2022年, 第48卷, 第5期 刊出日期：2022-05-15
-
全选|
-
-
计算机工程. 2022, 48(5): 1-10. https://doi.org/10.19678/j.issn.1000-3428.0062504由于单机器人同步定位与建图（SLAM）技术在实际应用中的局限性，多机器人协同SLAM技术以较强的灵活性和鲁棒性受到研究人员的广泛关注，并且在农业生产、环境监测、海上搜救等领域具有巨大应用前景。多机器人协同SLAM是多机器人协同工作的核心及大范围复杂环境内及时获得场景感知信息的关键，能使多个机器人在协同工作时共同定位并构建任务空间地图，主要基于单机器人SLAM算法、多机器人系统架构、地图融合等技术实现。结合多机器人协同SLAM的发展历程，对比分析当前主流的多机器人协同SLAM算法。从传感器的角度，将多机器人协同SLAM分为激光协同SLAM、视觉协同SLAM以及激光视觉融合协同SLAM三类，并对多机器人协同SLAM的架构选择、多机通信、相对位姿、地图融合和后端优化问题进行讨论，同时指出异构机器人协同、基于深度学习的语义SLAM是多机器人协同SLAM的未来发展趋势。
-
计算机工程. 2022, 48(5): 11-17,34. https://doi.org/10.19678/j.issn.1000-3428.0062452日益增多的应用部署在云端使得云数据中心的功耗波动剧烈，从而导致云数据中心资源利用率不平衡，高效的负载预测是解决该问题的关键技术。针对目前负载预测模型预测精度低、预测时间长的问题，建立一种基于门控循环单元（GRU）与长短期记忆（LSTM）网络的组合预测模型GRU-LSTM。该模型的网络结构包括3层，第一层采用GRU，利用GRU参数少、易收敛的特点减少模型训练时间，第二、第三层采用LSTM，结合LSTM参数多的优势提高模型的预测精度。在此基础上，对数据集作缺失值处理和标准化处理，使用随机森林算法对原始序列进行特征选择后得到一组新的序列值，将该序列值作为GRU-LSTM组合预测模型的输入，以对云计算资源进行高效预测。在集群公开数据集Cluster-trace-v2018上进行实验，结果表明，与传统的单一预测模型ARIMA、LSTM、GRU以及现有的组合预测模型ARIMA-LSTM、Refined LSTM等相比，GRU-LSTM模型预测结果的均方误差减少6~9，预测时间平均缩短约10%。
-
计算机工程. 2022, 48(5): 18-26. https://doi.org/10.19678/j.issn.1000-3428.0061041在现实场景中，传统视觉同步定位与建图（SLAM）算法存在静态环境假设的限制。由于运动物体的影响，传统的视觉里程计存在大量误匹配，从而影响整个SLAM算法的运行精度，导致系统无法在现实场景中稳定运行。基于深度学习和多视图几何，提出一种面向室内动态环境的视觉SLAM算法。采用目标检测网络对动态物体进行预检测确定潜在运动对象，根据预检测结果，利用多视图几何完成运动物体重检测，确认实际产生运动的物体并将场景中的对象划分为动态和静态两种状态。基于跟踪线程和局部建图线程，提出一种语义数据关联方法和关键帧选取策略，以减少运动物体对算法精度的影响，提高系统的稳定性。在TUM公开数据集上的实验结果表明，在动态场景下，相较于ORB-SLAM2算法，该算法平均均方根误差降低了40%，与同样具有运动剔除的DynaSLAM算法相比，算法实时性提高10倍以上，且运行速度与精度均明显提高。
-
计算机工程. 2022, 48(5): 27-34. https://doi.org/10.19678/j.issn.1000-3428.00617785G边缘计算靠近用户侧提供服务，而边缘侧汇聚着用户的敏感信息，用户非法接入或合法用户自身的恶意行为威胁到整个边缘网络的安全。将机器学习算法应用于边缘计算架构，提出一种基于行为的用户异常检测方案。对用户行为进行建模，采用独热编码和互信息进行数据预处理和特征选择，并利用极限梯度提升算法训练一个多分类器分类识别进入园区的用户，根据识别结果与用户身份是否一致来判定用户是否异常。在此基础上，通过孤立森林算法对授权用户历史行为数据进行模型训练，从而检测可信任用户的行为是否异常，实现对小型固定园区内未授权用户的识别以及对授权用户异常行为的检测。实验结果表明，该方案可满足边缘计算场景的时间复杂度要求，并且能够有效区分不同用户，分类准确率达到0.953，而对异常行为样本的误报率仅为0.01。
-
计算机工程. 2022, 48(5): 35-42,52. https://doi.org/10.19678/j.issn.1000-3428.0062953在移动边缘计算中，移动终端身份存在复杂性和动态性，对于高安全领域的任务卸载，需要对被卸载的任务进行实时跟踪，及时发现滥用行为才能保证任务卸载的安全性。然而，现有方法多基于信任评估机制选择高信任度节点进行卸载，并没有关注该节点自身发起的内部攻击问题。提出一种支持安全性分析的任务卸载方法。设计包含安全性分析的任务卸载流程，构建面向移动边缘计算的多级安全信息流模型，用于约束服务卸载、数据卸载和服务执行过程。在此基础上，基于偶图对任务卸载过程进行建模，构造标注迁移边的标号变迁系统，并利用模型检测技术验证是否满足相应的安全需求。案例分析和性能评估结果表明，该方法能够在秒级时间内预测任务卸载中的恶意行为，具有较好的可行性和有效性。
-
