计算机与现代化

关云鹏, 刘玉龙

2022, 0(11): 1-8.

摘要 ( 404 )

PDF (1703KB) ( 89 )

参考文献 | 相关文章 | 计量指标

类别型数据聚类被广泛应用于现实世界的不同领域中，如医学科学、计算机科学等。通常的类别型数据聚类，是在基于相异度量上进行研究，针对不同特点的数据集，聚类结果会受到数据集自身特点和噪音信息的影响。此外，基于表示学习的类别型数据聚类，实现复杂，聚类结果受到表示结果的影响较大。本文以共现矩阵为基础，提出一种可以直接考虑类别型数据原始信息关联关系的聚类方法———基于从共现矩阵提取关联的类别型数据聚类方法(CDCBCM)。共现矩阵可被看作是一种对原始数据空间中信息关联情况的汇总。本文通过计算不同对象在各个属性子空间下的共现频率值来构建共现矩阵，并从共现矩阵中去除一些噪音信息，再使用归一化切割来得到聚类结果。本文方法在16个不同领域的公开数据集中进行测试，与8种现有方法进行比较，并采用F1-score指标进行检测。实验结果表明，本文方法在7个数据集上效果最好，平均排名最高，能更好地完成对类别型数据的聚类任务。

基于卷积与稀疏编码的半监督学习方法

刘缨杰, 兰海, 魏宪

2022, 0(11): 9-16.

摘要 ( 276 )

PDF (2127KB) ( 72 )

参考文献 | 相关文章 | 计量指标

卷积神经网络（CNN）在半监督学习中取得了良好的成绩，其在训练阶段既利用有标记样本，也利用无标记样本帮助规范化学习模型。为进一步加强半监督模型的特征学习能力，提高其在图像分类时的性能表现，本文提出一种联合深度半监督卷积神经网络和字典学习的端到端半监督学习方法，称为Semi-supervised Learning based on Sparse Coding and Convolution（SSSConv）；该算法框架旨在学习到鉴别性更强的图像特征表示。SSSConv首先利用CNN提取特征，并对所提取特征进行正交投影变换，下一步通过学习其稀疏编码的低维嵌入以得到图像的特征表示，最后据此进行分类。整个模型框架可进行端到端的半监督学习训练，CNN提取特征部分和稀疏编码字典学习部分具有统一的损失函数，目标一致。本文利用共轭梯度下降算法、链式法则和反向传播等算法对目标函数的参数进行优化，将稀疏编码的相关参数约束于流形上，CNN参数既可定义在欧氏空间，也可以进一步定义在正交空间中。基于半监督分类任务的实验结果验证了所提出SSSConv框架的有效性，与现有方法相比具有较强的竞争力。

基于犹豫模糊Canopy-K均值聚类算法的研究与应用

张子璇, 沙秀艳, 肖霏, 粟宝婵, 隋雨陆, 孟子宸

2022, 0(11): 17-21.

摘要 ( 127 )

PDF (930KB) ( 55 )

参考文献 | 相关文章 | 计量指标

针对传统K均值聚类算法对初始值敏感、易陷入局部极值点，导致数据分类结果不理想的问题，本文提出一种基于犹豫模糊Canopy-K均值聚类算法。首先利用Canopy算法对原始数据进行初步分类，形成多个数据重合的Canopy中心集合，即得到K均值算法的初始聚类中心。然后再利用K均值聚类算法进行聚类，得到最终的聚类结果。最后结合疫情后复工复产企业评价信息数据进行实例分析，从6个方面对复工复产的5个企业发展情况进行评估。将新提出的算法和基于层次分析的K均值聚类算法进行对比分析。结果表明，新提出的方法较大地减少了迭代次数，聚类结果更加合理、稳定和有效。

数据驱动的蒸发器在线建模方法

丁绪东, 杨东润, 刘慧, 赵星凯, 张迎, 孙梅,

2022, 0(11): 22-31.

摘要 ( 97 )

PDF (1886KB) ( 50 )

参考文献 | 相关文章 | 计量指标

针对蒸发器离线建模方法对变量运行工况范围要求较大的问题，利用K-means算法对辨识模型的观测数据进行聚类筛选处理，提出一种基于数据的蒸发器在线建模方法。首先利用DB准则和PSO算法提出K-means算法中最优分类数K*和最优初始聚类中心的确定方法，提高算法的收敛速度，并使用改进的K-means算法获得各簇聚类中心来代替辨识模型的观测数据，减少模型辨识的数据量。然后利用已有的蒸发器模型结构以及模型辨识方法，对模型进行辨识。实验结果表明：利用聚类筛选前、后的观测数据所辨识的模型精度基本相当，分别在±3%和±3.5%以内。最后利用在线观测数据到各聚类中心欧氏距离的分析判断，提出蒸发器的在线建模方法。该方法可以先采用小工况范围的少量离线数据辨识模型，再利用在线数据修正模型参数，扩大模型的适用范围。

基于粒子群算法的移动边缘计算任务分配方法

陈刚, 王志坚, 徐胜超

2022, 0(11): 32-36.

