监督图像翻译模型, 该模型结合了生成对抗网络和多角度注意力, 称为MAGAN. 多角度注意力引导翻译模型将注意力集中在不同域间最具有判别性的区域. 与现存的注意力方法不同的是, 空间激活映射一方面捕获通道间的依赖, 减少翻译图像的特征扭曲; 另一方面决定网络对最具判别性区域的空间位置的关注程度, 使翻译的图像更具有目标域风格. 在空间激活映射的基础上, 结合类激活映射, 可以获得图像的全局语义信息. 此外, 根据空间激活程度对图像特征信息的影响, 设计不同的注意力结构分别训练生成器和判别器. 实验结果表明, 本文模型在selfie2anime、cat2dog、horse2zebra和vangogh2photo这4个数据集上的KID分数分别达到9.48、6.32、6.42和4.28, 性能优于大部分主流模型, 并且与基线模型UGATIT相比, 在selfie2anime、cat2dog和horse2zebra这3个数据集上的距离值分别减少了2.13、0.75和0.64, 具有明显的性能优势.
优先出版日期: 2023-03-01 , DOI: 10.15888/j.cnki.csa.009066
摘要：
语义蕴含识别旨在检测和判断两个语句的语义是否一致, 以及是否存在蕴含关系. 然而现有方法通常面临中文同义词、一词多义现象困扰和长文本难理解的挑战. 针对上述问题, 本文提出了一种基于Transformer和HowNet义原知识融合的双驱动中文语义蕴含识别方法, 首先通过Transformer对中文语句内部结构语义信息进行多层次编码和数据驱动, 并引入外部知识库HowNet进行知识驱动建模词汇之间的义原知识关联, 然后利用soft-attention进行交互注意力计算并与义原矩阵实现知识融合, 最后用BiLSTM进一步编码文本概念层语义信息并推理判别语义一致性和蕴含关系. 本文所提出的方法通过引入HowNet义原知识手段解决多义词及同义词困扰, 通过Transformer策略解决长文本挑战问题. 在BQ、AFQMC、PAWSX等金融和多语义释义对数据集上的实验结果表明, 与DSSM、MwAN、DRCN等轻量化模型以及ERNIE等预训练模型相比, 该模型不仅可以有效提升中文语义蕴含识别的准确率(相比DSSM模型提升2.19%), 控制模型的参数量(16 M), 还能适应50字及以上的长文本蕴含识别场景.
语义蕴含识别旨在检测和判断两个语句的语义是否一致, 以及是否存在蕴含关系. 然而现有方法通常面临中文同义词、一词多义现象困扰和长文本难理解的挑战. 针对上述问题, 本文提出了一种基于Transformer和HowNet义原知识融合的双驱动中文语义蕴含识别方法, 首先通过Transformer对中文语句内部结构语义信息进行多层次编码和数据驱动, 并引入外部知识库HowNet进行知识驱动建模词汇之间的义原知识关联, 然后利用soft-attention进行交互注意力计算并与义原矩阵实现知识融合, 最后用BiLSTM进一步编码文本概念层语义信息并推理判别语义一致性和蕴含关系. 本文所提出的方法通过引入HowNet义原知识手段解决多义词及同义词困扰, 通过Transformer策略解决长文本挑战问题. 在BQ、AFQMC、PAWSX等金融和多语义释义对数据集上的实验结果表明, 与DSSM、MwAN、DRCN等轻量化模型以及ERNIE等预训练模型相比, 该模型不仅可以有效提升中文语义蕴含识别的准确率(相比DSSM模型提升2.19%), 控制模型的参数量(16 M), 还能适应50字及以上的长文本蕴含识别场景.
优先出版日期: 2023-03-01 , DOI: 10.15888/j.cnki.csa.009067
摘要：
在安防领域, 疲劳是导致安防工作人员注意力下降, 诱发各类问题的重要原因. 现有的疲劳检测方法存在各种问题, 比如生理指标检测侵入性强且价格昂贵, 人脸疲劳检测结果受个体差异和头部姿态的影响以及疲劳预警时长较短等, 因此本文提出一种基于自适应阈值和面部多特征经验融合的疲劳早后期检测算法, 使用轻量级的SCRFD模型进行人脸检测, 使用MobileNetV2模型进行人脸关键点定位, 使用梯度提升树学习头部姿态信息与眼睛纵横比(EAR)阈值的映射关系, 通过眼睑闭合时间百分比(PERCLOS)、嘴巴张开时间百分比(FOM)和头部姿态6个自由度分别实现眨眼、哈欠、点头前后倾动作的识别. 在疲劳估计阶段, 为了将多种疲劳行为融合映射成与疲劳相关的KSS值, 先根据专家经验预先构建好多种人脸行为的疲劳因果图, 接着使用自定义的singleton, mutual和activate/inhibit特征算子, 结合因果图从人脸行为检测序列中计算疲劳早期和疲劳后期KSS值, 最后使用双尺度KNN实现疲劳早后期估计. 实验结果表明所提算法在YawDD数据集上哈欠检测准确率达到93.81%, 在UTA-RLDD和Drozy数据集上疲劳识别准确率分别达到67.72%, 87.88%, 仅通过CPU, 推理实时性可达到17.96每秒传输帧数(FPS).
在安防领域, 疲劳是导致安防工作人员注意力下降, 诱发各类问题的重要原因. 现有的疲劳检测方法存在各种问题, 比如生理指标检测侵入性强且价格昂贵, 人脸疲劳检测结果受个体差异和头部姿态的影响以及疲劳预警时长较短等, 因此本文提出一种基于自适应阈值和面部多特征经验融合的疲劳早后期检测算法, 使用轻量级的SCRFD模型进行人脸检测, 使用MobileNetV2模型进行人脸关键点定位, 使用梯度提升树学习头部姿态信息与眼睛纵横比(EAR)阈值的映射关系, 通过眼睑闭合时间百分比(PERCLOS)、嘴巴张开时间百分比(FOM)和头部姿态6个自由度分别实现眨眼、哈欠、点头前后倾动作的识别. 在疲劳估计阶段, 为了将多种疲劳行为融合映射成与疲劳相关的KSS值, 先根据专家经验预先构建好多种人脸行为的疲劳因果图, 接着使用自定义的singleton, mutual和activate/inhibit特征算子, 结合因果图从人脸行为检测序列中计算疲劳早期和疲劳后期KSS值, 最后使用双尺度KNN实现疲劳早后期估计. 实验结果表明所提算法在YawDD数据集上哈欠检测准确率达到93.81%, 在UTA-RLDD和Drozy数据集上疲劳识别准确率分别达到67.72%, 87.88%, 仅通过CPU, 推理实时性可达到17.96每秒传输帧数(FPS).
优先出版日期: 2023-03-01 , DOI: 10.15888/j.cnki.csa.009023
摘要：
在集群环境中部署微服务已经成为微服务部署的重要方式. 由于不同种类服务对于CPU、内存、磁盘等资源的需求不同, 导致集群中的节点产生资源碎片、出现资源消耗倾斜. 如何提高集群资源利用率、降低集群能耗, 成为继保障服务级别协议(service level agreement, SLA)之后的重大挑战. 本文以阿里巴巴集团2021年发布的近两万个微服务的详细跟踪为数据样本, 从容器资源使用情况、节点部署特征和资源消耗偏好等多个维度出发, 分析其集群资源消耗特征, 发现集群中出现了资源消耗倾斜的情况. 通过进一步分析节点中容器部署情况发现容器资源分配不合理加剧了这一现象. 基于此我们提出了一种使用深度双Q网络的模型, 依据上游服务资源需求的实时变化, 对容器资源分配进行优化. 对比实验结果表明该方法可以在保证服务SLA的情况下有效提高容器资源利用率, 改善节点资源消耗倾斜的情况.
在集群环境中部署微服务已经成为微服务部署的重要方式. 由于不同种类服务对于CPU、内存、磁盘等资源的需求不同, 导致集群中的节点产生资源碎片、出现资源消耗倾斜. 如何提高集群资源利用率、降低集群能耗, 成为继保障服务级别协议(service level agreement, SLA)之后的重大挑战. 本文以阿里巴巴集团2021年发布的近两万个微服务的详细跟踪为数据样本, 从容器资源使用情况、节点部署特征和资源消耗偏好等多个维度出发, 分析其集群资源消耗特征, 发现集群中出现了资源消耗倾斜的情况. 通过进一步分析节点中容器部署情况发现容器资源分配不合理加剧了这一现象. 基于此我们提出了一种使用深度双Q网络的模型, 依据上游服务资源需求的实时变化, 对容器资源分配进行优化. 对比实验结果表明该方法可以在保证服务SLA的情况下有效提高容器资源利用率, 改善节点资源消耗倾斜的情况.
优先出版日期: 2023-02-28 , DOI: 10.15888/j.cnki.csa.009073
摘要：
在电子工业领域中, 印刷电路板(printed circuit board, PCB)缺陷检测已经变得越来越重要. PCB的部分微小损伤或者不规则损伤与其密集复杂的排线等视觉纹理信息高度相关. 传统卷积神经网络提取特征向量, 容易丢失纹理特征等中级视觉特征信息, 导致对于细微损伤和不规则损伤的检测效果不明显. 针对这一问题, 提出了基于孪生深度特征融合残差网络(siamese deep feature fusion residual network)的PCB损伤分类模型. 模型的骨干网络采用ResNet50. 特征提取阶段将纹理信息等中级视觉特征和神经网络最终输出的高级语义特征融合为一个32维的特征向量. 两个特征的向量的相似性用L2距离表示, 用于判断PCB是否有缺陷. 在训练阶段应用了三元损失和交叉熵损失, 多个损失函数的组合提高了网络的准确性. 通过实验验证了模型的有效性, 在测试数据集上的准确率达到了(95.42±0.31)%的准确率, 实现了模型在PCB缺陷分类检测的可行性.
在电子工业领域中, 印刷电路板(printed circuit board, PCB)缺陷检测已经变得越来越重要. PCB的部分微小损伤或者不规则损伤与其密集复杂的排线等视觉纹理信息高度相关. 传统卷积神经网络提取特征向量, 容易丢失纹理特征等中级视觉特征信息, 导致对于细微损伤和不规则损伤的检测效果不明显. 针对这一问题, 提出了基于孪生深度特征融合残差网络(siamese deep feature fusion residual network)的PCB损伤分类模型. 模型的骨干网络采用ResNet50. 特征提取阶段将纹理信息等中级视觉特征和神经网络最终输出的高级语义特征融合为一个32维的特征向量. 两个特征的向量的相似性用L2距离表示, 用于判断PCB是否有缺陷. 在训练阶段应用了三元损失和交叉熵损失, 多个损失函数的组合提高了网络的准确性. 通过实验验证了模型的有效性, 在测试数据集上的准确率达到了(95.42±0.31)%的准确率, 实现了模型在PCB缺陷分类检测的可行性.
优先出版日期: 2023-02-28 , DOI: 10.15888/j.cnki.csa.009079
摘要：
针对HLF (Hyperledger Fabric)区块链系统在排序阶段中存在的缺陷, 提出了一种基于对应比较图的图排序优化方案. 利用对应比较图具有相关不变性质的图合并过程以及其算法运行时间短的特点, 设计了一种基于交易重要度的拓扑算法, 旨在减少由于默认的顺序排序而导致的序列化冲突问题. 通过实验与分析, 表明该方案有效解决了原始方案的序列化冲突问题, 减少了系统中无效事务的比例, 提升了系统交易效率, 节省了大量的计算与存储资源.
针对HLF (Hyperledger Fabric)区块链系统在排序阶段中存在的缺陷, 提出了一种基于对应比较图的图排序优化方案. 利用对应比较图具有相关不变性质的图合并过程以及其算法运行时间短的特点, 设计了一种基于交易重要度的拓扑算法, 旨在减少由于默认的顺序排序而导致的序列化冲突问题. 通过实验与分析, 表明该方案有效解决了原始方案的序列化冲突问题, 减少了系统中无效事务的比例, 提升了系统交易效率, 节省了大量的计算与存储资源.