计算机工程. 2022, 48(5): 43-52. https://doi.org/10.19678/j.issn.1000-3428.0062305当网络在云数据中心发送和处理数据的延迟较大时，大多实时智能应用程序都难以达到预期效果。雾计算允许这些对延迟敏感的应用程序在边缘设备上运行，这些设备被称为雾节点，其在地理位置上更接近应用程序。然而，雾计算中的雾节点通常计算资源有限，容易受到海量高维异常流量攻击，为此，提出一种特征降维的改进准递归神经网络，并基于该网络构建轻量级入侵检测模型FR-IQRNN。将雾节点采集到的高维攻击样本编码为低维向量以减少冗余特征，利用FR-IQRNN的循环连接捕获低维向量的时间依赖关系，同时在时间步长和小批量维度中实现并行计算，在此基础上，引入注意力机制强化模型对关键特征的提取能力，从而实现雾节点的入侵检测。在公开数据集UNSW_NB15上，FR-IQRNN模型能取得99.51%的准确率、99.23%的精确率以及99.79%的召回率，优于RNN-IDS、AESVM等模型，并且仅需127.94 s便达到95%以上的训练精度。在NSL-KDD数据集上，FR-IQRNN模型获得99.39%的准确率和99.27%的召回率，且在鲁棒性方面表现突出。
-
计算机工程. 2022, 48(5): 53-58. https://doi.org/10.19678/j.issn.1000-3428.0060725现实世界中的复杂系统可建模为复杂网络，探究复杂网络中的社区发现算法对于分析复杂网络的拓扑结构和层次结构具有重要作用。早期研究通常将网络中的节点局限在一个社区中，但随着研究的深入发现社区结构呈现重叠特性。针对现有重叠社区发现算法存在划分社区结构不稳定、忽略节点交互和属性等问题，提出一种基于网络拓扑势与信任度调整的重叠社区发现算法。融合节点的属性和结构特征计算节点的拓扑势，依据节点的拓扑势选取核心节点。从核心节点出发构建初始社区群，计算各个社区间的调整信任度，实现社区的合并与再调整，从而识别重叠社区。在多个人工模拟网络和真实网络数据集上的实验结果表明，与基于贪婪派系扩张、种子扩张等的重叠社区发现算法相比，该算法将扩展模块度最高提升至0.719，能有效识别社区结构及重叠节点，提升重叠社区检测性能。
-
计算机工程. 2022, 48(5): 59-66,73. https://doi.org/10.19678/j.issn.1000-3428.0061176传统的自注意力机制可以在保留原始特征的基础上突出文本的关键特征，得到更准确的文本特征向量表示，但忽视了输入序列中各位置的文本向量对输出结果的贡献度不同，导致在权重分配上存在偏离实际的情况，而双向门控循环单元（BiGRU）网络在对全局信息的捕捉上具有优势，但未考虑到文本间存在的局部依赖关系。针对上述问题，提出一种基于改进自注意力机制的BiGRU和多通道卷积神经网络（CNN）文本分类模型SAttBiGRU-MCNN。通过BiGRU对文本序列的全局信息进行捕捉，得到文本的上下文语义信息，利用优化的多通道CNN提取局部特征，弥补BiGRU忽视局部特征的不足，在此基础上对传统的自注意力机制进行改进，引入位置权重参数，根据文本向量训练的位置，对计算得到的自注意力权重概率值进行重新分配，并采用softmax得到样本标签的分类结果。在两个标准数据集上的实验结果表明，该模型准确率分别达到98.95%和88.1%，相比FastText、CNN、RCNN等分类模型，最高提升了8.99、7.31个百分点，同时精确率、召回率和F1值都有较好表现，取得了更好的文本分类效果。
-
计算机工程. 2022, 48(5): 67-73. https://doi.org/10.19678/j.issn.1000-3428.0061461深度卷积神经网络的存储和计算需求巨大，难以在一些资源受限的嵌入式设备上进行部署。为尽可能减少深度卷积神经网络模型在推理过程中的资源消耗，引入基于几何中值的卷积核重要性判断标准，提出一种融合弱层惩罚的结构化非均匀卷积神经网络模型剪枝方法。使用欧式距离计算各层卷积核间的信息距离，利用各卷积层信息距离的数据分布特征识别弱层，通过基于贡献度的归一化函数进行弱层惩罚，消除各层间的差异性。在全局层面评估卷积核重要性，利用全局掩码技术对所有卷积核实现动态剪枝。在CIFAR-10、CIFAR-100和SVHN数据集上的实验结果表明，与SFP、PFEC、FPGM和MIL剪枝方法相比，该方法剪枝得到的VGG16单分支、Resnet多分支、Mobilenet-v1轻量化网络模型在保证精度损失较小的情况下，有效地减少了模型参数量和浮点操作数。
-
计算机工程. 2022, 48(5): 74-81. https://doi.org/10.19678/j.issn.1000-3428.0061437多智能体高效协作是多智能体深度强化学习的重要目标，然而多智能体决策系统中存在的环境非平稳、维数灾难等问题使得这一目标难以实现。现有值分解方法可在环境平稳性和智能体拓展性之间取得较好平衡，但忽视了智能体策略网络的重要性，并且在学习联合动作值函数时未充分利用经验池中保存的完整历史轨迹。提出一种基于多智能体多步竞争网络的多智能体协作方法，在训练过程中使用智能体网络和价值网络对智能体动作评估和环境状态评估进行解耦，同时针对整条历史轨迹完成多步学习以估计时间差分目标，通过优化近似联合动作值函数的混合网络集中且端到端地训练分散的多智能体协作策略。实验结果表明，该方法在6种场景中的平均胜率均优于基于值分解网络、单调值函数分解、值函数变换分解、反事实多智能体策略梯度的多智能体协作方法，并且具有较快的收敛速度和较好的稳定性。
-
