2023年, 第49卷, 第2期 刊出日期：2023-02-15
-
全选|
-
-
计算机工程. 2023, 49(2): 1-14. https://doi.org/10.19678/j.issn.1000-3428.0065790微表情分析在医学、公共安全、商业谈判等领域得到广泛应用并备受关注。微表情运动幅度小、变化快，导致人工分析难度较大，开发一个可靠的自动化微表情分析系统非常有必要。随着计算机视觉技术的发展，研究人员能够结合相关算法捕捉微表情运动变化特征以用于微表情分析。阐述微表情分析的发展历程和现状，从多个角度对微表情分析的两大分支，即微表情检测方法和微表情识别方法进行总结。整理现有微表情数据集以及微表情分析流程中常用的面部图像预处理方法。根据特征提取方式的不同，从基于时间特征、基于特征变化和基于深度特征这3个方面对微表情检测方法进行阐述。将微表情识别方法归纳为基于纹理特征和基于光流特征的传统机器学习方法以及深度学习方法，其中，基于深度学习的微表情识别包括基于运动单元、基于关键帧和基于迁移学习的方法。通过不同实验指标对以上方法进行分析和比较，在此基础上，探讨当前微表情分析中存在的问题和挑战并展望该领域未来的发展方向。
-
计算机工程. 2023, 49(2): 15-23. https://doi.org/10.19678/j.issn.1000-3428.0064924针对路面病害检测中由于病害形态多样、种类繁多以及背景灰度值相似造成噪声干扰导致识别与分类精度不高的问题，采用卷积神经网络YOLOv5为主干框架，提出一种基于改进YOLOv5的路面病害检测模型YOLOv5l-CBF。引入坐标注意力机制，调整网络的注意力权重使模型对病害纹理特征更加关注，并在主干网络的残差结构中引入Transformer构建BotNet网络结构，在减少参数量的同时提高对病害图像中全局依赖关系的捕捉能力。同时，在颈部网络中构建双向加权特征金字塔网络，学习每个特征层的重要性分布权重，并对提取到的病害特征进行双向交叉尺度连接和加权融合。在真实路面病害数据集上的实验结果表明：与YOLOv5l模型相比，YOLOv5l-CBF模型精度与召回率分别提升7.4和8.7个百分点，mAP达到90.8%，在对多种病害的检测与分类上具有显著的性能优势。
-
计算机工程. 2023, 49(2): 24-30. https://doi.org/10.19678/j.issn.1000-3428.0064452利用不同来源的数据参与机器学习模型的训练，能够使得训练出的模型的预测结果更加准确，然而大量的数据收集则会产生隐私方面的相关问题。FATE联邦迁移学习是一种基于同态加密的联邦学习框架，但FATE联邦迁移学习中同态加密计算复杂，收敛速度相对较慢，导致模型训练效率低。提出一种基于茫然传输协议的安全矩阵计算方案。通过实现矩阵加法和乘法及数乘的安全计算，完成参与两方交互下具有数据隐私保护特性机器学习模型的损失函数计算与梯度更新，并以此构造更高效的FATE联邦迁移学习算法方案。在此基础上，通过茫然传输扩展协议和通信批量处理，减少需要调用的茫然传输协议的数量，缩减通信轮数，从而降低茫然传输协议带来的通信消耗。性能分析结果表明，该方案的安全模型满足安全性和隐私保护性，并且具有一定的可扩展性，在局域网环境下，相比基于同态加密的方案，模型收敛的平均时间缩短约25%，并且随着数据样本特征维度的增加，该方案仍能保持稳定的收敛速度。
-
计算机工程. 2023, 49(2): 31-36,45. https://doi.org/10.19678/j.issn.1000-3428.0063709在异构资源环境中高效利用计算资源是提升任务效率和集群利用率的关键。Kuberentes作为容器编排领域的首选方案，在异构资源调度场景下调度器缺少GPU细粒度信息无法满足用户自定义需求，并且CPU/GPU节点混合部署下调度器无法感知异构资源从而导致资源竞争。综合考虑异构资源在节点上的分布及其硬件状态，提出一种基于Kubernetes的CPU/GPU异构资源细粒度调度策略。利用设备插件机制收集每个节点上GPU的详细信息，并将GPU资源指标提交给调度算法。在原有CPU和内存过滤算法的基础上，增加自定义GPU信息的过滤，从而筛选出符合用户细粒度需求的节点。针对CPU/GPU节点混合部署的情况，改进调度器的打分算法，动态感知应用类型，对CPU和GPU应用分别采用负载均衡算法和最小最合适算法，保证异构资源调度策略对不同类型应用的正确调度，并且在CPU资源不足的情况下充分利用GPU节点的碎片资源。通过对GPU细粒度调度和CPU/GPU节点混合部署情况下的调度效果进行实验验证，结果表明该策略能够有效进行GPU调度并且避免资源竞争。
-
计算机工程. 2023, 49(2): 37-45. https://doi.org/10.19678/j.issn.1000-3428.0065762自然语言处理技术在文本分类、文本纠错等任务中表现出强大性能，但容易受到对抗样本的影响，导致深度学习模型的分类准确性下降。防御对抗性攻击是对模型进行对抗性训练，然而对抗性训练需要大量高质量的对抗样本数据。针对目前中文对抗样本相对缺乏的现状，提出一种可探测黑盒的对抗样本生成方法WordIllusion。在数据处理与计算模块中，数据在删除标点符号后输入文本分类模型得到分类置信度，再将分类置信度输入CKSFM计算函数，通过计算比较cksf值选出句子中的关键词。在关键词替换模块中，利用字形嵌入空间和同音字库中的相似词语替换关键词并构建对抗样本候选序列，再将序列重新输入数据处理与计算模块计算cksf值，最终选择cksf值最高的数据作为最终生成的对抗样本。实验结果表明，WordIllusion方法生成的对抗样本在多数深度学习模型上的攻击成功率高于基线方法，在新闻分类场景的DPCNN模型上相比于CWordAttack方法最多高出41.73个百分点，且生成的对抗样本与原始文本相似度很高，具有较强的欺骗性与泛化性。
