计算机与现代化

徐明, 张剑铭, 陈松航, 陈豪

2021, 0(12): 1-6.

摘要 ( 471 )

PDF (1427KB) ( 406 )

参考文献 | 相关文章 | 计量指标

柔性作业车间调度问题具有解集多样化与解空间复杂的特点，传统多目标优化算法求解时容易陷入局部最优且丢失解的多样性。在建立以最大完工时间、最大能耗、机器总负荷为优化目标的柔性作业车间调度模型的情况下，提出一种改进的非支配排序遗传算法（Improved Non-dominated Sorting Genetic Algorithm II, INSGA-II）求解该模型。INSGA-II算法先将随机式初始化与启发式初始化方法混合，提高种群多样性；然后对工序部分与机器部分采用针对性的交叉、变异策略，提高算法全局搜索能力；最后设计自适应的交叉、变异算子以兼顾算法的全局收敛与局部寻优能力。在mk01～mk07标准数据集上的实验结果显示INSGA-II算法有着更优的算法收敛性与解集多样性。

基于模糊数学理论的导航卫星星间链路运行服务评估方法#br#

贾昌, 刘蕾, 孙剑伟

2021, 0(12): 7-12.

摘要 ( 197 )

PDF (730KB) ( 128 )

参考文献 | 相关文章 | 计量指标

为确保导航卫星星间链路的正常运行和服务效果，星间链路运行服务质量评估成为星间链路领域研究的一大热点。本文构建以OSI参考模型为依据的星间链路运行服务评价体系，依据不同的网络层次对底层指标进行划分，从物理层、链路层、网络层、传输层和应用层多角度、多层次对导航卫星星间链路运行服务进行评价；依据模糊数学理论得到各个评价因素的权重以及隶属度，用以计算出星间链路网络的模糊综合评价值；利用导航卫星星间链路仿真数据，依据建立的评价指标体系以及采用的模糊评估方法，计算出导航卫星星间链路运行服务的仿真数据的模糊评价得分。本文通过对评价体系和方法的研究，以期对导航卫星星间链路运行服务评估提供一个思路。

基于迁移学习的卷积神经网络通道剪枝

冯敬翔

2021, 0(12): 13-18.

摘要 ( 263 )

PDF (1012KB) ( 201 )

参考文献 | 相关文章 | 计量指标

卷积神经网络在计算机视觉等多个领域应用广泛，然而其模型参数量众多、计算开销庞大，导致许多边缘设备无法满足其存储与计算资源要求。针对其边缘部署困难，提出使用迁移学习策略改进基于BN层缩放因子通道剪枝方法的稀疏化过程。本文对比不同层级迁移方案对稀疏化效果与通道剪枝选取容限的影响；并基于网络结构搜索观点设计实验，探究其精度保持极限与迭代结构的收敛性。实验结果表明，对比原模型，采用迁移学习的通道剪枝算法，在精度损失不超过0.10的前提下，参数量减少89.1%，模型存储大小压缩89.3%；对比原剪枝方法，将剪枝阈值从0.85提升到0.97，进一步减少参数42.6%。实验证明，引入迁移策略更易实现充分的稀疏化，提高通道剪枝阈值选取容限，实现更高压缩率；并在迭代剪枝的网络结构搜索过程中，提供更高效的搜索起点，利于快速迭代趋近至搜索空间的一个网络结构局部最优解。

基于WOA优化神经网络的BOTDA传感信息提取

刘亚南, 郭南, 赵阳, 余贶琭,

2021, 0(12): 19-26.

摘要 ( 218 )

PDF (1700KB) ( 149 )

参考文献 | 相关文章 | 计量指标

人工神经网络（ANN）已被应用于获取布里渊光时域分析仪（BOTDA）所测的布里渊频移信息（BFS），然而其存在易陷入局部最优和收敛速度慢等缺点。为了克服上述缺点，本文提出一种基于WOA优化人工神经网络（WOA-NN）快速获取布里渊光纤传感器BFS的方法；随后通过设计非线性收敛因子a，进一步构建基于非线性WOA优化的神经网络（NWOA-NN）用来提取BFS。将提出的2种网络与经典ANN、粒子群优化神经网络（PSO-NN）、遗传算法优化神经网络（GA-NN）等模型进行比较，实验结果表明，本文所提出的WOA-NN模型在提取BOTDA中的温度信息时的性能优于其他3个网络,其所获取的温度的平均RMSE分别低于ANN、PSO-NN和GA-NN约42.66%、52.51%以及45.93%，NWOA-NN模型所获取的平均RMSE进一步优于WOA-NN 19.08%。同时，使用ANN、PSO-NN、GA-NN、WOA-NN和NWOA-NN进行训练所花费的平均时间分别为929.71 s、889.49 s、699.36 s、580.06 s和549.12 s，所提出的2个网络训练时间表现亦较好。

基于通道切分的人体姿态估计算法

周昆阳, 赵梦婷, 张海潮, 邵叶秦

2021, 0(12): 27-36.

