2023年, 第49卷, 第5期 刊出日期：2023-05-15
-
全选|
-
-
计算机工程. 2023, 49(5): 1-11. https://doi.org/10.19678/j.issn.1000-3428.0065627轨迹预测是自动驾驶和智能交通领域的关键技术，对于车辆和移动行人轨迹的准确预测可提升自动驾驶系统对周围环境变化的感知能力，保障自动驾驶系统的安全性。数据驱动轨迹预测方法可捕捉智能体之间的交互特征，对场景内智能体历史运动和静态环境信息进行分析，准确预测智能体的未来轨迹。介绍轨迹预测的数学模型并将其分为传统轨迹预测方法和数据驱动轨迹预测方法2类，阐述主流数据驱动轨迹预测方法所面临的智能体交互建模、运动行为意图预测、轨迹多样性预测、场景内静态环境信息融合等4个主要挑战，从轨迹预测数据集使用、性能评价指标、模型特点等方面出发对典型数据驱动轨迹预测方法进行分析与对比，总结归纳这些典型数据驱动轨迹预测方法针对上述挑战的解决思路和应用场景，并对自动驾驶场景下轨迹预测技术的未来发展方向进行展望。
-
计算机工程. 2023, 49(5): 12-21,28. https://doi.org/10.19678/j.issn.1000-3428.0065584RegLang是一种面向监管规则设计的智能合约编程语言，旨在支撑监管规则数字化与合约化，已在金融等领域取得初步应用。然而，在实际应用中，金融监管领域的“适用冲突”“多轨规制”等规则冲突问题可能对区块链金融应用造成严重影响，在增加从业机构合规成本的同时，对监管合约的有效性带来挑战。针对上述问题，提出监管合约变量类型依赖分析方法与基于依赖图的变量类型传播分析方法，推断监管合约中所有变量的可能类型，并根据可满足性模理论求解器支持的符号类型实现监管合约中变量、语句和规则的符号化。基于符号分析的规则冲突检测方法，将监管规则冲突问题转换为可满足性问题，从而检测监管合约中规则的自冲突、完全冲突和局部冲突，并针对多个监管规则间完全冲突检测中的状态空间爆炸问题提出子集划分算法进行优化。实验结果表明，RegLang监管合约规则冲突检测方法可以有效检测各类监管规则冲突，在对代码行数为300行的监管规则进行冲突检测时，自冲突、完全冲突和局部冲突的平均检测耗时分别为1 234.9 ms、1 977.8 ms和2 364.5 ms，在实际应用中是可接受的，能够为实现监管规则数字化提供有效保障。
-
计算机工程. 2023, 49(5): 22-28. https://doi.org/10.19678/j.issn.1000-3428.0064581在粗糙集理论中，上、下近似集的计算是核心问题。矩阵能提供一种高效的方法来计算粗糙集模型中概念的上、下近似集，但是在目前的矩阵方法中，论域中每个对象都要与论域中全部对象进行运算，从而导致较大的时间代价。为提高使用矩阵计算近似集时的效率，提出一种快速计算上、下近似集的矩阵方法。对于一个给定的概念，基于概念的外延和概念补集的外延构建一个局部关系矩阵，对局部关系矩阵和单位矩阵进行矩阵运算得到正域和边界域布尔矩阵，对局部关系矩阵的转置和单位矩阵进行矩阵运算得到负域和边界域布尔矩阵。在该矩阵方法中，只需要根据局部关系矩阵就可以计算近似集，即论域中每个对象不必和论域中全部对象进行运算就可以被划分到相应的区域，使得算法的运算次数相比传统矩阵算法大幅减少，从而降低时间成本。在8个公开数据集上的实验结果表明，与4种传统的矩阵算法相比，该矩阵算法的运行速度至少提升70%，可以有效提高近似集计算效率。
-
计算机工程. 2023, 49(5): 29-37,47. https://doi.org/10.19678/j.issn.1000-3428.0064512卫星工程参数异常检测是判断卫星与载荷健康状态的重要手段。传统异常检测方法通常针对具体的卫星或载荷设计，在处理新卫星和新载荷时需要重新建模和训练，然而新运行的卫星设备尚未产生足够的历史数据来支撑建模任务。融合深度学习和迁移学习思想，提出一种基于领域自适应的卫星工程参数异常检测方法。利用深度残差收缩网络(DRSN)结构框架，在训练过程中将无标签的目标域卫星工程参数数据加入网络训练过程，有效获取数据的特征表示。对提取到的数据特征使用距离度量，衡量所提取的源域特征与目标域特征之间的差异性，使得两者在特定特征空间上的分布相似，从而增强了DRSN利用已有标签数据对无标签数据的分类能力。在基于空间科学先导专项系列卫星工程参数构建的数据集上的实验结果表明，该方法的准确率达到98.03%，与梯度提升决策树、支持向量机、DRSN方法相比，迁移检测平均准确率分别高出20.95、22.51、15.02个百分点，能够有效对新卫星和新载荷开展快速准确的异常检测。
-
计算机工程. 2023, 49(5): 38-47. https://doi.org/10.19678/j.issn.1000-3428.0064678近年来口令泄露事件频出，有效的口令猜测方法是保障口令安全的重要手段，其中基于概率上下文无关文法(PCFG)的口令猜测方法效果尤为显著，然而仍存在无法生成新的口令字符子段、对生成口令的概率估计不准确等问题。以基于PCFG的口令猜测方法为研究对象，对其在口令构造过程中关键阶段的命中率进行分析，提出基于Backoff-RNN与概率平衡的改进PCFG口令猜测方法。在口令结构划分阶段，通过分析用户在构造口令时的行为与偏好，将口令从汉语拼音和英文单词两方面进行更细粒度的结构划分，提取口令更深层次的结构信息。在口令填充阶段，将Backoff思想应用于字符级RNN模型，生成子结构中长序列字符子段，提高模型准确性和泛化能力。在口令概率计算阶段，改进口令生成概率的计算方法，解决了使用传统计算规则时因口令结构长度不一致造成的概率不平衡问题。实验结果表明：在中英文两种语言环境交叉数据集上，该方法的漫步口令猜测攻击命中率相较于基于PCFG的口令猜测方法分别提升了20.6%和22.4%；在中文语言环境数据集上，定向口令攻击命中率相较于TarGuess-I模型提升了2.8%。