计算机工程. 2022, 48(5): 82-90,97. https://doi.org/10.19678/j.issn.1000-3428.0061308图结构因其在序列推荐场景中的自然适应性而备受关注，而现有的基于图神经网络的会话序列推荐算法虽然能够利用图结构信息达到较好的推荐效果，但是没有考虑用户在会话序列中的重复点击行为和项目之间的复杂转换，且未很好地利用图中复杂的结构信息，导致推荐的效果受到一定程度的限制。提出有向与无向信息同注意力相融合的图神经网络序列推荐算法，并基于推荐算法给出项目隐含向量建模算法，结合会话序列图中的有向结构信息与无向结构信息，通过考虑用户的重复点击行为和引入注意力机制建立会话中点击项目的复杂转换模型。图节点在特征传播的过程中平衡邻居节点信息与自身信息的比例，以更准确地预测推荐过程中生成的会话向量。在Diginetica、Yoochoose 1/64、Yoochoose 1/4 3个数据集上的实验结果表明，与SR-GNN、TAGNN算法相比，该算法精度最高提升4.34%，能够更好地预测用户在会话中的下一次点击精度。
-
计算机工程. 2022, 48(5): 91-97. https://doi.org/10.19678/j.issn.1000-3428.0061106在抽象语义表示（AMR）文本生成过程中，AMR图到文本形式的转换在很大程度上受语料规模的影响。提出一种简单有效的动态数据扩充方法，在已标注数据集规模有限的情况下提高AMR文本生成性能。将AMR文本生成模型解码端视作一个语言模型，使用单词级别的扩充方法，通过动态地对目标端单词进行随机替换，得到带噪声的数据，从而增强模型的泛化能力。在加载数据时，随机选择目标句子中的部分单词做噪声化处理，利用约束编码器预测被覆盖的单词并还原出原始语句，使模型具有更深层的语言表征能力。基于AMR2.0和AMR3.0英文标准数据集进行实验，结果表明，该方法可有效提升AMR文本生成系统性能，与未引入噪声的基准Transformer模型相比，能够获得更优的BLEU、Meteor和chrF++指标，其中BLEU值在人工标注语料场景下分别提升0.68和0.64，且在大规模自动标注语料场景下也能提升0.60和0.68。
-
计算机工程. 2022, 48(5): 98-103,111. https://doi.org/10.19678/j.issn.1000-3428.0061529可靠的电力供应对于工业生产和居民日常生活至关重要，通过对电力数据平台中的停电数据进行分析和挖掘，可以更好地了解配电网停电的潜在规律。分类预测是数据挖掘和分析中的常见技术，停电分类预测可以为企事业单位的停电规划安排提供决策参考。针对停电分类预测问题，提出一种基于因子分解机（FM）的停电数据分类预测模型。利用决策树算法计算停电数据中不同特征的基尼系数以得出重要性得分，从中筛选与停电预测关联度较大的非稀疏特征。根据不同地区的地理位置关系构建不同地区间的空间位置矩阵，并通过矩阵分解的方式构造不同地区在空间上的地理位置关联特征。为防止FM模型出现过拟合问题，在模型中加入L2-范数正则化。在此基础上，利用随机梯度下降的方法训练FM模型，通过训练完成的FM模型对停电数据进行分类预测。在真实停电数据集上的实验结果表明，该模型在训练数据集和测试数据集上的F1值和准确率分别高达0.90和0.89，优于DNN、SVM、XGBoost等模型。
-
计算机工程. 2022, 48(5): 104-111. https://doi.org/10.19678/j.issn.1000-3428.0061474标签传播算法是高效且具代表性的社团检测算法，其中不包含必需调节适应的相关参数，是大型网络社团检测的首选算法。标签传播算法具有较低的时间复杂度，但其随机性较强，且在标签传播过程中存在不确定性因素，影响了社区检测的准确性和稳定性。针对上述问题，提出一种基于节点引力和鱼记忆标签存储策略的社区检测算法CDA-GM。通过融入节点信息熵的k-shell排序策略增强社区检测的准确性，利用节点间的引力更新标签，减小标签传播的随机性。在此基础上，引入鱼记忆节点标签存储策略，避免出现标签震荡，增强标签传播的稳定性。选择人工网络和真实世界网络数据集进行实验，结果表明，该算法能够显著提高社区检测质量，获得准确的社区结构，与COPRA、SLPA、DLPA和COPRAPC算法相比，其标准化互信息值平均提高0.01、0.18、0.12、0.02，社区模块度平均提高0.04、0.02、0.07、0.01。
-
计算机工程. 2022, 48(5): 112-117. https://doi.org/10.19678/j.issn.1000-3428.0061397城市路网交通速度预测是智能交通系统中的重要组成部分，其可为出行者提供实时的交通信息，对提升道路通行能力具有重要意义。现有基于图卷积网络的预测模型一定程度上加强了对一阶相邻路段间空间关联程度的挖掘，但在非一阶相邻路段关联度大于一阶相邻路段关联度的情况下，如果仍输入原始的邻接矩阵，会遗失一些相对重要的路段空间信息，无法得到较好的预测结果。为准确挖掘城市路网中的时空特性，提出一种基于全局图卷积和门控循环单元的城市路网交通速度预测模型G-GCGRU。考虑全局路网下非一阶相邻路段间的空间影响程度，利用相关性分析方法计算得到路段间的关联度矩阵，并作为新的卷积方式进一步加深对空间特征的挖掘，在此基础上，采用门控循环单元方法提取路网时间特征。使用深圳市罗湖区城市路网车速数据进行实验，结果表明，该模型预测性能优于图卷积网络（GCN）、门控循环单元（GRU）和GCN-GRU混合模型，以均方根误差为评价指标，预测精度分别提高25.3%、4.7%和2.1%。
-
