计算机科学

第52卷第6A期目录

计算机科学. 2025, 52 (6A): 0-0.

摘要 ( 25 )

PDF(547KB) ( 55 )

相关文章 | 多维度评价

大语言模型在医学教育中的应用:现状、挑战与未来

涂吉, 肖文栋, 涂文记, 李立健

计算机科学. 2025, 52 (6A): 240400121-6. doi:10.11896/jsjkx.240400121

摘要 ( 34 )

PDF(2899KB) ( 78 )

参考文献 | 相关文章 | 多维度评价

医学教育数字化是医学教育发展的必然趋势。通过引入医学教育大语言模型,打破传统医学教育的局限,提高学生的学习兴趣和参与度,提供医学教育的个性化实践,加强因材施教的个性化临床实践教学和科研训练,可提升教学效率和效果。文中梳理了大语言模型技术的发展和医疗大模型的技术进展,列举了大模型的医学教育应用场景和大模型的医学教育应用七大挑战,指出了医学教育大模型的未来发展是采用知识与数据混合驱动的技术路线,研发自主可控的协同医学教育大模型。

大语言模型在推荐系统中的应用

李博, 莫先

计算机科学. 2025, 52 (6A): 240400097-7. doi:10.11896/jsjkx.240400097

摘要 ( 22 )

PDF(1828KB) ( 42 )

参考文献 | 相关文章 | 多维度评价

大语言模型(LLMs)在推荐系统(RS)的特征工程与特征编码、预训练与微调和提示学习等阶段发挥着关键作用。通过特征工程与特征编码,LLMs提升了推荐系统的个性化和准确性,同时优化了模型的泛化能力和适应性。研究表明,LLMs在特征工程阶段能够丰富用户画像和提取物品特征;在预训练与微调阶段则通过大量未标记数据训练,为下游任务部署做好准备;在提示学习阶段通过设计有效的指令和提示,提高了模型对推荐任务的理解和解决能力。文中还讨论了LLMs在推荐系统应用中面临的挑战,例如计算成本高、API依赖、数据噪声等问题,研究者正在探索优化策略。未来推荐系统的发展潜力集中在数据增强、微调效率提升、提示设计优化和可解释性增强等方面,这些综合性分析为推荐系统领域的持续发展和创新提供了坚实的理论基础。

大模型识别谣言不同来源效能研究

何静, 陈逸然

计算机科学. 2025, 52 (6A): 240700131-5. doi:10.11896/jsjkx.240700131

摘要 ( 21 )

PDF(1925KB) ( 59 )

参考文献 | 相关文章 | 多维度评价

针对网络谣言识别面临的新挑战,探索大模型在识别谣言不同来源中的效能。研究构建国内外人为谣言与AI谣言数据集,据此在零样本设置情况下,对4种大模型的谣言来源辨识能力进行测试。研究发现,单一大模型识别谣言的精确度较低,存在明显错误倾向。为提高识别性能,采用预训练、微调和集成学习等方法,使得大模型性能得到显著提升。进一步,提出基于模型碰撞的集成学习方法,利用多模型反馈改善谣言来源识别效能。实验结果显示,集成学习框架能够整合各模型优势,显著提高识别准确性。通过实证研究验证了大型语言模型在谣言识别中的潜力和改进方向,有助于应对当前复杂的网络谣言环境,维护网络空间的清朗。

基于微调Qwen2自动构建领域UML模型

李嘉威, 邓媛丹, 陈波

计算机科学. 2025, 52 (6A): 240900155-4. doi:10.11896/jsjkx.240900155

摘要 ( 26 )

PDF(2769KB) ( 45 )

参考文献 | 相关文章 | 多维度评价

提出了一种基于大模型微调技术的领域UML(统一建模语言)自动构建系统,用于将各领域软件系统制作需求的自然语言描述自动转换为符合统一建模语言标准的UML类图。研究过程包括自然文本数据集构建、模型微调、量化部署以及前端交互界面的开发。通过此系统,非专业用户可以通过简单的自然语言输入,自动生成符合统一建模语言标准的UML类图,大大降低了时间和人力成本。

基于音素大语言模型及扩散模型的低资源越南语语音合成

邹睿, 杨鉴, 张凯

计算机科学. 2025, 52 (6A): 240700138-6. doi:10.11896/jsjkx.240700138

摘要 ( 17 )

PDF(3814KB) ( 52 )

参考文献 | 相关文章 | 多维度评价

随着深度学习技术的发展及语音合成研究的深入,汉语、英语等通用、高资源语言的合成语音已越来越接近于自然语音。越南语与汉语有密切联系,是一种声调语言,属于南亚语系越芒语族越语支。因受制于可获取的语料数据规模以及相关研究的深入程度,越南语语音合成离自然语音还有明显差距。在低资源前提下,提出了两种提高越南语语音合成自然度的方法:1)基于预训练的音素大语言模型XPhoneBERT构建音素编码器,在数据集有限的情况下,显著提高越南语语音合成的韵律表现力;2)改进轻量化扩散语音合成模型LightGrad中的U-Net结构,增加嵌套跳跃路径,使模型在低资源条件下得到充分训练、捕获更有效的信息、提高噪声预测的准确性,从而提升语音合成质量。实验结果表明,采用上述提出的方法,越南语语音合成系统的客观、主观评测性能有明显的提升,MCD(梅尔倒谱失真)和MOS(平均意见得分)分别达到6.25和4.22,相比于基线系统的7.44和3.56有明显的下降和提升。

基于大语言模型的网络流量智能预测

周磊, 石怀峰, 杨恺, 王睿, 刘超凡

计算机科学. 2025, 52 (6A): 241100058-7. doi:10.11896/jsjkx.241100058

摘要 ( 21 )

PDF(4369KB) ( 56 )

参考文献 | 相关文章 | 多维度评价

随着5G基站数量的倍增和接入终端数量的剧增,网络流量的规模将呈现指数级增长,网络流量则呈现出显著的非线性、多模态和突发性特征,对网络资源分配和优化提出了新的挑战。为应对这些挑战,提出了一种基于大语言模型(LLM)的网络流量预测方法(NT-LLM)。该方法通过重编程技术,将传统的网络流量数据转换为适合LLM处理的形式,从而充分利用LLM在跨任务推理和复杂模式识别方面的优势,仅需少量训练数据和较短训练周期,就能够高效处理不同时间尺度的复杂网络流量模式。实验结果表明,与LSTM,Informer,Transformer等基线模型相比,NT-LLM模型在多个区域的网络流量预测均方误差显著下降,分别降低了44.26%,56.78%和51.36%。此外,该方法无需对预训练的语言模型进行大规模微调,具有较强的扩展性和适应性,能够在减少计算资源消耗的同时保持高精度的预测能力。

基于检索增强生成的开放域问答方法研究

白云天, 郝文宁, 靳大尉

计算机科学. 2025, 52 (6A): 240800141-7. doi:10.11896/jsjkx.240800141

摘要 ( 27 )

PDF(2792KB) ( 50 )

参考文献 | 相关文章 | 多维度评价

大型语言模型在自然语言处理任务中取得显著进展,但其对封装在参数内的知识依赖易引发幻觉现象。为缓解这一问题,检索增强生成技术通过信息检索方法降低错误风险。然而,现有方法检索到的文档往往含有不准确或误导性信息,且在评估文档相关性方面存在判别准确性不足的问题。针对上述挑战,设计了一种简洁高效的方法,通过结合稀疏检索与稠密检索,兼顾词汇重叠的信息与语义相关性。此外,引入排序器对检索到的候选段落进行重排序,在排序器的输入中注入稀疏和稠密检索的分数,进一步优化了段落的排序质量。为验证所提方法的有效性,在SQuAD和HotpotQA数据集上进行实验,并与现有基准方法比较。实验结果表明,所提方法在提升问答性能方面具有显著优势。

幻觉主动缓解的糖尿病问诊大模型

张乐, 车超, 梁艳

计算机科学. 2025, 52 (6A): 240700182-10. doi:10.11896/jsjkx.240700182

摘要 ( 19 )

PDF(3151KB) ( 46 )

参考文献 | 相关文章 | 多维度评价

糖尿病的治疗是一项长期且高度个性化的工作,给患者的日常生活带来了巨大负担。患者通过医学大语言模型进行糖尿病问诊能有效减轻患者的医疗负担,但大语言模型在处理医学等专业领域文本时更可能会产生幻觉,即错误、无意义或与输入不匹配的输出。且现有的幻觉缓解技术在医学领域的准确率并不理想,这会极大地影响大语言模型的准确率。为了解决这一问题,提出一种结合指令微调和检索增强生成的幻觉自查与主动缓解方法,主要在生成过程前对用户提问形成附加知识,在生成过程后通过相似度对比判断幻觉是否产生。实验在多个医学数据集上进行,在大规模糖尿病多轮对话数据集上取得了0.79的F1值、2.38的BLEU-4值和9.26的Rouge-l值,在准确率和生成效率方面均优于现有的大语言模型幻觉缓解技术。

基于大语言模型的中文多义词义项融合技术研究

尹宝生, 宗辰

计算机科学. 2025, 52 (6A): 240400139-7. doi:10.11896/jsjkx.240400139

摘要 ( 18 )

PDF(2113KB) ( 37 )

参考文献 | 相关文章 | 多维度评价

针对中文的一词多义特点,基于现有各类汉语词典资源构建一个义项全面、描述规范的中文多义词知识库,对于汉语语义分析、智能问答、机器翻译以及大语言模型消歧能力调优和评估等具有重要意义。文中针对《现代汉语词典》和《现代汉语规范词典》等资源整合过程中“词条义项含义相同但描述不同”等问题进行了深入分析,并创新性地提出了基于大语言模型和提示学习的多义词义项融合技术,即充分利用大语言模型对常识知识的分析理解和辅助决策能力,通过有效的问题分解策略和提示模版设计,以及义项关系交叉验证等手段完成了多义词义项的自动化融合工作。实验结果表明,在通过正态分布抽取50个多义词共754个义项对的评测数据上,基于上述算法的义项融合的正确率达96.26%,Dice系数为0.973 3。该项研究验证了利用大语言模型开展中文知识资源自动化加工的可行性和有效性,与传统依赖语言专家加工模式相比,在保证较高质量的前提下,显著提升了知识加工效率。

基于大语言模型的审计领域命名实体识别算法研究

户才顺

计算机科学. 2025, 52 (6A): 240700190-4. doi:10.11896/jsjkx.240700190

摘要 ( 19 )

PDF(2146KB) ( 44 )

参考文献 | 相关文章 | 多维度评价

随着ChatGPT的出现,从通用领域到专业领域,大语言模型开始在各行各业发挥着重要作用。审计领域与人工智能结合的方法不断涌现,但是传统人工智能方法的准确率远低于现有大语言模型,因此大语言模型在审计领域中的应用仍需进一步研究。在审计领域中,通过人工智能方法智能识别出文本中的有用实体可以极大提升工作效率,减少错误情况。传统的审计文本实体识别算法主要是基于机器学习结合特征工程,这种方法准确率普遍较低。鉴于此,研究几种常见的开源模型(如Llama等)和闭源模型(如ChatGPT等)在审计文本实体识别中的应用,同时结合上下文学习技术提升模型识别效果,有效提升了识别准确率。其中,上下文学习技术结合了基于相似度选择的样例组织方式,实体识别准确率最高提升至98.3%,取得了较好的效果。

大模型驱动的AI应用服务平台

梁秉豪, 张传刚, 袁明明

计算机科学. 2025, 52 (6A): 240900022-4. doi:10.11896/jsjkx.240900022

摘要 ( 18 )

PDF(2311KB) ( 39 )

参考文献 | 相关文章 | 多维度评价

随着企业数智化转型的持续推进,人工智能技术已经开始应用到企业内部管理、经营分析和生产效率提升等各个方面。然而,传统的AI应用研发流程涉及数据采集、数据清洗、特征提取、算法建模和应用研发等多个环节。整体技术门槛高,团队成员协作难,硬件资源利用率低,难以支撑数智化业务需求的敏捷落地。针对上述问题,提出了一套基于预训练大模型的AI应用服务平台。该平台主要面向AI应用研发和运营全过程管理进行设计,大幅降低了团队协作和资产管理难度。针对预备态、设计态和运行态中的核心流程,引入了预训练大模型和低代码技术,通过构建标注大模型、测试大模型和运营大模型,提升了AI应用的研发效率,同时实现了对运营数据的实时分析,保障了用户的使用体验,并大幅提升了硬件资源的利用率。

基于位置感知的多模态肺癌生存预测方法

王毅诚, 宁泰, 刘心宇, 罗烨

计算机科学. 2025, 52 (6A): 240500089-8. doi:10.11896/jsjkx.240500089

摘要 ( 22 )

PDF(4390KB) ( 40 )

参考文献 | 相关文章 | 多维度评价

肺癌的病理学图像在预后诊断中起着关键作用,然而,基于未标记像素级别图像进行的肺癌生存分析仍面临诸多挑战,已有的方法往往忽略了临床特征模态的信息、病理学图像块的位置信息以及病理学图像和自然图像的异质性等问题。为了克服这些挑战,提出了一种基于位置感知的多模态肺癌生存预测方法(PSMMSurv)。该方法通过多模态融合和多任务学习有效地利用了病理学图像与临床特征多模态信息。同时,提出的病理学图像特征学习网络可以通过相邻位置的信息交互实现位置感知。此外,通过自监督学习克服了数据异质性问题。在大型肺癌数据集上的实验结果表明,所提方法在C-index这一指标上优于目前已有的方法,能更准确地预测肺癌患者的生存情况,为更好的肺癌预后提供了可靠的支持。

基于三维CT片的下肢骨解剖结构分割算法的研究

石辛诚, 王宝会, 于利韬, 杜辉

计算机科学. 2025, 52 (6A): 240500119-9. doi:10.11896/jsjkx.240500119

摘要 ( 22 )

PDF(5101KB) ( 32 )

参考文献 | 相关文章 | 多维度评价

在医学图像分割领域,下肢骨CT影像的噪声、伪影、对比度低等问题对图像分割的性能和效果提出了更高的要求。针对这一需求场景,提出了基于U-Net卷积神经网络模型,结合三维CT影像输入数据的特点,对分割算法进行针对性改进的图像分割模型,提高了分割的准确度。文中生成的模型基于U-Net卷积神经网络,通过多层卷积池化聚合,结合注意力机制和连续切片间的特征融合,充分挖掘影像中的特征和结构信息,实现了端到端的影像分割方法。基于积水潭医院下肢骨CT影像数据集进行验证,实验结果表明,该模型的平均交并比达到了84.959%,而其他模型的对应数值分别为78.604%(U-Net),80.481%(Nested U-Net),79.877%(Attention U-net),相比其他模型有显著的提高。

基于双向多层级交互网络的肺部CT图像分类

龙肖, 黄巍, 胡凯

计算机科学. 2025, 52 (6A): 240700183-6. doi:10.11896/jsjkx.240700183

摘要 ( 26 )

PDF(3377KB) ( 56 )

参考文献 | 相关文章 | 多维度评价

近年来,基于局部窗口的Self-Attention机制在视觉分类任务中表现突出。然而,由于存在感受野有限和建模能力弱的问题,其在处理复杂数据时效果不佳。肺部CT图像中的特征复杂多样,包括结节的形状、大小、密度等,给深入挖掘数据中的深层次特征带来挑战。针对这些问题,文中提出了一个全新的双向多层级交互网络模型Bi-directional Multi-level Interaction Vision Transformer(Bi-MI ViT)。该网络通过双向多层级交互机制有效融合空间和通道信息,从而显著提升特征提取的准确性和全面性。在Transformer分支中,引入了高效的级联组注意力机制,旨在丰富注意力头特征的多样性,并增强模型对关键信息的捕捉能力。同时,在卷积神经网络(Convolutional Neural Networks,CNNs)分支中,通过设计DP block,并利用点卷积(Point-Wise Convolution,PW)和深度卷积(Depth-Wise Convolution,DW)深入挖掘局部信息,以优化模型的表达能力。此外,深度特征提取模块(Deep Feature Extraction,DFE)的建立增强了特征传播和复用,提高了数据利用效率,实现了实质性的性能改进。实验结果显示,在公开的COVID19-CT数据集和私有的LUAD-CT数据集上,所提算法优于对比的8种方法,实现了准确分类。

基于病理组织切片的肺腺癌肿瘤突变预测模型

关昕, 杨雪永, 杨啸林, 孟祥福

计算机科学. 2025, 52 (6A): 240700010-8. doi:10.11896/jsjkx.240700010

摘要 ( 17 )

PDF(3179KB) ( 35 )

参考文献 | 相关文章 | 多维度评价

肿瘤突变负荷与非小细胞肺癌的免疫治疗疗效呈正相关,在临床实践中一般通过全外显子组测序来测量肿瘤突变负荷。然而,全外显子组测序操作复杂耗时、价格昂贵,导致大多数医院无法使用。基于此,提出了一种成本低、周期短、准确率高的基于病理组织切片预测肺腺癌肿瘤突变负荷的深度学习模型DBFormer。首先,颜色反卷积结构将输入模型的数字病理图像的RGB和HED图像信息相结合,丰富输入的病理图像信息,使模型更加适合医学任务分类;其次,图像通过四层金字塔结构,每层都包括一个最大池化层和一个DBFormer块,最大池化层减小图像尺寸、提升特征矩阵维度,DBFormer块包含归一化层和双重路由注意力机制对图像进行特征提取和处理;最后,从公开数据集TCGA-LUAD中随机选取337张和200张肺癌组织病理图像,分别构建二分类和三分类数据集进行实验。在二分类数据集上DBFormer模型的AUC,F1-Score,Precision,Recall,分别达到了99.7%,97.3%,97.6%,97.2%;在三分类数据集上DBFormer的Accuracy,Precision,Recall,F1-Score分别达到了97.3%,97.0%,97.0%,97.1%。实验结果表明,DBFormer模型相较于经典深度学习模型,在基于数字病理图像预测肺腺癌肿瘤突变负荷任务上具有更加优异的性能。

基于ESC-TransUNet网络的脑出血CT图像分割

谭佳慧, 文琛言, 黄巍, 胡凯

计算机科学. 2025, 52 (6A): 240700030-9. doi:10.11896/jsjkx.240700030

摘要 ( 16 )

PDF(3943KB) ( 42 )

参考文献 | 相关文章 | 多维度评价

针对脑出血CT图像处理中遇到的出血区域空间位置、形状、尺寸多变性以及与周围组织强度值相近导致边界难以确定等挑战,提出了一种改进TransUNet的图像分割模型(ESC-TransUNet)。该模型首先在上采样前增添了显式视觉中心(Explicit Visual Center,EVC),能够捕获图像中远距离像素的关联程度,并保留输入图像中局部边角区域的详细信息,有助于有效提取出血区域特征。其次,在编码器阶段引入了注意力混洗机制(Shuffle Attention,SA),有效地学习了出血区域与背景间的微小差异,从而提高了分割任务的精确度。最后,在解码器阶段采用CBM2结构促进信息更有效传递,增强模型泛化能力和准确性。在脑出血公开数据集Physionet(PHY) 上进行了大量实验,结果表明,所提方法超过了其他9种主要的分割方法,在脑出血CT图像分割任务中获得了更优异的性能。

LST-ARBunet:一种改进的用于肺部CT图像结节检测和分割的深度学习算法

陈祥龙, 李海军

计算机科学. 2025, 52 (6A): 240600020-10. doi:10.11896/jsjkx.240600020

摘要 ( 18 )

PDF(5885KB) ( 32 )

参考文献 | 相关文章 | 多维度评价

本文提出了一种新颖的深度学习模型——LST-ARBunet,以解决肺部计算机断层扫描(CT)图像中肺结节的精确分割问题。在肺结节检测领域,受结节尺寸微小、形态多样及与周围组织相似性高等因素影响,技术实现难度大。LST-ARBunet模型的主要创新在于在下采样的过程中融入Swin-Transformer结构在不同尺度上捕捉肺部影像的特征;对Swin-Transformer结构进行局部卷积前置和共享参数处理来降低模型参数量;在上采样的过程中加入自定义的注意力机制来捕获重要细节特征;并且使用残差瓶颈块(Inverted Residual Blocks)替换普通卷积,对模型进行轻量化。在公开肺结节CT数据集LIDC-IDRI上进行实验,LST-ARBunet展现出了一定的性能提升,交并比(Intersection over Union,IoU)为0.889,平均表面距离(Average Symmetric Surface Distance,ASSD)为1.453,Dice相似系数(Dice Score)为0.884,都超越了消融实验的模型以及ResUnet,PSPNet,DeepLabv3+模型。此外,LST-ARBunet在保持高分割精度的同时,还保持了相对合理的1.3 s推理时间,为临床应用提供了可行的效率平衡。本研究为肺结节分割提供了新的技术途径,未来工作将探索该模型在更多样化的临床数据集上的表现,进一步优化模型效率,并推进其在实际医疗环境中的部署与应用,为肺癌的早期检测与治疗提供强有力的支持。