摘要 ( 187 )

PDF (995KB) ( 48 )

参考文献 | 相关文章 | 计量指标

为提高移动终端任务分配效率，降低计算能量损耗，提出基于粒子群算法的移动边缘计算任务分配方法。通过构建异构网络获取完整的需要分配的任务，明确任务分配时所需的特定条件，即分配消耗和时延等。将分配任务转化成寻找分配结果的最优解，构建最优解模型，利用粒子群算法对模型实施求解，经过不断迭代和更新，生成最优边缘计算任务的分配结果。实验结果表明，粒子群方法在分配任务数量为20~100之间时计算时间在1 s~3.3 s；当任务数量为100时，本文方法能耗仅为4107 J；粒子群方法在任务达到率达到100%时，其时延仅为12.5 ms；其任务分配计算时间短、能量消耗小和数据传输的时延短，能较好地满足实际应用需要。

可信赖云计算的通信终端攻击行为识别算法

毛明扬, 徐胜超

2022, 0(11): 37-42.

摘要 ( 102 )

PDF (1082KB) ( 58 )

参考文献 | 相关文章 | 计量指标

木马植入等恶意攻击行为给通信终端带来了严重威胁，为此，提出一种可信赖云计算下的通信终端攻击行为识别算法。利用数据采集模块获取通信终端镜像的数据流，通过可信性验证机制将可信任链扩展到云计算环境的虚拟机管理器和通信终端，检测通信终端运行环境的可信性后，攻击行为识别模块采用贝叶斯算法判断数据流是否包含攻击行为，并通过计算攻击行为数据的最大后验概率判断攻击行为所属类别，并将检测结果反映给管理模块，结合速率限制模块限制含有攻击行为的数据流，直到通信终端所受攻击行为结束。实验结果表明：该算法加入可信性动态验证机制能有效提升通信终端访问安全性，并能保证数据在通信终端遭受攻击行为时的顺利传输；不同程度干扰环境下的通信终端攻击行为识别平均绝对百分误差始终低于0.25%。

面向服务传输的SDN移动网络脆弱性评估模型

包春晖, 庄毅, 郭黎烨

2022, 0(11): 43-51.

摘要 ( 126 )

PDF (1309KB) ( 53 )

参考文献 | 相关文章 | 计量指标

针对现有的脆弱性评估算法无法直接应用于软件定义网络（Software Defined Network， SDN），以及评估技术普遍偏向于网络连通，无法针对服务与传输性能对SDN进行脆弱性分析等问题，提出一种面向服务传输的SDN移动网络脆弱性评估模型与算法，设计基于SDN的移动网络脆弱性评估框架。提出一种对基于SDN的移动网络服务器节点与网络设备进行安全脆弱性分析的方法，将静态配置信息和动态运行信息融合评估节点设备的脆弱性，使评估更加全面准确；针对SDN移动网络的服务与传输特性，从传输拓扑和SDN节点活跃度2个方面，计算面向服务与传输的基于SDN的移动网络节点重要度；最后融合节点设备的安全脆弱性和重要度来对基于SDN的移动网络进行脆弱性评估，得到评估结果。通过实例和仿真实验验证了所提算法的有效性，相比同类算法可达到更高的评估准确性。

基于图像着色的无限制攻击

李世宝, 王杰伟, 崔学荣, 刘建航, 黄庭培

2022, 0(11): 52-59.

摘要 ( 130 )

PDF (3838KB) ( 57 )

参考文献 | 相关文章 | 计量指标

深度学习目前被广泛应用于计算机视觉、机器人技术和自然语言处理等领域。然而，已有研究表明，深度神经网络在对抗样本面前很脆弱，一个精心制作的对抗样本就可以使深度学习模型判断出错。现有的研究大多通过产生微小的Lp范数扰动来误导分类器的对抗性攻击，但是取得的效果并不理想。本文提出一种新的对抗攻击方法——图像着色攻击，将输入样本转为灰度图，设计一种灰度图上色方法指导灰度图着色，最终利用经过上色的图像欺骗分类器实现无限制攻击。实验表明，这种方法制作的对抗样本在欺骗几种最先进的深度神经网络图像分类器方面有不俗表现，并且通过了人类感知研究测试。

结合专家信任的协同过滤推荐算法研究

刘国丽, 徐洪楠, 谭有倩

2022, 0(11): 60-68.

