2022年, 第48卷, 第3期 刊出日期：2022-03-15
-
全选|
-
-
计算机工程. 2022, 48(3): 1-9. https://doi.org/10.19678/j.issn.1000-3428.0063249随机森林在bootstrap的基础上通过对特征进行抽样构建决策树，以牺牲决策树准确性的方式来降低决策树间的相关性，从而提高预测的准确性。但在数据规模较大时，决策树间的相关性仍然较高，导致随机森林的性能表现不佳。为解决该问题，提出一种基于袋外预测的改进算法，通过提高决策树的准确性来提升随机森林的预测性能。将随机森林的袋外预测与原特征相结合并重新训练随机森林，以有效降低决策树的VC-dimension、经验风险、泛化风险并提高其准确性，最终提升随机森林的预测性能。然而，决策树准确性的提高会使决策树间的预测趋于相近，提升了决策树间的相关性从而影响随机森林最终的预测表现，为此，通过扩展空间算法为不同决策树生成不同的特征，从而降低决策树间的相关性而不显著降低决策树的准确性。实验结果表明，该算法在32个数据集上的平均准确率相对原始随机森林提高1.7%，在校正的paired t-test上，该方法在其中19个数据集上的预测性能显著优于原始随机森林。
-
计算机工程. 2022, 48(3): 10-16,22. https://doi.org/10.19678/j.issn.1000-3428.0062027传统区块链技术处理交易能力弱、吞吐量低，不仅难以处理工业环境下的海量数据，而且其访问控制策略权限管理效率低，安全性不足。针对上述问题，提出一种基于主侧链合作的工业物联网访问控制策略。通过Plasma Cash框架构建高性能DPOS侧链，并根据合约将侧链与主链双向锚定，实现区块链的主侧链扩容。根据工业物联网的节点特点和主侧链区块链的运行环境，设计适用于主侧链环境的访问控制模型，访问控制模型内的主客体信息收集点阻隔外部实体直接访问，信息处理点实现访问控制策略执行与存储分离。将模型编写成图灵完备智能合约后放至侧链上，侧链负责合约的执行并通过稀疏默克尔树算法与主链进行数据的批量同步验证。实验结果表明，该策略可对基于工业物联网的区块链传输速度和稳定性进行有效优化，提高了控制策略的管理效率和安全性，可满足工业物联网中的使用需求。
-
计算机工程. 2022, 48(3): 17-22. https://doi.org/10.19678/j.issn.1000-3428.0061241COVID-19的世界性大流行对整个社会产生了严重的影响，通过数学建模对确诊病例数进行预测将有助于为公共卫生决策提供依据。在复杂多变的外部环境下，基于深度学习的传染病预测模型成为研究热点。然而，现有模型对数据量要求较高，在进行监督学习时不能很好地适应低数据量的场景，导致预测精度降低。构建结合预训练-微调策略的COVID-19预测模型P-GRU。通过在源地区数据集上采用预训练策略，使模型提前获得更多的疫情数据，从而学习到COVID-19的隐式演变规律，为模型预测提供更充分的先验知识，同时使用包含最近历史信息的固定长度序列预测后续时间点的确诊病例数，并在预测过程中考虑本地人为限制政策因素对疫情趋势的影响，实现针对目标地区数据集的精准预测。实验结果表明，预训练策略能够有效提高预测性能，相比于卷积神经网络、循环神经网络、长短期记忆网络和门控循环单元模型，P-GRU模型在平均绝对百分比误差和均方根误差评价指标上表现优异，更适合用于预测COVID-19传播趋势。
-
计算机工程. 2022, 48(3): 23-37. https://doi.org/10.19678/j.issn.1000-3428.0061803知识图谱在医疗、金融、农业等领域得到快速发展与广泛应用，其可以高效整合海量数据的有效信息，为实现语义智能化搜索以及知识互联打下基础。随着深度学习的发展，传统基于规则和模板的知识图谱构建技术已经逐渐被深度学习所替代。梳理知识抽取、知识融合、知识推理3类知识图谱构建技术的发展历程，重点分析基于卷积神经网络、循环神经网络等深度学习的知识图谱构建方法，并归纳现有方法的优劣性与发展思路。此外，深度学习虽然在自然语言处理、计算机视觉等领域取得了较大成果，但自身存在依赖大规模样本、缺乏推理性与可解释性等缺陷，限制了其进一步发展。为此，对知识图谱应用于深度学习以改善深度学习自身缺陷的相关方法进行整理，分析深度学习的可解释性、指导性以及因果推理性，归纳知识图谱的优势以及发展的必要性。在此基础上，对知识图谱构建技术以及知识图谱应用于深度学习所面临的困难和挑战进行梳理和分析，并对该领域的发展前景加以展望。
-
计算机工程. 2022, 48(3): 38-45. https://doi.org/10.19678/j.issn.1000-3428.0060768使用特定数学模型的路由转发算法难以满足用户多样化的服务质量需求，基于深度学习的智能路由方案因具有准确性、高效性、通用性等优势，成为路由决策的发展方向。然而，目前多数智能路由算法在网络拓扑动态变化时需要重新训练，造成路由更新不及时，难以应对网络拓扑动态变化。提出一种基于图卷积神经网络（GCN）的智能路由算法。线下利用提前采集的网络信息，根据路由开销标签训练GCN智能路由模型，通过该模型输出单跳路由开销。线上采集实时信息并根据模型输出的路由开销结果对网络层路由协议进行调整，计算最小路由开销的路由路径，实现自适应网络更新。算法利用GCN的图数据结构处理不规则的网络拓扑，通过图卷积算子自动提取特征解决路由网络多属性参数提取的问题，同时引入模糊C均值算法进行网络状态离散化分析，为数据集生成标签，从而有效监督GCN模型训练。实验结果表明，该算法较ECMP、DRL-TE和SmartRoute算法路由性能更好，其平均丢包率、时延和吞吐量指标均为最优，且相较于单一的流量模式具有更强的泛化能力。
-
