2025年, 第51卷, 第9期 刊出日期：2025-09-15
-
全选|
-
-
计算机工程. 2025, 51(9): 1-13. https://doi.org/10.19678/j.issn.1000-3428.0069416
交通信号灯控制对缓解交通拥堵、提升城市通勤效率有着重要作用。近年来，以实时交通数据为输入的基于深度强化学习的信号灯控制算法已取得突破性进展。然而，现实场景中的交通数据通常伴随着数据失真。传统方法在修复失真数据后使用强化学习算法控制信号灯，但一方面信号灯相位的动态性给失真修复引入了额外不确定性，另一方面失真修复难以与深度强化学习框架相结合来提升性能。为此，提出基于隐状态预测的失真交通信号灯路口控制模型HCRL。HCRL模型由编码子模型、控制子模型和编码预测子模型组成，通过引入信号灯路口的隐状态表示机制，更好地适应深度强化学习框架，有效表达信号灯路口的控制状态，并使用特殊的迁移训练方法避免数据失真对控制子模型的干扰。使用两个真实数据集验证了数据失真对智能信号灯控制算法的影响。实验结果表明，HCRL模型在所有失真场景和失真率下均优于基于失真修复的信号灯控制模型，并在与其他基线模型的对比中表现出了对数据失真更强的鲁棒性。
-
计算机工程. 2025, 51(9): 14-24. https://doi.org/10.19678/j.issn.1000-3428.0069534
非结构化道路的缺陷目标检测任务对道路交通安全具有重要意义，但检测所需的标注数据集相对有限。为了解决非结构化道路标注数据集缺乏以及现有模型对无标注数据学习能力不足的问题，提出一种MAM(Multi-Augmentation with Memory)半监督目标检测算法。首先，引入缓存机制存储无标注图像和带有伪标注图像的框回归位置信息，避免了后续匹配造成的计算资源浪费。其次，设计混合数据增强策略，将缓存的伪标签图像与无标签图像混合输入学生模型，以增强模型对新数据的泛化能力，并使图像的尺度分布更加均衡。MAM算法不受目标检测模型的限制，并且更好地保持了目标框的一致性，避免了计算一致性损失。实验结果表明，MAM算法相比其他全监督学习和半监督学习算法更具优越性，在自建的非结构化道路缺陷数据集Defect上，在标注比例为10%、20%和30%的场景下，MAM算法的均值平均精度(mAP)相比于Soft Teacher算法分别提升了6.8、11.1和6.0百分点，在自建的非结构化道路坑洼数据集Pothole上，在标注比例为15%和30%的场景下，MAM算法的mAP相比于Soft Teacher算法分别提升了5.8和4.3百分点。
-
计算机工程. 2025, 51(9): 25-37. https://doi.org/10.19678/j.issn.1000-3428.0069836
为了进一步优化车载服务的服务质量(QoS)，移动边缘计算(MEC)被深度整合于车联网(IoV)中，旨在为车辆提供地理位置较近的计算资源，降低任务处理延迟和能耗。然而，传统的MEC服务器部署主要依赖于地面基站(BS)，这不仅导致高昂的部署成本，而且限制其覆盖范围，难以确保为所有车辆提供无间断服务。为了应对上述挑战，空地协同IoV作为一种新兴的技术方案应运而生。无人机(UAV)能够借助其视距链路的灵活性动态地协助路边单元(RSU)，为车辆用户提供更为灵活的计算资源，进而保障车载服务的连续性和高效性。提出一种基于空地协同的动态车载边缘任务卸载方法(DVETOM)。该方法采用车-路-空架构，构建了车辆到RSU(V2R)链路和车辆到UAV(V2U)链路。针对车辆任务的本地执行、卸载至RSU执行和卸载至UAV执行3种模式分别构建传输模型和计算模型，并以最小化系统时延和能耗作为联合优化目标构建目标函数。DVETOM将任务卸载问题转化为马尔可夫决策过程(MDP)，基于深度强化学习(DRL)的分布式深度确定性策略梯度(D4PG)算法优化任务卸载策略。与5种基准方法进行对比，实验结果表明，DVETOM在提升车辆用户QoS的同时，在降低系统时延方面优于现有方法3.45%~23.7%，在降低系统能耗方面优于现有方法5.8%~23.47%。综上所述，DVETOM有效地优化了IoV中的车载边缘任务卸载，为IoV用户提供了更高效、更节能的服务解决方案，展现了其在智能交通系统领域的广泛应用潜力。
-
计算机工程. 2025, 51(9): 38-48. https://doi.org/10.19678/j.issn.1000-3428.0069842
为提高车辆在无信号交叉路口的通行效率，以车辆加速度变化率和目标车辆通行时间为目标，提出一种车路协同下无信号交叉路口车辆的通行策略。通过建立车路协同场景，划分动态冲突区域和静态冲突区域，定义模型输入参数，构建车辆通行顺序模型和车辆运动状态控制模型，并通过SIMULINK进行仿真，验证模型有效性。实验结果表明，采用该模型后，在常见交通场景中，车辆减速阶段加速度最大变化率平均减少17.27%，车辆加速度变化幅度平均减少37.06%，最大加速度平均降低37.53%，通行时间平均减少41.33%；在特殊交通场景中，车辆减速阶段加速度最大变化率平均减少45.95%，车辆加速度变化幅度平均减少38.89%，最大加速度平均降低48.2%，通行时间平均可减少44.31%；另外，与同类算法优化率相比，该策略模型的平均通行时间和平均车速分别优化42.82%和45.8%，优化效果显著，且两项指标更为均衡，同时车辆速度无频繁波动，乘坐舒适性更佳。因此，在较小牺牲部分车辆舒适性能的条件下，该策略模型大幅提升了整体通行效率。
-