一种通过增强图像编码和非对称卷积网络的心音分类算法

王晟懿, 杨宏波, 潘家华, 王威廉

计算机科学. 2025, 52 (6A): 240700195-8. doi:10.11896/jsjkx.240700195

摘要 ( 16 )

PDF(2898KB) ( 35 )

参考文献 | 相关文章 | 多维度评价

文中提出了一种通过增强图像编码和非对称卷积网络的心音分类算法。与传统的基于统计特征和时频域特征提取心音的方法不同,该算法通过引入分数阶傅里叶变换(FrFT)分别对格拉姆角场(GAF)、马尔可夫场(MTF)、递归图(RP) 3种图像编码方法进行增强,构成FrFT-GAF,FrFT-MTF,FrFT-RP图像编码模块。运用上述图像编码模块将一维心音信号转换为二维编码特征图,并利用计算机视觉技术在分类任务中的优势,采用非对称卷积网络(ACNet)对心音的二维编码特征图进行分析处理,从而实现对心音的有效分类。此外,还分别对上述图像编码模块的性能进行了评估和比较。实验结果表明,在心音二分类任务中,FrFT-RP模块的分类效果最好,在数据集1和数据集2(Physio Net/CinC 2016数据集)上的准确率分别为0.981和0.977,F1分别为0.989和0.974。FrFT-MTF和FrFT-GAF模块的效果次之。使用FrFT增强图像编码特征后较以往方法有明显提升,为心音信号分类提供了新的思路和方法,有望应用于先心病机器辅助诊断。

基于迁移学习的心电图分类识别算法的研究

陈麒瑞, 王宝会, 戴辰程

计算机科学. 2025, 52 (6A): 240900073-8. doi:10.11896/jsjkx.240900073

摘要 ( 17 )

PDF(2452KB) ( 54 )

参考文献 | 相关文章 | 多维度评价

随着城市生活节奏的不断加快,越来越多的人被心血管疾病所困扰。心电图作为诊断心脏病的关键手段,在面对日益增长的患者数量时,有限的医疗资源难以满足庞大的心电图判读需求。因此,如何利用计算机自动分类识别心电图成为了一个迫切的需求。文中基于安贞医院提供的临床数据集,经统计该数据集中存在着数据总量少、数据分布不均匀、部分数据未标注的问题。基于此,使用半监督学习方法对未标注数据进行标注,算法标注精度达到了91.4%。其次,使用迁移学习对模型进行训练,所用源数据集和目标数据集的MMD值为1.99,两者分布有着较高的相似度,与其他训练方法相比,该算法能够在数据总量较小且数据分布不均匀的数据集上取得较好的学习效果;在实际的门诊数据集上,该方法使模型的精确度达到了0.973,召回率达到了0.866,F1值达到了0.932,与不使用迁移学习相比,精确度提升了0.423,召回率提升了0.274,F1值提升了0.384。这一结果表明,该算法具有较好的泛化能力和适应性,可为临床实践提供有力的支持。

基于投影梯度下降的多编码神经网络治疗肽功能预测研究

冉琴, 阮小利, 徐婧, 李少波, 胡丙齐

计算机科学. 2025, 52 (6A): 240800024-6. doi:10.11896/jsjkx.240800024

摘要 ( 19 )

PDF(2715KB) ( 57 )

参考文献 | 相关文章 | 多维度评价

在生物医学领域,治疗肽作为传统抗生素药物的有效替代品,因其低毒性、高吸收率和高生物活性而被广泛应用于疾病治疗。然而,目前从深度学习的角度预测肽功能的研究还仍有较大改进空间。因此,基于公开的多功能治疗肽数据集,提出了一种基于投影剃度下降的多编码神经网络(PrMFTP-PGD)。首先,结合了多头注意力机制的多编码器提取输入向量的特征并获得较好的表示能力。然后,引入线性注意力机制进一步增强对特征的表示和提取能力。最后,通过投影梯度下降的对抗训练缓解多功能治疗肽数据集中固有的类不平衡问题。在独立测试集上与MPMAB,MLBP,PrMFTP,SP-RNN和ETFC方法进行比较,在精确率、覆盖率、准确率和绝对正确率指标中最大分别提升了2.55%,2.81%,2.59%和2.39%,结果表明,所提方法能够增强模型捕捉序列特征的能力,以更好地对多功能治疗肽进行预测。

基于改进TF-IIGM算法的畜禽疫病诊断模型研究

郭晓利, 李奇峰, 刘羽, 张俊, 赵红涛, 杨淦, 蒋瑞祥, 余礼根

计算机科学. 2025, 52 (6A): 240700029-7. doi:10.11896/jsjkx.240700029

摘要 ( 14 )

PDF(1944KB) ( 46 )

参考文献 | 相关文章 | 多维度评价

针对畜禽疫病文本中特征项权重分配不准导致诊断准确率较低的问题,利用提出的TF-IIGM-NW(Term Frequency-Improved Inverse Gravity Moment With Normalization and Weighting)改进算法结合Word2vec词向量进行文本向量化表示。该方法在TF-IIGM(Term Frequency-Improved Inverse Gravity Moment)算法的基础之上,对其进行归一化处理并结合基于关键词抽取算法设定的规则,进一步提升文本内核心关键词权重,然后将其与结合Word2vec词向量获取的文本向量化表示结果输入支持向量机(Support Vector Machine,SVM)进行畜禽疫病诊断。为了验证算法的有效性,基于自建的羊疫病文本数据集,将改进算法与现有词向量常见处理方式进行对比分析。结果表明,基于TF-IIGM-NW算法的macro-F1值与micro-F1值分别达到96.73%,96.76%;与传统经典算法TF-IDF(Term Frequency-Inverse Document Frequency)相比,分别提升2.25%,2.26%;与TF-IIGM算法相比,分别提高0.90%,0.97%。改进算法能够有效提升疫病诊断性能。通过SVM在每类疫病上的实验结果分析表明,羊口疮疫病类别最易被错判。

移动机器人路径规划算法综述

刘清云, 游雄, 张欣, 左吉伟, 李佳

计算机科学. 2025, 52 (6A): 240900074-10. doi:10.11896/jsjkx.240900074

摘要 ( 37 )

PDF(3688KB) ( 46 )

参考文献 | 相关文章 | 多维度评价

路径规划算法是移动机器人实现自主运动的关键技术之一,能够帮助机器人在复杂的环境中优化出最优或次优的路径,使机器人从起点到达目标位置。良好的路径规划算法对提高机器人的性能、适应性和可靠性有重要意义。为全面清楚地了解目前国内外移动机器人路径规划算法的研究现状,对常用的移动机器人路径规划算法进行总结综述,根据每个算法的原理及特性,首先将路径规划算法分为传统算法、基于采样的算法、智能仿生算法、人工智能算法四大类;然后对每类算法进行细分,并对每个算法的原理及优缺点进行详细介绍,同时展示了一些学者对每个算法局限性的改进;最后总结对比分析每个算法的优缺点,对移动机器人路径规划算法的发展趋势进行归纳,以期为移动机器人路径规划发展提供一定的参考。

基于社交媒体平台的短文本相似性度量方法及应用综述

范星, 周晓航, 张宁

计算机科学. 2025, 52 (6A): 240400206-8. doi:10.11896/jsjkx.240400206

摘要 ( 19 )

PDF(1845KB) ( 34 )

参考文献 | 相关文章 | 多维度评价

短文本相似性度量作为自然语言处理领域中的一项关键任务,随着社交媒体平台的用户活跃度不断攀升,短文本数据已成为互联网信息传播的核心载体。这类数据对于企业在大数据中深入理解消费者情感、精准描绘用户画像具有显著的应用价值。文中首先对短文本相似性度量方法进行了系统梳理,将其归结为基于字符串的方法、基于词向量的方法以及基于深度学习的方法3类,并深入探讨了不同方法的优势与局限性。其次,聚焦于短文本相似性在企业商业分析中的实际运用,揭示了短文本相似性度量如何助力企业洞察消费者意见、态度以及优化市场营销策略。最后,研究对社交媒体平台短文本相似性度量所面临的挑战进行了全面总结,并对未来的发展前景进行了展望,旨在为相关研究者提供有益的参考和启示。

低空经济背景下人工智能保障eVTOL飞行安全综述

苏志远, 赵利绪, 郝志恒, 百茹峰

计算机科学. 2025, 52 (6A): 250200050-13. doi:10.11896/jsjkx.250200050

摘要 ( 20 )

PDF(3180KB) ( 51 )

参考文献 | 相关文章 | 多维度评价

随着低空经济的兴起,电动垂直起降飞行器(eVTOL)的应用更加广泛,其飞行安全保障至关重要,有待加强相关应用研究。通过分析大量相关文献,从eVTOL本身的效能可靠性、应用规程的安全性和飞行数据传输的安全这3方面进行深入剖析,梳理了可能面临的数据安全、复杂环境感知决策、计算资源限制和多智能体协同挑战等问题。最后对人工智能在eVTOL安全应用的未来发展趋势进行预测,为后续研究与实践提出技术研发重点、标准法规完善及行业合作等建议,旨在全面展现人工智能保障eVTOL运用安全的应用全景,为其进一步发展提供参考。

森林火灾风险预测的研究进展及面临的挑战

杨继翔, 蒋惠萍, 王森, 马轩

计算机科学. 2025, 52 (6A): 240400177-8. doi:10.11896/jsjkx.240400177

摘要 ( 19 )

PDF(1887KB) ( 40 )

参考文献 | 相关文章 | 多维度评价

随着全球气候变化和人类活动的加剧,森林火灾事件频发,造成了严重的生态破坏和社会经济损失。森林火灾风险预测作为森林火灾管理和监测的首要措施,具有重要意义。因此,本研究对现有的森林火灾风险预测方法进行了深入分析,按照数据源的不同,将其分为基于地理环境因素、基于遥感与地理信息系统以及基于遥感影像的模型,并详细总结了每类方法的特点,分析了其研究思路、应用范围以及对数据和算法的具体要求。随后,介绍了在森林火灾风险预测领域中相关研究者提出的一些数据集,并对所提及的预测方法的实验结果进行了对比。最后,分析了这3类模型的主要问题,并对未来的研究方向进行了展望。

基于改进Transformer的多智能体供应链库存管理方法

朴明杰, 张冬冬, 卢鹄, 李汝鹏, 葛小丽

计算机科学. 2025, 52 (6A): 240500054-10. doi:10.11896/jsjkx.240500054

摘要 ( 18 )

PDF(3361KB) ( 32 )

参考文献 | 相关文章 | 多维度评价

有效的供应链库存管理对诸如民用飞机和汽车制造等大规模制造业至关重要,它能确保高效的生产运作。通常情况下,主制造商制定年度库存管理计划,并根据实际生产进度,在某些物料接近临界库存水平时与供应商进行联系。但实际生产情况的变化可能会导致年度库存管理计划的改变,因此根据实际生产情况和库存水平对未来物料采购情况进行决策相对更为灵活与高效。近年来,许多研究者关注采用强化学习方法来研究库存管理问题。当前的方法在解决具有多节点多物料模式的民用飞机制造供应链库存管理问题时虽然能够一定程度上提供高效管理,但是带来了较高的复杂度。为解决这一问题,将问题形式化为一个部分可观察马尔可夫决策过程模型,并提出了一种基于改进Transformer的多智能体供应链库存管理方法。该方法基于多智能体强化学习序列决策的本质,将多智能体强化学习问题转化为编码器-解码器架构的序列建模问题,从逻辑上降低算法的复杂度。实验结果表明,相较于现有的基于强化学习的方法,所提方法在保持性能相近的基础上,于复杂度方面约有90%的改善。

基于知识图谱的大豆种植管理知识问答系统

郑鑫鑫, 陈凡, 孙宝丹, 巩建光, 江俊慧

计算机科学. 2025, 52 (6A): 240500025-8. doi:10.11896/jsjkx.240500025

摘要 ( 17 )

PDF(3495KB) ( 50 )

参考文献 | 相关文章 | 多维度评价

传统大豆数据库存在知识涵盖面狭窄、无效信息繁杂的问题,导致大豆种植者无法通过互联网有效地解决生产难题。知识图谱提供了一种从海量文本和图像数据中抽取知识的手段,使得使用者能够快速有效地检索到所需要的信息。因此,首先根据现有公开资料构建大豆种植管理知识图谱并基于此搭建问答系统,旨在帮助大豆种植者解决种植过程中遇到的问题。具体地,首先采取自顶向下的知识图谱构建方法,采集已有知识和专业领域的先验知识,使用BIO方法标注数据;然后,使用Bert-BiLSTM-CRF模型抽取实体后搭建知识图谱。最后,通过使用Bert-BiLSTM-CRF模型和Bert+TextCNN模型,分别完成问答系统中的命名实体识别任务和用户意图判断任务,再基于上述两个模型进行问答系统的搭建。实验结果表明,构建的大豆种植管理知识问答系统能够有效回答种植过程遇到的问题,证明了问答系统具有一定的实际应用价值。

基于双重预训练的商品属性分类方法

赵哲宇, 王中卿, 王红玲

计算机科学. 2025, 52 (6A): 240500127-8. doi:10.11896/jsjkx.240500127

摘要 ( 17 )

PDF(3014KB) ( 45 )

参考文献 | 相关文章 | 多维度评价

商品属性分类任务是指对一段商品的描述文字进行属性分析并进而对多个属性进行分类的过程,其有助于人们从多个角度了解商品,为市场营销、产品管理等提供帮助。当前大语言模型的使用也愈加广泛,但在商品属性分类问题上,通用大模型由于缺乏领域知识和属性关联等信息,性能不够理想。为此,提出了一个基于双重预训练的商品属性分类方法,旨在通过使用特定的预训练方式提高大语言模型在商品属性分类任务中的性能。在T5模型的基础上,引入了领域内文本预训练和基于属性间关联性的预训练两种方法。在Clothing Fit Data数据集上的实验结果显示,使用了双重预训练的T5模型较未经过预训练的模型以及其他基准模型,在各个属性上的分类效果都取得了一定提升。实验结果证明了所提方法的有效性。

基于PPO的自适应杂交遗传算法求解旅行商问题

黄傲, 李敏, 曾祥光, 潘云伟, 张加衡, 彭倍

计算机科学. 2025, 52 (6A): 240600096-6. doi:10.11896/jsjkx.240600096

摘要 ( 18 )

PDF(2635KB) ( 39 )

参考文献 | 相关文章 | 多维度评价

旅行商问题(Traveling Salesman Problem,TSP)是一个经典的组合优化问题,求解难度较大。传统遗传算法在求解旅行商问题时,参数调节过分依赖经验,同时种群多样性过早减少会导致局部收敛,严重影响算法性能。为此,提出一种自适应杂交遗传算法(Adaptive Hybrid Genetic Algorithm,AHGA),采用深度强化学习对遗传算法的关键参数进行自适应调整。首先,构建了以遗传算法为环境的自适应参数调节模型,采用近端策略优化(Proximal Policy Optimization,PPO)算法来生成控制种群进化的动作策略。其次,在传统遗传算法交叉、变异的基础上增加杂交算子,以提高迭代后期种群的多样性。最后,在不同的TSPLIB公共实例中验证算法的效果和性能。结果表明,该算法明显提高了遗传算法的求解质量和收敛速度,有效避免了遗传算法的局部收敛问题,在解决旅行商问题时优于同类算法。

基于预训练模型和双向二维卷积的命名实体识别算法

林楠, 刘志慧, 杨聪

计算机科学. 2025, 52 (6A): 240700143-6. doi:10.11896/jsjkx.240700143

摘要 ( 17 )

PDF(3223KB) ( 36 )

参考文献 | 相关文章 | 多维度评价

针对命名实体识别在处理嵌套结构时语义信息逐层减弱的问题,提出了一种基于预训练模型和双向二维卷积的命名实体识别算法BAM-TDNN。该算法首先通过四词嵌入策略即BERT、距离、局部和注意力嵌入,来提取语句中的不同层次语义特征,将多个层次的语义特征转换为二维语义表示,以更好地捕捉嵌套结构之间的语义信息;其次,采用Bi-TDNN模型学习语句中实体的长距离语义依赖关系,扩展跨度表示的感受野,提取嵌套实体间更准确的语义信息,更好地理解嵌套实体之间的语义关联。通过在4个公共数据集上进行评估,实验结果表明,所提出的命名实体识别算法在多个实体识别数据集上均取得了良好的性能。BAM-TDNN在ACE2005数据集上的精确率、召回率和F1值分别为86.83%,87.93% 和 86.83%,在GENIA数据集上的精确率、召回率和F1值分别为86.52%,82.37% 和 84.36%,在CoNLL2003数据集上的精确率、召回率和F1值分别为92.24%,93.72% 和 91.97%等。

混合对比学习和多视角CLIP的多模态图文情感分析

叶佳乐, 普园媛, 赵征鹏, 冯珏, 周联敏, 谷金晶

计算机科学. 2025, 52 (6A): 240700060-7. doi:10.11896/jsjkx.240700060

摘要 ( 20 )

PDF(2807KB) ( 57 )

参考文献 | 相关文章 | 多维度评价

以往的多模态图文情感分析模型大多采用不同的编码器结构分别对图像和文本进行特征编码,重点关注探索不同的模态特征融合方法来实现情感分析。但由于独立提取的特征具有语义空间差异性,在交互时无法有效地捕捉到不同特征之间的语义关联和互补性,进而降低了情感分析的准确性。针对上述问题,文中提出了混合对比学习和多视角CLIP的多模态图文情感分析方法。具体来说,多视角CLIP特征编码模块采用CLIP对图像和文本进行联合编码表示,以提升特征的语义一致性,从图像、文本和图文交互等多个视角进行多模态情感分析。此外,通过混合对比学习模块使模型提取更具有情感特性以及有效信息的特征,提升模型的鲁棒性。其中,在图文交互时为了去除冗余信息,采用CNN和Transformer级联的融合策略,充分利用图文局部和全局信息来提高特征表示能力。最后,在3个公开数据集上进行综合实验,验证了所提方法的优越性,通过消融实验证明了所提方法各组件的有效性。

FB-TimesNet:基于TimesNet改进的多模态情绪识别方法

李为荣, 殷继彬

计算机科学. 2025, 52 (6A): 240900046-8. doi:10.11896/jsjkx.240900046

摘要 ( 19 )

PDF(3218KB) ( 51 )

参考文献 | 相关文章 | 多维度评价

针对情感识别领域信息来源模态单一、抗干扰性差、计算成本高、时间特征关注度小等局限性,提出了一种基于Times-Net改进的面部表情和身体姿态的混合情绪识别方法FB-TimesNet。首先,对视频帧的人体关键点坐标进行提取,分别以面部关键点坐标相对于自然状态下的变化值,以及身体姿态关键点坐标作为面部表情和身体姿态的原始信息特征,从而降低数据的维度和计算成本。其次,使用快速傅里叶变化捕捉输入数据的周期变化,将一维数据转化为二维数据,再使用二维卷积核分别对两组特征进行时空特征编码和提取,以加强数据的表征能力。最后,使用融合算法动态分配各模态权重,以获得最佳融合效果。先后在两个常见的情感数据集上进行了广泛的对比实验,实验结果表明,FB-TimesNe在BRED数据集上相比基线模型提高了4.89%的分类准确率。

微信会话文本关键词提取的算法研究

王宝会, 许卜仁, 李长傲, 叶子豪

计算机科学. 2025, 52 (6A): 240700105-8. doi:10.11896/jsjkx.240700105

摘要 ( 20 )

PDF(2353KB) ( 38 )

参考文献 | 相关文章 | 多维度评价

微信群组中存在大量会话文本数据,对其进行关键词提取有助于理解群组动态和主题演变。由于微信会话文本存在长度短、主题交叉、语言不规范等特点,传统提取方法效果欠佳。为此,提出了一个基于会话主题聚类的多阶段关键词提取算法。首先,提出了一种结合预训练知识的会话主题聚类算法(Single Pass Using Thread Segmentation and Pre-training Know-ledge,SP_TSPK),综合考虑语义相关性、消息活跃度和用户亲密度,有效解决了会话主题交叉和信息量不足的问题。其次,设计了一种多阶段关键词提取算法(Multi-Stage Keyword Extraction,MSKE),将任务分解为无监督关键词抽取和有监督关键词生成,有效提取原文中存在和缺失的关键词,减少了候选词规模和语义冗余;最终,组合SP_TSPK算法与MSKE算法实现微信会话文本关键词提取。在WeChat数据集上相比AutoKeyGen算法,F₁@5和F₁@O平均提升了12.8%与10.8%,R@10平均达到其2.59倍。实验结果表明,该算法能有效地提取微信会话文本关键词。

基于外部知识查询的视觉问答

徐钰涛, 汤守国

计算机科学. 2025, 52 (6A): 240400101-8. doi:10.11896/jsjkx.240400101

摘要 ( 15 )

PDF(2547KB) ( 38 )

