计算机与现代化

王传旭, 刘冉

2022, 0(01): 1-9.

摘要 ( 447 )

PDF (3063KB) ( 429 )

参考文献 | 相关文章 | 计量指标

组群成员间的交互关系建模是组群行为识别的核心技术。本文为解决复杂场景下组群关系繁琐、关系推理时复杂度高并存在信息冗余等问题,提出一种交互关系分组推理的模型。首先，利用CNN网络和RoIAlign提取视频帧中的场景信息和个人信息作为初始特征,利用个人空间坐标对人群进行二分组（例如：在Volleyball数据集中，利用参与者的bounding boxes的X坐标信息进行排序，然后为每个人建立序号ID,并从左到右将12名成员分为2组）；其次，将划分后的2个局部分组以及全局场景组群，分别利用图卷积网络（Graph Convolutional Network, GCN）进行组交互关系推理,并确定各自组内的关键人物；然后，以全局关系特征作为真实值，将二分组的局部关系特征合并作为预测值，构建两者之间的交叉熵损失函数反馈优化上一级分组交互关系GCN网络，旨在确保2个分组的关键人物与全局关键人物匹配成功。再以全局交互关系中的关键人物信息为指导，分别与2个分组的关键人物进行匹配，将匹配成功后2个小组中的关键人物作为目标节点，建立组间关系图，并经GCN推理得到组间的关系特征；最后，初始特征分别与组间和全局交互关系特征融合得到2个群组行为支路，经过决策融合得到最终的识别结果。实验表明，在Volleyball数据集和NBA数据集上分别取得93.1%和48.1%的准确率。

基于BiLSTM和ResCNN的实体关系抽取方法

徐小亮, 赵英

2022, 0(01): 10-16.

摘要 ( 368 )

PDF (1310KB) ( 335 )

参考文献 | 相关文章 | 计量指标

当前大多数实体关系抽取方法无法获取较长句子中的远距离依赖信息，并且由于远程监督数据噪声的干扰导致关系抽取性能下降。因此本文提出一种基于双向长短期记忆网络（BiLSTM）和残差卷积神经网络（ResCNN）的实体关系抽取模型，该模型在向量表示阶段采用BiLSTM获取词语的上下文信息向量，利用残差网络将卷积神经网络中低层的特征传递到高层，有效解决梯度消失问题。同时将挤压-激励块嵌入残差网络中，能大幅降低数据噪声，强化特征传递，在池化阶段采用分段最大化池化方法来捕捉实体对的结构信息。设计在NYT-Freebase数据集上的验证实验，实验结果表明，该模型能够充分学习特征，显著提升实体关系抽取的效果。

容器热迁移的快速内存同步技术

游强志, 胡怀湘, 陈相宇

2022, 0(01): 17-22.

摘要 ( 318 )

PDF (944KB) ( 288 )

参考文献 | 相关文章 | 计量指标

容器热迁移是云平台负载均衡技术的基础，也是集群故障管理、底层系统维护的重要保障。目前容器热迁移的实现主要基于checkpoint/restore机制，即对正在运行的容器做检查点操作，随后停止容器，传输镜像文件至目的主机后恢复，迁移消耗时间包括检查点时间、传输时间和恢复时间。为了减少容器热迁移的停机时间和减小传输消耗，本文设计并实现一种基于预拷贝（pre-copy）迁移算法的容器热迁移方案，并且采用快速内存同步关键技术，该技术包含3种方法：细粒度脏内存识别、脏内存压缩传输、提前合并增量内存。实验表明，本文所提出的方案及优化技术可以明显减少停机时间和传输开销。

基于ADE-Stacking的心力衰竭非计划性再入院风险预测模型

王磊, 宋波

2022, 0(01): 23-27.

