2023年, 第49卷, 第6期 刊出日期：2023-06-15
-
全选|
-
-
计算机工程. 2023, 49(6): 1-12. https://doi.org/10.19678/j.issn.1000-3428.0065493QUIC作为与TCP并行的新兴传输协议，在传统传输协议的基础上改进了诸多特性，如0-RTT数据传输、多流并发、热插拔拥塞控制等。由于QUIC具有安全、公平、兼容且高性能等特性，被业界认为将在未来网络的New IP构想中替代TCP成为新一代传输协议。QUIC协议经过近6年的研究已经完成标准化，其间研究人员提出多种针对不同应用场景的开源实现和测试开发工具，也针对QUIC在现实网络中的应用进行了大量探索。从QUIC的特征机制以及开源实现出发，阐述QUIC协议从出现到标准化这期间的开发历程，归纳QUIC与TCP在传输特性方面的差异性，并分析QUIC在广泛应用部署过程中存在的性能短板。针对这些短板，从协议设计、协议部署、I/O优化处理这3个方面列举当前已有的典型优化实现方法。进一步探究QUIC的传输特性，从不同版本开源QUIC之间的性能对比、互操作和功能验证等3个方面进行总结和归纳，并对QUIC协议在当前网络生态中的相关应用进行举例分析。在此基础上，针对QUIC应用在New IP构想中的未来优化方向加以展望。
-
计算机工程. 2023, 49(6): 13-23,33. https://doi.org/10.19678/j.issn.1000-3428.0066576针对电子选举过程中匿名性、公开可验证性、选票碰撞及伪造等问题，提出基于SM9算法的匿名公开可验证电子选举系统协议设计方案。以SM9签名算法为基础，构造基于身份的SM9盲签名算法和可链接环签名算法。算法安全分析表明，在随机预言机模型下，盲签名算法具有盲性和不可伪造性，环签名算法具有不可伪造性、匿名性、可链接性。在计算开销方面，盲签名算法在密钥提取阶段只需要1次标量乘、1次模逆和1次模乘运算，单次消耗的时间约为0.871 7 ms，环签名算法在密钥提取、环签名生成、环签名验证阶段均具有较高的效率，整个环签名过程只需要5次双线性对运算，单次消耗的时间约为27.261 7 ms。在通信开销方面，盲签名和环签名的签名长度均优于对比方案。电子选举协议的安全分析表明，所提方案满足电子选举系统的安全要求，与同类方案相比具有公开可验证、无收据性等优点，适合应用于大规模选举。
-
计算机工程. 2023, 49(6): 24-33. https://doi.org/10.19678/j.issn.1000-3428.0064958Tcache Poisoning是面向堆管理机制的一种堆漏洞利用方法，现有的堆漏洞自动验证工作未考虑Tcache带来的影响，无法适用于高版本Glibc堆漏洞自动验证。分析Tcache机制以及Tcache Poisoning验证方法的原理，提出一种基于符号执行的Tcache Poisoning堆漏洞自动验证方法。定义多元组对堆块的状态进行形式化描述，通过对关键API函数的挂钩，在程序运行过程中收集堆块的状态信息，并引入符号变元将外部输入数据符号化，实现关键信息的获取。通过状态监控检测堆漏洞触发，依据Tcache Poisoning堆漏洞自动验证模型，逐步生成Tcache Poisoning攻击约束和攻击载荷约束，最后通过约束求解生成漏洞验证代码。基于S2E符号执行平台实现自动验证系统TPAEG，并对10个测试程序进行测试，其中在Tcache Poisoning方法的7个测试程序中有5个生成了验证代码。实验结果表明，TPAEG可有效地检测堆溢出漏洞和释放后重用漏洞，并能够针对符合Tcache Poisoning攻击特征的场景实现自动验证，完成控制流的劫持并生成验证代码。
-
计算机工程. 2023, 49(6): 34-41,52. https://doi.org/10.19678/j.issn.1000-3428.0065767为实现车辆到电网(V2G)系统中车辆用户交易信息隐私保护和通信消息安全传输，提出一种基于区块链的无证书环签密隐私保护方案。在交易阶段采用无证书环签密对服务数据进行加密，减少签密过程中的双线性配对运算与指数运算，同时引入聚合签名技术降低签名验证的计算开销。在交易完成后将记录的服务数据与交易账单聚合为交易数据，将交易数据哈希、服务数据的环签密以及交易编号返回至区块链进行存储，而完整交易数据由云服务器存储，用户需要提供交易数据对应的环签密及交易编号，并通过智能合约完成对交易数据的访问。在随机预言模型下，通过安全分析来验证该方案的匿名性、可认证性、机密性和不可伪造性。实验结果表明，相较3种对比方案，该方案的计算开销具有明显优势，在签名数量增加到50个时，其聚合签名验证的计算开销减少近50%，同时能保证数据的机密性和成员通信的匿名性，有效提高V2G网络中的通信效率。
-
