计算机与现代化

赵启雯, 徐琨, 徐源

2021, 0(05): 1-5.

摘要 ( 484 )

PDF (2564KB) ( 188 )

参考文献 | 相关文章 | 计量指标

HED网络是目前边缘检测性能较好的深度学习网络模型之一，但使用HED网络进行纸张边缘检测时，检测速度较慢，达不到实时性要求。在保证检测精度的前提下，本文提出一种基于HED网络的快速纸张边缘检测方法。将轻量级网络MobileNetV2作为HED主干网，并去除MobileNetV2网络的后2个bottleneck模块和输出通道数较大的卷积层，进一步加快检测速度。此外，去除网络中的池化层，增加一个步长为1的5×5卷积层，提高检测精度。本文制作包含多种情况的纸张数据集MPDS，将本文方法在MPDS上进行训练和测试。实验结果表明，本文提出的模型将ODS和OIS指标分别提高到了0.867和0.876，检测速度可达42.68 FPS，本文方法可以快速准确地进行纸张边缘检测，满足桌面增强系统对纸张检测的要求。

基于高程归一化的布料模拟滤波算法

陈曦亮, 王雪, 毕晓伟

2021, 0(05): 6-12.

摘要 ( 345 )

PDF (4346KB) ( 141 )

参考文献 | 相关文章 | 计量指标

点云的滤波处理是LiDAR数据处理中一个非常重要的环节，即分离出点云数据中的地面点和非地面点，为后续的数据处理打下基础。本文在传统的渐进式数学形态学滤波和布料模拟滤波方法的基础上，考虑到渐进形态学滤波对于地面点分离的效果尚可，也就是能基本保留所有的地面点，但由于其地形的自适应性较弱，高差阈值随着地形坡度的变化也有着不稳定性使得一部分非地面点容易被当成地面点，而布料模拟滤波算法具备运行效率高的优点，且布料模拟滤波在地形平坦地区的滤波效果较地形起伏大的地区滤波效果更好。因此在渐进形态学滤波结果的基础上建立目标区域的粗DEM栅格数据，然后对目标区域点云数据中各点的高程值进行一个归一化处理，消除目标区域中地形有起伏的因素给布料模拟滤波结果带来的影响。最后采用ISPRS官方网站的3组标准数据样本的实验结果表明，相比于传统的渐进式形态学滤波的结果其I类误差降低，相比于未进行归一化过程的布料模拟滤波算法的结果其II类误差降低，而其总误差均降低，达到较好的滤波效果。

基于三周期极小曲面的三维打印全接触鞋垫建模方法

江超群, 童晶, 郭明灯, 陆荣杰, 陈正鸣

2021, 0(05): 13-19.

摘要 ( 491 )

PDF (4484KB) ( 146 )

参考文献 | 相关文章 | 计量指标

全接触鞋垫可以降低足底峰值压力来改善和预防糖尿病足群体的神经性溃疡症状，传统全接触鞋垫设计方法操作复杂，本文提出一种新颖的基于三周期极小曲面（TPMS）的三维打印全接触鞋垫建模方法。通过数据采集、全接触模型构建、模型多孔化3个步骤构建基于TPMS结构的全接触鞋垫，使用三维打印技术生产。首先采集用户脚部模型和目标鞋垫模型。然后通过拉普拉斯变形算法将预制鞋垫模型的下边缘逼近扫描鞋垫，并调整预制鞋垫模型上表面到接近脚底曲面构造出全接触鞋垫模型。最后使用基于Marching Cubes方法的网格重建方法将全接触鞋垫重建为基于TPMS结构的网格模型。实验验证了本文提出的方法可以设计出具有减轻足底峰值压力能力的全接触鞋垫。

基于风格迁移的手势分割方法

陈明瑶, 徐琨, 李晓旋

2021, 0(05): 20-25.