摘要 ( 132 )

PDF (1305KB) ( 57 )

参考文献 | 相关文章 | 计量指标

针对协同过滤推荐算法存在的邻居用户的相似度计算不精确、冷启动等问题，提出一种结合专家信任的协同过滤推荐算法，该算法从相似度、专家信任度和缓解冷启动3个方面进行研究。在相似度方面，将公共评分项蕴含的隐偏好以及项目冷门因子加入到相似度的计算公式中，实现对相似度的改进；在专家信任度方面，提出时间跨度因子，将专家的阅历值考虑到信任度计算中，实现对专家信任度的改进；在冷启动方面，通过联合专家用户和属性相似用户共同为目标用户产生推荐，有效地缓解了冷启动问题。应用MoviesLens数据集进行验证，实验结果表明，改进算法的平均绝对误差、准确率均优于传统算法。

基于改进遗传算法优化BP神经网络的糖尿病并发症预测模型#br#

汪敏, 徐英豪, 朱习军

2022, 0(11): 69-74.

摘要 ( 259 )

PDF (1753KB) ( 49 )

参考文献 | 相关文章 | 计量指标

BP神经网络是在深度学习的研究中使用较为频繁的神经网络。本文提出一种改进遗传算法优化BP神经网络的算法（IGABP），利用遗传算法的全局搜索能力优化BP神经网络的初始结构。由于遗传算法易陷入局部最优解，影响自身的寻优能力，故对遗传算法进行改进，最后构建糖尿病并发症预测模型进而预测糖尿病并发症的发生。本文改进遗传算法的选择算子并改进自适应遗传算法的交叉及变异概率公式。通过构建预测模型，将改进后的IGABP与BP、GABP、AGABP进行比较。仿真实验结果表明，使用IGABP进行预测的准确率要明显优于BP、GABP与AGABP，并且加快了网络的收敛速度。

基于深度Q学习的电力物联网任务卸载研究

丁忠林, 李洋, 曹委, 谈宇浩, 徐波

2022, 0(11): 75-80.

摘要 ( 155 )

PDF (1639KB) ( 61 )

参考文献 | 相关文章 | 计量指标

随着现代化城市与工业生产中电力需求的不断提高，电力物联网（Power Internet of Things, PIoT）作为一种能够显著提高电力系统效率的解决方案受到了广泛关注。为有效解决接入问题，现有的电力设备往往已配备内置轻量级人工智能的5G模组。然而，受制于模组有限的计算能力和通信能力，设备产生的海量数据难以实时处理和分析。基于该问题，本文主要研究电力物联网系统中的任务卸载问题，通过联合优化卸载决策和边缘服务器的计算资源分配，从而降低时延与能耗的加权和。此外本文提出一种基于深度强化学习的任务卸载算法，首先任务在边缘服务器的处理过程建模为队列，其次基于凸优化理论对本地计算资源分配进行优化，最后采用深度Q学习算法优化任务卸载决策。实验结果表明，本文提出的方法能够有效降低系统时延与能耗的加权和。

复杂环境下的多特征融合船舶目标检测算法

王长军, 彭成, 李勇

2022, 0(11): 81-88.

摘要 ( 161 )

PDF (4287KB) ( 69 )

参考文献 | 相关文章 | 计量指标

船舶目标检测作为机器视觉的研究领域之一，对海洋运输业和搜救智能化具有基础性现实意义。但在实际检测中由于复杂的天气环境存在准确率低、定位不准确等问题，本文提出一种复杂环境下的多特征融合船舶目标检测算法。新增侧边融合路径网络，减少特征前向传播丢失，加强信息融合，通过高斯分布以及采用方差投票方法，改进定位损失函数提升滤除重复框效果，使边框定位更加准确从而改善漏检、误检等情况。实验结果表明，在不同天气环境下，该算法的平均准确率（mAP）达到88.01%，与传统YOLOv3和Faster RCNN算法相比分别提高了19.70和15.13个百分点，平均交并比（IoU）增加了6.49个百分点，在复杂环境下的船舶检测应用上具有很好的实用性。

基于改进残差特征蒸馏的轻量级超分辨率网络

吴丽君, 蔡周威, 陈志聪

2022, 0(11): 89-94.