计算机工程. 2022, 48(5): 118-126. https://doi.org/10.19678/j.issn.1000-3428.0060755为保护举报者的身份隐私（身份信息和位置信息）不被包含举报受理机构在内的任意组织获取，提出一种在线匿名秘密举报方案。匿名举报者借助公开密钥算法通过随机转发的方法将加密举报信息发送给举报受理机构，加密举报信息经过网络中一系列中转节点的转发最终到达举报受理机构，任何中转节点和攻击者不能获取举报信息的明文，包含举报受理机构在内的所有节点以及外来攻击者无法取得举报人的身份隐私，如举报信息属实，举报机构可以对举报者进行奖励，同时仍然保持举报者的身份和位置信息不会泄露给举报受理机构或者任意第三方。由于中转节点是随机选择的，不依赖于某些特定节点，从而保证系统的健壮性。实验结果表明，该方案能够支持大型网络中多个举报者顺利完成举报，系统不会出现平均响应时间随节点个数增加而急剧增长的现象，具有良好的可靠性和稳定性。
-
计算机工程. 2022, 48(5): 127-135,144. https://doi.org/10.19678/j.issn.1000-3428.0062005结合交易信息的可信性以及服务质量（QoS）信息的动态性，提出一种基于区块链技术的科技服务信任评价方案。分析区块链技术在科技服务交易场景下的可行性并将其运用于评价过程中，保证评价的QoS数据可信。采用区间数模型对数据进行区间化处理，通过比较QoS信息与用户需求之间的差异，计算出区间数可能度作为评价矩阵，实现科技服务的综合评价。将熵权法与层次分析法相结合确定混合权重，提高评价结果的准确性。针对科技服务的冷启动问题，利用动静结合的方式对QoS进行综合评价并应用TOPSIS方法计算排名，保证评价结果的全面性。通过对交易合约的开发、部署与调试验证了该方案的可行性，确保了交易过程的可靠性。实验结果表明，该方案相比于基于URDQ与Entropy-TOPSIS的服务信任评价方案结果更全面与准确。
-
计算机工程. 2022, 48(5): 136-144. https://doi.org/10.19678/j.issn.1000-3428.0062382空间位置数据分布通常具有不均匀性，不同位置区域的密度差异较大，在本地差分隐私模型中无法直接获取用户真实的位置数据，使得空间位置划分方法受到限制以及数据发布存在查询精度低、通信代价大等问题。为在本地差分隐私模型下的大规模空间数据采集和发布过程中进行空间划分，提出一种空间数据分层自适应划分算法KDG-HT。通过收集部分用户的数据来初步获取区域的分布情况，采用KD-树的思想划分区域，并利用抽样技术对用户进行分组，根据分组用户统计结果所提供的先验知识来完成多层细粒度划分。在此基础上，结合差分隐私模型的并行组合特性分层扰动用户数据，从总体上实现发布数据的ε-差分隐私保护。实验结果表明，KDG-HT算法适用于具有不同数据分布情况的大规模空间数据集，查询精度及运行效率优于RAPPOR、UG、GT-R等算法，其中与GT-R算法相比，KDG-HT算法发布数据的查询精度最高提升3倍，运行效率提高17%。
-
计算机工程. 2022, 48(5): 145-153,161. https://doi.org/10.19678/j.issn.1000-3428.0061284随着医疗大数据的发展，医疗数据安全、个人隐私保护等问题日益突出。为在高效利用各个医疗机构医疗数据的同时保护病人的隐私，提出一种将联邦学习与区块链相结合的医疗数据共享与隐私保护方案。使用联邦学习对多源医疗数据进行建模，将训练的模型参数和医疗机构的声誉值存储于区块链上，并利用区块链对贡献高质量数据的医院进行奖励。通过分析数据源质量对联邦学习算法性能的影响，提出一种基于双重主观逻辑模型的声誉值计算算法来改进联邦学习的精确度，使用改进的声誉机制保证在数据共享中筛选数据源的效率，并利用区块链和联邦学习技术，提高共享效率和实现隐私保护。此外，利用Tensorflow搭建分布式平台并对算法性能进行对比分析，实验结果表明，所提方案能够筛选出高质量的数据源，减少边缘节点与恶意节点的交互时间，即使当声誉值在0.5以上时，也能达到0.857的学习精确度。
-
计算机工程. 2022, 48(5): 154-161. https://doi.org/10.19678/j.issn.1000-3428.0061414随着互联网技术的发展和智能终端的普及，社交网络中产生了大量用户隐私数据，公开发布社交网络数据将提高用户隐私泄露的风险，需要对数据进行匿名化处理然后进行发布。传统社交网络k度匿名方法在图数据连续发布中的匿名方式，存在大量冗余计算及无法抵抗度时序推理攻击的问题，为此，提出一种连续发布图数据的改进k度匿名算法。通过定义度时序矩阵来一次性地构建满足k匿名性要求的k度时序矩阵，在k度时序矩阵的基础上提取不同时刻的k度向量，将其作为时刻图的匿名向量，通过图修改方法对前一时刻的匿名图进行处理，得到后续一系列的匿名图版本，从而缩短每一次重新匿名所消耗的时间，同时抵抗基于度变化实现的度时序背景知识攻击。在真实社交网络数据集上进行实验，结果表明，相对kDA算法，该算法的总体运行效率以及网络结构属性可用性均较优。
-
计算机工程. 2022, 48(5): 162-169. https://doi.org/10.19678/j.issn.1000-3428.0062147无人机自组织网络（FANET）是实现无人机自主集群的关键技术，其通过各无人机节点来完成协同通信。但节点的高机动性、网络结构的开放性造成FANET拓扑变化频繁，容易遭受恶意攻击。为此，提出一种基于启发式Q学习的可信路由算法HQTR。将FANET中的路由选择问题映射为有限马尔科夫决策过程，针对路由层面的黑洞攻击与泛洪攻击，引入数据包转发率与路由请求发送速率，通过模糊推理计算节点的信任值，同时考虑节点的邻居关系，提出一种模糊动态信任奖励机制。结合单跳链路状况设计启发式函数，采用改进的ε-贪婪策略来平衡利用-探索过程，引导当前节点选择最优可信下一跳节点。仿真结果表明，相对AOMDV、TEAOMDV与ESRQ算法，HQTR算法能够有效应对黑洞攻击与RREQ泛洪攻击，降低节点高速运动与网络规模变化所造成的影响，提高数据包投递率与吞吐量，减少路由开销与平均端到端时延。
