计算机与现代化

冯茹嘉, 张海军, 潘伟民

2021, 0(10): 1-7.

摘要 ( 901 )

PDF (1087KB) ( 631 )

参考文献 | 相关文章 | 计量指标

针对微博文本以实现谣言检测为目标，深度挖掘微博正文内容的语义信息，并且着重强调用户在微博评论中体现的情感倾向性，提升谣言识别效果。为提高谣言检测的准确率，采取基于XLNet的词嵌入方法，使用Transformer的Encoder的模型提取微博正文内容的语义特征，并结合BiLSTM+Attention网络实现微博评论的情感特征的提取，将2种特征向量进行拼接融合，进一步丰富神经网络的输入特征，之后输出微博事件的分类结果，进而实现微博谣言检测。实验结果显示，该模型对谣言识别的正确率达到94.8%。

禁忌搜索在栅格地图中的应用

刁说

2021, 0(10): 8-14.

摘要 ( 217 )

PDF (1398KB) ( 233 )

参考文献 | 相关文章 | 计量指标

以禁忌搜索算法为基础，对栅格地图搜索过程进行建模，提出一种能够利用经验知识的改良禁忌搜索算法，为航向指引、水源探测、灾后搜救等领域的智能辅助工具实现提供算法参考。对禁忌搜索算法的关键优势进行分析，提出以正六边形为单元的地图栅格划分方法，将问题建模为禁忌搜索可求解的最优化问题。以沙漠水源搜索为实例，选取多个沙漠元素作为水源探测相关指示参数，进行仿真实验。实验表明，本文所提出的方法可以在10000以内单元格数目的栅格地图中，搜索路径的成功规划次数占比达到91.7%以上，相比于“爬山法”策略提高至少36.68个百分点，搜索耗费的步数相比于遍历策略优化88.4%以上。

基于改进布谷鸟搜索的k-means算法的离群点检测

庄丽丽, 石鸿雁

2021, 0(10): 15-22.

摘要 ( 249 )

PDF (1001KB) ( 178 )

参考文献 | 相关文章 | 计量指标

为了解决k-means算法的离群点检测容易受到初始聚类中心的影响陷入局部最优的问题，本文提出一种基于改进布谷鸟搜索的k-means算法的离群点检测方法。首先，对原始布谷鸟搜索算法中的发现概率和莱维飞行步长做自适应策略改进并进行实验仿真；其次讨论改进后的布谷鸟搜索算法的收敛性问题；最后将改进后的布谷鸟搜索算法与k-means的离群点检测算法融合成一种新的离群点检测算法——基于改进布谷鸟搜索的k-means算法的离群点检测。通过对UCI数据集进行仿真实验，结果表明，本文算法不仅精确度方面有着明显优势，而且在3个数据集上收敛速度均有改善，可有效地抑制k-means算法的离群点检测容易陷入局部最优的问题，缩短运行时间。

基于K-means算法的轨迹数据热点挖掘算法

徐文进, 管克航, 马越, 黄海广

2021, 0(10): 23-28.

摘要 ( 475 )

PDF (1759KB) ( 243 )

参考文献 | 相关文章 | 计量指标

针对渔船轨迹数据具有时间序列性、数量大的特点，提出一种轨迹热点挖掘算法。该算法克服了K-means算法在渔船轨迹数据上无法捕捉热点分布的缺点。其主要的思想是：首先使用时间维度来处理数据，以置信度和KL散度作为衡量所选取数据的可靠性、正确性依据，从大量的轨迹数据中选取信息含量较高的数据，然后使用K-means聚类算法进行数据的聚类。本文所提出的算法只需要设定显著水平参数a和时间间隔T，算法本身就可通过时间维度处理数据的方法自主完成数据的选择以及置信度、KL散度的计算，并引入聚类有效性度量的方法，使K-means通过自我寻找K值来实现热点挖掘的整个过程。在渔船轨迹数据上进行本文算法与K-means算法的对比实验和数据热力图的参照实验，结果显示本文所提的算法在寻找轨迹数据热点上有优越性和正确性。

在线问答社区——海川化工论坛的回答者推荐算法

陈卓, 袁玺明, 杜军威

2021, 0(10): 29-34.

摘要 ( 266 )

PDF (852KB) ( 124 )

参考文献 | 相关文章 | 计量指标

推荐系统已经在开发者社区Stack Overflow以及知乎、百度知道等热门问答社区发挥了重要作用，也即将成为海川化工论坛提高问答效率的关键技术。海川化工论坛作为国内最大的化工问答社区，问题不能得到及时有效的解答主要由于2大难点：稀疏性和冷启动。本文提出一种融合DeepFM与矩阵分解的混合推荐方法。算法以DeepFM作为辅助算法，矩阵分解作为主算法，通过结合用户的个人特征与问题的自身特征为论坛中的新问题推荐合适的回答者，可有效解决社区中的问题冗余。通过计算测试集的均方根误差与平均绝对误差，进一步验证本文提出的方法在海川化工论坛的有效性和可行性。

基于排序学习算法的智能检索系统

王镇宇, 郑扬飞

2021, 0(10): 35-40.