计算机工程. 2025, 51(9): 49-58. https://doi.org/10.19678/j.issn.1000-3428.0069784
车联网(IoV)环境中任务的动态性提高了实时计算卸载的复杂性。针对IoV场景中地面网络覆盖受限导致的实时任务难以及时完成的问题，提出一种面向卫星车载移动边缘计算网络(SVMECN)的协同计算卸载方法。首先，构建卫星与地面间的几何关系模型，计算设备与卫星、地面网关与卫星之间的传输速率，并基于该模型计算任务处理时延，模型充分考虑任务的实时性，动态调整卫星移动对地面数据传输的影响，通过卫星与地面网关的协作处理来满足车载应用对时延的要求；其次，提出一种基于指针注意力机制和Actor-Critic(ST-PART)的协同计算卸载算法，根据任务的实时性动态调整任务优先级，按照优先级顺序对任务进行计算卸载，并在不同计算节点之间动态选择和协同处理任务，以最小化任务处理时延。在SVMECN中对所提算法进行仿真，结果显示，与传统的启发式算法相比，所提算法在提高运行效率方面表现突出。实验和分析结果表明，所提算法在满足任务实时性需求的同时能够显著降低任务处理时延，与地面和卫星未协同的算法相比，该算法能够降低2.35%~68.68%的时延成本。
-
计算机工程. 2025, 51(9): 59-70. https://doi.org/10.19678/j.issn.1000-3428.0069349
识别视频中的异常个体是计算机视觉领域重要的研究课题，已有算法主要研究如何检测出异常行为的爆发期，而忽略了异常行为的发展阶段，同时存在异常定义不明确、可解释性差、应用场景泛化能力不强等问题。针对上述问题，提出一种基于知识图谱的异常个体提前识别模型。对视频进行行人检测与跟踪、行人视觉关注目标检测和行人行为识别，以捕获与异常行为相关的行人属性特征；建立针对异常个体的知识图谱网络，提出年龄属性、社交距离等4种节点建模算法，根据行人属性对节点进行建模，更好地分析异常个体在异常行为发展期的特征；提出拐卖儿童、偷窃/抢劫和打架3种基于节点状态转移的异常个体推理算法，对知识图谱节点进行状态推理，得出个体在未来发生异常行为的概率值，实现对异常个体的提前识别，采用的推理算法增强了模型的可解释性；制作并标注异常个体提前发现数据集，定义偷窃、打架、抢劫和拐卖儿童4种异常行为，其中的样本源自不同的拍摄场景。在该数据集上评估模型的有效性，实验结果表明，该模型的均值平均精度(mAP)为22.83%，优于其他主流行为识别模型，其中与SlowFast模型相比提升了18.96百分点，表明所提模型能在异常行为爆发之前有效地识别出异常个体，且模型对应用场景具有良好的泛化能力。
-
计算机工程. 2025, 51(9): 71-79. https://doi.org/10.19678/j.issn.1000-3428.0069598
近年来，人工智能在大模型、自动驾驶、机器人等领域得到广泛应用。神经网络作为人工智能的核心，具备大数据处理、学习适应复杂模式和完成各种任务的功能。神经网络通常利用卷积运算提取输入数据的局部特征，帮助其学习并理解图像、声音等数据的结构和模式。然而，在一次卷积运算过程中涉及密集的乘累加运算，占据了绝大部分的卷积运算时间，成为了神经网络实时部署的技术瓶颈。从硬件层面加速卷积运算，提出一种Winograd异构采样窗口卷积加速算子，采用异构4×2采样窗口提升数据利用率，采用流水线、定点化等手段设计Winograd硬件加速模块，提出基于池化融合的ReLU模块。在现场可编辑逻辑门阵列(FPGA)上进行原型验证实验，实验结果表明，所提算子对比单路原始滑窗卷积共获得86.4倍的加速比，对比三路滑窗卷积获得28.8倍的加速比，读写数据量减少为原来的11.07%，资源消耗比同类型Winograd卷积加速算子低，对比快速傅里叶变换(FFT)有明显优势，具备大规模集成和构建卷积神经网络的能力。
-
计算机工程. 2025, 51(9): 80-90. https://doi.org/10.19678/j.issn.1000-3428.0069705
多模态方面级情感分析(MABSA)旨在从图文对中分析方面词的情感极性。现有方法致力于抽取图像和文本的情感特征。然而，图像和文本的各个特征不一定对最终的情感分析是有效的，图像和文本通常在方面词情感相关的区域外含有大量的冗余信息与噪声信息，并且图像和文本的不同区域可能对应不同方面词，导致在构建图像和文本特征抽取的初步阶段引入噪声。此外，图像和文本的方面词相关的情感极性可能是对立的，即两者存在交互信息。为了解决上述问题，提出结合局部感知与多层次注意力的MABSA模型。首先，设计局部感知模块，筛选与方面词语义相关的文本内容及图像区域；然后，引入多层次注意力模块，使用瓶颈注意力机制进行模态交互信息的提取，提高了情感信息的聚合准确率。实验结果表明，该模型能够在Twitter2015、Twitter2017、Multi-ZOL数据集上达到SOTA(State-of-the-Art)性能，显著优于同类模型。
-
计算机工程. 2025, 51(9): 91-100. https://doi.org/10.19678/j.issn.1000-3428.0069347