优先出版日期: 2023-02-28 , DOI: 10.15888/j.cnki.csa.009081
摘要：
随着检索式问答技术的日趋成熟, 如何有效利用现有的模型和检索工具, 达到问答系统的整体优化, 是亟待研究的现实问题. 提出了一种基于深度语义的三阶段式问题检索模型 (TSFR-RM), 用于构筑智能客服问答系统. 首先基于深度学习方法计算用户问题和知识库问题的文本表征相似度, 锁定top-k候选答案集, 同时赋予模型泛化检索的能力; 其次针对用户问题与知识库问题答案对, 构造多角度语义特征, 进行精确比对计算; 最后构造状态预测模型返回问题检索精准答案. 通过真实文旅机构客服问答数据集实验及实际应用效果表明, 该模型相较于其他基于特征和表征的问题检索模型, 在精确率(precision)性能指标上最高提升9.3个百分点, 提升优化了智能客服检索系统的准确性.
随着检索式问答技术的日趋成熟, 如何有效利用现有的模型和检索工具, 达到问答系统的整体优化, 是亟待研究的现实问题. 提出了一种基于深度语义的三阶段式问题检索模型 (TSFR-RM), 用于构筑智能客服问答系统. 首先基于深度学习方法计算用户问题和知识库问题的文本表征相似度, 锁定top-k候选答案集, 同时赋予模型泛化检索的能力; 其次针对用户问题与知识库问题答案对, 构造多角度语义特征, 进行精确比对计算; 最后构造状态预测模型返回问题检索精准答案. 通过真实文旅机构客服问答数据集实验及实际应用效果表明, 该模型相较于其他基于特征和表征的问题检索模型, 在精确率(precision)性能指标上最高提升9.3个百分点, 提升优化了智能客服检索系统的准确性.
优先出版日期: 2023-02-28 , DOI: 10.15888/j.cnki.csa.009082
摘要：
对于血液中红细胞、白细胞、血小板等成分的观察和计数是临床医学诊断的重要依据. 血细胞的异常意味着可能存在凝血异常、感染、炎症等与血液相关的问题. 人工检测血细胞不仅耗费人力, 且容易出现误检、漏检的情况. 因此, 针对上述情况, 提出一种新颖的血细胞检测算法—YOLOv5-CBF. 该算法在YOLOv5框架的基础上, 通过在主干网络中加入坐标注意力(coordinate attention, CA)机制, 提高检测精度; 将颈部网络中的FPN+PAN结构中改为结合了跨尺度特征融合方法(bidirectional feature pyramid network, BiFPN)思想的特征融合结构, 使目标多尺度特征有效融合; 在三尺度检测的基础上增加了一个小目标检测层, 提高对数据集中小目标血小板的识别精度. 通过在数据集BCCD上进行的大量的实验结果表明: 与传统的YOLOv5算法相比较, 该算法在3类血细胞检测的平均精度提升2.7%, 试验效果良好, 该算法对血细胞检测具有很高的实用性.
对于血液中红细胞、白细胞、血小板等成分的观察和计数是临床医学诊断的重要依据. 血细胞的异常意味着可能存在凝血异常、感染、炎症等与血液相关的问题. 人工检测血细胞不仅耗费人力, 且容易出现误检、漏检的情况. 因此, 针对上述情况, 提出一种新颖的血细胞检测算法—YOLOv5-CBF. 该算法在YOLOv5框架的基础上, 通过在主干网络中加入坐标注意力(coordinate attention, CA)机制, 提高检测精度; 将颈部网络中的FPN+PAN结构中改为结合了跨尺度特征融合方法(bidirectional feature pyramid network, BiFPN)思想的特征融合结构, 使目标多尺度特征有效融合; 在三尺度检测的基础上增加了一个小目标检测层, 提高对数据集中小目标血小板的识别精度. 通过在数据集BCCD上进行的大量的实验结果表明: 与传统的YOLOv5算法相比较, 该算法在3类血细胞检测的平均精度提升2.7%, 试验效果良好, 该算法对血细胞检测具有很高的实用性.
优先出版日期: 2023-02-24 , DOI: 10.15888/j.cnki.csa.009046
摘要：
光交换网络数据传输时根据数据性质不同, 用户对时延要求也有所不同, 如何在保证光交换调度效率的同时满足差异化时延需求, 是决定网络性能的一个重要因素. 目前针对光网络调度的研究主要基于逐个时隙或基于分组进行调度. 前者没有考虑重配置开销的问题, 无法处理大规模数据交换, 后者忽略了不同延迟以及QoS保证的需要. 为了解决数据中心光交换数据时延需求不同的问题, 本文提出两种新的调度算法SDF (stringent delay first)和m-SDF (m-order stringent delay first), 将不同数据包的差异化时延需求、配置顺序、重配置开销和加速比作为考虑因素, 在流量调度时采用贪心策略, 每次选择对时延最为敏感的数据包进行优先调度以满足时延需求. 所提算法在保证投递率的前提下, 能最大程度满足更多数据包的传输时延. 仿真实验表明两个算法具有较高的时延满足率, 证明了调度算法的有效性.
光交换网络数据传输时根据数据性质不同, 用户对时延要求也有所不同, 如何在保证光交换调度效率的同时满足差异化时延需求, 是决定网络性能的一个重要因素. 目前针对光网络调度的研究主要基于逐个时隙或基于分组进行调度. 前者没有考虑重配置开销的问题, 无法处理大规模数据交换, 后者忽略了不同延迟以及QoS保证的需要. 为了解决数据中心光交换数据时延需求不同的问题, 本文提出两种新的调度算法SDF (stringent delay first)和m-SDF (m-order stringent delay first), 将不同数据包的差异化时延需求、配置顺序、重配置开销和加速比作为考虑因素, 在流量调度时采用贪心策略, 每次选择对时延最为敏感的数据包进行优先调度以满足时延需求. 所提算法在保证投递率的前提下, 能最大程度满足更多数据包的传输时延. 仿真实验表明两个算法具有较高的时延满足率, 证明了调度算法的有效性.
优先出版日期: 2023-02-24 , DOI: 10.15888/j.cnki.csa.009048
摘要：
针对交通目标检测模型参数量大、检测精度低、检测速度慢、泛化性差等问题, 提出一种基于GhostNet与注意力机制的YOLOv5交通目标实时检测模型. 采用基于遗传算法的K-means聚类方法获取适用于车辆检测的最佳预选框; 采用轻量的Ghost卷积提取目标特征, 并构建基于CSP结构的C3Ghost模块, 大幅度压缩模型参数量, 降低计算成本, 提高计算速度; 在特征融合层添加Transformer Block和CBAM注意力模块, 来探索模型特征提取潜力以及为模型在密集对象的场景中寻找注意力区域; UA-DETRAC数据集上的消融实验和综合性能评价结果表明所提模型平均精度达到98.68%, 参数量为47 M, 检测速度为65 FPS, 与YOLOv5相比, 参数量压缩了34%, 速度提升43%, 平均精度提高了1.05%.
针对交通目标检测模型参数量大、检测精度低、检测速度慢、泛化性差等问题, 提出一种基于GhostNet与注意力机制的YOLOv5交通目标实时检测模型. 采用基于遗传算法的K-means聚类方法获取适用于车辆检测的最佳预选框; 采用轻量的Ghost卷积提取目标特征, 并构建基于CSP结构的C3Ghost模块, 大幅度压缩模型参数量, 降低计算成本, 提高计算速度; 在特征融合层添加Transformer Block和CBAM注意力模块, 来探索模型特征提取潜力以及为模型在密集对象的场景中寻找注意力区域; UA-DETRAC数据集上的消融实验和综合性能评价结果表明所提模型平均精度达到98.68%, 参数量为47 M, 检测速度为65 FPS, 与YOLOv5相比, 参数量压缩了34%, 速度提升43%, 平均精度提高了1.05%.
优先出版日期: 2023-02-24 , DOI: 10.15888/j.cnki.csa.009037
摘要：
复杂网络作为现今科学研究中的一个热点学科, 在过去20年里得到了巨大的发展. 现实中大量的复杂的交互系统, 比如互联网、交通运输网、神经网络等都可以抽象为复杂网络, 以进行系统的分析和研究. 进化算法作为优化工具应用于复杂网络的不同领域的各个任务中, 如网络社团结构的检测任务、网络动力学中的鲁棒性优化任务、网络传播中关键节点的搜寻任务等. 本文首先对复杂网络和进化算法相关的基础知识进行了全面的概述, 重点讨论了复杂网络中目标优化的研究进展, 针对不同任务对优化目标及其具体应用展开了详细介绍, 同时, 对算法的性能评价指标进行了概述. 此外, 本文通过一系列实验展示了单/多目标优化算法在复杂网络优化问题上的性能表现, 以及部分目标之间的相关性关系. 最后对复杂网络中优化问题未来的研究动向进行了展望, 为今后研究人员开展进化计算和复杂网络相结合的相关研究提供一些思路.
复杂网络作为现今科学研究中的一个热点学科, 在过去20年里得到了巨大的发展. 现实中大量的复杂的交互系统, 比如互联网、交通运输网、神经网络等都可以抽象为复杂网络, 以进行系统的分析和研究. 进化算法作为优化工具应用于复杂网络的不同领域的各个任务中, 如网络社团结构的检测任务、网络动力学中的鲁棒性优化任务、网络传播中关键节点的搜寻任务等. 本文首先对复杂网络和进化算法相关的基础知识进行了全面的概述, 重点讨论了复杂网络中目标优化的研究进展, 针对不同任务对优化目标及其具体应用展开了详细介绍, 同时, 对算法的性能评价指标进行了概述. 此外, 本文通过一系列实验展示了单/多目标优化算法在复杂网络优化问题上的性能表现, 以及部分目标之间的相关性关系. 最后对复杂网络中优化问题未来的研究动向进行了展望, 为今后研究人员开展进化计算和复杂网络相结合的相关研究提供一些思路.
优先出版日期: 2023-02-24 , DOI: 10.15888/j.cnki.csa.009026
摘要：
为研究沥青路面抗滑性能影响因素, 精确预测路面抗滑性能, 本文使用Gocator 3110三维智能传感器采集沥青混合料试件表面纹理并使用摆式摩擦仪测试试件表面摩擦系数. 针对三维纹理点云数据中的异常数据, 提出基于径向基函数(RBF)的邻域插值算法进行数据质量提升. 根据修复后的三维纹理点云数据计算出具有代表性的10类宏观纹理特征参数, 并采用Pearson系数相关性分析法去除冗余因子, 改进模型的输入特征, 并构建基于改进灰狼优化算法(IGWO)与XGBoost融合的沥青路面抗滑性能预测模型, 预测沥青路面的摩擦系数. 结果表明, 提出模型的预测精度优于多元线性回归模型、支持向量机回归模型以及基于网格化搜索的XGBoost模型.
为研究沥青路面抗滑性能影响因素, 精确预测路面抗滑性能, 本文使用Gocator 3110三维智能传感器采集沥青混合料试件表面纹理并使用摆式摩擦仪测试试件表面摩擦系数. 针对三维纹理点云数据中的异常数据, 提出基于径向基函数(RBF)的邻域插值算法进行数据质量提升. 根据修复后的三维纹理点云数据计算出具有代表性的10类宏观纹理特征参数, 并采用Pearson系数相关性分析法去除冗余因子, 改进模型的输入特征, 并构建基于改进灰狼优化算法(IGWO)与XGBoost融合的沥青路面抗滑性能预测模型, 预测沥青路面的摩擦系数. 结果表明, 提出模型的预测精度优于多元线性回归模型、支持向量机回归模型以及基于网格化搜索的XGBoost模型.
优先出版日期: 2023-02-24 , DOI: 10.15888/j.cnki.csa.009072
摘要：
蚊虫是多种疾病的传播媒介, 对病媒蚊虫的监测是预防蚊媒疾病的关键, 针对传统病媒蚊虫的人工鉴定方法成本较高且效率低下, 提出深度学习下的病媒蚊虫分类方法, 基于迁移学习, 微调(fine-tuning) ResNet18、DenseNet121、MobileNetV2这3种ImageNet预训练模型, 在900张少量蚊虫数据集下采用K折交叉验证, 对埃及伊蚊、白纹伊蚊、库蚊3种蚊虫进行分类, 评估模型性能, 平均峰值准确率分别达到了95%、97%、97%. 最后, 利用在900张蚊虫数据集下重新训练后的模型, 对344张蚊虫图像进行预测, 其中轻量化模型MobileNetV2达到了最高0.95的精准率(precision)、召回率(recall)、F1 score. 结合3种模型的最终预测准确率, 得出轻量化的模型MobileNetV2在少量数据集下表现更优. 实验改变了以往的模型微调方式, 通过设置模型分类层学习率为前层学习率的10倍, 与前人实验相比, 对白纹伊蚊的预测准确率提高了5%–6%, 解决了少量数据样本的训练收敛问题, 进一步拓展了病媒蚊虫识别的适用环境.