计算机工程. 2022, 48(3): 46-53. https://doi.org/10.19678/j.issn.1000-3428.0060745针对实体关系抽取任务中的三元组重叠问题，基于编码器-解码器结构的联合抽取方法能够通过序列生成的方式加以解决。但现有方法没有充分利用实体类别信息，而实体类别信息对于构建更丰富的语义特征并进一步优化关系模型的效果具有重要意义。在使用编码器-解码器结构的基础上，融合实体类别信息构建实体关系联合抽取模型FETI。编码器采用经典Bi-LSTM结构，解码器采用树状解码替代传统的一维线性解码。同时，在解码阶段增加头尾实体类别的预测，并通过辅助损失函数进行约束，使模型能够更有效地利用实体类别信息。在百度公开的中文数据集DuIE上进行实验，结果表明，FETI的F1值达到0.758，相对于CopyMTL、WDec、MHS、Seq2UMTree模型提升了2.02%~9.86%，验证了融合实体类别信息对于提升实体关系抽取模型性能的有效性。此外，基于不同解码顺序和不同权重损失函数的实验结果表明，解码顺序对模型性能影响较大，而对主要任务的损失函数赋予较高权重，能够保证辅助任务为主要任务提供有效的背景知识，同时限制噪声的影响。
-
计算机工程. 2022, 48(3): 54-59. https://doi.org/10.19678/j.issn.1000-3428.0061274闪存因具有速度快、体积小等优点而广泛应用于数据存储领域，为提高NAND闪存的垃圾回收效率、延长闪存使用寿命，提出一种基于数据更新间隔的垃圾回收算法UIGC。计算闪存中空闲页的分散度，将其作为垃圾回收触发条件。从垃圾回收效率和磨损均衡效果2个方面出发，综合考虑块中无效页年龄累计和以及块中有效页比例，使用动态回收块选择和静态回收块选择相结合的策略来选择目标回收块，根据回收块中有效页数据更新间隔判断有效页热度，同时提出数据更新稳定性的概念来划分有效页的数据更新状态，将具有不同热度和更新状态的有效页数据分别存储在不同的空闲块中，从而提高块中数据的同步更新概率。实验结果表明，UIGC算法相较于CAT、FaGC等现有垃圾回收算法具有更优的垃圾回收效率和磨损均衡效果，并能有效延长闪存使用寿命。
-
计算机工程. 2022, 48(3): 60-68. https://doi.org/10.19678/j.issn.1000-3428.0060895点击率预估是推荐系统中的核心任务，其关键是学习有效的特征交互，但现有基于深度神经网络的点击率预估方法未考虑冷启动问题，导致准确率降低。结合特征信息和域信息的嵌入，提出一种特征交互的点击率预估方法FF-GNN。利用基于图神经网络的交互模块分别提取特征嵌入和域嵌入的结构信息，建模细粒度的特征交互和粗粒度的域交互过程。同时通过设计图神经网络的权重计算模块，交叉引用特征图神经网络和域图神经网络的低阶特征信息，实现特征交互和个性化建模域交互。在此基础上，采用注意力机制融合特征交互和域交互模块的结果预测点击率。在Criteo和Frappe公开数据集上的实验结果验证了FF-GNN方法的有效性，其AUC指标相较于同类型Fi-GNN方法分别提高0.57和0.85个百分点，能够同时关注特征和域信息，提高点击率预估的准确度。
-
计算机工程. 2022, 48(3): 69-73,80. https://doi.org/10.19678/j.issn.1000-3428.0060560目前多数文本分类方法无法有效反映句子中不同单词的重要程度，且在神经网络训练过程中获得的词向量忽略了汉字本身的结构信息。构建一种GRU-ATT-Capsule混合模型，并结合CW2Vec模型训练中文词向量。对文本数据进行预处理，使用传统的词向量方法训练的词向量作为模型的第1种输入，通过CW2Vec模型训练得到的包含汉字笔画特征的中文词向量作为第2种输入，完成文本表示。利用门控循环单元分别提取2种不同输入的上下文特征并结合注意力机制学习文本中单词的重要性，将2种不同输入提取出的上下文特征进行融合，通过胶囊网络学习文本局部与全局之间的关系特征实现文本分类。在搜狗新闻数据集上的实验结果表明，GRU-ATT-Capsule混合模型相比TextCNN、BiGRU-ATT模型在测试集分类准确率上分别提高2.35和4.70个百分点，融合笔画特征的双通道输入混合模型相比单通道输入混合模型在测试集分类准确率上提高0.45个百分点，证明了GRU-ATT-Capsule混合模型能有效提取包括汉字结构在内的更多文本特征，提升文本分类效果。
-
计算机工程. 2022, 48(3): 74-80. https://doi.org/10.19678/j.issn.1000-3428.0060540实体对齐表示在不同的知识图谱中查找引用相同现实身份的实体。目前主流的基于图嵌入的实体对齐方法中的对齐实体通常具有相似的属性，有效利用属性信息可提升实体对齐效果，同时由于不同知识图谱之间的知识分布差异，仅考虑单个方向的对齐预测会导致预测结果出现偏差。针对上述问题，提出一种改进的跨语言实体对齐方法。利用融合属性信息的双向对齐图卷积网络模型，将前馈神经网络编码实体对应的属性信息与初始的实体嵌入相结合，得到联合属性信息的实体表示，并使用双向对齐机制实现跨语言的实体对齐预测。在3个跨语言数据集上的实验结果表明，该方法通过融合更多的知识图谱信息增强了实体表示能力，并且利用双向对齐机制缓解了数据分布差异问题，相比基于图嵌入的实体对齐方法整体性能更优。
-
计算机工程. 2022, 48(3): 81-89. https://doi.org/10.19678/j.issn.1000-3428.0060253传统的数据挖掘算法在面向大规模高维数据的挖掘过程中，存在数据特征捕捉准确率低、节点负载不均衡、数据交互频繁、频繁项集紧凑化程度低等问题。提出基于MapReduce的并行挖掘算法PARDG-MR，结合高维数据特征，设计基于维度粒化算法和负载均衡算法的DGPL策略，并对数据进行预处理，以解决高维复杂数据特征属性捕捉困难及数据划分中节点负载不均衡的问题。通过构建基于PJPFP-Tree树的频繁项集并行挖掘策略PARM，实现频繁项集的并行化分组过程，从而提高数据处理的运行效率。在此基础上，提出基于剪枝前缀推论的整合节点剪枝算法PJPFP，提高频繁项集挖掘过程中的剪枝效率，增强频繁项集的紧凑化程度。在Webdocs、NDC、Gisette 3个数据集上的实验结果表明，相比PFP-growth、PWARM、MRPrePost算法，该算法的运行时间平均缩短了约20%，能够有效提高数据挖掘效率且降低内存空间。
