2023年, 第49卷, 第1期 刊出日期：2023-01-15
-
全选|
-
-
计算机工程. 2023, 49(1): 1-14. https://doi.org/10.19678/j.issn.1000-3428.0064756进化算法是模拟自然界生物进化的启发式算法，具有良好的搜索能力和灵活性且广泛用于复杂优化问题的求解，但在求解过程中默认问题先验知识为零，然而由于问题很少孤立存在，解决单一任务积累的经验可迁移至其他相关任务。进化迁移优化算法利用相关领域的知识学习和迁移，实现了更好的优化效率和性能。介绍进化迁移优化算法的基本分类，从源任务选择、知识迁移、缩小搜索空间差异、进化算法搜索、进化资源分配等5个角度出发对主流进化迁移优化算法的核心策略和优劣势进行梳理和分析。通过中国知网和WOS平台对2014年至2021年的进化迁移优化相关文献进行检索，运用知识图谱进行数据挖掘、信息处理、知识计量和图形绘制，根据进化迁移优化的发展趋势和经验分析总结了其面临的主要挑战和未来研究方向。
-
计算机工程. 2023, 49(1): 15-21,30. https://doi.org/10.19678/j.issn.1000-3428.0065155在高速网络环境中，对复杂多样的网络入侵进行快速准确的检测成为目前亟待解决的问题。联邦学习作为一种新兴技术，在缩短入侵检测时间与提高数据安全性上取得了很好的效果，同时深度神经网络（DNN）在处理海量数据时具有较好的并行计算能力。结合联邦学习框架并将基于自动编码器优化的DNN作为通用模型，建立一种网络入侵检测模型DFC-NID。对初始数据进行符号数据预处理与归一化处理，使用自动编码器技术对DNN实现特征降维，以得到DNN通用模型模块。利用联邦学习特性使得多个参与方使用通用模型参与训练，训练完成后将参数上传至中心服务器并不断迭代更新通用模型，通过Softmax分类器得到最终的分类预测结果。实验结果表明，DFC-NID模型在NSL-KDD与KDDCup99数据集上的准确率平均达到94.1%，与决策树、随机森林等常用入侵检测模型相比，准确率平均提升3.1%，在攻击类DoS与Probe上，DFC-NID的准确率分别达到99.8%与98.7%。此外，相较不使用联邦学习的NO-FC模型，DFC-NID减少了83.9%的训练时间。
-
计算机工程. 2023, 49(1): 22-30. https://doi.org/10.19678/j.issn.1000-3428.0064301联邦学习作为分布式机器学习框架，在数据不离开本地的情况下，通过共享模型参数达到协作训练的目标，一定程度上解决了隐私保护问题，但其存在中心参数服务器无法应对单点故障、潜在恶意客户端梯度攻击、客户端数据偏态分布导致训练性能低下等问题。将去中心化的区块链技术与联邦学习相结合，提出基于超级账本的集群联邦优化模型。以超级账本作为分布式训练的架构基础，客户端初始化后在本地训练向超级账本传输模型参数及分布信息，通过聚类优化联邦学习模型在客户端数据非独立同分布下的训练表现。在此基础上，随机选举客户端成为领导者，由领导者代替中央服务器的功能，领导者根据分布相似度和余弦相似度聚类并下载模型参数聚合，最后客户端获取聚合模型继续迭代训练。以EMNIST数据集为例，数据非独立同分布情况下该模型平均准确率为79.26%，较FedAvg提高17.26%，在保证准确率的前提下，较集群联邦学习训练至收敛的通信轮次减少36.3%。
-
计算机工程. 2023, 49(1): 31-40. https://doi.org/10.19678/j.issn.1000-3428.0063303多智能体深度强化学习方法可应用于真实世界中需要多方协作的场景，是强化学习领域内的研究热点。在多目标多智能体合作场景中，各智能体之间具有复杂的合作与竞争并存的混合关系，在这些场景中应用多智能体强化学习方法时，其性能取决于该方法是否能够充分地衡量各智能体之间的关系、区分合作和竞争动作，同时也需要解决高维数据的处理以及算法效率等应用难点。针对多目标多智能体合作场景，在QMIX模型的基础上提出一种基于目标的值分解深度强化学习方法，并使用注意力机制衡量智能体之间的群体影响力，利用智能体的目标信息实现量两阶段的值分解，提升对复杂智能体关系的刻画能力，从而提高强化学习方法在多目标多智能体合作场景中的性能。实验结果表明，相比QMIX模型，该方法在星际争霸2微观操控平台上的得分与其持平，在棋盘游戏中得分平均高出4.9分，在多粒子运动环境merge和cross中得分分别平均高出25分和280.4分，且相较于主流深度强化学习方法也具有更高的得分与更好的性能表现。
-