蚊虫是多种疾病的传播媒介, 对病媒蚊虫的监测是预防蚊媒疾病的关键, 针对传统病媒蚊虫的人工鉴定方法成本较高且效率低下, 提出深度学习下的病媒蚊虫分类方法, 基于迁移学习, 微调(fine-tuning) ResNet18、DenseNet121、MobileNetV2这3种ImageNet预训练模型, 在900张少量蚊虫数据集下采用K折交叉验证, 对埃及伊蚊、白纹伊蚊、库蚊3种蚊虫进行分类, 评估模型性能, 平均峰值准确率分别达到了95%、97%、97%. 最后, 利用在900张蚊虫数据集下重新训练后的模型, 对344张蚊虫图像进行预测, 其中轻量化模型MobileNetV2达到了最高0.95的精准率(precision)、召回率(recall)、F1 score. 结合3种模型的最终预测准确率, 得出轻量化的模型MobileNetV2在少量数据集下表现更优. 实验改变了以往的模型微调方式, 通过设置模型分类层学习率为前层学习率的10倍, 与前人实验相比, 对白纹伊蚊的预测准确率提高了5%–6%, 解决了少量数据样本的训练收敛问题, 进一步拓展了病媒蚊虫识别的适用环境.
优先出版日期: 2023-02-24 , DOI: 10.15888/j.cnki.csa.009074
摘要：
部分最大可满足性问题是可满足性问题的重要变体, 它可以同时处理硬约束和软约束, 因此可以对广泛的现实问题进行建模. 局部搜索求解器是为该问题寻找高质量解的主流方法, 它依赖于问题实例的初始数据状态. 本文针对局部搜索求解器SATLike3.0的初始解生成过程, 提出了优先满足硬约束的改进策略, 最终得到的算法名为HFCRP-F. 该算法作用于构造初始解和初始权重配置阶段, 主要包括优先传播尚未满足的硬约束中的未赋值变量, 以及根据已找到的解为约束增加初始权重, 由此指导后续的局部搜索过程. 本文采用MaxSAT Evaluation 2018–2021中的数据集对HFCRP-F和SATLike3.0进行测试, 结果表明HFCRP-F处理加权实例的性能明显优于SATLike3.0, 同时处理非加权实例的性能与SATLike3.0基本持平.
部分最大可满足性问题是可满足性问题的重要变体, 它可以同时处理硬约束和软约束, 因此可以对广泛的现实问题进行建模. 局部搜索求解器是为该问题寻找高质量解的主流方法, 它依赖于问题实例的初始数据状态. 本文针对局部搜索求解器SATLike3.0的初始解生成过程, 提出了优先满足硬约束的改进策略, 最终得到的算法名为HFCRP-F. 该算法作用于构造初始解和初始权重配置阶段, 主要包括优先传播尚未满足的硬约束中的未赋值变量, 以及根据已找到的解为约束增加初始权重, 由此指导后续的局部搜索过程. 本文采用MaxSAT Evaluation 2018–2021中的数据集对HFCRP-F和SATLike3.0进行测试, 结果表明HFCRP-F处理加权实例的性能明显优于SATLike3.0, 同时处理非加权实例的性能与SATLike3.0基本持平.
优先出版日期: 2023-02-24 , DOI: 10.15888/j.cnki.csa.009058
摘要：
近年来, 国家越来越重视林业的发展, 而林业病害防治问题始终是林业发展过程中的一项重点工作. 针对传统林业病害识别方法存在数据需求量大、模型易过拟合、部分病害类别采样困难, 缺乏标准公开数据集等问题, 提出了一种基于小样本学习的林业病害识别模型(DML-MB模型), 实现了对于林业病害任务的识别. 首先, 利用从林业局获取的林业病害数据, 整理并建立了7类, 共210张林业病害图像数据集. 其次, 模型在训练分类器的过程中引入深度相互学习(DML)策略, 让不同网络在训练时不断分享学习经验, 提升了深度神经网络的性能. 最后, 删除分类器中的全连接层获得特征提取器并迁移到DML-MB模型的元学习网络中进行训练. 实验结果表明, DML-MB模型在林业病害数据集上的1-shot和5-shot的测试精度分别为61.38%和73.56%, 相较于主流的小样本模型, 精度最高提升了2.78%和4.52%.
近年来, 国家越来越重视林业的发展, 而林业病害防治问题始终是林业发展过程中的一项重点工作. 针对传统林业病害识别方法存在数据需求量大、模型易过拟合、部分病害类别采样困难, 缺乏标准公开数据集等问题, 提出了一种基于小样本学习的林业病害识别模型(DML-MB模型), 实现了对于林业病害任务的识别. 首先, 利用从林业局获取的林业病害数据, 整理并建立了7类, 共210张林业病害图像数据集. 其次, 模型在训练分类器的过程中引入深度相互学习(DML)策略, 让不同网络在训练时不断分享学习经验, 提升了深度神经网络的性能. 最后, 删除分类器中的全连接层获得特征提取器并迁移到DML-MB模型的元学习网络中进行训练. 实验结果表明, DML-MB模型在林业病害数据集上的1-shot和5-shot的测试精度分别为61.38%和73.56%, 相较于主流的小样本模型, 精度最高提升了2.78%和4.52%.
优先出版日期: 2023-02-17 , DOI: 10.15888/j.cnki.csa.009068
摘要：
面对海量的在线学习资源, 学习者往往面临“信息过载”和“信息迷航”等问题, 帮助学习者高效准确地获取适合自己的学习资源来提升学习效果, 已成为研究热点. 针对现有方法存在的可解释性差、推荐效率和准确度不足等问题, 提出了一种基于知识图谱和图嵌入的个性化学习资源推荐方法, 它基于在线学习通用本体模型构建在线学习环境知识图谱, 利用图嵌入算法对知识图谱进行训练, 以优化学习资源推荐中的图计算效率. 基于学习者的学习风格特征进行聚类来优化学习者的资源兴趣度, 以获得排序后的学习资源推荐结果. 实验结果表明, 相对于现有方法, 所提方法能在大规模图数据场景下显著提升计算效率和个性化学习资源推荐的准确度.
面对海量的在线学习资源, 学习者往往面临“信息过载”和“信息迷航”等问题, 帮助学习者高效准确地获取适合自己的学习资源来提升学习效果, 已成为研究热点. 针对现有方法存在的可解释性差、推荐效率和准确度不足等问题, 提出了一种基于知识图谱和图嵌入的个性化学习资源推荐方法, 它基于在线学习通用本体模型构建在线学习环境知识图谱, 利用图嵌入算法对知识图谱进行训练, 以优化学习资源推荐中的图计算效率. 基于学习者的学习风格特征进行聚类来优化学习者的资源兴趣度, 以获得排序后的学习资源推荐结果. 实验结果表明, 相对于现有方法, 所提方法能在大规模图数据场景下显著提升计算效率和个性化学习资源推荐的准确度.
优先出版日期: 2023-02-17 , DOI: 10.15888/j.cnki.csa.009070
摘要：
容器监控是保证容器基础设施正常运行的核心要素之一, 然而当前容器监控角度较为单一, 尚缺少直观有效的方法协助运维人员快速定位业务容器异常原因. 本文设计并实现了一个面向Kubernetes的容器立体化监控系统, 通过监控指标相关性分析, 把相关性较强的指标作为立体化监控的核心指标提供给运维人员, 更好地实现对容器的全局统筹监控.
容器监控是保证容器基础设施正常运行的核心要素之一, 然而当前容器监控角度较为单一, 尚缺少直观有效的方法协助运维人员快速定位业务容器异常原因. 本文设计并实现了一个面向Kubernetes的容器立体化监控系统, 通过监控指标相关性分析, 把相关性较强的指标作为立体化监控的核心指标提供给运维人员, 更好地实现对容器的全局统筹监控.
优先出版日期: 2023-02-17 , DOI: 10.15888/j.cnki.csa.009071
摘要：
针对目前基于深度学习的高分辨率遥感图像分割模型由于参数量大、计算复杂而导致高延迟、低响应的问题, 提出了一种轻量级遥感地物分割方法, 较好的平衡了速度和精度. 该方法使用MobileNetV2进行特征粗提取, 通过构建空间信息嵌入分支实现不同尺度的特征细提取, 不同层次之间引入密集连接以获取密集的上下文信息. 解码端设计特征融合优化策略逐层融合不同尺度的特征增加对细粒度特征的感知, 同时以反卷积与双线性插值交替的上采样方式减少图像边缘信息丢失. 最后采用交叉熵损失与Dice损失结合的方式加快网络收敛速度. 为了验证所提方法的有效性, 与几种常用的语义分割方法进行了对比实验. 实验结果表明, 所提算法的分割准确率为93.7%, MIoU为88.01%, 可以实现地物的有效分割.
针对目前基于深度学习的高分辨率遥感图像分割模型由于参数量大、计算复杂而导致高延迟、低响应的问题, 提出了一种轻量级遥感地物分割方法, 较好的平衡了速度和精度. 该方法使用MobileNetV2进行特征粗提取, 通过构建空间信息嵌入分支实现不同尺度的特征细提取, 不同层次之间引入密集连接以获取密集的上下文信息. 解码端设计特征融合优化策略逐层融合不同尺度的特征增加对细粒度特征的感知, 同时以反卷积与双线性插值交替的上采样方式减少图像边缘信息丢失. 最后采用交叉熵损失与Dice损失结合的方式加快网络收敛速度. 为了验证所提方法的有效性, 与几种常用的语义分割方法进行了对比实验. 实验结果表明, 所提算法的分割准确率为93.7%, MIoU为88.01%, 可以实现地物的有效分割.
优先出版日期: 2023-02-17 , DOI: 10.15888/j.cnki.csa.009054
摘要：
在化工厂区的油罐车装卸区, 防止油罐车静电的产生和危害是避免加油车燃爆的重要手段, 通过静电接地线可以将油罐车感应的静电导走, 避免与外界物质产生跳火. 如何确保接地线在装卸车流程中正确安装不会被意外拆卸或提前拆卸是厂区急需解决的问题. 为确保在防爆区内用防爆摄像头的情况下能够对实时画面进行实时检测, 针对接地线连接角度不一, 拉伸后变细等特点提出将深度学习YOLOv5目标检测算法通过引入自注意力机制CotNet的方法. 在自制的接地线数据集上进行算法的检测速度和检测精度对比, 实验结果表明, 改进后的YOLOv5算法在速度稍有降低的情况下提高了5%的检测精度, 可以满足现场接地线检测需求.
在化工厂区的油罐车装卸区, 防止油罐车静电的产生和危害是避免加油车燃爆的重要手段, 通过静电接地线可以将油罐车感应的静电导走, 避免与外界物质产生跳火. 如何确保接地线在装卸车流程中正确安装不会被意外拆卸或提前拆卸是厂区急需解决的问题. 为确保在防爆区内用防爆摄像头的情况下能够对实时画面进行实时检测, 针对接地线连接角度不一, 拉伸后变细等特点提出将深度学习YOLOv5目标检测算法通过引入自注意力机制CotNet的方法. 在自制的接地线数据集上进行算法的检测速度和检测精度对比, 实验结果表明, 改进后的YOLOv5算法在速度稍有降低的情况下提高了5%的检测精度, 可以满足现场接地线检测需求.