-
计算机工程. 2023, 49(5): 48-55. https://doi.org/10.19678/j.issn.1000-3428.0064148知识图谱因其较强的表达能力和可解释性而被广泛应用于问答系统、信息检索等人工智能任务中，然而，在实际应用场景中大量使用自动化知识图谱构建技术会不可避免地引入噪声和冲突，从而对知识图谱下游应用的性能产生严重影响。为从知识图谱中检测出潜在的噪声、保存真实可信的三元组并为下游应用任务提供高质量的知识，提出一种基于语义与结构双重置信度的三元组评估模型。该模型由语义真实性评估器与结构真实性评估器构成，前者通过特定规则将三元组转换为句子序列，基于双向编码器表示变换模型度量语义真实性，后者通过表示学习模型获取实体及关系的向量表示，在知识表示、路径特征两个层面上度量结构真实性。在4个真实图谱数据集上的实验结果表明，所提模型的准确率、精确率、召回率、F1值等评估指标相较TransE-RFC、TransE-KNC、TransE-XGB等模型提升3%~4%，其能够有效检测带噪声图谱数据集中的噪声错误同时最大程度地保留真实可信的知识。
-
计算机工程. 2023, 49(5): 56-62. https://doi.org/10.19678/j.issn.1000-3428.0064584行业人物命名实体识别旨在从行业人物语料中抽取出有效的实体信息，是深度挖掘行业人物信息资源的基础性和关键性任务。由于主流的命名实体识别模型未充分利用词信息特征，导致在对具有特色的行业人物实体进行识别时语义、实体边界识别不准确。提出一种基于字词融合与对抗训练的行业人物实体识别模型。利用RoBERTa-wwm-ext预训练模型提取句子的字特征，并融合词典构造出句子的词特征。在字词融合的向量表示上添加扰动生成对抗样本，将融合向量表示与对抗样本作为训练数据输入双向长短期记忆神经网络(BiLSTM)学习上下文信息，并通过条件随机场(CRF)推理最优的序列标注结果。根据行业人物文本特点设计命名实体标注方案，构建数据集进行实验验证。实验结果表明，该模型在测试集上的精确率、召回率、F1值分别达到92.94%、94.35%、93.64%，相较于BERT-BiLSTM-CRF模型分别提升3.68、1.24、2.39个百分点。
-
计算机工程. 2023, 49(5): 63-72,80. https://doi.org/10.19678/j.issn.1000-3428.0065210利用知识图谱和深度学习进行推荐的方法得到了广泛的研究和应用，但是大多数推荐模型对物品表示建模不够完整，也未能全面捕捉和充分利用用户及物品的高阶交互信息。针对用户特征和物品特征高阶表示的提取问题，对用户与物品间的交互信息和知识图谱的关联信息进行联合提取，提出一种知识图谱交叉涟漪网络(KGCRN)。利用涟漪网络传播对用户偏好和物品特征进行建模，同时丰富两者的表示，提升推荐的性能。此外，设计一种改进的交叉压缩单元处理涟漪网络的输出，利用涟漪网络传播和交叉压缩单元的高阶特征交互获得准确、全面的物品高阶表示，提高模型推荐精度并增强模型应对数据稀疏场景的能力。在MovieLens-20M、Book-Crossing和Last.FM数据集上的实验结果表明，与KGCN、libFM、CKE等基线方法相比，KGCRN在点击通过率预测、Top-K推荐和应对数据稀疏场景下的性能均得到显著提升，其中，相比KGCN，点击通过率预测实验中KGCRN的AUC增益分别提高0.4、5.1、2.4个百分点，F1值分别提升3.29、2.86、0.96个百分点。
-
计算机工程. 2023, 49(5): 73-80. https://doi.org/10.19678/j.issn.1000-3428.0064687为利用有限的存储和计算资源，在保证Conformer端到端语音识别模型精度的前提下，减少模型参数量并加快训练和识别速度，构建一个基于分解门控注意力单元与低秩分解的高效Conformer模型。在前馈和卷积模块中，通过低秩分解进行计算加速，提高Conformer模型的泛化能力。在自注意力模块中，使用分解门控注意力单元降低注意力计算复杂度，同时引入余弦加权机制对门控注意力进行加权保证其向邻近位置集中，提高模型识别精度。在AISHELL-1数据集上的实验结果表明，在引入分解门控注意力单元和余弦编码后，该模型的参数量和语音识别字符错误率(CER)明显降低，尤其当参数量被压缩为Conformer端到端语音识别模型的50%后语音识别CER仅增加了0.34个百分点，并且具有较低的计算复杂度和较高的语音识别精度。
-