-
计算机工程. 2023, 49(2): 46-53. https://doi.org/10.19678/j.issn.1000-3428.0063995区块链由于其去中心化的特点，被认为是近年来最具颠覆性和革命性的技术创新之一。然而，目前大多数公有链由于数据高度冗余使得区块链系统数据迅速增长，从而造成节点存储资源消耗严重，此外它还存在区块共识成本较高导致系统吞吐量低的问题。针对区块链的可扩展性问题，提出一种适用于智能合约的无状态区块链性能优化方案STiPChain。STiPChain基于密码累加器与可验证计算完成无状态设计，采用RSA累加器生成智能合约的有效性证明实现节点状态数据压缩，同时通过分布式设计将智能合约的有效性证明更新效率优化至常数，极大降低节点对磁盘和内存的需求。在此基础上，STiPChain将区块共识与区块运算解耦，基于可验证计算技术提出新的智能合约执行逻辑和交易验证方案，解决无状态条件下的交易验证与执行问题，有效提高系统吞吐量。实验结果表明，与Ethereum相比，STiPChain无状态区块链性能优化方案将共识节点的存储需求降低了99%，吞吐量提高了1.6~2 500倍。
-
计算机工程. 2023, 49(2): 54-60. https://doi.org/10.19678/j.issn.1000-3428.0063847现有未知意图检测模型通常将语句映射到向量空间，并使用局部异常因子算法定义密度较小的特征点为未知意图，但经交叉熵损失训练的已知意图特征簇更加狭长，簇内的整体间距、密度和分散情况不均匀，进而增加了检测难度。针对上述问题，提出一种基于自动编码器重建误差的未知意图检测模型。在训练阶段，使用融入标签知识的联合损失函数训练已知意图分类器，使已知意图特征类间距离大且类内距离小，并利用这些特征训练一个仅能获取已知意图信息的自动编码器。在测试阶段，利用自动编码器将重建误差较大的样本视为未知意图，其余样本视为已知意图正常分类。在SNIPS数据集上的实验结果表明，在已知意图占比为25%、50%、75%时，该模型的Macro F1得分相比于表现最优的增强语义的高斯混合损失基线模型分别提升了16.93%、1.14%和2.37%，能够检测到更多的未知意图样本，同时在类别分布极不平衡的ATIS数据集上也有较好的性能表现。
-
计算机工程. 2023, 49(2): 61-69. https://doi.org/10.19678/j.issn.1000-3428.0063592代码注释能够提高程序代码的可读性，从而提升软件开发效率并降低成本。现有的代码注释生成方法将程序代码的序列表示或者抽象语法树表示输入到不同结构的编码器网络，无法融合程序代码不同抽象形式的结构特性，导致生成的注释可读性较差。构建一种结构感知的混合编码模型，同时考虑程序代码的序列表示和结构表示，通过序列编码层和图编码层分别捕获程序代码的序列信息和语法结构信息，并利用聚合编码过程将两类信息融合至解码器。设计一种结构感知的图注意力网络，通过将程序代码的语法结构的层次和类型信息嵌入图注意力网络的学习参数，有效提升了混合编码模型对程序代码的复杂语法结构的学习能力。实验结果表明，与SiT基准模型相比，混合编码模型在Python和Java数据集上的BLEU、ROUGE-L、METEOR得分分别提高了2.68%、1.47%、3.82%和2.51%、2.24%、3.55%，能生成更准确的代码注释。
-
计算机工程. 2023, 49(2): 70-80. https://doi.org/10.19678/j.issn.1000-3428.0063844现有基于图神经网络的序列推荐模型大多仅关注用户与项目交互的结构性信息，序列偏好的学习仅涉及项目交互顺序，缺乏项目自身的内容信息，并且未有效利用用户信息及挖掘项目之间更深层的语义关系。提出一种知识增强的图神经网络序列推荐模型KGGNN，引入知识图谱，并结合用户交互数据构建协同知识图谱，学习得到项目语义关联辅助信息以及用户关联辅助信息。将交互序列构建成有向序列图，利用门控图神经网络以及用户关联辅助信息学习序列中项目节点的结构性信息。通过注意力机制组合项目向量作为全局序列偏好，将最近交互的项目作为当前兴趣偏好，融合两者形成最终序列偏好，并结合项目语义关联辅助信息进行模型预测。在Amazon-Book、Last-FM、Yelp2018这3个公开数据集上的实验结果表明，辅助信息能有效提升序列推荐的准确性，该模型在命中率（HIT@K）和归一化折损累计增益（NDCG@K）2个指标上相较于GRU4Rec、NARM、SASRec等模型均有显著提升。当评估指标K值选取10时，与KGSR模型相比，其HIT@10指标在3个数据集上分别提升12.9%、4.5%、6.9%，NDCG@10指标在3个数据集上分别提升29.4%、5.7%、16.7%。
-
计算机工程. 2023, 49(2): 81-89. https://doi.org/10.19678/j.issn.1000-3428.0063871卷积神经网络具有高效的特征提取能力和较少的参数量，被广泛应用于图像处理、目标跟踪、自然语言等领域。针对传统分类模型对于结构化非平衡数据分类效果较差的问题，提出一种基于卷积神经网络的二分类结构化非平衡数据分类算法。设计结构化数据处理算法Data-Shuffle，将原始非平衡一维结构化数据转换为三维数组形式的多通道非平衡数据，为卷积神经网络提供更多的特征值，通过改进的VGG网络构建适合非平衡数据的网络结构卷积组，以提取不同的特征。在此基础上，提出更新权重加权采样算法UWSCNN，在每个迭代次数之后，根据模型的训练结果对易错样本进行重新加权，以优化训练结果。在adult、shoppers和diabetes数据集上的实验结果表明，相比逻辑回归、随机森林等传统机器学习模型，所提的Data-Shuffle算法的F1值提升了1%~19%，G-mean提升了2%~24%，相比SMOTECNN、BSMOTECNN、SMOTECNN+CS等采样算法，所提的UWSCNN算法对非平衡数据的分类效果提升了1%~13%，有效提高模型对非平衡数据的分类性能。