摘要 ( 185 )

PDF (7759KB) ( 84 )

参考文献 | 相关文章 | 计量指标

为了提高人体姿态估计的准确率和识别速度，提出一种基于通道切分的人体姿态估计算法Channel-Split Residual Steps Network(Channel-Split RSN)。首先，提出通道切分模块，对切分后的特征通道通过卷积提取特征再融合起来，以获得丰富的特征表示。接着，引入特征增强模块，对特征通道进一步分组，并对不同的分组采取不同的处理策略，以减少特征通道内的相似特征。最后，结合改进的空间注意力机制，提出一种基于特征空间相关性的姿态修正机Context-PRM，得到更加准确的人体姿态估计。在COCO test-dev数据集上的实验结果表明，本文方法达到75.9%的AP和55.36的FPS，并且模型的大小Params(M)仅为18.3。相较于传统的RSN18和传统的RSN50，模型的AP分别提高了5和3.4个百分点，FPS比传统的RSN50快12.08。在更具挑战性的CrowdPose数据集上，本文方法达到66.9%的AP和19.16的FPS，相较于RSN18，AP提高了4.6个百分点。有效提高了人体姿态估计的准确率，且模型具有较快的识别速度。本文源代码公开在https://github.com/qdd1234/Channel-Split-RSN。

基于LDA和Word2vec的微博标签生成算法

陈瀛, 生佳根

2021, 0(12): 37-42.

摘要 ( 338 )

PDF (886KB) ( 108 )

参考文献 | 相关文章 | 计量指标

针对基于传统LDA主题模型的标签生成算法对用户兴趣主题描述不完整的问题，提出一种基于主题嵌入表示的微博用户标签生成算法TopicERP。该算法在LDA模型的基础上，通过引入Word2vec词嵌入模型，对用户兴趣主题进行全面描述，并对匹配度计算方法进行改进。首先利用LDA主题模型对用户微博进行主题分析，生成用户兴趣主题；然后利用Word2vec词嵌入模型将主题文本转换为主题向量，用于匹配度计算；最后，利用余弦相似度和主题在文档中的条件概率，计算主题向量与候选标签匹配度，选取Top-Q的候选标签作为目标用户标签。本文在公开微博数据集microPCU上进行实验，实验结果表明，该算法在总体性能上高于基于传统LDA主题模型的微博标签生成算法，生成的用户标签能够较为准确地描述用户的兴趣偏好。

基于Dueling-DDQN的电力信息网络入侵检测算法

吴水明, 吉志远, 王震宇, 景栋盛

2021, 0(12): 43-47.

摘要 ( 201 )

PDF (1310KB) ( 105 )

参考文献 | 相关文章 | 计量指标

电力信息系统应用智能电网来管理电力设备。随着社会用电总量的增加和智能电网的推广与发展，电力网络的规模逐渐变大且管理复杂，然而，保障电力信息系统的安全是重要的。网络入侵检测技术可以有效避免来自网络的入侵行为和攻击，进而保障系统的安全。本文采用深度强化学习方法中的Dueling-DDQN算法解决网络中存在的入侵检测问题，智能体根据试错式的学习获得奖赏值来训练算法以提高网络入侵检测的效率且同时降低人工成本。最后使用NLS-KDD数据集进行对比实验，实验结果表明基于Dueling-DDQN的网络入侵检测算法可以提高检测的效率，进而更好地保障网络的安全性。

基于区域结构特征的城区LiDAR数据快速分类

韩建, 李林, 曹志民, 段朝辉, 万川,

2021, 0(12): 48-52.