计算机工程. 2023, 49(5): 81-89,96. https://doi.org/10.19678/j.issn.1000-3428.0064241基于单尺度二维、三维卷积的脑电情感识别算法存在原始信号映射到高维特征矩阵过程中信息易丢失、模型参数量大、提取特征相对单一等问题。提出多尺度金字塔交互注意力残差网络（MPIAResnet）。利用多尺度一维卷积核直接提取原始脑电信号的多尺度空间特征，将标准卷积替换为分组卷积，相比二维、三维卷积具有更少的参数量，同时利用通道交互注意力机制优化特征提取过程。在此基础上，与双向GRU(BiGRU)融合组成MPIAResnet-BiGRU网络，进一步提取脑电信号的上下文语义信息，实现脑电信号的时空特征融合。基于公开数据集DEAP的实验结果表明:在受试者依赖实验中，该模型Valence和Arousal维度识别准确率达到97.60%和98.15%，相比单尺度模型提升8.56和8.36个百分点；在小批量训练集实验中，当训练集占比为30%时，测试集准确率依然可以保持在90%以上；在分频带实验中，2个高频带信号识别准确率优于低频带信号，证明了模型的有效性；而在受试者全部参与实验中，该模型的识别准确率也均优于对比方法。
-
计算机工程. 2023, 49(5): 90-96. https://doi.org/10.19678/j.issn.1000-3428.0064366BERT词嵌入模型能够解决简单命名实体识别模型预测精度低的问题，但基于BERT类的复杂词嵌入模型具有计算复杂度高、模型预测时间过长等缺陷。针对该问题，构建基于知识蒸馏的命名实体识别模型，将BERT+CRF模型作为教师模型，获取较高的命名实体识别精度，并基于模型结构相似原则将BiGRU+CRF作为学生模型，在学生模型训练的过程中进行知识蒸馏。知识蒸馏根据教师模型Softmax层和学生模型Softmax层输出的标注概率矩阵分别作为教师模型的知识和学生模型的知识，通过均方损失函数计算教师模型知识与学生模型知识之间的差距，将获得的结果作为软标签误差，将学生模型预测的标签结果与真实标签之间的误差作为硬标签误差，总误差为软标签误差与硬标签误差的加权和，通过误差反向传播进行模型的训练，在减小总误差的同时缩小教师模型知识与学生模型知识之间的差距，使学生模型预测精度接近教师模型。最终使用学生模型进行预测，在接近教师模型预测精度的同时保证相对较短的预测时间。在DuIE2.0数据集上的实验结果表明，该命名实体识别模型在F1值损失2.6%的情况下，可使模型参数规模缩小93.7%，从而缩短了65.2%的运算时间。
-
计算机工程. 2023, 49(5): 97-104. https://doi.org/10.19678/j.issn.1000-3428.0064139神经网络层数的不断增加使网络复杂度也呈指数级上升，导致应用场景受到限制。提出一种基于彩票假设的软剪枝算法实现网络加速。通过使用前一阶段的剪枝网络对其进行知识蒸馏来补偿的方法恢复错误参数，并在知识蒸馏的损失函数中加入稀疏约束来保持稀疏性。在此基础上，将当前阶段得到的剪枝网络与知识蒸馏得到的学生网络进行融合。在进行网络融合时，计算剪枝网络与学生网络的相似性，并通过设计特定的融合公式来突出相近的网络参数和抑制相离的网络参数，使得网络在剪枝率提高后仍然表现良好。在CIFAR-10/100数据集上对VGG16、ResNet-18和ResNet-56模型进行实验，结果显示：剪枝率为80%时，VGG16在CIFAR-10数据集上的分类精度下降0.07个百分点；剪枝率为60%时，ResNet-56在CIFAR-10数据集上的分类精度提升0.06个百分点；剪枝率为85%、95%和99%时，ResNet-18在CIFAR-100数据集上的分类精度仅下降1.03、1.51和2.04个百分点。实验结果表明，所提算法在提高网络剪枝率的同时仍能使其保持较高的精度，验证了算法的有效性。
-
计算机工程. 2023, 49(5): 105-111,121. https://doi.org/10.19678/j.issn.1000-3428.0064747推荐算法是一种用于解决信息过载问题的方法，序列化推荐通过建模用户购买的物品序列预测下一个物品。现有的序列化推荐算法通常忽视用户行为序列中的噪声、跨序列信息和物品间的组合依赖等问题，导致推荐性能受限。为此，提出一种小波卷积增强的对比学习推荐算法WCLR。利用数据的内在相关性获得自监督信号，并根据预训练的方法来增强数据表示。给出3个辅助的自监督学习任务，利用信息最大化原理学习属性、物品、序列与邻居序列的相关性，通过互信息最大化提供一种统一的方式描述不同类型数据间的相关性。由于小波卷积网络能提取物品的组合依赖，降低用户交互序列中的噪声，设计一个多核小波卷积模块，通过多尺寸用户序列多方面捕获用户的潜在兴趣，将自监督学习和小波卷积融入到推荐算法模型中，降低序列数据稀疏性和噪声，提高推荐精度。在LastFM、Beauty和Toys 3个数据集上的实验结果表明，与8个序列化推荐模型相比，WCLR算法的命中率、归一化折损累计增益和平均倒数秩分别提升了3.30%、1.47%和2.17%。
-
计算机工程. 2023, 49(5): 112-121. https://doi.org/10.19678/j.issn.1000-3428.0064216协同过滤推荐系统普遍面临交互数据稀疏，社会化推荐通过引入用户社交信息来缓解数据稀疏问题。现有社会化推荐方法主要关注好友关系，即用户间形成的直接社交关系，但社交数据的稀疏性限制了该类方法的性能表现。由用户加入兴趣小组所形成的群组关系数量繁多且富有价值，然而目前较少有研究关注这种关系，仅有的方法多采用矩阵分解等传统方法建模，对用户协同兴趣和社交影响的表达不够深入。为提升推荐质量，进一步研究群组关系，从缓解社交数据稀疏性的角度论证其在辅助推荐方面的作用，并基于建模能力更强的图卷积网络学习用户、项目与群组之间的高阶关系，分别设计出以间接和直接方式利用群组关系的推荐方法IGRec-Trans和IGRec-Direc，探索更合理的群组关系融合方式。在真实数据集上的实验结果表明，所提方法能有效提升推荐性能，相比最优基准方法DiffNet++，在HR@10和NDCG@10指标上最高可提升4.55%和3.98%，在冷启动用户推荐任务上NDCG@10指标最高可提升18.6%。
