计算机与现代化

王天星, 袁家斌, 刘昕

2021, 0(11): 1-6.

摘要 ( 150 )

PDF (1288KB) ( 90 )

参考文献 | 相关文章 | 计量指标

视觉问答是一项计算机视觉与自然语言处理相结合的任务，需要理解图中的场景，特别是不同目标对象之间的交互关系。近年来，关于视觉问答的研究有了很大的进展，但传统方法采用整体特征表示，很大程度上忽略了所给图像的结构，无法有效锁定场景中的目标。而图网络依靠高层次图像表示，能捕获语义和空间关系，但以往利用图网络的视觉问答方法忽略了关系与问题间的关联在解答过程中的作用。据此提出基于同等注意力图网络的视觉问答模型EAGN，通过同等注意力机制赋予关系边与目标节点同等的重要性，两者结合使回答问题的依据更加充分。通过实验得出，相比于其他相关方法，EAGN模型性能优异且更具有竞争力，也为后续的相关研究提供了基础。

基于SMOTE和RNN的肾移植排斥反应预测

杨欣怡, 侯凌燕, 杨大利, 崔丽艳

2021, 0(11): 7-11.

摘要 ( 134 )

PDF (685KB) ( 66 )

参考文献 | 相关文章 | 计量指标

肾移植手术在当今的应用越来越广泛，对于排斥反应的预测变得更加重要。针对排斥反应数据特点中存在的数据的维度高、数据时序性、样本不均衡等问题，将循环神经网络应用于肾移植排斥反应的预测,本文提出一种结合SMOTE(Synthetic Minority Over-sampling Technique)以及RNN(Recurrent Neural Network)的算法。该方法先处理数据，降低正负样本的不平衡度，且解决样本量不足的问题，再根据RNN的学习过程进行关键参数调整、优化。经过实验发现，该方法可以有效提升正负分类的准确率，与传统的马尔可夫时间序列预测算法相比，准确率提高了16.7%，传统RNN训练经过优化后，相对错误率下降了5.03%，可以使用该方法进行肾移植排斥反应的有效预测。

基于BERT与图像自注意力机制的文本匹配模型

宋爽, 陆鑫达

2021, 0(11): 12-16.

摘要 ( 219 )

PDF (802KB) ( 97 )

参考文献 | 相关文章 | 计量指标

为了提高文本匹配的准确率，针对BERT（Bidirectional Encoder Representations from Transformers）模型和MatchPyramid模型在文本匹配中存在的局限性，提出一种基于BERT与图像自注意力机制的文本匹配模型。首先，利用BERT模型将一对文本编码为单词级别的特征向量。其次，根据词向量构建2段文本之间的词与词相似性的匹配矩阵，并将其视为单通道的图像表示。然后，通过图像的自注意力机制生成匹配矩阵的自注意力特征矩阵。最后，将匹配矩阵与自注意力特征矩阵连接为多通道，利用卷积神经网络捕获图像中的文本匹配信号，并将匹配信号与BERT模型输出的［CLS］编码向量连接后，输入全连接层得到2段文本的相似度。实验结果表明，该模型在WikiQA数据集上相比于BERT模型、MatchPyramid模型和其他文本匹配模型，可以有效地提高MAP和ＭRR衡量指标，验证了该模型的有效性。

基于多模双线性池化方法的虚假新闻检测模型

李国栋, 彭敦陆

2021, 0(11): 17-21.

摘要 ( 275 )

PDF (662KB) ( 101 )

参考文献 | 相关文章 | 计量指标

社交媒体的兴起促进了新闻行业的发展，使虚假新闻的传播也变得更为便利，然而多样化的新闻表现形式带来了很多负面影响，比如新闻内容夸大事实、恶意篡改新闻文本或图像内容、构造虚假新闻事实引起社会舆论，这促使了虚假新闻检测工作成为新闻领域新的挑战。为了应对虚假新闻检测工作的研究，将新闻文本与图像信息结合起来，通过多模双线性池化方法，改变传统特征融合方法，构建出基于新特征融合方法的虚假新闻检测模型，并且采用虚假新闻检测领域标准数据集验证模型的性能，实验结果表明，文本与图像的融合特征表现在虚假新闻检测领域不可替代，且所提方法能够有效提升虚假新闻检测性能。

融合注意力与深度因子分解机的时间上下文推荐模型

刘亦欣, 王家伟, 李自力

2021, 0(11): 22-27.