摘要 ( 135 )

PDF (2971KB) ( 85 )

参考文献 | 相关文章 | 计量指标

机载激光雷达能够及时准确地获取大量具有精确三维位置信息的三维点云数据，在数字城市、森林防火、智能交通等领域有着广泛的应用。城市中心区域的三维点云数据往往会因为高大树木或植被的遮挡，造成建筑物等人造目标识别特别困难。本文通过直接的二次多项式拟合方式提取高大树木等植被与建筑物目标典型局部区域的区域信息，构建区域目标敏感的结构特征，进而，通过模糊逻辑即可完成三维点云数据的建筑物目标敏感的分类任务。实验结果表明，该方法能够快速有效地实现较大尺度范围内LiDAR点云数据的分类，具有较好的应用前景和推广能力。

一种基于Faster RCNN的电网图元识别方法

徐剑, 张皓, 徐航, 解凯

2021, 0(12): 53-57.

摘要 ( 164 )

PDF (1096KB) ( 96 )

参考文献 | 相关文章 | 计量指标

电网工程图纸矢量化识别是实现电网领域基础图纸数字化的一种重要技术途径。由于电网中的电气元件类别多，其中部分图像背景模糊，电气元件的旋转角度不一致，从而对图纸中的电气元件的识别造成一定挑战。本文提出一种基于深度学习中Faster RCNN网络架构的电气元件识别和训练方法，将需要训练的样本数据进行预处理和特征提取，在预处理过程进行平滑去噪、二值化、分割等操作，在特征提取过程采用VGG16网络，利用深度学习方法对电网图元进行识别。在包含9类电网图元的真实数据集上的实验结果表明，本文方法对电网工程图纸中的电气元件的识别和检测具有较好的效果。

基于多尺度融合网络的视频快照压缩感知重建

陈勋豪, 杨莹, 黄俊茹, 孙玉宝

2021, 0(12): 58-64.

摘要 ( 190 )

PDF (2539KB) ( 71 )

参考文献 | 相关文章 | 计量指标

视频快照压缩感知基于压缩感知理论，仅在一次曝光过程中将多帧画面投影至二维快照测量，进而实现高速成像。为了从二维快照测量信号恢复出原视频信号，经典的重建算法基于视频的稀疏性先验进行迭代优化求解，但重建质量较低，且耗时过长。深度学习因优异的学习能力而受到广泛关注，基于深度学习的视频快照压缩重建方法也得到关注，但现有深度方法缺乏对于时空特征的有效表达，重建质量仍有待进一步提高。本文提出视频快照压缩感知重建的多尺度融合重构网络（MSF-Net），该网络从横向的卷积深度和纵向的分辨率2个维度展开，分辨率维度利用三维卷积进行不同尺度的视频特征的提取，横向维度利用伪三维卷积残差模块对同分辨率尺度的特征图进行层级提取，并通过不同尺度下的特征交叉融合来学习视频的时空特征。实验结果表明，本文方法能够同时提升重建质量与重建速度。

基于卷积神经网络的苹果栽培品种识别

仇誉, 韩俊英, 封成智, 陈永卫

2021, 0(12): 65-71.

摘要 ( 177 )

PDF (1576KB) ( 98 )

参考文献 | 相关文章 | 计量指标

针对苹果栽培品种识别分类问题，提供一个包含多个苹果果树品种的叶片图像原始数据集，并且研究构建一种新的深度卷积神经网络分类模型，对其分类准确性、泛化性能和稳定性进行对比验证，以期对苹果栽培品种简便、快速、准确的识别分类提供理论依据和技术支持。以甘肃省平凉市静宁县果树果品研究所苹果良种苗木繁育基地作为实验基地，在其中选取14个苹果果树品种。每个品种选取10棵左右树龄、树势、长势都存在差异的果树，采摘100片左右成熟的、无机械损伤的叶片，然后拍摄叶片图像建立数据集，进而利用卷积神经网络训练识别分类模型。本文针对苹果栽培品种识别分类，提供一个包含14个苹果果树品种共计14394张叶片图像的原始数据集，并且设计实现基于卷积神经网络的识别分类模型。实验结果表明，该识别分类模型有较高的准确率，训练集训练精度可以达到99.88%，验证集验证精度为94.36%，独立测试集的测试精度为90.49%。本文的研究结果可以为现代苹果田间种植及科研试验等实际场景提供力所能及的帮助，为深度卷积神经网络技术在植物品种识别分类实际应用场景提供参考，丰富深度学习在农业上的应用。

基于多通道分离整合的多尺度单幅图像去雨算法

汪帆, 魏宪, 郭杰龙, 梁培栋

2021, 0(12): 72-78.