-
计算机工程. 2023, 49(5): 122-128. https://doi.org/10.19678/j.issn.1000-3428.0064430现有的语音情感识别（SER）模型存在训练参数量大、模型泛化性能差、情感识别准确率低等问题，利用有限的语音情感数据建立一个轻量级的模型以提高识别效率和准确率尤为重要。提出一种轻量级端到端多任务学习的P-CNN+Gender深度模型，该模型由语音特征组合网络、负责情感特征和性别特征提取的主体卷积网络以及情感和性别分类器组成。以语音的梅尔频率倒谱系数（MFCC）特征作为输入，特征组合网络使用多个大小不同的卷积核从MFCC特征中平行提取特征再进行组合，供后续的主体卷积网络进行情感特征和性别特征的提取。考虑到情感表达和性别的相关性，将性别分类作为辅助任务融合到情感分类中以提高模型的情感分类性能。实验结果表明，该模型在IEMOCAP、Emo-DB和CASIA语音情感数据集上的类别分类准确率分别达到73.3%、96.4%和93.9%，较P-CNN模型分别提高3.0、5.8和6.5个百分点，与3D-ACRNN、CNNBiRNN等模型相比，其训练参数量仅为其他模型的1/10~1/2,且处理速度更快、准确率更高。
-
计算机工程. 2023, 49(5): 129-138. https://doi.org/10.19678/j.issn.1000-3428.0063892树突状细胞算法（DCA）模拟人体免疫系统中树突状细胞对抗原的识别与提呈过程，是一种快速有效的异常检测方法，其关键是从数据中选取有效特征以表示特定的输入信号。然而，现有信号选取方法存在特征子集冗余、时间复杂度高等问题，导致生成的抗原信号有效性较低，且在高维大样本数据集上运行速度较慢。考虑抗原信号的可用性与信号选取过程的时间效率，提出基于最大相关最小冗余（mRMR）与基尼重要性的树突状细胞模型MRGI-DCA。通过mRMR从原始数据集中快速地提取最相关特征子集，且最大限度地降低特征子集的冗余性。在mRMR预降维的基础上，根据CART树模型快速、准确等特点，利用基尼重要性得到更有效的抗原信号。实验结果表明，MRGI-DCA总体表现优于IG-DCA、COR-DCA、GA-DCA和SVM-DCA方法，其中，准确率、F1值和AUC在高维、低维、异常数据集上的平均值较COR-DCA分别提高6.01%、5.86%、9.96%，并且平均运行时间约为COR-DCA的1/5。
-
计算机工程. 2023, 49(5): 139-149. https://doi.org/10.19678/j.issn.1000-3428.0065260对抗样本是评估模型安全性和鲁棒性的有效工具，对模型进行对抗训练能有效提升模型的安全性。现有对抗攻击按主流分类方法可分为白盒攻击和黑盒攻击两类，其中黑盒攻击方法普遍存在攻击效率低、隐蔽性差等问题。提出一种基于改进遗传算法的黑盒攻击方法，通过在对抗样本进化过程中引入类间激活热力图解释方法，并对原始图像进行区域像素划分，将扰动进化限制在图像关键区域，以提升所生成对抗样本的隐蔽性。在算法中使用自适应概率函数与精英保留策略，提高算法的攻击效率，通过样本初始化、选择、交叉、变异等操作，在仅掌握模型输出标签及其置信度的情况下实现黑盒攻击。实验结果表明，与同是基于遗传算法的POBA-GA黑盒攻击方法相比，该方法在相同攻击成功率下生成的对抗样本隐蔽性更好,且生成过程中模型访问次数更少，隐蔽性平均提升7.14%，模型访问次数平均降低6.43%。
-
计算机工程. 2023, 49(5): 150-164. https://doi.org/10.19678/j.issn.1000-3428.0065322在智能电网中，电力和信息在用户节点和服务节点间的双向流通属性给用户数据的隐私安全带来巨大威胁，同时电力局计算资源的限制也给用户带来响应延迟、服务质量下降等问题。结合边缘计算技术，提出一种基于无证书的不使用双线性映射的代理盲签密方案，通过对电力和信息的盲化，使签密者无法得知用户的具体用电信息，确保用户的数据隐私安全。使用代理密钥更新机制实现前向安全性，并对用户的签密密文进行批量验证。在随机谕言机模型下，基于计算性Diffie-Hellman问题和椭圆曲线上的离散对数问题，证明该方案在适应性选择密文攻击下的机密性，以及在适应性选择明文攻击下的不可伪造性，能够为智能电网中传输的数据隐私提供安全保护。在MIRACL库上的仿真实验结果表明，该方案在执行代理授权和验证、代理密钥生成、签密、解签密算法时所花费的总运行时间为5.616 ms，密文长度为80 Byte，与现有其他文献中的文案相比，最多能分别降低85.7%、85%。
-