-
计算机工程. 2022, 48(5): 170-177. https://doi.org/10.19678/j.issn.1000-3428.0061889为了应对5G及未来网络中用户间差异化的服务需求，改善多租户网络切片资源利用率低和部署成本高的问题，提出一种基于多租户网络资源分配的博弈优化策略。在多租户网络中，网络切片租户（NSTs）租用基础设施提供商基站的无线频谱资源，将接入服务切片构建为网络切片即服务，为用户提供网络接入服务。将NSTs和用户的关系建模为一个多主多从的Stackelberg博弈，引入切片流行度和服务命中率指标，建立博弈双方的策略空间和收益函数，并证明NSTs的切片订购策略存在唯一的纳什均衡。通过逆向归纳法分析博弈模型，提出一种分布式迭代算法求得用户的最优吞吐量需求以及NSTs的最优切片定价。仿真结果表明，与传统考虑切片资源分配的优化策略对比，基于多租户网络资源分配的博弈优化策略能够有效提高资源利用率和用户满意度，并降低切片部署能耗，较好地实现频谱带宽资源的合理分配。
-
计算机工程. 2022, 48(5): 178-184. https://doi.org/10.19678/j.issn.1000-3428.0062169Nakagami信道通过不同的衰落因子m可以仿真不同的信道衰落环境，仿真数据与实际测量值吻合度较高，在信道仿真领域得到广泛应用。然而，目前针对Nakagami信道模型的可信性研究较少，缺少科学的比对验证方法。根据典型Nakagami信道的一阶包络序列服从Nakagami分布这一信道统计特性，提出一种基于Cramer-von Mises （CvM）算法的拟合优度检验方法。使用“高斯+瑞利+直流”组合法建立Nakagami衰落信道模型，得到信道输出序列并从中提取包络序列。在此基础上，利用双样本CvM检验算法对包络序列的理论分布和实际分布进行拟合优度检验，实现对Nakagami信道模型的可信性评估。半实物仿真结果表明，与K-S检验、卡方检验和Z检验+卡方检验融合检验算法相比，CvM针对不同m下的Nakagami衰落信道均具有较好的识别性能，同时在可靠性和复杂度方面也具有优势，其对虚警概率为0.01以下的Nakagami衰落信道识别准确率达到92.6%，对样本长度为300 000以上的Nakagami衰落信道平均识别准确率达到96.4%，而当待检验信道为其他信道时，不存在误识别的情况。
-
计算机工程. 2022, 48(5): 185-190,199. https://doi.org/10.19678/j.issn.1000-3428.0061298低轨道卫星通信系统具有全球覆盖性、移动性、可扩展性等优势，在提供全球互联网服务、灾难应急处理等方面发挥重要作用，但由于星上有限的存储和计算资源，传统路由算法不适用于低轨道卫星通信网络。结合软件定义网络架构，提出一种支持服务质量（QoS）的高性能低轨道卫星星间路由算法。根据剩余链路持续时间定义星间链路生存时间，确定每条星间链路的稳定度，缓解由于链路切换导致的业务路径重构问题。基于高轨道卫星得到的星间链路的流量状态，定义链路负载矩阵，给出星间链路负载度函数，并利用标签交换路径集合获得每条路径的负载度，避免节点拥塞，实现网络负载均衡。针对不同要求的业务服务类型定义权重因子矩阵，通过调整因子来减小瓶颈节点对路由算法的影响，满足多用户的QoS要求。仿真结果表明，在不同的QoS要求下，该算法在业务时延、系统吞吐量、网络负载均衡等方面均具有明显优势，且算法复杂度低，大幅节省了有限的星上存储与计算资源。
-
计算机工程. 2022, 48(5): 191-199. https://doi.org/10.19678/j.issn.1000-3428.0062248在软件定义网络（SDN）中，当流传输路径信息获取受限时，现有的测量节点选择算法只能基于网络拓扑的中心性指标进行测量节点选择，存在测量精度较低、测量负载不均衡、运行时间长等问题。将SDN网络中测量节点选择问题抽象为最小顶点覆盖模型，提出一种基于蚁群优化的测量节点选择算法ACO-NS。利用复杂网络的度分布理论缩减状态转移过程中的候选集规模，同时设计一种信息素局部增强-全局挥发机制，增大可行解的信息素浓度，提高算法的准确度和收敛度，并且缩短搜索时间。通过OpenFlow消息在线计算测量节点的负载，采用邻域搜索策略对过载节点进行筛选和替换，以降低过载处理的时间。实验结果表明，与ACO算法相比，该算法的准确度和收敛度分别提高56.7和28.2个百分点，且单位时间内的过载处理开销降低79.8个百分点，具有较高的测量精度。
-
计算机工程. 2022, 48(5): 200-207,214. https://doi.org/10.19678/j.issn.1000-3428.0061758随着数字化技术的发展与工业自动化应用范围的扩大，在万物互联环境下边缘设备数量快速增长，这些设备产生的数据量激增，导致网络带宽逐渐成为边缘计算的瓶颈。针对移动边缘服务迁移过程中传输数据量过大以及边缘节点网络环境不稳定等问题，结合带宽预测和数据压缩技术，提出一种面向Docker容器的服务迁移方法。通过预测网络带宽动态调整数据压缩算法的压缩速度以及压缩强度，从而充分利用网络带宽和多核处理器的计算能力，最大限度地减少网络传输的数据量以及服务的停机时间。实验结果表明，该方法对网络环境变化具有较强的适应性，能有效平衡数据传输和压缩计算的时间开销，提高服务迁移性能，相比于容器本地服务迁移、基于Docker基础镜像的服务迁移等方法，迁移时间、传输数据量和停机时间至少减少了23.7%、19.4%和17.6%。