摘要 ( 135 )

PDF (1284KB) ( 66 )

参考文献 | 相关文章 | 计量指标

基于深度学习的图像超分辨率算法通常采用递归的方式或参数共享的策略来减少网络参数，这将增加网络的深度，使得运行网络花费大量的时间，从而很难将模型部署到现实生活中。为了解决上述问题，本文设计一种轻量级超分辨率网络，对中间特征的关联性及重要性进行学习，且在重建部分结合高分辨率图像的特征信息。首先，引入层间注意力模块，通过考虑层与层之间的相关性，自适应地分配重要层次特征的权重。其次，使用增强重建模块提取高分辨率图像中更精细的特征信息，以此得到更加清晰的重建图片。通过大量的对比实验表明，本文设计的网络与其他轻量级模型相比，有更小的网络参数量，并且在重建精度和视觉效果上都有一定的提升。

基于自适应锚框的裂缝目标检测算法研究

尹初, 赵启林, 芮挺, 袁辉, 王剑

2022, 0(11): 95-101.

摘要 ( 161 )

PDF (4083KB) ( 55 )

参考文献 | 相关文章 | 计量指标

随着交通的发展，桥梁在运输过程中扮演着越来越重要的角色,桥梁也更加多样化。因此面对大量工况不同的桥梁，发展一种能便捷学习新工况的智能化裂缝检测技术显得尤为重要。为提高目标检测算法的准确率和效率，本文将裂缝原始图像切分成3种不同分辨率和尺寸的切片，训练网络识别不同尺寸的裂缝。同时为了增加算法的后续拓展性，设计一种根据训练集标注尺寸自适应调整锚框的手段，让算法在后续使用过程中针对不同工程情况需要增加训练数据时，能直接添加数据进行训练，自动调整最佳锚框尺寸，使该算法在实际使用中具有学习改进的空间。与原始YOLOv3网络和文献中的算法对比，本文算法的精确度平均达到91%以上且扩展性更好。

面向复杂机房环境的室内定位技术应用研究#br#

黄智昌, 尚京威

2022, 0(11): 102-110.

摘要 ( 123 )

PDF (2533KB) ( 47 )

参考文献 | 相关文章 | 计量指标

考虑到机房数据中心运维智能化管理迫切需要精准的室内定位服务，针对机房金属遮挡、电磁辐射和其他机房设备干扰严重的复杂环境以及非视距传播误差显著降低传统室内定位精度问题，提出一种运用最优化理论原理和K最邻近算法的抗非视距传播误差的室内三维三边定位算法，在此基础上设计和开发基于超宽带技术的机房室内定位系统，用于复杂机房环境的室内定位导航。实验证明，该定位系统比Wi-Fi、蓝牙指纹定位具有更高的定位精度，在复杂的机房环境下基于非线性最小二乘法进行目标函数求解的最优化方法与KNN算法相结合的室内定位方案具备较好的定位性能，为机房数据中心运维智能化的位置定位导航服务提供了有效的方法和手段。

基于NSGA-II的信息物理系统RESTful API测试套件最小化#br#

燕嘉诚, 印凯欧

2022, 0(11): 111-118.

摘要 ( 96 )

PDF (1140KB) ( 57 )

参考文献 | 相关文章 | 计量指标

测试最小化技术旨在识别和消除测试套件中的冗余测试用例，以减少要执行的测试用例总数，从而提高测试效率。在将计算、通信和过程控制技术紧密结合的信息物理系统中，使用RESTful架构编写的接口，能够轻松实现跨平台跨语言调用。但缺乏对RESTful API测试工作的研究，给信息物理系统中RESTful API的测试以及测试用例的优化带来了挑战。最小化测试套件需要在尽可能覆盖所有测试需求的同时保持较高的故障检测能力。本文使用NSGA-Ⅱ和Random Search来最小化用于测试信息物理系统中RESTful API的测试套件，实验结果表明使用NSGA-Ⅱ优化后的测试套件性能明显优于使用Random Search以及原始的测试套件。

基于TasNet的单通道语音分离技术的研究综述

陆炜, 朱定局

2022, 0(11): 119-126.

摘要 ( 410 )

PDF (1016KB) ( 71 )

参考文献 | 相关文章 | 计量指标

语音分离是声学信号处理中的一项基本任务，具有广泛的应用。得益于深度学习的发展，近年来单通道语音分离系统的性能有了显着提升。特别是，随着一种被称为时域音频网络（Time-domain audio separation Network，TasNet）的新语音分离方法被提出，语音分离技术的研究也逐步从基于时-频域的传统方法过渡至基于时域的方法。本文综述基于TasNet的单通道语音分离技术的研究现状与展望。在回顾基于时-频域的语音分离传统方法之后，本文重点介绍基于TasNet的Conv-TasNet模型以及DPRNN模型，并对比针对各模型的改进研究。最后,本文阐述目前基于TasNet的单通道语音分离模型的局限性,并从模型、数据集、说话人数量以及如何解决复杂场景下的语音分离等层面对未来的研究方向进行讨论。

当期目录