计算机工程. 2023, 49(1): 41-48. https://doi.org/10.19678/j.issn.1000-3428.0065942目前的目标检测技术已趋于成熟，但小目标检测仍是研究的难点。针对目标检测过程中小目标检测更容易出现漏检等问题，提出一种改进的YOLOv7目标检测模型。结合特征分离合并思想，对YOLOv7网络模型中的MPConv模块进行改进，以减少网络特征处理过程造成的特征损失，并通过实验确定放置改进MPConv模块的最佳位置。由于小目标检测过程中容易出现漏检的现象，利用ACmix注意力模块提高网络对小尺度目标的敏感度，降低噪声所带来的影响。在此基础上，使用SIoU替换原YOLOv7网络模型中的CIoU来优化损失函数，减少损失函数自由度，提高网络鲁棒性。在Okahublot公开的FloW-Img子数据集上进行实验，结果表明，对于数据集中的密集、小目标和超小目标三种情况的图片，改进后的YOLOv7网络模型相比原网络，漏检情况得到明显改善，且mAP达到71.1%，相比基线YOLOv7网络模型提升了4个百分点，检测效果优于原网络模型与传统经典目标检测网络模型。
-
计算机工程. 2023, 49(1): 49-56. https://doi.org/10.19678/j.issn.1000-3428.0063678伪标签目标检测算法利用大量未标注数据生成伪标签数据来增加训练数据规模，从而提高目标检测模型的性能。针对伪标签数据中存在大量错误标注数据且伪标签目标检测模型性能难以提升的问题，提出基于SoftTeacher-CUC的伪标签目标检测算法。SoftTeacher-CUC算法在SoftTeacher伪标签目标检测算法的基础上，利用分类不确定性方法计算模型生成的伪标签分类结果的不确定性来判断伪标签是否可靠，不确定性越低说明伪标签的分类结果越可靠。在此基础上，将计算得到的不确定性作为权重加入伪标签数据的分类损失函数中，进一步减少高不确定性伪标签为模型带来的负面影响。根据Teacher模型中不同模块的作用，采用不同权重的指数滑动平均方法更新Teacher模型，降低Teacher模型和Student模型参数之间的相似性，使一致性正则化方法发挥效用。实验结果表明，在标注数据分别占训练集1%、5%和10%的情况下，与SoftTeacher算法相比，SoftTeacher-CUC算法的平均精度均值分别提高了1.4、1.2和1.7个百分点，在标注数据较少的情况下，该算法具有更好的检测效果。
-
计算机工程. 2023, 49(1): 57-64,72. https://doi.org/10.19678/j.issn.1000-3428.0063646随着MOOC在线教育平台的飞速发展，课程和用户数量激增，学习者在面对种类繁多的课程时往往较难选择，传统的推荐方法在MOOC课程推荐中应用存在对曝光次数较低的课程推荐效果差和对噪声数据鲁棒性不足的问题。为给学习者提供高质量的推荐，提出一种图对比学习的MOOC推荐方法，同时针对二分图结构给出一种新的数据增强方法。对输入的用户项目交互的二分图随机添加或者删除边进行数据增强，得到两个子视图，使用图卷积神经网络对原始二分图和两个子视图进行节点特征提取得到用户和项目的节点表征，并构建推荐监督任务和对比学习的辅助任务进行联合优化，在此基础上将用户和项目的节点表征进行点积获得推荐结果。在MOOC数据集上进行Top-K推荐的实验结果表明，相较于LightGCN模型，该方法在Recall@5和NDCG@5上均有显著提升，最高分别提升7.8%和7.3%，能够有效提高模型对于曝光次数较低的课程的推荐准确性和对于噪声数据的鲁棒性。
-
计算机工程. 2023, 49(1): 65-72. https://doi.org/10.19678/j.issn.1000-3428.0063615现有因果关系建模方法应用于故障事件序列时，难以有效引入因果先验，使得算法结果过于稠密，同时在稀疏、时间精度低的数据上因果关系可靠性较差。将不同故障类型事件的因果关系建模为基于霍克斯过程的格兰杰因果关系，提出一种面向故障序列的格兰杰因果发现的霍克斯过程模型。将霍克斯过程拓展到离散时间域，解决低时间精度数据的建模问题，并通过构造基于贝叶斯信息准则的目标函数，保证因果结构稀疏性，进而利用基于EM算法与爬山法的迭代优化算法引入因果先验，提高模型的可靠性。实验结果表明，该方法在由不同参数生成的模拟数据上均表现突出，且在两个通信网络的真实数据集中，F1评分相比ADM4、MLE-SGL、TSSO和PCMCI算法提升15.18%以上。而通过引入根因标注和因果依赖性先验，算法的F1评分进一步提升22.43%以上，验证了引入先验的有效性。
-
计算机工程. 2023, 49(1): 73-81. https://doi.org/10.19678/j.issn.1000-3428.0063640联邦SPARQL查询是通过构建查询计划来指导查询执行，数据摘要索引文件捕获了RDF数据集的结构和语义信息，对查询计划生成过程中子查询基数评估至关重要。现有的数据摘要生成方法需要远程遍历每个数据源的完整数据，该过程成本消耗较高，且在大部分环境中联邦查询无法完成对大数据集的统计工作。为在减少数据摘要索引文件生成时间和内存开销的同时捕获尽可能真实的计数信息，考虑主语和谓语的分布偏差，提出利用样图生成原始图近似数据摘要的方法。使用对RDF图出度特征加权的采样方法获取原始图的典型样图，通过改进的映射函数将样图中的信息映射到原始图上，从而生成原始图的近似数据摘要。实验结果表明，该方法相比于基线方法至少节省了70%的数据摘要索引文件生成时间，并且仅采样0.5%的原始图生成的近似数据摘要即可在查询正确率上与基线方法保持高度一致。