-
计算机工程. 2022, 48(5): 208-214. https://doi.org/10.19678/j.issn.1000-3428.0062928胶囊网络具有弥补卷积神经网络空间信息丢失和旋转不变性差的优点，已被广泛应用于图像分类、目标检测以及文本检测等多个领域，但胶囊网络仍存在参数量大且分类精确度低的问题。提出基于点乘注意力图卷积路由的胶囊网络分类模型。在同级胶囊之间构建连通图，通过注意力机制获取胶囊间的依赖关系，利用影响因素大的预测胶囊进行特征聚类，改变使用迭代更新高低胶囊层间耦合系数的动态路由方式，降低参数量并提升模型的分类准确率。此外，在特征提取部分加入残差网络提取更高维的特征以优化胶囊质量，在提升模型特征表达能力的同时可抑制模型过大。实验结果表明，在参数量小于多个胶囊网络变体的情况下，该模型在MNIST、FashionMNIST、CIFAR10和SVHN数据集上的精度分别达到99.74%、95.02%、91.78%和95.65%，均高于MS-CapsNet、TextCaps、AR CapsNet、FSc-CapsNet、DA-CapsNet等对比模型。
-
计算机工程. 2022, 48(5): 215-221. https://doi.org/10.19678/j.issn.1000-3428.0062080以均方误差为代价函数的最小均方（LMS）自适应滤波算法具有结构简单、易于实现、计算复杂度低、稳定性好等优点，然而在对未知系统的脉冲响应进行估计时，传统的分布式扩散最小均方（DLMS）算法易受到噪声的干扰，从而降低估计精度。针对该问题，提出一种频率域相关性分布式扩散最小均方（FCDLMS）算法。利用不相关信号的相关函数值趋近于零的性质，在DLMS算法基础上分别将输入信号的自相关函数以及输入和期望信号的互相关函数作为新的观测数据，消除噪声干扰，从而给出相关性DLMS （CDLMS）算法，并将算法扩展至频率域，在频率域中使用乘法运算而非卷积运算来更新抽头系数，减少计算复杂度。实验结果表明，与传统DLMS算法相比，频率域相关性分布式扩散最小均方算法在噪声环境下对分布式自适应网络中的未知系统脉冲响应具有更好的估计结果，算法性能更优，同时也能较好地适应多抽头数、多节点数、强噪声的复杂环境。
-
计算机工程. 2022, 48(5): 222-228. https://doi.org/10.19678/j.issn.1000-3428.0061291典型相关分析（CCA）是利用综合变量对之间的相关关系反映两组指标之间整体相关性的多元统计方法。传统的CCA方法无法有效利用样本的标签信息，导致准确率降低。将类信息融入到深度学习与CCA相结合的深度典型相关分析中，提出一种监督型降维方法DL-SCCA，用于处理带标签的非线性可分数据。在2个独立的深度神经网络（DNN）结构上，增加1个公共的输出维数与数据集类别数相同的全连接层，并且以softmax函数作为该层的激活函数，输出带有概率意义的编码向量。在此基础上，利用全连接输出与样本标签信息之间的交叉熵对DNN进行训练，获得分类性能较优的低维特征。实验结果表明，该方法采用最近邻分类器和网络本身结构得到的分类准确率分别为98.00%和97.82%，相比CCA、DisCCA、DCCA等方法，能够有效利用样本的标签信息，并且具有较优的分类性能。
-
计算机工程. 2022, 48(5): 229-234. https://doi.org/10.19678/j.issn.1000-3428.0061650三维模型对应关系计算在自动驾驶、虚拟现实、智能交通等领域得到广泛关注与应用。三维模型在几何结构和尺度发生很大变化时，低层次几何信息描述符所提取的特征将不足，从而使得对应关系计算结果准确率不高。为此，提出一种通过引入先验知识来完成三维模型对应关系计算的方法。利用深度学习网络模仿人类计算先验知识，以对模型各部分之间的几何相似性进行编码，解决模型在各部分发生显著变化时无法应用低层次几何信息计算模型间对应关系的问题。使用多视图卷积神经网络对模型各部分相应的视图进行预分割并标记，根据模型对应表面点之间的相似度隐式地计算数据驱动描述符，在数据驱动描述符的指导下计算最终的三维模型对应关系。实验结果表明，相较基于先验知识的计算方法，该方法能提高三维模型对应关系计算结果的准确率，且可有效降低测地误差。
-
计算机工程. 2022, 48(5): 235-241,250. https://doi.org/10.19678/j.issn.1000-3428.0063039为分析商业区人群流动情况，或避免人群踩踏等公共事件的发生，通常采用人群计数方法统计监控图像中的人数信息，从而达到提前预警的效果。受目标遮挡、背景干扰、多尺度变化等因素的影响，现有的人群计数方法在统计人数信息的过程中存在误算或漏算的问题，导致准确率降低。提出一种基于注意力机制与上下文密度图融合的人群计数网络CADMFNet。以VGG16的部分卷积层作为前端网络，通过引入上采样融合模块对输入的特征图进行上下文特征融合，将不同膨胀率的膨胀卷积作为后端网络，生成高质量的中间密度图。在此基础上，采用上下文注意力模块融合不同层级的中间密度图，获得精细的人群密度图。实验结果表明，该网络在Mall数据集上的平均绝对误差和均方根误差分别为1.31和1.59，相比CSRNet、MCNN等网络，能够有效提高计数的准确度，并且具有较优的鲁棒性。
-