优先出版日期: 2023-02-17 , DOI: 10.15888/j.cnki.csa.009056
摘要：
为了实时检测并识别路上的交通标志, 针对在不良光照情况影响下小型交通标志的识别精确度较低、误检、漏检严重的问题, 提出了一种基于改进YOLOv5的交通标志识别模型.首先在YOLOv5模型的浅层特征图层增加一次concat操作, 将浅层的特征信息结合中间特征图层作为一个检测头, 有利于小目标交通标志的识别效率. 其次将坐标注意力机制添加到YOLOv5模型中, 从而提高特征提取的效率. 对中国交通标志数据集TT100K进行数据扩充和暗光增强的操作, 最后在经过预处理的TT100K数据集上验证本文改进的模型检测效果. 实验结果表明本文改进的模型对小目标及昏暗情况的交通标志识别效率有很大的提升. 本文改进的YOLOv5模型与最初的YOLOv5模型均在扩充后的数据集上进行训练后的结果相比, 在准确率上提升了1.5%, 达到了93.4%; 召回率提升了6.8%, 达到了92.3%; mAP值提高了5.2%, 达到了96.2%.
为了实时检测并识别路上的交通标志, 针对在不良光照情况影响下小型交通标志的识别精确度较低、误检、漏检严重的问题, 提出了一种基于改进YOLOv5的交通标志识别模型.首先在YOLOv5模型的浅层特征图层增加一次concat操作, 将浅层的特征信息结合中间特征图层作为一个检测头, 有利于小目标交通标志的识别效率. 其次将坐标注意力机制添加到YOLOv5模型中, 从而提高特征提取的效率. 对中国交通标志数据集TT100K进行数据扩充和暗光增强的操作, 最后在经过预处理的TT100K数据集上验证本文改进的模型检测效果. 实验结果表明本文改进的模型对小目标及昏暗情况的交通标志识别效率有很大的提升. 本文改进的YOLOv5模型与最初的YOLOv5模型均在扩充后的数据集上进行训练后的结果相比, 在准确率上提升了1.5%, 达到了93.4%; 召回率提升了6.8%, 达到了92.3%; mAP值提高了5.2%, 达到了96.2%.
优先出版日期: 2023-02-17 , DOI: 10.15888/j.cnki.csa.009049
摘要：
分布式拒绝攻击(distributed denial of service, DDoS)作为一种传统的网络攻击方式, 依旧对网络安全存在着较大的威胁. 本文研究基于高性能网络安全芯片SoC+IP的构建模式, 针对网络层DDoS攻击, 提出了一种从硬件层面实现的DDoS攻击识别方法. 根据硬件协议栈设计原理, 利用逻辑电路门处理网络数据包进行拆解分析, 随后对拆解后的信息进行攻击判定, 将认定为攻击的数据包信息记录在攻击池中, 等待主机随时读取. 并通过硬件逻辑电路实现了基于该方法的DDoS攻击识别IP核(intellectual property core), IP核采用AHB总线配置寄存器的方式进行控制. 在基于SV/UVM的仿真验证平台进行综合和功能性测试. 实验表明, IP核满足设计要求, 可实时进行DDoS攻击识别检测, 有效提高高性能网络安全芯片的安全防护功能.
分布式拒绝攻击(distributed denial of service, DDoS)作为一种传统的网络攻击方式, 依旧对网络安全存在着较大的威胁. 本文研究基于高性能网络安全芯片SoC+IP的构建模式, 针对网络层DDoS攻击, 提出了一种从硬件层面实现的DDoS攻击识别方法. 根据硬件协议栈设计原理, 利用逻辑电路门处理网络数据包进行拆解分析, 随后对拆解后的信息进行攻击判定, 将认定为攻击的数据包信息记录在攻击池中, 等待主机随时读取. 并通过硬件逻辑电路实现了基于该方法的DDoS攻击识别IP核(intellectual property core), IP核采用AHB总线配置寄存器的方式进行控制. 在基于SV/UVM的仿真验证平台进行综合和功能性测试. 实验表明, IP核满足设计要求, 可实时进行DDoS攻击识别检测, 有效提高高性能网络安全芯片的安全防护功能.
优先出版日期: 2023-02-10 , DOI: 10.15888/j.cnki.csa.009064
摘要：
海洋渔业领域中渔船轨迹数据具有时空性和非平稳性的特点, 针对目前渔船作业方式识别方法存在对数据信息提取不充分及识别精度低的问题, 提出了一种基于一维卷积神经网络(one-dimensional convolutional neural network, 1DCNN)和加入自注意力(self-attention)的门控循环单元网络(gated recurrent unit, GRU)的渔船作业方式识别模型(1DCNN-SAGRU). 模型利用一维CNN和GRU充分提取渔船轨迹数据的局部空间特征和时序上的依赖关系, 并引入自注意力机制强化模型对关键信息的关注能力. 最后引入dropout方法和RAdam优化器对模型进行改进和优化, 防止模型过拟合的同时加快网络的收敛速度和输出准确性. 经实验和分析表明, 相较于其他对比模型, 该模型在准确率上最高可提升4.4个百分点, 说明该模型能更准确地识别渔船拖网、围网和刺网作业, 有利于加强渔船监管能力和渔业资源的保护.
海洋渔业领域中渔船轨迹数据具有时空性和非平稳性的特点, 针对目前渔船作业方式识别方法存在对数据信息提取不充分及识别精度低的问题, 提出了一种基于一维卷积神经网络(one-dimensional convolutional neural network, 1DCNN)和加入自注意力(self-attention)的门控循环单元网络(gated recurrent unit, GRU)的渔船作业方式识别模型(1DCNN-SAGRU). 模型利用一维CNN和GRU充分提取渔船轨迹数据的局部空间特征和时序上的依赖关系, 并引入自注意力机制强化模型对关键信息的关注能力. 最后引入dropout方法和RAdam优化器对模型进行改进和优化, 防止模型过拟合的同时加快网络的收敛速度和输出准确性. 经实验和分析表明, 相较于其他对比模型, 该模型在准确率上最高可提升4.4个百分点, 说明该模型能更准确地识别渔船拖网、围网和刺网作业, 有利于加强渔船监管能力和渔业资源的保护.
优先出版日期: 2023-02-10 , DOI: 10.15888/j.cnki.csa.009060
摘要：
为实现垃圾分选自动化, 确保垃圾正确分类, 提出了一种基于YOLOv4的轻量级垃圾检测算法. 算法对YOLOv4中的主干网络CSPDarknet53, 使用层级调整后的MobileNetV3网络进行替换, 使得网络架构更适用于YOLOv4网络, 并提升网络的检测速度; 同时结合Ghost模块和MobileNeXt网络结构思想, 设计了一种全新的bottleneck, 用以替换主干网络中的bottleneck, 以提升模型的检测精度; 接着在主干网络中添加大残差边结构, 以提升网络的检测精度; 然后在颈部网络之前添加CA (coordinate attention)注意力机制, 进一步提升网络的检测精度; 最后为避免K-means算法在聚类过程中陷入局部极值, 使用二分K-means算法对垃圾检测数据集进行anchor box的重新聚类. 实验结果表明, 重新设计的网络与YOLOv4网络的mAP值相近, 但参数量减少了89%, 检测速度提升了51%, FPS值达到了67.5 (on NVIDIA GeForce RTX 3060), 可实现部署到算力和内存较低的嵌入式设备中.
为实现垃圾分选自动化, 确保垃圾正确分类, 提出了一种基于YOLOv4的轻量级垃圾检测算法. 算法对YOLOv4中的主干网络CSPDarknet53, 使用层级调整后的MobileNetV3网络进行替换, 使得网络架构更适用于YOLOv4网络, 并提升网络的检测速度; 同时结合Ghost模块和MobileNeXt网络结构思想, 设计了一种全新的bottleneck, 用以替换主干网络中的bottleneck, 以提升模型的检测精度; 接着在主干网络中添加大残差边结构, 以提升网络的检测精度; 然后在颈部网络之前添加CA (coordinate attention)注意力机制, 进一步提升网络的检测精度; 最后为避免K-means算法在聚类过程中陷入局部极值, 使用二分K-means算法对垃圾检测数据集进行anchor box的重新聚类. 实验结果表明, 重新设计的网络与YOLOv4网络的mAP值相近, 但参数量减少了89%, 检测速度提升了51%, FPS值达到了67.5 (on NVIDIA GeForce RTX 3060), 可实现部署到算力和内存较低的嵌入式设备中.
优先出版日期: 2023-02-10 , DOI: 10.15888/j.cnki.csa.009061
摘要：
为有效改善多图像加密质量及其对数据传输的安全性, 提出一种基于超混沌系统的多权限多图像加密算法. 首先, 将L幅明文图像分别进行分段线性混沌映射(piece-wise linear chaotic map, PWLCM)的双层交叉耦合操作, 并通过异或进行合并得到类噪声图像; 接着, 采用最低有效位嵌入算法将类噪声图像嵌入到第L+1幅明文图像信息中, 得到半加密图像; 最后, 通过结合一维的cubic映射和一维帐篷映射, 产生一个二维cubic-帐篷混沌映射(two-dimensional cubic-tent modular map, 2D-CTMM), 利用其对半加密图像扩散后进行双层阶梯置乱, 得到密文图像. 实验结果表明: 所提方法对明文以及密钥十分敏感, 密钥空间大, 可以有效抵御统计攻击和差分攻击, 并且该算法在保证安全性的前提下, 实现了用户多权限解密以及用户部分解密工作.
为有效改善多图像加密质量及其对数据传输的安全性, 提出一种基于超混沌系统的多权限多图像加密算法. 首先, 将L幅明文图像分别进行分段线性混沌映射(piece-wise linear chaotic map, PWLCM)的双层交叉耦合操作, 并通过异或进行合并得到类噪声图像; 接着, 采用最低有效位嵌入算法将类噪声图像嵌入到第L+1幅明文图像信息中, 得到半加密图像; 最后, 通过结合一维的cubic映射和一维帐篷映射, 产生一个二维cubic-帐篷混沌映射(two-dimensional cubic-tent modular map, 2D-CTMM), 利用其对半加密图像扩散后进行双层阶梯置乱, 得到密文图像. 实验结果表明: 所提方法对明文以及密钥十分敏感, 密钥空间大, 可以有效抵御统计攻击和差分攻击, 并且该算法在保证安全性的前提下, 实现了用户多权限解密以及用户部分解密工作.
优先出版日期: 2023-02-10 , DOI: 10.15888/j.cnki.csa.009062
摘要：
为对半导体晶圆的表面缺陷进行快速检测, 提出一种基于深度可分离卷积和注意力机制的轻量级网络, 并在WM-811K数据集上进行了实验. 为解决该数据集中9种不同类别的缺陷比例相对不平衡问题, 采用了数据增强方法对较少数据的缺陷类别进行数据扩充. 本文模型中的深度可分离卷积可以降低模型的参数量, 提高模型的推理速度; 注意力机制可以使模型更加关注晶圆图像中有缺陷的区域, 使模型达到更好的分类效果. 实验表明, 所提方法在WM-811K数据集上的平均准确率高达96.5%, 相对于ANN、VGG16、MobileNetv2等方法均有不同程度的提高, 并且参数量和运算量只是经典轻量级网络MobileNetv2的73.5%和28.6%.
为对半导体晶圆的表面缺陷进行快速检测, 提出一种基于深度可分离卷积和注意力机制的轻量级网络, 并在WM-811K数据集上进行了实验. 为解决该数据集中9种不同类别的缺陷比例相对不平衡问题, 采用了数据增强方法对较少数据的缺陷类别进行数据扩充. 本文模型中的深度可分离卷积可以降低模型的参数量, 提高模型的推理速度; 注意力机制可以使模型更加关注晶圆图像中有缺陷的区域, 使模型达到更好的分类效果. 实验表明, 所提方法在WM-811K数据集上的平均准确率高达96.5%, 相对于ANN、VGG16、MobileNetv2等方法均有不同程度的提高, 并且参数量和运算量只是经典轻量级网络MobileNetv2的73.5%和28.6%.
优先出版日期: 2023-02-10 , DOI: 10.15888/j.cnki.csa.009063
摘要：
地貌晕渲是大尺度战场仿真中的重要一环, 针对现有的地貌晕渲技术在细节处纹理特征不明显的问题, 提出了一种结合高程曲率和环境光遮蔽的大尺度战场地貌晕渲增强方法. 第1步, 通过分析数字高程数据的曲率属性生成地形曲率图, 曲率图与卫星影像叠加可以突出显示地貌特征线. 第2步, 提出一种基于深度可分离卷积的环境光遮蔽计算方法, 能够增强战场地形在沟壑处的视觉表现. 最后将曲率图、环境光遮蔽与卫星影像三者融合生成实时地貌晕渲效果. 实验表明, 本文方法可以在较低级别的全球卫星影像上呈现更好的视觉效果, 使得观察者在把握三维地形整体走势的同时, 能进一步分析地貌细节处的纹理特征.