-
计算机工程. 2023, 49(2): 90-97. https://doi.org/10.19678/j.issn.1000-3428.0063841已有的无监督跨模态哈希（UCMH）方法主要关注构造相似矩阵和约束公共表征空间的结构，忽略了2个重要问题：一是它们为不同模态的数据提取独立的表征用以检索，没有考虑不同模态之间的信息互补；二是预提取特征的结构信息不完全适用于跨模态检索任务，可能会造成一些错误信息的迁移。针对第一个问题，提出一种多模态表征融合结构，通过对不同模态的嵌入特征进行融合，从而有效地综合来自不同模态的信息，提高哈希码的表达能力，同时引入跨模态生成机制，解决检索数据模态缺失的问题；针对第二个问题，提出一种相似矩阵动态调整策略，在训练过程中用学到的模态嵌入自适应地逐步优化相似矩阵，减轻预提取特征对原始数据集的偏见，使其更适应跨模态检索，并有效避免过拟合问题。基于常用数据集Flickr25k和NUS-WIDE进行实验，结果表明，通过该方法构建的模型在Flickr25k数据集上3种哈希位长检索的平均精度均值较DGCPN模型分别提高1.43%、1.82%和1.52%，在NUS-WIDE数据集上分别提高3.72%、3.77%和1.99%，验证了所提方法的有效性。
-
计算机工程. 2023, 49(2): 98-104. https://doi.org/10.19678/j.issn.1000-3428.0063621稀疏关系表示（SRR）是一种性能良好的子空间聚类算法，其利用一个数据样本和所有样本间的邻域关系作为新特征来学习自表示系数，由自表示系数矩阵构建相似度矩阵并通过谱聚类得到聚类结果。同时考虑相似度矩阵的稀疏性和聚集性，在SRR算法基础上提出一个判别性增强的稀疏子空间聚类模型。对邻域关系矩阵的自表示矩阵采用平方F范数代替SSR中的核范数，降低模型求解难度，并在邻域关系矩阵的自表示矩阵中引入新的正则项，保证自表示矩阵的类间判别性和邻域关系矩阵的类内聚集性，进一步优化聚类性能。实验结果表明：与SSC、LRR、LSR、BDR-B、SRR等模型相比，该模型具有较好的聚类性能；在MNIST、USPS、ORL数据集上，聚类错误率较SRR模型分别下降9.6、14.1、3.8个百分点；在Extended Yale B数据集上，针对2、3、5、8、10类聚类问题的聚类错误率较SRR模型分别下降0.39、0.72、1.32、2.73、3.28个百分点。
-
计算机工程. 2023, 49(2): 105-111. https://doi.org/10.19678/j.issn.1000-3428.0064093随着智慧城市的快速发展，大量商业场所每天会产生海量的驻留行为数据，然而传统驻留行为数据分析方法难以克服数据稀疏性问题，并且对于时空伴随关系的发现准确度也较低。根据驻留行为数据特征和可视分析任务，设计一种交互式的可视分析系统。对原始数据进行处理，提取相关的时空特征并发现用户伴随关系。使用改进的可变滑动窗口算法，并结合可视分析技术，设计用户关系图、时间甘特图、多变量表达的示意性地图、径向条形图、日历热力图等多种视图，实现对驻留场所的流量分布、用户来源等特征的多时段可视分析。应用两个真实数据集进行案例分析，并对发现的行为模式及对应现象进行解释说明，证明了该系统的可用性和拓展性，并表明其可实现团体出行特征和场所流量分析等系统级应用，为相关经营性商业场所提供合理化建议及辅助决策支持。
-
计算机工程. 2023, 49(2): 112-118. https://doi.org/10.19678/j.issn.1000-3428.0063536当情感分类模型依次学习多个领域的情感分类任务时，从新任务中学到的参数会直接修改模型原有参数，由于缺少对原有参数的保护机制，降低了模型在旧任务上的分类准确率。为缓解灾难遗忘现象对模型性能的影响，并增加任务间的知识迁移，提出一种用于中文情感分类的基于知识架构的持续学习方法。在Transformer编码层中，采用任务自注意力机制为每个任务单独设置注意力变换矩阵，通过区分任务特有的注意力参数实现知识保留。在TextCNN的全连接层中，利用任务门控注意力（HAT）机制控制每个神经元的开闭，为每个任务训练特定的网络结构，仅激活对任务重要的神经元加强知识挖掘，提升分类效率与准确率。在JD21中文数据集上的实验结果表明，该方法的Last ACC和负类F1值相比于基于HAT的持续学习方法分别提升了0.37和0.09个百分点，具有更高的分类准确率，并且有效缓解了灾难遗忘现象。
-
计算机工程. 2023, 49(2): 119-126,135. https://doi.org/10.19678/j.issn.1000-3428.0063304利用强化学习训练机器人局部路径规划模型存在算法收敛速度慢、易陷入死锁区域导致目标不可达等问题。对传统近端策略优化（PPO）算法进行改进，引入长短期记忆（LSTM）神经网络并设计虚拟目标点法，提出LSTM-PPO算法。将PPO神经网络结构中的全连接层替换为LSTM记忆单元，控制样本信息的记忆和遗忘程度，优先学习奖励值高的样本，从而更快地累积奖励优化模型。在此基础上，加入虚拟目标点，通过雷达传感器收集的环境信息判断机器人陷入死锁区域时弃用目标点给予机器人的引导，使机器人走出陷阱区域并趋向目标点，减少在死锁区域不必要的训练。分别在特殊障碍物场景和混合障碍物场景中对LSTM-PPO算法进行仿真验证，结果表明，与传统PPO算法和改进算法SDAS-PPO相比，该算法在两种场景训练中均能最快到达奖励峰值，可加快模型收敛速度，减少冗余路段，优化路径平滑度并缩短路径长度。