摘要 ( 205 )

PDF (3303KB) ( 118 )

参考文献 | 相关文章 | 计量指标

由于密度不同的雨对图像造成的遮挡不同，图像去雨一直都是一项极具挑战性的任务。目前，基于深度学习的图像去雨算法已经成为主流。然而，多数深度学习的架构都是通过堆叠卷积层来设计的，执行去雨任务后图像仍存在着大小不一的雨痕，这些方法并不能很好地关注训练中雨图的局部信息和上下文信息。为了解决上述问题，本文设计一种基于多通道分离整合的卷积神经网络用于图像去雨。第一步通过通道分离，再利用卷积层间的层级连接，构成多尺度模块，最终将不同通道的输出进行整合。该模块可以增大感受野，探索特征图之间的空间信息，更好地提取特征。第二步利用渐进网络来反复计算挖掘上下文信息，能够很好关联到全局特征。整体模型易于实施，可以端对端训练。在常用的数据集以及自建的自动驾驶雨天数据集上的大量实验表明，本文方法比现有方法取得了明显的改进。

深度连接的超轻量化子空间注意模块

张宸逍, 潘庆, 王效灵

2021, 0(12): 79-84.

摘要 ( 179 )

PDF (1349KB) ( 71 )

参考文献 | 相关文章 | 计量指标

针对紧凑型卷积神经网络在部署现有注意力机制存在计算量或参数开销大的问题，提出一种改进的超轻量化子空间注意模块。首先，深度连接的子空间注意模块(Deep Connected Subspace Attention Mechanism, DCSAM)划分特征图为若干特征子空间，为每个特征子空间推导不同的注意特征图；其次，改进特征子空间进行空间校准的方式；最后，建立前后特征子空间的连接，实现前后特征子空间的信息流动。该子空间注意机制能够学习到多尺度、多频率的特征表示，更适合细粒度分类任务，且与现有视觉模型中的注意力机制是正交和互补的。实验结果表明，在ImageNet-1K和Stanford Cars数据集上，MobileNetV2在参数量和浮点运算数分别减少12%和24%的情况下，最高精度分别提高了0.48和约2个百分点。

基于DT-CWT和SVM的踏面旋转不变纹理提取算法

赵聪慧, 冯庆胜

2021, 0(12): 85-90.

摘要 ( 128 )

PDF (1729KB) ( 66 )

参考文献 | 相关文章 | 计量指标

针对列车车轮踏面旋转纹理信息无法准确、有效提取的问题，提出一种基于Radon变换和双树复小波变换（DT-CWT）的列车车轮踏面特征提取方法。首先，对车轮踏面图像进行Radon变换；然后，对变换后的图像进行DT-CWT分解，使用分解后的各层低频子带系数和高频子带系数模的均值和标准方差构造特征向量，将其作为区分列车车轮踏面是否发生损伤的依据；最后，由支持向量机（SVM）进行分类决策。使用动车所采集的图像及人为加噪声后的图像进行分类实验，结果表明，本文使用的Radon和DT-CWT算法能有效地进行旋转不变纹理的提取，SVM分类正确率可以达到95%，可为列车车轮踏面状况检测提供更为准确便捷的方法支撑。

基于ARCNN-GAP网络的语音情感识别

钱佳琪, 黄鹤鸣, 张会云,

2021, 0(12): 91-95.

摘要 ( 189 )

PDF (1036KB) ( 81 )

参考文献 | 相关文章 | 计量指标

语音情感识别是计算机理解人类情感最直接的方式，是实现人机交互智能化的重要渠道，但识别模型的性能需要进一步提升。为实现这一目标，提出一种基于循环卷积神经网络的语音情感识别模型ARCNN-GAP。其中，循环卷积层具有弹性路径，在确保网络深度的同时能保证优化时的梯度回传，提取更加有效的情感特征；全局平均池化运算可以在减少计算复杂度的同时降低过拟合风险；而注意力机制能够使模型更多关注情感相关特征。使用韵律特征和谱特征的融合特征在CASIA和EMO-DB数据库上进行研究，分别取得了83.29%和75.28%的识别率。实验结果表明：ARCNN-GAP具有更好的识别性能和泛化性。

适用于RPA工具的卷积序列推荐算法

候聪颖, 王鹏, 朱丽霞, 管晓宁

2021, 0(12): 96-102.