摘要 ( 355 )

PDF (837KB) ( 96 )

参考文献 | 相关文章 | 计量指标

对于许多在线电商，预测用户购买商品的可能性至关重要。由于用户与商品的交互通常是高维且稀疏的，所以深度因子分解机算法（DeepFM）将因子分解机算法（FM）与深度神经网络（DNN）结合在一起，用FM处理低阶特征组合，用DNN处理高阶特征组合，通过并行的方式组合这2种方法，很好地解决了高维稀疏的问题。但是，它忽略了用户购买商品的先后性问题，也就是时间上下文信息。针对这一缺陷，本文提出一种融合注意力（Attention）与DeepFM的时间上下文推荐模型（DeepAFM），更好地利用用户与商品交互的时间上下文信息，相比较于未加入时间上下文信息的DeepFM模型，AUC提升了1.84%。对比验证结果表明，DeepAFM模型具有更优越的性能。

基于Kubernetes云原生的弹性伸缩研究

赵树君, 黄倩

2021, 0(11): 28-38.

摘要 ( 264 )

PDF (2234KB) ( 91 )

参考文献 | 相关文章 | 计量指标

随着云技术的不断发展和普及，为了更好地利用云平台的优点和特性，云原生应用服务不断涌现，如何利用云平台的特性来服务软件设计和开发成为了难题，例如如何利用云平台的弹性伸缩特性。云原生目前主流的容器编排技术Kubernetes支持自动伸缩，却存在一些需要针对具体情况进行优化改进的问题。本文主要针对使用Kubernetes编排的5G核心网网元PCF(Policy Control Function)的水平自动伸缩进行研究，通过基于自定义的负载数据(CPU使用率、内存使用率、交易量、带宽使用率)统计，根据历史负载数据使用LSTM来预测未来的负载，并设计了一种基于预测负载的可行的弹性伸缩算法，从而提出一种提前感知的、弹性的、不影响业务的弹性伸缩方法，并进行了大量的实验和统计，来论证方法的可行性和正确性。

基于多头自注意力机制的深度缺陷分派模型

万发洋, 于旭, 徐其江

2021, 0(11): 39-43.

摘要 ( 171 )

PDF (1168KB) ( 65 )

参考文献 | 相关文章 | 计量指标

当前，缺陷跟踪系统通过缺陷报告实现缺陷与修复者的匹配。然而，以往的缺陷分派模型过于依赖缺陷报告的文本质量，引入自然语言中大量的冗余信息，并忽略了缺陷报告的元字段作为标签属性时存在于修复者之间的社区关系，使得模型结果表现较差。针对以上问题，本文提出一种基于多头自注意力机制的深度缺陷分派模型MSDBT(Multi-head Self-attention Deep Bug Triage)。对缺陷报告的文本内容以及根据元字段生成的修复者序列进行向量化；通过多头自注意力机制在内部的输入元素之间进行并行注意力计算。在4个开源软件项目上的实验结果表明，MSDBT在召回率指标上较之前模型具有明显的优势。

柔性工作流路径变更研究与应用

李乾仕, 王淑营, 曾文驱

2021, 0(11): 44-49.

摘要 ( 132 )

PDF (1176KB) ( 66 )

参考文献 | 相关文章 | 计量指标

工作流的柔性问题已成为工作流系统适应业务需求不断变化的重要问题。工作流系统的应用分为建模阶段和运行阶段。现有工作流系统的静态路径已无法适应当前企业业务过程路径多变的需求，本文通过研究相关的理论方法与技术方案，分析运行阶段的路径变更问题，来提高工作流的柔性特性。本文对现有工作流路径回退算法进行改进，使其支持并行多步回退，解决工作流系统的动态路径问题，此外，还对当前大量应用的审批会签功能进行分析，提出一种运行中动态增加并行分支的解决方案，进一步提升工作流的路径柔性。最后结合实例进行验证，测试结果表明，系统能够根据业务需求变化及运行环境的变化对其自身路径进行动态调整，大幅提升工作流系统的柔性特性。

基于主动学习的遥感图像地块目标分类

屈晓渊, 张永恒

2021, 0(11): 50-55.