-
计算机工程. 2023, 49(2): 127-135. https://doi.org/10.19678/j.issn.1000-3428.0063674从多元时间序列观测数据中学习多个变量之间的因果关系是许多专业领域中的重要基本问题。现有的多元时间序列因果关系发现方法通常从每个个体的观测数据中学习个体因果关系，没有考虑部分个体之间可能存在相同的因果关系，导致样本利用不足。提出一种面向多元时间序列的群体因果关系发现算法。该算法分为2个阶段：第一阶段基于因果关系对个体之间的相似性进行度量，并把多个个体划分成多个群体，且无须指定群体的个数；第二阶段基于变分推断方法充分利用每个群体内的所有个体数据，从而学习群体因果关系。实验结果表明，该算法在多组不同参数生成的仿真数据上均具有较好的表现，与对比算法相比，AUC评分提升了5%~20%。在真实数据集中，该算法能够较好地区分具有不同因果关系的群体，并且能够学习到不同群体之间不同的因果关系，表明算法不仅具有因果关系发现能力，而且还具有多元时间序列聚类能力。
-
计算机工程. 2023, 49(2): 136-142,149. https://doi.org/10.19678/j.issn.1000-3428.0063682基于会话的推荐方法旨在根据匿名用户行为序列预测下一个项目。然而，现有会话推荐方法多基于当前会话建模用户偏好，忽略了会话间蕴含的语义信息及知识图谱中丰富的实体和关系信息，无法有效缓解数据稀疏性的问题。提出一种基于跨会话信息与知识图谱的图注意力网络推荐方法。通过有效整合跨会话信息和知识图谱中的项目知识构建跨会话知识图谱，利用知识感知的注意力机制计算各邻居节点的重要性分数，以更新项目节点表示，采用门控循环单元和图注意力网络将每个会话表示为该会话的当前偏好和全局偏好的组合。在此基础上，将会话嵌入和项目嵌入拼接后输入到多层感知机，得到目标会话和候选项目的预测分数，从而实现会话推荐。实验结果表明，与GRU4REC、SR-GNN、FGNN等方法相比，该方法在KKBOX和JDATA两个真实数据集上的推荐命中率分别至少提高了8.23和2.41个百分点，能有效增强会话推荐性能。
-
计算机工程. 2023, 49(2): 143-149. https://doi.org/10.19678/j.issn.1000-3428.0063662信息提取的目的是从自然语言文件中找到具体信息，现有研究在信息抽取的实体关系和事件抽取任务中仅解决事件论元重叠和实体关系重叠的问题，未考虑两个任务共有的角色重叠问题，导致抽取结果准确率降低。提出一个两阶段的通用模型用于完成实体关系抽取和事件抽取子任务。基于预训练语言模型RoBERTa的共享特征表示，分别对实体关系/事件类型和实体关系/事件论元进行预测。将传统抽取触发词任务转化为多标签抽取事件类型任务，利用多尺度神经网络进一步提取文本特征。在此基础上，通过抽取文本相关类型的事件论元，根据论元角色的重要性对损失函数重新加权，解决数据不平衡、实体关系抽取和事件抽取中共同存在论元角色重叠的问题。在千言数据集中事件抽取和关系抽取任务测试集上的实验验证了该模型的有效性，结果表明，该模型的F1值分别为83.1%和75.3%。
-
计算机工程. 2023, 49(2): 150-160,174. https://doi.org/10.19678/j.issn.1000-3428.0063898针对基于图卷积的自编码器模型对原始图属性和拓扑信息的保留能力有限、无法学习结构和属性之间深度关联信息等问题，提出基于多通道图卷积自编码器的图表示学习模型。设计拓扑和属性信息保留能力实验，验证了基于图卷积的自编码器模型具备保留节点属性和拓扑结构信息的能力。构建特定信息卷积编码器和一致信息卷积编码器，提取图的属性空间特征、拓扑空间特征以及两者关联特征，生成属性嵌入、拓扑嵌入和一致性嵌入，同时建立与编码器对称的卷积解码器，还原编码器过程。使用重构损失、局部约束和一致性约束，优化各编码器生成的低维嵌入表示。最终将蕴含不同图信息的多种嵌入进行融合，生成各节点的嵌入表示。实验结果表明，该模型在BlogCatalog和Flickr数据集上节点分类的Micro-F1和Macro-F1明显高于基线模型，在Citeseer数据集上节点聚类的精度和归一化互信息相比于表现最优的基线模型提升了11.84%和34.03%。上述实验结果证明了该模型采用的多通道方式能够在低维嵌入中保留更丰富的图信息，提升图机器学习任务的性能表现。
-
计算机工程. 2023, 49(2): 161-168. https://doi.org/10.19678/j.issn.1000-3428.00637995G技术在电力行业的普及推进了海量电力终端接入网络，但众多电力终端暴露在互联网中，攻击者可以先入侵脆弱的电力终端进行远程控制，然后以失陷终端作为跳板，纵向渗透到5G电力物联网内部从而窃取敏感数据。零信任的出现为失陷终端威胁检测提供了可能，然而电力终端分布具有广泛性，致使中心化零信任安全架构无法直接应用于5G电力物联网。提出一种雾化零信任组件的失陷终端威胁检测方案。采用分布式多点方式将零信任组件雾化部署到电力终端周围，并设计一套宕机组件应急响应流程用于及时发现单点失效的零信任组件。建立一种突发信任评估模型，充分利用安装在电力终端的零信任代理持续性地收集终端行为因素，从中提取突发因子并量化反映到信任值，以快速发现和阻断具有突发异常行为的失陷终端。仿真结果表明，该方案能有效缓解零信任组件部署于5G电力物联网时的检测压力，在失陷终端比例为20%的条件下对突变异常失陷终端的检测率高达92.3%，具有较好的非法访问抑制效果。
-