摘要 ( 329 )

PDF (1072KB) ( 213 )

参考文献 | 相关文章 | 计量指标

本文旨在解决数据资产管理系统中信息检索效率低、检索结果准确率低下的痛点，基于排序学习算法构建智能检索系统，提升检索结果和用户请求的相关性。对排序学习算法理论进行研究，对常用的排序学习算法进行相关优化，将分类问题扩展到文本排序问题之上，定义相关的目标函数及损失函数，使用机器学习的方法来提升检索结果的准确度。基于垂直分布式搜索引擎技术及排序学习算法构建智能检索系统，通过相关性工程提升检索请求转化的效率。实验表明本系统可以在优化检索速率的基础之上，提升检索语句与返回结果之间的相关性和检索的准确度。

基于JFinal框架的洞庭湖环境监测系统

李明, 陈积富, 易小荣, 刘书铭

2021, 0(10): 41-48.

摘要 ( 191 )

PDF (2650KB) ( 132 )

参考文献 | 相关文章 | 计量指标

随着生态文明建设进程的推进，全国范围内生态系统保护力度不断增强，节约资源和保护环境的空间格局正在逐步形成。与此同时，通过运用现代化的技术手段来改进生态环境监管方式、提升环境监控效率的工作日益引起重视。为了进一步改善洞庭湖的生态环境，设计并实现一个基于JFinal框架的环境监测系统。该系统通过收集实时环境数据，并运用智能技术对其进行挖掘来为环境治理提供科学决策。在JFinal框架技术的基础上，该系统还使用了大数据模型等方法，用于解决与洞庭湖相关的一系列环境监测问题。经系统试运行证实，该系统能为洞庭湖环境治理提供快速响应、决策支持，可明显降低人工巡查的工作量。

一种基于深度强化学习的Spark Streaming参数优化方法

刘露, 申国伟, 郭春, 崔允贺, 蒋朝惠, 伍大勇

2021, 0(10): 49-56.

摘要 ( 342 )

PDF (1879KB) ( 263 )

参考文献 | 相关文章 | 计量指标

Spark Streaming作为主流的开源分布式流分析框架，性能优化是目前的研究热点之一。在Spark Streaming性能优化中，业务场景下的配置参数优化是其性能提升的重要因素。在Spark Streaming系统中，可配置的参数有200多个，对参数调优人员的经验要求较高，未经优化的参数配置会影响流作业执行性能。因此，针对Spark Streaming的参数配置优化问题，提出一种基于深度强化学习的Spark Streaming参数优化方法（DQN-SSPO），将Spark Streaming参数优化配置问题转化为深度强化学习模型训练中的最大回报获得问题，并提出权重状态空间转移方法来增加模型训练获得高反馈奖励的概率。在3种典型的流分析任务上进行实验，结果表明经参数优化后Spark Streaming上的流作业性能在总调度时间上平均缩减27.93%，在总处理时间上平均缩减42%。

一种基于模板和DCT变换的柔性电路板配准方法

王帆, 伍世虔

2021, 0(10): 57-62.

摘要 ( 197 )

PDF (4087KB) ( 98 )

参考文献 | 相关文章 | 计量指标

针对柔性印刷电路板（FPC）生产检测过程中的效率、精度等要求，提出一种基于模板与离散余弦变换（DCT）描述子的配准方法。首先，为了解决配准的精度问题，由电路板文件工程图解析得到对应图像，为后续处理提供更好的模板图，再利用离散余弦描述子的频域能量聚集特点，在模板与被检测图像之间建立对应关系，从而计算出对齐参数。其次，使用mipmap技术处理模板，为配准阶段提供不同精度的模板图片，从而有助于精度及效率的提升。实验结果表明：该改进算法的最大误差和平均误差均比原方法小；对于电路板这种大分辨率的图像，在mipmap采样的模板条件下，可以获得较高的精度，且处理速度有较大的提升。

基于背景评估的贝叶斯模型显著性检测

文雅宏, 巨琛

2021, 0(10): 63-68.