-
计算机工程. 2023, 49(1): 82-91. https://doi.org/10.19678/j.issn.1000-3428.0063407针对传统跨语言词嵌入方法在汉越等差异较大的低资源语言上对齐效果不佳的问题，提出一种融合词簇对齐约束的汉越跨语言词嵌入方法。通过独立的单语语料训练获取汉越单语词嵌入，使用近义词、同类词和同主题词3种不同类型的关联关系，充分挖掘双语词典中的词簇对齐信息以融入到映射矩阵的训练过程中，使映射矩阵进一步学习到不同语言相近词间具有的一些共性特征及映射关系，根据跨语言映射将两种语言的单语词嵌入映射至同一共享空间中对齐，令具有相同含义的汉语与越南语词嵌入在空间中彼此接近，并利用余弦相似度为空间中每一个未经标注的汉语单词查找对应的越南语翻译构建汉越对齐词对，实现跨语言词嵌入。实验结果表明，与传统有监督及无监督的跨语言词嵌入方法Multi_w2v、Orthogonal、VecMap、Muse相比，该方法能有效提升映射矩阵在非标注词上的泛化性，改善汉越低资源场景下模型对齐效果较差的问题，其在汉越双语词典归纳任务P@1和P@5上的对齐准确率相比最好基线模型提升了2.2个百分点。
-
计算机工程. 2023, 49(1): 92-99,112. https://doi.org/10.19678/j.issn.1000-3428.0063788现有中文实体关系抽取方法通常利用实体间的单向关系语义特征进行关系抽取，然而仅靠单向语义特征并不能完全利用实体间的语义关系，从而使得实体关系抽取的有效性受到影响。提出一种基于双向语义的中文实体关系联合抽取方法。利用RoBERTa预训练模型获取具有上下文信息的文本字向量表征，通过首尾指针标注识别句子中可能存在关系的实体。为了同时利用文本中的双向关系语义信息，将实体分别作为关系中的主体与客体来建立正负关系，并利用两组全连接神经网络构建正负关系映射器，从而对每一个输入实体同时从正关系与负关系的角度构建候选关系三元组。将候选关系三元组分别在正负关系下的概率分布序列与实体位置嵌入特征相结合，以对候选三元组进行判别，从而确定最终的关系三元组。在DuIE数据集上进行对比实验，结果表明，该方法的精确率与召回率优于MultiR、CoType等基线模型，其F1值达到0.805，相较基线模型平均提高了12.8%。
-
计算机工程. 2023, 49(1): 100-112. https://doi.org/10.19678/j.issn.1000-3428.0063363航空发动机叶片气动性能设计的改进要求叶片加工系统采用高精度、高效率的加工工艺，基于传统建模方法的叶片加工系统已难以满足当前的加工需求。提出一种基于改进麻雀搜索算法（SSA）的拟合方法，旨在利用最少控制点高效地达到曲线拟合的目标精度，进而提升传统建模方法的精度和效率，建立适用于数字孪生生产环境的高精度、高实时性的三维叶片模型，提高航空发动机叶片的加工合格率。启发式优化算法在B样条曲线拟合中存在收敛慢的问题，而SSA不断跃向最优解的特性使其能快速收敛。基于此，改进SSA的位置更新函数并给出内节点向量更新范围的概念，通过自动迭代内节点向量配置，利用最小二乘法计算最优控制点，依据局部和全局误差计算适应度值并参与下次迭代，多次迭代后得到符合目标精度的拟合曲线。此外，为提高SSA搜索最少控制点的效率，设计一种二分搜索方法。采用某型叶片截面数据进行拟合验证，结果表明，与传统定义节点向量方法和经典优化算法相比，该方法具有较高的拟合精度和收敛效率，在20和80个控制点下分别取得了1e-3 mm和1e-5 mm左右的拟合精度，在5e-3 mm目标精度下，收敛效率较粒子群优化算法、标准SSA分别提升了14.5%~97.8%和35.8%~70.1%，搜索最少控制点的效率较传统方法提升了34.7%~49.6%。
-
计算机工程. 2023, 49(1): 113-120,129. https://doi.org/10.19678/j.issn.1000-3428.0062723现有的多视角谱聚类算法大多只线性结合了各视角的基拉普拉斯矩阵，未考虑不同视角数据的差异性对最优拉普拉斯矩阵的影响，存在聚类性能受限的问题。提出一种基于黎曼几何均值与高阶拉普拉斯矩阵的谱聚类算法（RMMSC），挖掘多视角数据中的高阶连接信息与流形信息，提高最优拉普拉斯矩阵对各视角的信息利用率。按一定的权重线性结合数据单一视角的各阶拉普拉斯矩阵，得到每个视角的基拉普拉斯矩阵，通过低阶与高阶连接信息的结合使用，充分体现多视角数据集的全局结构。在此基础上，计算各视角基拉普拉斯矩阵的黎曼几何均值，将其作为最优拉普拉斯矩阵输入谱聚类算法，得到聚类结果。相比于传统矩阵算数均值的计算，基于黎曼流形的黎曼几何均值能够更好地恢复互补层数据的流形信息。实验结果表明，RMMSC在多组标准数据集上聚类效果优于ONMSC、MLAN、AMGL等算法。其中，在Flower17数据集上，精确度较基准算法ONMSC提高了2.14%，纯度提高了1.7%，且收敛性较好。
-