参考文献 | 相关文章 | 多维度评价

为了有效解决现阶段视觉问答(Visual Question Answering,VQA)模型难以处理需要额外知识才能解答的问题,文中提出了一种问题引导的外部知识查询机制(Question-Guided Mechanism for Querying External Knowledge,QGK),旨在集成关键知识以丰富问题文本,从而提高VQA模型的准确率。首先,开发了一种问题引导的外部知识查询机制(QGK),以扩充模型内的文本特征表示并增强其处理复杂问题的能力。其中包含了多阶段处理流程,包括关键词提取、查询构造、知识筛选和提炼步骤。其次,还引入了视觉常识特征以验证所提方法的有效性。实验结果表明,所提出的查询机制能够有效提供重要的外部知识,显著提升模型在VQA v2.0数据集上的准确率。当将查询机制单独加入基线模型时,准确率提升至71.05%;而将视觉常识特征与外部知识查询机制相结合时,模型的准确率进一步提高至71.38%。这些结果验证了所提方法对于提升VQA模型性能的显著效果。

融合情感词典和图对比学习的中文零样本立场检测

付书凡, 王中卿, 姜晓彤

计算机科学. 2025, 52 (6A): 240500051-7. doi:10.11896/jsjkx.240500051

摘要 ( 16 )

PDF(2210KB) ( 46 )

参考文献 | 相关文章 | 多维度评价

零样本立场检测的主要目的是在标注数据有限或没有标注数据的情况下识别作者对特定目标或主题的态度,目前已有的零样本立场检测主要是基于注意力机制或引入外部情感信息,该类方法忽略了原始文本中隐藏的情感信息和实体之间的语义关系。针对这一问题,提出了一个融合情感词典和图对比学习的零样本立场检测模型(EL-CL),利用思维链诱导的方法来挖掘原始文本中的情感信息,用于辅助构建新的输入文本,在对输入文本聚类生成原型图的训练过程中引入情感词典来增强原型图的文本向量中的情感信息。同时,采用自监督的图对比学习方法,对含有情感特征的向量进行数据增强,以提高模型对未知样本的推理能力。在NLPCC2016中文微博立场检测数据集上基于5个目标进行实验,结果显示,所提模型在多分类评价指标macro-F₁上比基线模型提升了10%,证明了所提模型在零样本环境下具有良好的立场检测能力。

融合术语和依存位置编码的英中专利复杂长句机器翻译

李永辉, 叶娜, 白宇, 张桂平

计算机科学. 2025, 52 (6A): 240600098-9. doi:10.11896/jsjkx.240600098

摘要 ( 15 )

PDF(2408KB) ( 54 )

参考文献 | 相关文章 | 多维度评价

现有的神经机器翻译方法在处理专利文本中的复杂长句时仍然面临挑战。首先对专利文本中的复杂长句进行了定量化定义,并针对其翻译过程中存在的术语漏译、错译以及句子结构错译的问题提出了融入术语信息和依存位置编码的神经机器翻译模型。该模型将被约束的术语向量化集成到编码器和解码器的注意力模块以及输出层中,并在位置编码处融合依存位置编码缓解长距离依赖问题。实验表明,所提模型相对于其他几个基线模型在术语翻译成功率和复杂长句整体翻译性能上均有显著提升。

融合语法和语义信息的方面级情感分析模型

黄志勇, 李弼程, 魏巍

计算机科学. 2025, 52 (6A): 240400193-7. doi:10.11896/jsjkx.240400193

摘要 ( 18 )

PDF(2061KB) ( 37 )

参考文献 | 相关文章 | 多维度评价

随着网络上越来越多的人发表自己的观点,带有情绪的贴文也逐渐增多,负面情绪的累积可能导致舆论失控,准确地识别贴文的情感极性能有效分析舆论现状。目前方面级的情感分析尚未有效融合语法信息以及语义信息,无法同时考虑语法结构的互补性和语义相关性。为此,提出了一个融合语法和语义的方面级情感分析模型(Aspect-level Sentiment AnalysisMo-dels Based on Syntax and Semantics,SS-GCN),包括语法分析模块、语义分析模块以及融合模块。首先将文本作为预训练BERT模型的输入,通过语法分析模块获得语法关联关系的特征表示,同时经由邻域增强机制的语义分析模块捕获语义的相关性的特征表示。最后把二者输入到融合模块,在仿射变换的作用下对语法信息和语义信息进行有效的交互和融合,实现方面级情感分析。

基于MacBERT的融合依存句法信息和多视角词汇信息的中文命名实体识别方法

李代成, 李晗, 刘哲宇, 龚诗恒

计算机科学. 2025, 52 (6A): 240600121-8. doi:10.11896/jsjkx.240600121

摘要 ( 13 )

PDF(2319KB) ( 37 )

参考文献 | 相关文章 | 多维度评价

在实体类型开放和实体结构复杂的中文环境下,中文命名实体识别任务存在明显的实体边界判断错误和实体分类准确率低等问题。为了进一步改善上述问题,提出了一种以字符作为编码单位,并基于MacBERT预训练模型的中文命名实体识别模型——MacBERT-SDI-ML。首先,为了提取更丰富的中文语义特征,提高实体识别的准确性,模型采用MacBERT作为嵌入层。其次,为了进一步增强实体表示的特征,提高实体分类的准确性,模型通过一个依存句法信息解析器(SDIP)对实体更丰富的依存信息进行更高效的提取,并将其融合到字符表示中。此外,考虑到字符在不同的词汇中可能处在不同的位置,模型设计了一种基于自注意力机制的面向多视角的词汇信息融合组件(MLIF),来进一步增强字符表示的边界特征,有助于提高对边界判断的能力。最后,分别在Weibo,OntoNotes和Resume数据集上对模型进行训练。实验表明,MacBERT-SDI-ML模型在3个数据集上的F1值分别达到72.97%,86.56%和98.45%。

基于语义增强的装备事件抽取方法

方睿, 崔良中, 方圆婧

计算机科学. 2025, 52 (6A): 240900096-9. doi:10.11896/jsjkx.240900096

摘要 ( 17 )

PDF(2579KB) ( 35 )

参考文献 | 相关文章 | 多维度评价

信息时代下,装备领域的数据量急剧增长,使得论证人员难以高效地从中获取关键信息,进而支持相应的数据分析和论证工作。针对装备领域事件抽取事件论元边界模糊的问题,提出了一种基于语义增强的装备事件抽取方法。该方法利用装备领域的专业术语和词汇信息,构建领域词向量,并设计能够兼容和整合不同粒度语义信息的模型结构,将装备领域词向量与预训练模型ERNIE生成的字符向量进行融合,将专业术语知识和通用语言理解能力相结合,实现更全面的语义信息捕捉,增强模型对装备领域文本语义的理解,从而提升模型对事件论元边界的识别能力。实验结果表明,该方法在装备领域数据集上取得了优于基线方法的F1值,相比CK-BERT模型F1值提升了3.83%;在公开数据集ACE2005上进行的实验验证了其能有效提升装备领域事件要素抽取的性能。

从挖掘双粒度概念特征的角度实现知识图谱概念认知

胡新, 段江丽, 黄德楠

计算机科学. 2025, 52 (6A): 240800047-6. doi:10.11896/jsjkx.240800047

摘要 ( 15 )

PDF(2588KB) ( 63 )

参考文献 | 相关文章 | 多维度评价

现有的自然语言理解方法是基于信息检索和匹配的,不像人类那样具有认知能力。为了模拟人类对概念的认知能力,知识图谱概念认知的主要任务是从属性有无和属性值两个粒度挖掘概念特征,即概念的频繁属性和属性值,使机器能够区分或认知概念。首先,提出了一种从知识图谱中的概念相关信息中挖掘双粒度概念特征的算法。其次,提出了双粒度属性模式的单调性,以促进两个粒度之间的协同作用并加快挖掘过程。接着,利用极大频繁属性模式的代表性来释放上述单调性的值,加速挖掘过程。最后,实验验证了算法的有效性、双粒度属性模式的单调性、极大频繁模式的代表性和双粒度概念特征的认知能力。

多策略多维度融合改进的河马优化算法

任庆欣, 冯锋

计算机科学. 2025, 52 (6A): 240400145-8. doi:10.11896/jsjkx.240400145

摘要 ( 17 )

PDF(3653KB) ( 56 )

参考文献 | 相关文章 | 多维度评价

针对河马优化算法(Hippopotamus Optimization Algorithm,HO)收敛速度慢、易陷入局部寻优以及对算法参数有依赖性等问题,文中提出一种多策略多维度融合改进的河马优化算法(Improved Hippo Optimization Algorithm Based on Multi-strategy and Multi-dimension Fusion,MSMDHO)。首先,利用准反向学习的映射方式生成或者扰动初始化种群,提高种群的空间分布质量。其次,引入了正余弦优化策略,将其应用在HO算法第一阶段中的描述雌性或未成熟河马种群位置更新公式中,利用其震荡性不断检测和扰动,从而达到更好的优化效果。最后,在HO的抵御捕食者阶段和逃离捕食者阶段分别使用切线飞行策略和PID搜索因子,避免种群陷入局部寻优,提高全体收敛速度。利用MSMDHO算法、HO算法、多元宇宙算法(Multi-verse Optimization,MVO)、鹈鹕优化算法(Pelican Optimization Algorithm,POA)、鼠群优化器(Rat Swarm Optimizer,RSO)、旗鱼优化算法(Sailfish Optimizer,SFO)以及粒子群算法(Particle Swarm Optimization,PSO)对8个测试函数分别进行测试,结果表明,MSMDHO算法在全局搜索能力和收敛速度的稳定性和先进性都领先其他算法。

基于改进DBO-BP神经网络的烟叶复烤出口含水率和温度的预测

孙勇乾, 汤守国

计算机科学. 2025, 52 (6A): 240900069-7. doi:10.11896/jsjkx.240900069

摘要 ( 17 )

PDF(2478KB) ( 45 )

参考文献 | 相关文章 | 多维度评价

为提高烟叶复烤后烟叶的质量,提出了一种基于改进蜣螂优化算法(DBO)-BP神经网络的预测模型,旨在准确预测烟叶复烤过程中的烤机出口含水率和温度。首先,采用灰色关联度分析法分析工艺参数对烤机出口含水率和温度的关联程度,为了提高模型的预测精度和稳定性,引入Circle搜索策略来优化蜣螂算法,使其能够更有效地探索解空间,避免陷入局部最优。其次,用改进的蜣螂算法优化BP神经网络的权重和阈值。最后,建立Circle-DBO-BP复烤烤机出口含水率和温度预测模型。通过MATLAB对Circle-DBO-BP模型进行仿真,并与XGBOOST模型、Tent-DBO-BP模型和SSA-BP模型的预测结果进行了比较。实验结果表明,改进后的Circle-DBO-BP模型络在烟叶复烤出口含水率和温度的预测中,MSE分别达到了0.046 7和0.038 4,从而为烟叶复烤过程的控制提供了有力的支持。

考虑多任务的区域冷链多式联运路径研究

石坤, 李德仓, 孟晏冰, 刘亚彤

计算机科学. 2025, 52 (6A): 240600160-6. doi:10.11896/jsjkx.240600160

摘要 ( 16 )

PDF(1789KB) ( 40 )

参考文献 | 相关文章 | 多维度评价

针对冷链物流运输成本高、时效性强、碳排放多的特点,集成考虑多任务、碳排放、客户满意度、运输弧容量约束因素,构建了以总成本最小、客户满意度最高为目标的冷链多式联运路径优化模型并采用遗传模拟退火算法进行求解。以南宁到哈尔滨的中国区域多式联运网络为案例,进行联运方案的决策,并对节点城市平均气温进行灵敏度分析。模型求解结果表明:所提算法相较于传统遗传算法具有更快的收敛速度和更高的精度,可有效求解该模型,三项运输任务的总满意度分别为0.53,0.86,0.75,生鲜种类、客户时效要求、运输弧容量均会对联运方案产生影响。灵敏度分析结果表明:随着城市平均气温的上升,客户满意度呈下降趋势。本研究结果可为不同运输情景下的冷链多式联运路径选择提供一定的参考依据。

智能变形飞行器自主决策轨迹优化方法设计

徐丹, 王江涛

计算机科学. 2025, 52 (6A): 240600068-7. doi:10.11896/jsjkx.240600068

摘要 ( 25 )

PDF(3764KB) ( 40 )

参考文献 | 相关文章 | 多维度评价

智能变形飞行器是一类能够根据飞行任务与环境变化适时、自主地改变结构外形,以不同气动布局满足不同飞行阶段任务需求的新一代飞行器,被认为是最有可能带来未来航空航天飞行器技术变革的发展趋势之一。但较大的结构变形使其难以建立准确的数学模型,为此提出利用无模型的强化学习(Reinforcement Learning,RL)算法,通过交互学习实现轨迹优化的自主决策。以大空域高速飞行的智能变形飞行器为研究对象,针对其难以提前获取充足的变形飞行试验数据导致难以预测不同飞行状态下的最优气动外形的技术问题,提出了一种基于RL网络模型的变形决策优化设计方案。所提方案使得飞行器在飞行过程中可以根据实时情况自主完成决策变形,达到提升气动性能和优化飞行轨迹的目的。

基于改进蜣螂优化算法的无人机路径规划

叶明君, 王姝鉴

计算机科学. 2025, 52 (6A): 240900136-6. doi:10.11896/jsjkx.240900136

摘要 ( 34 )

PDF(3549KB) ( 44 )

参考文献 | 相关文章 | 多维度评价

在无人机技术迅猛发展的背景下,高效的路径规划策略成为提升无人机任务执行效能与安全性的关键。聚焦于无人机三维路径规划问题,提出一种基于多策略改进蜣螂优化算法(Multi-Strategy Dung Beetle Optimization,MDBO)的无人机三维路径规划方法。MDBO通过引入拉丁超立方采样初始化策略、平均差分变异策略,以及融合透镜成像反向学习与逐维优化的策略,显著提高了算法的收敛精度和收敛速度,增强了全局优化能力。通过MATLAB仿真实验,将MDBO与DBO,COA以及GWO算法在无人机路径规划问题上进行了对比。实验结果表明,对于构造的两个地图,MDBO求解的飞行路径长度平均值与DBO相比分别降低了5.1%和5.9%,且具有良好的收敛速度和稳定性,验证了所提出方法的有效性和优越性。

基于网络分解的故障树自动生成方法研究

缪广宇, 神策, 方博杨

计算机科学. 2025, 52 (6A): 240900108-6. doi:10.11896/jsjkx.240900108

摘要 ( 18 )

PDF(2369KB) ( 35 )

参考文献 | 相关文章 | 多维度评价

随着现代航空工业领域的发展,航空模拟器在飞行员训练、系统测试和故障排查中的重要性日益凸显。故障树分析作为提升飞行员应对非正常工况能力的关键工具,对模拟器设计的合理性至关重要。针对航空系统中存在的余度备份设计,提出了一种基于网络分解的故障树生成方法。该方法以系统结构图和目标节点为输入,通过分析网络的连通路径,生成直观清晰的故障树,同时使用常见的与或门作为逻辑门以方便阅读和其他程序调用结果。该算法不仅减少了人工工作量,还提高了模拟器设计的效率和准确性。此外,引入了一种加权的选点规则以及常见拓扑的简化规则,优化了网络分解的效率。最后,通过飞机系统部分网络图的实例验证,证明了所提算法的正确性和性能。

基于K-近邻加权算法的智能站虚端子自匹配方法

史卓鹏, 孔祥敏, 魏佳红, 宋晓帆

计算机科学. 2025, 52 (6A): 240600039-6. doi:10.11896/jsjkx.240600039

摘要 ( 15 )

PDF(1907KB) ( 34 )

参考文献 | 相关文章 | 多维度评价

为解决工程设计中智能变电站虚端子回路频繁连接错误和需要重复校验等问题,提出基于K-近邻加权算法的智能站虚端子自匹配方法。通过将智能变电站的整站虚端子匹配问题分解为典型间隔和单一智能电子设备(Intelligent Electronic Device,IED)中的单个发送和接收虚端子匹配连接问题,引入虚端子的格式组成与连接构建数学分析模型;根据IED装置之间GOOSE和SV输入输出虚端子属性连接的距离度量,通过模拟退火优化方法增加对属性距离权重来提高算法选择近邻度,并利用K-近邻算法的分类决策规则自动匹配出对应的虚端子连接组合。通过工程测试实例验证了该算法的准确性和高效性,其提升了智能变电站不可见回路的连接准确率,能保障电网安全稳定运行。

基于深度学习的混凝土缺陷检测方法综述

王嘉敏, 武文红, 牛恒茂, 石宝, 乌尼尔, 郝旭, 张超, 付荣升

计算机科学. 2025, 52 (6A): 240900137-12. doi:10.11896/jsjkx.240900137

摘要 ( 18 )

PDF(2755KB) ( 36 )

参考文献 | 相关文章 | 多维度评价

基于深度学习的混凝土缺陷检测通过提供结构状况的初始评估,可有效降低基础设施运营风险以及节约维护成本。文中归纳了近年来混凝土缺陷检测技术的研究进展,对相关研究的已有成果进行分析,讨论对比了各类检测方法的差异及优缺点。对可用于混凝土缺陷检测的图像数据集进行了梳理与介绍,再从实际应用出发,对混凝土缺陷检测中可能会存在的问题进行梳理,阐述与分析了能解决相应检测问题的相关研究。最后,针对该研究后续可能的发展方向进行展望。

施工现场的人机距离检测方法综述

郝旭, 武文红, 牛恒茂, 石宝, 乌尼尔, 王嘉敏, 褚宏坤

计算机科学. 2025, 52 (6A): 240700098-10. doi:10.11896/jsjkx.240700098

摘要 ( 16 )

PDF(2358KB) ( 45 )

参考文献 | 相关文章 | 多维度评价

随着建筑行业的发展,施工机械的使用日益频繁,由此带来的安全问题也愈发严峻。近年来,全国范围内发生的生产安全事故中,建筑起重机械类事故占比显著。因此,如何有效监测并预防施工现场工人与施工机械之间的潜在风险,成为当前研究的热点。首先,系统归纳了基于定位技术和深度学习方法的工人与施工机械距离检测技术,重点介绍深度学习的方法并阐述其关键技术;其次,根据距离检测方法总结国内外的研究现状,并对各方法的优势及局限性进行对比分析;然后,通过目前研究面临的挑战,提出相应的改进策略;最后,给出未来发展趋势,为相关领域的研究者提供有价值的参考。

基于迁移学习与改进YOLOv8s的输电线路故障识别方法

黄柏澄, 王晓龙, 安国成, 张涛

计算机科学. 2025, 52 (6A): 240800044-8. doi:10.11896/jsjkx.240800044

摘要 ( 17 )

PDF(4408KB) ( 39 )

参考文献 | 相关文章 | 多维度评价

目前,输电线路部分故障类别识别存在样本严重不足、无人机拍摄远距离小目标定位困难等问题,导致输电线路故障识别精度较低。为此,提出一种基于迁移学习与改进YOLOv8s的输电线路故障识别方法。首先,为改善小样本情况下的故障识别效果,该算法以YOLOv8s作为基线模型,使用迁移学习方法对模型进行预训练,并提出一种基于双向相关性的迁移学习样本选择模块,筛选出与目标域具有强相关性的样本类别,避免使用迁移学习时可能产生的负迁移问题,更好地辅助故障识别任务。其次,针对小目标定位困难问题,通过设计小目标注意检测层,将80*80输出特征图与浅层特征图进行特征融合后,引入EMA多尺度注意力机制,增强小目标特征信息;在预测框回归损失中使用NWD损失替换CIoU损失,采取Wasserstein距离度量小目标预测框与真值框的相似性,解决了IoU对小目标位置偏差敏感的问题,有效提升了小目标检测精度。实验结果表明:在小样本与小目标情况下,所提方法在输电线路故障数据集中mAP为51.1%,相较于YOLOv8s基线模型提升了8.2%,有效提升了故障识别精度,为小样本与小目标输电线路故障识别提供了新的解决思路与办法。

基于多尺度深度可分离ResNet的废弃家电回收图像分类模型

雷帅, 仇明鑫, 柳先辉, 张颖瑶

计算机科学. 2025, 52 (6A): 240500057-7. doi:10.11896/jsjkx.240500057

摘要 ( 18 )

PDF(3063KB) ( 51 )

参考文献 | 相关文章 | 多维度评价

针对海量废弃家电回收图像数据在回收技术中难以有效利用的问题,提出了一种基于ResNet和多尺度卷积的废弃家电回收图像分类模型(Multi-scale and Efficient ResNet,ME-ResNet)。首先,基于残差结构设计了多尺度卷积模块以提升不同尺度特征信息提取能力,在此基础上基于ResNet设计了针对废弃家电回收图像分类问题的ME-ResNet模型;其次,通过用深度可分离卷积替换多尺度卷积中的部分卷积层,实现ME-ResNet模型轻量化;最后,通过与其他卷积神经网络的对比实验,对ME-ResNet及其轻量化模型的性能进行了验证。研究结果表明:相较于经典的卷积神经网络ResNet34,ME-ResNet及其轻量化模型均能有效提升识别准确度,针对构建的数据集,其最优准确率分别提升了1.2%和0.3%,宏精确率分别提升了1.7%和0.9%,宏召回率分别提升了1.3%和0.2%,宏F1分数分别提升了1.5%和0.5%。