-
计算机工程. 2022, 48(3): 90-99,106. https://doi.org/10.19678/j.issn.1000-3428.0060333对于多标签特征选择算法，通常假设数据与标签间呈现某种关系，以该关系为基础并通过正则项的约束可解决多标签特征选择问题，但该关系也可能是两种或多种关系的结合。为准确描述数据与标签间的关系并去除不相关的特征和冗余特征，基于logistic回归模型与标签流形结构提出多标签特征选择算法FSML。使用logistic回归模型的损失函数学习回归系数矩阵，利用标签流形结构学习数据特征的权重矩阵，通过L2，1-范数将系数矩阵和权重矩阵进行柔性结合，约束系数矩阵与权重矩阵的稀疏性并实现多标签特征选择。在经典多标签数据集上的实验结果表明，与CMLS、SCLS等特征选择算法相比，FSML算法在汉明损失、排名损失、1-错误率、覆盖率、平均精度等5个性能评价指标上表现良好，能更准确地描述数据与标签间的关系。
-
计算机工程. 2022, 48(3): 100-106. https://doi.org/10.19678/j.issn.1000-3428.0060670智能协作机器人依赖视觉系统感知未知环境中的动态工作空间定位目标，实现机械臂对目标对象的自主抓取回收作业。RGB-D相机可采集场景中的彩色图和深度图，获取视野内任意目标三维点云，辅助智能协作机器人感知周围环境。为获取抓取机器人与RGB-D相机坐标系之间的转换关系，提出基于yolov3目标检测神经网络的机器人手眼标定方法。将3D打印球作为标靶球夹持在机械手末端，使用改进的yolov3目标检测神经网络实时定位标定球的球心，计算机械手末端中心在相机坐标系下的3D位置，同时运用奇异值分解方法求解机器人与相机坐标系转换矩阵的最小二乘解。在6自由度UR5机械臂和Intel RealSense D415深度相机上的实验结果表明，该标定方法无需辅助设备，转换后的空间点位置误差在2 mm以内，能较好满足一般视觉伺服智能机器人的抓取作业要求。
-
计算机工程. 2022, 48(3): 107-114,145. https://doi.org/10.19678/j.issn.1000-3428.0060466针对越南语事件标注语料稀缺且标注语料中未登陆词过多导致实体识别精度降低的问题，提出一种融合词典与对抗迁移的实体识别模型。将越南语作为目标语言，英语和汉语作为源语言，通过源语言的实体标注信息和双语词典提升目标语言的实体识别效果。采用词级别对抗迁移实现源语言与目标语言的语义空间共享，融合双语词典进行多粒度特征嵌入以丰富目标语言词的语义表征，再使用句子级别对抗迁移提取与语言无关的序列特征，最终通过条件随机场推理模块标注实体识别结果。在越南语新闻数据集上的实验结果表明，在源语言为英语和汉语的情况下，该模型相比主流的单语实体识别模型和迁移学习模型的实体识别性能有明显提升，并且在加入目标语义标注数据后，相比单语实体识别模型的F1值分别增加了19.61和18.73个百分点。
-
计算机工程. 2022, 48(3): 115-123. https://doi.org/10.19678/j.issn.1000-3428.0060693为求解实际复杂工程应用中的高维计算费时优化问题，提出一种全局与局部代理模型交替辅助的差分进化算法。利用历史样本训练全局和局部代理模型，通过交替搜索全局和局部代理模型得到模型最优解并对其进行真实目标函数评价，实现探索和开采的平衡以减少真实目标函数的计算次数，同时通过针对性地选择个体进行真实目标函数计算，辅助算法快速找到目标函数的较优解。在15个低维测试问题和14个高维测试问题上的实验结果表明，在有限的计算资源情况下，该算法在12个低维测试问题上相较于最优重启策略代理辅助的社会学习粒子群优化算法、基于主动学习的代理模型辅助的粒子群优化算法等表现更好，在7个高维测试问题上相较于高斯过程辅助的进化算法、代理模型辅助的分层粒子群优化算法、求解高维费时问题的代理辅助的多种群优化算法等能找到目标函数的更优解。
-
计算机工程. 2022, 48(3): 124-130. https://doi.org/10.19678/j.issn.1000-3428.0061267导频长度受限会导致相同的导频复用给不同的小区用户，由此引起导频污染问题。导频污染将使得信道状态信息估计不准，从而降低系统性能。针对小区内不同区域用户遭受导频污染程度不同的问题，分析图着色和部分导频交替复用（AFPR）2种导频分配方案，在这2种方案的基础上进行折中，提出一种基于大尺度衰落系数的联合用户分组以及导频分配方案。对用户与本基站之间的大尺度衰落系数大小进行升序排序，将所有小区用户根据所受导频污染严重程度的不同，依次分类为安全边缘用户、危险边缘用户和中心用户，对于安全边缘用户和非安全边缘用户，分别采用加权图着色方案和AFPR方案进行导频分配。仿真结果表明，相比原有AFPR方案，该方案的用户平均上行可达和速率提高约2.2%，其能够有效利用不同区域用户信道质量的差异性来完成导频分配，并通过具有较低复杂度的策略降低导频污染对用户的影响。
-
计算机工程. 2022, 48(3): 131-138,161. https://doi.org/10.19678/j.issn.1000-3428.0061332无线传感器网络（WSN）由许多传感器节点组成，这些传感器节点为了降低能量消耗会周期性地在醒与睡2种模式下进行切换。在异步WSN中，发送节点往往要等接收节点醒来才能进行数据转发，为了缩短该等待时延，发送节点选择多个节点作为候选转发节点，由于任何候选转发节点都有可能进行数据路由，使得邻居节点评估和候选转发节点选择对网络性能产生较大影响。为了更好地进行节点评估与选择，提出一种基于层次分析法（AHP）和模糊推理系统（FIS）的WSN路由算法DAF。将剩余能量、距离和角度作为评估准则，利用AHP确定评估准则的权重，通过FIS动态构建AHP中的成对比较矩阵，并根据该矩阵动态计算出邻居节点的评分，按评分高低选择候选转发节点。实验结果表明，在改变节点数量、睡眠时长和通信半径的对比测试中，DAF在生命周期、能量消耗和平均冗余传输性能方面均优于ORW和ORR算法。