计算机工程. 2023, 49(1): 121-129. https://doi.org/10.19678/j.issn.1000-3428.0063718为捕捉时间序列中潜在的特征依赖关系并实现高维时序数据的快速模糊预测，构建基于时间卷积网络（TCN）与自注意力机制的两种混合网络模型：TSANet和TSANet-MF。TSANet模型通过全局和局部两个并行卷积分量结构提取特征后，利用自注意力机制增强特征点关联程度，并结合并行的TCN增大卷积的感受野范围，最大程度地捕捉多维时序数据的周期性特征。TSANet-MF模型将TSANet作为矩阵分解算法的正则化项，使高维数据转化为具有更多时序特征的低维数据，减少计算复杂度，实现高维数据的快速模糊预测。在4种不同领域的时间序列数据集上的实验结果表明，TSANet模型在3种数据集上的预测性能均优于基准模型，尤其在高维Traffic数据集上相对平方根误差降低了19.52%~56.37%，TSANet-MF模型在Electricity和Traffic高维数据集上的训练时间相比于基准模型明显减少。上述实验结果验证了两种混合网络模型均具有较好的多维时间序列预测性能。
-
计算机工程. 2023, 49(1): 130-137. https://doi.org/10.19678/j.issn.1000-3428.0064362深度神经网络已被应用于人脸识别、自动驾驶等场景中，但容易受到对抗样本的攻击。对抗样本的生成方法被分为白盒攻击和黑盒攻击，当对抗攻击算法攻击白盒模型时存在过拟合问题，导致生成对抗样本的迁移性降低。提出一种用于生成高迁移性对抗样本的对抗攻击算法CSA。在每次迭代过程中，通过对输入RGB图片的通道进行拆分，得到三张具有一个通道的输入图片，并对其进行零值填充，获得三张具有三个通道的输入图片。将最终得到的图片与原始RGB输入图片共同传入到模型中进行梯度计算，调整原始梯度的更新方向，避免出现局部最优。在此基础上，通过符号法生成对抗样本。在ImageNet数据集上的实验验证该算法的有效性，结果表明，CSA算法能够有效提高对抗攻击的迁移性，在四种常规训练模型上的攻击成功率平均为84.2%，与DIM、TIM结合所得DI-TI-CSA算法在三种对抗训练黑盒模型上的攻击成功率平均为94.7%，对七种防御模型的攻击成功率平均为91.8%。
-
计算机工程. 2023, 49(1): 138-145. https://doi.org/10.19678/j.issn.1000-3428.0064949随着信息技术的快速发展以及智能网联汽车的日渐普及，由网络入侵引起的车联网安全事件正在逐年增加。针对车联网中车载控制器局域网络（CAN）存在的网络攻击问题，提出一种改进的车载CAN入侵检测方法。考虑到车载CAN中数据流量较大且各类别数据比例失衡，提出一种聚类混合采样方法来平衡数据，对于流量较大的数据，在聚类后进行欠采样以去除冗余，对于流量较小的数据，使用SMOTE方法合成数据。合并上述两部分数据并使用Tomek Links算法进行数据清洗。使用基于Gini系数的GBDT特征选择方法计算特征重要性，删除重要程度较低的特征以实现数据降维。在此基础上，使用粒子群优化算法对Stacking模型中的基学习器和元分类器进行调优，使用优化后的基学习器和元分类器构建Stacking模型并完成入侵检测。实验结果表明，该方法在主流车载CAN入侵数据集上的检测准确率为98.18%，优于常见的ANN、KNN、SVM、MTHIDS及MGA-DTC模型，且对DoS、Fuzzy等类别样本的检测精确度较高，漏报率较低，体现出较好的先进性和实用性。
-
计算机工程. 2023, 49(1): 146-153. https://doi.org/10.19678/j.issn.1000-3428.0063637区块链技术的广泛应用导致其隐私泄露问题日益严重。为有效评估区块链技术存在的隐私泄露风险，从区块链技术架构的角度，通过基于博弈的方法对攻击进行量化，提出一种区块链隐私泄露风险评估方法。考虑用户对区块链技术架构层中各攻击的敏感性程度不同，构建用户敏感度矩阵，分别计算主观敏感度与客观敏感度。利用区块链诚实用户与恶意攻击者之间的策略交互过程构建不完全信息静态贝叶斯博弈模型，通过双方的期望收益定义风险影响性与可能性，从而得到基于区块链技术架构层的风险评估分数以及整个区块链的隐私泄露风险评估分数。在此基础上，利用Sigmoid函数对风险评估分数进行正则化处理并根据风险指数判断隐私泄露的风险等级，将隐私泄露分为风险可忽略、风险适中以及风险异常3种状态。实验结果表明，该方法能够有效评估区块链隐私泄露风险情况，指导用户进行多层次、有针对性的隐私保护。
-
计算机工程. 2023, 49(1): 154-162. https://doi.org/10.19678/j.issn.1000-3428.0064785在互联网加密化背景下，传统恶意流量检测方法在加密流量上的特征区分度较差，为更好地从加密流量中检测出恶意流量，设计一个融合一维Inception-ViT的恶意加密流量检测模型。基于流量数据的时序性特点，通过一维Inception结构对GoogLeNet中的Inception结构进行改进，使用适用于序列数据的一维卷积替换二维卷积，并添加池化操作去除一些冗余信息的干扰。同时，融合ViT模型，将经过一维Inception结构处理后的数据输入到ViT模型中，利用多头注意力突出重要特征，增强特征区分度以提升模型检测结果。为验证一维Inception-ViT模型各模块的有效性，与6种变体模型进行对比，实验结果表明，一维Inception-ViT模型性能最好，平均召回率和平均F1值指标分别达到了99.42%和99.39%。此外，与其他8种现有模型进行比较，一维Inception-ViT模型具有更好的检测效果，同时在恶意加密流量Neris和Virut细粒度分类上，与性能最好的基准模型相比，一维Inception-ViT模型能够有效减少样本检测混淆，可更准确地对恶意加密流量进行识别。
