计算机与现代化

袁莉1, 2, 刘敦龙1, 2, 桑学佳1, 2, 张少杰3, 陈乔4

2024, 0(03): 1-6. doi:10.3969/j.issn.1006-2475.2024.03.001

摘要 ( 139 )

PDF (3108KB) ( 269 )

相关文章 | 计量指标

摘要：环境干扰噪声是泥石流次声现场监测的主要挑战，极大限制了泥石流次声信号识别的准确率。鉴于深度学习在声学信号识别中的优异表现，本文提出一种基于改进的AlexNet网络的泥石流次声信号识别方法，有效提升泥石流次声信号识别准确率和收敛速度。首先对原始次声数据集进行数据扩充、滤波降噪等预处理，并利用小波变换生成时频谱图像，然后将得到的时频谱图像作为输入，通过减小卷积核、引入批量归一化层和选择Adam优化算法搭建改进的AlexNet网络模型。实验结果表明，改进的AlexNet网络模型识别准确率为91.48%，实现了泥石流次声信号的智能识别，可为泥石流次声监测预警提供高效、可靠的技术支撑。

基于改进D3QN算法的泊车机器人路径规划

王健铭1, 王欣1, 李养辉2, 王殿龙1

2024, 0(03): 7-14. doi:10.3969/j.issn.1006-2475.2024.03.002

摘要 ( 164 )

PDF (2440KB) ( 251 )

参考文献 | 相关文章 | 计量指标

摘要：针对城市泊车问题，泊车机器人应运而生，其路径规划是重要的研究方向。由于A*算法的局限性，本文引入深度强化学习思想，并对由此发展起来的D3QN算法进行改进，将残差网络取代卷积网络，引入注意力机制，从而提出SE-RD3QN算法，以改善网络退化现象和提高收敛速度，并提升模型的精准率。在算法训练过程中，改进奖惩机制，以实现最优方案的快速收敛。通过与D3QN算法、增加残差层的RD3QN算法的对比实验，结果表明本文提出的SE-RD3QN算法在模型训练时可实现更快的收敛速度。与目前常用的A*+TEB算法的对比实验，结果表明本文算法在路径规划时可获得更短的路径长度与规划时间。最后通过模拟小车的实物实验，进一步验证了算法的有效性。这为停车路径规划提供了新的解决方案。

基于语义和结构增强的时序知识图谱问答方法

黄政霖, 董宝良

2024, 0(03): 15-23. doi:10.3969/j.issn.1006-2475.2024.03.003

摘要 ( 148 )

PDF (1330KB) ( 178 )

参考文献 | 相关文章 | 计量指标

摘要：知识图谱作为自然语言处理领域中的热门研究主题之一，一直受到学术界的广泛关注。在现实中，知识问答过程往往携带时间信息，因此，近年来，应用时序知识图谱来完成知识问答的技术广泛受到学者的青睐。传统的时序知识图谱问答技术主要通过对问题进行编码来完成推理过程，但其无法处理问题中包含的复杂的实体和时间关系。基于此，提出一种基于语义和结构增强的时序知识图谱问答方法，在推理过程中兼顾问题的语义信息和结构信息，提升对复杂问题正确回答的概率。首先，该方法解析出问题中的隐式时间表达，并基于时序知识图谱中的信息，用直接表达方式改写问题，再根据问题集合中的时间粒度，按照不同的时间粒度聚合时序知识图谱中的时间信息。其次，基于问题中的实体信息和时间信息，对问题语义信息进行表示和融合，以加强对于实体和时间语义的学习。再次，基于提取到的实体完成子图提取，并利用图卷积神经网络提取子图的结构信息。最后，将融合后的问题语义信息与结构信息进行拼接，并对候选答案进行评分，选取评分最高的实体作为答案。在MultiTQ数据集上进行对比测试，实验结果表明，提出的模型优于其他基准模型。

融合词典信息和句子语义的中文命名实体识别

王谭, 陈金广, 马丽丽

2024, 0(03): 24-28. doi:10.3969/j.issn.1006-2475.2024.03.004

摘要 ( 97 )