-
计算机工程. 2022, 48(3): 139-145. https://doi.org/10.19678/j.issn.1000-3428.0061752As a result of the popularity of mobile devices, Mobile Crowd Sensing(MCS) has attracted a lot of attention.Task allocation is a significant problem in MCS.Most previous studies mainly focused on stationary spatial tasks while neglecting the changes of tasks and workers.In this paper, the proposed hybrid two-phase task allocation algorithm considers heterogeneous tasks and diverse workers.For heterogeneous tasks, there are different start times and deadlines.In each round, the tasks are divided into urgent and non-urgent tasks.The diverse workers are classified into opportunistic and participatory workers.The former complete tasks on their way, so they only receive a fixed payment as employment compensation, while the latter commute a certain distance that a distance fee is paid to complete the tasks in each round as needed apart from basic employment compensation.The task allocation stage is divided into multiple rounds consisting of the opportunistic worker phase and the participatory worker phase.At the start of each round, the hiring of opportunistic workers is considered because they cost less to complete each task.The Poisson distribution is used to predict the location that the workers are going to visit, and greedily choose the ones with high utility.For participatory workers, the urgent tasks are clustered by employing hierarchical clustering after selecting the tasks from the uncompleted task set.After completing the above steps, the tasks are assigned to participatory workers by extending the Kuhn-Munkres(KM) algorithm.The rest of the uncompleted tasks are non-urgent tasks which are added to the task set for the next round.Experiments are conducted based on a real dataset, Brightkite, and three typical baseline methods are selected for comparison.Experimental results show that the proposed algorithm has better performance in terms of total cost as well as efficiency under the constraint that all tasks are completed.
-
计算机工程. 2022, 48(3): 146-153,180. https://doi.org/10.19678/j.issn.1000-3428.0061527低轨（LEO）卫星系统具有通信距离远、覆盖范围广等诸多优势，在应急通信、灾害预警等领域发挥着重要作用，尤其能有效弥补地面基站无法服务偏远山区、海洋等盲区的缺陷。然而，LEO卫星高速移动会导致用户终端频繁切换，同时在用户聚集场景下，用户群组并发切换将导致LEO卫星系统发生网络拥塞问题。为此，提出一种基于用户分群的多波束LEO卫星系统切换管理策略。建立多波束覆盖模型，基于该模型设计群组切换管理机制，在成员选择的过程中考虑切换触发时刻和最佳波束小区2个因素，将具有相似切换行为的用户分为一组，以此降低系统的信令开销。在此基础上，从分群处理、群组切换、资源释放3个方面设计完整的切换流程以及切换信令交互机制，并基于OPNET软件搭建LEO卫星系统仿真平台。测试结果表明，该策略能够简化切换管理过程中的重复操作，降低系统信令开销和平均切换时延，提高切换成功率，且用户聚集数目越多，其性能相对传统用户独立切换方案的提升效果越明显。
-