计算机工程. 2023, 49(5): 165-172,180. https://doi.org/10.19678/j.issn.1000-3428.0064805加密技术保护网络通信安全的同时，大量恶意软件也采用加密协议来隐藏其恶意行为。在现有基于机器学习的TLS加密恶意流量检测模型中，存在单模型检测算法对多粒度特征适用性差和混合流量检测误报率高的问题。提出基于Stacking策略和多特征融合的非解密TLS加密恶意流量检测方法。分析加密恶意流量特征多粒度的特点，提取流量的流特征、连接特征和TLS握手特征。对所提取的特征通过特征工程进行规约处理，从而减少计算开销。对规约处理后的3类特征分别建立随机森林、XGBoost和高斯朴素贝叶斯分类器模型学习隐藏在流量内部的规律。在此基础上，使用流指纹融合处理后的多维特征，利用Stacking策略组合3个分类器，构成DMMFC检测模型来识别网络中的TLS加密恶意流量。基于CTU-13公开数据集对构建的模型进行性能评估，实验结果表明，该方法在二分类实验上识别召回率高达99.93%，恶意流量检测的误报率低于0.10%，能够有效检测非解密的TLS加密恶意流量。
-
计算机工程. 2023, 49(5): 173-180. https://doi.org/10.19678/j.issn.1000-3428.0065478为解决工业控制网络异常流量检测中存在的数据分布不均衡、现有模型检测率低的问题，提出一种基于条件变分自编码器（CVAE）和CatBoost算法的异常流量检测模型。CVAE引入标签信息作为约束条件，控制生成样本的类别。CatBoost算法通过引入无偏估计克服梯度偏差，提高预测的准确性，同时采用多种树的生长方式降低过拟合的风险。使用CVAE进行数据增强，扩充稀有攻击样本，构建分布均匀的平衡数据集。将CatBoost算法作为异常流量检测模型，对Dos、Fuzzers等攻击样本进行精确识别并输出分类结果。实验结果表明：在UNSW-NB15数据集上，利用CVAE进行数据增强后，CatBoost算法对少数类样本的F1值平均提升了25.16个百分点，整体精确率、召回率和F1值分别达到87.85%、87.87%和87.86%；在ZYELL_NCTU NetTraffic_1.0数据集上，利用CVAE进行数据增强后，CatBoost算法对少数类样本的F1值平均提升了16.32%，整体精确率、召回率和F1值均达到99.85%。该模型能够有效避免数据不均衡问题，相较K近邻、随机森林、卷积神经网络等机器学习和深度学习算法具有更好的检测性能和泛化能力。
-
计算机工程. 2023, 49(5): 181-190. https://doi.org/10.19678/j.issn.1000-3428.0065270不同信任域发生跨域访问时需要评估不同域之间的信任关系，现有的信任评估关系仅针对终端设备，但在实际应用场景中，部分通信往往以域形式出现，并根据域整体的信任评估关系给予其访问权限。为高效安全地实现跨域访问，保证信任评估环境的可信度，引入域信任度的概念，将区块链与域信任度相结合，建立基于区块链和域信任度的物联网跨域信任评估模型。根据物联网跨域访问需求，构建物联网跨域信任评估模型系统架构和多域环境下的网络结构。在此基础上，提出多维度用户节点信任度及域信任度评估方法，设计基于区块链和域信任度的跨域访问合约，并对模型的信任度、安全性和区块链网络性能等进行实验分析和性能测试。实验结果表明，与BC-RBAC相比，该评估模型用户信任度评估更加细腻，能有效防止时间开关攻击，保证域信任度处于较稳定的水平，与EigenTrust、PeerTrust模型相比，恶意用户节点检测率提升了8%和12%，能在更短时间内检测出更多的恶意用户节点，可有效解决物联网跨域信任评估中的安全性问题。
-
计算机工程. 2023, 49(5): 191-197. https://doi.org/10.19678/j.issn.1000-3428.0065747为获得车联网通信资源分配的最优解，提出一种基于改进MOEA/D的车联网通信资源分配优化算法。将车联网资源请求的阻塞率和资源请求成功的总成本这2个相互冲突的网络通信资源分配要素作为网络通信资源分配的2个优化目标，根据车联网中行驶车辆的特点，对请求资源车辆和提供资源车辆设置约束条件。在此基础上，采用自适应邻域策略平衡进化过程中种群的收敛性和分布性，并将迭代次数引入自适应度，调节交叉算子和变异算子，使种群中较差的个体也具有遗传性，从而保证种群的多样性。同时，随着迭代次数的增加，种群中较差个体遗传性降低，较好个体遗传能力增强，从而保证种群的优化。仿真结果表明，该算法针对最小化阻塞率和最小化成本这2个目标能够获得满意的优化效果，在迭代次数、车辆数和资源请求数变化情况下都存在最优解，在相同迭代次数下，与基于支配的多目标算法SPEA2和NSGA-II相比具有较低的阻塞率和较好的收敛性。
-
计算机工程. 2023, 49(5): 198-205,214. https://doi.org/10.19678/j.issn.1000-3428.0065249针对传统无线传感器网络性能受能量制约的问题，建立中继协助供能的短包通信网络模型，分析放大转发协议下系统端到端近似信噪比，结合过时信道状态信息和短包通信获取端到端包传输错误概率。为准确反映真实场景中信道估计时刻与实际中继传输信息时刻存在一定的延时，以及能量采集电路中电器元件的非线性特征，联合考虑过时信道状态信息和非线性能量采集，得到传感器完全充电时间的统计描述以及系统平均信息年龄的解析表达式。分析系统总能量效率，引入平均信息年龄与系统能量效率的比值来权衡系统年龄和能量，取得最优的状态更新码长。数值结果表明，增加传感器发射功率、信道相关系数和状态更新码长均会降低系统的平均信息年龄，当能量转换效率为0.7时，信道相关系数从0.6增至0.7可使系统平均信息年龄降低13%。
-