PDF (1147KB) ( 183 )

参考文献 | 相关文章 | 计量指标

摘要：受益于深度学习技术的蓬勃发展，命名实体识别任务的性能也得到了进一步的提升。然而，基于深度学习网络的模型的优秀性能严重依赖于大量的标注样本的支持，在缺少标注样本的小数据集上难以充分挖掘深层次信息，导致识别效果不佳。基于以上问题，本文提出一种融合词典信息和句子语义的中文命名实体识别模型LS-NER。首先，将字符在词典中匹配到的潜在词作为先验词汇信息供模型学习，应对中文分词问题。然后，将用于计算文本相似度的带有语义信息的句子嵌入并应用到命名实体识别任务中，帮助模型从相似的句子中寻找相似实体。最后，设计基于注意力机制思想的特征融合方式，使模型能够充分学习句子嵌入带来的语义信息。实验结果表明，本文模型在小数据集Resume和Weibo上应用均达到了不错的性能，在未增加其他外部信息的前提下，句子语义能帮助模型学习到更深层次的特征，比未添加句子信息的模型的F1分数分别高出0.15个百分点和2.26个百分点。

基于多任务学习的近岸舰船检测方法

刘馨嫔1, 2, 3, 王洪1, 3, 赵良瑾1, 3

2024, 0(03): 29-33. doi:10.3969/j.issn.1006-2475.2024.03.005

摘要 ( 85 )

PDF (1895KB) ( 150 )

参考文献 | 相关文章 | 计量指标

摘要：在遥感光学图像近岸舰船目标检测任务中，针对近岸复杂场景中存在形状近似目标的虚警问题，提出一种基于多任务学习的近岸舰船目标检测方法。该方法通过构建海陆分割任务与舰船检测任务并行双路框架，将传统的任务串行处理流程优化为并行处理方式，设计联合损失函数进行双路优化训练约束，提升模型训练的稳定性，通过双分支融合模块剔除陆地掩膜中的检测结果，实现陆地虚警滤除。采用谷歌地球遥感图像制作的数据集进行实验，将本文提出的方法与单任务检测算法YOLOv5相比，mAP提升了4.4个百分点，虚警率降低了3.4个百分点。实验结果表明本文算法对陆地虚警抑制有效。

基于知识图谱的多目标可解释性推荐

杨孟, 杨进, 陈步前

2024, 0(03): 34-40. doi:10.3969/j.issn.1006-2475.2024.03.006

摘要 ( 108 )

PDF (2228KB) ( 122 )

参考文献 | 相关文章 | 计量指标

摘要：现有的推荐系统研究大多集中在如何提高推荐的精度上，而忽略了推荐的可解释性。为了最大程度地提高用户对推荐项的满意度，提出一种基于知识图谱的多目标可解释性推荐模型，同时优化推荐的准确性、新颖性、多样性和可解释性。首先通过知识图谱得到用户可解释的候选列表，并利用统一的方法以目标用户的交互项和推荐项之间的路径作为解释依据对推荐的可解释性进行量化，最后通过多目标优化算法对可解释的候选列表进行优化，得到最终的推荐列表。在Movielens和Epinions数据集上的实验结果表明，本文所提出的模型可以在不降低准确性、新颖性和多样性的情况下提高推荐的可解释能力。

面向摄像头视频监控的泥石流发生场景智能识别方法

胡美辰1, 2, 刘敦龙1, 2, 桑学佳1, 2, 张少杰3, 陈乔4

2024, 0(03): 41-46. doi:10.3969/j.issn.1006-2475.2024.03.007

摘要 ( 184 )

PDF (2573KB) ( 386 )