地貌晕渲是大尺度战场仿真中的重要一环, 针对现有的地貌晕渲技术在细节处纹理特征不明显的问题, 提出了一种结合高程曲率和环境光遮蔽的大尺度战场地貌晕渲增强方法. 第1步, 通过分析数字高程数据的曲率属性生成地形曲率图, 曲率图与卫星影像叠加可以突出显示地貌特征线. 第2步, 提出一种基于深度可分离卷积的环境光遮蔽计算方法, 能够增强战场地形在沟壑处的视觉表现. 最后将曲率图、环境光遮蔽与卫星影像三者融合生成实时地貌晕渲效果. 实验表明, 本文方法可以在较低级别的全球卫星影像上呈现更好的视觉效果, 使得观察者在把握三维地形整体走势的同时, 能进一步分析地貌细节处的纹理特征.
优先出版日期: 2023-02-10 , DOI: 10.15888/j.cnki.csa.009034
摘要：
Kubernetes是一个管理容器化应用的开源平台, 其默认的调度算法在优选阶段仅把CPU和内存两种资源来作为计算节点的评分指标, 同时还忽略了不同类型的Pod对节点资源的占用比例是不同的, 容易导致某一资源达到性能瓶颈, 从而造成节点对资源使用失衡. 针对上述问题, 本文在Kubernetes原有的资源指标基础上增加了带宽和磁盘容量, 考虑到CPU、内存、带宽和磁盘容量这4类资源在节点上的占用比例对节点的性能的影响, 可能造成Pod中应用的非正常运行, 甚至杀死Pod, 从而影响集群整体的高可靠性. 本文将等待创建的Pod区分为可压缩消耗型、不可压缩消耗型以及均衡型, 并为每种类型的Pod设置相应的权重, 最后通过改进的秃鹰搜索算法(TBESK)来寻找出最优节点进行调度. 实验结果表明, 随着集群中Pod的数量在不断增加, 在集群负载较大的情况下, TBESK算法的综合负载标准差和默认的调度算法相比提升了24%.
Kubernetes是一个管理容器化应用的开源平台, 其默认的调度算法在优选阶段仅把CPU和内存两种资源来作为计算节点的评分指标, 同时还忽略了不同类型的Pod对节点资源的占用比例是不同的, 容易导致某一资源达到性能瓶颈, 从而造成节点对资源使用失衡. 针对上述问题, 本文在Kubernetes原有的资源指标基础上增加了带宽和磁盘容量, 考虑到CPU、内存、带宽和磁盘容量这4类资源在节点上的占用比例对节点的性能的影响, 可能造成Pod中应用的非正常运行, 甚至杀死Pod, 从而影响集群整体的高可靠性. 本文将等待创建的Pod区分为可压缩消耗型、不可压缩消耗型以及均衡型, 并为每种类型的Pod设置相应的权重, 最后通过改进的秃鹰搜索算法(TBESK)来寻找出最优节点进行调度. 实验结果表明, 随着集群中Pod的数量在不断增加, 在集群负载较大的情况下, TBESK算法的综合负载标准差和默认的调度算法相比提升了24%.
优先出版日期: 2023-02-10 , DOI: 10.15888/j.cnki.csa.009035
摘要：
针对行人重识别研究中的遮挡问题, 本文提出了一种姿态驱动的局部特征对齐的行人重识别方法. 网络主要包括姿态编码器和行人部件对齐模块. 其中, 姿态编码器通过重构姿态估计热力图抑制遮挡区域骨骼关键点置信度, 引导网络提取行人可见部位的特征. 行人部件对齐模块依据姿态编码器输出的关键点置信图, 提取行人局部特征进行特征对齐, 降低非行人特征的干扰. 在遮挡、半身数据集上的仿真实验表明, 该方法获得了优于其他对比网络的结果.
针对行人重识别研究中的遮挡问题, 本文提出了一种姿态驱动的局部特征对齐的行人重识别方法. 网络主要包括姿态编码器和行人部件对齐模块. 其中, 姿态编码器通过重构姿态估计热力图抑制遮挡区域骨骼关键点置信度, 引导网络提取行人可见部位的特征. 行人部件对齐模块依据姿态编码器输出的关键点置信图, 提取行人局部特征进行特征对齐, 降低非行人特征的干扰. 在遮挡、半身数据集上的仿真实验表明, 该方法获得了优于其他对比网络的结果.
优先出版日期: 2023-01-06 , DOI: 10.15888/j.cnki.csa.009050
摘要：
现有基于深度学习的哈希图像检索方法通常使用全连接作为哈希编码层, 并行输出每一位哈希编码, 这种方法将哈希编码都视为图像的信息编码, 忽略了编码过程中哈希码各个比特位之间的关联性与整段编码的冗余性, 导致网络编码性能受限. 因此, 本文基于编码校验的原理, 提出了串行哈希编码的深度哈希方法——串行哈希编码网络 (serial hashing network, SHNet). 与传统的哈希编码方法不同, SHNet将哈希编码网络层结构设计为串行方式, 在生成哈希码过程中对串行生成的前部分哈希编码进行校验, 从而充分利用编码的关联性与冗余性生成信息量更为丰富、更加紧凑、判别力更强的哈希码. 采用mAP作为检索性能评价标准, 将本文所提方法与目前主流哈希方法进行比较, 实验结果表明本文在不同哈希编码长度下的mAP值在3个数据集CIFAR-10、ImageNet、NUS-WIDE上都优于目前主流深度哈希算法, 证明了其有效性.
现有基于深度学习的哈希图像检索方法通常使用全连接作为哈希编码层, 并行输出每一位哈希编码, 这种方法将哈希编码都视为图像的信息编码, 忽略了编码过程中哈希码各个比特位之间的关联性与整段编码的冗余性, 导致网络编码性能受限. 因此, 本文基于编码校验的原理, 提出了串行哈希编码的深度哈希方法——串行哈希编码网络 (serial hashing network, SHNet). 与传统的哈希编码方法不同, SHNet将哈希编码网络层结构设计为串行方式, 在生成哈希码过程中对串行生成的前部分哈希编码进行校验, 从而充分利用编码的关联性与冗余性生成信息量更为丰富、更加紧凑、判别力更强的哈希码. 采用mAP作为检索性能评价标准, 将本文所提方法与目前主流哈希方法进行比较, 实验结果表明本文在不同哈希编码长度下的mAP值在3个数据集CIFAR-10、ImageNet、NUS-WIDE上都优于目前主流深度哈希算法, 证明了其有效性.
优先出版日期: 2023-01-06 , DOI: 10.15888/j.cnki.csa.009051
摘要：
布匹瑕疵检测是纺织业质量管理的重要环节. 在嵌入式设备上实现准确、快速的布匹瑕疵检测能有效降低成本, 因而价值巨大. 考虑到实际生产中花色布匹瑕疵具有背景复杂、数量差异大、极端长宽比和小瑕疵占比高等结构特性, 提出一种基于轻量级模型的花色布匹瑕疵检测方法并将其部署在嵌入式设备Raspberry Pi 4B上. 首先在一阶段目标检测网络YOLO的基础上用轻量级特征提取网络ShuffleNetV2提取花色布匹瑕疵的特征, 以减少网络结构复杂度及参数量, 提升检测速度; 其次是检测头的解耦合, 将分类与定位任务分离, 以提升模型收敛速度; 此外引入CIoU作为瑕疵位置回归损失函数, 提高瑕疵定位准确性. 实验结果表明, 本文算法在Raspberry Pi 4b上可达8.6 FPS的检测速度, 可满足纺织工业应用需求.
布匹瑕疵检测是纺织业质量管理的重要环节. 在嵌入式设备上实现准确、快速的布匹瑕疵检测能有效降低成本, 因而价值巨大. 考虑到实际生产中花色布匹瑕疵具有背景复杂、数量差异大、极端长宽比和小瑕疵占比高等结构特性, 提出一种基于轻量级模型的花色布匹瑕疵检测方法并将其部署在嵌入式设备Raspberry Pi 4B上. 首先在一阶段目标检测网络YOLO的基础上用轻量级特征提取网络ShuffleNetV2提取花色布匹瑕疵的特征, 以减少网络结构复杂度及参数量, 提升检测速度; 其次是检测头的解耦合, 将分类与定位任务分离, 以提升模型收敛速度; 此外引入CIoU作为瑕疵位置回归损失函数, 提高瑕疵定位准确性. 实验结果表明, 本文算法在Raspberry Pi 4b上可达8.6 FPS的检测速度, 可满足纺织工业应用需求.
优先出版日期: 2023-01-06 , DOI: 10.15888/j.cnki.csa.009047
摘要：
针对现有色环电阻识别方法中鲁棒性差、准确率低和运行速度慢等问题, 在MobileNetV3网络的基础上提出了一种轻量级的色环电阻图像识别算法. 首先在自建的色环电阻数据集上进行数据增强以增加样本数量, 提高模型鲁棒性. 然后在瓶颈结构中使用CBAM注意力模块, 增加模型在空间和通道上对特征的细化能力以提高模型准确率. 接着优化分类层, 删掉冗余的升维操作, 在提高准确率的同时减少参数量, 提高模型运算速度. 最后分别针对特征图大小和通道数不相等时添加跳跃连接, 提高模型在深层网络中的特征提取能力, 进一步提高模型准确率. 实验结果表明, 该模型在自建数据集上的识别准确率达到了98%, 可快速准确的对色环电阻进行识别. 该模型能够为电阻自动化识别提供新的技术参考.
针对现有色环电阻识别方法中鲁棒性差、准确率低和运行速度慢等问题, 在MobileNetV3网络的基础上提出了一种轻量级的色环电阻图像识别算法. 首先在自建的色环电阻数据集上进行数据增强以增加样本数量, 提高模型鲁棒性. 然后在瓶颈结构中使用CBAM注意力模块, 增加模型在空间和通道上对特征的细化能力以提高模型准确率. 接着优化分类层, 删掉冗余的升维操作, 在提高准确率的同时减少参数量, 提高模型运算速度. 最后分别针对特征图大小和通道数不相等时添加跳跃连接, 提高模型在深层网络中的特征提取能力, 进一步提高模型准确率. 实验结果表明, 该模型在自建数据集上的识别准确率达到了98%, 可快速准确的对色环电阻进行识别. 该模型能够为电阻自动化识别提供新的技术参考.
优先出版日期: 2023-01-06 , DOI: 10.15888/j.cnki.csa.009044
摘要：
针对污水处理过程中化学需氧量(chemical oxygen demand, COD)难以在线测量的问题, 提出了一种基于径向基函数(radial basis function, RBF)神经网络的软测量模型. 首先, 用污水处理厂实测数据挑选出与COD相关的过程变量作为输入变量; 其次, 基于RBF神经网络建立出水COD软测量模型, 利用自适应遗传算法改进的麻雀搜索算法(adaptive genetic algorithm improved sparrow search algorithm, AGAISSA)优化RBF神经网络的中心值、宽度值以及权值, 通过改进麻雀位置更新公式以及引入遗传算法中的自适应交叉和变异操作保证了软测量模型的精度; 最后, 将RBF神经网络的软测量模型应用于污水处理厂实测数据加以验证, 结果表明: AGAISSA优化RBF神经网络模型能够对出水COD进行准确的预测, 具有较高的预测精度.
针对污水处理过程中化学需氧量(chemical oxygen demand, COD)难以在线测量的问题, 提出了一种基于径向基函数(radial basis function, RBF)神经网络的软测量模型. 首先, 用污水处理厂实测数据挑选出与COD相关的过程变量作为输入变量; 其次, 基于RBF神经网络建立出水COD软测量模型, 利用自适应遗传算法改进的麻雀搜索算法(adaptive genetic algorithm improved sparrow search algorithm, AGAISSA)优化RBF神经网络的中心值、宽度值以及权值, 通过改进麻雀位置更新公式以及引入遗传算法中的自适应交叉和变异操作保证了软测量模型的精度; 最后, 将RBF神经网络的软测量模型应用于污水处理厂实测数据加以验证, 结果表明: AGAISSA优化RBF神经网络模型能够对出水COD进行准确的预测, 具有较高的预测精度.