计算机工程. 2023, 49(6): 42-52. https://doi.org/10.19678/j.issn.1000-3428.0066095在移动边缘计算中，移动设备通常受限于自身的处理性能和电源容量，需要其他设备协助进行任务处理。将移动设备上的一系列具有依赖关系的任务卸载到边缘服务器执行，以应对移动设备资源受限的问题，可提高任务计算和能源效率。针对信道状态动态变化的移动边缘计算环境下任务延迟和移动设备能耗优化问题，根据依赖任务卸载模型计算得出依赖任务调度顺序和优化目标，设计一种基于A3C的依赖任务卸载与资源分配（DTORA）算法。通过定义状态空间、动作空间和奖励函数，将依赖任务卸载问题转化为马尔可夫决策过程下的最优策略问题，采用异步并发求解得到高效的任务卸载和资源分配策略，并在具有标准多核CPU的单个机器上进行并行学习，降低神经网络参数更新的相关性，提升学习效果。实验结果表明，在信道状态动态变化场景下，对于多种不同依赖关系的任务，DTORA算法相比于4种基线算法任务延迟减少14%~61%，移动设备能耗降低8%~66%。
-
计算机工程. 2023, 49(6): 53-61. https://doi.org/10.19678/j.issn.1000-3428.0064368密度峰值聚类算法在处理密度不均匀的数据集时易将低密度簇划分到高密度簇中或将高密度簇分为多个子簇，且在样本点分配过程中存在误差传递问题。提出一种基于相对密度的密度峰值聚类算法。引入自然最近邻域内的样本点信息，给出新的局部密度计算方法并计算相对密度。在绘制决策图确定聚类中心后，基于对簇间密度差异的考虑，提出密度因子计算各个簇的聚类距离，根据聚类距离对剩余样本点进行划分，实现不同形状、不同密度数据集的聚类。在合成数据集和真实数据集上进行实验，结果表明，该算法的FMI、ARI和NMI指标较经典的密度峰值聚类算法和其他3种聚类算法分别平均提高约14、26和21个百分点，并且在簇间密度相差较大的数据集上能够准确识别聚类中心和分配剩余的样本点。
-
计算机工程. 2023, 49(6): 62-70. https://doi.org/10.19678/j.issn.1000-3428.0064950在安防系统中，将大量目标轨迹先转化为语义轨迹后再进行频繁模式挖掘，有助于分析目标行为模式、识别危险源及增强安防系统内部防控。针对现有频繁模式挖掘方法未考虑目标停留点的效用差异问题，提出一种高效用语义轨迹模式挖掘算法。综合停留点兴趣度、目标停留时间以及目标语义轨迹支持度这3个参数定义语义轨迹效用值，采用蚁群算法挖掘高效用语义轨迹模式。利用精英蚂蚁策略改进蚂蚁种群的迭代方式，通过轮盘赌选择法优化蚂蚁对于下一个节点的选择策略，运用无效用编码向量剪枝策略提高算法执行效率。在Chess、Mushroom、Foodmart、Retail等4个公开数据集以及某安防系统的RFID定位数据集上的实验结果表明，相比于HUIM-ACS算法，该算法挖掘的高效用语义轨迹模式数量增加了10%~15%，运行时间减少了7%~12%。
-
计算机工程. 2023, 49(6): 71-80. https://doi.org/10.19678/j.issn.1000-3428.0064850方面级情感分析是一种细粒度文本情感分析技术，可以判断文本目标方面的情感倾向，被广泛应用于商品评价、教育评价等领域，可以辅助用户更全面地了解实体属性并做出精准决策。但是现有方面级情感分析技术大多存在文本句法依存关系特征以及外部知识特征提取不充分的问题，为此，利用图卷积神经网络可以处理异构数据的特点，构建一种语义增强的方面级文本情感分析模型。将文本的词嵌入向量输入双向门控循环神经网络以提取文本和目标方面词的上下文语义信息，依据句法依存关系类型构建加权句法依存图，根据文本单词和外部知识库构建知识子图，使用图卷积神经网络处理加权句法依存图和知识子图，从而获取融合文本句法结构信息的文本特征和体现外部知识信息的目标方面特征，在此基础上，拼接两组特征向量完成情感极性分类。实验结果表明，在Laptop14、Restaurat14和Restaurat15数据集上，该模型的F1值分别达到77.34%、76.58%和68.57%，相比ATAE-LSTM、TD-LSTM、ASGCN等基线模型，其F1值分别平均提高7.28%、5.71%和6.28%，所提模型通过提取文本句法依存关系特征以及外部知识特征获得了更好的情感分析性能。
-
计算机工程. 2023, 49(6): 81-89. https://doi.org/10.19678/j.issn.1000-3428.0064740非负张量链分解作为一种重要的张量分解模型，可保留数据内部结构信息，广泛应用于高维数据的特征提取和表示。从流形学习角度出发，高维数据信息通常潜在于低维空间的非线性流形结构中，然而现有图学习理论只能建模对象间的成对关系，很难准确刻画具有复杂流形结构的高维数据的相似关系。引入超图学习，提出一种超图正则化非负张量链(HGNTT)分解方法，在高维数据中提取低维表示的同时通过构建超图描述样本数据间的高阶关系，从而保留非线性流形结构，同时采用乘法更新方法对HGNTT模型进行优化求解并证明其收敛性。在ORL和Faces95这两个公开数据集上的聚类实验结果表明，相比于NMF、GNMF等方法，HGNTT方法的聚类准确率和归一化互信息分别提升了1.2%~7.6%和0.2%~3.0%，验证了HGNTT方法的有效性。
-