事件抽取是一项重要的信息抽取任务，旨在从自然语言文本中抽取出特定的事件或事实信息。在现实事件抽取场景中存在大量的事件重叠问题，即一个单词可以同时作为不同事件类型的触发词或不同角色的事件论元。然而，现有重叠事件抽取方法忽略了事件类型、论元角色等事件元素之间的关联和依赖关系，导致重叠事件抽取性能不佳。针对此问题，提出一种动态异构图增强的级联解码事件抽取模型DHG-EE，通过多粒度级联解码结构与领域-事件类型-论元角色异构图网络，有效实现重叠事件的结构表示与事件元素间的信息传递。具体来说：首先采用预训练模型对自然语言文本进行编码并构建由领域、事件类型和论元角色组成的多粒度异构图网络，将重叠事件论元与对应的多个领域节点和事件类型节点分开，并通过异构图的动态点边结构高效表示重叠事件的复杂关联关系；然后多粒度级联解码结构按照语义粒度由粗到细依次解码领域属性、事件类型、事件触发词和事件论元，并将上一粒度信息作为额外信息辅助下一粒度的解码，通过粗粒度领域和事件类型的预解码，有效约束了细粒度重叠触发词和事件论元的解码。实验结果表明，该模型在FewFC和DuEE1.0基准事件抽取数据集上的F1值优于对比的基线模型。
-
计算机工程. 2025, 51(9): 101-109. https://doi.org/10.19678/j.issn.1000-3428.0068953
为了充分利用物品间的关系，推荐算法引入知识图谱以丰富物品和用户的特征。然而，大部分基于知识图谱的推荐算法往往忽视了当前跳三元组集、初始种子和上一跳三元组集之间的关系，致使所构建的用户和物品的特征表示不够准确。针对该局限性，提出一种结合前置三元组集的知识图谱推荐模型。该模型基于异构传播策略生成用户和物品的初始表示，并在知识传播的过程中结合当前跳三元组集、初始种子和上一跳三元组集之间的关系以控制每跳三元组集的表示，从而生成用户和物品的最终表示，进而根据最终表示预测用户和物品交互的概率。在书籍和电影两个场景的数据集上的实验结果表明，该模型在曲线下面积(AUC)、F1值和召回率这3个测试指标下优于目前主流的基于知识图谱的推荐模型。
-
计算机工程. 2025, 51(9): 110-119. https://doi.org/10.19678/j.issn.1000-3428.0069711
针对具有全状态约束的非仿射非线性多智能体系统, 研究事件触发预设性能编队控制问题。通过构造基于障碍函数的非线性映射技术来解决全状态约束问题, 避免控制器设计过程中的可行性条件。引入移位函数处理编队误差, 突破预设性能初始条件的限制。设计事件触发预设性能编队控制器, 使智能体能够在预定的时间内形成给定的编队形状, 并在之后始终保持队形, 同时有效地减少控制器到执行器的信号传输次数。利用Lyapunov稳定性分析证明了系统所有信号都是半全局一致最终有界的, 并采用理论分析排除了Zeno行为发生的可能性。数值仿真结果验证了所提控制方法的有效性。
-
计算机工程. 2025, 51(9): 120-128. https://doi.org/10.19678/j.issn.1000-3428.0069414
事件方面类别检测(ACD)旨在识别出给定事件文本中的方面类别, 相关研究可以辅助获取不同领域和事件文本中的关键信息, 特别是在社交媒体舆情研究中具有实用价值。在社交媒体舆情事件发展前期, 事件文本标记数据稀缺, 如何基于少量标记数据实现准确的事件方面检测是一个亟待解决的问题。提出一种基于预训练模型的多层级软提示交互融合少样本事件方面类别检测方法, 基于预训练构建多层级的软提示模板, 分别与预训练模型进行层级语义表征和交互融合, 并自适应地融合多层级的提示表征, 从而提升少样本事件方面类别检测的效果。在自构建中文社交媒体少样本数据集和英文数据集上进行实验, 实验结果证明所提方法明显优于其他基线方法, 此外, 消融实验和可视化结果验证了所提多层级提示交互融合模块的有效性。
-
计算机工程. 2025, 51(9): 129-138. https://doi.org/10.19678/j.issn.1000-3428.0069410
Text-to-SQL语义解析任务旨在将自然语言问题转化为可执行的SQL语句。近年来, 许多研究将预训练模型等方法应用到该任务中, 并取得了一定的进展。然而, 现有的预训练模型没有针对Text-to-SQL任务进行重新训练, 不能很好地适应任务的场景语义特征信息, 从而影响模型的解析性能。同时, 许多方法还容易忽略自然语言问题与数据库模式间的关系, 造成解析过程中语义模糊的问题。为解决这些问题, 提出一种新的RGA-T5模型来完成Text-to-SQL语义解析任务。该模型在预训练模型T5中引入了关系感知异构图神经网络(HGNN), 将输入的实体与关系构建为异构图上的节点, 并通过应用图神经网络(GNN)实现模型对输入序列的语义关系感知。同时, 还提出空间门控适配器, 对其参数进行训练实现对预训练模型的微调, 使模型能够针对该任务适应不同场景下的语义特征信息, 减少无关信息的引入。实验结果表明, 该模型在Spider数据集上相较于其他先进的Text-to-SQL解析方法取得了一定程度的性能提升, 验证了所提方法的有效性。
-
计算机工程. 2025, 51(9): 139-148. https://doi.org/10.19678/j.issn.1000-3428.0069439
精准的交通流预测是实现智能交通系统的关键前提，对加强系统的仿真和控制、提高管理者的决策等方面具有重要意义。针对大多数现有的图卷积网络(GCN)模型忽略交通流数据的动态时空变化、对节点信息使用不足导致时空相关性提取不充分的问题，提出一种基于多时空图融合与动态注意力的交通流预测模型。首先，以不同的卷积单元提取交通流数据中多时域状态下的时间特征；然后，构建多时空图体现节点在空间分布中的动态变化趋势和异质性，并结合GCN提取空间特征；最后，利用多头自注意力机制分别对时空特征进行分析与融合，输出预测结果。在两个实际的公共数据集PeMS04和PeMS08上进行实验分析，并与基于注意力的时空图卷积网络(ASTGCN)、多视角的时空Transformer网络(MVSTT)和动态时空感知图神经网络(DSTAGNN)等基于时空图卷积网络的基准模型对比，结果表明所提模型在平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)指标上分别平均降低了7.10%、7.22%和6.47%，具有较强的适应性和鲁棒性。