摘要 ( 187 )

PDF (1039KB) ( 104 )

参考文献 | 相关文章 | 计量指标

随着人口老龄化加剧，心力衰竭发病率升高，心衰患者的非计划性再入院问题导致患者生存质量降低、医疗成本升高的情况日益严重，因此成为了一个亟待解决的问题。本文针对再入院风险预测问题，提出一种基于ADE-Stacking的心衰患者非计划性再入院风险预测模型，这一模型主要由集成学习算法模型构建与参数优化2部分构成，集成学习算法可以结合多个弱分类器的优势，使模型具有更好的泛化性和准确率，参数优化部分采用自适应收缩因子F改进的差分进化算法寻优，以提高参数寻优性能。使用心力衰竭再入院病人数据集对模型进行训练与测试，结果显示本文所提出的模型优于风险预测模型常用的随机森林、XGBoost、支持向量机等其他机器学习算法。

基于模型特征匹配的BIM模型混合推荐算法

肖宏宇, 曾文驱, 王淑营

2022, 0(01): 28-32.

摘要 ( 210 )

PDF (757KB) ( 158 )

参考文献 | 相关文章 | 计量指标

为了辅助地铁工程的专业设计人员从BIM模型实例库中快速获取匹配当前设计需求的参考模型，提出一种基于特征匹配的BIM模型混合推荐算法。首先基于Revit二次开发从BIM模型中获取特征数据；随后，利用模型特征参数等基本信息，采用熵权灰色关联模型计算模型实例的推荐度；然后，结合用户交互数据，采用梯度提升决策树算法(GBDT)与逻辑回归(LR)算法的融合模型计算模型实例的推荐度；最后，根据训练数据集的规模动态调整2种推荐度的组合比例。实验表明，该方法不仅避免了系统冷启动问题，并且在足够的用户交互数据支持下有更好的BIM模型推荐质量。

多种群并行协作的粒子群算法

郭成, 张万达, 王波, 王加富

2022, 0(01): 33-40.

摘要 ( 365 )

PDF (3326KB) ( 163 )

参考文献 | 相关文章 | 计量指标

针对高维复杂优化问题在求解时容易产生维数灾难导致算法极易陷入局部最优的问题，提出一种能够综合考虑高维复杂优化问题的特性，动态调整进化策略的多种群并行协作的粒子群算法。该算法在分析高维复杂问题求解过程中的粒子特点的基础上，建立融合环形拓扑、全连接形拓扑和冯诺依曼拓扑结构的粒子群算法的多种群并行协作的网络模型。该模型结合3种拓扑结构的粒子群算法在解决高维复杂优化问题时的优点，设计一种基于多群落粒子广播-反馈的动态进化策略及其进化算法，实现高维复杂优化环境中拓扑的动态适应，使算法在求解高维单峰函数和多峰函数时均具有较强的搜索能力。仿真结果表明，该算法在求解高维复杂优化问题的寻优精度和收敛速度方面均有良好的性能。

云环境大数据工作流编排管理系统研究综述

曹禹, 李晓辉, 刘忠麟, 贾贺, 费志伟

2022, 0(01): 41-53.

摘要 ( 226 )

PDF (1624KB) ( 124 )

参考文献 | 相关文章 | 计量指标

随着大数据分析处理需求日益复杂，分析处理过程的表达需要转变为依据任务以及任务间依赖关系构建的大数据工作流的形式，以实现其结构化、可重复、可控制、可扩展以及自动化执行，大数据工作流的编排管理成为重要的研究课题，云计算环境下资源的异构性使得该问题变得更为复杂。本文首先将云环境下大数据工作流编排管理研究划分为大数据工作流构建、工作流划分、任务调度与执行以及容错处理4个方面，并在此基础上进行综述，列举并介绍各个方面近年来经典的、关注度较高的研究；然后，针对研究中的主流技术进行分类与梳理，对各项研究中提出的方法及其特性、优势、待改进项等方面进行分析；最后，将视角回归至大数据分析处理系统，分类分析各项研究给系统带来的收益。

基于显著性目标检测的弹着点定位算法

周璇, 朱苏磊, 何为

2022, 0(01): 54-60.