摘要 ( 190 )

PDF (3226KB) ( 106 )

参考文献 | 相关文章 | 计量指标

针对自然图像中，复杂背景信息对显著性目标检测的影响，提出一种利用背景信息进行预测和贝叶斯模型选择优化的显著性检测方法。首先，为了提取完整的先验信息，根据背景信息与图像边界的连通性，以及对图像边界是否为背景进行评估来生成先验显著图。其次，为了降低背景信息的干扰，通过对流行排序算法生成的显著图进行角点检测，选择较为准确的显著点构造凸包。最后，利用贝叶斯模型进行选择优化来抑制和显著目标具有相同特征的背景信息。在2个公开的数据集上进行测试，并与4种性能较好的显著性检测算法对比，结果显示本文算法可提高显著性检测的准确性和区域的完整性。

基于双注意力机制的街景语义分割

唐舒放, 王志胜

2021, 0(10): 69-74.

摘要 ( 288 )

PDF (2713KB) ( 158 )

参考文献 | 相关文章 | 计量指标

高性能语义分割算法由于自身高延迟性存在无法快速感知路况的问题。本文提出一种基于注意力机制的双路径网络模型。该网络模型采用轻量的局部轮廓信息提取模块和语义信息提取模块来替代复杂的编码器结构。针对不同路径下特征图的特点，分别基于自注意力和通道注意力机制设计特征优化模块，该算法可有效地提高轻量网络结构对细节特征的表达能力。设计的语义分割网络以25 fps的速度处理图像的同时，可保持73.9%的平均交并比。经实物验证，表明本文算法具备实时性，具有一定的实际应用价值。

基于CPN网络的车辆关键点检测

张志刚, 游安清

2021, 0(10): 75-80.

摘要 ( 608 )

PDF (2037KB) ( 188 )

参考文献 | 相关文章 | 计量指标

针对智慧交通和自动驾驶系统中利用车辆关键点获取车辆3D姿态的需求，提出一种基于CPN网络的车辆关键点检测模型。模型以ResNet50为主干网络，利用U型结构融合深层的语义信息和浅层的空间分辨率信息构建高斯热力图金子塔，随后采用SoftArgmax在高斯热力图中端到端地解码关键点坐标。在20万张的训练集上训练得到车辆关键点检测模型，模型能够同时预测定义的轿车和SUV车型上的78个关键点的坐标和可见性。经测试，在256×256的输入图下预测点的归一化像素误差为1.57，点的可见性预测在召回率为0.95时达到0.96的精确度。实验结果表明基于CPN网络的车辆关键点检测模型精度高，目前已应用于北京、武汉等城市的智慧交通系统中。

一种多方向感知的高实时性视频融合算法

莫维, 唐清善, 黄涛

2021, 0(10): 81-87.

摘要 ( 247 )

PDF (8973KB) ( 217 )

参考文献 | 相关文章 | 计量指标

针对多路视频融合阶段拼缝线两侧范围内出现的虚影、色彩亮度差异以及高分辨率下无法实时拼接等问题，本文提出一种多方向感知的视频融合算法。首先，在图像配准阶段，采用SIFT提取特征点与特征描述子对图像进行配准；然后，在图像融合阶段，使用指数函数构建的权值查找表指导融合过渡，结合视频帧投影位置与拼接缝之间的距离，利用形态学操作自适应地融合图像拼缝；最后，利用GPU平台大量多线程并行运算，整合投影与融合等矩阵运算从而掩盖延时达到实时目的。实验结果表明，该算法能消除重叠区域内出现的虚影、模糊现象，并且具有良好的实时拼接效果。

基于机械臂的化学物品定位与分类

马兴录, 张兴强, 王涛

2021, 0(10): 88-93.

摘要 ( 317 )

PDF (1944KB) ( 143 )

参考文献 | 相关文章 | 计量指标

针对化学实验场景下深度相机难以探测试管等透明物体距离，继而引起机械臂难以获取化学试管在空间中的三维坐标的问题，提出通过改进的深度学习算法YOLOv3 Tiny检测试管上的贴纸标签以获取透明化学试管的三维空间坐标；针对不同化学试管无法分类的问题，提出通过深度学习算法CTPN+BLSTM+CTC Loss识别标签上的文字信息对试管进行分类。本文采用深度相机、单目相机与搭载ROS系统的六轴机械臂为实验平台，在TensorFlow上训练化学标签检测模型与文字检测识别模型。通过在机械臂搭载的树莓派上的ROS系统进行Python编程对贴有不同的化学标签的化学试管进行抓取实验，结果显示该方法对贴有标签的透明试管具有较高的识别率及定位准确率，可以实现机械臂抓取装有不同物质的化学试管。

基于多层融合神经网络模型的短期电力负荷预测方法

郭成, 王宵, 王波, 王加富

2021, 0(10): 94-99.