-
计算机工程. 2025, 51(9): 149-157. https://doi.org/10.19678/j.issn.1000-3428.0069306
在目前基于深度学习的智能合约漏洞检测方案中，直接使用字节码或源码进行文本序列的特征表达存在对程序语义特征理解不足的问题。基于抽象语法树(AST)嵌入的智能合约漏洞检测技术充分考虑了合约向量化表达需要的语法和语义特征以及合适的处理粒度，能够更加准确地捕捉智能合约漏洞特征。根据Solidity语法树解析设计一种AST嵌入的智能合约向量化方法，对语句级别的节点类型递归划分生成一系列语句树，然后采用递归神经网络自底向上地对每个语句树进行编码，将复杂的AST结构转化为语句级别的特征向量，在此基础上构建基于注意力机制的双向门控循环神经网络(BiGRU-ATT)模型，实现对语句树序列特征的学习，完成对重入漏洞、未校验返回值、时间戳依赖、访问权限控制和拒绝服务攻击5种典型漏洞的检测及分类。实验结果表明，基于AST嵌入的向量化方法相较于直接将源码视为文本序列进行向量化的方法在微观F1值(micro-F1)和宏观F1值(macro-F1)指标上分别提高了13和10百分点，在时间戳依赖、访问权限控制以及拒绝服务攻击漏洞分类任务中，BiGRU-ATT模型的F1值高达88%以上。
-
计算机工程. 2025, 51(9): 158-165. https://doi.org/10.19678/j.issn.1000-3428.0069537
车联网(IoV)中传输的消息处于开放的网络环境中，消息容易遭受攻击和隐私泄露。针对此问题，以基于身份的密码机制为基础，提出一种匿名可追溯消息认证方案。首先，设计基于身份的签名(IBS)算法，保证所传输消息的完整性，同时可以验证消息发送方身份的合法性及不可否认性；其次，方案采用匿名机制提供隐私保护，匿名身份由车辆生成并被用于获取私钥，由于真实身份不在网络中传输，除了车辆和权威机构，任何人都无法获得车辆的真实身份，此外，生成的私钥被加密，保证了私钥传输的机密性；最后，在随机预言机模型下证明，该签名方案能够实现自适应选择消息攻击下的不可伪造性，能满足IoV的安全需求。仿真结果表明，与同类方案相比，该方案具有更低的计算开销和通信开销。
-
计算机工程. 2025, 51(9): 166-176. https://doi.org/10.19678/j.issn.1000-3428.0069162
多元时间序列异常检测方法常被用于及时发现和识别系统中的异常模式和行为，以提高系统的安全性和稳定性。为了解决多元时间序列内部复杂依赖关系导致的异常检测精度降低的问题，提出一种多元时间序列异常检测模型HGAT，它基于图注意力网络并联合使用预测与重构方法进行优化。首先使用图注意力网络捕获多元时间序列在时间和空间维度上的依赖性；其次采用融合变分自编码器(VAE)的Transformer作为重构模块，并使用时间卷积网络(TCN)作为预测模块，联合实现对异常序列的检测，Transformer的自注意力机制允许重构模块在整个时间序列上建模，从而直接考虑序列中任意2个位置之间的关系，以捕捉序列的全局依赖关系，TCN通过堆叠卷积层并且增大感受野，可以有效地提取时间序列的局部特征；最后通过异常分数综合考虑重构模块和预测模块，在进行时空联合表征的基础上以全局和局部角度分析序列的整体分布。在SMAP、MSL和SMD数据集上进行实验，结果表明，HGAT的F1值分别为96.20%、97.50%和92.85%，均优于基线方法。
-
计算机工程. 2025, 51(9): 177-191. https://doi.org/10.19678/j.issn.1000-3428.0068904
为解决秘密共享中因未充分考虑参与方自利行为而引发的诚实参与方无法重构共享秘密、非诚实参与方可重构共享秘密等不公平问题，将秘密共享与区块链相结合，基于智能合约提出一种兼具公平性和可验证性的秘密共享方案(FVSS)。首先，构建一种秘密份额混淆机制，通过绑定用户口令与秘密值，向参与方分发虚假影子秘密份额，以保护真实份额的共享免受猜测攻击；然后，基于多项式承诺设计影子秘密份额完整性验证方法，在参与方之间实现影子秘密份额的双向可验证，确保参与方互相监督的有效性；随后，为实现秘密共享的针对性公平保障，基于智能合约构建一种公平性奖惩策略，激励参与方高效地实现秘密重构，并实现对第三方恶意分发行为的有效监控；最后，对方案的可验证性、公平性、安全性、资源开销等方面进行理论分析和实验验证。分析和实验结果表明，该方案能有效约束恶意参与方在秘密共享中的自利行为，可以抵抗已知攻击，且通过支持用户口令和承诺值来提供更高的安全性，同时该方案的平均时间开销在毫秒级，具备较好的实用性和可扩展性。
-
计算机工程. 2025, 51(9): 192-200. https://doi.org/10.19678/j.issn.1000-3428.0070021