计算机工程. 2023, 49(6): 90-98. https://doi.org/10.19678/j.issn.1000-3428.0064925经典的流形学习算法假设样本数据位于高维单流形上，但在现实生活中的真实数据通常位于高维多流形上，且这些数据往往相互交叠，导致流形学习算法效果不佳。传统的标签传播算法通过相似性矩阵构建连接矩阵，实现良好分离数据的聚类，但不能有效聚类相互交叠的多流形数据。针对该问题，提出一种面向相交多流形的标签传播算法LPAMMC。采用局部主成分分析算法确定相交多流形数据的相交区域，并基于混合概率主成分分析(MPPCA)模型和多流形的拓扑结构划分相互交叠的子流形，构建“must-link”和“cannot-link”聚类约束，通过约束构建适合相交多流形数据的传播矩阵，实现标签传播算法。LPAMMC算法通过MPPCA模型和多流形拓扑结构划分出子流形，提高相交多流形数据的聚类精度，且MPPCA模型仅用于多流形数据的相交区域，降低了计算复杂度。实验结果表明，LPAMMC算法不仅具有标签传播算法速度快的特点，且能有效聚类相交多流形数据。在Two spirals数据集上的聚类精度、标准互信息和调整兰德系数取得了与SMMC算法相同的性能，运行时间缩短86.7个百分点。
-
计算机工程. 2023, 49(6): 99-106,114. https://doi.org/10.19678/j.issn.1000-3428.0064463针对博弈决策过程中个体无法获取邻居收益的问题，基于Q学习自我经验学习的特性，提出Q学习演化博弈模型。考虑到不同Q学习决策机制会对网络合作水平产生不同的影响，采用ε-greedy决策机制、Boltzmann决策机制和Max-plus决策机制，针对不同的网络类型、不同的博弈模型参数和不同的强化学习参数进行对比实验，量化分析决策机制对网络合作水平的影响。 实验结果表明：与传统的演化博弈模型相比，Q学习演化博弈模型能够普遍提高网络的合作水平，并且不同的Q学习决策机制会对网络合作水平产生不同的影响，使用ε-greedy决策机制的模型合作水平比另两种模型高约35%和37%；较低的学习率、较高的折扣率以及适中的收益均匀性能够促进网络中个体间的合作，使用ε-greedy决策机制的模型合作水平比在较高学习率和较低折扣率下的合作水平分别高约40%和45%；在较高的探索率下，引入考虑个体全局属性的Max-plus决策机制的网络平均收益比引入另两种决策机制的Q学习模型高约22%和17%。
-
计算机工程. 2023, 49(6): 107-114. https://doi.org/10.19678/j.issn.1000-3428.0065261实体关系联合抽取模型在实体关系抽取中具有重要作用，针对现有的实体关系联合抽取模型无法有效识别重叠关系中的实体关系三元组问题，提出一种新型的基于跨度和特征融合的实体关系联合抽取模型SFFM。将文本输入BERT预训练模型转变为词向量，根据跨度进行词向量划分形成跨度序列，并基于卷积神经网络过滤跨度序列中不包含实体的跨度序列，使用双向长短时记忆提取剩余跨度序列融合文本信息后的特征并通过Softmax回归实现实体识别，将文本中的实体和关系映射到不同的跨度序列中，当重叠关系中的实体和距离较远的实体之间存在关系时，按照跨度进行划分使可能存在关系的实体对划分到同一个跨度序列中，以更好地利用文本中的重叠关系。在此基础上，通过注意力机制获取跨度序列中的依赖关系，运用Softmax回归对跨度序列中的关系进行分类。实验结果表明，与基线模型相比，该模型在CoNLL04数据集上的微平均和宏平均分别提升了1.87和1.73个百分点，在SciERC数据集上的微平均提升了5.95个百分点。
-
计算机工程. 2023, 49(6): 115-122,130. https://doi.org/10.19678/j.issn.1000-3428.0065282现有语音增强方法在时域端到端语音增强中无法学习全面时间尺度特征信息且中间层序列建模不充分。提出从全面时间尺度进行语音降噪的方法。通过线性插值方式对输入特征序列进行扩充，获得比原输入数据具有更高分辨率的时间特征，使得模型能够从更细时间尺度上进行特征提取，并利用间隔抽样方法对每一层编码后的特征进行下采样，在较粗时间尺度上计算越来越多的高维特征，使网络模型能够捕获深层次的有用信息。同时，在网络模型中引入ConformerBlock作为中间层，其中，多头注意力机制和卷积模块能够增强中间层网络的序列建模能力，突出中间向量的表征信息，根据语音和噪声线性叠加的原理，采用联合噪声训练生成对抗网络的方法使网络从目标语音和噪声2个角度获取有用信息，进一步提升模型降噪能力。在公开语音增强测试数据集上的实验结果表明，该方法降噪后语音的各项指标均得到显著提升，相比Wave-U-net模型，在PESQ、STOI和SSNR这3项主要指标上分别提升了2.75%、1.06%、6.34%。
-