计算机工程. 2022, 48(3): 154-161. https://doi.org/10.19678/j.issn.1000-3428.0059428网络运营商为用户提供的光纤接入主干网大多以环型网络的方式提供服务，然而目前对于大规模、环数众多、连接方式多样化的复杂多环网络缺乏性能优良的路由算法。为解决传统环网结构网络延迟高和传输效率低的问题，提出一种针对复杂多环网络拓扑的路由改进算法，将多环网络中的复杂路由问题转化为单环网中的简单路由问题。在此基础上，通过设计源溯节点还原以及路径还原算法，将单一环网改进为增强环网网络结构，使同一环内通信节点间的路径还原为完整最短路径，并从理论上证明该算法得到的最优路径是无差错的。实验结果表明，相比于现有的优化Dijkstra算法，该算法的搜索空间比提升约13%，具有更好的改进效果，且算法运行时间缩短79%，更适合复杂多环网络的路由计算。
-
计算机工程. 2022, 48(3): 162-169,188. https://doi.org/10.19678/j.issn.1000-3428.0061845在微纳卫星网络中，传统蚁群路由算法不能同时保证数据传输的安全性和网络业务的服务质量，且易陷入局部最优解，收敛速度较慢。为解决上述问题，提出一种实现多目标优化的Q学习量子蚁群路由算法。该算法在选择下一跳节点的转移概率时，将路径的平均信任值和路径的费用作为两个优化目标，构成最优路径的节点性能指标，保证数据传输的安全性和网络业务服务质量。在考虑路径费用函数时，将量子计算引入到状态转移概率计算中，避免陷入局部最优解，并在算法中引入Q学习的思想，将信息素映射成Q学习的Q值，强化算法在动态环境中的学习能力，以提高路由的整体性能。仿真结果表明，与蚁群优化算法和改进的蚁群多约束路由算法相比，Q学习量子蚁群路由算法明显改善包投递率、平均端到端时延和节点平均能耗等性能指标，避免了蚁群算法易陷入局部最优解，提高了收敛速度，可适用于具有高速移动节点的微纳卫星网络。
-
计算机工程. 2022, 48(3): 170-174,196. https://doi.org/10.19678/j.issn.1000-3428.0060675深度卷积神经网络（CNN）模型中卷积层和全连接层包含大量卷积操作，导致网络规模、参数量和计算量大幅增加，部署于CPU/GPU平台时存在并行计算性能差和不适用于移动设备环境的问题，需要对卷积参数做量化处理并结合硬件进行加速设计。现场可编程门阵列（FPGA）可满足CNN并行计算和低功耗的需求，并具有高度的灵活性，因此，基于FPGA设计CNN量化方法及其加速系统。提出一种通用的动态定点量化方法，同时对网络的各个层级进行不同精度的量化，以减少网络准确率损失和网络参数的存储需求。在此基础上，针对量化后的CNN设计专用加速器及其片上系统，加速网络的前向推理计算。使用ImageNet ILSVRC2012数据集，基于VGG-16与ResNet-50网络对所设计的量化方法和加速系统进行性能验证。实验结果显示，量化后VGG-16与ResNet-50的网络规模仅为原来的13.8%和24.8%，而Top-1准确率损失均在1%以内，表明量化方法效果显著，同时，加速系统在运行VGG-16时，加速效果优于其他3种FPGA实现的加速系统，峰值性能达到614.4 GOPs，最高提升4.5倍，能耗比达到113.99 GOPs/W，最高提升4.7倍。
-
计算机工程. 2022, 48(3): 175-180. https://doi.org/10.19678/j.issn.1000-3428.0061316软件缺陷预测可以有效提高软件的可靠性，修复系统存在的漏洞。Boosting重抽样是解决软件缺陷预测样本数量不足问题的常用方法，但常规Boosting方法在处理领域类不平衡问题时效果不佳。为此，提出一种代价敏感的Boosting软件缺陷预测方法CSBst。针对缺陷模块漏报和误报代价不同的问题，利用代价敏感的Boosting方法更新样本权重，增大产生第一类错误的样本权重，使之大于无缺陷类样本权重与第二类错误样本的权重，从而提高模块的预测率。采用阈值移动方法对多个决策树基分类器的分类结果进行集成，以解决过拟合问题。在此基础上，通过分析给出模型构建过程中权重和阈值的最优化设置。在NASA软件缺陷预测数据集上进行实验，结果表明，在小样本的情况下，与CSBKNN、CSCE方法相比，CSBst方法的BAL预测指标分别提升7%和3%，且时间复杂度降低一个数量级。
-
计算机工程. 2022, 48(3): 181-188. https://doi.org/10.19678/j.issn.1000-3428.0060948在嵌入式设备上进行目标检测时易受能耗和功耗等限制，使得传统目标检测算法效果不佳。为此，对YOLOv4算法进行优化，设计YOLOv4-Mini网络结构，将其特征提取网络由CSPDarkNet53改为MobileNetv3-large并进行INT8量化处理，其中网络结构利用PW和DW卷积操作代替传统卷积操作以大幅减少计算量。采用SE模块为通道施加注意力机制，激活函数层运用h-swish非线性激活函数，在保证精度的情况下降低网络计算量。同时，通过量化感知训练将权重转为INT8类型，以实现模型轻量化，进一步降低网络参数量和计算量，从而在嵌入式设备上完成无人机数据集的目标检测任务。在NVIDIA Jetson Xavier NX设备上进行测试，结果显示，YOLOv4-MobileNetv3网络的mAP为34.3%，FPS为30，YOLOv4-Mini网络的mAP为32.5%，FPS为73，表明YOLOv4-Mini网络能够在低功耗、低能耗的嵌入式设备上完成目标实时检测任务。
-