优先出版日期: 2023-01-06 , DOI: 10.15888/j.cnki.csa.009055
摘要：
使用人工势场法进行无人机路径规划时, 往往存在目标不可达、运动轨迹迂回反复和路径长度过长等问题. 传统的人工势场法不能根据环境具体信息对斥力系数进行调整, 而现有的改进方法不能在自适应调整斥力系数的同时兼顾规划效果和规划时长. 针对以上问题, 提出了一种基于深度学习的无人机自适应斥力系数路径规划方法. 首先通过融合遗传算法与人工势场法找出在特定环境下最合适的斥力系数样本集, 其次利用该样本集训练残差神经网络, 最后通过残差神经网络计算适应环境的斥力系数, 进而使用人工势场法进行路径规划. 仿真实验表明, 该方法在一定程度上解决了人工势场法规划中目标不可达、运动轨迹迂回反复和路径长度过长等问题, 规划效果和规划时长方面均有优异表现, 能很好地满足无人机路径规划中对当前环境的自适应要求和快速规划的要求.
使用人工势场法进行无人机路径规划时, 往往存在目标不可达、运动轨迹迂回反复和路径长度过长等问题. 传统的人工势场法不能根据环境具体信息对斥力系数进行调整, 而现有的改进方法不能在自适应调整斥力系数的同时兼顾规划效果和规划时长. 针对以上问题, 提出了一种基于深度学习的无人机自适应斥力系数路径规划方法. 首先通过融合遗传算法与人工势场法找出在特定环境下最合适的斥力系数样本集, 其次利用该样本集训练残差神经网络, 最后通过残差神经网络计算适应环境的斥力系数, 进而使用人工势场法进行路径规划. 仿真实验表明, 该方法在一定程度上解决了人工势场法规划中目标不可达、运动轨迹迂回反复和路径长度过长等问题, 规划效果和规划时长方面均有优异表现, 能很好地满足无人机路径规划中对当前环境的自适应要求和快速规划的要求.
优先出版日期: 2022-12-23 , DOI: 10.15888/j.cnki.csa.009043
摘要：
语音文本自动对齐技术广泛应用于语音识别与合成、内容制作等领域, 其主要目的是将语音和相应的参考文本在语句、单词、音素等级别的单元进行对齐, 并获得语音与参考文本之间的时间对位信息. 最新的先进对齐方法大多基于语音识别, 一方面, 准确率受限于语音识别效果, 识别字错误率高时文语对齐精度明显下降, 识别字错误率对对齐精度影响较大; 另一方面, 这种对齐方法不能有效处理不完全匹配的长篇幅语音和文本的对齐. 该文提出一种基于锚点和韵律信息的文语对齐方法, 通过基于边界锚点加权的片段标注将语料划分为对齐段和未对齐段, 针对未对齐段使用双门限端点检测方法提取韵律信息, 并检测语句边界, 降低了基于语音识别的对齐方法对语音识别效果的依赖程度. 实验结果表明, 与目前先进的基于语音识别的文语对齐方法比较, 即使在识别字错误率为0.52时, 该文所提方法的对齐准确率仍能提升45%以上; 在音频文本不匹配程度为0.5时, 该文所提方法能提高3%.
语音文本自动对齐技术广泛应用于语音识别与合成、内容制作等领域, 其主要目的是将语音和相应的参考文本在语句、单词、音素等级别的单元进行对齐, 并获得语音与参考文本之间的时间对位信息. 最新的先进对齐方法大多基于语音识别, 一方面, 准确率受限于语音识别效果, 识别字错误率高时文语对齐精度明显下降, 识别字错误率对对齐精度影响较大; 另一方面, 这种对齐方法不能有效处理不完全匹配的长篇幅语音和文本的对齐. 该文提出一种基于锚点和韵律信息的文语对齐方法, 通过基于边界锚点加权的片段标注将语料划分为对齐段和未对齐段, 针对未对齐段使用双门限端点检测方法提取韵律信息, 并检测语句边界, 降低了基于语音识别的对齐方法对语音识别效果的依赖程度. 实验结果表明, 与目前先进的基于语音识别的文语对齐方法比较, 即使在识别字错误率为0.52时, 该文所提方法的对齐准确率仍能提升45%以上; 在音频文本不匹配程度为0.5时, 该文所提方法能提高3%.
优先出版日期: 2022-12-23 , DOI: 10.15888/j.cnki.csa.009045
摘要：
为了将水清洗机接入工业网络并实现智能自动化控制, 本文提出了一种基于统计过程控制(SPC)可重构程序的水清洗控制系统. 该系统根据水清洗设备的参数和组件特性构建了该设备的控制协议; 根据协议指令制定了指令判断模块; 根据SPC理论设计了过程控制模块. 控制协议让该系统的清洗程序具有重构和联网的功能; 指令判断模块为重构后的指令提供了安全性保障; 过程控制模块让该系统的清洗过程具备动态调整清洗组件的功能. 这些功能使得该设备可以实现智能自动化控制. 通过测试, 该系统比原有系统的清洗次数平均减少了15%, 水清洗液的使用率提升了约5%, 并扩展了3项功能, 提高了设备的利用率和智能化水平, 最终满足节能省水、多用途和联网的需求.
为了将水清洗机接入工业网络并实现智能自动化控制, 本文提出了一种基于统计过程控制(SPC)可重构程序的水清洗控制系统. 该系统根据水清洗设备的参数和组件特性构建了该设备的控制协议; 根据协议指令制定了指令判断模块; 根据SPC理论设计了过程控制模块. 控制协议让该系统的清洗程序具有重构和联网的功能; 指令判断模块为重构后的指令提供了安全性保障; 过程控制模块让该系统的清洗过程具备动态调整清洗组件的功能. 这些功能使得该设备可以实现智能自动化控制. 通过测试, 该系统比原有系统的清洗次数平均减少了15%, 水清洗液的使用率提升了约5%, 并扩展了3项功能, 提高了设备的利用率和智能化水平, 最终满足节能省水、多用途和联网的需求.
优先出版日期: 2022-12-23 , DOI: 10.15888/j.cnki.csa.009033
摘要：
近端策略优化(proximal policy optimization, PPO)是一种稳定的深度强化学习算法, 该算法的关键点之一是使用裁切后的代理目标限制更新步长. 实验发现当使用经验最优的裁切系数时, KL散度 (Kullback-Leibler divergence)无法被确立上界, 这有悖于置信域优化理论. 本文提出一种改进的双裁切近端策略优化算法(proximal policy optimization with double clipping boundaries, PPO-DC). 该算法通过基于概率的两段裁切边界调整KL散度, 将参数限制在置信域内, 以保证样本数据得到充分利用. 在多个连续控制任务中, PPO-DC算法取得了好于其他算法的性能.
近端策略优化(proximal policy optimization, PPO)是一种稳定的深度强化学习算法, 该算法的关键点之一是使用裁切后的代理目标限制更新步长. 实验发现当使用经验最优的裁切系数时, KL散度 (Kullback-Leibler divergence)无法被确立上界, 这有悖于置信域优化理论. 本文提出一种改进的双裁切近端策略优化算法(proximal policy optimization with double clipping boundaries, PPO-DC). 该算法通过基于概率的两段裁切边界调整KL散度, 将参数限制在置信域内, 以保证样本数据得到充分利用. 在多个连续控制任务中, PPO-DC算法取得了好于其他算法的性能.
优先出版日期: 2022-12-23 , DOI: 10.15888/j.cnki.csa.009040
摘要：
车辆轨迹预测能够有效降低车辆轨迹突变造成的碰撞风险, 是实现安全驾驶的关键技术之一. 针对传统轨迹预测算法缺乏对驾驶员意图分析的问题, 本文提出了一种融合生成对抗网络和驾驶意图识别的车辆轨迹预测模型. 该模型基于生成对抗网络框架预测车辆轨迹, 并引入基于深度神经网络的变道意图识别模块识别驾驶员的变道意图.通过在公开数据集NGSIM上与LSTM、S-LSTM、CS-LSTM和S-GAN模型进行对比试验, 实验结果表明与其他轨迹预测模型相比, 本文提出的CS-DNN-GAN模型具有较好的预测精确度.
车辆轨迹预测能够有效降低车辆轨迹突变造成的碰撞风险, 是实现安全驾驶的关键技术之一. 针对传统轨迹预测算法缺乏对驾驶员意图分析的问题, 本文提出了一种融合生成对抗网络和驾驶意图识别的车辆轨迹预测模型. 该模型基于生成对抗网络框架预测车辆轨迹, 并引入基于深度神经网络的变道意图识别模块识别驾驶员的变道意图.通过在公开数据集NGSIM上与LSTM、S-LSTM、CS-LSTM和S-GAN模型进行对比试验, 实验结果表明与其他轨迹预测模型相比, 本文提出的CS-DNN-GAN模型具有较好的预测精确度.
优先出版日期: 2022-12-23 , DOI: 10.15888/j.cnki.csa.009028
摘要：
针对传统的胸部辅助诊断系统在胸部X光片疾病分类方面图像特征提取效果差、平均准确率低等问题, 提出了一个注意力机制和标签相关性结合的多层次分类网络. 网络的训练分为两个阶段, 在阶段1为了提高网络特征提取能力, 引入注意力机制并构建一个双分支特征提取网络, 实现综合特征的提取, 在阶段2考虑到多标签分类中标签之间相关性等问题, 利用图卷积神经网络对标签相关关系进行建模, 并与阶段1的特征提取结果进行结合, 以实现对胸部X光片疾病的多标签分类任务. 实验结果表明, 本方法在ChestX-ray14数据集上各类疾病的加权平均AUC达到0.827, 有助于辅助医生进行胸部疾病的诊断, 有一定的临床应用价值.
针对传统的胸部辅助诊断系统在胸部X光片疾病分类方面图像特征提取效果差、平均准确率低等问题, 提出了一个注意力机制和标签相关性结合的多层次分类网络. 网络的训练分为两个阶段, 在阶段1为了提高网络特征提取能力, 引入注意力机制并构建一个双分支特征提取网络, 实现综合特征的提取, 在阶段2考虑到多标签分类中标签之间相关性等问题, 利用图卷积神经网络对标签相关关系进行建模, 并与阶段1的特征提取结果进行结合, 以实现对胸部X光片疾病的多标签分类任务. 实验结果表明, 本方法在ChestX-ray14数据集上各类疾病的加权平均AUC达到0.827, 有助于辅助医生进行胸部疾病的诊断, 有一定的临床应用价值.
优先出版日期: 2022-12-23 , DOI: 10.15888/j.cnki.csa.009038
摘要：
在科技发达和信息爆炸的时代, 如何从海量数据中准确地提取所需信息已成为人们研究的目标. 问答系统作为解决此问题的重要途径之一, 其主要通过对已有数据信息进行检索和分析, 并最终返回问题答案或其他相关信息. 近年来, 深度学习的革命性发展给问答系统带来了长足的进步, 序列到序列的模型, 端到端的模型以及最近流行的预训练, 都给问答系统留下无限的发展空间, 但其仍面临许多挑战. 本文首先对问答系统的发展进行简要介绍, 接着将问答系统按照3个不同角度进行分类, 并对相关数据集、评测指标和各类问答系统的主流技术进行阐述, 最后对问答系统面临的问题和未来的发展趋势进行讨论.
在科技发达和信息爆炸的时代, 如何从海量数据中准确地提取所需信息已成为人们研究的目标. 问答系统作为解决此问题的重要途径之一, 其主要通过对已有数据信息进行检索和分析, 并最终返回问题答案或其他相关信息. 近年来, 深度学习的革命性发展给问答系统带来了长足的进步, 序列到序列的模型, 端到端的模型以及最近流行的预训练, 都给问答系统留下无限的发展空间, 但其仍面临许多挑战. 本文首先对问答系统的发展进行简要介绍, 接着将问答系统按照3个不同角度进行分类, 并对相关数据集、评测指标和各类问答系统的主流技术进行阐述, 最后对问答系统面临的问题和未来的发展趋势进行讨论.