参考文献 | 相关文章 | 计量指标

摘要：摄像头视频监控在泥石流防灾减灾中的应用较为广泛，但现有的视频检测技术功能有限，无法自动判断出泥石流灾害事件的发生。针对这一问题，本文基于迁移学习策略，改进一种基于卷积神经网络的视频分类方法。首先，借助TSN模型框架，将底层网络架构更改为ResNet-50，用于运动特征提取和泥石流场景识别。然后，通过ImageNet和Kinetics-400数据集预训练该模型，使模型具备较强的泛化能力。最后，结合经过预处理的地质灾害视频数据集对模型进行训练和微调，使其能够精准地识别出泥石流事件。通过大量的运动场景视频对该模型进行检验，实验结果表明，该方法对泥石流运动场景视频的识别准确率可达87.73%。因此，本文的研究成果可充分发挥视频监控在泥石流监测预警中的作用。

基于经验模态分解与极限学习机的粮食产量模型预测

袁世一

2024, 0(03): 47-53. doi:10.3969/j.issn.1006-2475.2024.03.008

摘要 ( 83 )

PDF (2216KB) ( 165 )

参考文献 | 相关文章 | 计量指标

摘要：由于粮食产量中的历史数据存在较强的时间序列非平稳性和复杂性，传统的单一极限学习机（Extreme Learning Machine， ELM）模型具有低预测精度和差鲁棒性的问题。本文通过优化鲸鱼优化算法（Whale Optimization Algorithm， WOA）的内部参数，将分解后的分量模型预测结果进行叠加，使得对粮食产量的预测更加精准。首先在建立预测模型之前引入经验模态分解模型从原始数据中提取内在特征；其次根据分解得到多个平稳的粮食模态分量，并建立预测模型。实验结果表明，提出的EMD-ELM-WOA组合预测模型与单一的ELM神经网络、BP神经网络、SVM模型、EMD-ELM模型相比预测误差最小，精度最高。

适用于网络新闻数据的未配对跨模态哈希方法

武昭盟1, 张成刚2

2024, 0(03): 54-60. doi:10.3969/j.issn.1006-2475.2024.03.009

摘要 ( 76 )

PDF (2964KB) ( 87 )

参考文献 | 相关文章 | 计量指标

摘要：针对当前大部分跨模态哈希方法只能在提供完全配对的实例时才能训练，而不适用于现实世界中存在的大量未配对数据这一情况，提出一种基于网络新闻数据的未配对跨模态哈希方法。首先，构建特征融合网络处理未配对的训练数据，补充和完善模态信息，并采用对抗性损失加强学习的公共表示。其次，使用亲和矩阵对样本的特征分布和生成的二进制码进行优化，使样本之间的语义关系更加明确。最后，添加类别预测损失以提高二进制码的判别能力。在真实的网络新闻数据集上分别进行了配对场景和非配对场景的实验，实验结果表明了本文提出的方法具有扩展到实际应用中的能力。

面向飞机故障文本的信息抽取

乔璐, 孙有朝, 吴红兰

2024, 0(03): 61-66. doi:10.3969/j.issn.1006-2475.2024.03.010

摘要 ( 112 )

PDF (1248KB) ( 174 )

参考文献 | 相关文章 | 计量指标

摘要：针对人工提取飞机故障信息工作量大、效率低、成本高等问题，提出一种基于领域词典、规则和BiGRU-CRF模型的信息抽取方法。结合飞机领域知识的特点，基于飞机故障文本信息构建领域词典库和模板规则，并对故障信息进行语义标注。采用BiGRU-CRF深度学习模型进行命名实体识别，BiGRU获取上下文的语义关系，CRF解码生成实体标签序列。实验结果表明，基于领域词典、规则和BiGRU-CRF模型的信息抽取方法准确率高达95.2%，验证了该方法的有效性。本文方法能够准确识别出飞机故障文本中的关键词如时间、机型、故障件名称、故障件制造单位等信息，同时，根据领域词典和规则对识别结果进行修正，有效提高了信息抽取的效率和准确性，解决了传统实体抽取模型长期依赖人工特征的问题。

基于形变场灰度场插值网络的切片间超分辨率

刘迅, 张东, 袁达龙

2024, 0(03): 67-71. doi:10.3969/j.issn.1006-2475.2024.03.011

摘要 ( 64 )