计算机工程. 2023, 49(2): 169-174. https://doi.org/10.19678/j.issn.1000-3428.0063917传统物联网入侵检测系统难以实时检测新类别攻击，为此，提出一种基于堆叠稀疏自编码器（SSAE）和自组织增量神经网络（SOINN）的物联网入侵检测方法。SSAE对已知类别的攻击样本进行稀疏编码和特征提取，所提取的特征输入SOINN，SOINN形成符合流量特征空间分布的拓扑结构。当出现新类别训练样本的特征时，SOINN自适应地生成新节点以建立新的局部拓扑结构。为了保留SSAE在旧类别样本上的知识，对SOINN已有的拓扑结构施加约束，通过误差反向传递间接约束SSAE权重的变化。针对SOINN在新类别上产生的新局部拓扑结构进行自适应聚合和优化，从而实现新类别样本学习。实验结果表明，该方法能基于新类别数据对模型进行增量训练而无需历史类别数据，在CIC-IDS2017数据集的动态数据流中能有效检测新类别攻击同时缓解旧类别数据中存在的灾难性遗忘问题，在初始已知数据集上的准确率达到98.15%，完成3个阶段的类别增量学习后整体准确率仍能达到57.34%，优于KNN-SVM、mCNN等增量学习方法。
-
计算机工程. 2023, 49(2): 175-180. https://doi.org/10.19678/j.issn.1000-3428.0063845面对规模庞大的物联网数据，高效的共识算法是区块链技术与物联网应用相结合的关键。为解决大规模物联网区块链系统中传统共识算法通信开销大、扩展性低、共识机制复杂度高的问题，基于Hyperledger Fabric搭建一个物联网区块链框架，并设计基于投票和交易证明的轻量级共识算法PoVT。在链码验证交易后，根据节点之间发起和收到的交易，选择交易的源节点和目标节点作为代表参与共识。在共识阶段通过设计新的投票方式简化共识流程，仅需一次全节点广播即可生成新的区块。以优先收集到一定投票数的节点作为主节点进行投票广播，在所有节点收到足够多投票消息的同时进行上一轮交易区块确认。对安全性、出块时间和带宽需求进行分析，结果表明，PoVT算法在网络中存在拜占庭节点的情况下能够以较短的时间验证交易和区块，在每秒交易数量相同时，该算法生成区块的时间为PBFT算法的1/3，网络带宽占用也能减少30%，证明所提物联网区块链框架在不同应用场景中具有较高的可扩展性。
-
计算机工程. 2023, 49(2): 181-190. https://doi.org/10.19678/j.issn.1000-3428.0063550Sealed-bid auctions are a vital transaction tool in the e-commerce field.Traditional centralized auction schemes typically result in severe threats to data integrity, information transparency, and traceability owing to their excessive reliance on third parties, and blockchain-based auction schemes generally suffer from high storage costs and are deficient in functional and architectural design.To solve these problems, this study presents a sealed-bid auction scheme that removes the third-party based on an Ethereum smart contract, ensuring data integrity, openness, and transparency in the execution process.The commitment mechanism and distributed storage system help to significantly reduce the user's storage cost and protect the privacy of user bids.For the functional design, this study introduces a full-text-retrieval and dispute-processing module for commodities, which reduces the defects existing in the functional module design of existing auction systems.Furthermore, a prototype auction system on the Ethereum test chain is built to validate the proposed scheme.Experiments show that compared with traditional storage methods, indirect storage based on a distributed storage system of texts and images can reduce the storage cost by at least 50% while ensuring data integrity.Finally, the gas cost at each stage of the auction scheme and the time required for the full-text retrieval of products are recorded to evaluate the scheme performance and analyze the test results.
