当期目录

2020年 第0卷 第05期    刊出日期：2020-05-20

上一期    下一期

人工智能

一种面向工作负载预测的基于小波变换的特征提取方法

王可1,2，李晖1,2，陈梅1,2，戴震宇1,2，朱明3

2020, 0(05):  1.  doi:10.3969/j.issn.1006-2475.2020.05.001

摘要 ( 180 )  

参考文献 | 相关文章 | 计量指标

在资源受限条件下，根据数据挖掘任务在执行过程中实时产生的资源和任务状态来准确地预测任务执行时间是非常重要的。为有效地使用时间序列数据实现准确预测，提出一种降载策略来确定预测的切入点和数据处理方案。该策略使用动态时间规整(Dynamic Time Warping, DTW)距离度量子序列与整个序列之间相似度的变化以确定用于预测的数据，然后利用小波变换计算小波系数并提取小波系数的能量值作为预测的特征，最后预测任务执行时间。实验结果表明，该方法提取的特征信息包含原序列较多信息，在预测任务执行时间方面具有较高的准确性。

基于双图正则非负低秩分解的电力负荷短期预测

梁寿愚1，方文崇1，王瑾2，周志烽1，朱文3，张骥2

2020, 0(05):  7.  doi:10.3969/j.issn.1006-2475.2020.05.002

摘要 ( 126 )  

参考文献 | 相关文章 | 计量指标

在智能电网背景下，准确估算和预测电力负荷已成为电网电力规划工作的重要先决条件，对电网安全、经济运行具有重要意义。针对电力负荷数据的周期波动与非周期影响，提出一种基于双图正则非负低秩分解的电力负荷短期预测方法。该方法利用历史数据构造电力负荷时空矩阵，并对该矩阵进行鲁棒非负低秩矩阵分解，以同时获取电力负荷的周期性模式与非周期影响。在此基础上融入电力负荷的空间和时间相关性以进一步优化矩阵分解结果，最终通过矩阵恢复获取电力负荷的短期预测。该方法从电网时空整体预测电力负荷趋势分析并填补缺失，同时导出了有效的学习算法。实验分析表明，与相关方法相比，所提方法在电力负荷短期预测的多项评价标准下均取得了更好的准确性和鲁棒性。

基于PCR和RBF神经网络的城市智能增长水平评价模型

朱红章1,李连艳1,任晓斌2,隋晓亮1

2020, 0(05):  15.  doi:10.3969/j.issn.1006-2475.2020.05.003

摘要 ( 122 )  

参考文献 | 相关文章 | 计量指标

城市智能增长已经成为城市规划者和决策者广泛采用的一种建设城市的环保方式，这对衡量城市智能增长水平具有实际意义。在本文中，定义理性度（RD）来描述城市智能增长的水平，通过主成分回归（PCR）和径向基函数（RBF）神经网络建立RD评价模型。以玉门和Otago为例进行研究，二者的RD值分别为0.04482和0.04591，这表明这2个城市智慧增长计划都取得了一定的成功，Otago的城市发展水平优于玉门，同时研究发现玉门应优先考虑城市绿化与环境保护，而Otago则要优先考虑经济发展。本文模型为追求科学智能增长的城市提供了有力的参考。

基于深度神经网络的电力客户诉求预判

彭路1,朱君2,邹云峰2

2020, 0(05):  22.  doi:10.3969/j.issn.1006-2475.2020.05.004

摘要 ( 159 )  

参考文献 | 相关文章 | 计量指标

电力企业的客户服务关系到客户的切身利益和企业的经营效益，提升客服系统对电力客户诉求预判的分析与理解能力是改善电力行业客服质量的重要途径之一。为高效、针对性地解决电力客户集中需求，做到“先于客户所想”，本文以深度神经网络技术为基础，针对电力领域改进传统的中文文本分词技术以及特征提取方法，给出电力客户诉求预判的方法和流程，并通过实验验证。本文提出的方法可快速精准地对电力客户服务工单文本进行分类，挖掘出隐藏的客户用电诉求，将服务由被动变主动，第一时间解决电力客户潜在诉求。