PDF (1213KB) ( 102 )

参考文献 | 相关文章 | 计量指标

摘要：磁共振成像是一种常见的医学影像方法。由于硬件等因素的限制，MR图像切片间分辨率会远低于切片内分辨率，图像的质量较低，影响医生对患者病情的诊断，因此需要提高切片间分辨率，以便显示图像更多的细节。为了实现切片间超分辨率，提出一种基于非参数化形变场和灰度场插值网络的算法。首先，根据图像配准原理，利用近似U-Net的网络对低分辨率图像中2张相邻切片进行无监督训练，以生成切片间的双向形变场。然后，利用第一张切片与形变场生成配准后的图像，将配准后的图像与第二张切片进行训练，得到它们之间的双向灰度场，由此得到相邻2张切片中间任意位置的形变场和灰度场。最后，利用插值的方法获得中间的任一位置切片。与其他现有的算法相比，该算法在视觉效果和客观评价指标上都有显著提升，其中PSNR和SSIM分别均在30 dB和0.99以上。

融合多尺度空间特征的甲状腺结节超声图像分割

崔少国, 张宇楠

2024, 0(03): 72-77. doi:10.3969/j.issn.1006-2475.2024.03.012

摘要 ( 99 )

PDF (1457KB) ( 125 )

参考文献 | 相关文章 | 计量指标

摘要：甲状腺结节超声图像噪声严重，不同组织间对比度低，在现有的甲状腺结节超声图像分割算法中存在边缘信息模糊和小结节分割不准确的问题，因此本文提出一种融合多尺度空间特征的甲状腺结节超声图像分割算法。该算法以U-Net模型为基础，在编码部分，引入坐标注意力机制，将位置信息嵌入到通道注意力中实现模型对甲状腺结节区域的定位，同时融合多尺度特征模块提取空间特征，在下采样过程中使用卷积操作，保留更多的细节特征，并采用二值交叉熵损失和Dice系数损失作为综合损失。实验结果表明，本文算法模型相比基准模型U-Net而言，在F1评价指标上提升了9.9个百分点，在精确率上提高至92.8%，从而验证本文所提方法的可行性与有效性。

基于双流Transformer的单幅图像去雾方法

李岸然1, 方阳阳2, 程慧杰2, 张申申2, 阎金强3, 于腾3, 杨国为3

2024, 0(03): 78-84. doi:10.3969/j.issn.1006-2475.2024.03.013

摘要 ( 84 )

PDF (3239KB) ( 77 )

参考文献 | 相关文章 | 计量指标

摘要：基于深度学习的编码器-解码器网络在图像去雾问题上取得了优异的表现。然而，这些学习方法通常仅依赖于合成数据集进行模型训练，忽视了有关模糊图像的先验知识，导致训练模型在泛化方面存在不足，无法较好地在真实雾霾图像上实现良好的去雾效果。为了充分利用与雾霾物理特性相关的信息，本文提出一种新颖的双编码器结构，该结构将基于先验知识的编码器融合到传统的编码器-解码器网络中。通过引入特征增强模块，有效地融合2个编码器深层特征。鉴于广泛采用的卷积神经网络结构在建模局部特征关联方面的局限性，本文在编码器和解码器中引入Transformer块。实验结果表明，本文所提出的方法不仅在合成数据上表现优越，而且在真实雾霾场景下也取得了较好的效果。

基于双重注意力残差模块的低照度图像增强

杜韩宇, 魏延, 唐保香, 廖恒锋, 叶思佳

2024, 0(03): 85-91. doi:10.3969/j.issn.1006-2475.2024.03.014

摘要 ( 86 )

PDF (6929KB) ( 80 )