摘要 ( 192 )

PDF (3554KB) ( 119 )

参考文献 | 相关文章 | 计量指标

基于全卷积神经网络的手势分割方法过于依赖大量精准标注的训练样本，同时由于提取特征中缺乏足够的上下文信息，常出现类内不一致的错分现象。针对上述问题，本文提出一种基于风格迁移的手势分割方法。首先选择HGR-Net手势分割网络的前5层作为主干网络，并在主干网各层添加上下文信息增强层，使用全局均值池化操作，结合通道注意机制，增强显著性特征通道的权值，保证特征上下文信息的连续性，从而解决类内不一致问题；其次，本文还提出一种基于风格迁移的领域自适应方法，使用VGG网络，对源域测试图像进行风格迁移预处理，使其同时具有自身内容和目标域训练样本图像的风格，提高本文的手势分割模型的泛化能力，从而解决跨域样本的分割问题。使用OUHANDS数据集进行测试，本文的手势分割结果mIoU和MPA分别为0.9143和0.9363，较HGR-Net手势分割网络提高了3.2个百分点和1.8个百分点。使用本文的风格迁移方法，并在自采集数据集上进行测试，迁移后的mIoU和MPA值分别提高了19个百分点和23个百分点。本文的风格迁移领域自适应方法为无标记样本的跨域分割提供了一种新的思路。

基于深度图像增益的RGB-D显著性物体检测

魏计鹏, 秦国峰

2021, 0(05): 26-30.

摘要 ( 153 )

PDF (2079KB) ( 118 )

参考文献 | 相关文章 | 计量指标

深度信息已被证明在显著性物体检测中是一个实用信息，但是深度信息和RGB信息如何更好地实现互补从而达到更高的性能仍是一个值得探究的事情。为此，本文提出一种基于深度图像增益的RGB-D显著性物体检测方法。在双分支的网络结构中增加一个增益子网，采用显著图作差的方法获得深度图片为显著性检测带来的增益，作为增益子网预训练的伪GT。三分支网络分别获取RGB特征、深度特征和深度增益信息，最终将三分支的特征进行融合得到最终的显著性物体检测的结果，增益信息为双分支特征融合提供融合依据。基于深度图像增益的显著性物体检测实验结果表明，该方法得到的显著性物体前景物体更加突出，在多个实验数据集上也有着更优秀的表现。

一种运用PCA的深度学习激光点云分类方法

黄五超, 韩玲, 黄勃学, 杨朝辉

2021, 0(05): 31-37.

摘要 ( 213 )

PDF (2574KB) ( 98 )

参考文献 | 相关文章 | 计量指标

为了提高机载激光雷达数据的分类精度和避免耗时的点云多特征提取，本文在点云去噪的基础上，对点云数据进行相对高程的特征提取，提出一种基于PCA数据降维与Point-Net相结合而形成的网络模型，并将获取的相对高程特征和原始特征经过降维处理后输入到网络中。运用Point-Net网络模型提取的全局特征进行点云分类，返回每个点分类后的标签，并根据点云的坐标信息和标签进行分类结果可视化，实现机载激光雷达点云数据的分类，最后再对得到的分类结果进行精度分析。分类实验表明，此方法获得的点云分类结果较好。

自适应混合蚁群算法在MRCPSP中的应用

闫森, 王玉玫

2021, 0(05): 38-43.

摘要 ( 196 )

PDF (892KB) ( 97 )

参考文献 | 相关文章 | 计量指标

以多模式资源受限项目调度问题（Multi-mode Resource Constrained Project Scheduling Problem, MRCPSP）为背景，针对蚁群算法收敛速度和解的多样性之间的平衡问题，提出一种改进的自适应混合蚁群算法。该算法中参数的取值范围和变化幅度能够随算法的运行同步自适应调整，蚂蚁在取值区间内随机取参形成混合蚁群；在算法中引入先驱侦查蚁、带有排名因子的精英蚁群奖励机制和信息素上下限以优化信息素的更新策略。同时，对于MRCPSP问题中的工期不确定问题，基于模糊理论，利用该算法解出项目工期的估计值和模糊区间加以解决。最后，仿真结果表明，该算法与其他启发式项目调度优化算法相比，能够提高收敛速度和解的质量，较好地解决MRCPSP问题，因此有着较高的实际应用价值。

基于Matrix Profile的时间序列变长模体挖掘

朱旭, 朱晓晓, 王继民

2021, 0(05): 44-50.