摘要 ( 237 )

PDF (2095KB) ( 132 )

参考文献 | 相关文章 | 计量指标

针对传统的短期电力负荷预测模型存在的预测精度不高和滞后性的问题，本文提出一种基于卷积神经网络、长短时记忆网络和注意力机制下的混合神经网络模型来进行预测。利用卷积层对多维的电力数据影响特征进行提取，过滤筛选其非重要影响因子，完成电力数据相关特征的映射变换，再通过长短时记忆网络层的循环，对时序性电力数据特征选择性提取，最后利用注意力机制添加重要特征的权重，经Adam算法优化后输出电力负荷预测的结果。依靠GPU强大的算力支撑来解决预测数据时的实时性问题，凭借多融合神经网络的手段来提高其预测精度。经由算例验证，所提出模型真实可靠，预测质量显著优于其他传统模型。

室内定位中DS-TWR测距算法的优化

袁枫, 焦良葆, 陈楠, 顾慧东

2021, 0(10): 100-106.

摘要 ( 555 )

PDF (2657KB) ( 170 )

参考文献 | 相关文章 | 计量指标

针对现阶段UWB室内定位的测距过程中易出现通信冲突且标签功耗高的问题，提出一种改进的DS-TWR算法。该方法通过一种基于Hash算法的时隙分配方法计算标签和基站的时隙，使每个标签和基站都有唯一时隙，以减少通信过程中标签冲突现象；同时不同于传统TOA测距流程，该方法设置一个主基站，标签只需与主基站进行通信，而从基站只需要进行监听；通过DS-TWR算法来实现标签与主从基站之间的测距过程，最终完成室内定位。实验结果表明，该改进方案可以有效地减少定位通信次数，假设定位基站有N个，改进算法的通信次数约为传统DS-TWR算法的4/3N，且基站越多，减少次数越多，有很强的工程应用价值。通过减少通信次数可以优化标签功耗过高的问题，使标签功耗节省33.3%；针对传统测距算法中通信冲突的问题，在加入Hash算法后，测距过程中基站标签的通信冲突率降低13%，从而使得系统中标签容纳量增加。

一种卷积神经网络的模型压缩算法

包志强, 程萍, 黄琼丹, 吕少卿

2021, 0(10): 107-111.

摘要 ( 261 )

PDF (857KB) ( 117 )

参考文献 | 相关文章 | 计量指标

卷积神经网络的研究取得一系列突破性成果，其优秀表现是由深层结构支撑的。针对复杂的卷积神经网络在参数量及计算量上存在大量的冗余问题，提出一种简洁有效的网络模型压缩算法。首先，通过计算卷积核之间的皮尔逊相关系数判断相关性，循环删除冗余参数，从而压缩卷积层。其次，采用局部-全局的微调策略，恢复网络性能。最后，提出一种参数正交正则，促使卷积核之间的正交化，进而减少冗余特征。实验结果表明，在MNIST数据集上，该压缩算法能够在不损失测试精度的前提下，使AlexNet卷积层的参数量压缩率达到53.2%，浮点操作计算量可以减少42.8%，并且网络模型收敛后具有较小的误差。

基于改进SRGAN的OFDM信道估计方法

金龙, 吴游, 张泳翔

2021, 0(10): 112-118.

摘要 ( 295 )

PDF (1126KB) ( 158 )

参考文献 | 相关文章 | 计量指标

在正交频分复用(OFDM)系统的信道估计过程中，传统信道插值算法是建立在假设导频附近处的估计值存在关联的基础上，当信道特征因无线信道的时变、频变特性而不连续时，估计结果将不理想。针对这一问题，本文引入超分辨率重建模型SRGAN的改进模型——SRWGAN，替代信道估计中的插值处理。在SRWGAN模型中，将导频处的最小二乘(LS)估计值类比于低分辨率图像中的像素点，先通过卷积网络提取信道特征，再通过多个残差网络学习映射关系，然后经上采样层放大，最后通过判别网络WGAN不断判别并提升估计效果。实验结果表明，基于SRWGAN的信道估计效果优于传统的信道估计算法，且与同类型的SRCNN模型相比，同等条件下，当误码率相同时，信噪比(SNR)提升约3 dB，当MSE值相同时，SNR提升约5 dB。

增强安全的云存储数据访问控制方案

刘铮, 吴柯桦, 叶春晓

2021, 0(10): 119-126.

摘要 ( 255 )

PDF (824KB) ( 117 )

参考文献 | 相关文章 | 计量指标

云存储带来了许多优势，例如，可节省用户的硬件购买成本，并提供实时在线数据存储服务。越来越多的人选择将数据存储在云上。为了提高数据安全性和数据隐私性，Wu等人在Yang的方案的基础上，给出了一种扩展的多权限云存储数据访问控制方案(NEDAC-MACS)。本文给出一种攻击方法，以证明被撤消的用户仍然可以解密NEDAC-MACS中的新密文，并提出一种增强NEDAC-MACS安全性的方案，该方案可以抵抗云服务器与用户之间的串通攻击。加密分析表明，该方案能够抵抗串通攻击并且是可行的。

当期目录