激光透窗低质量成像人体目标检测算法

伍智华, 程江华, 刘通, 蔡亚辉, 程榜, 潘乐昊

计算机科学. 2025, 52 (6A): 240600069-6. doi:10.11896/jsjkx.240600069

摘要 ( 17 )

PDF(3846KB) ( 35 )

参考文献 | 相关文章 | 多维度评价

针对激光透窗低质量成像下的人体目标检测,现有算法存在检测不准确、识别率低等问题,提出一种基于YOLOv8n优化改进的目标检测算法YOLO-TC。重新设计主干部分的特征提取模块,提升模型多尺度特征表示能力;对YOLOv8n模型做剪枝处理,优化网络结构,降低模型复杂度的同时提升检测精度;在C2f模块与解耦头(Detect)之间添加EMA注意力机制模块,增强特征融合中的语义和位置信息,提升模型的特征融合能力;使用SIoU边界框回归损失函数代替原损失函数,提升算法推理的准确性和训练速度。实验结果表明,改进后的模型在激光透窗成像数据集中的精确度(Precision)、召回率(Recall)和平均精度均值(mAP)相比原模型分别提高了7.7%,5.9%和7.0%,模型大小缩减了34.6%,便于后续边缘端的硬件部署。

基于改进YOLOv5s的飞机起落架安全销检测算法

陈世嘉, 叶剑元, 龚轩, 曾康, 倪鹏程

计算机科学. 2025, 52 (6A): 240400189-7. doi:10.11896/jsjkx.240400189

摘要 ( 21 )

PDF(3677KB) ( 40 )

参考文献 | 相关文章 | 多维度评价

飞机起落架安全销是一种飞机安全保护装置,飞机起飞前应确保安全销拔出,以保障飞机飞行安全。传统的飞机起落架安全销检查方式是基于人工巡检,这种方式通常会因人为因素产生安全隐患,且效率低下。为了解决这一问题,首次将基于深度学习的目标检测算法应用于飞机起落架安全销检测并从算法模型的轻量化和性能方面进行优化,以更好地在算力资源、存储资源及算法性能方面满足检测任务。基于工业级深度学习目标检测模型YOLOv5进行改进,在模型轻量化方面,引入MobileNetV3作为主干网络用于特征提取,在保证精度的同时大大减少了模型的参数量与计算量;在算法性能方面,引入轻量级坐标注意力模块,帮助算法网络更准确地定位目标并提高目标检测精度。实验结果表明,改进的YOLOv5模型能够有效地进行飞机起落架安全销检测任务,与优化前相比,mAP提升了2.5%,F1评分增加了1.4%,参数量降低了50%,计算量下降了61%。该算法可为飞机起落架安全销自动检测方法提供参考。

基于多尺度特征和增强混合注意力机制的材料SEM图像检索方法

曾凡运, 廉贺淳, 冯珊珊, 王庆梅

计算机科学. 2025, 52 (6A): 240800014-7. doi:10.11896/jsjkx.240800014

摘要 ( 15 )

PDF(2700KB) ( 40 )

参考文献 | 相关文章 | 多维度评价

材料SEM图像内容丰富,传统检索方法以及通用领域的检索方法在提取图像特征时容易受图像失真和纹理复杂等多种因素干扰,对关键特征的提取效果不佳。针对常规方法在提取材料SEM图像特征和高效检索方面存在的不足,提出一种基于多尺度特征信息的融合空洞卷积池化金字塔(ASPP)与增强混合注意力机制(ECBAM)的图像检索方法。该方法使用ConvNeXt网络进行特征提取,ConvNeXt结合膨胀卷积的大尺寸感受野和残差网络提取语义特征的优势,有助于捕捉到更多的细节和复杂纹理,能够更好地提取局部和全局特征;此外,通过引入最新的Mamba模块并将其改为双向架构以融入CBAM,提出了增强型混合注意力机制ECBAM,并将ASPP与ECBAM结合使用,从而稳定高效地对特征进行融合与增强。实验结果表明,在材料SEM图像数据集上,该方法获得了较好的检索效果,与主流检索方法相比平均检索精度提升了1.5%。

基于YOLOv8n的电动自行车佩戴头盔检测算法改进

白少康, 王宝会, 陈继轩

计算机科学. 2025, 52 (6A): 240900167-8. doi:10.11896/jsjkx.240900167

摘要 ( 22 )

PDF(2916KB) ( 55 )

参考文献 | 相关文章 | 多维度评价

随着交通事业的不断发展,电动自行车在行驶过程中佩戴头盔的必要性得到了不断验证。同时,电动自行车驾驶佩戴头盔检测在深度学习领域也得到了广泛的研究。目前电动自行车驾驶佩戴头盔在密集场景下存在检测难度大、小目标检测困难等问题,同时为了实现更好在移动端部署需要选择轻量化的模型。因此,提出了一种基于YOLOv8n的电动自行车佩戴头盔检测改进算法。首先YOLOv8n是YOLOv8系列模型中最轻量的模型,能够更好地在移动端部署;此外在YOLOv8n主干网络引入可切换的空洞卷积,在不增加计算量的前提下提升了YOLOv8n在密集场景下提取特征的能力;在YOLOv8n的图像金字塔特征融合网络末尾融合三重注意力机制,加强对YOLOv8n模型对不同尺度特征融合信息中重要特征的提取能力;最后添加大尺寸特征信息与小尺寸特征信息融合,提升对小目标的检测效果。最终在保证YOLOv8n轻量化的同时,使用改进后的模型在自制的验证集中mAP@50、mAP@50-90、召回率分别提升2.7%,2.8%,2.5%,因此所提方法具有一定的实用意义及科研意义。

YOLO-BFEPS:一种高效注意力增强的跨尺度YOLOv10火灾检测模型

高均益, 张伟, 李泽麟

计算机科学. 2025, 52 (6A): 240800134-9. doi:10.11896/jsjkx.240800134

摘要 ( 22 )

PDF(3698KB) ( 53 )

参考文献 | 相关文章 | 多维度评价

为解决传统火灾检测模型在处理复杂场景时,特征提取不充分和模型复杂度过高导致预警延迟及识别精度下降的问题,提出一种可部署到终端设备上的基于改进YOLOv10的新型火灾检测模型YOLO-BFEPS(YOLO Bi-directional Fusion with Enhanced Partial Self-Attention),实现了同时对烟雾与火灾的快速准确检测。首先,改进PSA模块,加强空间语义特征提取,解决通道降维建模跨通道关系时带来的信息丢失与计算复杂度增加的问题,提高检测精度,并将改进后的模块记为E-PSA(Enhanced Partial Self-Attention);其次,基于BiFPN提出特征层双向跨连接的思想进行尺度融合,重新设计了YOLOv10的颈部结构,并创新性地增加来自低特征层信息的融合,在保持准确度的同时大大减少了模型参数以及计算复杂度;引入Faster Block 结构替换C2f模块的 Bottleneck 结构,实现模型的轻量化设计,并将其称为 C2f-Faster。最后,通过在多个数据集上进行实验验证了所提模型的有效性,其在参数量减少35.5%、计算复杂度降低17.6%的基础上,将检测精度(Precision)和mAP@0.5分别提升了5.9%和1.4%。

融合视觉常识特征和门控计数方法的视觉问答

徐钰涛, 汤守国

计算机科学. 2025, 52 (6A): 240800086-7. doi:10.11896/jsjkx.240800086

摘要 ( 19 )

PDF(2827KB) ( 38 )

参考文献 | 相关文章 | 多维度评价

为了更好地探索图像中的潜在常识信息,引入了一种创新的视觉常识特征用于视觉问答(Visual Question Answering,VQA)任务,并通过视觉特征融合模块有效地整合了自底向上特征和视觉常识特征,从而实现了丰富的视觉特征表示。其中引导式注意力融合方法,通过将自底向上特征与视觉常识特征共同输入信息交互模块,使注意力机制能够捕捉到与问题文本更为相关的图片内容。在此基础上,设计并引入了一种门控计数模块(Gated Counting Module,GCM),旨在保留图像特征中实体的数量信息。这一模块在计数问题上显著提升了模型性能,同时保持了信息的完整性和相关性。与传统方法相比,GCM能够更准确地处理涉及数量的视觉问题,从而增强了整体VQA任务的准确性。最后,在广泛使用的数据集VQA v2.0上进行了大量实验,所提方法取得了较好的结果。

基于平衡信噪比感知的文本到音频生成蒸馏方法

刘炳志, 曹寅, 周翊

计算机科学. 2025, 52 (6A): 240900125-5. doi:10.11896/jsjkx.240900125

摘要 ( 17 )

PDF(2290KB) ( 35 )

参考文献 | 相关文章 | 多维度评价

扩散模型在文本到音频(TTA)生成任务中表现优异,但其采样速度较慢,限制了在高吞吐量场景中的应用。为提升效率,渐进式蒸馏法被用于创建更精简的模型。然而,该方法在高噪声和低噪声水平下的损失权重分配不平衡,影响了训练效果和生成质量。为此,提出了一种平衡信噪比感知(BSA)的方法,它是一种改进的损失加权机制,专用于扩散蒸馏,平衡高噪声和低噪声的损失。实验在公开数据集AudioCaps上进行评估,结果表明,BSA方法在相同采样步数下优于以往的蒸馏方法,并将采样步数从200减少至25,且生成质量与原始教师模型相比几乎无差异。

基于Transformer和PointNet++的毫米波雷达人体姿态估计

李阳, 刘毅, 李浩, 张刚, 徐明枫, 郝崇清

计算机科学. 2025, 52 (6A): 240400169-9. doi:10.11896/jsjkx.240400169

摘要 ( 37 )

PDF(3713KB) ( 55 )

参考文献 | 相关文章 | 多维度评价

人体姿态估计作为动作识别领域中的研究热题被广泛地应用在医疗、安防和监控等方面,对推动相关行业的智能化发展具有重要意义。但目前基于图像的人体姿态估计对环境要求较高且隐私性差。基于此,提出了一种基于毫米波雷达点云的人体姿态估计方法,该方法使用PointNet++对毫米波雷达点云进行特征提取,与基于CNN的姿态估计方法相比,其在各关节点的MSE,MAE,RMSE值更低。此外,为了解决毫米波雷达点云稀疏的问题,使用了一种多帧点云拼接策略,以增加点云的数量,其中以拼接三帧点云为输入的模型相比于原始模型的MSE和MAE值分别降低了0.22 cm和0.72 cm,有效地缓解了点云过于稀疏的问题。最后,为了充分利用不同点云之间的时序特征,将Transformer与PointNet++相结合,并通过消融实验证明了多帧点云拼接策略和加入Transformer结构这两种方法的有效性,其MSE和MAE两个指标值分别达到了0.59 cm和5.41 cm,为实现性能更优的射频人体姿态估计提供了一种新思路。

TalentDepth:基于多尺度注意力机制的复杂天气场景单目深度估计模型

张航, 卫守林, 殷继彬

计算机科学. 2025, 52 (6A): 240900126-7. doi:10.11896/jsjkx.240900126

摘要 ( 15 )

PDF(2938KB) ( 38 )

参考文献 | 相关文章 | 多维度评价

对于复杂天气场景图像模糊、低对比度和颜色失真所导致的深度信息预测不准的问题,以往的研究均以标准场景的深度图作为先验信息来对该类场景进行深度估计。然而,这一方式存在先验信息精度较低等问题。对此,提出一个基于多尺度注意力机制的单目深度估计模型TalentDepth,以实现对复杂天气场景的预测。首先,在编码器中融合多尺度注意力机制,在减少计算成本的同时,保留每个通道的信息,提高特征提取的效率和能力。其次,针对图像深度不清晰的问题,基于几何一致性,提出深度区域细化(Depth Region Refinement,DSR)模块,过滤不准确的像素点,以提高深度信息的可靠性。最后,输入图像翻译模型所生成的复杂样本,并计算相应原始图像上的标准损失来指导模型的自监督训练。在NuScence,KITTI和KITTI-C这3个数据集上,相比于基线模型,所提模型对误差和精度均有优化。

基于改进扩散模型的高质量图像生成方法

侯哲晓, 李弼程, 蔡炳炎, 许逸飞

计算机科学. 2025, 52 (6A): 240500094-9. doi:10.11896/jsjkx.240500094

摘要 ( 20 )

PDF(6289KB) ( 41 )

参考文献 | 相关文章 | 多维度评价

图像生成是AI2.0时代下AIGC的研究重点,而生成模型的更新迭代促进了图像生成技术的发展。目前主流生成模型的样本质量较低,无法满足AIGC对于图像高保真度的要求,而新兴的扩散模型在无条件生成中不能实现高质量生成。因此,提出了一种基于改进扩散模型的高质量图像生成方法。首先,采用训练稳定、具有优秀采样质量的扩散模型作为基准模型;其次,使用扩散模型中的自注意力机制来进一步引导噪声生成,进而还原图像中的低频内容,增强去噪过程的稳定性;最后,将递归特征金字塔融合到噪声预测器结构中,使图像特征信息反复提纯,从而捕获图像中的高频细节。在3个标准数据集和4个小型数据集上进行的对比实验和消融实验结果表明,该方法展现了比其他方法更为优秀的性能。

基于多特征融合与集成学习的风机叶片缺陷检测方法

王瑞, 汤占军

计算机科学. 2025, 52 (6A): 240900138-8. doi:10.11896/jsjkx.240900138

摘要 ( 20 )

PDF(3438KB) ( 40 )

参考文献 | 相关文章 | 多维度评价

针对无人机在风机叶片表面缺陷检测中遇到的复杂特征处理和多形式缺陷表现不佳的问题,提出了一种基于多特征融合与集成学习的风机叶片缺陷检测方法。该方法通过提取局部LBP特征、HOG特征以及胶囊网络的高级特征,并将其进行有效融合,构建了一个多特征提取模型,以获取更深入的细节信息。同时,选择了3种具有不同偏差和方差特性的基础分类器——支持向量机(SVM)、k近邻算法(KNN)和决策树(DT),通过整合不同基模型的优势,建立异质集成学习模型,从而提升了模型的整体性能。在风机叶片表面缺陷图像数据集上对模型(MFEM)进行了验证,实验结果表明,该方法的平均精确度(MAP)最高达到98%,相比于YOLOv7和Faster R-CNN分别提高了3.1%和5.8%,对比SVM,KNN和DT 3类基模型有较大提升。此外,通过消融实验对不同模块的有效性进行了验证。实验结果表明,提出的多特征融合与集成学习模型(MFEM)在风机叶片缺陷检测任务中表现出了优良的性能。

结合特征复用和廉价操作的高精度光伏玻璃边部缺陷实时检测算法

丁绪星, 周学顶, 钱强, 任悦悦, 冯友宏

计算机科学. 2025, 52 (6A): 240400146-10. doi:10.11896/jsjkx.240400146

摘要 ( 17 )

PDF(2729KB) ( 38 )

参考文献 | 相关文章 | 多维度评价

针对现有的缺陷检测算法计算量大、参数量多、检测速度慢、检测精度低等问题,文中提出了一种基于YOLOv5的高精度光伏玻璃边部缺陷实时检测算法。首先使用新设计的一种基于廉价操作和特征复用的稠密连接模块(New_DBlock(C))替代YOLOv5特征提取网络的C3模块,减少整个算法的计算量和参数量;其次使用融合了通道注意力机制SE(Squeeze-and-Excitation)的C2f_SE模块替换YOLOv5特征融合网络的C3模块,实现检测速度以及检测精度的提升;最后使用改进的YOLOv8解耦检测头取代YOLOv5的耦合检测头,提升算法的定位精度和分类精度。实验结果表明,改进后的算法mAP@0.5提升了1.0%,mAP@0.5:0.95提升了3.1%,计算量下降了48.1%,参数量下降了56.7%,检测速度提升了18.5%;与其他主流的YOLO和R-CNN系列算法相比,改进后的算法同样具有较高的检测精度、检测速度以及较低的计算量和参数量,适合光伏玻璃边部缺陷的实时检测。

基于双通道麻雀改进OTSU的FOD分割方法

费春国, 陈世洪

计算机科学. 2025, 52 (6A): 240700089-7. doi:10.11896/jsjkx.240700089

摘要 ( 18 )

PDF(4986KB) ( 38 )

参考文献 | 相关文章 | 多维度评价

在基于图像处理分割机场跑道异物(FOD)的方法中,基于深度学习的方法不能准确感知未经训练的异物。对此,提出基于双通道麻雀改进大津法(OTSU)的分割方法(DS-OTSU)来分割感知异物。该分割方法将麻雀搜索算法与OTSU相结合,在麻雀搜索算法中加入佳点集优化初始种群,同时在双通道中分别加入正反两个方向的扰动,从而改变麻雀搜索算法目标函数的计算方法,通过加入双重动态的萤火虫扰动改变种群更新方式,将双通道的运行结果进行对比融合,将原本只能单阈值分割图像的OTSU优化为可以分割阈值段的方法,滤除图像背景部分,最终得到FOD的分割结果。实验分析表明,所提方法在分割精度和收敛速度上均优于其他方法。

基于改进PPYOLOE-R的遥感图像舰船目标检测

陈天鹏, 胡建文, 李海涛

计算机科学. 2025, 52 (6A): 240600118-8. doi:10.11896/jsjkx.240600118

摘要 ( 19 )

PDF(6208KB) ( 43 )

参考文献 | 相关文章 | 多维度评价

遥感图像背景复杂,处于遥感图像中的舰船目标与港口背景语义信息较为相似,并且部分舰船目标尺寸小且密集排列,现有深度学习目标检测算法易出现漏检、误检、精度不理想等问题。针对此问题,提出一种改进PPYOLOE-R的遥感图像舰船目标检测算法,以PPYOLOE-R为基线,在颈部网络引入置换注意力机制,增强模型的特征提取能力;引入一种改进的Focal Loss,该损失可以关联类别分数与定位分数,对类别标签进行软化处理,提高模型对难易样本的区分能力。提取DOTA数据集中的舰船类别,制作DOTA_ships舰船数据集。在HRSC2016数据集和DOTA_ships舰船数据集上的实验结果表明,该方法的平均精确度分别为90.02%,89.90%,检测速度分别为48.2 FPS,41.5 FPS,召回率分别为97.9%,97.3%,平均精确度和召回率在对比方法中均为最优,检测速度仅次于PPYOLOE-R。

基于样式权重调制技术的少样本火焰图像增强

李明杰, 胡羿, 易正明

计算机科学. 2025, 52 (6A): 240500129-7. doi:10.11896/jsjkx.240500129

摘要 ( 16 )

PDF(4512KB) ( 35 )

参考文献 | 相关文章 | 多维度评价

少样本图像生成技术仅依靠稀缺有限的目标样本,就能够生成以假乱真和多样化的图像,这可以为下游的目标识别任务构建可靠的数据集。这项工作提出了一种基于权重调制的少样本生成模型,在仅输入3张目标图像的条件下,便能获得与目标样本具有相同内容且特征呈现多样化的图像。具体来说,对生成器中的编码器和解码器经过了精心设计,采用了梯度流更好的C2F结构来搭建金字塔型网络构架,最大程度地还原图像在不同层次的原始特征。采用了基于注意力机制的特征融合方法,引入了特征样式潜码来控制特征融合质量。其中,样式潜码使用了权重缩放的策略,有效地消除了生成伪影,使生成图像更加逼真。同时,还使用了优化的特征长度探测算法来对源域和目标域的重要信息进行接近度探测。这一技巧能够使模型在源域中通过预训练得到的先验信息更好地迁移到目标域中。针对火焰图像样本的生成任务,给出了定性和定量的对比结果,所提出的模型能够切实提高yolov8算法下的火焰目标识别性能,实质性地提升了数据增强的效果。

基于空间权重和层间相关性的可解释浅层类激活映射算法研究

程艳, 何慧娟, 陈彦滢, 姚楠楠, 林国波

计算机科学. 2025, 52 (6A): 240500140-7. doi:10.11896/jsjkx.240500140

摘要 ( 16 )

PDF(3996KB) ( 40 )

参考文献 | 相关文章 | 多维度评价

卷积神经网络在计算机视觉领域具有重要作用,然而其黑盒特性使人们理解其决策理由变得困难,严重阻碍了其在某些安全领域的应用。传统的类激活映射(Class Activation Mapping,CAM)算法通常受限于深层神经元的可解释性,对浅层神经元的解释能力较弱且存在较多噪声。为了应对这一挑战,提出一种可解释浅层的类激活映射算法,并生成细粒度的解释。该算法基于相关性传播理论,考虑相邻层之间的相关性,得到层间相关性权重,并将应用了空间权重的特征图作为掩码,与层间相关性权重相乘,从而实现浅层解释。实验结果表明,所提算法与解释浅层最优的LayerCAM相比,卷积神经网络每层生成的类激活图的删除插入测试综合评分在ILSVRC2012 val数据集上最高提高了2.73,最低提高了0.24,在CUB-200-2011数据集上最高提高了1.31,最低提高了0.38。

融合多尺度特征的无人机图像中小目标检测算法

黄红, 苏菡, 闵鹏

计算机科学. 2025, 52 (6A): 240700097-5. doi:10.11896/jsjkx.240700097

摘要 ( 17 )