摘要 ( 338 )

PDF (813KB) ( 103 )

参考文献 | 相关文章 | 计量指标

已有的变长模体发现算法存在速度慢、可扩展性较差，且结果中包含过短、过长和平凡匹配等无意义模体的问题。本文提出一种基于Matrix Profile的时间序列变长模体挖掘算法。该算法使用STOMP算法作为子程序，使用结合了增量计算的下界距离来加速候选模体提取过程；采用长度相似性条件和模体分组等价类方法踢除过短、过长和平凡匹配等无意义的模体。在数据集UCR上的实验表明，提出的算法在发现变长模体时，能够有效地过滤无意义模体，且具有较高的效率和准确率。

基于集成学习的中小河流洪水预报

王继民, 季昌政, 李家欢, 曹颖

2021, 0(05): 51-58.

摘要 ( 199 )

PDF (2013KB) ( 97 )

参考文献 | 相关文章 | 计量指标

为解决传统数据驱动的洪水预报方法预报误差较大以及传统集成学习预报方法各个子网络间无法交互的问题，本文在单个模型预测基础上，选取异构的BP、CNN、LSTM神经网络，建立基于负相关学习的神经网络集成洪水预报模型，通过显式地添加正则化项对模型进行整体的误差-方差分解和分歧分解，使集成神经网络中各子网络之间并不完全独立，以保证集成模型的多样性，从而提高最终模型的预测准确率。在安徽屯溪流域的实验表明，基于负相关学习的模型可以有效地对洪水过程进行预报，与传统使用单个模型相比预测结果精度更高。

特征加权的CLSVSM

牛奉高, 闫涛

2021, 0(05): 59-65.

摘要 ( 127 )

PDF (803KB) ( 110 )

参考文献 | 相关文章 | 计量指标

运用空间向量对文本信息进行合理且有效的表示对文本聚类以及检索的结果有较大影响。共现潜在语义向量空间模型（CLSVSM）深度挖掘了文本特征词之间的共现潜在语义信息并且提升了文本聚类的性能。本文在CLSVSM基础上先引入特征词词频信息,再将引入的词频作为权重赋予CLSVSM的共现强度，最终构建特征加权的CLSVSM。特征加权的CLSVSM在中文数据上的聚类效果如下：在F值方面，相比CLSVSM和Word2vec文本模型分别提高将近2.4%、5.2%，在熵值上相比90%CLSVSM_K和Word2vec文本模型分别降低了将近3.1%、9.0%，相比词频CLSVSM和TF-IDF模型在聚类效果上都有所提高。在英文数据上聚类效果也与其他模型相当。特征加权的CLSVSM的稳定性有待提高,受限于关键词词频信息表达完整程度。

基于CLSVSM的惩罚性矩阵分解及其在文本主题聚类中的应用

牛奉高, 冯世佳, 黄琛

2021, 0(05): 66-72.

摘要 ( 200 )

PDF (1068KB) ( 96 )

参考文献 | 相关文章 | 计量指标

文本信息的合理表示对文本主题聚类及检索有重要作用。针对文本表示模型维度较高的问题，基于共现潜在语义向量空间模型（CLSVSM）研究惩罚性矩阵分解（PMD），利用PMD对向量进行稀疏约束，提取核心特征词，进而实现原始数据的重建；通过共现分析理论及PMD方法，深度挖掘特征词之间的语义信息，构建语义核函数（PMD_K）。将本文方法应用于文本主题聚类中，实验结果显示，PMD和PMD_K这2种方法的聚类效果均明显优于其他方法，以F值为例，PMD_K方法较以往的95%CLSVSM_K方法，F值提高了21.9%。将PMD与文本表示模型相结合，在提高了文本主题聚类的效率和精度的同时，还避免了对高维矩阵的复杂运算。

基于改进Floyd算法的网络舆情监测

李金泽, 武文豪, 李开航

2021, 0(05): 73-77.