计算机工程. 2022, 48(3): 189-196. https://doi.org/10.19678/j.issn.1000-3428.0060937为满足大规模脉冲神经网络（SNN）的计算需求，类脑计算系统通常需要采用大规模并行计算平台。然而随着节点数量的增多，通信在仿真中所占比例大幅增加，导致计算效率下降。类脑模拟器开源软件NEST采用缓冲区大小相等的策略，有效缩短了通信时间，但是由于缓冲区互相无交流，使得通信数据量持续增加，因此其在能耗方面表现较差。分析NEST集群的负载特性，针对其中的通信问题进行稀疏性优化，提出基于SNN子图跨节点优化的神经元重分布算法ReLOC。通过优化SNN子图的跨节点分布减少每一轮神经元到进程的数量，从而减少跨节点脉冲，使进程间通信更加稀疏，达到缩减每一轮通信进程的目的。在此基础上，以稀疏交换的思想对NEST本身的通信机制进行改进，使有脉冲交换的进程进行数据交换，从而在连接稀疏的情况下提升通信效率。以包含28个Xilinx PYNQ节点的计算集群作为实验平台，运行皮质微电路SNN模型和平衡随机网络模型，验证ReLOC算法的有效性。实验结果表明，相比循环分布算法，重分布算法能够使通信的平均稀疏性提高20%，同时配合稀疏交换最多可使通信能耗减少98.63%。
-
计算机工程. 2022, 48(3): 197-203. https://doi.org/10.19678/j.issn.1000-3428.0059944Flink流处理系统默认的任务调度策略在一定程度上忽略了集群异构和节点可用资源，导致集群整体负载不均衡。研究分布式节点的实时性能和集群作业环境，根据实际作业环境的异构分布情况，设计结合异构Flink集群的节点优先级调整方法，以基于Ganglia可扩展分布式集群资源监控系统的集群信息为依据，动态调整适应当前作业环境的节点优先级指数。基于此提出Flink节点动态自适应调度策略，通过实时监测节点的异构状况，并在任务执行过程中根据实时作业环境更新节点优先级指数，为系统任务找到最佳的执行节点完成任务分配。实验结果表明，相比于Flink默认的任务调度策略，基于节点优先级调整方法的自适应调度策略在WorldCount基准测试中的运行时间约平均减少6%，可使异构Flink集群在保持集群低延迟的同时，节点资源利用率和任务执行效率更高。
-
计算机工程. 2022, 48(3): 204-210. https://doi.org/10.19678/j.issn.1000-3428.0060230边缘检测是在图像中准确地提取视觉上显著的边缘像素，以得到图像的边缘信息，然而传统基于全卷积网络的边缘检测方法通常存在预测边缘粗糙、模糊等问题。提出一种语义信息指导的精细化边缘检测方法。通过图像分割子网络将学习到的图像语义信息传递给边缘检测子网络，同时利用图像语义信息指导边缘检测子网络，其引入具有注意力机制与残差结构的特征融合模块，以生成精细的图像边缘，增强不同尺度的特征融合。在此基础上，结合图像分割任务和图像边缘检测任务中的代价函数定义新的模型代价函数并进行训练，进一步提高网络边缘检测质量。在BSDS500数据集上的实验结果验证了该方法的有效性，结果表明，该方法的固定轮廓阈值与图像最佳阈值分别达到0.818和0.841，相比HED、RCF等主流边缘检测方法，能够预测更精细的边缘图像，且鲁棒性更优。
-
计算机工程. 2022, 48(3): 211-219. https://doi.org/10.19678/j.issn.1000-3428.0060518针对红外场景中行人、车辆等目标识别率低且存在复杂背景干扰的问题，提出一种基于Effi-YOLOv3模型的红外目标检测方法。将轻量高效的EfficientNet骨干网络与YOLOv3网络相结合，提升网络模型的运行速度。通过模拟人类视觉的感受野机制，引入改进的感受野模块，在几乎不增加计算量的情况下大幅增强网络有效感受野。基于可变形卷积和动态激活函数构建DBD和CBD结构，提升模型特征编码的灵活性，扩大模型容量。选择兼顾预测框与真值框中心点距离、重叠率和长宽比偏差的CIoU作为损失函数，更好地反映预测框与真值框的重叠程度，加快预测框回归速度。实验结果表明，该方法在FLIR数据集上的平均精度均值达到70.8%，Effi-YOLOv3模型参数量仅为YOLOv3模型的33.3%，对于红外场景中的目标检测效果更优。
-
计算机工程. 2022, 48(3): 220-228. https://doi.org/10.19678/j.issn.1000-3428.0060806现有的立体匹配算法通常采用深层卷积神经网络提取特征，对前景物体的检测更加精细，但对背景中的小物体及边缘区域匹配效果较差。为提高视差估计质量，构建一个基于视差优化的立体匹配网络CTFNet。分别提取浅层与深层特征，并基于深层特征构建全局稀疏代价卷，从而预测初始视差图。在预测的初始视差图和浅层特征的基础上构建局部稠密代价卷并进行视差优化，以细化预测视差值邻域的概率分布，提高特征不明显区域的匹配精度。此外，引入新的概率分布损失函数，监督softmax函数计算的视差值概率分布在真实视差值附近成单峰分布，提高算法的鲁棒性。实验结果表明，该网络在SceneFlow和KITTI数据集上的误匹配率分别为0.768%和1.485%，在KITTI测评网站上的误差率仅为2.20%，与PSMNet网络相比，精度和速度均得到一定提升。
-
计算机工程. 2022, 48(3): 229-235,243. https://doi.org/10.19678/j.issn.1000-3428.0060943行人重识别的目标是利用计算机视觉技术在多个摄像头采集的图像序列或视频中识别目标行人，基于监督学习的行人重识别算法虽然提高了目标的识别性能，但难以解决行人重识别中无标注目标域的域内变化问题，从而导致无标注数据检索准确度低。提出一种基于域自适应的无监督行人重识别算法，其主要由ResNet-50骨干网络、跨域特征提取器和用以存储目标域特征的特征库组成。通过跨域特征提取器融合行人样本在特征图与通道方向的特征，以挖掘不同行人重识别数据集间潜在的特征关联关系，同时为无标注目标数据集样本内的特征关联构建特征库，在无任何标注信息的情况下从一个未知数据集学习判别性特征。实验结果表明，该算法在源域DukeMTMC-reID/Market-1501和目标域Market-1501/DukeMTMC-reID的首位命中率相较于ECN算法分别提高8.9和6.8个百分点，能够提高模型在未知数据集上的泛化能力和无监督跨域行人重识别的准确度。
-