计算机工程. 2022, 48(5): 242-250. https://doi.org/10.19678/j.issn.1000-3428.0061550因卷积神经网络参数膨胀，导致模型训练时占用大量的计算资源和存储资源，从而限制其在边缘终端上的应用。依据深度可分离卷积模型MobileNet V1的设计思路，结合自门控函数和ReLU函数的特点，构建一种改进的激活函数和压缩神经网络模型MobileNet-rhs。将ReLU函数和swish函数分别作为分段线性函数，设计激活函数ReLU-h-swish，通过优化卷积单元结构，解决模型训练过程中难以激活部分神经元的问题，以减少特征信息丢失。构建一种剔除卷积核的压缩模型，从模型深处自下而上剔除2n个卷积核，减少逐点卷积的参数量。在CIFAR-10和CIFAR-100数据集上进行实验，结果表明，引入ReLU-h-swish函数构建MobileNet-rhs模型的Top-1分类准确率为80.38%。相比MobileNet-rhs模型，压缩后MobileNet-rhs模型的参数量减少17.9%，其Top-1分类准确率仅降低2.28个百分点。此外，利用Tensorflow将该模型部署在安卓平台上，实现图像分类相册的应用。
-
计算机工程. 2022, 48(5): 251-257. https://doi.org/10.19678/j.issn.1000-3428.0061423人群计数技术以估计人群图片或视频中的人数为目标，可以有效预防人群踩踏事故的发生，广泛应用于安防预警、城市规划及大型集会管理等领域。然而，由于人群尺度变化、背景干扰、人群分布不均、遮挡和透视效应等因素的影响，单幅图片的人群计数仍是一项非常具有挑战性的任务。针对人群计数中多尺度变化和背景干扰问题，提出一种抗背景干扰的多尺度人群计数算法。以VGG16网络结构为基础，引入特征金字塔构建多尺度特征融合骨干网络解决人群多尺度变化问题，设计Double-Head-CC结构对融合后的特征图进行前景背景分割和密度图预测以抑制背景干扰。基于密度图的局部相关性和多任务学习，定义多重损失函数和多任务联合损失函数进行网络优化。在ShanghaiTech、UCF-QNRF和JHU-CROWD++数据集上进行训练和评测，实验结果表明，该算法能够很好地预测人群密度分布和人群数量，具有较高的准确性，且鲁棒性强、泛化性能良好。
-
计算机工程. 2022, 48(5): 258-262,271. https://doi.org/10.19678/j.issn.1000-3428.0061392深度卷积神经网络能够解决复杂的计算机视觉问题，被广泛应用于图像识别任务中。在基于深度卷积神经网络的图像识别过程中，增加网络的深度和宽度能够产生丰富的特征信息，使用多尺度分割方法能够有效减少冗余的特征信息。然而，增加网络的深度和进行多尺度分割都会影响识别速度。如何在保证精度的同时提高识别速度，成为设计高效网络的关键问题。通过增加网络宽度的方法对ResNet残差网络进行改进，在保证精度的基础上提升识别速度。使用ResNet-D中的残差结构并减少网络长度，得到长度只有7层的残差网络，同时对HS-ResNet中的多尺度分割方法进行优化，只保留最后一次连接合并操作，得到图像识别残差网络SSRNet。在CIFAR 10和CIFAR 100数据集上的实验结果显示，SSRNet速度最高较ResNet网络提升7倍多，同时错误率最高下降8.81%，表明缩短网络长度可大幅加快图像识别速度，同时结合多尺度分割方法能够有效提升识别精度。
-
计算机工程. 2022, 48(5): 263-271. https://doi.org/10.19678/j.issn.1000-3428.0061608对视频图像使用传统的单幅图像加密算法，容易出现算法耗时长、效率低等问题。为提高视频图像加密效率，通过使用细胞神经网络（CNN）超混沌系统和Logistic混沌映射，提出一种单帧逐一加密和多帧组合加密相结合的算法。根据视频帧使用SHA-256生成Logistic初值，经过Logistic映射迭代得到Logistic混沌序列，利用生成的混沌序列对视频帧逐帧扩散。将视频帧以二进制的形式组合成一个矩阵，把根据组合矩阵产生的初值代入CNN超混沌系统，利用得到的混沌序列对组合矩阵进行置乱，视频所有帧各像素点扩散、置乱一步完成，从而缩短加密时间。在此基础上，将组合矩阵重新分解为单帧图像，得到最终加密的视频图像。实验结果表明，在算法中使用高维超混沌系统安全性更高，能够有效缩短加密视频图像的耗时，且能抵抗统计攻击、差分攻击和暴力攻击，具有较好的安全性。
-
计算机工程. 2022, 48(5): 272-280. https://doi.org/10.19678/j.issn.1000-3428.0061303图像编辑工具的普及导致JPEG图像越来越容易被篡改，其中重采样操作方法通过几何变换能够使伪造的图像更加逼真，因此对JPEG图像进行重采样检测至关重要。传统的光谱分析法依据差分图像相邻极值的间隔遵循几何分布，以及在直方图上的峰值呈现周期性，通过峰值分析对下采样因子进行估计，但由于图像纹理统计特征的周期性干扰了直方图的提取，导致检测准确性较低。提出一种用于JPEG预压缩图像降尺度因子检测的纹理免疫块效应分析算法，利用快速导向滤波对图像进行预处理，并去除图像的纹理和噪声。使用Canny算子对滤波后的图像进行边缘检测，以减轻周期性边缘的干扰，对图像进行交叉差分，从而凸显块效应，提高JPEG图像降尺度因子估计的准确性。在此基础上，结合极大似然估计和谱分析得出降尺度因子的估计值，减小估计误差。实验结果表明，该算法能有效削弱图像纹理对重采样估计的影响，具有较强的纹理免疫能力。
-