优先出版日期: 2022-12-23 , DOI: 10.15888/j.cnki.csa.009039
摘要：
综合考虑混合式学习成绩分类预测中数据存在不平衡性和稀疏性的特点, 提出了一种SMOTE-XGBoost-FM混合式学习成绩分类预测模型. 首先通过SMOTE采样均衡数据集; 针对数据稀疏性问题, 使用XGBoost对采样后的数据进行特征交叉, 然后对所生成树的叶子节点进行独热编码, 以生成高阶特征数据, 最后将其输入因子分解机(FM)进行迭代训练以获最优模型. 实验结果表明, SMOTE-XGBoost-FM模型在混合式学习成绩分类预测中准确率达到了92.7%, 相较于单一的XGBoost、FM模型分别提升了5.7%和11.7%, 能有效对学生学习情况进行分类预测, 为提高教学效果提供参考.
综合考虑混合式学习成绩分类预测中数据存在不平衡性和稀疏性的特点, 提出了一种SMOTE-XGBoost-FM混合式学习成绩分类预测模型. 首先通过SMOTE采样均衡数据集; 针对数据稀疏性问题, 使用XGBoost对采样后的数据进行特征交叉, 然后对所生成树的叶子节点进行独热编码, 以生成高阶特征数据, 最后将其输入因子分解机(FM)进行迭代训练以获最优模型. 实验结果表明, SMOTE-XGBoost-FM模型在混合式学习成绩分类预测中准确率达到了92.7%, 相较于单一的XGBoost、FM模型分别提升了5.7%和11.7%, 能有效对学生学习情况进行分类预测, 为提高教学效果提供参考.
优先出版日期: 2022-12-23 , DOI: 10.15888/j.cnki.csa.009027
摘要：
视频显著性目标检测需要同时结合空间信息和时间信息, 连续地定位视频序列中与运动相关的显著性目标, 其核心问题在于如何高效地刻画运动目标的时空特征. 现有的视频显著性目标检测算法大多使用光流, ConvLSTM以及3D卷积等提取时域特征, 缺乏对时间信息的连续学习能力. 为此, 设计了一种鲁棒的时空渐进式学习网络(spatial-temporal progressive learning network, STPLNet), 以完成对视频序列中显著性目标的高效定位. 在空间域中使用一种U型结构对各视频帧进行编码解码, 在时间域中通过学习视频序列中帧间运动目标的主体部分和形变区域特征, 渐进地对运动目标特征进行编码, 能够捕捉到目标的时间相关性特征和运动趋向性. 在4个公开数据集上与13个主流的视频显著性目标检测算法进行一系列对比实验, 所提出的模型在多个指标(maxF, S-measure (S), MAE)上达到了最优结果, 同时在运行速度上具有较好的实时性.
视频显著性目标检测需要同时结合空间信息和时间信息, 连续地定位视频序列中与运动相关的显著性目标, 其核心问题在于如何高效地刻画运动目标的时空特征. 现有的视频显著性目标检测算法大多使用光流, ConvLSTM以及3D卷积等提取时域特征, 缺乏对时间信息的连续学习能力. 为此, 设计了一种鲁棒的时空渐进式学习网络(spatial-temporal progressive learning network, STPLNet), 以完成对视频序列中显著性目标的高效定位. 在空间域中使用一种U型结构对各视频帧进行编码解码, 在时间域中通过学习视频序列中帧间运动目标的主体部分和形变区域特征, 渐进地对运动目标特征进行编码, 能够捕捉到目标的时间相关性特征和运动趋向性. 在4个公开数据集上与13个主流的视频显著性目标检测算法进行一系列对比实验, 所提出的模型在多个指标(maxF, S-measure (S), MAE)上达到了最优结果, 同时在运行速度上具有较好的实时性.
优先出版日期: 2022-12-23 , DOI: 10.15888/j.cnki.csa.009031
摘要：
深度学习是目前路面图像裂缝检测的主流方法, 但是需要大量人工标注的真值图进行训练, 而现实中获取人工标注的真值图既费时又费力, 本文提出一种基于改进的生成对抗网络的路面图像裂缝检测方法, 将路面图像裂缝检测问题视为一类基于图像跨域转换的异常检测问题, 采用定点生成对抗网络将裂缝图像无监督自动转换为与之一一对应的无裂缝图像, 进而将原图像与生成图像进行差分, 差分图中的显著目标对应裂缝检测结果. 在公开数据集CrackIT上的测试结果表明, 本文方法在不依赖于人工标注的真值图条件下能够实现裂缝的精准检测, 本文方法在准确率、召回率、F1分数上取得了与有监督深度学习方法相当的性能.
深度学习是目前路面图像裂缝检测的主流方法, 但是需要大量人工标注的真值图进行训练, 而现实中获取人工标注的真值图既费时又费力, 本文提出一种基于改进的生成对抗网络的路面图像裂缝检测方法, 将路面图像裂缝检测问题视为一类基于图像跨域转换的异常检测问题, 采用定点生成对抗网络将裂缝图像无监督自动转换为与之一一对应的无裂缝图像, 进而将原图像与生成图像进行差分, 差分图中的显著目标对应裂缝检测结果. 在公开数据集CrackIT上的测试结果表明, 本文方法在不依赖于人工标注的真值图条件下能够实现裂缝的精准检测, 本文方法在准确率、召回率、F1分数上取得了与有监督深度学习方法相当的性能.
优先出版日期: 2022-12-23 , DOI: 10.15888/j.cnki.csa.009022
摘要：
针对可见光模态与热红外模态间的差异问题和如何充分利用多模态信息进行行人检测, 本文提出了一种基于YOLO的多模态特征差分注意融合行人检测方法. 该方法首先利用YOLOv3深度神经网络的特征提取主干分别提取多模态特征; 其次在对应多模态特征层之间嵌入模态特征差分注意模块充分挖掘模态间的差异信息, 并经过注意机制强化差异特征表示进而改善特征融合质量, 再将差异信息分别反馈到多模态特征提取主干中, 提升网络对多模态互补信息的学习融合能力; 然后对多模态特征进行分层融合得到融合后的多尺度特征; 最后在多尺度特征层上进行目标检测, 预测行人目标的概率和位置. 在KAIST和LLVIP公开多模态行人检测据集上的实验结果表明, 提出的多模态行人检测方法能有效解决模态间的差异问题, 实现多模态信息的充分利用, 具有较高的检测精度和速度, 具有实际应用价值.
针对可见光模态与热红外模态间的差异问题和如何充分利用多模态信息进行行人检测, 本文提出了一种基于YOLO的多模态特征差分注意融合行人检测方法. 该方法首先利用YOLOv3深度神经网络的特征提取主干分别提取多模态特征; 其次在对应多模态特征层之间嵌入模态特征差分注意模块充分挖掘模态间的差异信息, 并经过注意机制强化差异特征表示进而改善特征融合质量, 再将差异信息分别反馈到多模态特征提取主干中, 提升网络对多模态互补信息的学习融合能力; 然后对多模态特征进行分层融合得到融合后的多尺度特征; 最后在多尺度特征层上进行目标检测, 预测行人目标的概率和位置. 在KAIST和LLVIP公开多模态行人检测据集上的实验结果表明, 提出的多模态行人检测方法能有效解决模态间的差异问题, 实现多模态信息的充分利用, 具有较高的检测精度和速度, 具有实际应用价值.
优先出版日期: 2022-12-23 , DOI: 10.15888/j.cnki.csa.009002
摘要：
容器虚拟化技术由于轻量级的特性逐渐在云计算中崭露头角. 容器热迁移是许多云管理能力的基础, 其在最短的宕机时间内, 将运行中的容器完整地迁移到另一个物理节点上继续运行. 性能是容器热迁移研究的重点, 但通过对现有容器热迁移系统的详细分析, 本文发现其中仍然存在着一些影响性能的问题, 包括转储并行度低、预拷贝策略不收敛以及根文件系统与运行状态迁移并行度低等. 针对这些问题, 本文分别提出和设计了资源感知的并行转储机制、基于后拷贝策略的运行状态迁移和基于多优先级的传输调度并行算法等优化策略和算法, 并基于Docker实现了一个高性能容器热迁移系统Dmigrate. 实验结果表明Dmigrate相比于目前最新的研究, 平均可有效减少17.05%的宕机时间, 总迁移时间平均减少24.33%.
容器虚拟化技术由于轻量级的特性逐渐在云计算中崭露头角. 容器热迁移是许多云管理能力的基础, 其在最短的宕机时间内, 将运行中的容器完整地迁移到另一个物理节点上继续运行. 性能是容器热迁移研究的重点, 但通过对现有容器热迁移系统的详细分析, 本文发现其中仍然存在着一些影响性能的问题, 包括转储并行度低、预拷贝策略不收敛以及根文件系统与运行状态迁移并行度低等. 针对这些问题, 本文分别提出和设计了资源感知的并行转储机制、基于后拷贝策略的运行状态迁移和基于多优先级的传输调度并行算法等优化策略和算法, 并基于Docker实现了一个高性能容器热迁移系统Dmigrate. 实验结果表明Dmigrate相比于目前最新的研究, 平均可有效减少17.05%的宕机时间, 总迁移时间平均减少24.33%.
优先出版日期: 2022-12-23 , DOI: 10.15888/j.cnki.csa.009011
摘要：
为了解决网络应用身份认证问题, OAuth2.0协议在实际生产环境中得到了非常广泛的应用. 但很多系统在设计时不合理使用OAuth2.0标准、产生很多安全漏洞. 分析了近年来关于OAuth2.0协议出现的安全问题, 包括中间人攻击, 授权劫持漏洞和CSRF漏洞, 针对这些安全问题提出了一种基于口令的Schnorr数字签名和OAuth2.0的强身份认证方案. 最后对该方案进行安全性分析, 结果表明该方案具有良好的安全性且易于使用.
为了解决网络应用身份认证问题, OAuth2.0协议在实际生产环境中得到了非常广泛的应用. 但很多系统在设计时不合理使用OAuth2.0标准、产生很多安全漏洞. 分析了近年来关于OAuth2.0协议出现的安全问题, 包括中间人攻击, 授权劫持漏洞和CSRF漏洞, 针对这些安全问题提出了一种基于口令的Schnorr数字签名和OAuth2.0的强身份认证方案. 最后对该方案进行安全性分析, 结果表明该方案具有良好的安全性且易于使用.
优先出版日期: 2022-12-23 , DOI: 10.15888/j.cnki.csa.009010
摘要：
医学图像对疾病的诊断、治疗和评估均有所帮助, 准确分割医学图像中的器官对于辅助医生的诊断具有重要的实际意义. 由于医学图像中各器官部位与周围组织的图像对比度低, 不同器官的边缘和形状也会存在很大差异, 从而增加了分割的难度. 针对这些问题, 本文提出了一种基于卷积神经网络和Transformer的医学图像语义分割网络, 有效提高了医学图像语义分割的精度. 特征提取部分使用ResNet-50网络结构, 在特征提取后使用Transformer模块来扩大感受野. 在上采样过程中加入多个跳跃连接层, 充分利用各阶段的特征提取信息, 来恢复至与输入图像相近的分辨率. 在胃肠道医学图像分割数据集上的实验结果证明本文的方法可以有效分割医学图像中的器官组织, 提升分割准确率.
医学图像对疾病的诊断、治疗和评估均有所帮助, 准确分割医学图像中的器官对于辅助医生的诊断具有重要的实际意义. 由于医学图像中各器官部位与周围组织的图像对比度低, 不同器官的边缘和形状也会存在很大差异, 从而增加了分割的难度. 针对这些问题, 本文提出了一种基于卷积神经网络和Transformer的医学图像语义分割网络, 有效提高了医学图像语义分割的精度. 特征提取部分使用ResNet-50网络结构, 在特征提取后使用Transformer模块来扩大感受野. 在上采样过程中加入多个跳跃连接层, 充分利用各阶段的特征提取信息, 来恢复至与输入图像相近的分辨率. 在胃肠道医学图像分割数据集上的实验结果证明本文的方法可以有效分割医学图像中的器官组织, 提升分割准确率.
