计算机与现代化

侯梦晗, 韦昌法

2025, 0(03): 1-5. doi:10.3969/j.issn.1006-2475.2025.03.001

摘要 ( 69 )

PDF (1144KB) ( 70 )

参考文献 | 相关文章 | 计量指标

近年来抑郁症已成为全球心理健康负担的首要问题，为了对其进行识别，提出一种融合BERT、BiLSTM和ConvNeXt的抑郁症识别模型。首先，利用BERT模型生成具有丰富语义的特征向量；其次，使用BiLSTM模型获取文本的上下文信息以及使用ConvNeXt模型获取文本的局部特征；再次，为了缓解特征提取过程中语义信息的丢失，将BiLSTM和ConvNeXt模型学习到的上下文特征和局部特征通过残差连接进行融合；最后，根据融合的特征信息进行抑郁症的识别。实验结果表明，本文所提出的模型相较于其他几种深度学习模型在准确率、召回率和F1值上均有提升，且能有效提取文本中的抑郁特征，提高抑郁症识别的准确率。

基于GiraffeDet的改进YOLOv8s输电线路覆冰检测

唐锐1, 武建超1, 陈剑波1, 柴江1, 王迁1, 何雨辰2

2025, 0(03): 6-11. doi:10.3969/j.issn.1006-2475.2025.03.002

摘要 ( 43 )

PDF (4197KB) ( 45 )

参考文献 | 相关文章 | 计量指标

输电线路覆冰会给电网系统的安全稳定造成巨大影响，由于输电线路多分布在山区、林区、无人的空旷地带，发生雨雪冰冻等破坏时工作人员无法在第一时间获取现场的信息。为了精确识别山区、无人区等复杂环境下输电线路覆冰情况，本文提出一种基于改进的YOLOv8s的检测方法。首先，采用SIoU作为损失函数，以提高模型的训练速度和精确率；其次，通过将部分普通卷积替换为对偶卷积，增强不同通道间的信息交换，有效提高特征提取效率，从而进一步加快了模型的收敛速度；最后，引入GiraffeDet网络结构来替代原有的网络结构，充分利用多尺度信息和特征图的全局上下文，使得模型在检测小目标和复杂场景时表现更为出色，提升检测的准确性和鲁棒性。实验结果表明，改进方法与YOLOv8s相比，精确率满足一定的需求，模型大小轻量化了7.3 MB，速度也有显著提升。

多级联合图嵌入亲脂性分子分类

曹璐, 丁苍峰, 马乐荣, 延照耀, 游浩

2025, 0(03): 12-21. doi:10.3969/j.issn.1006-2475.2025.03.003

摘要 ( 30 )

PDF (1652KB) ( 50 )

参考文献 | 相关文章 | 计量指标

亲脂性分子分类是生物信息学和化学领域的重要研究方向，其目标是根据化学结构和功能特征对分子进行有效的亲脂性分类。然而，由于亲脂性分子的特性复杂且多样，传统的图神经网络分类方法在处理这类问题时，未能有效地提取分子内部的层次关系和充分考虑分子的结构信息，这导致关键原子的信息丢失和全局结构信息缺失。针对上述问题，提出一种多级联合图嵌入网络Mul-JoG。Mul-JoG融合Graph Transformer和图池化策略构建网络层，通过将不同网络层的输出串联，每一层融合以往所有层的信息，从而构成多级联合图嵌入网络。该网络通过从多个视角获取分子的拓扑结构，捕捉分子的全局信息和交互关系，有效建模分子复杂结构，实现亲脂性分子的准确分类。在药物分子数据集上的实验结果显示，Mul-JoG在AUC和ACC上分别达到了97.96%和92.94%。相较于基准方法，AUC提升了1.53个百分点，ACC提升了3.07个百分点。这表明Mul-JoG能够更准确分类亲脂性分子。

基于并行级联时频Conformer生成对抗网络的语音增强算法

王泽宇, 韩建宁, 郝国栋, 杨润

2025, 0(03): 22-28. doi:10.3969/j.issn.1006-2475.2025.03.004

摘要 ( 41 )

PDF (5158KB) ( 37 )

参考文献 | 相关文章 | 计量指标

生成对抗网络通过对抗训练的机制不断提升网络映射能力，使其具有强大的降噪能力，被广泛应用于语音增强领域。针对现有生成对抗网络语音增强方法存在利用语音特征序列中的时频相关性和全局相关性不充分，去噪性能欠佳的问题，本文提出一种并行级联时频Conformer生成对抗网络，用于单通道语音增强。首先，并行级联时间-频率Conformer分别对语音语谱图中时间和频率的顺序特征进行建模，提取时域和频域的局部及全局特征供生成器学习；然后，通过2个Decoder路径分别学习带噪语音的幅度掩码和干净语音的语谱图，融合2个路径的输出得到生成后的语音；最后，采用指标判别器评价生成器所生成语音的相关评价指标得分，通过对抗训练提高生成器生成语音的质量，并在公开数据集VoiceBank+Demand上进行了验证。

