计算机与现代化

王扬, 陈梅, 李晖

2022, 0(10): 1-7.

摘要 ( 329 )

PDF (1330KB) ( 82 )

参考文献 | 相关文章 | 计量指标

针对在线教育平台行为日志推荐模型存在的冷启动问题，设计一种融合高校选课数据的课程推荐方法FOCoR。首先，提出基于遗传算法的特征选择技术FSBGA (Feature Selection Based on Genetic Algorithm)，然后再以特征选择的结果作为输入，基于梯度提升树LightGBM技术构建推荐模型来进行课程推荐。具体地，在提出的FSBGA算法中，构造结合模型损失和特征数量的适应度函数，并在高校选课数据的特征子集空间中搜索出兼顾模型损失和特征数量的最优特征子集。与基于互信息、F检验的特征选择方法相比，在FSBGA算法所选出的特征子集上训练的选课模型在AUC、F1分数、对数损失这3项指标上均优于其它特征选择算法。为了验证本文工作的有效性，将FOCoR与LightGBM、XGBoost、决策树、随机森林、逻辑回归等算法在真实数据集上进行实验和性能评估，结果表明FOCoR在F1分数上取得了最好的性能。

ALBERT结合双向网络的文本分类

黄忠祥, 李明

2022, 0(10): 8-12.

摘要 ( 323 )

PDF (906KB) ( 105 )

参考文献 | 相关文章 | 计量指标

针对目前多标签文本分类算法不能有效利用文本深层信息的缺陷，提出一种利用ALBERT模型进行文本深层信息的特征提取，使用双向LSTM网络进行特征训练，并结合注意力机制强化分类效果，完成分类的模型——ABAT模型。在百度发布的DuEE1.0数据集上进行实验，相对于各对比模型，该模型的各项性能均达到最优，Micro-Precision达到0.9625，Micro-F1达到0.9033，同时模型汉明损失下降到0.0023。实验结果表明，改进的ABAT模型能较好地完成多标签文本分类的任务。

基于VAR模型的加拿大气候变化预测

寇露彦, 廖竞, 李学俊, 吴昌述, 熊建华

2022, 0(10): 13-18.

摘要 ( 314 )

PDF (2673KB) ( 88 )

参考文献 | 相关文章 | 计量指标

南极冰川融化、飓风不断增加、海平面逐渐上涨等现象的出现，使人们意识到全球气候变暖给人类生存带来极大的挑战，对全球气候变化发展趋势的预测是十分有必要的。本文针对全球气候变暖现象，对加拿大具有代表性的4个省份数据进行缺失值填补后分析研究，建立一个考虑太阳辐射强度、二氧化碳含量、土壤含水量、温度、降雨量等因素的向量自回归（VAR）模型。通过对其进行平稳性检验、脉冲响应和方差分析得出具体模型并利用该模型对加拿大气温和降水量进行预测。实验结果表明，未来25年加拿大平均气温将达到15.0410 ℃，平均降水量达到2.0950 mm。

一种基于邻域粒度熵的离群点检测算法

段珣, 杨志勇, 江峰

2022, 0(10): 19-23.

摘要 ( 207 )

PDF (673KB) ( 78 )

参考文献 | 相关文章 | 计量指标

离群点检测是数据挖掘领域的重要研究方向之一，其目的是找出数据集中与其他数据对象显著不同的一小部分数据。离群点检测在网络入侵检测、信用卡欺诈检测、医疗诊断等领域有着非常重要的应用。近年来，粗糙集理论被广泛用于离群点检测，然而，经典的粗糙集模型不能有效处理数值型数据。对此，本文利用邻域粗糙集模型来检测离群点，在邻域粗糙集中引入一种新的信息熵模型——邻域粒度熵。基于邻域粒度熵，提出一种新的离群点检测算法OD_NGE。实验结果表明，相对于已有的离群点检测算法，OD_NGE具有更好的离群点检测性能。

基于GS-LSTM模型的铁路货运量预测

周昌野, 李程

2022, 0(10): 24-28.