-
计算机工程. 2023, 49(2): 191-198. https://doi.org/10.19678/j.issn.1000-3428.0063464实用拜占庭容错（PBFT）共识算法被广泛应用于金融机构、电子货币行业、农产品溯源等领域，但存在灵活性较差、拜占庭节点处理方式不足、通信开销和网络时延较大等问题。提出基于动态机制与信用积分机制的实用拜占庭容错共识算法DT-PBFT。引入动态加入或退出机制，使集群内的节点可以按需自由加入或退出，增加信用积分机制，通过分层机制将节点按可信任程度分为备用主节点层、中间层、警告层和清理层，采用惩罚机制降低节点连续作恶的可能性，以保证从备用主节点层中优先选择最优的主节点，大幅提高共识效率。同时，通过剔除网络清理层中的拜占庭节点，提高算法的运行效率。在此基础上，通过优化一致性协议对共识流程进行改进，减少一轮全网节点信息交互确认流程，从而降低通信开销。实验结果表明，当节点数为22时，相比DGPBFT、DDBFT和PBFT算法，DT-PBFT算法具有较优的灵活性，吞吐量和交易请求有效完成率分别为292 transaction/s和83.4%，CPU利用率为50%，相比PBFT算法，延迟降低了350 ms。
-
计算机工程. 2023, 49(2): 199-205. https://doi.org/10.19678/j.issn.1000-3428.0064450由目标检测算法提取的目标特征在图像描述生成任务中发挥重要作用，但仅使用对图像进行目标检测的特征作为图像描述任务的输入会导致除关键目标信息以外的其余信息获取缺失，且生成的文本描述对图像内目标之间的关系缺乏准确表达。针对上述不足，提出用于编码图像内目标特征的目标Transformer编码器，以及用于编码图像内关系特征的转换窗口Transformer编码器，从不同角度对图像内不同方面的信息进行联合编码。通过拼接方法将目标Transformer编码的目标特征与转换窗口Transformer编码的关系特征相融合，达到图像内部关系特征和局部目标特征融合的目的，最终使用Transformer解码器将融合后的编码特征解码生成对应的图像描述。在MS-COCO数据集上进行实验，结果表明，所构建模型性能明显优于基线模型，BLEU-4、METEOR、ROUGE-L、CIDEr指标分别达到38.6%、28.7%、58.2%和127.4%，优于传统图像描述网络模型，能够生成更详细准确的图像描述。
-
计算机工程. 2023, 49(2): 206-212. https://doi.org/10.19678/j.issn.1000-3428.0064827哈希方法由于低存储、高效率的特性而被广泛应用于遥感图像检索领域。面向遥感图像检索任务的无监督哈希方法存在伪标签不可靠、图像对的训练权重相同以及图像检索精度较低等问题，为此，提出一种基于深度多相似性哈希（DMSH）的遥感图像检索方法。针对优化伪标签和训练关注度分别构建自适应伪标签模块（APLM）和成对结构信息模块（PSIM）。APLM采用K最近邻和核相似度来评估图像间的相似关系，实现伪标签的初始生成和在线校正。PSIM将图像对的多尺度结构相似度映射为训练关注度，为其分配不同的训练权重从而优化深度哈希学习。DMSH通过Swin Transformer骨干网络提取图像的高维特征，将基于语义相似矩阵的伪标签作为监督信息以训练深度网络，同时网络在两个基于不同相似度设计的模块上实现交替优化，充分挖掘图像间的多种相似信息进而生成具有高辨识力的哈希编码，实现遥感图像的高精度检索。实验结果表明，DMSH在EuroSAT和PatternNet数据集上的平均精度均值较对比方法分别提高0.8%~3.0%和9.8%~12.5%，其可以在遥感图像检索任务中取得更高的准确率。
-
计算机工程. 2023, 49(2): 213-221,230. https://doi.org/10.19678/j.issn.1000-3428.0063806低剂量计算机断层扫描（LDCT）成像技术在医学诊断中得到广泛应用，但其斑纹噪声和非平稳条纹伪影复杂，目前多数算法仅依靠推断条件后验概率来实现图像去噪，无法应对LDCT图像噪声复杂、数据量少、先验知识缺乏的问题。提出一种结合感知损失的双重对抗网络去噪算法，以实现LDCT图像复原。该算法包含一个去噪器和一个生成器，分别从图像去噪和噪声生成2个角度来建模干净-噪声图像对的联合分布，通过联合学习使得去噪器和生成器相互指导，从而充分学习数据中的噪声信息和清晰图像信息，且学习到的去噪器可以直接用于LDCT图像修复。考虑到通过感知损失学习语义特征差异可以使去噪结果保留更多的细节和边缘信息，提出一种掩膜自监督方法，针对CT图像域训练一个语义特征提取网络用于计算感知损失。实验结果表明，与BM3D、RED-CNN、WGAN-VGG等主流去噪算法相比，该算法可以有效抑制噪声并去除伪影，最大程度地保留边缘轮廓和纹理细节，产生更符合人眼视觉特性的去噪效果，与当下LDCT图像去噪性能较好的SACNN算法相比，所提算法的PSNR和SSIM指标分别提升1.26 dB和1.8%。
-
计算机工程. 2023, 49(2): 222-230. https://doi.org/10.19678/j.issn.1000-3428.0064268现有单目深度估计算法主要从单幅图像中获取立体信息，存在相邻深度边缘细节模糊、明显的对象缺失问题。提出一种基于场景对象注意机制与加权深度图融合的单目深度估计算法。通过特征矩阵相乘的方式计算特征图任意两个位置之间的相似特征向量，以快速捕获长距离依赖关系，增强用于估计相似深度区域的上下文信息，从而解决自然场景中对象深度信息不完整的问题。基于多尺度特征图融合的优点，设计加权深度图融合模块，为具有不同深度信息的多视觉粒度的深度图赋予不同的权值并进行融合，融合后的深度图包含深度信息和丰富的场景对象信息，有效地解决细节模糊问题。在KITTI数据集上的实验结果表明，该算法对目标图像预估时σ<1.25的准确率为0.879，绝对相对误差、平方相对误差和对数均方根误差分别为0.110、0.765和0.185，预测得到的深度图具有更加完整的场景对象轮廓和精确的深度信息。
-