基于改进蝙蝠算法优化的FCM聚类算法

常雪，石鸿雁

2020, 0(05):  29.  doi:10.3969/j.issn.1006-2475.2020.05.005

摘要 ( 149 )  

参考文献 | 相关文章 | 计量指标

针对传统模糊C-均值（Fuzzy C-Means, FCM）聚类算法隐含假设各个样本和各维属性对聚类结果作用相同，导致算法聚类性能降低，以及对初始中心点敏感且易陷入局部最优的问题，提出一种基于改进蝙蝠算法优化的FCM聚类算法。该算法首先采用混沌映射和速度权重来改进蝙蝠算法，然后利用改进蝙蝠算法确定FCM算法的初始聚类中心，最后根据各个样本和各维属性对聚类结果作用不同，采用样本和属性加权法对FCM算法的目标函数重新设计。实验结果表明，改进算法表现出较好的聚类效果。

基于聚类混合采样的不平衡数据分类

史明华,吴广潮

2020, 0(05):  34.  doi:10.3969/j.issn.1006-2475.2020.05.006

摘要 ( 142 )  

参考文献 | 相关文章 | 计量指标

不平衡分类问题广泛地应用于现实生活中，针对大多数重采样算法侧重于类间平衡，较少关注类内数据分布不平衡问题，提出一种基于聚类的混合采样算法。首先对原始数据集聚类，然后对每一簇样本计算不平衡比，根据不平衡比的大小对该簇样本做出相应处理，最后将平衡后的数据集放入GBDT分类器进行训练。实验表明该算法与几种传统算法相比F1-value和AUC更高，分类效果更好。


基于SVM的新能源公交车运营里程核查方法

张文华，张志俊

2020, 0(05):  39.  doi:10.3969/j.issn.1006-2475.2020.05.007

摘要 ( 125 )  

参考文献 | 相关文章 | 计量指标

新能源公交车运营里程核查是新能源公交车补贴申报工作的重要环节，核查申报数据存在工作量大，效率低等问题。本文对申报数据进行描述性分析和单因素方差分析，得出车长与车辆年运营里程有关系。基于此，利用线性SVM算法对运营里程申报数据进行有监督分类，采用线性核函数，通过训练SVM，选择合适惩罚参数C，构建最优SVM，从而识别出可疑的值。结果表明，线性SVM算法能够更有效地检测出年运营里程可疑的车辆，为新能源公交车运营里程核查工作提供参考依据。

软件工程

基于命名管道和异构通信机制的多应用场景下驱动升级策略

杨贵福1，胡佑蓉1，刘淑霞1，刘振邦2,3，包 宇2

2020, 0(05):  44.  doi:10.3969/j.issn.1006-2475.2020.05.008

摘要 ( 115 )  

参考文献 | 相关文章 | 计量指标

针对电化学遗留系统驱动不兼容新的操作系统的问题，本文提出一种基于命名管道和异构通信机制的驱动升级策略。使用命名管道和WinUSB作为中间件，来完成上位机与下位机的通信，从而减少设备对驱动的依赖，提高通信的灵活性。结果表明本文所述的方法与原驱动的实验数据相对误差在0.000~0.001之间，将升级后的系统结果与原驱动的实验值进行比较，两者数据在误差允许的范围内结果一致。本文所述的方法通过修改少量代码来解决驱动与新操作系统的兼容性问题，既方便了驱动不适应新的操作系统的用户，也方便了工程开发人员对遗留系统的维护工作，实现了系统的低耦合和代码复用，并在某电化学软件得到了应用。

数据中心巡检机器人信息平台实时任务容错调度算法

胡全贵，赵恩来，贾伟昭，开北强

2020, 0(05):  50.  doi:10.3969/j.issn.1006-2475.2020.05.009

摘要 ( 149 )  