计算机工程. 2022, 48(3): 236-243. https://doi.org/10.19678/j.issn.1000-3428.0060479YOLOv3检测算法中的边界框回归损失函数对边界框尺度敏感，且与算法检测效果评价标准交并比（IoU）之间的优化不具有强相关性，无法准确反映真值框与预测框之间的重叠情况，造成收敛效果不佳。针对上述问题，提出基于IoU的改进边界框回归损失算法BR-IoU。将IoU作为边界框回归损失函数的损失项，使不同尺度的边界框在回归过程中获得更均衡的损失优化权重。在此基础上，通过添加惩罚项最小化预测框与真值框中心点间围成的矩形面积，并提高预测框与真值框之间宽高比的一致性，从而优化边界框的回归收敛效果。在PASCAL VOC和COCO数据集上的实验结果表明，在不影响实时性的前提下，BR-IoU能够有效提高检测精度，采用BR-IoU的YOLOv3算法在PASCAL VOC 2007测试集上mAP较原YOLOv3算法和G-YOLO算法分别提高2.5和1.51个百分点，在COCO测试集上分别提高2.07和0.66个百分点。
-
计算机工程. 2022, 48(3): 244-252,262. https://doi.org/10.19678/j.issn.1000-3428.0060828在场景文本检测领域，存在由于文本尺寸波动较大导致的小文本漏检、大文本欠检测和多尺度文本边界检测错误的情况。针对上述问题，提出一种基于学习主动中心轮廓模型的场景文本检测网络。在残差网络ResNet的基础上构建多尺度特征权重融合模型，对输入的场景文本图片进行多尺度特征提取和权重融合，并计算出最终的特征融合图，适应场景文本长宽比变化较大的情况。在此基础上，将融合后的特征图输入到学习主动中心轮廓模型预测文本框的中心点和边界，该模型为场景文本检测提供丰富先验知识，以解决多尺度文本检测框包含过多背景或部分包围文本造成的边界检测错误问题。在MSRA-TD500、IC13、IC15和IC17MLT数据集上的实验结果表明，该网络能够提高多尺度场景文本检测的准确率，其中在MSRA-TD50数据集上F-measure为0.83，相较于MSR方法提升1%，在IC13数据集上F-measure为0.91，相较于PixelLink网络提升2%，在IC15数据集上F-measure值为0.87，相较于PSENet网络提升1%，在IC17MLT数据集上F-measure值为0.74，相较于TridentNet网络提升1%。
-
计算机工程. 2022, 48(3): 253-262. https://doi.org/10.19678/j.issn.1000-3428.0060600手写文本识别方法主要应用于文本输入技术，对人机交互领域的发展起关键作用。针对多数在线输入法无法识别中英文混合手写识别的问题，提出一种在线中英文混合手写文本识别方法。通过对文本笔画进行基于水平相对位置、垂直重叠率、面积重叠率规则的整合以及连笔切分，得到一系列字符片段，同时利用笔画个数、宽高比、中心偏离、平滑度等几何特征和识别置信度，对字符片段进行中英文分类。在此基础上，根据分类结果并结合自然语言模型的路径评价及动态规划搜索算法，分别对候选的中、英文字符片段进行合并处理，得到待识别的中、英文字符序列，并将其分别送入卷积神经网络的中、英文识别模型中，得到手写文本识别结果。实验结果表明，在线手写中英文混合文本识别正确率达93.67%，不仅能切分在线手写中文文本行，而且对包含字符连笔的在线手写中英文文本行也有较好的切分效果。
-
计算机工程. 2022, 48(3): 263-270. https://doi.org/10.19678/j.issn.1000-3428.0060568影像拼接是生成大规模数字正射影像的关键技术之一，但现有的影像拼接方法在进行多个影像拼接时存在拼接线穿过明显地物导致的鬼影现象。光流是观察者和场景间相对运动引起的影像边缘等的相对运动，其中，大光流对应影像间的变化区域，可用于检测正射影像间的明显地面区域。提出一种基于光流引导的新型影像拼接方法，通过超像素的密集光流提取影像中明显的地物信息，以避免接缝穿过明显的地面物体。采用由粗到细的接缝线优化策略，并在超像素级别上利用Dijkstra算法进行最佳拼接区域检测，从而提高接缝线检测的效率。在此基础上，结合归一化互相关成本函数在像素级别上进行拼接线的像素级优化，获得最优的接缝线。实验结果表明，该方法从主观视觉上能够生成高质量的接缝线，在保证拼接效率的情况下，SSIM质量评价指标较Dijkstra方法、图割方法以及商业软件OrthoVista得到明显提高。
-
计算机工程. 2022, 48(3): 271-279. https://doi.org/10.19678/j.issn.1000-3428.0060189行人重识别是指利用计算机视觉技术在给定监控的图像中识别目标行人，受拍摄场景视角和姿势变化、遮挡等因素的影响，现有基于局部特征的行人重识别方法所提取的特征辨别力差，从而导致重识别精度较低。为有效地利用特征信息，提出一种多尺度多粒度融合的行人重识别方法MMF-Net。通过多个分支结构学习不同尺度和不同粒度的特征，并利用局部特征学习优化全局特征，以加强全局特征和局部特征的关联性。同时，在网络的低层引入语义监督模块以提取低层特征，并将其作为行人图像相似性度量的补充，实现低层特征和高层特征的优势互补。基于改进的池化层，通过结合最大池化和平均池化的特点获取具有强辨别力的特征。实验结果表明，MMF-Net方法在Market-1501数据集上的首位命中率和mAP分别为95.7%和89.1%，相比FPR、MGN、BDB等方法，其具有较优的鲁棒性。
-