摘要 ( 194 )

PDF (980KB) ( 106 )

参考文献 | 相关文章 | 计量指标

随着我国计算机信息技术的高速发展，网络舆情系统在互联网领域中得到了越来越多的关注，但是我国的网络舆情管理工作仍然存在着诸多问题，其中最为集中的问题体现在反应机制的不完善。鉴于此，本文首先描述Floyd算法的内涵，阐述Floyd算法的运算步骤，提出基于Floyd改进算法的控制策略，同时分析Floyd改进算法在网络舆情中的应用与模型，重点探讨影响网络舆情监测技术的3个因素。最后以人民网和正义网正式发表的相关资料作为舆情热点数据，对提出的模型算法进行对比验证。结果表明，基于Floyd的改进算法在各项指标上显著优于其他算法，但当实验数组达到一定上限时，仍然会出现重用率极限值。希望此次研究能为我国政府机关加强对网络舆论的分析，达到能够应对社会突发事件的能力，提升政府机关在互联网环境中的舆情管理能力提供一定的帮助。

基于云计算和深度信念网络的数字资源配置

吴君才, 刘雪芳

2021, 0(05): 78-82.

摘要 ( 139 )

PDF (814KB) ( 98 )

参考文献 | 相关文章 | 计量指标

针对当前高校图书馆数字资源配置存在合理性差和效率低等问题，提出一种基于云计算和深度信念网络的图书馆数字资源配置方法。首先采用云计算技术构建图书馆数字资源配置模型；其次采用深度信念网络对图书馆数字资源节点进行特征训练，并对资源进行合理配置；最后与图书馆数字资源配置的其他方法进行实验分析与比较。分析结果表明，所提方法既可提高图书馆数字资源配置的质量和效率，又可减少图书馆数字资源配置时间，效果更优。

一种通过剩余能量过滤进行簇头选举的低能耗无线路由算法

张彦虎, 鄢丽娟

2021, 0(05): 83-87.

摘要 ( 165 )

PDF (808KB) ( 90 )

参考文献 | 相关文章 | 计量指标

基于LEACH协议提出一种改进的无线传感器网络的自组织路由算法。该算法在原LEACH协议的簇头产生环节做了较大改进，在簇头产生过程中，将当前节点剩余能量与全无线传感器网络节点平均剩余能量进行比较，防止剩余能量小于全网平均剩余能量的节点当选簇头，进一步优化了全网络节点能量消耗的均衡性，有效推迟了节点的死亡时间。通过在簇头选举阶段使用有目的性的筛选取代LEACH的随机选取，实现降低无线传感器网络能耗、延长网络生命周期的目的。通过MATLAB仿真软件进行试验测试，结果表明，改进的算法可以提高无线网络的生命周期，均衡无线网络能量消耗，增加网络吞吐量，有效延迟无线网络节点的死亡时间。

一种融合多维信息的移动社区发现方法

舒鹏, 杜庆伟

2021, 0(05): 88-92.

摘要 ( 140 )

PDF (832KB) ( 112 )

参考文献 | 相关文章 | 计量指标

为解决传统社区发现算法难适用于大型复杂异质的移动网络的问题，利用移动网络使用详单数据（Usage Detail Record， UDR）和移动用户社交数据构建网络模型，提出一种融合多维信息的移动社区发现方法BNMF-NF。该方法综合考虑用户社交关系和时空行为，给出用户社交相似度、位置分布相似度和主题偏好相似度，利用加权网络融合方法融合多维相似关系构建用户相似网络，并运用有界非负矩阵分解技术实现社区结构的检测。在Foursquare和电信数据集上的实验结果表明，BNMF-NF方法能够有效发现移动网络中用户社区结构。

面向不平衡数据集的应用系统识别方法

董燕辉, 肖军弼, 张红霞, 杨勇进, 计志滨

2021, 0(05): 93-97.

摘要 ( 143 )

PDF (1030KB) ( 105 )

参考文献 | 相关文章 | 计量指标

针对油田局域网络环境中，传统基于流量的分析方法无法实现应用系统的有效识别问题，本文设计一种面向不平衡数据集的应用系统识别框架WEBCLA，该框架采用基于基尼增益的SMOTE改进算法（GSMOTE）与XGBoost分类算法相结合的方式对基于网页的应用系统进行有效识别。具体地，本文提出的GSMOTE算法对少数类进行过采样，有效缓解识别样本不平衡问题，并结合XGBoost分类算法进行应用系统的识别。通过在真实数据集上进行实验，结果表明，本文提出的方法在召回率上较传统方法有较明显的提升，比普通集成方法提高约112.8%，比未经过采样处理的方法提升约10.8%，可有效解决油田局域网中的应用系统识别问题。

基于SI1SI2R模型的异质群体重复感染的传染病建模与仿真

孙璐, 薛晓斐, 程妞妞

2021, 0(05): 98-104.