摘要 ( 137 )

PDF (3200KB) ( 60 )

参考文献 | 相关文章 | 计量指标

在传统的机器学习中，模型的准确度往往由已标记的数据样本规模所决定。但是在实际情况中，海量数据中往往只有极小部分获得了准确标记，而大部分数据未经标记，如果通过专业人员对数据逐个进行标记，将耗费大量的时间成本和经济成本。主动学习是从大量未标记的数据集中检索出最有用的未标记数据，交由专业人员进行标记，然后用该类样本来训练模型以期提高模型的准确率。本文设计一种对遥感图像的目标检测的方法，首先构建一个深度学习网络模型，通过使用已标注数据对该模型进行预训练，然后使用度量学习的技术，筛选出未标注数据集中的最有标注价值的图像数据进行标注，对此过程反复迭代，直至准确率达到设置的阈值。实验分别由已标注数据占总数据量的14.2%、21.4%、28.6%这3种数据标记量对该方法进行测试，结果表明，通过主动学习结合U-Net网络的方法，可以有效地减少数据的标记量而达到模型的预期效果。

基于双目视觉的缺陷药片检测

郭兆明, 周庆华, 曾小为

2021, 0(11): 56-60.

摘要 ( 225 )

PDF (838KB) ( 86 )

参考文献 | 相关文章 | 计量指标

传统基于机器视觉的药片缺陷检测方法中，药片图像多为单摄像机从药片的正上方进行拍摄，该方法难以对上下表面间断裂以及厚度不合格的药片进行有效的检测，该类缺陷药片在厚度上与标准药片可能存在着一定的差值。针对这种情况，本文提出一种基于双目视觉的药片厚度检测方法。该方法将双目摄像机放置于药片正上方，并采集药片图像，采用Canny算子提取图像中药片的边缘特征进行立体匹配，利用双目视觉的三角测距原理计算药片的视差，根据视差计算药片的深度信息，计算标准药片和缺陷药片的深度差，检测出存在厚度缺陷的药片。实验测量结果精度达到0.1 mm,具有较高的检测精度，满足检测的精度要求，表明该方法具有较好的适用性和可靠性。

融合注意力机制的无锚点森林火灾检测算法

陆雅诺, 陈炳才,

2021, 0(11): 61-66.

摘要 ( 169 )

PDF (5151KB) ( 111 )

参考文献 | 相关文章 | 计量指标

森林火灾、野火是一个重大的自然灾害问题，每年全球各地植被都会受到严重的破坏。为了提高森林火灾的防控精度，针对传统方法具有火灾背景复杂、准确率低、效率低等问题，本文提出一种基于CenterNet的森林火灾检测算法。CenterNet作为一种无锚的方法，将目标定义为一个点，通过关键点估计定位目标的中心点，可以有效避免小目标的漏检。同时基于高效深层特征提取网络ResNet50，融合ECA模块以抑制无用信息，增加模型的特征提取能力。在公开森林火灾数据集上进行实验表明，与其他算法相比，本文提出的森林火灾检测算法误检率低，识别精度达到92.39%，F1值为0.86，Recall值为79.75%，FPS为43.31。本文提出的方法检测精度高，可满足实时检测森林火灾和实施精准施救的要求。

基于双池化特征加权结构CNN的图像分类

张林鹏, 汪西原, 李强

2021, 0(11): 67-71.

摘要 ( 218 )

PDF (3667KB) ( 80 )

参考文献 | 相关文章 | 计量指标

传统的池化方式会造成特征信息丢失，导致卷积神经网络中提取的特征信息不足。为了提高卷积神经网络在图像分类过程中的准确率，优化其学习性能，本文在传统池化方式的基础上提出一种双池化特征加权结构的池化算法，利用最大池化和平均池化2种方式保留更多的有价值的特征信息，并通过遗传算法对模型进行优化。通过训练不同池化方式的卷积神经网络，研究卷积神经网络在不同数据集上的分类准确率和收敛速度。实验在遥感图像数据集NWPU-RESISC45和彩色图像数据集Cifar-10上对采用几种池化方式的卷积神经网络分类结果进行对比验证，结果分析表明：双池化特征加权结构使得卷积神经网络的分类准确率有很大程度的提高，同时模型的收敛速度得到进一步提高。

基于聚类欠采样的集成分类算法

周传华, 朱俊杰, 徐文倩, 邓佳佳

2021, 0(11): 72-76.