面向国际事件分析的大模型问答系统综述

雷霁月, 苏鹏, 聂芸, 林川

2025, 0(03): 29-37. doi:10.3969/j.issn.1006-2475.2025.03.005

摘要 ( 43 )

PDF (984KB) ( 52 )

参考文献 | 相关文章 | 计量指标

大模型作为当前人工智能研究的核心焦点，展现出了强大的跨领域理解和生成能力，并在包括事件分析在内的众多领域中广泛应用，以其卓越的性能推动了智能问答系统的革新与发展。尽管大模型在一般问答场景中展现出强大的处理能力，但在应对具有深度专业背景和高度动态性的影响国际关系的国际事件时仍面临挑战。近些年有不少学者对垂直领域大模型问答和国际关系的定量分析系统进行了深入研究，但是对于两者结合的交叉领域的文献综述还不多。为了给面向国际事件分析的大模型问答系统的开发者和研究者提供全面的框架参考，首先，从早期的国际事件分析系统入手，结合国际事件分析的实际需求，分析各类通用大模型在此任务下的适用性。然后，参考金融、教育、医学、法律等领域成功案例，提炼出构建国际事件分析专用大模型问答系统的策略，系统梳理与该任务紧密相关的公开数据集资源。最后，深度剖析当前的瓶颈与未来发展方向。

基于模型预测控制的水下机器人网箱巡检控制方法

张家旭, 刘晓阳, 洪胜呈, 盛亦凡, 王明阳

2025, 0(03): 38-44. doi:10.3969/j.issn.1006-2475.2025.03.006

摘要 ( 33 )

PDF (3523KB) ( 44 )

参考文献 | 相关文章 | 计量指标

针对水产养殖过程中人工定期巡检养殖网箱成本高且效率低等问题，提出一种基于MPC的ROV（有缆遥控水下机器人）养殖网箱巡检轨迹跟踪控制的方法。首先，根据实际条件纳入ROV的物理学和运动学的约束，结合ROV运动学模型和动力学模型设计基于速度控制MPC控制器，使用传统的PID（Proportion Integration Differentiation）控制算法作为基线，设计无模型的PID控制器。其次，进行网箱养殖环境下二维水平面轨迹和三维空间轨迹跟踪仿真实验并做对比。最后，实验结果表明所提方法具有轨迹跟踪性能良好、ROV运行平稳、波动小等优点，本文提出的这种解决水产养殖网箱巡检效率低的方法，为养殖业提供了一种先进的巡检方案。

基于多源无监督域适应的辐射源个体识别方法

张涛涛, 谢钧, 乔平娟

2025, 0(03): 45-51. doi:10.3969/j.issn.1006-2475.2025.03.007

摘要 ( 31 )

PDF (2965KB) ( 37 )

参考文献 | 相关文章 | 计量指标

受传输环境以及辐射源设备工作状态变化的影响，待识别信号与训练信号的信道噪声会有所不同，这会导致训练好的模型识别准确率下降。为了解决这个问题，大多数研究使用了单源无监督域适应方法，将特定噪声下的带标签样本用于待识别目标噪声下无标签样本的学习。一方面，在实际情况中收集的带标签数据可能来自多个源域；另一方面，目标域通常可以看作是多个源域的组合。为了探索基于多源无监督域适应的辐射源个体识别方法，本文提出一种基于原型对齐和对比学习的多源无监督域适应方法，充分学习和利用域内的语义结构信息。首先，使用多个源域和目标域的原型对齐方法来学习组合多个源域的特征表示并设计一个新的伪标签策略。然后，设计一种加权的域内样本到原型的对比学习方法来增加类内的紧凑性和类间的可区分性，对比学习增加了原型对齐的准确性。在公开数据集上的实验结果表明，本文方法在目标域为4 db和8 db的任务中取得了最好的效果，准确率分别为94.1%和97.4%，相比现有的方法分别提高了2.4和1.2个百分点，表明了本文方法的有效性。

重利用不可靠伪标签的单阶段半监督目标检测

邵叶秦1, 王海权2, 周昆阳3, 郭于荻2, 施佺1

2025, 0(03): 52-59. doi:10.3969/j.issn.1006-2475.2025.03.008

摘要 ( 33 )