-
计算机工程. 2023, 49(1): 163-172. https://doi.org/10.19678/j.issn.1000-3428.0064270在点对群信息共享网络中，群体成员之间交流频繁并且同一群体内的成员可以同时从信息源接收到相同信息，依据点对群网络的这2个特点，考虑从恶意代码感染中恢复后的节点作用，在点对群网络中建立一种具有动态反馈防治信息功能的易感-感染-反馈-免疫（SIFR）模型。在经典易感-感染-免疫（SIR）传播模型的基础上引入反馈节点，通过动态共享防治信息遏制恶意代码在点对群网络中的传播。根据计算得到SIFR模型的平衡点和传播阈值，构建相应的Lyapunov函数，证明了平衡点的局部和全局稳定性。数值模拟实验结果显示：当反馈率取0.000 1时，SIFR模型相较于经典SIR模型在传播阈值小于1的情况下，感染节点在峰值处的数量降低了36.16%，能更早更快地趋近于0；当传播阈值大于1时，同一时间的感染节点数量有所减少，趋于稳定的感染节点数量降低了80%。上述实验结果表明SIFR模型应用在点对群网络中能够更好地遏制恶意代码的传播，且反馈率越高，遏制效果越好。
-
计算机工程. 2023, 49(1): 173-180. https://doi.org/10.19678/j.issn.1000-3428.0062878在国产申威高性能多核服务器系统中，基础编译系统对应用程序中访存操作进行代码生成时，没有考虑国产处理器指令特征，导致编译器生成的访存地址计算代码效率较低，影响国产高性能处理器的性能。为充分发挥国产处理器高性能计算能力，提出一种加速访存地址计算的编译优化方法。加速访存地址计算编译优化基于处理器支持带扩展因子的运算指令，在编译器后端内存地址表达式合法性检查中，添加针对乘加模式的地址计算表达式合法性检查算法，自动识别地址表达式中存在的乘加运算并进行合法性检验，对符合条件的地址表达式在代码生成阶段匹配生成带扩展因子的运算指令来快速计算访存地址，从而加快访存指令的发射与执行以及应用程序中的访存地址生成，提升访存效率。使用行业标准性能测试集SPEC CPU2006对优化效果进行评测，结果表明，相比优化前SPECspeed Integer与SPECspeed Float Point两个子集，该优化方法平均性能分别提高了2.53%与1.50%。
-
计算机工程. 2023, 49(1): 181-190,200. https://doi.org/10.19678/j.issn.1000-3428.0063814针对现有文件数据同步传输方法效率低、局部更新困难的问题，提出一种哈希链构建及文件数据同步方法。将C/S架构中服务器端文件或目录的变化作为一系列哈希节点，根据时间先后顺序，通过哈希函数迭代文件或目录的哈希值，形成能够记录文件库所有操作状态的有序哈希链。客户端只需根据哈希链节点执行相同文件操作并进行同步更新，而不需要对每个文件数据进行同步认证，确保文件库的完整性、不可抵赖性、可溯源性和防篡改性。采用有序哈希链的同步方法对不同终端进行文件数据差异监视和一致性检测，以快速获取文件变化并进行逻辑同步。实验结果表明，该方法在文件库未变动模式下的平均同步加速比为94.85%，在文件库变动的模式下，相较于“quick check”策略和常规策略的Rsync算法，平均同步加速比分别为6.5%和69.99%。有效地减少了同步过程中时间和资源的消耗。
-
计算机工程. 2023, 49(1): 191-200. https://doi.org/10.19678/j.issn.1000-3428.0062607针对深度学习图像分类场景中多GPU并行后传输效率低的问题，提出一种低时间复杂度的Ring All Reduce改进算法。通过分节点间隔配对原则优化数据传输流程，缓解传统参数服务器并行结构的带宽损耗。基于数据并行难以支撑大规模网络参数及加速延缓的问题，根据深度学习主干网络所包含的权重参数低于全连接层权重参数、同步开销小、全连接层权重大与梯度传输开销过高等特点，提出GPU混合并行优化算法，将主干网络进行数据并行，全连接层进行模型并行，并通过改进的Ring All Reduce算法实现各节点之间的并行后数据通信，用于基于深度学习模型的图像分类。在Cifar10和mini ImageNet两个公共数据集上的实验结果表明，该算法在保持分类精度不变的情况下可以获得更好的加速效果，相比数据并行方法，可达到近45%的提升效果。
-