计算机工程. 2023, 49(6): 123-130. https://doi.org/10.19678/j.issn.1000-3428.0064966频域语音增强算法通常存在相位失配问题，而相位信息对于语音增强任务非常重要。时域语音增强算法可以有效解决相位失配问题，但是噪声和语音在频域中更易分离。为了实现时域和频域语音增强算法的优势互补，提出一种基于双阶段Conv-Transformer的时频域语音增强算法。采用编解码结构，将带噪语音经过短时傅里叶变换得到的频域特征和一维卷积处理后得到的时域特征作为输入。考虑到Transformer擅长提取语音序列的全局依赖关系，卷积神经网络可以关注局部特征，为了更好地提取时域和频域中的局部信息和全局信息，设计一种Conv-Transformer模块。在此基础上，联合时域和频域损失函数对模型进行优化，使得模型可以同时学习语音在时域和频域中的分布规律。实验结果表明，与单一域的语音增强算法相比，该算法具有更好的降噪效果，增强后的语音感知质量、短时可懂度、信号失真测度、噪声失真测度、综合质量测度分别为3.04、0.953、4.34、3.55、3.69。
-
计算机工程. 2023, 49(6): 131-143. https://doi.org/10.19678/j.issn.1000-3428.0065658联邦学习是一种针对数据分布于多个客户端的环境下，客户端共同协作训练模型的分布式机器学习方法。在理想情况下全部客户端均参与每轮训练，但是实际应用中只随机选择一部分客户端参与。随机选择的客户端通常不能全面反映全局数据分布特征，导致全局模型训练效率和模型精度降低。为此，提出一种基于本地模型质量的客户端选择方法ChFL。分析影响模型精度和收敛速度的重要因素，提取可反映客户端模型质量的损失值和训练时间2个重要指标。通过对本地损失值和训练时间融合建模，用于评估客户端模型质量。在此基础上，基于客户端质量指导客户端选择，同时与随机选择策略进行一定比例的结合，以提高全局模型精度。通过选择具有高质量的数据且计算性能较优的客户端参与训练，提升模型精度并加快收敛速度。在FEMNIST、CIFAR-10、MNIST、CINIC-10和EMNIST数据集上的实验结果表明，相比3种基线算法FedAvg、FedProx、FedNova，将ChFL与基线算法相结合后的收敛速度平均加快约10%，准确率平均提高4个百分点。
-
计算机工程. 2023, 49(6): 144-153,161. https://doi.org/10.19678/j.issn.1000-3428.0064968为了解决现有国密SM9盲签名方案中签名私钥易泄露以及签名权力过于集中的问题，提出一种基于国密SM9的两方协同盲签名方案。密钥生成中心将SM9的签名私钥分割成两个部分并分配给两方签名者，同时设计一种两方协同盲签名的协议，在该协议中用户使用特定的盲化因子对待签消息进行盲化，由两个签名参与方合作生成合法的SM9盲签名。该协议保证只有拥有签名权限的通信双方才能合作生成有效的SM9盲签名，且在交互签名的过程中不会泄漏完整的SM9签名私钥，在保护待签消息隐私的同时能有效解决现有SM9盲签名中签名私钥的安全性问题，且两方签名协议的设计能满足特定场景下对分散签名权力的需求。理论分析与仿真结果表明，该方案的签名长度接近现有SM9相关签名方案但功能更加完善，在通用安全构架下被证明满足盲签名的基本安全要求，相较原始SM9签名方案，所提方案在增加合理时间消耗的前提下能够有效提高协同特性。
-
计算机工程. 2023, 49(6): 154-161. https://doi.org/10.19678/j.issn.1000-3428.0065565基于深度学习的篡改检测网络通常忽视了全局通道特征间的差异性且未有效利用全局相关性，造成篡改检测结果误检率和漏检率较高。为解决该问题，构建一种新的篡改检测网络。利用双残差网络和限制卷积层构建特征提取主干网络层，提取待检测目标的双视图多尺度特征。建立全局信息增强模块，引入非局部注意力计算方式，计算各尺度通道的低维全局性相关程度，并将其作为增强参数对全局特征进行区分性增强操作。设计新的边界监督方式，通过对预测结果提取边界信息创建边界掩码图像以计算边界辅助损失，利用反向学习以引导全局特征集中于篡改区域，实现监督性篡改检测。在CASIA、COVER、NIST16、Columbia数据集上的实验结果表明，该网络能有效降低篡改检测结果的误检率和漏检率，像素级F1分数相比于性能最优的同类MVSS-Net平均提升了2.3个百分点。
-
计算机工程. 2023, 49(6): 162-169,179. https://doi.org/10.19678/j.issn.1000-3428.0065643基于系统调用数据的异常检测无法完成进程生命周期内的入侵行为同步感知任务，且存在实时异常检测准确率低的问题。提出一个基于集成学习的系统调用实时异常检测框架，其中包括数据处理与切片、集成学习、异常检测与反馈模块。在数据处理与切片模块中，对处于生命周期内的进程行为轨迹进行采集与分析，根据线上待分析数据与线下模型训练数据对时效性的不同要求，设计2种系统调用轨迹的切分策略；在集成学习模块中，改进GPT语言模型和门控循环神经单元用于构建系统调用轨迹片段行为轮廓，以集成学习思想融合异常检测异构模型同时抓取单向语义特征与统计特征；在异常检测与反馈模块中，采用考虑单个系统调用重要度的异常判决方法，引入同步感知与实时裁决共存的异常预警机制。在公开数据集上的实验结果表明，该框架具有进程生命周期内的入侵同步感知能力，所构建的集成模型在保证低误报率（0.2%）的同时具有高异常检测准确率（99.3%），优于决策树模型、单分类SVM、BiLSTM等对比模型。