摘要 ( 237 )

PDF (1990KB) ( 154 )

参考文献 | 相关文章 | 计量指标

针对目前炮弹定位方法安全隐患大、人工测量效率低、精度差的问题，本文提出一种基于显著性目标检测网络BASNet(Boundary-Aware Salient Object Detection)的弹着点定位方法。采用改进的BASNet网络，结合注意力机制模块CBAM(Convolutional Block Attention Module)、金字塔池化模块PPM(Pyramid Pooling Module)与深度可分离卷积，对炮弹火焰进行显著性检测，提取弹着点图像坐标。实验结果表明，该方法在自制的炮弹火焰数据集上的检测精度F值达到0.914，MAE为0.006，推理速度为3.86 fps，优于BASNet、U2Net等显著性目标检测网络。该方法提取的弹着点图像坐标与真实坐标误差为5.92个像素值，相比于BASNet网络减少近4.85个像素值。综合可知，该算法增强了网络对显著性物体内部的检测精度，提高了模型推理效率，减少了图像弹着点坐标误差，适用于靶场小范围炮弹火焰烟雾的检测，能够满足靶场应用的实测需求。

基于改进探路者算法的多阈值图像分割

王淑平, 李敏, 杜敏, 罗建伟

2022, 0(01): 61-69.

摘要 ( 190 )

PDF (2228KB) ( 135 )

参考文献 | 相关文章 | 计量指标

针对多阈值图像分割方法中存在的计算量大、运行时间长等问题，在标准探路者算法的基础上，引入Tent混沌映射初始化和自适应t分布策略，提出一种基于改进探路者算法的多阈值图像分割方法，该方法以Kapur熵为目标函数对最优分割阈值进行搜索。为了验证算法的有效性，首先通过标准测试函数验证改进探路者算法的收敛精度和收敛速度，然后将改进探路者算法与Kapur熵结合后应用于Berkeley图像数据集进行多阈值分割，并与标准探路者算法、飞蛾扑火算法、灰狼优化算法和粒子群算法进行比较和分析。实验结果表明，提出的改进探路者算法收敛速度更快、求解精度更高，较其他对比算法有着更好的分割效果，且PSNR与SSIM都有更好的表现，能有效解决多阈值图像分割问题。

融合注意力机制的轻量级红外高压套管识别算法

国腾飞, 张则言, 付宏财, 王继选, 牛天宝

2022, 0(01): 70-76.

摘要 ( 172 )

PDF (5759KB) ( 105 )

参考文献 | 相关文章 | 计量指标

为了提高红外图像中变压器高压套管的识别准确率，同时能够满足移动端和其他低端设备对目标检测网络的需要，本文提出一种改进的轻量级红外高压套管识别算法，采用Tiny YOLOv3目标检测网络作为基础检测网络。首先，通过融合CBAM（Convolutional Block Attention Module）注意力机制，将通道注意力与空间注意力机制串联，增大目标检测网络感受野，同时减轻网络计算任务，提升网络性能；然后，分别使用GIoU loss和Focal loss替代原有的边界框损失和置信度损失，从而提高对红外图像中的高压套管识别率，减少漏检、误检情况发生。实验结果表明，改进的网络相比于原Tiny YOLOv3网络，mAP提升到96.28%，F1提升到96.25%，权重文件大小为33.9 MB，远小于YOLOv3训练网络，能够更好地适用于低端设备，为智能变电站的在线监测提供了有利条件。

基于YOLOv3的改进仪表检测算法

黄子平, 黄继风, 周小平

2022, 0(01): 77-84.