PDF (1927KB) ( 28 )

参考文献 | 相关文章 | 计量指标

半监督目标检测方法的关键是为无标签数据中的目标分配伪标签。为了确保伪标签的质量，半监督目标检测方法通常利用置信度阈值过滤不可靠伪标签，这会导致大量的伪标签因为置信度低而被滤除。本文提出改进后的半监督学习方法使用对比学习来重利用大量置信度低的不可靠伪标签，提升半监督目标检测方法的性能。具体来说，根据预测置信度将无标签数据的伪标签分为可靠与不可靠伪标签。除了利用可靠伪标签，还利用不可靠伪标签作为对比学习中的负样本训练模型。为了平衡类别间不可靠伪标签的数量，设计一个记忆模块用于保存训练过程中不同批次的不可靠伪标签。实验结果表明，在COCO数据集上，对训练数据进行1%、5%和10%的标注情况下，改进后的半监督学习方法的平均准确率达到13.6%、23.0%和27.5%，优于已有半监督学习方法；在COCO-additional数据集上，改进后的半监督学习方法的平均准确率达到44.7%，相较于监督学习，性能提高4.5个百分点。

基于多尺度动态卷积与注意力机制的抑郁脑电信号分类方法

李浩然1, 何文雪1, 徐嘉振1, 杨帮华2

2025, 0(03): 60-65. doi:10.3969/j.issn.1006-2475.2025.03.009

摘要 ( 36 )

PDF (1635KB) ( 38 )

参考文献 | 相关文章 | 计量指标

抑郁症是一种严重的精神障碍，对患者的生活质量和社会功能会产生负面影响。为了探索一种基于脑电图的抑郁症分类方法以提高抑郁症的早期诊断准确性，本文提出一种名为MDATCNet的深度学习模型。该模型利用一个多尺度动态卷积模块在空间和频率维度上同时抓取丰富的信号。为了进一步增强模型的表示能力，本文整合多头自注意力机制，使模型能够自适应地聚焦于最有利的决策特征，使用时间卷积层挖掘时间序列数据中的时序模式，并将特征被传递到一个Softmax分类器，实现脑电信号分类。使用10折交叉验证方法在公开的抑郁症数据集上评估该模型的可行性，基于MDATCNet的方法在脑电图的识别准确率可达94.71%，敏感性为99.37%，特异性为90.34%，实验结果表明，本文模型可以有效帮助抑郁症的早期诊断。

基于改进遗传算法的电力物联网安全通信协作干扰策略

毛嘉辉1, 朱雪琼2, 胡成博2, 唐培耀1

2025, 0(03): 66-70. doi:10.3969/j.issn.1006-2475.2025.03.010

摘要 ( 31 )

PDF (1314KB) ( 30 )

参考文献 | 相关文章 | 计量指标

随着无线通信在电力物联网中应用越来越广泛，通信安全问题越来越受到重视。在电力物联网中，安全传输速率和功耗是保障无线通信安全的关键性因素。为了保障电力物联网无线通信系统的安全，本文提出一种基于集群协作干扰策略的物理层安全通信方式。首先，在变电站场景下，窃听节点处于变电站外进行窃听，在站内汇聚节点间互相通信过程中，汇聚节点簇内的多个传感器节点利用接收到的正交码片进行协助干扰。其次，由于传感器节点采用电池供电，综合考虑安全通信速率和能耗，将安全传输能耗作为优化目标。最后，本文利用改进的遗传算法学习优化协作干扰策略。仿真结果表明，与传统的遗传算法和节点随机选择算法相比，本文算法能够加快收敛速度且降低安全传输能耗。

sORF-BERT：基于预训练模型预测编码sORFs的方法

边昕烨1, 谢冬梅1, 王子灵1, 曲志坚1, 于家峰2

2025, 0(03): 71-77. doi:10.3969/j.issn.1006-2475.2025.03.011

摘要 ( 32 )

PDF (3041KB) ( 34 )

相关文章 | 计量指标

小开放阅读框（small Open Reading Frames， sORFs）是指基因组中长度不超过300个碱基的开放阅读框，对于维持细胞代谢平衡及生命体的基础生理功能有重要作用。为深入挖掘sORFs序列的深层特征以及进一步提升跨物种预测编码与非编码sORFs的精度，提出一种融合DNABERT预训练和数据混合编码策略的sORF-BERT神经网络模型，并引入CAL模块以学习sORFs的多尺度特征。对原核基因组、人类、老鼠、拟南芥以及大肠杆菌数据集进行分析研究，sORF-BERT模型通过预训练与微调之后，能有效地捕获sORFs序列丰富的生物学特征，同时利用CAL更好地学习不同尺度的sORFs特征。将sORF-BERT与已发表的CPPred、DeepCPP、CNCI、CPPred-sORF、MiPiped、PsORFs这6种先进方法进行跨物种实验对比，结果显示sORF-BERT在5个独立测试集上的性能均得到提升，与排名第二的PsORFs相比ACC提升了0.42~18.72个百分点、MCC提升了1.08~11.75个百分点，充分表明了该方法在预测编码sORFs的优越性，有助于推动基础生物学的研究。