随着用户对隐私保护意识的增强，越来越多的网站和服务使用传输层安全(TLS)协议来保护用户数据，这导致TLS加密流量在网络传输流量中的占比越来越高。但目前大多数异常流量检测方法是针对所有流量或所有加密流量的通用检测模型，而专门研究TLS加密流量的方法较少。因此，提出一种基于有监督自编码器的TLS加密异常流量检测方法。该方法的核心是训练一个有监督自编码器，其将网络流量作为输入，生成与输入流量维度相同的重构流量，并要求正常流量与对应的重构流量之间相似度极高，异常流量与重构流量之间相似度极低。为达到上述重构要求，设计一个重构损失函数来有监督地优化自编码器内部参数。在检测阶段，利用自编码器的重构能力，通过衡量输入流量与重构流量之间的余弦相似度来判断输入流量是否为异常流量。此外，通过整合数据构建一个专门用于TLS加密异常流量检测任务的数据集，在此数据集上的实验结果表明，该方法在TLS加密异常流量检测二分类任务上的准确率达到99.52%，优于其他对比模型，同时多种可视化策略展现了所提方法的有效性。
-
计算机工程. 2025, 51(9): 201-212. https://doi.org/10.19678/j.issn.1000-3428.0069365
针对6G网络中超密集无线体域网(WBAN)所面临的计算资源匮乏与共信道干扰的问题，提出一种干扰感知的高效任务卸载策略。首先，设计面向WBAN医疗信息的软件定义网络(SDN)边缘计算架构，并建立考虑历史状态的优先级评分机制与优先级排队模型；其次，提出邻居节点感知算法(NNAA)，生成当前超帧节点的邻居节点矩阵；随后，提出干扰感知的卸载策略(IAOS)，该策略定义了考虑卸载收益、卸载开销、卸载状态的系统收益模型；接着，设计考虑系统收益与节点并发数量的目标函数，引入遗传算法中的交叉变异策略来跳出局部最优，并且对不可行解进行修正；最后，利用改进的二进制开普勒优化算法(IBKOA)解出使得目标函数最大化的卸载决策。实验结果表明：在数据量变化的环境中，IAOS策略的时延对比其他算法平均降低了74.5%；在患者数量变化的环境中，IAOS策略的节点干扰率、时延、能耗相较对比算法分别平均降低了61.43%、59.28%、58%，吞吐量与系统收益分别平均提升了149.5%、74.38%。
-
计算机工程. 2025, 51(9): 213-219. https://doi.org/10.19678/j.issn.1000-3428.0069171
高速铁路无线信道是一种强时变的无线信道，在实际中难以保证乘客的时延约束。在高速铁路云无线接入网络(C-RAN)架构下，构建一个同时满足用户业务统计时延约束与前向链路容量限制的能量效率最大化问题。考虑到高速列车具有运动方向确定、轨迹固定、路径损耗可预测等特点，以路径损耗信息替代传统信道状态信息进行建模，从而有效降低能量效率最大化问题的复杂度。鉴于原始问题为非凸优化问题，首先通过变换将问题重构为一个等价的凸优化问题，随后设计一种2层迭代的功率分配算法，并使用拉格朗日对偶方法对内层子问题进行求解。在不同列车速度、服务质量(QoS)指数、用户数量下进行仿真验证，结果表明，所提算法不仅能够严格满足统计时延约束，还能显著提升系统的能量效率，该研究可以为高速铁路C-RAN中绿色、高效的资源分配任务提供可行思路和理论支持。
-
计算机工程. 2025, 51(9): 220-230. https://doi.org/10.19678/j.issn.1000-3428.0069092
现有高光谱图像(HIS)超分辨率任务存在信息表示不充分、先验信息利用不足、重建精度不高的问题，严重影响后续图像处理任务精度。针对此问题，提出基于多-高光谱图像融合的非局部高阶张量表示算法，用于HSI超分辨率重建。通过k-means算法将图像划分为非局部相似块，将其构建成高阶张量，并利用张量火车所具有的均衡分解策略挖掘非局部高阶张量空间-光谱低秩冗余性。由于图像空间域中具有局部平滑特性，因此采用加权组稀疏正则项描述此特征，并构造加权光谱解混约束项来解决超分辨过程中光谱数据的融合失真问题，利用交替方向乘子法推导给出各变量具体求解计算过程。在公开的3个真实数据集CAVE、Pavia University、Indian Pines上的实验结果表明，与现有代表性超分辨率算法相比，所提算法的平均峰值信噪比(PSNR)和结构相似性(SSIM)分别提高0.290 8 dB、0.002，光谱角映射器(SAM)和全局相对误差指数分别降低了0.116°和3.1%。
-
计算机工程. 2025, 51(9): 231-241. https://doi.org/10.19678/j.issn.1000-3428.0069154
交通场景图是对交通场景进行结构化表示，在智能交通领域中发挥着重要作用。当前场景图生成方法通过预测实体对之间的关系以生成无偏场景图。然而，由于数据集的长尾分布与实体关系的模糊特征表示，因此现有方法生成的交通场景图无法为下游任务提供准确且具有丰富含义的交通场景信息。为了解决上述问题，提出1个上下文语义嵌入(CSE)和粗细粒度混合(CFGB)的交通场景图生成网络CSE-CFGB。使用CSE模块建立实体与谓词的独特语义表示，使用CFGB网络对实体间关系谓词进行强鲁棒性预测，主干分支(MB)使用CSE表示对实体之间的关系进行直接预测，粗粒度分支(CB)使用重加权机制负责学习头部谓词的鲁棒特征，而细粒度分支(FB)使用Logit调整方法负责细化对尾部谓词的学习，再配备分支权重表，使2个辅助分支能很好地合作以帮助MB平衡头部和尾部谓词的预测结果。在Visual Genome数据集上的实验结果表明，所提的场景图生成网络在PredCls任务中取得了平均性能指标Mean@50和Mean@100分别为49.5%和51.7%，能有效解决模型训练中实体关系表示模糊和数据集长尾分布的问题。
-
计算机工程. 2025, 51(9): 242-251. https://doi.org/10.19678/j.issn.1000-3428.0069754