计算机工程. 2023, 49(2): 231-237. https://doi.org/10.19678/j.issn.1000-3428.0064536肝脏病灶是指肝脏疾病集中的部位或是综合病症、感染的主要部位。由于不同类型的多期相肝脏病灶计算机断层扫描（CT）影像存在异病同影或同病异影的情况，导致同一类型的CT影像结构变化较大，传统方法难以提取丰富的图像特征信息，肝脏病灶分类准确率有待提高。提出一种多期相注意力融合网络MAFNet，使用单期相分支表征单期相病灶图像特征，并在融合分支中采用中期融合的方式，融合单期相分支中提取出的特征映射，从而充分提取图像中不同层次的特征。利用多期相注意力模块提取单期相分支中肝脏病灶的加权特征，重新组织多期相肝脏病灶的特征映射，以保持不同单期相图像信息，表达3个期相影像的时序增强模式，得到更准确的分类结果。实验结果表明，基于该网络的分类方法能充分利用多期相肝脏CT影像的时序特征，有效捕捉同一患者不同期相的信息，肝脏病灶CT影像分类的平均准确率为90.99%。
-
计算机工程. 2023, 49(2): 238-245. https://doi.org/10.19678/j.issn.1000-3428.0064164基于深度学习的点击率预估模型多数通过建模各个域的特征之间的交互关系提升预估准确率。特征嵌入向量对模型效果具有重要影响，而现有的CTR模型中不同特征的嵌入向量学习过程相互独立，且由于特征长尾分布导致大部分低频特征不能学习到较好的向量表示，严重影响模型的预测效果。基于域内特征间存在隐含的相似性，提出两种分别基于特征间共现概率和游走概率的相似度定义和对应的相似性图构建方法，并给出结合剪枝策略的广度优先遍历算法实现相似特征的高效计算。在此基础上，基于域内特征相似性图，设计一种嵌入生成器，对于低频特征，在域内特征相似性图上通过图神经网络聚合与其相似的特征信息，生成新的特征嵌入，作为预处理过程对特征嵌入向量进行数据增强，提升嵌入向量的表示学习质量。在公开数据集Criteo、Avazu上的实验结果表明，该方法明显提升点击率预估模型的预测准确率，其中对代表性点击率预估模型xDeepFM和AutoInt，AUC指标分别提升了0.007和0.008，LogLoss则下降了0.009和0.006，证明了嵌入生成模型的有效性。
-
计算机工程. 2023, 49(2): 246-253. https://doi.org/10.19678/j.issn.1000-3428.0063656现有多数网络表示学习方法不能很好地贴合真实世界的信息传播网络，且无法对信息传播动态网络的时间特性与动力学演化特征进行有效建模。提出一种新的信息传播动态网络表示模型，基于关系强度将信息传播动态网络划分为关系网络与传播网络，并分别计算变化节点对的概率密度和邻接矩阵。通过更新节点注意力强度矩阵，聚合节点邻域变化信息，并融合节点邻域变化信息、自身历史信息以及外部影响因素，对信息传播动态网络进行归纳式表示学习。引入反馈机制，将最新的节点表示反馈到邻居节点，解决网络表示不及时的问题，提升网络表示性能。实验结果表明，与Know-Evolve、DyRep、LDG等模型相比，该模型的命中率和平均排名提升显著，与LDG模型相比，其时间效率在Social Evolution数据集和Github数据集上分别提升了91.8%、87.2%。
-
计算机工程. 2023, 49(2): 254-262. https://doi.org/10.19678/j.issn.1000-3428.0063715自然场景下人脸表情由于受遮挡、光照等因素影响，以及表情局部变化细微，导致现有人脸表情识别方法准确率较低。提出一种人脸表情识别的新方法，以ResNet18为主干网络，利用残差连接模块加深网络结构，以提取更多深层次的表情特征。通过引入裁剪掩码模块，在训练集图像上的某个区域进行掩码，向训练模型中增加遮挡等非线性因素，提升模型在遮挡情形下的鲁棒性。分别从特征图的通道和空间两个维度提取表情的关键特征，并分配更多的权重给表情变化明显的特征图，同时抑制非表情特征。在特征图输出前加入Dropout正则化策略，通过在训练中随机失活部分神经元，达到集成多个网络模型的训练效果，提升模型泛化能力。实验结果表明，与L2-SVMs、IcRL、DLP-CNN等方法相比，该方法有效提高了表情识别准确率，在2个公开表情数据集Fer2013和RAF-DB上的识别准确率分别为74.366%和86.115%。
-
计算机工程. 2023, 49(2): 263-270. https://doi.org/10.19678/j.issn.1000-3428.0063699堆叠沙漏网络在动物姿态估计任务中得到成功应用，但其编码-解码过程容易丢失网络的浅层信息，影响了检测精度。针对该问题，提出基于改进堆叠沙漏网络的动物姿态估计模型。设计一种基于SE注意力机制的多尺度最大池化模块，完成多尺度信息的提取，解决池化后信息大量丢失的问题，提高网络获取全局信息的能力，同时提出多级特征融合方法，充分提取和融合特征信息。在此基础上，嵌入CBAM注意力机制，学习特征融合权重，提升网络对多通道信息的提取能力，抑制无效特征，使网络提取出更丰富、细腻的特征。在TigDog数据集和合成动物数据集上进行训练和测试，结果表明，该模型估计性能优于Syn、BDL、CyCADA和CC-SSL模型，其对于马和老虎的PCK@0.05指标较次优的CC-SSL模型分别提高4.6%和3.5%。消融实验结果也验证了整个网络体系结构的先进性和有效性。
-
计算机工程. 2023, 49(2): 271-278. https://doi.org/10.19678/j.issn.1000-3428.0064023远程监督是关系抽取领域重要的语料扩充技术，可以在少量已标注语料的基础上快速生成伪标注语料。但是传统的远程监督方法主要应用于单语种文本，维吾尔语等低资源语言并不能使用这类方法得到伪标注语料。针对上述问题，提出一种针对维汉的跨语言远程监督方法，在无语料的情况下利用现有的汉语语料进行维语语料的自动扩充。将远程监督视为文本语义相似度计算问题而不是简单的文本查找，从实体语义和句子语义2个层面判断维语和汉语句子对是否包含同一关系，若为同一关系则将已有的汉语标注转移到维语句子上，实现维语语料从零开始的自动扩充。此外，为有效捕获实体的上下文和隐藏语义信息，提出一种带有门控机制的交互式匹配方法，通过门控单元控制编码层、注意力层之间的信息传递。人工标记3 500条维语句子和600条汉语句子用于模拟远程监督过程并验证模型的性能。实验结果表明，该方法F1值达到73.05%，并且成功构造了包含97 949条维语句子的关系抽取伪标注数据集。