摘要 ( 171 )

PDF (651KB) ( 78 )

参考文献 | 相关文章 | 计量指标

不平衡数据常出现在各应用领域中，传统分类器往往关注于多数类样本而导致样本分类效果不理想。针对此问题，提出一种基于聚类欠采样的集成分类算法(ClusterUndersampling-AdaCost, CU-AdaCost)。该算法通过计算样本间维度加权后的欧氏距离得出各簇的样本中心位置，根据簇心邻域范围选择出信息特征较强的多数类样本，形成新的训练集；并将训练集放在引入代价敏感调整函数的集成算法中，使得模型更加关注于少数类别。通过对6组UCI数据集进行对比实验，结果表明，该算法在欠采样过程中抽取的样本具有较强的代表性，能够有效提高模型对少数类别的分类性能。

基于电子路票征收及补偿的新型离散路网设计与算法

刘炳全, 柳玉杰, 刘亮

2021, 0(11): 77-81.

摘要 ( 118 )

PDF (691KB) ( 61 )

参考文献 | 相关文章 | 计量指标

在城市交通网络设计中，可交易电子路票系统是一种新型且更加公平的拥挤收费方法。本文将具有征收与补偿机制的0分配可自由交易电子路票和路网离散改造设计结合起来共同研究城市道路交通网络设计与管理问题。建立的新型路网设计与管理模型同时考虑了0分配电子路票系统与离散路网设计。采用Logit随机用户均衡原理模拟出行者的路线选择行为，并设计具有路段容量和电子路票可行约束的随机均衡问题的有效算法。由于该模型是一个具有不动点约束的数学规划问题，求解比较困难，因此采用常见的群体智能优化算法求解该模型，数值实验验证了模型和算法的有效性和可行性。

基于轨迹大数据的动态最优路径规划

张小芳, 冯慧芳

2021, 0(11): 82-88.

摘要 ( 183 )

PDF (2693KB) ( 69 )

参考文献 | 相关文章 | 计量指标

以轨迹大数据为基础，结合城市交通状态与用户个性化需求，提出一种基于改进Viterbi算法的动态最优路径规划算法。首先融合交通状态和真实路网拓扑结构，构建基于有向多重加权复杂网络的交通网络模型。采用基于层次分析法和熵权法相结合的综合赋权法对交通网络模型的多权重属性进行权重分配，得到新的有向加权复杂网络模型。进一步采用改进的Viterbi算法求解最优路径。最后，以兰州市为例，对最优路径规划进行分析，并将该算法与静态规划方法进行比较，验证城市最优路径规划算法的有效性与实时性。实验结果表明，结合城市交通状态与用户偏向的路径规划更加科学合理，能够为兰州市驾车出行、交通管理部门决策提供决策支持和参考。

基于熵与邻域约束的模糊C均值改进算法

冯俊淇, 张正军, 章曼, 严涛

2021, 0(11): 89-94.

摘要 ( 155 )

PDF (1589KB) ( 75 )

参考文献 | 相关文章 | 计量指标

针对模糊C均值(FCM)聚类算法没有考虑样本不同属性的重要程度、邻域信息等问题，提出一种基于熵与邻域约束的FCM算法。首先通过计算样本各属性的熵值来为各属性赋予权重，结合属性权重改进距离度量函数；随后根据邻域样本与中心样本间的距离计算邻域隶属度权重，加权得到邻域隶属度，利用邻域隶属度约束目标函数，修正隶属度迭代过程，最终达到提升FCM聚类算法性能的目的。理论分析和在人造数据集、多个UCI数据集的试验结果表明，改进后的算法在聚类效果、鲁棒性上均优于传统FCM算法、PCM算法、KFCM算法、KPCM算法和DSFCM算法，表明了本文算法的有效性。

基于ALOHA分区的多周期防碰撞搜索算法

薛伟莲, 李雪娇, 陈杰

2021, 0(11): 95-99.

摘要 ( 105 )

PDF (961KB) ( 55 )

参考文献 | 相关文章 | 计量指标

在射频识别系统中，标签用于传递信息，在阅读器有效作用范围内，多个标签同时响应从而发生碰撞的情况不可避免，标签发生碰撞会降低系统的识别效率。为了提高系统的标签识别效率，本文在已有防碰撞算法的基础上提出一种基于ALOHA分区的多周期防碰撞搜索算法。该算法首先根据待识别标签数目划分相应时隙帧长，然后在发生碰撞的时隙内利用多周期防碰撞搜索算法识别标签，能够有效降低碰撞发生概率，提高标签识别效率。该算法可应用到数量庞大的标签识别系统中，对这类系统具有一定优势。理论分析与实验结果表明：该算法能够有效减少算法时隙数，提高系统的标签识别效率。

融合注意力机制的药用植物文本命名实体识别

王运乾, 王以松, 陈攀峰, 邹龙

2021, 0(11): 100-105.