摘要 ( 329 )

PDF (1146KB) ( 79 )

参考文献 | 相关文章 | 计量指标

铁路货运量预测的准确性对铁路运输企业制定营销计划和营销决策来说是必要的，尤其是短期铁路货运量的影响至关重要。为了提高铁路货运量的预测精度，提出一种优化长短期记忆网络（Long-Short Term Memory, LSTM）参数的预测模型——GS-LSTM模型，通过利用网格搜索算法（Grid Search）对LSTM模型训练网络中最主要的参数（批量大小、隐含层神经单元个数和学习率）进行优化。基于2005年1月—2021年7月的铁路货运量月度数据，首先建立BP和LSTM模型对预测结果进行比较，LSTM模型比BP模型的MAPE降低1.55个百分点，然后分别对BP和LSTM模型的网络参数进行优化后再进行比较，优化后的2种模型比基础模型的预测效果均有提高，而且优化后的LSTM模型比BP模型的MAPE又进一步降低0.18个百分点。实验结果显示，优化后的LSTM模型预测效果更佳，泛化能力更好，具有很好的研究和使用价值。

基于改进kNN算法与暂稳态特征的非侵入式负荷监测方法

田丰, 邓晓平, 张桂青, 王保义

2022, 0(10): 29-35.

摘要 ( 425 )

PDF (1558KB) ( 114 )

参考文献 | 相关文章 | 计量指标

非侵入式负荷监测（Non-intrusive Load Monitoring, NILM）通过分析电力总回路的电气信息得到回路中各电器的运行数据，为用户的节能优化和电网的优化调度提供依据。现有NILM方法主要将研究重点放在提高负荷识别准确度上，模型复杂度高，难以在嵌入式设备上应用。针对上述问题，提出一种基于改进kNN算法与暂稳态特征的NILM方法。首先选择无需训练的kNN算法作为负荷识别模型，采用距离权重统计方法对kNN算法进行改进，并增加余弦相似度判断机制检验kNN算法负荷识别结果准确性；然后选择暂态特征和稳态特征作为负荷特征以提高负荷特征辨识度；最后利用实验采集数据进行验证，上述NILM方法具有良好的性能。

基于改进模拟退火算法的生鲜农产品配送中心选址

冉昊杰, 王宏智

2022, 0(10): 36-40.

摘要 ( 253 )

PDF (1275KB) ( 96 )

参考文献 | 相关文章 | 计量指标

运用传统模拟退火算法解决复杂非线性规划问题，存在降温速度与求解质量之间的矛盾，已经不能满足生鲜农产品配送中心选址的需求。为解决这一问题，本文设计一种改进模拟退火算法的生鲜农产品配送中心选址方法。其核心思路是将遗传算法与模拟退火算法融合。首先在退火过程的搜索环节引入以配送中心为编码的染色体个体，并筛选出符合目标函数参数条件的染色体集；然后应用改进模拟退火算法实现选址过程的整体优化；最后采用山东省A公司生鲜农产品配送中心选址问题进行仿真模拟。实验对比结果表明，在多次选址求解过程中，改进模拟退火算法能有效减少传统模拟退火算法在运算后期大量迂回搜索、无效搜索的问题，提升生鲜农产品配送中心选址效率。

基于高性能计算的离散介质冲击过程

吴志平, 刘波平, 王康, 李石滨, 胡毕炜, 胡必伟, 游杰

2022, 0(10): 41-46.

摘要 ( 160 )

PDF (3213KB) ( 74 )

参考文献 | 相关文章 | 计量指标

基于高性能计算平台，数值模拟离散介质冲击过程，研究颗粒的恢复系数随冲击速度、颗粒尺度分布的变化规律。结果发现，给定冲击速度时，无论单分散还是多分散颗粒，随着链长度增加，颗粒的恢复系数逐渐达到稳定，只与冲击速度以及所冲击的颗粒的尺寸比相关，并且压缩阶段的冲量是一个不随链长度变化的定值。在此状态下，入射颗粒与链冲击后的恢复系数尽管随冲击速度增加而减小，却远大于与无限大半空间固体壁面冲击的恢复系数。对于多分散链恢复系数，其分布呈现典型的高斯分布的形式，并且该分布与颗粒的初始冲击速度以及颗粒的粒径比有关。

支持动态策略变化的ABAC决策回收

古丽博斯坦·阿克木, 努尔买买提·黑力力

2022, 0(10): 47-54.