计算机工程. 2022, 48(5): 281-288. https://doi.org/10.19678/j.issn.1000-3428.0061499在道路场景中，因小目标分辨率低且特征不明显，传统的目标检测算法难以确认其所属类别和位置信息，导致检测精度低、检测速度慢、漏检率高。提出一种改进SSD的道路小目标检测算法RFG_SSD。在SSD网络结构的主干部分和检测部分之间，通过引入改进的特征金字塔网络结构，融合浅层和深层感受野的特征信息，以获得小目标语义信息丰富的特征图。将深层特征提取网络ResNet 50作为改进网络的主干特征提取网络，提高整体网络的检测精度。为加快网络运算速度，基于检测层结构，利用全局平均池化层代替全连接层，减少网络参数量。实验结果表明，与SSD、VGG16+SFPN等算法相比，该算法能够有效提高小目标检测性能，且加快检测速度，其在BDD100K数据集上的平均精度和检测速度分别为98.05%和85.56 frame/s，小目标检测个数相较于SSD算法提高3倍多。
-
计算机工程. 2022, 48(5): 289-296,305. https://doi.org/10.19678/j.issn.1000-3428.0061124人脸图像的遮挡会严重影响人脸识别准确率，当前处理带遮挡人脸识别的方法主要有丢弃法和修复法两种。丢弃法因忽略或丢弃大量遮挡区域的有效特征易造成识别准确率不高，而当前大多数修复法需要原图的相关信息，限制了其应用。针对现有含遮挡人脸识别方法存在的问题，提出一种基于循环生成对抗网络的人脸识别算法，通过利用2对生成器和判别器进行循环训练，实现遮挡人脸图像的盲修复，此过程不需要除遮挡区域外的原图信息。在此基础上，采用ResNet-50网络对修复后人脸进行识别，该网络通过跳跃连接消除深层卷积神经网络中的网络退化问题，能够降低网络训练的难度，且不会增加额外的参数和计算量。针对盲修复后人脸特征存在类内差异大和类间差异小的特性，引入一种能够量化类间距离的分类损失函数RegularFace作为识别网络损失函数。实验结果表明，与DCGAN+CNN算法相比，所提算法对不同遮挡类型和遮挡区域的人脸图像识别准确率均有所提高，当线性遮挡面积为40%时，所提算法的识别准确率提高了14.4个百分点。
-
计算机工程. 2022, 48(5): 297-305. https://doi.org/10.19678/j.issn.1000-3428.0061309城市交通客流量精准预测是智能交通系统的重要环节，是有效管控交通、规划最佳出行线路的关键。目前城市交通客流量短时预测研究主要集中在利用深度学习模型进行时空特征的提取，忽略了对模型优化的研究。针对短时地铁客流量预测存在的问题，提出一种混合深度学习模型ResGRUMetro，将卷积神经网络、残差单元和门控循环单元相结合，捕获流量数据的时空特征。针对深度学习模型常用的损失函数难以对交通客流量峰值进行精准预测的问题，引入面向短时交通流量预测的加权平方误差，根据交通客流量的大小为预测误差赋予不同权重，并加大对交通客流量峰值处误差的惩罚，使神经网络在反向传播时更加关注峰值处的预测和误差，从而提升交通客流量峰值的预测精度。此外，通过耦合天气、空气质量等外部因子，改善模型的整体预测性能，增强模型的稳定性。实验结果表明，相比LR、PSVR、CNN等典型的预测模型，ResGRUMetro模型有更高的预测精度，能够准确预测交通客流量的峰值。
-
计算机工程. 2022, 48(5): 306-313. https://doi.org/10.19678/j.issn.1000-3428.0061304视频中的人体动作识别在计算机视觉领域得到广泛关注，基于人体骨架的动作识别方法可以明确地表现人体动作，因此已逐渐成为该领域的重要研究方向之一。针对多数主流人体动作识别方法网络参数量大、计算复杂度高等问题，设计一种融合多流数据的轻量级图卷积网络，并将其应用于人体骨架动作识别任务。在数据预处理阶段，利用多流数据融合方法对4种特征数据流进行融合，通过一次训练就可得到最优结果，从而降低网络参数量。设计基于图卷积网络的非局部网络模块，以捕获图像的全局信息从而提高动作识别准确率。在此基础上，设计空间Ghost图卷积模块和时间Ghost图卷积模块，从网络结构上进一步降低网络参数量。在动作识别数据集NTU60 RGB+D和NTU120 RGB+D上进行实验，结果表明，与近年主流动作识别方法ST-GCN、2s AS-GCN、2s AGCN等相比，基于该轻量级图卷积网络的人体骨架动作识别方法在保持较低网络参数量的情况下能够取得较高的识别准确率。
-
计算机工程. 2022, 48(5): 314-320. https://doi.org/10.19678/j.issn.1000-3428.0061362视频目标检测是对视频内的目标进行准确分类与定位。现有基于深度学习的视频目标检测方法通过光流传播特征，不仅存在模型参数量大的问题，而且直接将光流应用于高层特征难以建立准确的空间对应关系。提出一种轻量级的视频目标检测方法。通过设计一种特征传播模型，在不同帧的局部区域内将高层特征从关键帧传播到非关键帧，并将有限的计算资源分配给关键帧，以加快检测速度。构建动态分配关键帧模块，根据目标运动速度动态地调整关键帧选择间隔，以减少计算量并提高检测精度。在此基础上，为进一步降低最大延迟，提出异步检测模式，使得特征传播模型和关键帧选择模块协同工作。实验结果表明，该方法的检测速度和最大延迟分别为31.8 frame/s和31 ms，与基于内存增强的全局-局部聚合方法相比，其在保证检测精度的前提下，具有较快的检测速度，并且实现实时在线的视频目标检测。
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