-
计算机工程. 2023, 49(6): 170-179. https://doi.org/10.19678/j.issn.1000-3428.0065538作为去中心化的分布式数据库，区块链凭借其独特的共识机制允许节点不依赖第三方建立点对点的价值转移，因此被广泛应用于金融、数字版权等领域。然而，区块链中账本数据公开透明存储的特性导致交易数据存在严重的隐私泄露风险，现有的隐私保护方案难以在用户隐私保护与数据追溯监管性之间达到平衡。为此，基于决策线性(DLIN)加密算法、Pedersen承诺、双密钥隐地址协议(DKSAP)、非交互式零知识(NIZK)证明，提出一种可监管的联盟链隐私保护方案。将实际交易金额隐藏于承诺中，并生成对应的NIZK证明信息用以保证解密监管密文得到的金额与实际交易金额相等，从而实现对隐藏金额的监管。基于分层确定性的DKSAP，利用DLIN加密算法生成身份验证及监管密文，结合子公钥生成算法实现对交易接收方身份的追溯。理论分析与仿真结果表明，该方案在保证交易数据隐私性并实现可追溯监管性的同时，能够取得较低的计算和通信开销，相比于可监管的隐私保护方案Traceable-Monero，其监管密文解密时间平均下降52.25%。
-
计算机工程. 2023, 49(6): 180-192. https://doi.org/10.19678/j.issn.1000-3428.0064758针对现有基于深度学习的图像修复算法在处理大面积不规则缺损图像时出现局部结构不连通与模糊的问题，提出一种基于边缘和注意力跨层转移的二阶生成式图像修复模型。该模型由边缘修复网络和图像修补网络构成，边缘修复网络在自编码器的基础上结合扩张卷积对缺损图像的边缘二值图进行修复，并将边缘修复图作为先验条件与缺损图像一起输入到图像修补网络，在图像修补网络中，给出注意力跨层转移网络对各尺度编码特征由深到浅进行重构，并将重构特征图跳跃连接至解码层与对应潜在特征融合进行解码，提高各级解码层输出的上下文一致性，减少结构信息和语义特征丢失，最终得到修复图像。在Celeba、Facade、Places2这3个数据集上的实验结果表明，与当前主流算法相比，该方法平均L1损失降低了1.044%~3.801%，峰值信噪比和结构相似性分别提升了1.435~4.486 dB和1.789%~8.755%，不仅能够生成整体语义合理的内容，而且在局部结构连通性和纹理合成方面更符合人眼视觉感受。
-
计算机工程. 2023, 49(6): 193-200,207. https://doi.org/10.19678/j.issn.1000-3428.0064438在低照度场景下采集的图像存在整体亮度偏低、对比度较差、细节信息丢失等问题，影响其在图像增强应用领域中的性能。为提高低照度成像质量，并使图像结构完整且纹理细节自然清晰，提出一种空间转换与自适应灰度校正的低照度图像增强算法。采用带有灰度校正的自适应压缩多尺度Retinex算法对原始图像进行处理，得到均衡化图像，避免在传统Retinex算法对图像进行全局处理时产生图像过亮或过暗的现象，通过空间转换方法处理获得的均衡化图像，分别得到频率域平滑图像和空间域锐化图像，以提高图像的整体亮度和对比度，从而保留图像中物体边缘的细节信息。在此基础上，采用多聚焦融合算法将原始图像、频率域平滑图像和空间域锐化图像进行融合，得到最终图像。实验结果表明，相比SSR、CLAHE、MBYC等算法，该算法的均值、方差、信息熵和平均梯度分别平均提升1.63%、0.89%、0.17%和1.91%，能有效提升低照度图像的亮度、清晰度和对比度，增强图像边缘信息和纹理细节信息。
-
计算机工程. 2023, 49(6): 201-207. https://doi.org/10.19678/j.issn.1000-3428.0064598传统的视觉SLAM算法主要依赖于点特征来构建视觉里程计，而在人造环境中通常存在一些点特征不足但结构特征丰富的场景，此时基于点特征的视觉里程计方法容易出现跟踪失败或位姿估计精度降低的问题。提出一种融合点面特征的RGB-D SLAM算法，利用人造环境中的平面特征提高SLAM算法定位与建图的精度与鲁棒性。使用AGAST特征点提取算法并采用四叉树的方式进行改进，使特征点在图像中均匀分布以减少点特征提取的冗余度。同时，在传统点特征方法的基础上添加平面特征，使用连通域分割算法从点云中获取平面特征，并构建伪平面特征，结合AGAST特征点构建点面特征融合的结构约束因子图，添加多重约束关系用于图优化。实验结果表明，该算法AGAST特征点提取效率优于ORB-SLAM2算法，融合的点面特征使其在室内环境下的定位和建图精度更高，绝对轨迹误差减小约20%，相对轨迹误差减小约10%，单帧跟踪耗时减少约7.3%。
-