优先出版日期: 2022-12-16 , DOI: 10.15888/j.cnki.csa.009013
摘要：
随着智慧物联体系的发展, 物联网中应用程序的种类与数量不断增加. 在移动边缘计算(mobile edge computing, MEC)中, 通过允许移动用户将任务卸载至附近MEC服务器以加快移动应用程序的速度. 本文通过考虑不同任务属性、用户的移动性和时间延迟约束模拟移动边缘场景. 根据用户移动轨迹, 将目标建模为寻找满足时延约束条件且在卸载过程中产生最小能耗MEC服务器优化模型, 并提出一种最小能耗卸载算法求解该问题的最优解. 仿真结果表明, 在约束条件下, 提出的算法可以找到在用户移动轨迹中产生最小能耗的MEC服务器, 并显著降低任务卸载过程的能耗与时延, 提高应用程序服务质量.
随着智慧物联体系的发展, 物联网中应用程序的种类与数量不断增加. 在移动边缘计算(mobile edge computing, MEC)中, 通过允许移动用户将任务卸载至附近MEC服务器以加快移动应用程序的速度. 本文通过考虑不同任务属性、用户的移动性和时间延迟约束模拟移动边缘场景. 根据用户移动轨迹, 将目标建模为寻找满足时延约束条件且在卸载过程中产生最小能耗MEC服务器优化模型, 并提出一种最小能耗卸载算法求解该问题的最优解. 仿真结果表明, 在约束条件下, 提出的算法可以找到在用户移动轨迹中产生最小能耗的MEC服务器, 并显著降低任务卸载过程的能耗与时延, 提高应用程序服务质量.
优先出版日期: 2022-12-09 , DOI: 10.15888/j.cnki.csa.009041
摘要：
近年, 情绪识别研究已经不再局限于面部和语音识别, 基于脑电等生理信号的情绪识别日趋火热. 但由于特征信息提取不完整或者分类模型不适应等问题, 使得情绪识别分类效果不佳. 基于此, 本文提出一种微分熵(DE)、卷积神经网络(CNN)和门控循环单元(GRU)结合的混合模型(DE-CNN-GRU)进行基于脑电的情绪识别研究. 将预处理后的脑电信号分成5个频带, 分别提取它们的DE特征作为初步特征, 输入到CNN-GRU模型中进行深度特征提取, 并结合Softmax进行分类. 在SEED数据集上进行验证, 该混合模型得到的平均准确率比单独使用CNN或GRU算法的平均准确率分别高出5.57%与13.82%.
近年, 情绪识别研究已经不再局限于面部和语音识别, 基于脑电等生理信号的情绪识别日趋火热. 但由于特征信息提取不完整或者分类模型不适应等问题, 使得情绪识别分类效果不佳. 基于此, 本文提出一种微分熵(DE)、卷积神经网络(CNN)和门控循环单元(GRU)结合的混合模型(DE-CNN-GRU)进行基于脑电的情绪识别研究. 将预处理后的脑电信号分成5个频带, 分别提取它们的DE特征作为初步特征, 输入到CNN-GRU模型中进行深度特征提取, 并结合Softmax进行分类. 在SEED数据集上进行验证, 该混合模型得到的平均准确率比单独使用CNN或GRU算法的平均准确率分别高出5.57%与13.82%.
优先出版日期: 2022-12-09 , DOI: 10.15888/j.cnki.csa.009042
摘要：
为了进一步提高空气质量指数预测精度, 提出一种混合遗传蚁群算法优化BP神经网络的方式对空气质量指数进行预测. 首先初始化蚁群算法的信息素分布, 对不满足适应度条件的进行遗传算法的交叉、变异操作, 进而计算蚁群的状态转移概率和信息素浓度, 当适应度值满足条件要求时, 将寻优结果作为BP神经网络的最优权值和阈值, 来改善单一BP神经网络的不足. 最后通过运用西安市的空气质量指数日历史数据进行验证, 实验表明, 本文所提模型的各个评价指标相对其他对比模型误差更小, 在预测精度方面具有更高的说服力, 因此能够有效地预测空气质量指数.
为了进一步提高空气质量指数预测精度, 提出一种混合遗传蚁群算法优化BP神经网络的方式对空气质量指数进行预测. 首先初始化蚁群算法的信息素分布, 对不满足适应度条件的进行遗传算法的交叉、变异操作, 进而计算蚁群的状态转移概率和信息素浓度, 当适应度值满足条件要求时, 将寻优结果作为BP神经网络的最优权值和阈值, 来改善单一BP神经网络的不足. 最后通过运用西安市的空气质量指数日历史数据进行验证, 实验表明, 本文所提模型的各个评价指标相对其他对比模型误差更小, 在预测精度方面具有更高的说服力, 因此能够有效地预测空气质量指数.
优先出版日期: 2022-12-09 , DOI: 10.15888/j.cnki.csa.009017
摘要：
为解决火焰图像识别在边缘设备, 移动端设备环境下模型体积大, 准确率低, 实时性能差的问题. 首先选取ShuffleNetV2作为轻量化主干神经网络, 保证模型的实时性; 其次, 设计了一种新的注意力模块SCDAM (space and channel dual attention module)去同时考虑通道和空间的关联性, 针对不同特征的重要程度去赋予不同权重并有效提高模型精度; 然后, 设计了一种多尺度特征融合模块, 使提取到的特征在空间尺度上更加丰富, 加强网络对不同尺度的适应性; 最后将SCDAM模块以及多尺度模块引入到ShuffleNetV2中并利用迁移学习方式优化模型参数, 进一步提高模型精度. 在参数量和计算量仅有微量增加的情况下, 本算法的精度比ShuffleNetV2提升了3.2%, 且单次推理速度仅耗时8.7 ms. 实验证明, 该算法更加适合应用在计算资源有限情况下, 如火药火焰的识别与监控.
为解决火焰图像识别在边缘设备, 移动端设备环境下模型体积大, 准确率低, 实时性能差的问题. 首先选取ShuffleNetV2作为轻量化主干神经网络, 保证模型的实时性; 其次, 设计了一种新的注意力模块SCDAM (space and channel dual attention module)去同时考虑通道和空间的关联性, 针对不同特征的重要程度去赋予不同权重并有效提高模型精度; 然后, 设计了一种多尺度特征融合模块, 使提取到的特征在空间尺度上更加丰富, 加强网络对不同尺度的适应性; 最后将SCDAM模块以及多尺度模块引入到ShuffleNetV2中并利用迁移学习方式优化模型参数, 进一步提高模型精度. 在参数量和计算量仅有微量增加的情况下, 本算法的精度比ShuffleNetV2提升了3.2%, 且单次推理速度仅耗时8.7 ms. 实验证明, 该算法更加适合应用在计算资源有限情况下, 如火药火焰的识别与监控.
优先出版日期: 2022-12-06 , DOI: 10.15888/j.cnki.csa.009016
摘要：
基于图神经网络的推荐算法通过从图中获取知识生成节点的特征表示, 提高了推荐结果的可解释性. 然而, 随着推荐系统原始数据规模的不断扩大, 大量包含语义信息的文本数据没有得到有效利用. 同时图神经网络在融合图中邻居信息时没有区分关键节点, 使得模型难以学习到高质量的实体特征, 进而导致推荐质量下降. 本文将图神经网络与语义模型相结合, 提出一种融合语义信息与注意力的图神经网络推荐算法. 该算法基于SpanBERT语义模型处理实体相关的文本信息, 生成包含语义信息的特征嵌入, 并将注意力机制引入到基于用户社交关系以及用户-项目交互的影响传播融合过程中, 从而实现用户和项目两类实体特征的有效更新. 在公开数据集上的对比实验结果表明, 本文所提出的方法较现有基准方法在各项指标上均有所提升.
基于图神经网络的推荐算法通过从图中获取知识生成节点的特征表示, 提高了推荐结果的可解释性. 然而, 随着推荐系统原始数据规模的不断扩大, 大量包含语义信息的文本数据没有得到有效利用. 同时图神经网络在融合图中邻居信息时没有区分关键节点, 使得模型难以学习到高质量的实体特征, 进而导致推荐质量下降. 本文将图神经网络与语义模型相结合, 提出一种融合语义信息与注意力的图神经网络推荐算法. 该算法基于SpanBERT语义模型处理实体相关的文本信息, 生成包含语义信息的特征嵌入, 并将注意力机制引入到基于用户社交关系以及用户-项目交互的影响传播融合过程中, 从而实现用户和项目两类实体特征的有效更新. 在公开数据集上的对比实验结果表明, 本文所提出的方法较现有基准方法在各项指标上均有所提升.
优先出版日期: 2022-11-29 , DOI: 10.15888/j.cnki.csa.009012
摘要：
广播式自动相关监视(ADS-B)是民航新一代空中交通管理系统的重要组成部分, 由于协议没有数据加密和认证, 导致容易受到数据攻击. 为了准确检测ADS-B数据攻击, 基于ADS-B数据的时序性, 提出了一种基于注意力机制的卷积神经网络-长短期记忆网络(convolutional neural networks-long short-term memory, CNN-LSTM)异常数据检测模型. 首先, 利用CNN提取ADS-B数据的特征, 然后以时序形式将特征向量输入到LSTM中, 最后使用注意力机制进行网络参数优化, 实现对ADS-B数据的预测, 通过计算预测误差, 来进行异常检测. 实验表明, 该模型能够很好地检测出模拟的4种类型的异常数据, 与其他机器学习方法相比, 具有更高的准确率和F1分数.
广播式自动相关监视(ADS-B)是民航新一代空中交通管理系统的重要组成部分, 由于协议没有数据加密和认证, 导致容易受到数据攻击. 为了准确检测ADS-B数据攻击, 基于ADS-B数据的时序性, 提出了一种基于注意力机制的卷积神经网络-长短期记忆网络(convolutional neural networks-long short-term memory, CNN-LSTM)异常数据检测模型. 首先, 利用CNN提取ADS-B数据的特征, 然后以时序形式将特征向量输入到LSTM中, 最后使用注意力机制进行网络参数优化, 实现对ADS-B数据的预测, 通过计算预测误差, 来进行异常检测. 实验表明, 该模型能够很好地检测出模拟的4种类型的异常数据, 与其他机器学习方法相比, 具有更高的准确率和F1分数.
优先出版日期: 2022-09-01 , DOI: 10.15888/j.cnki.csa.008808
摘要：
作为衡量空气污染物浓度的重要指标, 对PM2.5浓度进行监控预测, 能够有效地保护大气环境, 进一步地减少空气污染带来的危害. 随着空气质量自动监测站的大范围建立, 由传统的机器学习搭建的空气质量预测模型已经不能满足当今的需求. 本文提出了一种基于多头注意力机制和高斯概率估计的高斯-注意力预测模型, 并对沈阳市某监测站点的数据进行了训练和测试. 该模型考虑了PM2.5浓度受到其他空气质量数据的影响, 将空气质量数据的分层时间戳(周、日、小时)的信息对齐作为输入, 使用多头注意力机制对于不同子空间的时间序列关联特征进行提取, 能够获得更加完善有效的特征信息, 再经过高斯似然估计得到预测结果. 通过与多种基准模型进行对比, 相较于性能较优的DeepAR, 高斯-注意力预测模型的MSE、MAE分别下降了21%、15%, 有效地提高了预测准确率, 能够较准确地预测出PM2.5浓度.
作为衡量空气污染物浓度的重要指标, 对PM2.5浓度进行监控预测, 能够有效地保护大气环境, 进一步地减少空气污染带来的危害. 随着空气质量自动监测站的大范围建立, 由传统的机器学习搭建的空气质量预测模型已经不能满足当今的需求. 本文提出了一种基于多头注意力机制和高斯概率估计的高斯-注意力预测模型, 并对沈阳市某监测站点的数据进行了训练和测试. 该模型考虑了PM2.5浓度受到其他空气质量数据的影响, 将空气质量数据的分层时间戳(周、日、小时)的信息对齐作为输入, 使用多头注意力机制对于不同子空间的时间序列关联特征进行提取, 能够获得更加完善有效的特征信息, 再经过高斯似然估计得到预测结果. 通过与多种基准模型进行对比, 相较于性能较优的DeepAR, 高斯-注意力预测模型的MSE、MAE分别下降了21%、15%, 有效地提高了预测准确率, 能够较准确地预测出PM2.5浓度.
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：
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：
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：
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：
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：
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(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