摘要 ( 213 )

PDF (1043KB) ( 62 )

参考文献 | 相关文章 | 计量指标

药用植物文本的命名实体识别对中医药领域的信息抽取和知识图谱构建起着重要作用。针对药用植物属性文本存在长序列语义稀疏的问题，提出一种基于注意力机制的双向长短时记忆网络(BiLSTM)和条件随机场(CRF)模型相结合的疾病实体识别方法（BiLSTM+ATT-CRF，BAC）。首先对药用植物属性文本进行预处理和半自动化标注构建数据集，并进行预训练得到低维词向量；然后将这些低维词向量输入BiLSTM网络中，得到双向语义依赖的特征向量；Attention层把注意力集中到与当前输出特征高度相关的信息上；最后通过条件随机场（CRF）算法获取最优的标签序列并解码输出。实验结果表明，BAC方法针对药用植物属性文本的长序列语义稀疏问题，疾病命名实体识别效果较传统方法更优。利用BAC方法训练好的模型从1680条文本句子中识别疾病命名实体，共抽取出1422个疾病实体。与药用植物名称进行匹配，共抽取出4316个药用植物治疗疾病的三元组数据。

基于改进残差密集网络的心律失常自动分类

李传栋, 邱磊, 于雁

2021, 0(11): 106-111.

摘要 ( 130 )

PDF (899KB) ( 59 )

参考文献 | 相关文章 | 计量指标

实现对不同类型心律失常的自动分类可为医生提供可靠诊断信息，有效提高该类疾病的诊断效率。因此，本文提出一种改进的残差密集网络用于心律失常的自动分类。该模型将改进的残差密集块作为残差密集网络的基本模块，使用深度可分离卷积替代传统卷积可有效提取通道间特征，降低参数量，同时引入通道注意力机制，实现特征选择，提高重要特征的权重分布。实验基于2018中国生理信号挑战赛提供的公开数据集，对9种类型的心律失常进行分类，F1均值达到81.2%，优于主流的深度学习网络模型。实验结果验证了该模型的可行性与优势，为心律失常分类提供了一种新的方法。

面向协作式自动泊车的场端单目视觉测距系统

张成龙, 张毅

2021, 0(11): 112-117.

摘要 ( 141 )

PDF (1730KB) ( 73 )

参考文献 | 相关文章 | 计量指标

在协作式自动泊车的实现过程中，较为关键的一点是停车场全局范围内相关车辆的识别与定位，因此本文提出一种应用于场端基于单目视觉的车辆识别与定位方法。首先，考虑基础设施停车场的特点，设计灵活性更好的以分布式架构为核心的感知系统架构，改进SSD网络以使检测模型更适于在边缘处理设备中部署运行；之后分析并构建用于场端的单目视觉测距数学模型；最终综合利用目标检测与视觉测距算法，完成目标车辆的识别与定位。为验证单目视觉测距算法在场端中应用的有效性，在真实的停车场环境中设计模拟实验，进行相应的测试，实验结果表明，视觉测距精度满足系统要求。

基于信道状态信息的安防监控系统

王历, 孙选辰, 姜少维, 俄万林, 李佳康, 逯玉兰

2021, 0(11): 118-126.

摘要 ( 139 )

PDF (1732KB) ( 80 )

参考文献 | 相关文章 | 计量指标

无线网络的信道状态信息（Channel State Information, CSI）是MIMO系统中反映各个子载波信号频谱特性的重要指标，通过在Linux平台上定制Intel 5300网卡驱动，就可在常规的无线网络通信环境下通过编程实现对CSI数据的实时采集。因CSI信息对环境变化十分敏感，因此可用于构建基于CSI的非接触式环境感知系统。本文以CSI为数据载体，详细梳理基于CSI的无线感知应用，建立基于CSI信号的安防监控系统，能够成功检测人员到访事件。系统提取人员到访时间的CSI信号特征〖WTHX〗v〖WTBX〗*t={σ,MaxPt,MinPt,E}并通过实验求得，当其值为〖WTHX〗v〖WTBX〗*t={1×10－3,［1,2］,［1,2］,2.0×10－4}时，系统可获得高达99.07%的检测成功率。

当期目录