计算机工程. 2023, 49(6): 208-216,226. https://doi.org/10.19678/j.issn.1000-3428.0066460去雾图像质量评价方法在图像去雾算法研究中发挥着重要作用，目前去雾质量评价方法存在雾密度感知能力不足的问题。提出一种基于雾密度感知增强的去雾图像质量评价（FDP-DIQA）方法，针对自然雾图的成像特点，从对比度信息及色彩信息2个方面提取6个特征，并结合以往的图像去雾研究结果提取3个特征，构成完整的去雾感知特征，增强对雾密度的感知能力。随后，结合雾图与去雾图像之间全局和低对比度区域的结构特征及块效应特征，对经平均池化形成的22维特征采用LightGBM进行模型构建，实现去雾图像质量评价。实验结果表明，FDP-DIQA方法在合成雾图数据集和自然雾图数据集上的表现优异，其加权平均后的斯皮尔曼等级相关系数、皮尔森线性相关系数、均方根误差分别为0.962 3、0.958 3、2.098 1，大幅领先于同类方法，与人类主观评价有较高的一致性。
-
计算机工程. 2023, 49(6): 217-226. https://doi.org/10.19678/j.issn.1000-3428.0064695针对现有实例分割算法因目标特征表示不充分、模型捕获信息不完整等因素导致分割精度较低的问题，提出一种基于联合注意和特征关联的实例分割算法。该算法采用联合注意力机制，沿通道和空间两个不同维度对感兴趣区域特征进行权重优化，聚焦关键对象位置，实现目标特征表示，抑制冗余信息对实例检测和分割结果干扰。在此基础上，在分割阶段建立特征关联关系，充分挖掘实例内部各像素点相似性，加强网络对实例部分的细节特征感知，实现高质量的掩膜预测。此外，通过引入协调损失函数监督检测中分类和回归任务产生一致预测，提高目标对象检测的准确性，进一步提升分割性能。在MS COCO 2017和Cityscapes两个数据集上进行实验验证，结果表明：该算法能够有效提高各现实场景下实例的检测和分割质量。当主干网络为ResNet-50/101时，该算法在COCO数据集上的掩膜平均精度分别达到37.5%和38.6%，较基线方法Mask R-CNN分别提高1.9和2.4个百分点；在Cityscapes验证集和测试集上，该算法较Mask R-CNN在主干网络为ResNet-50时分别提高2.4和2.5个百分点。
-
计算机工程. 2023, 49(6): 227-233,241. https://doi.org/10.19678/j.issn.1000-3428.0064591逻辑推理是感知视觉元素间规律和联系的能力，使计算机拥有类人的推理能力是一项重要的研究内容。在大量数据和深度模型的驱动下，现今人工智能已在图像处理等领域中取得超越人类水平的表现，但通过图像进行逻辑推理的能力还较落后。为解决面向逻辑推理的多尺度关系网络（MRNet）特征提取能力不足及泛化性较差的问题，提出一种改进的残差注意力多尺度关系网络（ResAMRNet）。在主干网络中，利用残差结构并结合跳跃连接与长跳跃连接，将浅层特征融入深层网络训练过程中，减少特征信息丢失，并提高模型特征提取能力。在推理模块中，将通道注意力机制与残差模块相融合检测每行图片间的关系特征，差异化各特征通道的重要程度，自适应学习注意力权重，提取关键特征。设计双池化高效通道注意力机制，结合全局最大池化进一步获取对象的特征信息，提高模型泛化性。在RAVEN和I-RAVEN数据集上的实验结果表明，ResAMRNet的分类准确率相比于MRNet分别提升了8.3和18.1个百分点，具有较强的逻辑推理能力。
-
计算机工程. 2023, 49(6): 234-241. https://doi.org/10.19678/j.issn.1000-3428.0064830为解决通道内部特征信息交互性不足、特征利用和表示不够充分导致的人脸面部细节信息恢复不理想的问题，提出一种基于编码器-解码器的注意力残差网络，并设计基于注意力的残差模块，其主要由基准残差模块、沙漏模块与内部特征拆分注意力模块组成，通过内部特征拆分注意力模块加强通道内部之间的交互性，使网络能够提取到更详细的特征信息，恢复出更多人脸面部细节，同时在残差模块中利用一个预激活模块，解决批量归一化层在超分辨率网络中存在的伪影问题。在特征提取单元末端运用多阶特征融合模块充分融合多个阶段的特征，缓解特征在网络传输过程中的丢失现象，提高特征利用率。实验结果表明，该方法可以恢复出更多人脸面部细节，在Helen人脸数据集上，重建人脸图像的PSNR值为27.74 dB，相比SISN和DICNet方法，分别提高了1.47 dB、1.12 dB。在CelebA人脸数据集上，重建人脸图像的PSNR值为27.40 dB，相比SISN和DICNet方法，分别提高了1.26 dB、0.39 dB。
-