计算机工程. 2022, 48(3): 280-287. https://doi.org/10.19678/j.issn.1000-3428.0059926大气散射模型与有雾图像及对应清晰图像间的映射模型不适配，导致使用大气散射模型进行图像去雾处理时，图像存在颜色偏差、纹理细节粗糙等问题。基于模拟生物视觉系统的反馈原理，提出一种端到端的循环生成对抗网络算法，以解决误差累积造成的去雾图像低质的问题。通过生成模块将循环神经网络的隐藏状态作为反馈信息，以指导低级模糊特征信息生成更加丰富的高级特征。循环结构能够保证先前的网络层可以使用到后面网络层的高级特征信息，从而减少误差累积。此外，该算法能够根据判别模块的损失来评估重建图像的质量。实验结果表明，与GCANet算法相比，所提算法在SOTS测试集上的平均峰值信噪比和结构相似性，在室内分别提升3.41%和0.57%，在室外分别提升3.48%和1.39%，且在真实世界的数据集上进行图像去雾后，在视觉上避免了颜色失真和光晕问题。
-
计算机工程. 2022, 48(3): 288-295. https://doi.org/10.19678/j.issn.1000-3428.0061090受复杂地形和遥感数据低分辨率的影响，传统的二值化积雪遥感产品在山区和林区的积雪覆盖度计算中存在严重误算和漏算的问题，从而导致积雪覆盖度估算精度低。基于风云四号A星多通道辐射扫描计（AGRI）新疆地区的遥感影像数据，提出一种多尺度特征融合网络的积雪覆盖度估算方法。通过深度残差网络和特征金字塔模式对卷积层各个阶段的特征信息进行重构，融合深层和浅层特征的多重语义信息，同时结合AGRI数据高时间分辨率的特性，拟合光谱信息和地理因素间的非线性关系，从而提高数据源和特征信息的整体利用率。实验结果表明，相比MOD10_FSC、BP-ANN_FSC和ResNet_FSC方法，该方法在A1~A4样本区中相关系数均值和解释回归模型的方差得分均值最高可提高8和6个百分点，且其均方误差均值仅为0.1，能够获得较高精度的积雪覆盖度估算结果。
-
计算机工程. 2022, 48(3): 296-301. https://doi.org/10.19678/j.issn.1000-3428.0060717通用视频编码标准H.266/VVC通过引入多种新的编码技术，如仿射运动补偿预测、自适应运动矢量精度、多核变换等，以支持360°视频和HDR视频的编解码，从而为用户提供最优的视频质量，但是在H.266/VVC帧间预测过程中，仿射运动估计计算复杂度高导致编码时间显著增加。针对该问题，提出一种改进的仿射运动估计算法。通过对仿射高级矢量预测（AAMVP）候选列表的构建过程进行改进，并构建一种AAMVP候选列表候选项筛选准则，使得列表的候选项更接近编码块真实的运动矢量，从而缩短编码时间。同时对仿射运动估计中迭代搜索最优仿射运动矢量的迭代过程进行优化，以加快迭代搜索速度。实验结果表明，在低时延的编码器配置下，相比VVC原始算法，当BD-BR增加了0.023%时，该算法的总体编码时间平均缩短13%，在保证编码质量的前提下能够有效降低编码的计算复杂度。
-
计算机工程. 2022, 48(3): 302-309,314. https://doi.org/10.19678/j.issn.1000-3428.0060760在实际场景中，因香烟目标过于微小且特征不明显，现有的目标检测算法难以区分类烟物与香烟，导致吸烟行为识别效果差。提出一种基于弱监督细粒度结构与EfficientDet网络的吸烟行为识别算法。采用Edge Boxes算法检测图像块的特征边缘，通过非极大值抑制对边缘进行筛选，形成候选区域块。构建包含物体级筛选器和局部级筛选器的细粒度两级注意力模型，其中物体级筛选器使用改进的EfficientDet网络滤除候选区域的背景噪声，以分类前景物体及特征较强的候选区域，并在局部级筛选器中使用通道注意力卷积块对候选区域进行聚类，筛选出得分最高的像素块。通过融合物体级筛选器与局部级筛选器得到的结果，以准确识别吸烟行为。在BUU-Smoke数据集上的实验结果表明，该算法的吸烟行为识别准确率为93.10%，误检率为3.6%，并且具有较优的鲁棒性和泛化能力。
-
计算机工程. 2022, 48(3): 310-314. https://doi.org/10.19678/j.issn.1000-3428.0059966YOLOv4-Tiny目标检测网络算法存在参数多和计算量大等问题，无法部署在资源有限的平台上。提出一种基于GhostNet残差结构的主干轻量级目标检测网络算法YOLO-GhostNet。该算法采用GhostNet结构将普通卷积分成两步，即使用较少的卷积核生成一部分特征图，对生成的特征图通过简单计算获得另一部分特征图，并将两组特征图进行拼接，以减少计算所需资源与参数量。通过GhostNet构建残差结构的YOLO-GhostNet算法在经过批量归一化层优化后模型尺寸只有2.18 MB，较YOLOv4-Tiny算法模型尺寸减小90%。YOLO-GhostNet算法在GPU加速环境下平均处理图片速度比YOLOv4-Tiny算法提高24%，CPU处理速度比YOLOv4-Tiny加快56%。实验结果表明，该算法在饮料测试集中的平均精确度均值达到79.43%，相比YOLOv4-Tiny算法，其在精度无损失情况下能够大幅降低网络计算量和参数量，同时加快推理速度，更适合部署于资源算力不足的嵌入式设备。
-
计算机工程. 2022, 48(3): 315-320. https://doi.org/10.19678/j.issn.1000-3428.0060474实体链接是明确文本中实体指称的重要手段，也是构建知识图谱的关键技术，在智能问答、信息检索等领域中具有重要作用，但由于短文本的上下文语境不丰富、表达不正式、语法结构不完整等特点，现有的短文本实体链接方法准确率较低。提出一种新的短文本实体链接方法，将多任务学习方法引入短文本实体链接过程中，从而增强短文本实体链接方法的效果。在此基础上，构建多任务学习模型，将短文本实体链接作为主任务，并引入实体分类作为辅助任务，促使模型学习到更加通用的底层表达，提高模型的泛化能力，优化模型在短文本实体链接任务中的表现。在CCKS2020测评任务2提供的数据集上的实验结果表明，辅助任务的引入能够缓解短文本实体链接过程中信息不充分的问题，且该多任务学习模型的F值为0.894 9，优于基于BERT编码器的单任务实体链接模型。
2024
第50卷 第3期
第50卷 第3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