PDF(2856KB) ( 41 )

参考文献 | 相关文章 | 多维度评价

针对无人机航拍图像小目标检测任务中小目标分布过于密集导致互相遮挡产生的漏检误检问题,提出了一种多尺度特征融合的轻量化目标检测方法。首先,提出了多尺度遮挡模块,通过该模块增强网络的多尺度信息提取能力,缩小不同尺度间的语义差异,提高对遮挡小目标的检测性能;其次,提出更加高效的共享检测头策略,该策略将不同尺度的特征信息通过共享卷积共享到不同的检测头,显著降低模型的参数量,实现对模型的轻量化;最后,引入软化非极大值抑制方法来解决传统贪心非极大值抑制在密集遮挡场景下的漏检误检问题,进一步提高了检测精度。在Visdrone-2019和RSOD数据集上评估了改进模型的有效性,相比基准模型,改进模型的平均精度均值分别提升了9.0%和6.0%,模型参数量降低了12.6%。实验结果表明,改进算法在保证轻量化的同时能够提升无人机航拍图像目标检测的精度,能够帮助无人机系统更准确地识别和追踪目标,提高了任务执行的可靠性和效率。

使用多分辨率切比雪夫距离图优化体渲染

梁志文, 巴图斯仁, 冯雪

计算机科学. 2025, 52 (6A): 240700148-7. doi:10.11896/jsjkx.240700148

摘要 ( 40 )

PDF(2506KB) ( 35 )

参考文献 | 相关文章 | 多维度评价

体渲染在医疗可视化领域有着广泛应用,但与面渲染相比其计算复杂性非常高,难以满足实时渲染的目标。为加速体渲染过程并减小渲染时占用的空间,提出了一种新的空白空间跳跃方法。在最先进的空白空间跳跃方法(切比雪夫距离空白空间跳跃法)的基础上,改进了光线投射算法的过程,使用低分辨率距离图跳过空白块,使用高分辨率距离图跳过有效块内部更小的空白块。仅存储高分辨距离图在有效块内部的数据,这有效缓解了引入高分辨率距离图增加的显存开销,体数据越稀疏时对空间的节约效应就越显著。实验对比了所提方法与切比雪夫距离空白空间跳跃法的性能指标,结果显示,所提方法结合了切比雪夫距离图加速的优势,在渲染帧率和渲染时占用空间方面,对于稀疏数据的体渲染有明显的改善。

多级联注意力交互的沙尘图像增强方法

王荣, 邹淑平, 郝鹏飞, 郭佳伟, 舒鹏

计算机科学. 2025, 52 (6A): 240800048-7. doi:10.11896/jsjkx.240800048

摘要 ( 19 )

PDF(3878KB) ( 45 )

参考文献 | 相关文章 | 多维度评价

由于沙尘中悬浮粒子对光线的散射和吸收,计算机视觉系统采集到的图像往往存在颜色偏黄和对比度低的问题,目前退化图像增强算法大多针对去雾、去雨等情况,难以处理沙尘图像,针对沙尘图像增强有较大发展空间;由于缺少大规模数据集,神经网络难以实现对沙尘图像增强较好的鲁棒性。为此,提出一种基于多级联注意力交互的沙尘图像增强方法;此外,结合大气散射模型和深度信息构建了一个新的沙尘图像数据集。通过端到端的U-Net模型,提取多尺度特征图,使用多级联通道注意力交互模块融合多尺度特征图,使用多尺度卷积模块增强和恢复细节信息。实验结果表明,所提方法能有效去除图像中的沙尘和还原细节,在提出的数据集上优于先进方法的PSNR,SSIM和IPLPS指数。

基于空间转换与多尺度特征融合的行人重识别方法

金鹭, 刘敏昆, 张春红, 陈可飞, 罗压琼, 李博

计算机科学. 2025, 52 (6A): 240800156-7. doi:10.11896/jsjkx.240800156

摘要 ( 15 )

PDF(3866KB) ( 38 )

参考文献 | 相关文章 | 多维度评价

针对行人空间特征未对齐以及因遮挡导致网络无法充分表征行人信息的问题,设计了一种结合空间转换与多尺度特征融合的网络。首先,提出了一种增强行人检索的方法,旨在增强网络对特殊样本的识别能力;其次,提出了一种自约束-注意力空间转换网络,以解决行人图像空间语义信息不一致的问题;然后,从网络中提取不同尺度特征,并根据网络各分支特点分别融入坐标注意力、实例批量归一化;最后,将各支路特征进行融合,以获取高表征能力的融合特征。在多个数据集上的实验表明,所提方法相比现有方法的重识别性能更优。

一种基于目标检测的轨道交通上下客区客流指引方法

乐凌志, 翟江涛, 俞铭, 孙同庆

计算机科学. 2025, 52 (6A): 240400192-9. doi:10.11896/jsjkx.240400192

摘要 ( 15 )

PDF(3145KB) ( 32 )

参考文献 | 相关文章 | 多维度评价

针对等待期屏蔽门前乘客占用下客区的情况,提出了一种基于目标检测的上下客区客流指引方法。首先针对屏蔽门前场景中乘客的形状特征对目标检测网络进行改进,提出MCA-YOLOv5s网络模型。然后通过智能门楣系统的安装高度和真实场景中上下客区的范围计算出摄像头的视场角大小和安装角度,确保拍摄的图像能够准确划分出上下客区。最后分别对上下客区中的乘客进行密度估计并设计对应密度值的客流分配策略,通过智能门楣终端上的扬声器进行指引。通过在真实场景中进行测试,验证了所提方法能够快速准确地估计乘客密度。

用于新能源光伏电站选址的水体分割轮廓后处理算法

武星明, 党旗, 江波, 张悦超, 周继威, 王晓龙

计算机科学. 2025, 52 (6A): 240700035-10. doi:10.11896/jsjkx.240700035

摘要 ( 13 )

PDF(6138KB) ( 37 )

参考文献 | 相关文章 | 多维度评价

在新能源光伏电站选址过程中,利用无人机采集图像进行水域分布的分析是一个不可或缺的步骤。通常采用水体分割算法对水域图像中的水体进行分割。然而,基于模型结构的改进或单个场景训练数据集的增加,对于语义分割神经网络来说只适用于对应数据集场景的性能提升,难以保证开放场景下水体边界分割的准确度。为了解决这个问题,提出两种用于水体分割神经网络的轮廓后处理算法。与最先进的技术相比,连续轮廓后处理算法可以根据轮廓特征有效去除水体分割算法产生的异常小轮廓,同时针对复杂图像产生断续水体边界线的情况,断续轮廓处理算法通过点集重排实现水体边界线补全,两种后处理算法均能提升分割精度。以PIDNet,EGE-UNet,BiSeNetv2和Fast-SCNN为实验模型,结果表明,在水体边界线检测任务中,实验模型经连续轮廓处理后的像素准确率(PA)和平均交并比(mIoU)都有所提高,平均增量分别为2.88%和2.71%;经断续轮廓处理后,平均F1指标提高2.62%。

基于图卷积网络和CTC/Attention的连续手语识别

边辉, 孟畅乾, 李子涵, 陈子豪, 谢雪雷

计算机科学. 2025, 52 (6A): 240400098-9. doi:10.11896/jsjkx.240400098

摘要 ( 13 )

PDF(3890KB) ( 38 )

参考文献 | 相关文章 | 多维度评价

手语是听力障碍患者之间一种重要的交流方式。通过手语识别,可以让患者与正常人进行无障碍的交流。随着深度学习技术的发展,各种手语识别技术也随之发展,但现有的手语识别技术往往无法完成连续识别手语的任务,因此文中提出了一种基于图卷积网络(Graph Convolution Network,GCN)和神经网络的时序类分类(Connectionist Temporal Classification/Attention,CTC/Attention)的连续手语识别方法,分别从空间维度与时间维度提取特征,并将空间注意力机制融入其中,以赋予骨骼点权重,突出有效的空间特征,实现手语的连续识别。该方法可实现连续手语语句翻译的序列对齐和上下文语义建模。首先基于MediaPipe框架采集手语动作骨骼点数据,并基于此搭建中文手语骨骼关键点坐标的数据集,根据骨骼关键点坐标,设计了基于时空图神经网络(Spatio-Temporal Graph Convolutional Networks,ST-GCN)的动态手语词识别方法,然后提出基于GCN和CTC/Attention的编解码器网络,用于实现连续手语语句识别的方法。在数据集有限的情况下,在自建的骨骼点数据集SSLD上对所提出的方法进行评估,实验结果表明,平均连续手语识别字准确率达到94.41%,证明所提模型具有良好的手语识别能力。

基于FLIP与联合相似性保持的跨模态哈希检索

唐立军, 杨政, 赵男, 翟苏巍

计算机科学. 2025, 52 (6A): 240400151-10. doi:10.11896/jsjkx.240400151

摘要 ( 16 )

PDF(6671KB) ( 51 )

参考文献 | 相关文章 | 多维度评价

最近,监督跨模态检索技术引起了人们的极大关注。然而,目前的工作主要关注样本级别的语义关系来评估样本之间的语义相似性,而忽略了标签分布对提高检索性能的潜在影响。此外,现有方法仍然面临着特征提取结果差和处理速率相对缓慢等相关挑战。为了应对这些问题,文中提出了一种新方法,基于FLIP与联合相似性保持的跨模态哈希检索(FLIP-based Joint Similarity Preserving Hashing for Cross-Modal Retrieval,FJSPH)。具体来说,该方法利用快速语言图像预训练模型(Fast Language Image Pre-training Model,FLIP)来提取更准确的跨模态特征。为了进一步减少跨模态语义差异,文中尝试通过多模态比较学习来增强模态交互并更加细粒度化模态语义表示。此外,使用样本级相似度和聚类级相似度进一步利用不同模态之间的语义相关性。这种方法确保了具有相似语义的样本在汉明空间中更接近,从而产生更加具有区分性的哈希码。在3个跨模态数据集上的实验结果表明,FJSPH方法在跨模态哈希检索中表现出了优异的性能。

数字政府数据库运维的自动化与安全策略及实证研究

王昀, 赵剑明, 郭毅峰, 周欢欢, 周武爱, 张皖哲, 冯建华

计算机科学. 2025, 52 (6A): 240500045-8. doi:10.11896/jsjkx.240500045

摘要 ( 16 )

PDF(2484KB) ( 49 )

参考文献 | 相关文章 | 多维度评价

随着政府数字化转型的持续深入,数字政府建设迎来了一轮新的建设高潮。但也带来了很多挑战和问题,尤其是在数据库运维方面,如数据库数量多、种类多,数据安全标准建设不足,网络攻击事件频发,运维成本高,性能优化难等。为此,以自动化技术与安全优化为基础,提出了一种新的策略框架,并将相关理论进行实证研究。该框架结合了自动化、云计算、人工智能等技术,提供了一种综合解决方案,包括自动化巡检和监控、自动化调优、数据备份和恢复、高可用管理、故障自动修复、安全优化管理、性能容量管理、SQL审核管理等功能。此外,在甘肃和黑龙江省数字政府项目中进行实证研究,证明了该框架能够有效提升运维效率,积累了宝贵的数字政府数据库运维经验。

基层社会网格治理异构数据字典融合优化方法研究

王庆, 杨万哲, 张聪

计算机科学. 2025, 52 (6A): 240400074-7. doi:10.11896/jsjkx.240400074

摘要 ( 16 )

PDF(2563KB) ( 46 )

参考文献 | 相关文章 | 多维度评价

数据字典(Data Dictionary,DD)是数据库系统设计内容的重要组成部分,是描述数据库中各数据属性、组成和结构的数据列表集合。一些通用性信息化系统开发过程中,设计开发人员经常遇到如何融合优化既有异构数据字典的问题,这些既有数据字典因设计时缺少行业数据标准或业务范围局限性,在数据表征定义和数据组成及结构设计上差异化明显,但其数据内涵具有高度可融合性,需要花费大量时间和资源通过人工来维护融合数据字典。文中以基层社会网格治理业务背景,针对基层社会治理推广数字化应用开发中异构数据字典融合的痛点问题,研究异构数据字典融合优化方法及相关技术;设计了考虑数据信息完备性和数据结构完整性的数据字典语义去重消岐、关键词提取、相似度计算、数据字典表结构融合方法等4个方面的数据字典融合方法和技术。基于基层社会网格治理业务相关数据字典融合优化实验验证,相较于传统的数据字典融合方法显著提升了融合效率和效果。

基于表示增强的RippleNet模型改进研究

李鹏彦, 王宝会, 叶子豪

计算机科学. 2025, 52 (6A): 240800142-9. doi:10.11896/jsjkx.240800142

摘要 ( 19 )

PDF(2342KB) ( 37 )

参考文献 | 相关文章 | 多维度评价

随着互联网信息量的激增,推荐系统在解决信息过载问题中扮演着关键角色。针对现有推荐系统模型在实体和关系表示中的不足,提出了一种基于表示增强的RippleNet模型(Representation Enhanced RippleNet,RE-RippleNet)。一方面,传统模型在实体表示中忽略了关系的语义信息,通过将邻居实体和关系聚合到实体的嵌入表示中,提升实体嵌入的表达能力和用户表征的精确度。另一方面,在用户偏好传播的多跳波纹集聚合时,引入长短期记忆网络(Long Short-Term Memory,LSTM)来捕捉不同跳数中用户偏好表示的不同影响力和特征,以实现更深层次的用户偏好挖掘和更精准的推荐。在MovieLens-1M和Book-Crossing两个公共数据集上的点击率预测实验结果表明,相比基线模型RippleNet,RE-RippleNet在准确率(ACC)和AUC指标上均取得显著提升。其中,在MovieLens-1M数据集上的ACC和AUC分别提高了1.7%和1.2%,在Book-Crossing数据集上分别提高了3.6%和1.6%,结果验证了模型在提升推荐系统性能方面的有效性。

基于微分方程的失联潜水器轨迹预测模型算法研究

杨镇宇, 戢晓峰, 马武彬, 吴亚辉

计算机科学. 2025, 52 (6A): 240900071-9. doi:10.11896/jsjkx.240900071

摘要 ( 13 )

PDF(8127KB) ( 44 )

参考文献 | 相关文章 | 多维度评价

深海探测潜水器在故障失联后会面临严峻考验,及时预测其所在位置并展开救援极为重要。然而,受洋流、海水盐度、海底地形等多种不确定因素影响,精确预测潜水器位置非常困难。针对此问题,传统的单个因素分别分析方法存在巨大缺陷,难以准确描述复杂海洋环境下的潜水器运动模式。对深海环境中的不确定因素进行了耦合分析,建立了基于微分方程的多因素耦合下失联后潜水器的运动模型,分类仿真了潜水器在8种地形等多种因素影响下的运动轨迹并进行了可视化展示,为深海探测潜水器的定位和寻找提供决策支撑。经实验验证,该模型能够准确地判定在复杂海洋环境中的潜水器位置,准确率相比其他基线算法均有提升。

基于系统追踪与模式挖掘的缺页异常性能分析方法研究

魏书文, 王宝会

计算机科学. 2025, 52 (6A): 240800023-6. doi:10.11896/jsjkx.240800023

摘要 ( 17 )

PDF(2774KB) ( 35 )

参考文献 | 相关文章 | 多维度评价

缺页异常处理是Linux内核内存管理子系统中的核心模块,对于数据库等内存密集型应用,其处理效率直接影响全系统性能,常常成为性能瓶颈。优化内存使用和减少缺页异常发生已经有大量的研究工作,但在实际环境下缺页异常的处理模式及其延迟分布却鲜有人关注。文中提出了一种基于执行跟踪的方法,用于分析缺页异常的处理模式及其延迟分布,通过该方法,提出了两种经典内存密集型负载的缺页异常的处理模式及其延迟分布,为优化内存密集型应用提供了重要参考。

基于小样本对比学习的甲型流感抗原性预测

李江辉, 丁海燕, 李维华

计算机科学. 2025, 52 (6A): 240800053-6. doi:10.11896/jsjkx.240800053

摘要 ( 14 )

PDF(3017KB) ( 37 )

参考文献 | 相关文章 | 多维度评价

流感病毒在选择压力下发生一系列遗传突变,导致抗原变异,引发免疫逃逸和适应性增强,从而降低现有疫苗和药物的有效性。及时识别病毒株间的抗原差异,对流感病毒的防控及疫苗开发至关重要。传统血清学方法往往是低通量的,获得数据样本有限,导致现有基于深度学习的抗原性预测模型难以有效地从血凝素蛋白序列提取抗原特征。因此,提出了一种基于卷积神经网络和对比学习增强的抗原性预测方法,通过对比原始菌株对基因序列及抗原性标签,直接提取抗原表征差异,并实现抗原差异的可视化。在A/H1N1,A/H3N2和A/H5N1 3个亚型的数据集上进行实验,结果表明,所提模型提升了抗原性预测的准确度和泛化能力,为流感病毒的监测和疫苗开发提供了支持。

基于深度学习的矿井瓦斯浓度预测算法研究与实现

王宝会, 高瞻, 徐林, 谭英洁

计算机科学. 2025, 52 (6A): 240400188-7. doi:10.11896/jsjkx.240400188

摘要 ( 26 )

PDF(2565KB) ( 39 )

参考文献 | 相关文章 | 多维度评价

目前国内外构建瓦斯浓度传统预测算法主要是ARIMA模型和SVM模型。随着深度学习技术的快速发展以及神经网络的兴起,最新的瓦斯浓度预测通过循环神经网络模型进行预测。循环神经网络因为具有非线性特点,并且考虑到了数据间的联系,所以预测效果相比传统预测算法有了进一步提升。而当样本序列长度加长时,由于其模型固有缺陷,预测能力会降低。文中针对此问题提出了一种新型的瓦斯浓度预测模型。卷积神经网络结合循环神经网络的方式,并且加入注意力机制增加数据间的表达能力。通过使用山西汾西矿业集团中兴煤业1209工作面的实际数据进行测试,传统的循环神经网络模型预测的平均相对误差为0.042 1,所提模型预测的平均相对误差为0.029 3。实验表明提出的算法相比瓦斯浓度传统预测算法获得了更好的预测性能。

基于多尺度数据的股票操纵检测集成模型

刘成明, 李海霞, 李韶川, 李英豪

计算机科学. 2025, 52 (6A): 240700108-8. doi:10.11896/jsjkx.240700108

摘要 ( 18 )

PDF(1806KB) ( 36 )

参考文献 | 相关文章 | 多维度评价

股票市场是我国金融市场的重要组成部分,其稳定性影响着整个金融体系的稳定,其中的股票价格操纵一直是一个受到广泛关注的问题。现有检测模型的研究往往仅基于日间交易数据或日内交易数据,但股票操纵行为在短期和长期内都能产生影响,单一时间尺度的研究方法可能无法全面把握股票操纵的模式特征。文中提出一种基于多尺度数据的股票操纵检测集成模型,整合了使用分钟级和日级交易数据的子模型,以增强识别基于交易的股票操纵行为的能力。对比实验结果显示,所提出的使用了多尺度数据的模型在AUC、准确度、召回率、精确度等各项指标上均有较大的提升。

自扰动和极性维度交互的自适应差分进化算法

翟雪玉, 杨卫中

计算机科学. 2025, 52 (6A): 240800100-14. doi:10.11896/jsjkx.240800100

摘要 ( 15 )

PDF(6201KB) ( 35 )

参考文献 | 相关文章 | 多维度评价

针对差分进化算法在应对多模态复杂优化问题时面临种群多样性丧失和过早收敛的缺陷,提出了一种基于自扰动和极性维度交互的自适应差分进化算法(Adaptive Differential Evolution Based on Self-guided Perturbation and Extreme Dimension Exchange,APE-DE)。首先,设计了一种自扰动补偿策略,通过个体的空间位置来引导其搜索方向,有效避免了算法易陷入局部最优的困境。然后,提出了一种极性维度交互策略,用于提升算法多样性,一旦种群被检测出停滞,将启动相应的增强方案。最后,提出了一种自适应参数控制策略,通过小波基函数和适应度分布偏差信息实时捕捉种群适应度的变化,并据此动态调整算法参数。为了验证APE-DE的性能,在被广泛使用的IEEE CEC2017数据集上进行了实验,以验证算法面对多模态及复杂测试环境下的性能。实验结果表明,与8种最先进的差分进化变体相比,APE-DE在收敛精度和收敛速度方面均展现出了显著的优势。此外,为了评估APE-DE在解决现实问题中的有效性,将所提算法应用于光伏模型的参数识别问题。

基于概率模型与信息熵的局部线性嵌入算法

刘远红, 毋毓斌

计算机科学. 2025, 52 (6A): 240500021-8. doi:10.11896/jsjkx.240500021

摘要 ( 15 )

PDF(3861KB) ( 43 )