计算机工程. 2023, 49(6): 242-249. https://doi.org/10.19678/j.issn.1000-3428.0064765火灾事故在全世界范围内普遍存在且频繁发生。然而，针对城市火灾的风险预测研究尚在起步中。为此，提出一种针对城市火灾风险的预测模型HISS。基于多重分形维度从卫星图像中提取视觉特征，并将卫星图像的视觉特征与从历史火灾数据、气象数据、出租车流动记录、区域用电量数据和POI数据中提取的非视觉特征相融合，构成静态特征。基于静态特征对XGBoost进行预训练，并设计一种特征嵌入模块，将XGBoost的预测结果作为基准值嵌入到包含时序关系的动态特征中，通过Transformer学习火灾的时间波动模式。采用动态加权模块实现XGBoost和Transformer在模型层面的融合，进一步提升模型的性能。实验结果表明，HISS模型的确定系数R2达到了72.56%，与长短期记忆网络和门控循环单元相比R2分别提升4.25和3.92个百分点，与Lasso、随机森林和梯度提升决策树相比R2分别提升10.88、5.62和3.93个百分点，具有较优的预测性能。
-
计算机工程. 2023, 49(6): 250-256. https://doi.org/10.19678/j.issn.1000-3428.0064509为更好地实现基于图像的实时火灾预警，结合YOLOv5s提出一种改进的火焰烟雾检测算法。将YOLOv5s颈部原有的路径聚合网络模块替换为双向交叉尺度融合模块，使深层网络可以直接提取浅层特征，增强信息流并提升网络特征融合能力。在YOLOv5s头部添加引入协调注意力的推理层，在不过多增加计算量的前提下加强检测头对网络信息的提取和定位能力，并提高检测精度。采用HSV色域增强、随机旋转、Mosaic等多种数据增强技术调整并扩充训练数据，使用k-means聚类算法获取数据集先验锚框，增强检测模型鲁棒性。实验结果表明，与基于YOLOv5s的火焰烟雾检测算法相比，改进算法的平均精度均值提升了3.2个百分点，检测速度达到243帧/s，并且保持了YOLOv5s的轻量化优势，在遮挡、夜晚、小目标等复杂场景下均具有较好的火焰烟雾检测效果。
-
计算机工程. 2023, 49(6): 257-264. https://doi.org/10.19678/j.issn.1000-3428.0064754水下场景成像条件复杂、小目标的分辨率低且信息量少而难以提取有效的特征信息，导致水下小目标检测识别率低并且虚警率高。针对该问题，提出一种基于多速率空洞卷积的多尺度水下小目标检测方法。使用主干网络模型DarkNet53进行特征提取得到高层语义信息，采用多速率空洞卷积模块扩大网络的感受野，通过调整扩张率在更大像素范围内获取特征信息，并添加残差结构保证小目标定位的详细信息。为恢复小目标的分辨率，利用反卷积模块对图像细节进行重建，在不同分辨率的特征图上学习细节特征。在此基础上，通过特征金字塔结构将更丰富的多尺度上下文信息引入反卷积层，使多个层次的特征跨尺度学习以增强小目标的定位和分类，并对特征融合后的每一层输出进行特征整合和筛选，得到最终的预测结果。实验结果表明，该方法在Pascal VOC2007和URPC2018公共数据集上分别取得了82.6%和81.5%的mAP，在检测速度上分别达到34.4 和34.2 帧/s，能够在保证实时检测的基础上有效增强水下小目标的检测能力。
-
计算机工程. 2023, 49(6): 265-273. https://doi.org/10.19678/j.issn.1000-3428.0064952道路裂缝是道路安全检测的重要部分，随着深度学习和计算机视觉的发展，利用深度学习对道路图像中裂缝信息提取的方法趋于成熟。现有深度学习道路裂缝检测方法对细小裂缝提取不完整以及受背景因素干扰，导致检测精度降低。基于CBAM注意力机制和残差网络，改进U-Net神经网络模型，构建一种融合残差和注意力机制的道路裂缝检测深度学习网络模型。该模型在U-Net网络的上采样和下采样过程中分别嵌入通道注意力机制和空间注意力机制。CBAM注意力机制在通道和空间维度上同时进行全局平均和全局最大混合池化，以提取更多有效的全局和局部细节信息。同时，在U-Net网络中融合残差模块，有效解决网络梯度消失、梯度爆炸以及网络退化的问题，进一步提高道路裂缝的检测能力。实验结果表明，在上采样和下采样过程中嵌入CBAM注意力机制网络的F1值提升到81.02%，相比U-Net原始网络，提升13.76个百分点。融合残差模块并在下采样过程中嵌入CBAM注意力机制网络的F1值达到85.82%，相比只嵌入CBAM注意力机制的网络，提升了4.8个百分点。
-
计算机工程. 2023, 49(6): 274-283,291. https://doi.org/10.19678/j.issn.1000-3428.0065065医学图像的全局特征在基于深度学习的医学影像报告自动生成任务中发挥着重要作用，传统方法通常仅使用单分支卷积神经网络提取图像语义特征，注重局部细节特征的提取，但缺乏对医学图像全局特征的关注。提出一种新的医学影像报告生成方法DBFFN，基于双分支特征融合，结合卷积神经网络与视觉Transformer各自在图像特征提取上的优势，分别提取给定医学图像的全局特征和局部特征，在计算图像全局关系的同时关注局部细微的语义信息。针对医学图像的特征融合问题，设计一种多尺度特征融合模块，对来自两个分支的图像特征进行自适应尺度对齐，并结合矩阵运算方法和空间信息增强方法有效融合全局特征与局部特征内部包含的语义信息。在IU-X-Ray数据集上的实验结果表明，DBFFN方法的BLEU-1～BLEU-4，METEOR，ROUGE-L指标平均值分别为0.496，0.331，0.234，0.170，0.214，0.370，优于HRNN、HRGR、CMAS-RL等方法，在医学影像报告自动生成任务上具有有效性。