摘要 ( 255 )

PDF (2642KB) ( 172 )

参考文献 | 相关文章 | 计量指标

仪表检测是智能仪表测试不可或缺的环节，其效果直接决定仪表测试的准确率。针对仪表检测背景复杂且要求速度快的特点，提出一种基于改进YOLOv3的目标检测算法。基于YOLOv3算法，首先使用DenseNet（Densely Connected Convolutional Networks）替换Darknet中的最后2个网络块，以加强模型对特征的重用。然后采用轻量化的Darknet-46作为特征提取网络，并将DenseNet中的卷积神经网络修改为深度可分离卷积网络，再将所有检测层（YOLO Detection）之前的6层卷积修改为2层，以减少模型的参数。同时引入GDIOU（generalized-IOU and distance-IOU, GDIOU）边界框以回归坐标损失，并根据检测需求重新调整损失函数的权重。实验结果表明，相比原算法，改进的YOLOv3算法参数数量减少40%，在仪表检测中的精确率和召回率分别达到95.83%和94.98%，分别提高2.21个百分点和2.09个百分点，平均精度提高2.42个百分点，检测速度提高30.18%。

基于改进YOLOv4的口罩佩戴检测算法

金鑫, 曾思轲, 刘阳, 武楚涵

2022, 0(01): 85-90.

摘要 ( 295 )

PDF (3871KB) ( 243 )

参考文献 | 相关文章 | 计量指标

为解决YOLOv4在目标检测任务中检测速度低、模型参数多等问题，提出一种改进YOLOv4的目标检测算法。将YOLOv4主干网络中的CSPDarknet53替换成Mobilenet用以增强YOLOv4的特征提取网络,PANet原有的3×3标准卷积被深度可分离卷积取代，以降低计算负荷，从而提高识别速度，减少模型参数。然后使用K-means+〖KG-*3〗+算法对由8565张图像组成的数据集进行anchor维度聚类，以提升算法精度。同时，搭建行人口罩佩戴及人体测温拍摄系统用以在人群密集场所中执行疫情防控任务。在保证YOLOv4-Mobilenet网络精度的前提下，相较于原算法FPS提升200%、模型参数减少82%。改进后的模型平均每秒可检测67张图片，可以胜任实际应用中的口罩佩戴检测任务，结果表明该模型检测效果好、鲁棒性较强。

基于深度级联模型工业安全帽检测算法

杨贞, 朱强强, 彭小宝, 殷志坚, 温海桥, 黄春华

2022, 0(01): 91-97.

摘要 ( 198 )

PDF (13967KB) ( 153 )

参考文献 | 相关文章 | 计量指标

在工业生产中，安全帽对人体头部提供了较好的安全保障。在现场环境中，检验施工人员是否佩戴安全帽主要依靠人工检查，因而效率非常低。为了解决施工现场安全帽检测识别难题，提出一种基于深度级联网络模型的安全帽检测方法。首先通过You Only Look Once version 4 (YOLOv4)检测网络对施工人员进行检测；然后运用注意力机制残差分类网络对人员ROI区域进行分类判断，识别其是否佩戴安全帽。该方法在Ubuntu18.04系统和Pytorch深度学习框架的实验环境中进行，在自主制作工业场景安全帽数据集中进行训练和测试实验。实验结果表明，基于深度级联网络的安全帽识别模型与YOLOv4算法相比，准确率提高了2个百分点，有效提升施工人员安全帽检测效果。

基于深度强化学习的多无人机电力巡检任务规划

马瑞, 欧阳权, 吴兆香, 丛玉华, 王志胜

2022, 0(01): 98-102.

摘要 ( 348 )

PDF (1806KB) ( 570 )

参考文献 | 相关文章 | 计量指标

无人机因其成本低、操控性强等优势，在电网线路与电塔的巡检任务中取得了广泛的应用。在大范围电网巡检任务中，单台无人机由于其续航半径有限，需要多架无人机协作完成巡检任务。传统任务规划方法存在计算速度慢、协作效果不突出等问题。针对以上问题，本文提出一种基于多智能体强化学习值混合网络（QMIX）的任务规划算法，采用集中训练、分散执行的框架，为每架无人机建立循环神经网络，并通过混合网络得到联合动作值函数指导训练。该算法通过设计任务奖赏函数以激发多智能体的协作能力，有效解决多无人机任务规划协作效率低的问题。仿真实验结果表明所提算法的任务时间相比于常用的值分解网络（VDN）算法减少了350.4 s。

融合改进A*与DWA算法的移动机器人路径规划

庞永旭, 袁德成

2022, 0(01): 103-107.