摘要 ( 172 )

PDF (1303KB) ( 69 )

参考文献 | 相关文章 | 计量指标

基于属性的访问控制(Attribute-Based Access Control, ABAC)因其灵活、表达能力丰富等特性，成为最常见的访问控制模型之一。然而，ABAC的策略决策点(Policy Decision Point, PDP)繁琐的策略查询任务以及PDP与策略执行点(Policy Enforcement Point, PEP)之间的网络通信影响其访问控制决策的效率。访问控制决策结果的回收利用是解决以上问题的有效方法之一。本文提出一种支持访问控制策略动态变化的、带策略的ABAC访问控制决策结果的回收利用方案。方案针对ABAC的3种变体模型给出如何创建和更新访问控制决策结果的缓存、如何由缓存内容进行精确和近似的访问控制决策。最终，通过原型系统对方案的可行性和有效性进行实验验证，实验结果显示本文提出的方法一定程度上能降低系统的访问控制决策时间并减少PDP的工作负荷。

一种太阳能集热系统集热量实时预测的混合建模方法

刘慧, 丁绪东, 杨东润, 张迎, 刘忠晨, 孙梅

2022, 0(10): 55-61.

摘要 ( 225 )

PDF (2053KB) ( 82 )

参考文献 | 相关文章 | 计量指标

太阳能集热器的集热量受光照度、环境温度、风速等多种因素的影响，其预测模型很难从预测精度和实时性上同时满足用户需求。本文提出一种实时预测太阳能集热系统集热量的混合建模方法。该方法首先从能量守恒出发，根据热管式太阳能集热系统传热机理推导出集热量的理论模型，并把理论模型中的散热系数、透射率、吸收率等经验参数以及采光面积、散热面积等几何参数集总为模型的未知参数，进而提出混合模型的结构。然后，利用TRNSYS仿真软件搭建太阳能集热器模拟仿真系统，对仿真系统不同的运行工况进行仿真实验，获取用于辨识混合模型未知参数的稳态数据。最后，选用粒子群优化算法（PSO）作为模型参数的辨识方法，利用所获得的稳态数据辨识模型的未知参数。模型预测值与仿真实验结果的比较表明，预测模型简单而精确，能够在各种工况下实时地、高精度地预测太阳能集热器的集热量，其平均相对误差可达到2.02%。该模型在太阳能热泵、太阳能热水器等系统的优化控制领域得以广泛应用。

面向海量植物图像的智能检索系统设计

邱金水, 庄会富, 金涛

2022, 0(10): 62-67.

摘要 ( 189 )

PDF (1852KB) ( 77 )

参考文献 | 相关文章 | 计量指标

针对传统软件技术设计的植物图像检索系统中存在无法实现智能检索、植物图像数量增长慢、检索系统难以扩容，以及当植物图像数量达到百万级以上时检索效率低和检索请求高并发时植物图像加载慢等问题，提出利用百度AI技术、ImageSharp图像分割技术和CV2颜色识别技术实现植物图像的智能检索。利用FastDFS技术实现检索系统的动态扩容、负载均衡和植物图像的快速加载，利用Solr搜索引擎技术提高海量植物图像的检索效率，利用Python爬虫技术不断丰富检索系统的植物图像从而实现检索系统的可持续化发展。实验结果表明，通过上述技术能够构建一个面向海量植物图像的智能检索系统。

细粒度图像分类的通道自适应判别性学习方法

杨贞, 单孟姣, 殷志坚, 杨凡, 李翠梅

2022, 0(10): 68-74.

摘要 ( 210 )

PDF (3299KB) ( 100 )

参考文献 | 相关文章 | 计量指标

由于类内差异大且类间差异小，因此细粒度图像分类极具挑战性。鉴于深层特征具有很强的特征表示能力，而中层特征又能有效地补充全局特征在图像细粒度识别中的缺失信息，因此，为了充分利用卷积层的特征，本文提出细粒度图像分类的通道自适应判别性学习方法：首先在通道方向上聚集中级特征以获取目标位置；然后对通过感兴趣区域特征交互级联得到的信息进行分类；最后进行端到端的训练，无需任何边界框和零件注释。在CUB-200-2011、Stanford Cars和FGVC-Aircraft这3个公共数据集上开展大量实验，与其他方法相比，本文方法既可以保持简单性和推理效率又可提升分类准确度。

基于可分离结构变换的轻量级Vision Transformer

黄延辉, 兰海, 魏宪

2022, 0(10): 75-81.