摘要 ( 170 )

PDF (2933KB) ( 105 )

参考文献 | 相关文章 | 计量指标

具有重复感染可能性的传染病由于不受抗体或疫苗等手段的阻碍，其传播范围会比普通传染病更加广泛，严重危害人类的身心健康，影响社会的和谐稳定，有必要对其传播规律进行探究，以便于更有针对性地制定应对策略。基于经典的传染病模型，本文构建考虑了传染病重复感染特征的SI1SI2R模型，定义异质性个体之间的交互及传播规则，并利用ABM仿真建模的方法探究具有重复性感染特征的传染病在异质性群体间的传播规律。仿真实验结果表明，此类传染病感染范围会随二次感染率的提升而增加，而异质性传播群体的组成不仅会影响感染人数的比例，还会影响其到达峰值的时间。因此，不仅要减小此类疾病反复感染的可能，还要根据传播群体的异质性提出更有效率的管理方案。

基于线性回归与最小二乘法的物理主机状态异常检测方法

徐胜超, 宋娟, 潘欢

2021, 0(05): 105-111.

摘要 ( 136 )

PDF (1503KB) ( 87 )

参考文献 | 相关文章 | 计量指标

提出一种基于线性回归与最小二乘法的物理主机状态异常检测方法EPADA（Efficient Physical host status Anomalous Detection Approach）。EPADA可以预测出所有物理主机在将来一段时间内的资源使用率情况，在实体迁移过程中被用来判断物理主机是超负载或低负载。当某个主机超负载时，则将一些虚拟机迁移到其他主机上以减少SLA违规率。当某个主机低负载时，该主机切换到睡眠状态以减少能量消耗。EPADA物理主机状态异常检测方法通过CloudSim来实现和仿真,仿真结果表明了EPADA的良好性能。

基于CiteSpace的AGV路径规划研究热点分析

刘羽飞, 张绪美, 梁晓磊

2021, 0(05): 112-119.

摘要 ( 169 )

PDF (1691KB) ( 120 )

参考文献 | 相关文章 | 计量指标

AGV路径规划对于提升物料搬运效率起到了重要作用，随着技术的发展与AGV应用范围的逐步扩大，路径规划问题得到了许多学者的研究与关注。本文利用文献统计分析法与可视化工具CiteSpace软件，以中国知网与Web of Science为对象，对中外文文献分析。首先通过关键词词频与中心性排序得出研究热点，中文文献研究热点包含：路径规划算法、AGV调度、时间窗、激光导航；外文文献研究热点包含：flexible manufacturing system、material handling system、layout、AGV system、algorithm，接着对热点逐一述评。然后将中外文文献进行对比，分析异同之处。最后对AGV路径规划的研究进行展望，明确未来的研究将朝着以下几点展开：算法的组合优化、应用场景的针对性建模、相关问题的协同研究。

基于迁移学习策略的压板开关状态识别

陈翔, 邹庆年, 谢绍宇, 陈翠琼

2021, 0(05): 120-126.

摘要 ( 199 )

PDF (2142KB) ( 110 )

参考文献 | 相关文章 | 计量指标

为了实现变电站压板状态的自动巡检，提升变电站运行的可靠性和安全性，提出一种基于迁移学习策略的压板开关状态识别算法。首先利用Inception-V3在ImageNet数据集上进行目标检测训练出的网络参数，得到预训练模型，接着将训练后的瓶颈层特征参数提取至目标网络，作为目标压板开关图片数据集的特征提取器，而后构造基于粒子群优化的支持向量机算法完成压板开关状态的识别。通过与常用深度学习网络在学习效率和学习精度方面的实验结果进行对比，验证本文所提出算法的有效性和优越性，说明迁移学习结合卷积神经网络可以解决电力设备巡检中的小样本问题，提高压板开关状态识别精度和效率。

当期目录