参考文献 | 相关文章 | 多维度评价

局部线性嵌入算法采用欧氏距离选择邻域点,这通常会损失数据集本身的非线性特征,造成邻域点选取错误,且仅使用欧氏距离构造权重会导致信息挖掘不充分。针对以上问题,提出基于概率模型与信息熵的局部线性嵌入算法(Probability information entropy-LLE,PIE-LLE)。首先,为了使邻域点选择更加合理,从数据集的概率分布角度出发,考虑样本点及其邻域的概率分布,为样本点构造符合局部分布的邻域集合。其次,为了充分提取样本的局部结构信息,在权重构造阶段,分别计算样本所属邻域概率以及每个样本的信息熵,融合二者信息重构低维样本。最后,在两个轴承故障数据集上的实验表明,所提方法故障识别准确度最高达到了100%,高于其他对比算法;在邻域点个数5～15范围内,PIE-LLE算法展现出良好的低维可视化效果;在参数敏感性实验中,该算法可以保持Fisher指标较大,有效提高了算法的分类准确度和稳定性。

因素查询语言(FQL)-因素数据库的基本语言

孟祥福, 李子函, 史家晟, 郭建威, 赵亮, 郭嗣琮, 汪培庄

计算机科学. 2025, 52 (6A): 240600027-8. doi:10.11896/jsjkx.240600027

摘要 ( 14 )

PDF(3134KB) ( 38 )

参考文献 | 相关文章 | 多维度评价

为支持因素空间理论背景下因素谱系数据的基本存储与高效处理,提出了一种因素查询语言(Factor Query Language,FQL)和因素库管理系统(FBMS)架构。首先,介绍因素谱系的相关概念并给出基于XML规范的因素谱系存储方法。然后,设计因素查询语言的增删改查基本操作规范。为提高因素的查询效率,在提高数据更新速度的同时降低索引更新成本,针对因素谱系特点进一步提出了基于区间和基于素数与二进制串的因素编码策略。最后,对因素库管理系统的系统架构和功能模块进行了相应设计,作为因素查询语言的操作载体。因素查询语言FQL和因素库管理系统,是因素空间理论落地实施的系统平台,文章在该方面进行了初步探讨,为因素库管理系统的研发和应用提供了基本思路和解决方案。

融合动态社会关系的下一个兴趣点推荐

蒋昊伦, 朱金侠, 孟祥福

计算机科学. 2025, 52 (6A): 240600003-7. doi:10.11896/jsjkx.240600003

摘要 ( 14 )

PDF(3240KB) ( 39 )

参考文献 | 相关文章 | 多维度评价

下一个兴趣点推荐现有的研究工作致力于通过整合用户偏好、序列行为以及时空上下文信息,优化推荐模型的准确性和实用性。尽管如此,当前的推荐策略仍面临着两大核心挑战:用户兴趣的动态性以及用户决策受其社会关系的影响。为了应对以上问题,提出一种融合动态社会关系的下一个兴趣点推荐模型。模型首先利用自注意力网络模拟用户偏好的动态变化,对序列信息、时空信息以及动态社会关系进行集成建模;其次设计了两个并行的长/短期通道,分别捕获用户的动态偏好以及上下文相关的动态社会关系;然后通过多头自注意力机制有效建模用户任意两个历史签到行为之间的长依赖关系,自适应地分配对下一个兴趣点的贡献值;最后在模型预测层利用注意力机制权衡用户长/短期偏好以及用户对兴趣点固有兴趣对用户决策的影响。在Gowalla和Brightkite这两个真实公开的数据集上进行实验,结果表明所提模型的推荐效果优于当前的下一个兴趣点推荐算法。

基于特征嵌入门控和多项式特征交叉网络的点击率预测模型

栾方军, 张凤强, 袁帅

计算机科学. 2025, 52 (6A): 240900092-6. doi:10.11896/jsjkx.240900092

摘要 ( 24 )

PDF(2236KB) ( 54 )

参考文献 | 相关文章 | 多维度评价

点击率预测在推荐系统和在线广告中发挥着至关重要的作用,而特征嵌入和特征交互是影响预测准确性的关键因素。但许多现有模型主要集中于设计特征交互结构,并且它们通常采用简单的计算方法,如哈达玛积、内积、单一的向量级或位级特征交互或者结合多层感知机进行隐式特征交互,这些方法在处理复杂特征交互时可能存在局限性。针对以上不足,提出了基于特征嵌入门控和多项式特征交叉网络的点击率预测模型。首先,为了实现更有效的特征交互,提出了多项式特征交叉网络,网络通过结合哈达玛积和内积实现特征交叉,以递归的形式实现显式高阶特征交叉。接着,通过融合两个并行的多项式特征交叉网络进行向量级和位级的特征交叉,实现特征的细粒度交互。最后,为了动态学习特征嵌入的重要性,增加特征交互网络输入的差异性,提出了特征嵌入门控,门控可以从向量级和位级学习特征的权重,从而使交互网络更有针对性地捕捉不同的特征交互信息。在4个开放基准数据集上评估了模型性能,模型在Criteo数据集上AUC和Logloss分别达到了0.814 9和0.437 2;在Avazu数据集上AUC和Logloss分别达到了0.766 3和0.366 1;在Movielens数据集上AUC和Logloss分别达到了0.971 6和0.198 4;在Frappe数据集上AUC和Logloss分别达到了0.985 8和0.138 7。实验结果表明,所提模型在点击率预测中表现出更好的性能,有效提升了预测准确性。

基于解耦自适应动态图卷积的交通预测模型

郑创锐, 邓秀勤, 陈磊

计算机科学. 2025, 52 (6A): 240400149-8. doi:10.11896/jsjkx.240400149

摘要 ( 21 )

PDF(2903KB) ( 50 )

参考文献 | 相关文章 | 多维度评价

交通预测对城市规划和交通管理起着关键作用,基于机器学习和统计学的传统预测方法在捕捉复杂的非线性关系和长期依赖方面的能力有限,无法捕获交通路网中复杂的时空关系。现有基于图神经网络(GNN)的预测模型大多采用预定的静态图,无法准确反映真实道路网络的拓扑结构,且大多数模型只简单地考虑交通流量在不同节点之间的传播过程,忽略了每个节点本身流量的生成过程。针对以上问题,提出了一种解耦自适应动态图卷积网络模型(Decoupled Adaptive Dynamic Graph Convolutional Network,DADGCN),该模型通过一个自适应动态图模块,有效地量化不同节点间的动态相关性,从而捕捉交通网络中复杂的空间依赖关系,同时通过数据驱动的方式将节点的流量解耦为传播流量和生成流量,利用多头自注意力机制来处理解耦后的信号,从而提高了模型处理复杂交通数据的灵活性,提升了预测精度。实验结果表明,在数据集METR-LA上,DADGCN在60 min上的MAE比基于扩散卷积的模型DCRNN和Graph Wavenet分别提升了7.78%,10.14%;在数据集PEMS-BAY上DADGCN分别提升了25.39%,21.19%。在数据集PEMS04和PEMS08上,DADGCN比基于自适应图模型MTGNN在MAPE和RMSE上分别提升了11.61%和3.90%,表明该模型不仅能够更深入地理解交通流中的固有动态特征,还能够适应各种复杂环境下的变化,为城市交通管理和规划提供更准确、更可靠的数据支持。

基于动态图学习与注意力机制的多变量时间序列预测

洪燚, 申时凯, 佘玉梅, 杨斌, 代飞, 王鉴潇, 张力逸

计算机科学. 2025, 52 (6A): 240700047-8. doi:10.11896/jsjkx.240700047

摘要 ( 20 )

PDF(3746KB) ( 44 )

参考文献 | 相关文章 | 多维度评价

多变量时间序列(MTS)预测因变量间复杂的时序依赖和动态相关性而具有挑战性。现有方法大多从单一维度考虑相关影响因素,而未充分考虑多源数据和特征随时间变化的复杂性,这限制了对复杂系统中动态依赖关系的真实反映。针对上述问题,提出了一种基于动态图神经网络(DGNN)的动态关系学习网络(DRLNet)。首先,通过动态更新图邻接矩阵来自适应地建模变量间随时间变化的相关性;然后,设计了一种注意力机制模块,聚焦于重要节点的连接及其随时间的演变;最后,通过评估这些节点与当前时间步的相关程度,引入门控机制选择性地结合历史依赖图。在3个多变量时间序列数据集上的实验结果表明,相较于目前主流的基线方法,DRLNet在预测准确度和稳定性方面表现更优异,能更好地捕捉时序数据中的重要模式和变化,实现多变量时间序列预测。

基于变分图自编码器的多变量时序数据异常检测

尹文萃, 谢平, 叶成绪, 韩佳新, 夏星

计算机科学. 2025, 52 (6A): 240700124-8. doi:10.11896/jsjkx.240700124

摘要 ( 18 )

PDF(4500KB) ( 63 )

参考文献 | 相关文章 | 多维度评价

多变量时序数据异常检测指识别多变量时序数据中的异常值。为解决多变量时序数据间的复杂性和内部变量间特征依赖的问题,文中提出了一种基于变分图自编码器的多变量时序数据异常检测方法。首先,使用滑动窗口提取变量嵌入特征,并基于特征相似性构建结构关联关系图,然后将该多变量时序数据间的关联关系通过变分图自编码器进行优化,提高多变量时序数据的结构特征表征能力;其次,通过多头注意力机制提升多变量时序数据不同通道间的特征表示,并和多变量时序数据结构信息进行融合;最后,采用极值理论选取阈值并进行无监督异常检测。实验结果表明,所提模型在SWaT,MSL等数据集上F1分数达到了81.43%和99.67%的结果。

基于时空图注意力网络的云平台负载数据预测方法

李英健, 王永生, 刘晓君, 任渊

计算机科学. 2025, 52 (6A): 240700178-8. doi:10.11896/jsjkx.240700178

摘要 ( 15 )

PDF(3221KB) ( 47 )

参考文献 | 相关文章 | 多维度评价

实时预测云平台监控收集的负载数据,有助于云运维中及早获取系统未来的性能趋势。但由于负载数据通常不具备明显的周期性或规律性,存在较多的噪声干扰,现有方法在特征学习规划上存在不足,需要依赖其他负载特征并且难以捕捉负载趋势的动量。为实现精准高效的负载数据预测,提出了一种基于时空图注意力网络的云平台负载数据预测方法。首先,运用改进经验小波变换对负载数据做时频域变换,降低噪声干扰并得到有效分解后的模态特征;为了提高模型处理尖峰和非周期性特征的能力,利用金融技术指标设计适合负载数据特性的关键性能因子;然后,将模态特征和关键性能因子与原始序列进行特征重构,构建图学习层;最后,利用图注意力网络动态捕获负载序列和特征之间的关系,并通过双向长短期记忆网络关注时间依赖信息。使用亚马逊和阿里云等负载数据集进行实验验证,结果表明,在4个数据集上,RMSE相比最优对比模型分别降低了13.44%,36.90%,7.41%和14.93%。

面向轨道交通的短时客流数据生成与预测方法研究

郜新军, 张梅欣, 朱力

计算机科学. 2025, 52 (6A): 240600017-5. doi:10.11896/jsjkx.240600017

摘要 ( 14 )

PDF(3292KB) ( 32 )

参考文献 | 相关文章 | 多维度评价

随着城市化进程的加快,地铁客流量的动态变化及不确定性带来的扰动会影响我国城市轨道交通运营服务质量。本研究面向轨道交通网络化运营提出一种基于生成对抗网络(GAN)的客流数据增强方法,通过利用少量的原始客流数据生成大量特征相同的可用数据,进行数据增强。在客流数据增强基础上,进一步研究基于时空多维的轨道交通运营态势精准预测方法,提出基于长短期记忆网络((LSTM))、卷积神经网络(CNN)和图神经网络(GCN)的客流数据预测方法,分别从时间维度和时空维度实现对轨道交通的客流量数据进行精准预测。短时客流数据的生成和预测能够为列车运行调整提供坚实基础,为提升轨道交通运营服务质量保驾护航,为未来城市发展规划提供理论支撑。

不协调知识的表示和推理系统实现

朱福喜, 朱丽达

计算机科学. 2025, 52 (6A): 240700139-5. doi:10.11896/jsjkx.240700139

摘要 ( 15 )

PDF(1782KB) ( 30 )

参考文献 | 相关文章 | 多维度评价

次协调逻辑作为一种非传统逻辑,能够合理地表示和处理不协调知识,但如何实现不协调知识的表示和推理,仍是一个亟待研究的课题。文中采用一种次协调逻辑系统——标记逻辑作为实现不协调知识的表示和推理的模型,以Python作为不协调知识的标记逻辑形式的表示工具,并在此基础上实现不协调知识下的推理。

基于相关熵的多视角低秩矩阵分解和多视角数据聚类中的约束图学习

杜元花, 陈盼, 周楠, 施开波, 陈二阳, 张远鹏

计算机科学. 2025, 52 (6A): 240900131-10. doi:10.11896/jsjkx.240900131

摘要 ( 16 )

PDF(3976KB) ( 30 )

参考文献 | 相关文章 | 多维度评价

目前大多数的多视角聚类方法都集中在无监督的学习场景上,它们不能利用数据中的标签信息。此外,它们还无法处理可能存在于数据中的异常值。为了解决这些问题,提出了一种基于相关熵的多视角低秩矩阵分解(CMLMF)的多视角数据半监督聚类方法。具体来说,采用一个约束矩阵引入标签信息,通过最大化相关熵准则来消除亲和矩阵和标签中异常值的影响。为了充分利用局部结构信息,还提出了一种基于相关熵的多视角约束图学习框架,自适应地提取隐藏在多视角数据中的局部结构。此外,提出了一种基于相关熵的多视角低秩矩阵分解(CMLMF)模型,该模型与自适应图学习框架相结合,以提取数据的全局重构信息。最后,设计了一种结合芬切尔共轭(FC)和块坐标更新(BCU)的有效优化算法来求解该模型。实验结果表明,与现有方法相比,CMLMF的准确性(ACC)、归一化互信息(NMI)和精度(Precision)有了很大的提高,其有效性得到验证。

基于Transformer-Isolation Forest的地壳形变异常提取

王雪鉴, 王毅恒, 孙新坡, 柳川, 加明, 赵超, 杨超

计算机科学. 2025, 52 (6A): 240600155-6. doi:10.11896/jsjkx.240600155

摘要 ( 15 )

PDF(4094KB) ( 40 )

参考文献 | 相关文章 | 多维度评价

GPS地壳变形监测在地震前兆研究中起着至关重要的作用。随着观测数据的积累,传统数据处理方法在大数据处理方面面临挑战。文中提出了一种基于Transformer网络和重构误差训练策略的算法。该算法通过训练Transformer网络学习无地震时的GPS地壳位移数据,输出正常数据,并将异常时的地震GPS地壳位移数据重构误差输入到Isolation Forest异常检测算法模型中来判别是否是地震异常前兆。从GPS地壳变形数据中提取了2个Mw>5的地震事件前异常,获得了比以往研究更全面且普遍的异常数据现象。统计分析显示,相同地区的观测站在2次地震前的GPS地壳变形数据中存在相似的异常现象,表明相同地区存在相似的地壳形变积累和释放模式。这些发现,强调了通过理解地震机制来提高地震预测和防范的必要性。

基于选择状态空间图神经网络的互联网应用用户画像分析

滕岷军, 孙腾中, 李彦辰, 陈媛, 宋沫飞

计算机科学. 2025, 52 (6A): 240900060-8. doi:10.11896/jsjkx.240900060

摘要 ( 15 )

PDF(2313KB) ( 34 )

参考文献 | 相关文章 | 多维度评价

用户画像分析旨在深入挖掘用户在互联网应用中的偏好,对于推荐系统、个性化广告等众多实际应用具有十分重要的意义。近期的研究趋势是将用户及其互动对象视作图结构中的节点,从而将用户画像的构建转化为节点分类任务,并利用深度图神经网络技术来实现用户特征的提取。然而,这些研究往往未能充分考虑到不同用户间不同交互类型的差异性和时序关系,限制了用户画像分析的准确性。对此,提出了基于选择状态空间的图神经网络方法来进行用户画像分析,以同时捕捉图结构关系所蕴含的多用户对比和时序规律等上下文信息。为有效构建用户操作长序列数据的长程依赖关系,在图神经网络中引入状态空间模型,并结合基于注意力机制的节点优先级排列策略,以增强上下文感知推理,从而提高了用户性别和年龄等显式用户属性的预测性能。在两个真实的互联网APP数据集上进行了实验验证,结果证明了所提方法的有效性。

资源偏好敏感的大数据应用云配置推荐方法

梁哲恒, 吴悦文, 李永健, 张小陆, 沈桂泉, 苏林刚, 刘均乐

计算机科学. 2025, 52 (6A): 240800114-9. doi:10.11896/jsjkx.240800114

摘要 ( 14 )

PDF(5314KB) ( 36 )

参考文献 | 相关文章 | 多维度评价

大数据和流式数据计算已被广泛用于支撑智能电网中异常监测与预警等场景。云计算是大数据和流式数据应用的主流运行支撑环境,选择合适的云资源优化其性能面临巨大挑战。当前基于全量配置搜索的方法以所有候选云配置作为搜索空间,存在搜索空间过大而容易陷入局部最优解的问题。针对该问题,提出了资源偏好敏感的大数据应用云配置推荐方法,采用资源偏好敏感的随机森林模型作为贝叶斯优化方法的概率模型,以权衡配置选项空间较大时搜索的准确性和开销。实验结果表明,所提方法相比于全量配置搜索方法CherryPick,在搜索结果的准确性提升23%的同时,可减少25%~44%的搜索次数;相比于数据驱动的方法RP-CH,搜索结果的准确性相差10%,但平均搜索次数可有效减少78%。

一种基于CSO-LSTM的新能源发电功率预测方法

顾慧杰, 方文崇, 周志烽, 朱文, 马光, 李映辰

计算机科学. 2025, 52 (6A): 240600053-11. doi:10.11896/jsjkx.240600053

摘要 ( 16 )

PDF(4082KB) ( 31 )

参考文献 | 相关文章 | 多维度评价

随着新能源发电技术的快速发展与广泛普及,该类技术已经成为电力系统中关键的一环。其中,对新能源发电功率的准确预测对于电力系统的合理规划有着重要的意义。然而,现有的新能源发电功率预测方法仍存在以下挑战:1)基于深度神经网络的预测模型的超参数对模型的预测性能有着重要的影响,而目前大多数算法仍采用人工确定的方法为超参赋值;2)现有的预测模型难以高效地挖掘时序数据中的长期依赖关系,从而影响预测精度。针对上述问题,本文提出了一种基于CSO-LSTM(Competitive Swarm Optimizer-Long Short-Term Memory)的新能源发电功率预测方法,旨在利用一种两阶段的模型综合地提升预测性能。首先,在模型的第一阶段提出了一种基于竞争群优化的LSTM超参数优化算法,利用竞争群优化算法良好的探索能力和全局优化能力,实现预测模型超参数的自适应调整。然后,在模型的第二阶段设计了一种基于组合多门控机制的LSTM模型,该方法结合自注意力门控机制和组合多个门控网络用于挖掘新能源发电时序数据中的长期依赖关系,从而进一步地适应不同时间尺度下的新能源生成模式。最后,在2个真实数据集和1个仿真数据集上与4个先进的预测方法进行了对比实验,实验结果验证了提出的CSO-LSTM模型的有效性和执行效率。

基于多模态特征小波分解的深度学习股价概率预测

张永宇, 郭晨娟, 魏涵玥

计算机科学. 2025, 52 (6A): 240600140-11. doi:10.11896/jsjkx.240600140

摘要 ( 20 )

PDF(3092KB) ( 46 )

参考文献 | 相关文章 | 多维度评价

构建了一种创新的基于多模态特征小波分解的深度学习股价概率预测模型(MWDPF)。该模型融合了动态连续特征、动态分类特征、静态连续特征和静态分类特征等多源异构信息,通过并行融合的策略充分挖掘不同特征子空间的互补信息,全面刻画影响股价波动的多重维度。该模型采用自回归递归神经网络架构,能够直接输出股价变化的概率分布预测,而非单一确定值预测,更加贴近实际股价呈概率分布的特征。另外,该模型引入小波分解技术,对原始时间序列进行去噪,自适应地过滤掉不同尺度下的噪声成分,提高了对内在波动规律的捕捉能力。实证分析阶段,采集了来自金融数据库和互联网论坛的多模态数据,通过缺失值填充、去极值、时间对齐等一系列预处理,以及精心的特征工程和模型优化,实现了优秀的预测性能,显著优于传统的统计学模型和深度学习模型,评价指标均有大幅改善。该模型产生的预测结果被用于构建了一个多因子选股策略,在实际回测中取得了可观的超额收益,进一步验证了该模型在实际投资决策中的有效性。该研究为股价预测提供了一种行之有效的解决方案,丰富了量化投资的理论和方法,具有重要的理论意义和应用价值。

民航旅客个体和社交偏好建模及航班座位分配优化

赵耀帅, 张毅

计算机科学. 2025, 52 (6A): 240600038-8. doi:10.11896/jsjkx.240600038

摘要 ( 15 )

PDF(2657KB) ( 34 )