摘要 ( 144 )

PDF (1185KB) ( 84 )

参考文献 | 相关文章 | 计量指标

在机器人流程自动化(Robotic Process Automation， RPA)软件中，经常采用序列推荐系统让机器人完成判断、选择等人工处理的任务。然而常用的序列推荐系统受限于序列信息的提取困难等问题，难以得到广泛应用。为了解决这一问题，构建一种基于Inception的卷积序列推荐模型，把时间和潜在空间中的用户行为序列信息嵌入进一幅“图像”中，并通过动态和静态2种不同的卷积层提取其中的局部特征，全面地提取用户的短期兴趣偏好，同时将用户嵌入矩阵作为用户的长期兴趣偏好嵌入到卷积层的输出中，共同构建完整的用户兴趣偏好，提升推荐性能。通过在3种公开数据集MovieLens 1M、Gowalla、Steam上分别进行实验，验证了基于Inception的卷积序列推荐模型的性能优于最新的序列推荐模型，在Top-N序列推荐的3种评价指标中（精确率、召回率、平均AP值），平均提升幅度在10%左右，单个指标上的最大提升幅度为14%。

边缘计算在智慧交通系统中的应用

吴建波, 朱文霞, 剧亮, 许致芳

2021, 0(12): 103-109.

摘要 ( 383 )

PDF (1839KB) ( 217 )

参考文献 | 相关文章 | 计量指标

随着汽车的普及，交通拥堵问题日益严重，依靠传统云计算的智慧交通系统虽能在一定程度上缓解交通压力，但已无法满足辅助驾驶、自动驾驶等新型车载应用对传输带宽与时延的需求。为了实现海量数据的实时处理，保障公众信息及交通安全，提升交通系统运行效率，将边缘计算应用于智慧交通。首先对智慧交通的发展概况进行整体描述，提出基于边缘计算的智慧交通总体架构，充分利用边缘计算物理邻近、高带宽、低时延、位置认知的特点解决目前交通系统信息传递延迟、数据处理不及时、传输负载大等问题。然后，基于无线传输、信息感知、计算卸载及协同处理等方面阐述边缘计算应用于智慧交通亟需解决的关键技术。最后，指出边缘计算应用于智慧交通面临的未来机遇与挑战。

基于文本双表示模型的微博热点话题发现

刘梦颖, 王勇

2021, 0(12): 110-115.

摘要 ( 249 )

PDF (1054KB) ( 102 )

参考文献 | 相关文章 | 计量指标

微博作为当代生活中信息传播的重要平台，对其进行热点话题挖掘成为当今重要的研究方向之一。针对传统的热点话题发现方法在处理微博文本时存在文本表示缺乏语义信息、挖掘热点话题效果差等问题，本文提出一种基于频繁词集和BERT语义的文本双表示模型（Text dual representation model based on frequent word sets and BERT semantics, FWS-BERT），通过该模型计算加权文本相似度对微博文本进行谱聚类，进一步基于改进相似性度量的affinity propagation (AP)聚类算法进行微博话题挖掘，最后通过引入文献计量学中的H指数提出一种话题热度评估方法。实验表明，本文提出的方法在轮廓系数及Calinski-Harabasz（CH）指标值上均高于基于频繁词集的单一文本表示方法和K-means方法，并且能准确地对微博数据进行话题表示和热度评估。

一种面向跨项目软件缺陷预测的特征过滤与实例迁移框架

刁旭炀, 刘晓阳, 徐利, 陈天群, 徐亚周

2021, 0(12): 116-122.

摘要 ( 144 )

PDF (836KB) ( 105 )

参考文献 | 相关文章 | 计量指标

在跨项目软件缺陷预测中，源项目与目标项目的特征关联度与实例分布差异性是影响预测模型性能的主要因素。本文从特征过滤与实例迁移2个角度出发，提出一种跨项目软件缺陷预测框架KCF-KMM(K-medoids Cluster Filtering- Kernel Mean Matching)。在特征过滤阶段，该方法基于K-medoids聚类算法来筛选特征子集，过滤与目标项目关联度低的特征。在实例迁移阶段，通过KMM算法计算源项目与目标项目实例间的分布差异度，以此分配每个训练实例的影响权重。最后，结合目标项目中少量有标注数据建立混合缺陷预测模型。为了验证KCF-KMM的有效性，本文从准确率和F1值的角度出发，分别与经典的跨项目软件缺陷预测方法TCA+、TNB和NNFilter相比，KCF-KMM的预测性能在Apache数据集上可以分别提升34.1%、0.8%、21.1%和14.4%、3.7%、10.6%。

当期目录