参考文献 | 相关文章 | 计量指标

为了实现数据中心巡检机器人信息平台实时任务容错性，提出一种基于自适应反馈均衡和码元调制技术的数据中心巡检机器人信息平台实时任务容错调度模型。首先构建路由冲突下的数据中心巡检机器人信息平台传输信道模型，优化数据中心巡检机器人信息传输协议。然后采用模糊C均值聚类的方法进行巡检机器人信息融合，结合自适应反馈均衡方法进行巡检机器人信息传输的信道均衡设计，采用码元调制方法进行信息平台的实时任务容错调度。最后进行仿真实验。结果表明，采用该方法进行数据中心巡检机器人信息平台实时任务调度的容错性较好，信息平台的信道均衡性较强，提高了数据中心巡检机器人信息平台的任务实时调度能力。

图像处理

基于深度学习的野外露头区岩石裂缝识别

罗伟，梁世豪，姜鑫，安妮，杜锐

2020, 0(05):  56.  doi:10.3969/j.issn.1006-2475.2020.05.010

摘要 ( 213 )  

参考文献 | 相关文章 | 计量指标

针对当前地质考察中的野外露头区岩石裂缝及周围环境较为复杂且数据依赖人工描绘和传统的图像处理算法，其识别效率及准确度低下造成地质考察研究困难这一实际情况，提出一种基于深度学习的露头区岩石裂缝识别算法，从而提高岩石裂缝识别的准确度及效率。该方法基于TensorFlow架构，先将预处理的训练数据集图片进行人工挑选预处理为裂缝和背景2类图片，再将已分类的图片传入已设计完成的卷积神经网络模型进行训练并保存训练模型的参数数据，用已训练的模型数据对预处理的岩石裂缝图片进行识别并记录裂缝位置信息，通过裂缝位置信息对未预处理过的原色岩石裂缝图片进行裂缝定位并显示。实验结果表明所用方法可较高准确度地识别裂缝，为地质考察提供更准确便捷的裂缝识别方法。

基于深度学习的目标检测算法研究综述

曹燕,李欢,王天宝

2020, 0(05):  63.  doi:10.3969/j.issn.1006-2475.2020.05.011

摘要 ( 286 )  

参考文献 | 相关文章 | 计量指标

传统的目标检测算法主要依赖于人工选取的特征来对物体进行检测。人工提取的特征对主要针对某些特定对象，比如有的特征适合做边缘检测，有的适合做纹理检测，不具有普遍性。近年来，深度学习蓬勃发展，在计算机视觉领域比如图像分类、目标检测、图像语义分割等方面取得了重大的进展。深度学习作为一种特征学习方法能够自动学习到目标的有用特征，避免了人工提取特征，同时能够保证良好的检测效果。本文首先介绍基于深度学习的目标检测算法研究进展，其次总结目标检测算法中常见的难题与解决措施，最后对目标检测算法的可能发展方向进行展望。

基于随机Gabor特征的半参考农作物图像质量评价方法

吴世海，鲍义东，陈果，陈秋实

2020, 0(05):  70.  doi:10.3969/j.issn.1006-2475.2020.05.012

摘要 ( 117 )  

参考文献 | 相关文章 | 计量指标

伴随着农业现代化、信息化、自动化的深化改革，信息技术在其发展的进程中发挥着举足轻重的作用，并逐渐服务于农业生产的各个方面。其中，基于计算机视觉和数字图像处理技术的新型智慧农业系统已经成为农业信息化发展的研究重点和热点。为此，本文以农作物图像为研究对象，提出一种基于随机Gabor特征的半参考农作物图像质量评价方法。Gabor滤波器的核函数能够较好地描述简单视觉神经元的感受野特性，其多频率和方向特征与人眼视觉系统感知图像的方式类似。基于这个事实，采用Gabor滤波分析农作物图像的纹理和边缘分布特征，建立半参考质量评价模型。实验结果表明，本文提出的农作物图像质量评价方法能够很好地识别和感知农作物图像的质量退化，在新型智慧农业系统中发挥着重要作用。

基于主变起火应急演练的虚拟现实培训系统

郭建龙1，熊山1，李晓莹2，祁彦威2，吴澄凯3

2020, 0(05):  75.  doi:10.3969/j.issn.1006-2475.2020.05.013

摘要 ( 112 )  