小样本学习致力于通过极少数量的训练样本, 甚至一个样本来实现对新类数据的分类。面对这种挑战, 数据增强成为小样本学习中一种直接而有效的解决方法, 但是确保增强数据的多样性和可辨别性是数据增强的关键。为此, 提出一种基于迁移基类类内变化的两阶段数据增强方法, 分为特征学习和小样本学习阶段。在特征学习阶段, 模型通过自监督任务学习基类数据的个体特征表达, 有监督任务则学习类辨别特征, 模型通过这两种特征获得基类数据的类内变化并建模基类的类内变化分布。在小样本学习阶段, 模型从基类的类内变化分布中采样与任务相关的类内变化信息并添加到小样本特征中, 以实现增强小样本数据的目的。实验结果表明, 在5-way 1-shot情况下, 所提方法在miniImageNet、tieredImageNet和CUB数据集上的分类性能相较于基线模型提升了4~7百分点, 在5-way 5-shot情况下提升了3~7百分点, 相较于其他数据增强方法, 也展现了具有竞争力的性能, 这表明生成的增强数据在保持可辨别性的同时增强小样本数据的多样性, 并验证了该方法的可行性和有效性。
-
计算机工程. 2025, 51(9): 252-267. https://doi.org/10.19678/j.issn.1000-3428.0069458
从病理全切片图像中自动准确分割肾动脉血管是肾脏疾病诊断的前提, 在肾脏疾病的诊断中起着重要的作用。现有的方法大多集中于检测和分割突出的肾小球, 很少有文献关注肾动脉血管的分割, 因为其形态外观高度可变, 边界不明确。针对以上问题, 提出了一种级联检测和分割框架, 用于精确分割和定量分析肾动脉血管。第一阶段构建多窗口自适应校准的肾动脉检测网络(RADNet), 用于定位肾动脉区域; 第二阶段设计分割网络, 将高效的通道空间注意和视觉Transformer结合到卷积网络(U-Net)中, 以准确分割肾动脉壁和管腔。最后, 通过计算定量结果与临床信息的相关性, 进行定量分析。检测网络采用多尺度自适应标定方法, 能够对动脉区域进行定位; 分割网络利用Transformer以及高效通道和空间注意机制, 能够更好地提取形态外观复杂、边界不明确的动脉壁和管腔。实验结果表明, 与之前的模型相比, 所提出的框架在小动脉血管检测和分割方面的性能取得了显著的提高。此外, 该方法在医学图像中小病变的分割和量化方面具有很大的潜力和临床应用价值。
-
计算机工程. 2025, 51(9): 268-279. https://doi.org/10.19678/j.issn.1000-3428.0069450
尽管现有图像去雾方法在处理浓雾场景时可基本去除图像中的雾气, 但在复原过程中容易导致图像的颜色分布发生明显偏移。针对传统偏振去雾算法色彩失真的问题, 提出一种基于目标场景颜色恢复的偏振图像去雾算法。根据大气光饱和度低与亮度高的特征, 结合总光强图和偏振差分图估计无穷远处大气光值, 以降低白色高亮物体的影响。充分利用无穷远处大气光的估计位置来提取大气光偏振角, 并通过Stokes矢量自动估算出随深度变化的大气光偏振度矩阵。基于大气散射光边缘跳变处的空间相关性, 利用大气光偏振度与图像色度构建正则化约束来校正大气散射光。此外, 为提升目标场景的色彩保真度, 提出自适应色彩均衡方法来改善复原结果的颜色分布。实验结果表明, 相比DCP、BCCR、GPLPF、PLF、POBS等经典去雾算法, 所提算法的NIQE、BRISQUE和偏色因子K分别提升了9.62%、13.49%、40.13%, 并且对于不同雾霾浓度场景均具有良好的复原效果, 有效提高了不同深度下目标的能见度, 避免出现颜色失真现象, 尤其是对浓雾场景同样适用。
-
计算机工程. 2025, 51(9): 280-293. https://doi.org/10.19678/j.issn.1000-3428.0069353
在无人机(UAV)航拍中, 目标通常是密集分布、特征不明显的小目标, 且物体尺度变化较大。因此, 目标检测容易出现漏检和误检的问题。为了解决这些问题, 提出了一种基于改进YOLOv8n的航拍轻量化小目标检测算法: PECS-YOLO。该算法通过在Neck部分增加P2小目标检测层, 将浅层和深层的特征图进行拼接, 以更好地捕捉小目标的细节信息; 将轻量化卷积PartialConv引入全新的结构CSPPC(Cross Stage Partial PartialConv), 替换Neck网络中的C2f(Concatenation with Fusion), 实现模型轻量化; 引入SPPELAN(Spatial Pyramid Pooling with Efficient Layer Aggregation Network), 以有效地捕捉小目标特征; 通过在Neck部分每个检测头前加入压缩和激励(SE)注意力机制, 使网络更好地关注有用的通道, 减少复杂环境中背景噪声对小目标检测任务的干扰; 最后使用EfficiCIoU作为边界框损失函数, 将边界框的形状差异也考虑在内, 以增强模型对小目标的检测能力。实验结果表明: 相比YOLOv8n, PECS-YOLO目标检测算法在VisDrone2019-DET数据集上交并比为0.5的平均精度(mAP@0.5)提高了3.5%, 交并比为0.5∶0.95的平均精度(mAP@0.5∶0.95)提高了3.7%, 模型参数量减少了约25.7%, 检测速度提高了约65.2%。综上所述, PECS-YOLO模型适合于UAV航拍下的小目标检测任务。
-
计算机工程. 2025, 51(9): 294-305. https://doi.org/10.19678/j.issn.1000-3428.0069459