摘要 ( 442 )

PDF (2702KB) ( 101 )

参考文献 | 相关文章 | 计量指标

由于视觉Transformer结构模型参数量大、浮点计算次数高，使得其难以部署到终端设备上。因为注意力矩阵存在低秩瓶颈，所以模型压缩算法和注意力机制加速算法不能很好地平衡模型参数量、模型推理速度和模型性能之间的关系。为了解决上述问题，本文设计一种轻量级的ViT-SST模型用于图像分类任务。首先，通过将传统全连接层转换为可分离结构，大幅度降低模型参数量且提高了模型推理速度，保证了注意力矩阵不会因出现低秩而破坏模型表达能力；其次，提出一种基于SVD分解的克罗内克积近似分解法，可以将公开的ViT-Base模型预训练参数转换至ViT-Base-SST模型，略微缓解了ViT模型的过拟合现象并提高了模型精度。在常见公开图片数据集CIFAR系列和Caltech系列上的实验验证了本文方法优于对比方法

拥抱融合的多模态灾害分析算法

梅欣, 缪梓敬

2022, 0(10): 82-87.

摘要 ( 249 )

PDF (1013KB) ( 84 )

参考文献 | 相关文章 | 计量指标

融合文本和图像的多模态信息相对于单模态可以提升灾害事件分析准确率。但是已有的工作多数将文本特征和图片特征进行简单的融合，在提取、融合特征的时候造成特征的冗余，同时忽略了模态之间的联系，没有考虑到图像和文本之间特征的相关性。为此，本文分析和研究目前流行的多模态融合算法，提出一种拥抱融合的多模态灾害事件分析算法。首先将文本特征和图像的特征向量互相对比，考虑文本和图像特征之间的相关性。然后基于多项抽样，剔除冗余的特征，融合文本特征和图像特征。实验结果表明，拥抱融合在CrisisMMD2.0数据集上实验1的2个任务的分类效果准确率分别高达88.2%、85.1%，都明显优于其他多模态融合模型，表明了该模型的有效性。同时第2个实验也验证了拥抱模型对于不同文本和图像深度学习模型的适用性。

非对称异步移动传感网中低延时邻居发现算法

黄庭培, 张亚, 李世宝, 刘建航

2022, 0(10): 88-94.

摘要 ( 151 )

PDF (1891KB) ( 74 )

参考文献 | 相关文章 | 计量指标

邻居发现即通过一定的手段快速而有效地去感知与节点能够直接通信的一跳范围内的邻居的问题，是移动传感网（MSN）的重要部分。非对称异步MSN中，已有的算法需要大量的时间和能量去完成相互发现。针对此问题，基于信标与活动时隙分离的邻居发现模型，提出一种适用于异步对称场景的BMCS-A算法，信标在工作周期的不同时隙进行广播以保证邻居发现的确定性。其次，扩展BMCS-A，提出一种持续性广播的BMCS-B算法，节点在第一个子周期内持续性广播信标，接收到该信标的节点将自适应地调整信标的发送时刻以加快邻居发现过程。最后，实现协作式BMCS-B算法，基于已发现邻居的睡眠苏醒调度信息，节点主动发送信标去发现潜在的邻居。仿真实验结果表明，与Searchlight、G-Nihao和Disco相比，协作式BMCS-B将最坏发现时延分别降低了84.62%、85.71%和81.82%。

基于缓存价值的命名数据网络缓存优化策略

杨昊, 高全力, 李雪花, 赵辉, 金帅, 徐国梁

2022, 0(10): 95-99.

摘要 ( 223 )

PDF (1335KB) ( 72 )

参考文献 | 相关文章 | 计量指标

为了解决当前命名数据网络（Named Data Network）中的传统缓存决定策略如LCE (Leave Copy Everywhere)、LCD (Leave Copy Down)、Prob (Copy with Probability)中存在的由于路由器缓存利用不合理导致的路由器缓存命中率过低，及满足用户请求所需跳数过多导致的时延过大等问题，提出一种基于缓存价值的缓存策略。该策略结合兴趣包路由跳数与所请求数据包大小，以及兴趣包所经过路由节点缓存情况，计算数据包缓存价值，由此将数据包缓存在合适的节点，以提高缓存命中率。在此基础上考虑下游节点的过滤效应，提出相对于传统缓存替换策略LRU、LFU的基于动态缓存价值的缓存替换策略，以进一步提高缓存命中率。经过大量仿真对比实验，验证了本文提出算法的有效性及可用性。

面向信息网模型的动态数据划分算法

袁嘉立, 刘梦赤

2022, 0(10): 100-105.