内容引导注意力融合的多尺度特征图像去雾算法

蒲亚亚, 王彦博, 苏勇东, 徐忠承

2025, 0(03): 78-85. doi:10.3969/j.issn.1006-2475.2025.03.012

摘要 ( 37 )

PDF (2746KB) ( 47 )

参考文献 | 相关文章 | 计量指标

针对当前去雾方法存在颜色失真、细节信息模糊等问题，本文基于编码器-解码器网络架构提出一种基于内容引导注意力融合的多尺度特征图像去雾算法。首先，采用多尺度特征提取模块进行编码，设计3个不同尺度并行的扩张卷积和SE注意力扩大感受野，提取不同尺度的特征，提高特征利用率。其次，在解码器中设计内容引导注意力融合模块动态赋予深层特征与浅层特征不同的权重，保留图像更多有效特征信息。最后，设计引入金字塔场景解析网络PSPNet提高全局信息获取的能力。实验结果表明，本文算法相比于其他几种算法在SOTS数据集上峰值信噪比和结构相似性分别平均提高了26.13%、6.39%，在真实含雾数据集上信息熵和平均梯度分别平均提高了3.27%、21.09%，改善了去雾不彻底和细节信息模糊问题。

基于多尺度特征提取的遥感图像分类

罗豪, 李先锋

2025, 0(03): 86-92. doi:10.3969/j.issn.1006-2475.2025.03.013

摘要 ( 39 )

PDF (1491KB) ( 39 )

参考文献 | 相关文章 | 计量指标

为了提高卷积神经网络在遥感图像分类任务上的准确率，提出一种基于多尺度特征提取的分类方法。针对遥感图像中目标物体尺度差异大和普通卷积提取特征容易产生冗余特征的问题，提出普通卷积与空洞卷积共同作用的多尺度混合卷积模块，有效增强模型特征提取能力；在特征融合方面，提出一种特征交叉融合模块，有效融合各支路的语义信息，充分利用各个尺度特征之间的信息进行深度融合与交互。针对遥感图像中地物信息复杂的问题，设计了并行注意力模块对每一个支路运用注意力机制，使其更加关注图像的关键部分，忽略冗余信息。与现有方法对比，本文方法的分类性能有较为明显的提升。在数据集WHU-RS19、RSSCN7和SIRI-WHU上，本文方法的整体分类准确率分别达到了98.19%、94.18%和96.37%。

基于HA-UNet++的甲状腺结节超声图像分割方法

朱永田, 田飞, 董宝良

2025, 0(03): 93-98. doi:10.3969/j.issn.1006-2475.2025.03.014

摘要 ( 42 )

PDF (2690KB) ( 44 )

参考文献 | 相关文章 | 计量指标

甲状腺疾病是成年人群中最常诊断出的结节性病变之一，发病率呈现逐年升高的趋势。随着人工智能技术的发展，使用计算机视觉技术对甲状腺超声图像进行自动化的诊断，可以显著提高诊断的准确性和效率。但是大多数基于深度学习的图像分割方法，受限于感受野的大小，对于图像的重要特征不能及时地进行关注及有效提取，导致分割的准确性不高。为了解决以上问题，本文采用一种新的深度学习网络模型HA-UNet++，对甲状腺结节超声图像进行分割。HA-UNet++在编码路径每个阶段中，会改良backbone网络结构，同时在网络中具有3层卷积的卷积块中加入混合膨胀卷积，并在每个卷积块后加入注意力机制，使其能够迅速地预测增强后的甲状腺结节数据集，并在此基础上对甲状腺结节进行标记分割。

基于深度学习的舌象体质分类方法

谢海情, 凌佳琪, 宜新博

2025, 0(03): 99-105. doi:10.3969/j.issn.1006-2475.2025.03.015

摘要 ( 39 )

PDF (5379KB) ( 40 )