海面成像过程易受天气、光照、水雾等因素的影响，针对海面舰船检测过程中的小目标模糊、目标尺度差异大、类别不均衡等问题，设计一种动态“复制-粘贴”的数据增强方式，将其嵌入到YOLOv5框架，提出了一种改进YOLOv5s的海面目标检测算法。在主干网络中，设计浅层局部感知模块，混合空洞卷积、深度可分离卷积与残差连接支路以并联的方式提升模块感受野，加强提取局部细节信息的能力；在颈部网络中，设计了注意力融合模块，利用空间注意力机制与通道注意力机制，聚合浅层空间信息与深层语义信息，提高网络特征表达能力；在检测输出中，通过对其相邻的浅层检测头特征进行下采样与融合，设计了层级融合解耦头，提升了目标分类与定位精度。动态“复制-粘贴”数据增强策略从训练集图像中裁剪目标，存入目标样本库，在每个训练轮次中，根据目标分布的概率，从样本库中随机选取目标，进行一定比例的几何与光度变换后，随机粘贴至训练图像中，从而提升前景目标密度。在SMD-Plus数据集上的实验结果表明，所提算法的mAP@0.5、mAP@0.5 ∶0.95与YOLOv5s模型相比分别提升了6.7和5.2百分点。在WSODD数据集上开展迁移实验，所提算法的mAP@0.5、mAP@0.5 ∶0.95与YOLOv5s模型相比分别提升3.7和3.3百分点。改进后的算法与提出的动态数据增强方法能有效缓解类别与尺寸不均衡问题，提高小目标检测精度，适用于海面场景下的舰船检测任务。
-
计算机工程. 2025, 51(9): 306-316. https://doi.org/10.19678/j.issn.1000-3428.0069426
实时仿真与评价信控策略的碳减排效果是策略调优的必要基础。在现有研究中，不耦合交通仿真或仅耦合宏中观交通仿真的碳排计算模型面临策略评价可控性不足、分辨率过低等问题，耦合微观交通仿真的碳排计算模型存在碳排模块与我国车型特征差异大的问题，且耦合模型存在参数标定的排放计算区段划分不合理、未考虑实际车辆工况特征的问题。因此，开展面向实时信控策略评价的交通-碳排耦合微观仿真模型研究。在建模方面，基于数据传输机制和车型匹配关系耦合微观交通流仿真模型与修正IVE(International Vehicle Emission)排放模型，并利用接口实现车辆运动与碳排同步推演与计算；在标定方面，设计两阶段交通-碳排参数耦合标定方法，阶段1开展考虑车辆运动特征的排放模型标定，阶段2开展考虑车辆行驶工况的交通流模型标定。实验结果表明：小型客车和公交车仿真排放因子与实测值相比，误差分别为10.1%和15.6%；实施“绿波”信控优化后车辆碳排显著降低。所提耦合模型能准确地以高分辨率测算交通碳排放，可以对交通减排措施进行有效的评价。
-
计算机工程. 2025, 51(9): 317-327. https://doi.org/10.19678/j.issn.1000-3428.0069366
在昂贵目标函数的代理辅助优化中，获取足量样本在流体仿真中会相当耗时。为了减少所需样本量并提高问题的求解性能，提出了一种基于迁移学习双代理辅助的船型优化算法(TLDSAO)。首先，在代理构建阶段采用了迁移学习来辅助建模，利用迁移源域知识到目标域来减少对船型样本数量的需求。其次，针对样本数据构建了粗代理模型和细代理模型，用以进行双代理的辅助优化，该过程通过引入外部公共池来进行双代理间种群信息的交换，以提高优化算法的搜索性能。最后，将TLDSAO算法应用在KCS的船型优化实验上，实验结果表明在相同样本量下，迁移学习的加入显著提高了代理模型的准确性，在达到相同精度的情况下相比未加入迁移学习时能减少约1/2的样本量。通过TLDSAO算法最终使得KCS的总阻力系数降低了10.85%，预测误差为2.93%，相较于同条件下的3种对比方法其优化结果进一步减少了0.61%、6.11%和1.56%，并且对比方法在增加40个样本后的效果才接近未增加样本的TLDSAO算法。因此，即使在更少样本量下，TLDSAO算法也能获得更优的解和更低的预测误差。
-
计算机工程. 2025, 51(9): 328-339. https://doi.org/10.19678/j.issn.1000-3428.0069559
为了应对外卖配送任务在用餐高峰期运力紧张、订单延迟送达率高的挑战，提出一种基于深度强化学习(DRL)的外卖即时配送实时优化策略，以提升外卖平台长期客户服务水平。首先，充分考虑外卖配送中备餐时间、取送顺序、时间窗等约束，以最大化期望平均客户服务水平为目标，建立考虑随机需求的外卖即时配送问题的马尔可夫决策过程(MDP)模型；其次，设计一种结合近似策略优化(PPO)算法和插入启发式(IH)算法的外卖即时配送优化策略PPO-IH。PPO-IH使用融合注意力机制的选择策略网络对订单-骑手进行匹配，通过PPO算法对网络进行训练，并使用插入启发式算法更新骑手路径。最后，通过与贪婪策略(Greedy)、最小差值策略、分配启发式以及两种深度强化学习算法进行对比实验，结果表明。PPO-IH分别在71.5%、95.5%、87.5%、79.5%与70.0%时段数据中表现更优，同时平均客户服务水平更高，平均每单配送时间更短、延迟送达率更低。此外，PPO-IH在不同骑手数、不同订单密度以及不同订单时间窗场景下具有一定的有效性和泛化性。
-
计算机工程. 2025, 51(9): 340-349. https://doi.org/10.19678/j.issn.1000-3428.0069139