参考文献 | 相关文章 | 计量指标

摘要：低照度图像增强（Low Light Image Enhancement， LLIE）是将光照不足条件下获取的图像恢复成正常曝光的图像，基于深度学习的LLIE算法常用堆叠卷积或上/下采样的方式设计，这样缺少相关语义信息的指导，导致增强后的图像存在噪声增多、色彩失真、细节丢失等问题。为此，本文提出一种基于双重注意力残差模块的LLIE算法。该算法提出融合双重注意力单元的残差模块（Dual Attention Residual Block， DA-ResBlock），在通道域和空间域提供的语义信息引导下，通过多级串联的DA-ResBlock对有效特征进行稳定提取，并且使用跳跃链接与卷积神经网络来恢复图像细节信息。此外，使用复合损失函数对增强任务进行约束。最后，在2个真实图像的公共数据集上与近几年主流算法进行对比。实验结果表明，本文算法在主观视觉上在有效提高图像亮度的同时，更好地抑制了噪声、恢复了图像色彩与细节纹理，客观评价上在PSNR、SSIM、LPIPS这3个指标上均优于所对比的主流算法。

基于生成对抗网络的乳腺癌免疫组化图像生成

卢梓菡1, 张东1, 杨艳1, 杨双2

2024, 0(03): 92-96. doi:10.3969/j.issn.1006-2475.2024.03.015

摘要 ( 123 )

PDF (2044KB) ( 283 )

参考文献 | 相关文章 | 计量指标

摘要：乳腺癌是一种凶险的恶性肿瘤，医学上需要根据人表皮生长因子受体2（HER2）水平来判断乳腺癌的侵袭性，从而制定治疗方案，这就需要对组织切片进行免疫组化（IHC）染色。为了解决IHC染色昂贵且费时的问题，首先，提出一种基于混合注意力残差模块的HER2预测网络，在残差模块中加入了CBAM模块，使得网络能够在空间、通道维度上更有侧重性地学习。预测网络能够由HE染色切片直接预测HER2水平，并且预测准确率达到97.5%以上，对比其他网络提升了2.5个百分点以上。随后提出一种多尺度生成对抗网络，使用引入混合注意力残差模块的ResNet-9blocks作为生成器，PatchGan作为判别器，并自定义多尺度损失函数。生成对抗网络可以由HE染色切片直接生成模拟IHC染色切片，在低HER2水平下生成的图像与真实图像的SSIM为0.498，PSNR为24.49 dB。

全局跨层交互网络学习细粒度图像特征表示

张高义1, 徐杨1, 2, 曹斌1, 2, 石进1

2024, 0(03): 97-104. doi:10.3969/j.issn.1006-2475.2024.03.016

摘要 ( 71 )

PDF (1838KB) ( 105 )

参考文献 | 相关文章 | 计量指标

摘要：细粒度图像分类中的关键任务是提取极具鉴别性的特征。在以往的模型中，往往采用双线性池化技术及其变种来解决这个问题。然而，大多数双线性池化及其变体会忽略层内或层间特征交互，这种不充分的交互易导致鉴别信息丢失或使鉴别信息包含过多冗余信息。针对上述问题，设计一种新的学习细粒度图像特征及特征表示的方法——全局跨层交互（GCI）网络。提出的分层双三次池化方法具有平衡提取鉴别信息和过滤冗余信息能力，并能同时建模层内和层间的特征交互。进一步分析层间交互计算结构，发现易于将交互计算结构与现有的通道注意力机制结合形成交互注意力机制，以提升骨干网络的关键特征提取能力。最后，将交互注意力机制构成的特征提取网络与双三次池化方法融合得到GCI，用来提取鲁棒的细粒度图像特征表示。在3个细粒度基准数据集上进行实验，实验结果表明分层双三次池化实现了分层交互池化框架中最优效果，即在CUB-200-2011、Stanford-Cars、FGVC-Aircraft上分别达到了87.4%、93.2%和92.1%的分类精度，将交互注意力机制融入后分类精度进一步提升至88.5%、95.1%和93.9%。

基于改进MVO算法的电力无线专网基站选址

徐玉佳1, 张华美1, 2

2024, 0(03): 105-109. doi:10.3969/j.issn.1006-2475.2024.03.017

摘要 ( 98 )

PDF (2204KB) ( 65 )