摘要 ( 1300 )

PDF (2046KB) ( 1016 )

参考文献 | 相关文章 | 计量指标

针对移动机器人在复杂环境下实现全局路径最优、未知环境下动态实时避障这一路径规划需求，对传统A*（A-star）算法进行改进，并融合动态窗口法（DWA）实现动态实时避障。首先分析栅格环境下的障碍物占比，将障碍物占比引入传统A*算法，优化启发函数h(n)，从而改进评价函数f(n)，提高其在不同环境下的搜索效率；其次针对复杂栅格环境下传统A*算法优化后的轨迹与障碍物顶点相交问题，优化子节点选择方式，同时删除路径中的冗余节点，提高路径的平滑度；最后融合动态窗口法，实现复杂环境下移动机器人的动态实时避障。通过MATLAB下的对比仿真实验表明，改进算法在轨迹长度、轨迹平滑度以及历经时间上得到优化，满足全局最优且能实现动态实时避障，具有更优秀的路径规划效果。

基于遗传算法的容器云资源配置优化

徐胜超, 熊茂华

2022, 0(01): 108-112.

摘要 ( 218 )

PDF (784KB) ( 275 )

参考文献 | 相关文章 | 计量指标

提出一种基于遗传算法的容器云资源配置优化方法。充分考虑虚拟机配置于物理主机以及容器配置于虚拟机的资源分配情况，将容器云平台数据中心整体能耗最低作为目标函数，设置物理主机与虚拟机对应、虚拟机与容器对应等约束条件，利用遗传算法通过染色体表达、初始化、交叉操作、变异操作以及设置适应度函数5个步骤求解目标函数，获取最优容器云环境资源配置结果。实验结果表明，本文方法可实现容器云资源的合理配置，提高物理资源的利用效率，实现数据中心节能的目标。

基于扩展传染病模型的谣言溯源

吴杨１, 吴国文１, 张红１, 沈士根２, 曹奇英

2022, 0(01): 113-119.

摘要 ( 265 )

PDF (1868KB) ( 255 )

参考文献 | 相关文章 | 计量指标

为了更加贴合实际情况研究谣言溯源问题，考虑社交网络中对传播谣言节点的封禁隔离能力，扩展经典SIR传染病模型提出SIOR（Susceptible-Infected-isOlated-Removed）模型。基于最优信息传播过程计算出谣言源的估计值，并且针对SIOR模型验证该估计值近似于网络拓扑中的Jordan感染中心。根据RI(Reverse Infection)算法，提出一种针对SIOR模型的反向信息传播算法,该算法可以识别出网络拓扑图中的Jordan感染中心。最后在不同的网络中模拟实验，验证该算法的溯源效率比传统的溯源算法更优，此外，与SIR模型下溯源对比，SIOR模型溯源的准确性有所提高。

基于区块链的无证书签密方案

张天喜, 王利朋, 付俊俊, 崔驰, 靳梦璐

2022, 0(01): 120-126.

摘要 ( 300 )

PDF (969KB) ( 315 )

参考文献 | 相关文章 | 计量指标

签密算法能够在一个逻辑步骤中同时实现加密和签名功能，相较于传统的先签名后加密方案，签密算法具有计算量与通信成本低的优点，被广泛应用于电子支付、物联网等场景中。现有的基于椭圆曲线和双线性对实现的签密方案普遍存在执行效率低的问题，因此本文提出一种基于区块链的无证书签密方案。新方案基于离散对数实现，具有执行效率高等优点。新方案同时利用区块链不可篡改性和可追溯等优点，用以实现方案的不可否认性。安全性分析表明本文方案具有不可否认性、机密性及不可伪造等特性，性能分析表明新方案执行效率较高，仿真实验显示引入区块链后对系统整体性能影响甚微。

当期目录