计算机工程. 2023, 49(5): 206-214. https://doi.org/10.19678/j.issn.1000-3428.0065251码率自适应（ABR）算法是提升流媒体服务质量的有效方法，主要分为启发式算法和基于学习的算法两类。传统的启发式算法基于固定的规则，难以应对多变的网络环境，基于深度强化学习的算法映射表达能力较好，但其鲁棒性不佳且可解释性较差。针对上述问题，提出一种基于模仿学习的决策树码率自适应算法ABRTree。针对帧级别直播传输系统设计有效的专家ABR算法，并对专家算法的时序经验数据进行离散化处理。采用分类回归树作为码率决策的基础模型，基于专家算法给出的示例数据，采用DAgger算法进行决策树的训练。在此基础上，通过剪枝操作剔除出现较少的样本，从而提升决策树模型的泛化性。实验结果表明，ABRTree在多种视频场景下均能保证画面质量，同时取得较低的端到端延时和较少的卡顿，相比BBA、HYSA和FrameMPC算法，ABRTree算法的QoE性能可以提升1.0%~29.1%，且决策树模型能够直观表达输入特征与码率决策之间的关系，具有较好的可解释性和映射表达能力。
-
计算机工程. 2023, 49(5): 215-222,230. https://doi.org/10.19678/j.issn.1000-3428.0065295能量采集无线传感器网络(EH-WSN)中继节点的能量补给来源与选择算法是制约网络生命周期的关键因素。为提升EH-WSN可再生能源利用率与中继选择效率，引入配有太阳能电池板与电网供能的能量节点(EN)，采用解码转发中继协议与改进的功率分割接收机传输模型，构建多中继EH-WSN协同通信模型。基于二维线性相控阵天线实现EN对中继节点的定向无线能量补给，根据EN能量的不同来源动态调整充能策略，提出最大化网络生命周期下的优化中继选择算法。建立基于人工神经网络(ANN)的中继选择模型，结合反向传播算法与交叉熵函数对模型结果进行修正。仿真结果表明：采用EH-WSN优化中继选择算法的网络生命周期相比于无线携能传输(SWIPT)的WSN增长62%，可再生能源利用率单天最高可达21%；基于ANN模型的中继选择结果准确率可达90%、选择效率提高92%，相比于具有遍历性的EH-WSN优化中继选择算法计算复杂度更低、实时性更高。
-
计算机工程. 2023, 49(5): 223-230. https://doi.org/10.19678/j.issn.1000-3428.0065809针对用户访问移动短视频响应时延过长、不能满足个性化需求等问题，基于短视频的时延敏感性、个性化需求等特点，综合考虑短视频的内容流行度和用户偏好，提出一种云边协作环境下的两级内容缓存方案。根据用户对短视频偏好的平均值表征边缘节点的偏好值，进而计算边缘节点的相似度，综合考虑边缘节点之间的物理距离和相似度对节点协作的影响，建立边缘节点的协作节点集。基于长尾理论提出一种两级内容缓存策略，将每个边缘节点分为流行内容缓存区和用户偏好内容缓存区两部分，流行内容缓存区采取主动缓存策略,针对用户偏好内容缓存区的缓存内容，综合分析用户访问请求在不同响应方式下的延迟，并以最小化整体内容请求延迟为目标，设计一种基于改进离散蛙跳算法的边缘协作缓存方案。实验结果表明，在同一数据集上与RC、BEP等缓存方案相比，该方案的用户请求命中率提高近40%，并能够降低回程链路负载，减少用户请求延迟，满足时延敏感性特点及90%的用户个性化需求。
-
计算机工程. 2023, 49(5): 231-238. https://doi.org/10.19678/j.issn.1000-3428.0064243针对现有图像超分辨率重建算法中常见的图像边缘模糊、卷积核尺寸选择单一、重建网络结构冗余等问题，提出一种基于深度残差自适应注意力网络的图像超分辨率重建算法。构建嵌套残差网络结构增加残差网络深度，在保证网络拟合性能的前提下提升网络整体性能。建立自适应注意力模块，使用空洞空间金字塔池化模块融合不同尺度的特征图，获得更多的有效特征，恢复图像纹理细节，同时基于选择性卷积核模块和像素注意力模块的并行结构自适应调整卷积核尺寸，并应用注意力机制提取图像高频特征，最终将提取特征通过重建模块实现超分辨率图像重建。在Set5、Set14、BSD100 3个测试数据集上的实验结果表明，与Bicubic、SRCNN、MemNet、DCSR等重建算法相比，该算法的峰值信噪比和结构相似性指标平均提升了0.57 dB和0.006 8，具有更高的超分辨率图像重建质量。
-
计算机工程. 2023, 49(5): 239-246,254. https://doi.org/10.19678/j.issn.1000-3428.0064396细粒度图像分类的关键在于提取图像中微妙的特征。现有基于弱监督方式的细粒度图像识别方法大多使用专家标注的边界注释辅助定位关键区域，存在标注成本高、训练过程复杂等问题。基于弱监督的双线性卷积神经网络方法因其学习到的特征空间更符合细粒度图像特性而具有一定的有效性，但忽略了层间的相互作用。针对细粒度图像识别领域存在的关键区域识别困难和层间交互关联弱的问题，融合二阶协方差通道注意力机制、自适应特征掩码与自适应三线性池化，提出自适应三线性池化网络ATP-Net，用于细粒度图像分类任务。通过二阶协方差通道注意力机制学习通道上的注意力向量，构建自适应特征掩码模块学习空间维上的注意力矩阵，设计自适应三线性池化模块学习特征的最终表示，以充分利用空间维、通道维上的信息。在CUB-200、Cars-196和Aircraft-100 3个细粒度图像分类数据集上的实验结果表明，ATP-Net的分类精度分别为89.30%、94.20%和91.80%。
-