参考文献 | 相关文章 | 多维度评价

在民航领域,提升旅客满意度的关键之一是了解旅客的个性化需求并提供定制化的旅行服务,尤其是在航班座位分配上。然而,实现这一目标面临两个主要挑战:如何准确建模旅客的偏好以及如何合理分配座位。传统方法往往要求对旅客的真实偏好有明确了解,但当前的收费座位选择和先到先得的策略难以全面满足旅客需求。为了解决这一问题,需要考虑座位的可用性、空间相关性以及旅客之间的社交关系。文中提出了一种新的解决方案,通过从个体和社交两个维度建模旅客偏好,并将座位分配视为一个组合优化问题,以尽可能满足旅客的个体和社交偏好,同时遵循业务规则和旅客价值。该方案利用迭代局部搜索算法来优化座位分配。实验结果表明,该方法能够有效建模旅客的座位偏好,并显著提升航班的整体满意度。

服务器无感知计算关键技术研究及实践探索

周丹颖, 黄天昊, 刘如明

计算机科学. 2025, 52 (6A): 240700114-6. doi:10.11896/jsjkx.240700114

摘要 ( 19 )

PDF(2901KB) ( 35 )

参考文献 | 相关文章 | 多维度评价

云计算借助其规模效应实现对资源的集约化利用,最大化发挥计算的价值。近年来,服务器无感知计算作为一种新兴的云计算范式迅速崛起,正深刻重塑着应用程序的开发、部署与运维方式。以应用为中心,服务器无感知计算进一步优化了云服务的供给模式,简化了云上应用的构建方式,有效提升了云资源利用率,代表了云计算的重要演进方向。当前,服务器无感知计算技术发展趋于成熟,服务形态愈加丰富,涵盖了函数即服务、边缘函数即服务、服务器无感知容器服务、服务器无感知应用托管服务等典型模式,在人工智能、边缘计算、大数据分析等领域已形成诸多优秀实践。文中从服务器无感知计算的概念入手,分析其价值与发展脉络,剖析其核心技术及应用实践,探讨服务器无感知技术生态及其演进趋势,并给出我国服务器无感知计算的发展建议。

基于深度强化学习的在线并行SDN路由优化算法研究

吴宗明, 曹继军, 汤强

计算机科学. 2025, 52 (6A): 240900018-9. doi:10.11896/jsjkx.240900018

摘要 ( 14 )

PDF(3853KB) ( 47 )

参考文献 | 相关文章 | 多维度评价

传统基于深度强化学习(DRL)的SDN流量工程模型路由行为往往不可预测,并且传统基于DRL的路由方案简单地将DRL算法应用于通信网络系统中是不可靠的。为此,提出了一种基于DRL的在线并行SDN路由优化算法,通过可靠地利用具有试错性质的DRL路由算法来提高网络性能。该算法在SDN框架中采用在线并行的路由决策和线下训练相结合的方法来解决SDN路由优化问题。该方法能缓解由于深度强化学习模型尚未收敛以及探索过程所带来的可靠性问题,一定程度上也能缓解深度强化学习智能路由模型不可解释性以及网络突发状况下路由行为不可靠性所带来的负面影响。通过在一个真实网络拓扑上进行大量实验来评估该在线并行SDN路由优化算法的性能。实验结果表明,所提出的在线并行SDN路由优化算法获得的网络性能优于传统的基于DRL的路由算法和OSPF算法。

深度学习驱动的OFDM索引调制信号检测

王婵飞, 杨婧, 许亚美, 何继爱

计算机科学. 2025, 52 (6A): 240900122-6. doi:10.11896/jsjkx.240900122

摘要 ( 14 )

PDF(3272KB) ( 51 )

参考文献 | 相关文章 | 多维度评价

在探讨正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM) 系统的优化中,一个显著挑战在于其信号检测性能的相对不足。同时,针对基于深度神经网络的索引调制(Deep Neural Network Based Index Modulation,DNN-IM) 检测算法,普遍存在着误码率及损失值偏高的问题。为了弥补上述难题,文中提出一种基于多层感知机(Multilayer Perceptron,MLP) 的索引调制检测算法,即MLP-IM算法。该算法采用融合两个连接层与一个输出层的架构设计,通过挑选的激活函数实现对OFDM索引调制系统中数据比特的精准还原。首先将OFDM索引调制系统的基础理论巧妙应用于数据的预处理阶段,随后利用仿真数据集对MLP神经网络模型进行全面而深入的离线训练,确保模型的稳健性与准确性。在检测阶段,通过MLP-IM检测算法实现了对OFDM索引调制系统的高效检测。仿真结果表明,所提出的MLP-IM算法在误码率控制和损失值两个方面的性能表现与最大似然检测算法相媲美,甚至在某些场景下超越了现有DNN-IM算法的性能,其性能改善幅度在0.2~6 dB的区间内。

基于改进白鲸优化算法的三维DV-Hop定位算法

陈悦, 冯锋

计算机科学. 2025, 52 (6A): 240800125-9. doi:10.11896/jsjkx.240800125

摘要 ( 20 )

PDF(3315KB) ( 36 )

参考文献 | 相关文章 | 多维度评价

为解决无线传感器网络中传统三维DV-Hop(Distance Vector Hop)算法在应对复杂环境时存在节点定位精度低、误差过大的问题,提出了一种基于改进白鲸优化算法(Improved Beluga Whale Optimization,IBWO)的三维定位算法(IBWO-DV-Hop)。首先,通过多通信半径并引入修正因子优化节点最小跳数,并利用跳距加权优化方法修正平均跳距,以降低通信半径不确定性和跳数误差对定位精度的影响。其次,引入IBWO代替最小二乘法估算未知节点的位置,所做改进包括在白鲸算法初始化阶段采用Sobol序列和反向学习结合的策略对初始种群实施改进,增加种群多样性。然后,在勘探阶段和开发阶段分别引入自适应t分布变异和自适应Levy飞行策略,增强算法的寻优能力。最后,在鲸落阶段引入透镜成像反向学习策略,提升算法的全局寻优能力。实验结果表明,与传统三维DV-hop算法以及其他同类算法相比,该算法具有更高的定位精度。

基于改进随机森林算法的RFID室内定位方法

蒋蔚, 郭成波, 寇家华, 张若宛, 郭艳玲

计算机科学. 2025, 52 (6A): 240900124-7. doi:10.11896/jsjkx.240900124

摘要 ( 14 )

PDF(3358KB) ( 41 )

参考文献 | 相关文章 | 多维度评价

为解决现有射频识别技术在物流仓储型高精度定位需求领域应用率低且定位精度差的问题,提出了一种基于改进随机森林模型的射频识别技术定位方法。首先,搭建了多天线同时读取参考标签接收信号强度的环境,并在读取过程中采用迭代平均值过滤算法采集接收信号强度数值,采用滑动窗口从已有的接收信号强度数值中推导出新的属性,扩大机器学习的数据集。其次,引入随机森林分类模型,构建以接收信号强度及其新属性为输入,以X轴和Y轴坐标为输出的随机森林模型基础,并通过参数分析确定相关参数值,改进随机森林模型在室内定位方面的使用效果。最后,采用随机森林分类模型预测目标标签的所属区域,再利用相应区域随机森林回归模型预测目标标签的精确坐标,实现了基于射频识别技术接收信号强度的室内精确定位。在室内环境下,通过所搭建的射频识别技术室内定位方法可测得的平均定位误差为4.89 cm,与其他算法相比平均定位精度提高80%以上,能够满足物流高密度仓储场景下的物品定位需求。

多天线幅值与相位差分联合调制方案研究

张璐麟, 郑兴, 彭宇辉, 项楠天, 施昌涵, 苏江涛

计算机科学. 2025, 52 (6A): 240900128-4. doi:10.11896/jsjkx.240900128

摘要 ( 17 )

PDF(2685KB) ( 37 )

参考文献 | 相关文章 | 多维度评价

多输入多输出系统(MIMO)是5G通信的关键技术,为无线通信提供了空间分集和空间复用的能力,可以大幅度提高无线通信的性能。但是,该技术也使MIMO的信号检测变得十分复杂。为了降低MIMO信号检测复杂度,提出幅值-相位差分联合调制(A-DPM)方案。A-DPM利用相位差和幅值携带信息,系统通过MIMO预编码和最大比合并(MRC)使接收端可以获得最大的信号功率,而相位差分消除了多径信道和奇异值分解(SVD)预编码对符号造成的相位旋转,同时使载波的残余频率偏移造成的时变的相位旋转变为非时变相位旋转。因此,A-DPM接收端不需要进行复杂的MIMO信道估计,简化了接收端信号检测过程。在多径瑞利信道以及存在残余频率偏移和采样周期偏移的环境下,仿真验证证实了多天线A-DPM方案具有空间分集效果,且误码率性能优于空时分组码(STBC)系统,解调复杂度低于STBC系统。

一种基于贪婪的时间敏感网络增量路由调度方法

周飞飞, 马涛, 付振霄, 朱云飞, 虞扬

计算机科学. 2025, 52 (6A): 240800090-6. doi:10.11896/jsjkx.240800090

摘要 ( 16 )

PDF(2224KB) ( 34 )

参考文献 | 相关文章 | 多维度评价

目前,现代工业的发展对智能电网、智能驾驶等领域的网络传输时延和可靠性提出了很高的要求。为了应对这些挑战,IEEE 802.1TSN工作组提出了时间敏感网络(TSN)的概念。其中,以循环排队转发(CQF)作为传输机制的时间敏感网络模型在确定性网络研究领域受到广泛关注,但关于流量的路由选择和调度问题仍是一个非常关键的任务。利用相关的流量特性,提出了一种基于贪婪和Dijkstra算法的增量路由选择方案,并将其与负载均衡的时隙偏移量选择进行结合,得到一种联合路由调度方案,用于解决多路由场景下复杂流量的路由-调度问题。在仿真方面,建立TSN网络拓扑模型并进行多次实验验证。结果证明,提出的方案对比传统的贪婪和禁忌搜索算法,在时间消耗和调度成功率上都有着较为明显的优势。

基于元强化学习的任务卸载优化策略

赵婵婵, 杨星辰, 石宝, 吕飞, 刘利彬

计算机科学. 2025, 52 (6A): 240800050-8. doi:10.11896/jsjkx.240800050

摘要 ( 18 )

PDF(2989KB) ( 39 )

参考文献 | 相关文章 | 多维度评价

随着边缘计算的蓬勃发展,任务卸载已成为提升系统性能和资源利用率的关键策略。现有的基于深度学习的卸载方法在实际应用中面临样本效率低及对新环境适应性差等问题。为此,提出了基于元强化学习的任务卸载方法(MRL-PPO),旨在有效解决边缘计算中异构任务的高效卸载问题,最大限度地减少任务的延迟和能耗。设计了结合注意力机制的序列到序列(Seq2Seq)的网络,将卸载任务的应用程序建模为DAG,编码器对卸载的任务进行编码,解码器根据上下文向量输出不同的卸载决策,以解决任务序列维度不同导致的网络训练复杂问题,注意力机制使得模型能够动态关注卸载任务的关键特征,提高决策的精确性和效率。为了优化PPO算法在复杂环境中的性能,引入了内在奖励学习算法。实验结果表明,与现有方法相比,所提算法在不同任务下有更优异的性能,能够快速适应新的环境,并且有效降低任务处理过程中的延迟和能耗。

基于聚类模型的C-RAN组网规划方法研究

李恒毅, 杨国, 魏波, 陈虹君

计算机科学. 2025, 52 (6A): 241000015-4. doi:10.11896/jsjkx.241000015

摘要 ( 15 )

PDF(2106KB) ( 38 )

参考文献 | 相关文章 | 多维度评价

随着5G通信网络的快速部署,其在信息化社会建设中的重要性日益凸显。5G异构化网络技术和集中式C-RAN组网方式的应用,虽然带来了高效的小区边缘协同处理和成本节约,但也引发了前传网络体量过大和传输线路建设成本增加的问题。为解决这一问题,提出一种基于聚类算法和启发式算法的基站工程规划方法,对C-RAN基站的最佳部署位置进行研究。该方法通过构建K-means聚类模型,以基站与AAU/RRU间的欧氏距离作为约束,寻求最优的基站部署位置。在仿真与结果分析中结合手肘法判断最优聚类K值。以此为依据确定的C-RAN站点位置部署较为合理,能够保证连接到每一个无线收发点,并且消耗的光缆成本最低。此方法具有较好的可推广性,能够为未来的移动通信网络规划和建设提供有益的参考。

端云人脸识别系统计算卸载策略设计

冀乃庚, 王伟鹏, 窦逸辛

计算机科学. 2025, 52 (6A): 240600065-7. doi:10.11896/jsjkx.240600065

摘要 ( 15 )

PDF(2799KB) ( 45 )

参考文献 | 相关文章 | 多维度评价

针对端云协同体系下的人脸识别系统,提出了一种结合实际业务的计算卸载策略,旨在实现资源固定的条件下最大化识别准确率。首先,提出一种双向精度提升的端云识别模型集成方法,该方法不同于传统从宽或从严集成,能同步提升TAR和TRR两个精度指标以保障端云协同识别精度全面高于端侧;其次,提出基于组合识别结果的特征选型方案,利用识别结果与正负样本占比之间的统计关系划分识别风险等级,提取出高风险场景特征组合;此外,提出一种资源全局调控的优化方案,通过统计分布差异选定异常园区及终端,对其倾斜算法资源以提升全局识别精度;最后,提出使用OC-SVM分类器,适应正负样本数量不对等、分布集中但存在长尾离群点的场景,并实现召回占比动态调整。实验结果表明,本方案提出的优化设计能够在算法资源不变的条件下显著提升算法精度,具有较高的实用价值和推广应用潜力。

基于MARTE和STAMP的安全关键软件测试建模方法

薛雯耀, 王轶辰, 任庆玮

计算机科学. 2025, 52 (6A): 240500080-10. doi:10.11896/jsjkx.240500080

摘要 ( 21 )

PDF(6717KB) ( 39 )

参考文献 | 相关文章 | 多维度评价

基于模型的软件工程(MBSE)方法在安全关键软件(Safety-critical Software)开发和测试中的应用是当前研究的热点。然而,在建立模型时,如何完整且准确地刻画软件的安全属性仍然是一个亟待解决的问题。文中提出了一种创新性的方法,将软件安全性分析深度集成到软件模型构建过程中。该方法结合MARTE(实时和嵌入式系统建模与分析)建模语言和STAMP(系统理论事故模型与过程)理论,通过扩展MARTE构造型或增加标签的方式对非功能属性进行描述,并在MARTE视图层次融入STAMP控制结构模型。最终,通过STPA(系统理论过程分析)技术进行迭代建模,形成一个多视图的混合模型。STPA方法中的控制结构构建、不安全控制行为识别及致因场景分析等步骤展现出更高的分析深度和自动化潜力。案例研究表明,所提方法能够有效且清晰地展示软件系统的功能和非功能性能需求,更好地实现基于模型的软件安全特性刻画,并为测试用例的自动化生成和建模提供坚实的技术基础。

集成式PU学习方法PUEVD及其在软件源码漏洞检测中的应用

包晟宏, 姚有健, 李小丫, 陈文

计算机科学. 2025, 52 (6A): 241100144-9. doi:10.11896/jsjkx.241100144

摘要 ( 18 )

PDF(4427KB) ( 41 )

参考文献 | 相关文章 | 多维度评价

基于人工智能的漏洞检测方法相比于传统漏洞检测方法减少了对专家经验的依赖并提升了检测效率。通常漏洞检测模型的训练过程需要大量有标记的样本,然而在实际应用中,有标记的漏洞样本的收集较为困难。因此,在仅有少量有标记漏洞样本的条件下,如何有效地利用大量的未标记源码样本以提高漏洞检测模型的训练性能成为漏洞检测领域的重要问题。正类-未标记样本学习(PU Learning)是一种新型半监督学习模式,PU学习能够结合少量正类样本与大量未标记样本对随机森林等模型进行训练,通过对未标记样本的类别评分以产生大量的伪标记训练样本,用于提升模型的训练性能。然而,当部分未标记样本的类别得分在阈值附近时,PU Learning容易产生错误的伪标记。为了实现基于PU Learning的源码漏洞检测,提出了一种集成式PU学习方法PUEVD。PUEVD首先基于PU风险最小化构建随机森林,计算未标记源码样本的类别得分,并筛选出源码样本的典型特征集合;然后在典型特征中随机选择一组代码特征子集;最后在该子集上比较易误分类样本的取值与可信正类/可信负类源码样本的相似度的差异。基于集成学习原理,PUEVD将任意易误分类源码样本x在给定的代码特征子集上计算出的相似度差异当作x在一个弱分类器的分类结果,之后基于x在多组随机选择的特征子集所获得的一组差异值融合调整x的类别得分,进而将样本的类别分值优化到可信的区间内,以降低源码样本被误分类的风险。将PUEVD应用到软件漏洞挖掘过程,实现了少量已标记源码样本条件下的漏洞检测,在标准源码漏洞数据集,CWE399,libtiff,asterisk上的实验结果表明,PUEVD在AUC和F1分数上均优于传统方法,证明了PUEVD方法在漏洞检测应用中的有效性。

BiGCN-TL:软件错误部分定位场景下二分图图卷积神经网络Transformer定位模型

施恩译, 常舒予, 陈可佳, 张扬, 黄海平

计算机科学. 2025, 52 (6A): 250200086-11. doi:10.11896/jsjkx.250200086

摘要 ( 37 )

PDF(3699KB) ( 33 )

参考文献 | 相关文章 | 多维度评价

在现代复杂软件项目中,软件错误与代码呈现“多对多”的对应关系,一个软件错误往往由多个代码变更集引起,一个代码变更集也会引起多个软件错误。因此,对于软件错误往往只能实现部分定位,难以追溯全部的相关代码。传统架构对于代码变更集或软件错误语义特征的提取,往往只分别独立地依赖各自的上下文。现代软件项目规模庞大,代码依赖错综复杂、这样分别独立的语义提取方式,降低了单个文本语义特征的质量与鲁棒性,导致最终的定位性能下滑。为实现对软件错误相关代码的全面追溯,提出了BiGCN-TL模型。BiGCN-TL重点聚焦训练模型促进不同文本之间信息交互的能力,旨在降低对单个文本语义特征质量的依赖,使得在现代软件项目规模庞大、代码依赖错综复杂、单个文本语义特征提取困难的场景下,仍能通过高效的信息交互,提取到高质量语义特征,提高定位准确率。首先根据已知的部分定位关系,微调基于Transformer的预训练模型。然后,创新性地将软件错误和代码变更集建模成二分图的数据结构,借此充分利用已知的“多对多”关系,并使用微调后的编码器得到节点特征的初始表示。之后,基于二分图设计链接预测任务,训练GCN与二分类鉴别器。借助图卷积操作和注意力机制动态更新节点特征,重点训练模型促进文本信息的交互,动态更新节点特征的能力,从而得到高质量全局分类特征,最终输出匹配预测得分。在多个数据集上开展了对比实验,结果验证了BiGCN-TL相比传统方案的优越性,并通过消融实验确认了各模块的有效性。此外,通过探索多种预训练模型与GCN的组合,并结合具体案例和可视化分析,进一步验证了BiGCN-TL的通用性与鲁棒性。

基于配置引导的实时Linux内核靶向模糊测试

施鹤远, 陈世俊, 张强, 沈煜恒, 姜宇, 施荣华

计算机科学. 2025, 52 (6A): 240400161-8. doi:10.11896/jsjkx.240400161

摘要 ( 23 )

PDF(3171KB) ( 56 )

参考文献 | 相关文章 | 多维度评价

实时Linux在各类实时性需求业务场景中得到广泛应用,保障实时Linux内核安全稳定至关重要。当前主流的覆盖率导向内核模糊测试技术对于特定待测代码定位存在局限,导致内核模糊测试对实时特性相关代码的针对性测试能力不足。针对此问题,文中提出了一种基于配置引导的实时Linux内核靶向模糊测试方法。该方法首先结合内核配置选项构建内核文件树,识别实时特性相关内核代码;然后基于实时Linux内核函数间调用关系和基本块地址,构建实时特性相关待测靶点;最后利用基于权重的种子调度策略提升内核模糊测试针对性测试效果。该方法在4个版本的实时Linux内核的测试任务中,发现了58个实时特性相关的内核缺陷。与通用覆盖率导向内核模糊测试工具Syzkaller相比,该方法对于实时特性相关代码的基本块覆盖数量提升17.06%,发现实时特性相关漏洞数量提升65.39%。实验结果表明,该方法能显著提高内核模糊测试的实时特性相关代码覆盖能力与针对性测试能力。

需求可追溯性在代码静态分析中的应用

陈望旭, 文昊, 倪洋

计算机科学. 2025, 52 (6A): 241000024-5. doi:10.11896/jsjkx.241000024

摘要 ( 24 )

PDF(2340KB) ( 34 )