参考文献 | 相关文章 | 计量指标

针对舌象类别间差异小、传统网络特征提取不充分的问题，本文通过构建舌象语义分割数据集和分类数据集，并进行数据预处理，基于RepVGG网络进行算法设计与优化，提出一种基于卷积神经网络的多特征融合舌象体质分类网络MTSNet。MTSNet使用多个尺度的特征金字塔，将网络学习到的高层次语义信息和低层次语义信息连接融合，提升网络的表征能力。在RepBlock模块增加挤压激励卷积层，使网络更加关注信息丰富的特征。实验结果表明，MTSNet有效提升了对9种舌象体质的分类效果，其准确率相比传统特征提取网络AlexNet提高了32.11个百分点，比SVM网络提高了22.37个百分点，比Resnet-18网络提高了17.68个百分点。与优化前的RepVGG网络相比，准确率提高了9.90个百分点、宏平均值提高了14.01个百分点、微平均值提高了9.90个百分点、加权平均值提高了11.09个百分点。该舌象体质分类方法可为用户健康管理提供科学依据，对中医辅助治疗、科研具有良好的借鉴作用。

面向小目标检测的自适应多维度特征融合网络

柳尧凯, 任德均, 刘重宜, 卢宇东

2025, 0(03): 106-112. doi:10.3969/j.issn.1006-2475.2025.03.016

摘要 ( 37 )

PDF (3369KB) ( 37 )

参考文献 | 相关文章 | 计量指标

小目标在图像中占有很少的像素，导致目标严重缺乏特征信息，小目标检测是目标检测的一大挑战。为解决这一问题，设计一种面向小目标检测的自适应多维度特征融合网络（AMDFF-Net）算法以提高小目标检测的准确率。首先，整合池化层和注意力机制，构建池化注意力模块，使模型获得更大的接受域以实现自我注意中的自适应和长程相关性；其次，设计自适应选择多维度特征融合模块（ASMFF），并基于ASMFF模块设计自适应多维度特征金字塔网络，自适应融合不同尺度的图像特征，强化小目标的信息。为了验证模型的性能和泛用性，分别在VisDrone2019数据集、AI-TOD数据集以及TinyPerson数据集上进行实验，实验结果表明，AMDFF-Net提高了小目标检测的精度，通过与其他主流算法对比，验证了本文模型在小目标检测方面的有效性。

基于改进分段Logistic映射的PRNG算法

华漫1, 李锦长1, 李燕玲2

2025, 0(03): 113-118. doi:10.3969/j.issn.1006-2475.2025.03.017

摘要 ( 38 )

PDF (2987KB) ( 33 )

参考文献 | 相关文章 | 计量指标

分段Logistic映射的提出改善了经典Logistic映射的一些缺点，由于其复杂性高、安全性好等特点为混沌流密码设计领域提供了一种新的研究课题。为了改善分段Logistic混沌映射存在混沌序列均匀分布特性较差、密钥空间过小等安全隐患，提出一种基于初始值和控制参数反馈调整的分段Logistic映射改进方法。该方法通过引入动态系统参数映射函数使输出的状态值分布的概率密度更均匀。基于优化后的分段Logistic混沌映射重新设计PRNG算法和分析比特级数字图像加密实验。实验结果表明本文算法产生的序列混沌特性更显著，分布更均匀，且具有更好的随机性，在流密码算法设计中具有广泛的应用前景。

基于convLSTM的卷积神经网络的网络入侵检测方法

张跃, 郭子昕, 黄益彬, 颜涛

2025, 0(03): 119-126. doi:10.3969/j.issn.1006-2475.2025.03.018

摘要 ( 47 )

PDF (1102KB) ( 50 )

参考文献 | 相关文章 | 计量指标

在网络入侵检测领域，一般采用特征工程中人工提取特征的机器学习方式，但人工提取特征的方式容易丢失重要的特征信息；另外，不同种类的攻击流量在检测中起着不同的作用。现有算法普遍存在重要信息丢失、攻击类型识别准确率低等问题。针对上述问题，本文提出一种基于卷积长短期网络（Convolutional Long-Short Term Memory, convLSTM）和卷积神经网络（Convolutional Neural Networks， CNN）的混合算法的异常流量检测方法convLSTM-CNN。该方法不需要人工提取复杂的流量特征，直接以网络流量的有效载荷作为数据样本，充分挖掘流量的结构特征，提取出网络流量的时间和空间特征，生成准确的入侵检测的特征向量。实验结果显示，在CIC-ISDS2017数据集上，本文算法convLSTM-CNN对网络入侵检测的准确率达到了99.39%。与DNN、SVM、LSTM、GRU-CNN等算法相比，具有更高的准确率和更低的误警率，表明该算法提高了异常流量检测的效率。

当期目录