计算机工程. 2023, 49(5): 247-254. https://doi.org/10.19678/j.issn.1000-3428.0064409现有视频内容描述模型生成的视频内容描述文本可读性差且准确率不高。基于ViT模型提出一种语义引导的视频内容描述方法。利用ReNeXt和ECO网络提取视频的视觉特征，以提取的视觉特征为输入、语义标签的概率预测值为输出训练语义检测网络(SDN)。在此基础上，通过ViT模型对静态和动态视觉特征进行全局编码，并与SDN提取的语义特征进行注意力融合，采用语义长短期记忆网络对融合特征进行解码，生成视频对应的描述文本。通过引入视频中的语义特征能够引导模型生成更符合人类习惯的描述，使生成的描述更具可读性。在MSR-VTT数据集上的测试结果表明，该模型的BLEU-4、METEOR、ROUGE-L和CIDEr指标分别为44.8、28.9、62.8和51.1，相比于当前主流的视频内容描述模型ADL和SBAT，提升的得分总和达到16.6和16.8。
-
计算机工程. 2023, 49(5): 255-261,268. https://doi.org/10.19678/j.issn.1000-3428.0064616现有基于融合的RGB-D显著性物体检测方法在对跨模态特征进行融合时忽视了RGB和深度图两模态特征的差异性，跨模态特征融合不均衡的问题使得模型不能充分利用跨模态互补特征，而低质量深度图也会对模型性能带来损害。提出一种基于深度质量感知和分层特征引导的RGB-D显著性物体检测算法。算法分为两个阶段：深度质量感知阶段和分层特征引导阶段。在第一阶段，利用深度质量感知从现有的主流RGB-D显著性物体检测训练数据集中挖掘高质量深度图，对训练集进行增强，提升低质量深度图的质量，减少噪声数据对模型性能的损害；在第二阶段，利用特征引导网络对RGB图和深度图进行分层自适应权重动态融合，在有效增加融合效率的同时增强跨模态融合的感知能力。在基准数据集NJUD、NLPR、SSD、STEREO和SIP上的实验结果表明，相比于SSF、CDNet、D3Net、DASNet等方法，该算法能够大幅提升深度图质量，其中在NLPR数据集上F-Measure值为0.934，MAE仅为0.020，综合性能优于其他相关SOTA方法，证明了先挖掘高质量深度图再进行跨模态自适应动态融合算法的有效性。
-
计算机工程. 2023, 49(5): 262-268. https://doi.org/10.19678/j.issn.1000-3428.0065910随着深空探测技术的不断进步，中国火星探测任务天问一号搭载的“祝融号”火星车成功着陆火星，并开展火星表面影像采集工作。火星表面的主要障碍物是岩石，这些形状、大小不同的岩石将会影响火星车在科学探索任务中的路径规划。准确的岩石分割对于火星车避障和路径规划具有重要意义。由于目前对于天问一号所拍摄的图像数据集应用较少，且多数火星图像的分割数据集处于非公开状态，在一定程度上阻碍了火星岩石分割相关算法的研究。为此，面向“祝融号”火星车上搭载的导航地形相机所拍摄的火星表面影像，通过人工进行图像筛选和标记，建立一个火星表面影像分割数据集TWMARS。该数据集共包含336张火星图像，将其按比例随机划分为训练集、验证集和测试集，在现有的语义分割算法上进行数据集性能评估实验，结果表明，在MobileNet、ResNet等系列卷积神经网络模型上运行TWMARS数据集，平均像素精度和平均交并比最高分别可达83.0%和77.4%，在经典语义分割算法上获得较高的准确率，可应用于火星岩石检测算法的相关研究。
-
计算机工程. 2023, 49(5): 269-276. https://doi.org/10.19678/j.issn.1000-3428.0066497自新冠疫情发生以来，戴口罩预防疾病可能会成为大众的常态化行为。若大部分面部特征被遮挡会影响人脸识别方法的精度，同时距离也会对面部识别造成一定影响。然而，步态作为一种可远距离并且难以伪装的生物特征，容易受身体遮挡、角度等外部条件变化的影响。提出一种基于变换匹配层的识别方法，以融合步态和面部特征。通过步态特征提取网络提取人体轮廓图中具有区分度的时空生物特征，以解决单模态人脸识别技术难以在远距离条件下对带口罩目标进行识别的问题，采用面部特征提取网络提取脸部的细粒度特征，以增强网络对于目标主体轮廓被遮挡的鲁棒性。在匹配层将面部特征与步态特征进行归一化后再将信息融合，以达到特征互补的效果。此外，构建相关联的全局-局部时空特征提取模块。通过局部特征提取模块提取细粒度的步态特征，并采用基于互补掩码的多尺度随机带状分割策略增强各个局部特征之间的关联关系。全局特征提取模块提取全局步态信息，与局部细粒度信息形成互补，从而提高步态特征提取网络对于遮挡、视角变化的鲁棒性。实验结果表明，该方法的识别准确率达到99.16%，相较于步态、面部特征提取网络分别提高6.56和0.45个百分点，并且在远距离且戴口罩的真实场景下识别准确率达到94.52%，分别提升1.92和5.98个百分点。
-