参考文献 | 相关文章 | 计量指标

为提高火灾应急演练的训练能力，提出基于主变起火应急演练的虚拟现实培训方法。在3D虚拟现实视景模型下计算起火环境的单尺度特征参数，并根据参数结果构建图像输出模型，结合主变起火应急演练模糊控制方法进行虚拟现实培训的三维重构，实现主变起火应急演练虚拟现实培训的控制，在虚拟现实系统中进行主变起火应急演练的视景重构，在视点位置中进行主变起火应急演练的3D虚拟现实模拟，实现基于主变起火应急演练的虚拟现实培训设计。仿真结果表明，采用该方法进行虚拟现实培训系统设计的帧渲染速度快、特征配准率高。

网络与通信

室内定位研究综述

薛伟莲，赵娣，张颖超

2020, 0(05):  80.  doi:10.3969/j.issn.1006-2475.2020.05.014

摘要 ( 222 )  

参考文献 | 相关文章 | 计量指标

基于位置服务的精度要求越来越高，而目前室内定位精度远远无法满足需求，因此室内定位研究成为研究热点。本文通过对当前室内定位研究成果的梳理和综合述评，进一步明晰当前研究现状，确定未来研究方向。以Web of science (WOS)和CNKI数据库为数据来源，利用Citespace软件对室内定位国内外文献进行计量可视化分析。通过分析对当前室内定位研究方向进行归纳，总结当前研究热点，最后提出室内定位的未来研究展望。

一种基于GAN的异构信息网络表示学习方法

周丽1,2，申国伟1,2，赵文波1,2，周雪梅1,2

2020, 0(05):  89.  doi:10.3969/j.issn.1006-2475.2020.05.015

摘要 ( 143 )  

参考文献 | 相关文章 | 计量指标

异构信息网络中包含丰富的结构和语义信息，通过网络表示学习保留异构信息网络的结构和语义信息是当前研究的热点。传统的异构信息网络表示学习方法局限于利用元路径的形式保留异构信息网络中的语义信息，缺乏考虑网络中所有节点的分布情况，保留的信息不够充分。因此，本文提出一种基于生成式对抗网络（Generative Adversarial Networks, GAN）的异构信息网络表示学习方法（HINGAN），其能更好地保留网络中的结构信息和语义信息。HINGAN中通过生成模型和判别模型的对抗学习，提高表示学习的鲁棒性。基于2个真实数据集的实验结果表明，本文提出的模型与传统的异构信息网络方法相比，在节点分类和链接预测任务中的结果都有明显提升。

基于Q学习的单路口交通信号协调控制

胡宇，刘美玲，周子昂，张敏

2020, 0(05):  96.  doi:10.3969/j.issn.1006-2475.2020.05.016

摘要 ( 112 )  

参考文献 | 相关文章 | 计量指标

Q学习通过与外部环境的交互来进行单路口的交通信号自适应控制。在城市交通愈加拥堵的时代背景下，为了缓解交通拥堵，提出一种结合SCOOT系统对绿信比优化方法的Q学习算法。本文将SCOOT系统中对绿信比优化的方法与Q学习相结合，即通过结合车均延误率以及停车次数等时间因素以及经济因素2方面，建立新的数学模型来作为本算法的成本函数并建立一种连续的奖惩函数，在此基础上详细介绍Q学习算法在单路口上的运行过程并且通过与Webster延误率和基于最小车均延误率的Q学习进行横向对比，验证了此算法优于定时控制以及基于车均延误的Q学习算法。相对于这2种算法，本文提出的算法更加适合单路口的绿信比优化。

老年人运动状态监测和跌倒报警系统

刘勃1，王明伟2，常立博3

2020, 0(05):  101.  doi:10.3969/j.issn.1006-2475.2020.05.017

摘要 ( 160 )  