计算机工程. 2023, 49(1): 201-209. https://doi.org/10.19678/j.issn.1000-3428.0064367现有的忆阻算术逻辑多采用单个忆阻器作为存储单元，在忆阻交叉阵列中易受到漏电流以及设计逻辑电路时逻辑综合复杂度高的影响，导致当前乘法器设计中串行化加法操作的延时和面积开销增加。互补电阻开关具有可重构逻辑电路的运算速度和抑制忆阻交叉阵列中漏电流的性能，是实现忆阻算术逻辑的关键器件。提出一种弱进位依赖的忆阻乘法器。为提升忆阻器的逻辑性能，基于互补电阻开关电路结构，设计两种加法器的优化方案，简化操作步骤。在此基础上，通过改进传统的乘法实现方式，并对进位数据进行拆解，降低运算过程中进位数据之间的依赖性，实现并行化的加法运算。将设计的乘法器映射到混合CMOS/crossbar结构中，乘法计算性能得到大幅提高。在Spice仿真环境下验证所提乘法器的可行性。仿真实验结果表明，与现有的乘法器相比，所提乘法器的延时开销从O（n2）降低为线性级别，同时面积开销降低约70%。
-
计算机工程. 2023, 49(1): 210-222. https://doi.org/10.19678/j.issn.1000-3428.0063345为寻找系统中的模式实例，现有设计模式识别方法多直接将原系统与设计模式进行匹配，从而引入大量的假阳性实例或假阴性实例，导致召回率和精确率降低。为此，在前期研究的基础上，进一步探索基于相似度评分与二级子系统的设计模式识别方法。根据从系统中提取的相关信息，将系统和设计模式表示为有向图/矩阵形式。将待识别系统划分为若干个子系统，并进一步拆解和重组为类个数与待识别模式中角色个数相等的二级子系统。利用相似度评分算法判断二级子系统是否为模式实例，同时对获取的实例做进一步处理，以得到最终的模式实例。在JHotDraw、JRefactory和JUnit三个开源项目上的实验结果表明，该方法的平均召回率分别达到96.7%、91.7%和100%，平均精确率分别达到94.9%、91.5%和92.5%，而CPU时间花费分别为5 408 ms、22 280 ms和3 284 ms，在保持高召回率的前提下提升了精确率和时间效率。
-
计算机工程. 2023, 49(1): 223-233. https://doi.org/10.19678/j.issn.1000-3428.0063999多模态配准是医学图像分析中的关键环节，在肝癌辅助诊断、图像引导的手术治疗中具有重要作用。针对传统的迭代式肝脏多模态配准计算量大、耗时长、配准精度低等问题，提出一种基于多尺度形变融合和双输入空间注意力的无监督深度学习配准算法。利用多尺度形变融合框架提取不同分辨率的图像特征，实现肝脏的逐阶配准，在提高配准精度的同时避免网络陷入局部最优。采用双输入空间注意力模块在编解码阶段融合不同水平的空间和文本信息提取图像间的差异特征，增强特征表达。引入基于邻域描述符的结构信息损失项进行网络迭代优化，不需要任何先验信息即可实现精确的无监督配准。在临床肝脏CT-MR数据集上的实验结果表明，与传统的Affine、Elastix、VoxelMorph等算法相比，该算法达到最优的DSC值和TRE值，分别为0.926 1±0.018 6和6.39±3.03 mm，其平均配准时间为0.35±0.018 s，相比Elastix算法提升了近380倍，能准确地提取特征及估计规则的形变场，具有较高的配准精度和较快的配准速度。
-
计算机工程. 2023, 49(1): 234-241,249. https://doi.org/10.19678/j.issn.1000-3428.0063909在建的高能同步辐射光源预计会产生海量原始数据，其中硬X射线实验线站产生的图像数据占比最高且具有高分辨率和高帧率的特点，亟需有效的无损压缩方法缓解存储和传输压力，然而现有通用无损压缩方法对该类图像压缩效果不佳，基于深度学习的无损压缩方法又耗时较长。结合同步辐射光源图像的特点，提出一种在保证图像压缩比前提下的可并行智能无损图像压缩方法。通过参数自适应的可逆分区量化方法，大幅缩小图像经过时间差分后的像素值分布范围，能够节省20%以上的存储空间。将以CNN为基础架构的时空学习网络C-Zip作为概率预测器，同时以数据集为单位过拟合训练模型进一步优化图像压缩比。针对压缩过程中耗时较长的算术编码过程，利用概率距离量化代替算术编码，结合深度学习进行无损编码，增加编码过程的并行度。实验结果表明，该方法的图像压缩比相比于PNG、FLIF等传统图像无损压缩方法提升了0.23~0.58，对于同步辐射光源图像具有更好的压缩效果。
-
计算机工程. 2023, 49(1): 242-249. https://doi.org/10.19678/j.issn.1000-3428.0063652金字塔场景解析网络存在图像细节信息随着网络深度加深而丢失的问题，导致小目标与物体边缘语义分割效果不佳、像素类别预测不够准确。提出一种基于改进自注意力机制的金字塔场景解析网络方法，将自注意力机制的通道注意力模块与空间注意力模块分别加入到金字塔场景解析网络的主干网络和加强特征提取网络中，使网络中的两个子网络能够分别从通道和空间两个方面提取图像中更重要的特征细节信息。针对现有的图像降维算法无法更好地提高自注意力机制计算效率的问题，在分析“词汇”顺序对自注意力机制计算结果影响的基础上，利用希尔伯特曲线遍历设计新的图像降维算法，并将该算法加入到空间自注意力模块中，以提高其计算能力。仿真实验结果表明，该方法在PASCAL VOC 2012和息肉分割数据集上的精度均有提高，小目标与物体边缘分割更加精细，其中在VOC 2012训练集中平均交并比与平均像素精度分别达到75.48%、85.07%，较基准算法分别提升了0.68、1.35个百分点。