参考文献 | 相关文章 | 多维度评价

对于软件需求逆向工程,传统的代码静态分析方法需要人工标注大量完整的需求标记,这成为研发过程中庞大且冗余的负担,很难切实推行。针对该情况,提出了一种基于需求可追溯性并使用图数据库存储结构的代码静态分析方法。该方法首先通过基础静态分析方法生成软件的方法调用关系图,使用图数据库存储结构对其进行存储,然后通过少量的人工标记对调用关系图进行初始化,再通过图数据支持的若干连通性计算方法,补全调用关系图上的节点需求并最终反馈到软件代码层面。实验结果表明,该方法能够保证推演后方法节点上的需求覆盖率达到较高标准,同时极大地降低人工标记的工作量。

向量DSP的数组计算高效代码生成技术研究

廖泽明, 刘桂开, 胡勇华, 谢安星

计算机科学. 2025, 52 (6A): 240300156-7. doi:10.11896/jsjkx.240300156

摘要 ( 16 )

PDF(2429KB) ( 44 )

参考文献 | 相关文章 | 多维度评价

随着大规模集成电路技术不断发展,融合SIMD、VLIW等指令并行处理技术的向量DSP在高性能计算领域获得日益广泛的关注和应用。适配不同种类的算法函数库成了向量DSP的关键挑战之一。只有减少编程时重复性工作的投入,更加集中精力于基于向量DSP架构和硬件资源进行代码优化,才能有效提高应用开发效率。综合考虑向量DSP代码中的计算涉及的数据数量,提出基于模板的数组计算高效代码的自动生成方法,实现自动化的动态缓存分配,针对不连续的数据访存进行数据重排,并对标量指令进行优化,使生成的代码能够使用处理器的专用向量资源。实验结果表明,使用技术生成代码大幅度提高了获得相关函数代码的工作效率,并且生成的向量计算汇编代码平均性能达到手写汇编代码平均性能的75%左右,与标量汇编代码性能相比有平均8.7倍的加速比。

(n,k)-排列图的t/s诊断度与t/s 诊断算法研究

张世豪, 冷明

计算机科学. 2025, 52 (6A): 240700180-9. doi:10.11896/jsjkx.240700180

摘要 ( 15 )

PDF(2508KB) ( 33 )

参考文献 | 相关文章 | 多维度评价

鉴于多处理器系统中日益严峻的故障风险挑战,特别是在超级计算机领域,如何有效提升系统的可靠性和容错能力成为了亟待解决的关键问题。(n,k)-排列图作为一种新型的互连网络拓扑结构应运而生,它是基于星图网络的推广和变形。它在保留星图网络原有的对称性和容错性的同时,具有更好的灵活性。目前对于(n,k)-排列图的可靠性研究尚不全面。基于此,展开了对(n,k)-排列图的t/s和t/s诊断算法研究。首先,给出了(n,k)-排列图的系列拓扑性质;然后,度量了(n,k)-排列图在PMC(Preparata,Metze,Chien)模型下的t/s诊断度;最后,设计了一个时间复杂度为O(N log₂N)的快速诊断算法,用于识别(n,k)-排列图的所有故障结点。(n,k)-排列图的t/s诊断度被确定,进一步完善了(n,k)-排列图网络的可靠性指标,为其在应用和推广中的可靠性提供了重要的依据。

CNFED:一种基于条件数的浮点表达式误差检测工具

王盼龙, 王磊, 英津瑞, 刘博文, 高志勇

计算机科学. 2025, 52 (6A): 240800070-8. doi:10.11896/jsjkx.240800070

摘要 ( 15 )

PDF(2486KB) ( 45 )

参考文献 | 相关文章 | 多维度评价

浮点数使用有限的精度来表示实数,其固有的舍入误差会在计算过程中累积,可能导致严重错误,从而危及程序的安全性和可靠性。理论上,最精准的浮点误差检测方法是穷举搜索所有可能的浮点数输入,以确定实际计算结果与理论值之间的最大误差,但搜索空间巨大,因此有效且高效地检测最大浮点误差一直是一个挑战。基于对条件数的研究,设计并实现了一种用于浮点表达式的误差检测工具CNFED。CNFED将输入区间划分成多个子区间,对每个子区间进行随机采样和评估,快速定位多个热点子区间;然后分层对这些热点子区间调用全局搜索算法和局部搜索算法,并结合相应评估函数进行筛选,最终找到可能的浮点误差极大值及相应的输入值并报告。实验选取FPBench标准测试集中26个表达式作为测试用例,并与先进检测工具ATOMU和HSED进行了比较。实验结果表明,CNFED 检测效果优于 ATOMU 的比例为 96.15%(25/26)。与针对浮点表达式的检测工具HSED相比,CNFED 检测效果优于 HSED 的比例为 34.62%(9/26),同时HSED所花平均时间是CNFED的4.8倍。

DNS威胁面分析及其安全防护现状与挑战

郁毅明, 陈远志, 郎君

计算机科学. 2025, 52 (6A): 240900140-8. doi:10.11896/jsjkx.240900140

摘要 ( 20 )

PDF(2185KB) ( 33 )

参考文献 | 相关文章 | 多维度评价

随着互联网的普及和其复杂性的增加,作为全球网络通信核心组件的域名系统(DNS)涉及到的安全、隐私和性能相关的挑战愈演愈烈。首先,从DNS的常见攻击入手,对其协议和系统本身进行了威胁面的分析,从完整性、保密性、可用性和可信性4个方面分别阐述了DNS协议当前的不足和缺陷,总结了DNS当前面临的问题。随后,介绍了DNS当前主流的增强和防护措施,主要从协议增强、入侵检测系统增强以及系统增强三方面论述现有的研究工作,并总结和评估了它们的优势和不足。最后,提出了未来的研究方向去中心化以及未来的重点建设方向流量数据留存工程,对未来DNS安全技术的发展方向提供了参考。

基于时间式网络流水印技术的大规模网络防御算法

朱柯达, 蔡瑞杰, 刘胜利

计算机科学. 2025, 52 (6A): 240900110-6. doi:10.11896/jsjkx.240900110

摘要 ( 13 )

PDF(3105KB) ( 49 )

参考文献 | 相关文章 | 多维度评价

网络攻击者所用链路包含暗网、跳板等多个节点,将攻击路径变得复杂和难以预测,使得全链条溯源存在困难,导致大规模网络流量检测的效果较不稳定。为此,提出一种基于时间式网络流水印技术的大规模网络防御算法,利用时间间隔将大规模网络数据流进行分组,减少因单一参数异常而引发的误报。通过卷积编码和流量调制后实现该数据流时间式水印注入,使得水印信息在面对网络流量波动时仍能保持一定的稳定性,增强了水印的鲁棒性。通过比较时间式网络多流联合质心熵,快速识别出含有水印的标记流。实验表明,该算法受抖动影响较小,能够确保水印注入,实现对大规模网络攻击的防御。

一种结合数据集蒸馏的联邦学习隐私保护方法

王春东, 张清华, 付浩然

计算机科学. 2025, 52 (6A): 240500132-7. doi:10.11896/jsjkx.240500132

摘要 ( 15 )

PDF(2419KB) ( 30 )

参考文献 | 相关文章 | 多维度评价

联邦学习通过交换模型参数而不是数据的方式来训练得到全局模型,以达成隐私保护的目的。但大量研究表明,攻击者可以通过截取到的梯度反推出原始的训练数据,导致客户端的隐私泄露。此外,不同客户端采样方式的不同会导致收集到的数据呈现出非独立同分布的现象,这种数据异质性会影响到整体模型的训练性能。为应对梯度反演攻击,将数据蒸馏方法引入到联邦学习框架中,同时结合数据增强方式加强合成数据的可用性。此外,针对不同机构的医疗数据存在的数据异质性问题,将批量归一化层引入客户端,以缓解客户端漂移现象,提高整体模型的性能表现。实验结果表明,在获得与其他联邦学习范式相近性能的同时,结合数据蒸馏的联邦学习方法也提高了对医疗数据隐私的保护力度。

基于对抗生成网络的众包内容隐私保护

黄晓宇, 姜贺萌, 凌嘉铭

计算机科学. 2025, 52 (6A): 250200123-7. doi:10.11896/jsjkx.250200123

摘要 ( 20 )

PDF(2171KB) ( 50 )

参考文献 | 相关文章 | 多维度评价

众包作为一种新兴的任务外包模式,被广泛认为是针对面向海量数据的标注、分析等工作需求的高效且经济的解决方案。但对众包任务的持有者(即任务主)而言,在众包机制下,众包工人可以不受限制地访问其私有的数据,这个过程蕴含了巨大的隐私泄漏风险。针对此问题,提出了能保证内容隐私安全的众包模型PrivCS。PrivCS的核心设计理念是使用对抗生成网络(GAN)生成的“合成数据”替代原始的真实数据面向众包工人公开发布。PrivCS对内容的隐私安全保护能力由GAN的理论性质保证,此外,还证明了PrivCS机制无论在数据标签提取,还是在模型训练等任务中,都能取得与传统的众包机制相近的效用。实验结果也对文中的理论论断提供了支持。

一种基于改进D-S证据的智慧水利网络安全态势评估方法

夏卓群, 周子豪, 邓斌, 康琛

计算机科学. 2025, 52 (6A): 240600051-6. doi:10.11896/jsjkx.240600051

摘要 ( 14 )

PDF(2076KB) ( 36 )

参考文献 | 相关文章 | 多维度评价

智慧水利是国家关键信息基础设施的重要行业和领域。网络安全态势评估技术的研究,为智慧水利的数据保护和网络安全建设提供了有力支撑。针对智慧水利网络模型特点以及基于单一D-S证据理论的网络安全态势评估模型中存在着主观依赖性、证据冲突大的问题,提出了一种基于改进D-S证据理论的智慧水利态势评估方法。首先,面对海量水利数据,使用深度自编码器对数据进行特征学习和过滤降维处理。然后,将处理后的数据交由深度神经网络进行二分类和多分类计算,并将结果融合,得出基本概率分配函数值,其将作为D-S证据理论的输入。最后,通过D-S证据理论的融合规则得到最终的网络安全态势评估结果。实验结果表明,相较于传统态势评估模型,所提方法能够在提升客观性的情况下,保持较高的准确性。

电力系统网络通信安全中的高载荷信息隐藏算法研究

付佳佳, 黄东海, 卢建刚, 邓晓智, 亢中苗, 刘云

计算机科学. 2025, 52 (6A): 240600024-8. doi:10.11896/jsjkx.240600024

摘要 ( 16 )

PDF(4191KB) ( 34 )

参考文献 | 相关文章 | 多维度评价

随着电力网络通信系统的快速发展,大量数字化信息能够更加快捷有效地通过电力网络进行传输,但其在提高通信效率的同时,由于受网络攻击的风险日益增加因而也带来了隐私泄露、信息篡改等一系列安全性问题。在此背景下,特别是在无人巡检和设备远程监测等场景中,针对电力系统中相关缺陷信息的安全传输尤为重要。为确保信息传输的安全性,信息隐藏技术得到了广泛的研究与关注。针对目前信息隐藏技术普遍存在的低嵌入载荷、低安全性等问题,在综合考虑隐藏容量、隐写质量和安全性等因素后,提出了一种基于二阶数独矩阵的高载荷信息隐藏算法。该算法通过对原始数独进行扩展编码,旨在重构出新的二阶矩阵,其可引导每两位九进制数据以最小化失真的方式嵌入到原始图像的像素对中,从而实现高载荷信息隐藏的技术目标。其中,原始数独的选取由通信双方事先共享的密钥所决定,该密钥可通过量子密钥分发技术实现可靠传输,从而进一步提高算法的安全性。

基于边缘计算的区块链网络节点信任评估方法

赵婵婵, 尉晓敏, 石宝, 吕飞, 刘利彬, 张子阳

计算机科学. 2025, 52 (6A): 240600153-8. doi:10.11896/jsjkx.240600153

摘要 ( 15 )

PDF(2791KB) ( 60 )

参考文献 | 相关文章 | 多维度评价

针对现阶段在边缘计算中出现的恶意设备或者提供恶意数据的问题,提出了一种基于边缘计算的区块链网络节点信任评估方法。首先,采用区块链技术以及搭建云边端框架的方法,建立边缘设备之间的信任关系;其次,在整体的信任评估方法中添加了基于信任的共识机制,并且引入时间敏感函数,根据不同场景对信任值要求的时效性来确定;最后,在计算信任值时,为了避免主观因素造成的偏差,提出了增加稳定系数的方法,来保障信任值的可靠性。经过仿真实验验证,所提出的信任评估方法在不同恶意节点比例下,节点的交互成功率要优于其他传统的信任评估方法,当恶意节点在20％时,所提方法与其他方法相差不大,而当恶意节点的比例达到40％时,交互成功率为0.82,当恶意节点所占比例高达60％时,所提方法交互成功率也达到了0.68％;随着时间的进行,正常节点和恶意节点的信任值变化呈相反趋势,正常节点的信任值在最终达到0.9,而恶意节点的信任值降低至0.2;为了更好地观察信任值节点的信任值变化情况,设置了恶意节点执行恶意行为的概率为50％,结果同样也表明所提信任评估方法在面对恶意节点时可以有效地做出反馈;最后,比较了在不同节点情况下的时间消耗,结果表明所提方法在处理节点数量越大时,时间消耗越低于传统的信任评估方法。因此,所提方法在面对大量的恶意节点时,可以做出有效的信任评估,这一方法旨在确立如何选择可信节点作为数据存储传输的目标节点,并计算边缘节点的信任值,减少恶意节点带来的影响。

一种面向多目标跟踪的电路模块可靠性计算方法

金矫波, 朱添田

计算机科学. 2025, 52 (6A): 240800094-6. doi:10.11896/jsjkx.240800094

摘要 ( 17 )

PDF(2301KB) ( 45 )

参考文献 | 相关文章 | 多维度评价

在电路可靠性的计算过程中,实现对多目标轨迹的有效跟踪,是有针对性地实施电路高可靠设计的关键措施之一。选择了在电路可靠性精确评估中已得到有效验证的PTM方法用作多目标跟踪的建模工具,以保证计算的精度;分析了电路的结构和PTM方法的计算原理,在考虑输入信号故障的情况下,提出了一种二进制与十进制相结合的混合编码机制,以实施多目标轨迹跟踪的计算策略。它可计算从原始输入到电路任意位置的可靠度,并在计算过程中实现了对电路敏感元素的分析,且计算复杂性与门的数目呈线性关系。在基准电路上的实验结果验证了所提方法的有效性,还分析比较了计算结果对各跟踪目标的敏感性情况。

基于端到端深度学习的数字语音源录音设备确认取证

邹领, 朱磊, 邓阳君, 张红燕

计算机科学. 2025, 52 (6A): 240800028-7. doi:10.11896/jsjkx.240800028

摘要 ( 14 )

PDF(2912KB) ( 37 )

参考文献 | 相关文章 | 多维度评价

音频编辑软件以及深度伪造(DeepFake)技术使得对数字音频和语音的篡改及伪造变得容易,因此,在将一段音频或语音录音作为有效的司法证据前,必须对其真实性和完整性进行鉴定。面向数字语音的录音设备源确认(SRDV)是数字音频设备源取证的关键问题之一,具体是指:给定一段数字语音录音和一个录音设备,判断该录音是否是由该设备所录制。近年来,深度学习技术在许多领域得到了广泛应用并取得了很好的效果,但目前与录音设备源识别相关的工作主要集中于录音设备源辨认(SRDI)中,尚未有基于深度学习的SRDV方法的报道。文中提出了一种新颖的基于端到端(E2E)深度学习的录音设备源取证方法,从语音录音中提取FBank特征来表征设备指纹并作为深度神经网络结构的输入,深度神经网络结构采用一个调整参数的VGG-M网络,并通过自注意力池化(SAP)层和全连接层来提取录音设备特征向量(RDE)。整个网络基于通用端到端(GE2E)损失函数来进行训练。采用等错误率(EER)作为性能评估准则,在划分好的开发集和测试集上进行录音设备源确认实验,实验结果表明所提方法显著提升了录音设备源确认的性能。

基于半直积的双平台密钥协商协议

张静, 王宇平

计算机科学. 2025, 52 (6A): 240600036-6. doi:10.11896/jsjkx.240600036

摘要 ( 15 )

PDF(1726KB) ( 41 )

参考文献 | 相关文章 | 多维度评价

基于非交换代数的密码系统在抗量子计算攻击方面具有一定优势,组合群理论作为非交换代数的重要来源已在密码学中广泛应用。利用组合群上的一些数学难题,可构造出具有抗量子计算攻击的密码方案。半直积是组合群理论中的重要内容,且某些群上的分解搜索问题是困难问题。基于此,构建了一种非交换密钥协商协议。利用构建半直积的方法,以非交换群及其双射生成的循环群构造出一类适合建立密码方案的非交换群,通信双方构建不同的非交换群作为密码平台,通过一次交互实现密钥协商。该密钥协商协议的安全性可归约到非交换群上的“分解搜索—离散对数”问题,并对协议抵抗代数攻击与遍历攻击进行了详细分析。安全性分析结果表明该协议具有抵抗量子计算等多种攻击方式。最后,以辫群为例,得到了协议的计算和空间复杂度均为多项式级,因此该协议具有实际应用的价值。此外,由于双平台设计可更大程度地隐藏用户信息,因此,这种构建方法在后量子密码时代具有一定的应用前景。

基于像素区间划分及预测恢复的完全加密图像可逆信息隐藏

刘润军, 肖凤军, 胡伟通, 王旭

计算机科学. 2025, 52 (6A): 240900030-8. doi:10.11896/jsjkx.240900030

摘要 ( 15 )

PDF(2885KB) ( 38 )

参考文献 | 相关文章 | 多维度评价

加密图像中可逆信息隐藏技术是一种用于隐蔽通信和隐私保护的重要网络安全技术,针对完全加密图像的可逆信息隐藏方案具有更可靠的安全性。然而,现有相关算法存在嵌入容量低和恢复图像品质差的问题,无法有效适用于复杂云环境。为了解决这些问题,提出了一种基于像素区间划分及预测恢复的完全加密图像可逆信息隐藏方案。图像所有者利用图像加密密钥完全加密原始图像,信息隐藏者利用信息嵌入密钥将额外信息通过像素区间划分技术嵌入到加密图像中,图像接收者可根据信息嵌入密钥无损提取嵌入的额外信息,并利用图像加密密钥及像素预测辅助实现高质量图像恢复。实验结果表明,该算法的嵌入率相比现有最优算法增长了一倍以上,且图像恢复品质也有了显著提升。

基于数字孪生的系统安全测试方法研究

李维峰, 谢江平

计算机科学. 2025, 52 (6A): 240700068-7. doi:10.11896/jsjkx.240700068

摘要 ( 13 )

PDF(3053KB) ( 35 )

参考文献 | 相关文章 | 多维度评价

文中探讨了基于数字孪生的系统安全测试方法,旨在通过数字孪生在系统生命周期早期进行安全设计,规避工业控制系统的潜在威胁。所提方法包括初步准备、四阶段渗透测试及报告生成,确保在系统构建前发现并验证漏洞。利用数字孪生模拟系统动态变化,提供数据保真度进行深入安全分析。通过模拟传感器与开关环境来验证所提方法有效性,识别并评估Modbus TCP/IP协议漏洞,提出改进建议。该研究为工业控制系统安全测试提供了新视角,展示了数字孪生在安全设计中的潜力,为未来系统安全分析与测试奠定了基础。

基于归一化处理和TrafficLLM的网络攻击缓解框架

成凯, 汤卫东, 谈林涛, 陈佳, 李鑫

计算机科学. 2025, 52 (6A): 250200080-9. doi:10.11896/jsjkx.250200080

摘要 ( 18 )

PDF(3477KB) ( 43 )

参考文献 | 相关文章 | 多维度评价

随着电力配变网络基础设施规模的不断扩大,各类安全二次设备、边缘终端节点和业务系统产生的信息通信流量数据在格式、协议、语义特征层面存在显著差异。主要存在现有缓解框架缺乏多源异构网络异常流量检测数据归一化处理算法,网络攻击行为分析依赖人工特征提取的规则引擎,以及难以确定有效的网络攻击缓解措施等痛点。针对以上痛点,提出了一种基于归一化处理和TrafficLLM的网络攻击缓解框架(Network Attack Mitigation Framework Based on Normalized Processing and TrafficLLM,NAMF-NPTLLM)。该框架涵盖数据解析、归一化处理、模型微调和生成攻击缓解方案4个核心阶段。首先,在特征选择阶段,通过构建集成学习模型,融合多类基学习器的特征评估结果,精准提取对分类结果影响较大的关键特征。其次,将选取的关键特征通过归一化处理,生成统一的自然语言token序列形式表达,为该网络攻击缓解框架的流量异常分析TrafficLLM模型提供标准化输入。然后,对TrafficLLM模型进行微调,使该模型能够理解提示词模板指令并学习攻击行为的流量模式。最后,通过微调后的大模型进行推理,生成攻击缓解指令,使得该框架能够根据攻击行为特征动态调整网络攻击缓解策略。通过在CIC-DDoS2019数据集上进行实验验证,与传统方法相比,该框架将网络攻击行为分类的准确率达到99.80%,提高了1.3%。实验结果表明,该框架对于缓解海量多源异构电力网络终端流量攻击,具有更好的准确性和有效性。