-
计算机工程. 2023, 49(2): 279-287,295. https://doi.org/10.19678/j.issn.1000-3428.0063943堆垛机调度是物流仓储自动化中的重要任务，任务中的出入库效率、货物存放等情况影响仓储系统的整体效益。传统调度方法在面对较大规模调度问题时，因处理大状态空间从而导致性能受限和收益降低。与此同时，库位优化与调度运行联系密切，但现有多数工作在处理调度问题时未能考虑到库位优化问题。为解决仓储中堆垛机调度问题，提出一种基于深度强化学习算法的近端策略优化调度方法。将调度问题视为序列决策问题，通过智能体与环境的持续交互进行自我学习，以在不断变化的环境中优化调度。针对调度中伴生的库位优化问题，提出一种基于多任务学习的调度、库位推荐联合算法，并基于调度网络构建适用于库位推荐的Actor网络，通过与Critic网络进行交互反馈，促进整体的联动和训练，从而提升整体效益。实验结果表明，与原算法模型相比，该调度方法的累计回报值指标平均提升了33.6%，所提的多任务学习的联合算法能有效地应对堆垛机调度和库位优化的应用场景，可为该类多任务问题提供可行的解决方案。
-
计算机工程. 2023, 49(2): 288-295. https://doi.org/10.19678/j.issn.1000-3428.0063257通过对道路场景进行语义分割可以辅助车辆感知周边环境，达到避让行人、车辆以及各类小目标物体障碍的目的，提高行驶的安全性。针对道路场景语义分割中小目标物体识别精度不高、网络参数量过大等问题，提出一种基于多尺度注意力机制的语义分割模型。利用小波变换的多尺度多频率信息分析特性，设计一种多尺度小波注意力模块，并将其嵌入到编码器结构中，通过融合不同尺度及频率的特征信息，保留更多的边缘轮廓细节。使用编码器与解码器之间的层级连接，以及改进的金字塔池化模块进行多方面特征提取，在保留上下文特征信息的同时获得更多的图像细节。通过设计多级损失函数训练网络模型，从而加快网络收敛。在剑桥驾驶标注视频数据集上的实验结果表明，该模型的平均交并比为60.21%，与DeepLabV3+和DenseASPP模型相比参数量减少近30%，在不额外增加参数量的前提下提升了模型的分割精度，且在不同场景下均具有较好的鲁棒性。
-
计算机工程. 2023, 49(2): 296-302,313. https://doi.org/10.19678/j.issn.1000-3428.0063623行人检测在无人驾驶环境感知领域具有重要应用。现有行人检测算法多数只关注普通大小的行人目标，忽略了小目标行人特征信息过少的问题，从而造成检测精度低、应用于嵌入式设备中实时性不高等情况。针对该问题，提出一种小目标行人检测算法YOLOv4-DBF。引用深度可分离卷积代替YOLOv4算法中的传统卷积，以降低模型的参数量和计算量，提升检测速度和算法实时性。在YOLOv4骨干网络中的特征融合部分引入scSE注意力模块，对输入行人特征图的重要通道和空间特征进行增强，促使网络学习更有意义的特征信息。对YOLOv4颈部中特征金字塔网络的特征融合部分进行改进，在增加少量计算量的情况下增强对图像中行人目标的多尺度特征学习，从而提高检测精度。在VOC07+12+COCO数据集上进行训练和验证，结果表明，相比原YOLOv4算法，YOLOv4-DBF算法的AP值提高4.16个百分点，速度提升27%，将该算法加速部署在无人车中的TX2设备上进行实时测试，其检测速度达到23FPS，能够有效提高小目标行人检测的精度及实时性。
-
计算机工程. 2023, 49(2): 303-313. https://doi.org/10.19678/j.issn.1000-3428.0063777交通速度是影响高速路网通行效率和安全的重要指标，精准预测高速路网交通速度可以减少交通事故和通行时间，预先为交通控制提供有价值的参考信息，对高速公路管理具有重要意义。基于时空注意力网络，提出一种由数据和长期预测任务驱动面向动态高速路网的交通速度预测模型（ST-ANet）。通过图注意力网络提取高速路网的动态空间关联特征，使用长短期记忆网络提取输入数据的时间关联特征。在此基础上，采用基于多头自注意力机制的时间注意力网络计算历史输入数据和预测值之间的相关性，并利用密集连接和层归一化方法进一步提升模型性能。基于中国宁夏回族自治区银川市高速路网监测数据进行实验，结果表明，与GCN-LSTM模型相比，ST-ANet模型预测未来1 h、2 h和3 h内高速路网交通速度的平均绝对误差分别降低4.0%、3.6%和3.9%。
-
计算机工程. 2023, 49(2): 314-320. https://doi.org/10.19678/j.issn.1000-3428.0063745能见度对人类生产生活、交通运输安全等具有重要影响，是地面自动气象观测的重要内容之一，但由于受影响因素较多，目前能见度检测仍缺乏统一的标准和检定规程。现有基于图像的能见度检测方法大多从整幅图像或局部区域中提取视觉特征估计能见度，未考虑不同景深目标物对应子图像的质量衰减程度不同，导致检测结果精确度和稳定性不高。提出一种新的能见度检测方法，使用预训练的神经图像评估，从不同景深目标物对应的子图像中提取视觉特征，并将提取的特征和能见度真值输入到全连接网络，以训练子图像的能见度映射模型。根据子图像与全局图像间的关系，动态建立各目标在能见度整体估计过程中的权重回归模型，按照权重融合各目标物能见度估计值，得到整幅图像的能见度检测值。实验结果表明，该方法能有效提升回归模型的预测精度，其在不同能见度区间的检测正确率均超过85%。
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