-
计算机工程. 2023, 49(1): 250-257,269. https://doi.org/10.19678/j.issn.1000-3428.0063897现有基于深度学习的视杯和视盘分割方法在模型训练时，仅使用图像的单个注释或从多个注释中获取唯一的注释信息，忽略原始多专家标注中嵌入的一致性或差异性信息，从而导致模型和预测结果过度自信等问题。提出一种基于多解码器不确定性感知体系的模型MUA-Net。通过引入专业知识推断模块，将各个专家注释的专业知识水平作为先验知识嵌入编码器和解码器的瓶颈中，以形成包含专家线索的高级语义特征。利用可同时学习多个注释的多解码器结构调节多专家之间的分歧，重构多专家注释过程，并对不确定或分歧区域进行量化。提出一种双分支软注意机制，增强多解码器分割预测的模糊区域，得到最终校准的分割结果。实验结果表明，该模型在RIGA数据集上能以较高的不确定性预测合理的区域，与MRNet模型相比，该模型在视杯分割中的平均精度、Dice系数、交并比分别提升了0.75、0.39、0.41个百分点。
-
计算机工程. 2023, 49(1): 258-269. https://doi.org/10.19678/j.issn.1000-3428.0064328光在水中传输时容易受到水体和水中微粒的吸收和散射作用，造成成像模糊和颜色失真，导致水下图像质量有待提高。提出一种基于水体衰减系数反演的图像复原新方法，不预设水体类型和波长值，而是通过图像反演求得最符合图像特征的衰减系数。对图像去除垂直衰减色差，使描述水下图像强度规律的先验信息能更准确地反映水平方向的光传输特性，提升背景光估计和场景深度估计的准确性。利用水下图像的雾化模糊特征、红通道分量衰减特征以及通道间衰减差异特征得到水下图像场景深度的融合估计结果，依据像素场景深度与水下成像模型，通过非线性拟合直接反演出水下图像的衰减系数，并基于灰度世界假设对衰减系数进行优化，以完成传输率求解，实现图像复原。最后，使用非锐化掩膜增强图像，凸显细节信息，提升视觉效果。实验结果表明，与SMBOT、IBLA、ULAP、UDCP方法相比，该方法在RUIE数据集上的复原图像信息熵平均值分别提升了4.9%、5.4%、9.2%、17.9%，能较好地提升图像整体视觉效果。
-
计算机工程. 2023, 49(1): 270-278. https://doi.org/10.19678/j.issn.1000-3428.0063680时空联合分析可反映研究对象在时空维的变化规律，对揭示区域过程的时空交互关系和机制具有重要意义。聚焦时空联合特征的学习与交通流物理特性的建模问题，提出一种层次化的动态网络模型JST-DHNet，以融合不同尺度下的时空联合学习与内嵌领域知识学习。利用基于图乘积运算替代以往矩阵拼接方式构建多种时空图结构。结合时空小波变换与时空傅里叶变换，设计2种不同层次的时空同步学习模块，分别学习交通流的全域与局域时空特征。针对交通流的宏观流体动力学性质，通过基于图的广义偏微分方程设计一种新的时空扩散卷积，以学习真实场景下的交通波传播机制。在此基础上，采用注意力机制将不同尺度的时空联合特征进行融合。在4种不同路网规模的真实交通流数据集上进行测试，结果表明，JST-DHNet的预测性能优于采用时空分离式学习模块的预测模型，相比STSGCN时空联合学习模型，JST-DHNet预测精度的平均绝对百分比误差、平均绝对误差和均方根误差分别降低4.46%、6.65%、10.11%，且训练时间缩短近80%。
-
计算机工程. 2023, 49(1): 279-286,294. https://doi.org/10.19678/j.issn.1000-3428.0063413社交网络已成为人们获取和发布信息的一个重要平台，也是黑客发起网络诈骗的主要场地。大多数黑客在发起网络诈骗之前，首先会判别目标用户的主要人格特点，然后根据主要人格特点制定与其接触的策略。因此，面向社交网络用户的人格特质识别方法的研究对提高用户识别社交网络诈骗能力具有重要意义。提出基于用户的人格特质识别方法。通过构建面向社交网络的人格特质词典提取用户发表或转发文本信息中能反映用户主要人格特质类型的观测值，采用5个具有不同参数值的隐半马尔可夫模型刻画用户在社交网络上发表或转发文本信息的行为过程。在人格特质识别阶段，通过计算每个用户在发表或转发文本信息过程中产生的观测序列相对于模型的平均对数似然概率，以识别用户所属的人格特质类型。在采集的新浪微博数据集上进行实验，结果表明，当假正率为10%时，该方法的总真正率为93.18%，能准确识别用户的人格特质类型。
-