参考文献 | 相关文章 | 计量指标

体育锻炼是促进老年人健康长寿的有效手段之一。为了对老年人的运动状态进行实时监测，掌握运动状态参数，并能够对老年人不慎意外踏空或者某种疾病突发导致的跌倒及时报警，设计一种能够实时监测老年人跌倒动作发生并发送定位及报警信息给远程接收端的便携式监测系统。系统采用腰部三轴加速度传感器实时采集人体运动姿态数据；使用嵌入式处理器和无线网络实现数据处理、无线传输和远程报警；通过三级阈值的人体跌倒检测算法，实现人体跌倒姿态变化的加速度特征提取，对人体运动状态进行分级，预测严重的跌倒行为。实验结果表明：该系统具有性能稳定、正确率高和轻巧方便等特点，非常适合老年人穿戴使用，可保障老年人运动安全，应用前景广阔。

一种电力关口物联网终端的费率电量处理系统

黄国兵1，王嘉浩1，黄凯2，王茜1

2020, 0(05):  106.  doi:10.3969/j.issn.1006-2475.2020.05.018

摘要 ( 93 )  

参考文献 | 相关文章 | 计量指标

针对关口电能量物联网终端上传费率电量的需求，对终端软件进行扩展设计，实现费率电量的读取、本地保存和上传等功能。对于分钟电量曲线容量大、嵌入式终端电子盘访问效率低的问题，采用信息压缩、按日分段文件存储、文件内部纵向和横向都采用2级结构排放等方式，提高信息处理的性能，达到快速访问的目的。考虑电量信息处理的严格性，采用多种手段实现信息的完整性和可追溯性。最后通过扩展IEC 60870-5-102协议的报文帧，将费率电量和最大需量信息上传给计量计费系统主站。所设计的软件在实验室和变电站现场进行联调检测和试运行后，各项功能和性能指标都符合要求，软件扩展设计达到预期目标。

信息安全

一种基于信息熵的IDS告警预处理方法

张羽1,2，郭春1,2，申国伟1,2，平源3

2020, 0(05):  111.  doi:10.3969/j.issn.1006-2475.2020.05.019

摘要 ( 223 )  

参考文献 | 相关文章 | 计量指标

针对目前入侵检测系统存在的海量重复告警、误报率偏高、告警质量低下等问题，提出一种基于信息熵的IDS告警预处理方法，用于减少误告警，聚合相似告警，生成代表单步攻击意图的超告警。首先，对IDS告警进行特征提取，用告警密度、告警周期值、源IP对应的目的IP数与攻击源威胁度这4个特征的信息熵融合结果表示一条告警所具有的特征信息量。通过与误告警的特征向量进行互雷尼信息熵的计算，从而识别出误告，并且去除误告。然后对误告去除后的告警按照IP对应关系，划分为2类：一种源IP对应一种目的IP的告警以及一种源IP对应多种目的IP的告警。分别对2类告警进行特征统计，构造5维特征信息熵向量，采用DBSCAN算法将信息量相同或者相似的告警进行聚类。最后对各个类别的告警进行动态时间窗口划分，并构建出代表单步攻击意图的超告警。实验结果表明，基于信息熵的告警预处理方法误告去除率为87.43%，告警聚合率达到98.63%，具有较好的误告去除效果以及较高的告警聚合率。

一种基于BiLSTM的低速率DDoS攻击检测方法

蒋万明1,2，郭春1,2，蒋朝惠1,2

2020, 0(05):  120.  doi:10.3969/j.issn.1006-2475.2020.05.020

摘要 ( 177 )  

参考文献 | 相关文章 | 计量指标

低速率分布式拒绝服务（Low-rate Distributed Denial of Service, LDDoS）攻击是一种新型的DDoS攻击方式，因其具有低速率、周期性和隐蔽性等特点，可躲避传统的DDoS攻击检测技术，更加难于检测和防御。本文提出一种基于特征选择和双向长短期记忆（Bidirectional Long Short Term Memory, BiLSTM）神经网络结合的LDDoS攻击检测方法。该方法使用分层交叉验证的递归特征消除（Recursive Feature Elimination CV, REFCV）特征选择算法挖掘双向流中最优的11个特征集合作为神经网络的输入，建立基于BiLSTM神经网络模型的LDDoS攻击检测分类器进行分类，达到LDDoS攻击检测的目的。实验结果表明该方法比卡尔曼滤波和NCAS算法有较高的检测率，误报率和漏报率都很低。