参考文献 | 相关文章 | 计量指标

摘要：针对电力无线专网中基站选址问题，提出一种包含建站成本、覆盖范围和重叠覆盖的站址选择数学模型，并且基于改进的多元宇宙优化算法实现基站的优化布局。考虑到多元宇宙优化算法的早熟收敛问题，先对算法中的旅行距离率进行改进，再引入禁忌搜索算法，从而有效解决局部最优问题。最后通过对优化后的基站部署方案进行综合性分析，验证该算法的经济性和可行性。实验结果表明，本文算法具有较高的寻优性能和较快的收敛速度，能够在提高覆盖率的同时，节约成本预算，减少同频干扰，对电力无线专网的站址规划具有良好的理论指导。

基于卷积自编码器的侧信道分析

曾钟静昕, 甘刚

2024, 0(03): 110-114. doi:10.3969/j.issn.1006-2475.2024.03.018

摘要 ( 80 )

PDF (2008KB) ( 62 )

参考文献 | 相关文章 | 计量指标

摘要：兴趣点作为侧信道分析中的重要指标，准确选择出有效的兴趣点具有重要意义。针对公钥密码算法的聚类模型中兴趣点选择效果不佳，导致低识别率的问题，本文提出一种基于卷积自编码器的兴趣点选择方法。该方法在数据预处理后使用卷积自编码器来对数据特征进行学习，将其编码输出作为选择的兴趣点，结合聚类算法来完成侧信道攻击，最终成功恢复出密钥。实验以SM2解密算法中的多倍点运算过程作为研究对象，结果显示本文提出的方法可以用于侧信道分析中数据的兴趣点选择，大大提高了神经网络在侧信道分析方面的灵活性和实用性。

基于共同邻居数的重要节点发现算法

盛家烨

2024, 0(03): 115-121. doi:10.3969/j.issn.1006-2475.2024.03.019

摘要 ( 75 )

PDF (2298KB) ( 88 )

参考文献 | 相关文章 | 计量指标

摘要：识别重要节点一直是复杂网络下的热点问题之一，因为识别出的重要节点能够在人群中的信息传播或疾病免疫中起到重要作用。目前大量的方法研究基本上是从节点的邻居信息、网络中的最短路径和节点删除这3个角度出发。现有的基于节点邻居信息的方法并没有对邻居节点的作用做出具体的说明，也没有对邻居节点的贡献在不同维度上进行区分。本文提出一种SCCN方法，该方法将邻居节点的贡献分为加强该节点所在的连接紧密的本地区域内的传播效果和扩展该节点所携带的信息至网络其他区域2个部分。通过标准SIR模型来评价SCCN的表现，并在8个真实网络上与度中心性、K-shell、介数中心性和PageRank比较。实验结果表明，SCCN具有更高的准确性和稳定性以及较低的时间复杂度，能够应用于大规模网络中。

基于Petersen图的部分重复码

余春雷1, 2, 刘笃晋1, 朱华伟1, 杨佳蓉3

2024, 0(03): 122-126. doi:10.3969/j.issn.1006-2475.2024.03.020

摘要 ( 59 )

PDF (1284KB) ( 56 )

参考文献 | 相关文章 | 计量指标

摘要：为对分布式存储系统的修复效率研究，提出一种基于Petersen图边染色的部分重复码设计。该设计利用Petersen图边染色进行构造，即先对Petersen图的边进行染色，标记出染色的不同边数，然后构造Petersen图中不同边色的链路，最后把每条链路视为部分重复码的存储节点，称为 PECBFR码。理论分析指出，PECBFR码可以随机访问模式下的系统存储容量。此外，实验仿真结果显示，本文提出的基于Petersen图边染色的部分重复码构造算法，与分布式存储系统中的里所码以及简单再生码相比，在系统修复故障节点时，能够快速地修复故障节点，通过染色链路构造的部分重复码，在修复局部性、修复复杂度、修复带宽开销相较于分布式存储系统中的常见编码算法都有较大的性能提升。

当期目录