计算机工程. 2023, 49(1): 287-294. https://doi.org/10.19678/j.issn.1000-3428.0063575随着卷积神经网络与特征金字塔的发展，目标检测在大、中目标上取得了突破，但对于小目标存在漏检、检测精度低等问题。在YOLOv4算法的基础上进行改进，提出YOLOv4-RF算法，进一步提高模型对小目标的检测性能。使用空洞卷积替换YOLOv4中Neck部分的池化金字塔，在网络更深处减少语义丢失的同时获得更大的感受野。在此基础上，对主干网络进行轻量化并增加特征金字塔到主干网络的反馈机制，对来自浅层与深层融合的特征再次处理，保留更多小目标的特征信息，提高网络分类和定位的有效性。鉴于小目标物体属于困难检测样本，引入Focal Loss损失函数，增大困难样本的损失权重，形成YOLOv4-RF算法。在KITTI数据集上的实验数据表明，YOLOv4-RF在各个类别上的检测精度均高于YOLOv4，并在模型缩小138 MB的基础上提高了1.4%的平均精度均值（MAP@0.5）。
-
计算机工程. 2023, 49(1): 295-302,310. https://doi.org/10.19678/j.issn.1000-3428.0063455面部表情能自然高效地表达人类的心理活动和思想状态，影响着人们的沟通交流过程。在诸多智能化应用中，人脸表情识别是人类与机器间建立情感交互的重要基础。在细粒度人脸表情识别任务中，由于特征提取网络对表情产生区域的关键特征处理不足，从而引发细节特征信息丢失问题。提出一种词频-逆文档频率注意力机制TF-IDF SPA，通过该机制调整表情产生关键区域的注意力分布，强化网络对该区域关键细节特征的提取能力。同时，为了应对表情识别任务中普遍存在的类间差异小、类内差异大的问题，设计一种改进型混合加权损失函数，以增强表情类内聚拢性同时增大类间距离。依据数据集中样本的数量分布情况，动态调整损失函数的分类权重值，从而强化模型对小数据量样本的学习能力。在此基础上，将结构简单的TF-IDF SPA模块与卷积层共同堆叠以构建人脸表情识别网络。实验结果表明，该网络具有较好的人脸表情识别性能，在FER2013和CK+数据集上的分类准确率分别达到73.52%和98.27%。
-
计算机工程. 2023, 49(1): 303-310. https://doi.org/10.19678/j.issn.1000-3428.0063516开放域答案选择模型通过对同一问题的不同候选答案打分，寻找与问题最匹配的答案，是问答（QA）系统的重要组成部分。现有开放域QA系统中的答案选择模型较少关注词级与句子级的融合，导致在匹配关系上缺乏上下文的语义联系，或损失个别单词在语法语义上的细节信息。基于相邻相似原理，提出一种融合双匹配焦点的答案选择模型。根据问答任务多语句关联的特点，设计一种可以将词语的问答承接关系和问答语义关系嵌入进词向量的词嵌入方式，并利用该词向量直接计算词对的余弦相似度，得到词级匹配焦点。通过引入注意力机制的Encoder-Decoder模型提取句子级词对匹配焦点，以问题为基准对齐两个焦点分布矩阵，并使用焦点间的相对距离融合词级与句子级匹配矩阵，获得问题与答案的相关性得分。在Wiki-QA、TREC-QA两个公开问答数据集上的实验结果表明，该模型与多跳注意力模型、层级排序模型相比，平均准确率均值分别提高0.080 1和0.057 1，平均倒数排名分别提高0.017 6和0.006 6。
-
计算机工程. 2023, 49(1): 311-320. https://doi.org/10.19678/j.issn.1000-3428.0063564为降低网络节点间的通信成本并提升系统收敛速度，提出基于可变脉冲控制的多智能体系统（MASs）固定时间一致性的双阶控制（TSC）策略。将整个控制周期分为可变脉冲控制阶段和固定时间连续控制阶段，根据实际应用需求动态调整脉冲控制和固定时间控制的时间周期，并且在脉冲时间窗内可随机进行脉冲采样。采用固定时间一致性理论使MASs的一致性时间不依赖于系统的初始条件，引入随机扰动增强TSC策略在实际系统中的可用性，利用Lyapunov函数、代数图论和矩阵分析得到系统达到固定时间一致性的充分条件。通过具有切换拓扑结构的领导-跟随者数值仿真案例验证了理论分析的有效性，并表明TSC策略的收敛时间和通信次数相比于单一可变脉冲控制和单一固定时间连续控制分别减少了0.07 s和6~9。
2024
第50卷 第7期
第50卷 第7期
(1975年创刊 月刊)
主管：中国电子科技集团公司
主办：华东计算技术研究所
上海市计算机学会
主编：江波
执行主编：胡冰
电话：021-67092217(费用/发票)
（稿件问题请直接联系栏目编辑） E-mail: ecice06@ecict.com.cn
国内刊号：CN 31-1289/TP
国际刊号：ISSN 1000-3428
主管：中国电子科技集团公司
主办：华东计算技术研究所
上海市计算机学会
主编：江波
执行主编：胡冰
电话：021-67092217(费用/发票)
（稿件问题请直接联系栏目编辑） E-mail: ecice06@ecict.com.cn
国内刊号：CN 31-1289/TP
国际刊号：ISSN 1000-3428