-
计算机工程. 2023, 49(6): 284-291. https://doi.org/10.19678/j.issn.1000-3428.0064478车联网、远程手术等实时监控系统所处环境的动态变化性，导致关注接收信息的新鲜度成为此类系统的必然选择。物联网系统中基础设施通常按照时隙进行离散操作，针对离散时间状态更新系统中的信息新鲜度表征问题，提出一个面向离散时间状态更新系统的信息年龄(AoI)评估方法。构建一个基于AoI的单源-单服务器-目的节点的离散时间Ber/Geo/1/1系统，根据排队理论，引入二维状态向量同时追踪目的节点AoI及服务器状态更新包的年龄。每个二维AoI向量的稳态概率可通过求解状态转化方程来确定，继而可得到系统AoI的概率分布。然而复杂的AoI状态转化方程使二维AoI向量的稳态概率难以求解甚至在某些情况下无解，为此，提出基于概率生成函数(PGF)的离散状态更新系统AoI评估方法，通过对相应的PGF进行简单的求导运算或将其展开为幂级数的形式，确定系统AoI及AoI的概率分布。实验结果表明，当数据包到达概率为0.2时，所提方法的数据包服务概率由0.1增加至0.3，平均AoI降低44.4%，相比传统方法具有较高的计算精度和较简单的计算过程。
-
计算机工程. 2023, 49(6): 292-299,313. https://doi.org/10.19678/j.issn.1000-3428.0064892维吾尔语属于低资源语言和黏着性语言，现有维吾尔语文本分类方法缺少足够的语料来训练维吾尔语预训练模型。因此，维吾尔语无法基于预训练模型提取有效的句向量信息。现有的文本分类方法利用深度学习模型提取词向量，然而，维吾尔语具有特征稀疏且维度偏高的特点，使得其在文本分类上的效果较差。为此，提出基于提示学习的维吾尔语文本分类方法。基于提示学习，采用多语言预训练模型Cino构造不同的模板，利用模型的掩码预测能力对不同的掩码位置进行预测。为避免掩码预测的词汇信息具有多样性，将模板掩盖掉的词向量代替整体的句向量，利用掩码模型的预测能力，以有限大小的向量表示当前句子的语义信息，将下游任务靠近模型的预训练任务，减少在微调阶段两者不同所造成的影响。在爬取维吾尔语网站所构建新闻数据集上进行的文本分类实验结果表明，相比Cino微调预训练模型，融合提示学习的Cino模型的F1值最高可达到92.53%，精准率和召回率分别提升了1.79、1.04个百分点，具有更优的维吾尔语文本分类效果。
-
计算机工程. 2023, 49(6): 300-313. https://doi.org/10.19678/j.issn.1000-3428.0064702地震、受灾路网抢修作为灾后应急响应中的一个基础环节，主要研究如何制定道路抢修队的修复方案，从而快速打通生命救援线路，确保救援队伍、装备、物资等及时输送到灾区各个需求点。然而，已有研究大多专注于静态受灾路网，难以适应地震、洪水等重特大自然灾害下的复杂应急场景。构建一种动态受灾路网模型，模拟应急场景的动态恶化，并基于Markov决策过程构建抢修队的动态决策模型，设计相应的状态空间、动作空间和回报函数。最后，提出一种基于改进Q学习（IQL）的动态调度（IQLDS）算法，以适应当前的路网状态，快速得到较优的修复策略。实验结果表明，与蚁群优化算法、IQL算法相比，IQLDS算法在大规模、高受损率路网环境中的目标函数值降低了约50%，能够在精确感知路网环境变化后及时调整学习策略，并充分利用历史经验获得较优的修复方案。
-
计算机工程. 2023, 49(6): 314-320. https://doi.org/10.19678/j.issn.1000-3428.0064583医疗实体识别是从医疗文本中识别疾病、症状、药物等多种类型的医疗实体，能够为知识图谱、智慧医疗等下游任务的发展提供支持。针对现有命名实体识别模型提取语义特征较单一、对医疗文本语义理解能力不足的问题，提出一种基于多重注意力机制的神经网络模型MANM。为捕获文本中更丰富的语义特征，在模型输入中引入医疗词汇先验知识，通过自注意力机制获取医疗文本的全局语义特征，并利用双线性注意力机制获取词汇和字符层面的潜在语义特征，得到包含字词间依赖关系的特征向量。为提高模型的上下文信息捕捉能力，采用改进的长短时记忆网络提取文本时序特征，同时设计多头自注意力机制获取词语间隐含的关联语义特征。最后融合上述多层次语义特征，利用条件随机场进行实体识别。在公开数据集CMeEE、CCKS2019、CCKS2020上进行对比实验，实验结果表明，MANM模型在3个数据集上的F1值分别达到64.29%、86.12%、90.32%，验证了所提方法在医疗实体识别中的有效性。
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