车辆检测与识别是智能交通和自动驾驶领域的一项关键技术, 对于道路安全和自动驾驶起着至关重要的作用, 一直是备受关注的研究热点。基于深度学习的目标检测模型, 使得车辆检测精度得到大幅提高, 但在夜间低光照和恶劣天气等不利条件下现有车辆检测技术的精度和可靠性仍然存在极大挑战。针对这一问题, 基于YOLOv7模型, 提出一种针对夜间黑暗条件下的车辆检测方法MMD-YOLOv7。首先基于坐标注意力(CA)机制构建一种新的多通道坐标注意力(MCCA)模块, 显著提升模型在捕捉全局和局部特征信息方面的能力。其次通过构建一个多尺度卷积(MSC)模块实现对扩展高效层聚合网络(ELAN)结构的针对性改进, 使得模型更好地适应夜间视觉环境中的噪声干扰, 同时提升了特征提取的能力和精度。最后, 引入了多分支模块(DBB), 进一步增强模型对复杂特征的捕捉能力。为了验证所提出的模型效果, 选取了BDD100K数据集中的6 000张夜间场景图片进行训练和测试, 实验结果表明, 该模型在车辆检测精度上相比原始YOLOv7模型提升了5.3百分点, 展现出了模型在处理低光照情况下的强大能力。此外, 在其他多个公开的车辆检测数据集上也表现出了很好的性能, 验证了该模型具备很强的鲁棒性和泛化能力。
-
计算机工程. 2025, 51(9): 350-361. https://doi.org/10.19678/j.issn.1000-3428.0069454
在林火检测领域中, 由于存在背景环境复杂、火焰初期目标过小、火焰形状及分布不规则等因素, 且对检测模型的部署要求较高, 现有的基于深度学习的目标检测方法难以发挥很好的效果。为更好地预防森林火灾的发生及扩散, 保护森林环境及人民的生命财产安全, 提出一种基于RF-YOLOv8s的轻量化林火实时检测算法。该方法基于YOLOv8模型, 首先引入一种基于感受野注意力机制的卷积模块RFCBAMConv, 通过强调感受野的空间特征以强化对火焰特征的学习能力。其次在特征融合部分采用轻量化的跨尺度特征融合模块(CCFM), 在减少模型参数和计算量的同时增强模型对尺度变化的适应性和对小尺度对象的检测能力。同时采用动态检测头(DyHead), 借助注意力机制统一并强化多尺度信息, 提高模型的检测效果。此外, 使用Inner-CIoU作为新的边界框损失函数, 通过控制辅助边框来克服边框回归的泛化性不足并加快模型的收敛速度。实验结果表明, 在林火图像数据上, RF-YOLOv8s林火检测算法的平均精度为90.2%, 模型参数量仅8.88×106, 较YOLOv8算法平均精度提升了2.5百分点的同时减少了20.2%的模型参数量, 在具有更强的检测能力的同时, 满足了林火检测领域对模型轻量化的要求, 确保了该算法在森林火灾检测场景上的实用性。
-
计算机工程. 2025, 51(9): 362-372. https://doi.org/10.19678/j.issn.1000-3428.0069376
随着港口物流在集装箱码头的高速发展, 在自动化集装箱码头中, 堆场出口集装箱贝位翻箱问题备受关注。考虑堆场出口集装箱贝位翻箱问题, 设计不同集装箱分布下的启发式翻箱规则, 并在处理空栈与特殊栈时进行细致的优化, 提出基于策略的快速求解算法。基于该算法引入规则得分, 构建基于规则排序的分支定界算法和定向搜索算法, 分支定界算法可求得该问题最优解, 而定向搜索算法可在较短时间内求得较优可行解。算例结果表明, 基于规则排序的分支定界算法与定向搜索算法在小规模算例上均能高效求解, 并且在大规模算例中, 通过与现有研究求解算法对比, 基于规则排序的分支定界算法与定向搜索算法求解效率提升近47.78%和56.59%。
-
计算机工程. 2025, 51(9): 373-378. https://doi.org/10.19678/j.issn.1000-3428.0069528
针对电梯群控系统(EGCS)中用户乘梯体验与系统能耗不理想的问题, 提出一种基于改进粒子群的电梯群控多目标优化调度算法。首先, 针对系统控制目标的复杂性, 建立以乘客候梯时间、乘梯时间、长时候梯和系统能耗为指标的多目标优化模型, 通过线性加权求和的方法设计系统综合评价函数, 改变权重值以适应不同的交通模式。其次, 引入灰狼优化(GWO)算法以解决粒子群优化(PSO)算法易陷入局部最优解的问题, 将灰狼-粒子群混合优化算法应用到多目标调度系统中。仿真结果表明, 该混合算法能够有效地减少用户的平均乘、候梯时长和电梯启停次数, 提升了电梯群控系统的综合性能。
-
计算机工程. 2025, 51(9): 379-386. https://doi.org/10.19678/j.issn.1000-3428.0069412
针对超大规模多输入多输出(XL-MIMO)系统利用极域稀疏性进行的网格信道估计所引起的网格上采样点的估计误差问题, 提出一种基于单纯形法的无网格近场信道估计算法。首先使用极域变换矩阵替换传统离散傅里叶变换(DFT)矩阵对近场信道进行极域稀疏表示, 再利用极域同步正交匹配追踪(P-SOMP)的近场信道估计算法进行高效的初步估计。但由角度和距离联合产生的极域变换矩阵维度较大且列正交性较差, 极域远场信道会导致能量泄露, 因此进一步利用单纯形法对初步估计的结果进行基于最大似然原理的无网格精确估计, 从而提高估计精度。仿真结果表明, 基于单纯形法的无网格近场信道估计算法相比于传统P-SOMP算法的信道估计精度具有一定程度的提升。
第51卷 第9期
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
出版：《计算机工程》编辑部
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