计算机工程. 2023, 49(5): 277-285,294. https://doi.org/10.19678/j.issn.1000-3428.0064047摔倒事件严重影响老年人的生命健康，对摔倒行为进行检测可以降低老年人再次跌倒的风险，从而保证其生活能力以及提高生活质量。目前基于视觉的摔倒检测方法在实验数据集上能够取得较好的精度，但是无法很好地泛化到现实环境中，在实际应用时往往并不符合动作判断逻辑。针对该问题，对比光流法以及基于人体姿态估计的方法，在2D人体姿态估计的基础上提出一种鲁棒的摔倒检测方法。设计一种摔倒检测优化框架，构建融合多特征与语义图卷积的检测模型，采用更贴合动作判断逻辑的训练策略对该模型进行训练，以提高摔倒检测系统在现实环境中的泛化性。在Le2i Fall Detection Dataset、UP Fall Detection Dataset和Multiple Cameras Fall Detection Dataset这3个公开数据集以及自收集数据集上进行实验，结果表明，该模型的总体检测准确率达到98.3%，基于所提优化框架与训练策略的模型配合YOLOv3和Alpha_pose实现的整体摔倒检测方法在GTX1060显卡中帧率达到约25FPS，在现实场景测试中体现出较好的鲁棒性，相较以往的基于视觉的检测方法更适合部署在实际应用环境中。
-
计算机工程. 2023, 49(5): 286-294. https://doi.org/10.19678/j.issn.1000-3428.0063954K近邻（KNN）是人工智能中最常用的分类算法，其性能提升对于海量数据的整理分析、大数据分类等任务具有重要意义。目前新一代神威超级计算机正处于应用发展的初始阶段，结合新一代申威异构众核处理器的结构特性，充分利用庞大的计算资源实现高效的KNN算法是海量数据分析整理的现实需求。根据SW26010pro处理器的结构特性，采用主从加速编程模型实现一种基础版本的KNN并行算法，其将计算核心传输到从核上，实现了线程级并行。分析影响基础并行算法性能的关键因素并提出优化算法SWKNN，不同于基础并行KNN算法的任务划分方式，SWKNN采用任务重划分策略，以避免冗余计算开销。通过数据流水优化、从核间通信优化、二次负载均衡优化等步骤减少不必要的通信开销，从而有效缓解访存压力并进一步提升算法性能。实验结果表明，与串行KNN算法相比，面向申威架构的基础并行KNN算法在SW26010pro处理器的单核组上可以获得最高48倍的加速效果，在同等数据规模下，SWKNN算法较基础并行KNN算法又可以获得最高399倍的加速效果。
-
计算机工程. 2023, 49(5): 295-301,309. https://doi.org/10.19678/j.issn.1000-3428.0064614边缘环境下的目标检测应用大多依赖于边缘设备。目前，MobileNet等轻量级检测模型在满足实时性要求的前提下难以达到准确度要求，Faster RCNN等重量级模型的检测准确度较高，但数据传输耗时大，难以保证检测实时性。提出一种边缘辅助的目标检测框架及自适应帧卸载（OEOD）算法，在线将视频帧卸载到边缘服务器，以执行高准确度、高时延的目标检测，或在本地执行低准确度、低时延的目标检测，从而在满足给定检测准确度要求的前提下缩短视频帧的平均处理时延。为实现OEOD算法，提出一种基于内容相似性的特征向量度量方式，以预测当前帧的检测时延和准确度，并以贪心的方式决定当前帧的检测策略。实验结果表明，与MobileNet算法相比，OEOD算法在保证准确度的前提下将检测时延降低了29%，且在不同的数据集上均表现良好。
-
计算机工程. 2023, 49(5): 302-309. https://doi.org/10.19678/j.issn.1000-3428.0064365强化学习当前越来越多地应用于多智能体系统。在强化学习中,奖励信号起引导智能体学习的作用，然而多智能体系统任务复杂，可能只在任务结束时才能获得环境的反馈，导致奖励稀疏，大幅降底算法的收敛速度和效率。为解决稀疏奖励问题，提出一种基于理性好奇心的多智能体强化学习方法。受内在动机理论的启发，将好奇心思想扩展到多智能体中，并给出理性好奇心奖励机制，利用分解求和的网络结构将不同排列的联合状态编码到同一特征表示，减少联合状态的探索空间，将网络的预测误差作为内在奖励，引导智能体去研究新颖且有用的效用状态。在此基础上，引入双值函数网络对Q值进行评估，采用最小化算子计算目标值，缓解Q值的过估计偏差和方差，并采用均值优化策略提高样本利用。在追捕任务和合作导航任务的环境中进行实验评估，结果表明,在最困难的追捕任务中,该方法相较于基线算法,胜率提高15%左右，所需时间步降低20%左右，在合作导航任务中也具有较快的收敛速度。
-
计算机工程. 2023, 49(5): 310-320. https://doi.org/10.19678/j.issn.1000-3428.0064445驾驶员疲劳驾驶是引发交通事故的重要因素，因此对驾驶员的驾驶状态进行精准检测尤为关键，然而现有的疲劳检测方法存在误判率高、鲁棒性低等问题。提出一种结合多特征融合与状态识别网络的疲劳驾驶检测方法，分析驾驶员的疲劳状态，利用优化后的单阶段人脸检测算法RetinaFace获取人脸位置及5个标志定位，根据双眼和嘴角关键点坐标将双眼及嘴部区域分别旋转至水平并截取。对现有数据集进行重新分类，用来训练以Ghost模块为基础的眼嘴状态识别网络（EMSD-Net），并对双眼开合状态及嘴部是否哈欠进行识别。最后，根据眼嘴状态，使用单位时间眼睛闭合的百分比、持续闭眼时间和持续哈欠时间为指标进行疲劳判断，并得出相应的疲劳程度，从而起到更有效的预警效果。在NHTU-DDD、YawDD和CEW数据集基础上构建的新数据集上的实验结果表明，所提方法的疲劳特征识别准确率为95.3%，单帧疲劳检测的平均时间为32.6 ms，具有较低的误判率，且在保证检测准确率基础上，有较高的实时性。
2024
第50卷 第4期
第50卷 第4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