摘要 ( 164 )

PDF (914KB) ( 70 )

参考文献 | 相关文章 | 计量指标

针对分布式信息网数据库管理系统中因跨节点的复杂查询带来的昂贵通信开销，提出一种基于信息网模型和查询的数据动态划分算法。该算法根据信息网模型的关系特性和历史关系信息得到数据之间的初始关联，并结合历史查询信息挖掘数据之间的潜在关联，将关联性较强的数据动态调整到同一个处理节点上，使复杂查询跨节点的数量减少。最后，在标准合成数据集WatDiv上进行大量的实验评估。实验结果表明：在保证节点之间的对象个数和关系对占比负载均衡的情况下，该算法在周期内的查询时间与一致性哈希算法相比缩短了35%~55%，并将多个周期相同查询的时间波动控制在5%~10%，保证了复杂查询的稳定性。

面向区块链溯源的链下扩展存储方案

张斌, 李大鹏, 蒋锐, 王小明

2022, 0(10): 106-112.

摘要 ( 258 )

PDF (1483KB) ( 77 )

参考文献 | 相关文章 | 计量指标

在基于区块链的供应链管理溯源系统中，由于区块链技术是一种基于分布式的系统，对于区块链中存储的数据所有节点都会进行备份，如果直接把溯源数据存储在链上，这会导致数据占用大量内存，增加溯源系统维护成本和降低系统响应速度的问题。因此提出一种链下扩展存储方案，该方案首先利用SHA-256哈希算法的单向性对明文数据进行哈希运算得到哈希值，然后采用SM2加密算法产生的私钥对哈希值进行签名，保证信息上传者身份的可靠，最后把哈希值和签名值通过智能合约保存在区块链中，明文数据和其哈希值与签名值在区块链上存储的地址则存储在数据库中。通过结合中心化存储和区块链技术各自的优势，既可以保证溯源数据不可被篡改又可以有效减少区块链网络中溯源数据所占内存的大小。最后，在所提方案的基础上，对溯源系统进行详细设计并采用以太坊区块链平台对其进行实现。

BBR拥塞控制算法延迟及带宽探测优化

黄宏平, 朱小勇, 王志远,

2022, 0(10): 113-120.

摘要 ( 507 )

PDF (2082KB) ( 130 )

参考文献 | 相关文章 | 计量指标

传统基于丢包的拥塞控制算法因为其高丢包率和引发缓冲区膨胀问题已经不能满足许多应用对网络性能的要求。谷歌提出的BBR（Bottleneck Bandwidth and Round Trip）算法以其抗丢包、高带宽利用率和低延迟等特性受到广泛关注与研究。但是BBR还存在排队延迟仍然较高、在RTT（Round Trip Time）较小环境下表现不佳、带宽探测不及时等问题。本文对BBR排队延迟和收敛性进行分析，进而提出改进方法：限制在外数据包数，并根据网络反馈适时减少拥塞窗口大小来降低延迟；在RTT较小环境下，将探测RTT阶段之前的带宽估计延续到探测RTT阶段之后；设置平稳状态最长保持时间及时退出平稳周期并进入探测周期。在NS3中的仿真实验结果表明，改进BBR降低了RTT及其抖动，提高了算法的收敛速度；能够在RTT较小环境下高效利用带宽；改进BBR能够显著提高长RTT流的带宽探测频率。

多模态融合的特征提取方法在SA检测中的应用

杨娟, 滕飞, 郭大林

2022, 0(10): 121-126.

摘要 ( 342 )

PDF (1533KB) ( 82 )

参考文献 | 相关文章 | 计量指标

为解决睡眠呼吸暂停(Sleep Apnea, SA)检测中使用传统的机器学习方法需花大量工作在特征工程上导致效率低下，以及模型多以单通道信号进行特征提取存在识别效果不佳的问题，提出一种基于时序卷积网络(Temporal Convolutional Network, TCN)和堆叠稀疏降噪自编码器(Stacked Sparse Denoismg Auto-Encoder, SSDAEs)的多模态特征融合模型来实现特征自动提取。该模型以心电和呼吸2种信号作为输入，首先利用TCN网络提取输入信号的时序特征，然后通过SSDAEs提取信号的浅层与深层的高维特征，对于不同特征空间的心电信号特征和呼吸信号特征采用一个小型神经网络进行特征融合，将该模型与随机森林算法结合，用于解决SA片段检测问题。实验结果表明，该方法在SA片段检测的准确率、灵敏度、特异性分别是91.5%、88.9%、90.8%。通过与以往相关研究对比，验证了该模型的SA检测性能更好，效率更高。

当期目录