2022年, 第48卷, 第11期 刊出日期：2022-11-15
-
全选|
-
-
计算机工程. 2022, 48(11): 1-13. https://doi.org/10.19678/j.issn.1000-3428.0065347小样本学习是面向小样本数据的机器学习，旨在利用较少的有监督样本数据去构建能够解决实际问题的机器学习模型。小样本学习能够解决传统机器学习方法在样本数据不充分时性能严重下降的问题，可以为新型小样本任务实现低成本和快速的模型部署，缩小人类智能与人工智能之间的距离，对推动发展通用型人工智能具有重要意义。从小样本学习的概念、基础模型和实际应用入手，系统梳理当前小样本学习的相关工作，将小样本学习方法分类为基于模型微调、基于数据增强、基于度量学习和基于元学习，并具体阐述这4大类方法的核心思想、基本模型、细分领域和最新研究进展，以及每一类方法在科学研究或实际应用中存在的问题，总结目前小样本学习研究的常用数据集和评价指标，整理基于部分典型小样本学习方法在Omniglot和Mini-ImageNet数据集上的实验结果。最后对各种小样本学习方法及其优缺点进行总结，分别从数据层面、理论研究和应用研究3个方面对小样本学习的未来研究方向进行展望。
-
计算机工程. 2022, 48(11): 14-21,29. https://doi.org/10.19678/j.issn.1000-3428.0063273人脑黑质致密部分割能够为帕金森病的诊断提供一定依据。黑质致密部在人脑核磁共振成像中像素占比低、类间差异小，为提高计算机辅助诊断系统对人脑黑质致密部的分割精度，提出一种基于改进U形神经网络（U-Net）的人脑黑质致密部分割方法。为了提取更多有效的多尺度图像语义特征，结合U-Net的跨连接结构并采用多头注意力机制，同时融合基于Transformer编码器的高维语义编码模块以提取高维语义特征，避免浅层噪声对特征造成的影响。建立多任务模型并设计基于二维高斯核权重掩膜的损失函数，解决神经网络分割模型因多次下采样造成的不连续分割误差问题。构建包括140个帕金森病患者以及48个健康对照者的高精度核磁共振脑成像数据集进行实验，结果表明，相较常用的医疗影像分割方法R2U-Net、HANet等，该方法的多任务分割效果取得明显提升，戴斯相关系数和AUC指标分别达到0.869 1和0.943 9，消融实验结果也验证了改进编码器和改进损失这2个模块的有效性。
-
计算机工程. 2022, 48(11): 22-29. https://doi.org/10.19678/j.issn.1000-3428.0062961交通事故的预测是通过对过去路段发生的交通事故进行分析，在综合考虑影响交通事故的相关因素后，对未来路段的交通事故发生状态进行预测。以往的大多数研究通常采用传统机器学习方法或单一深度学习模型预测法，利用网格化确定预测空间的单位，忽略了影响交通事故的天气、路况等外部因素，导致模型的预测性能不佳。提出一种基于时空特性的城市交通事故风险预测模型，在模型中使用改进的时空图卷积网络，利用图卷积网络（GCN）提取空间相关特征，并加入批标准化层解决梯度消失爆炸问题。在时间维度上采用门控线性单元（GLU）实现一维卷积操作，提取时间相关特征，并将GCN和GLU组合成时空卷积模块提取时空相关特征，使用均方误差损失函数解决样本数据零膨胀问题。实验结果表明，与GLU、SDCAE和ConvLSTM模型相比，该模型的RMSE指标分别降低了28%、4.87%、4.19%，能有效捕获时空相关性，综合性能得到较大提升。
-
计算机工程. 2022, 48(11): 30-38. https://doi.org/10.19678/j.issn.1000-3428.0063579现有基于云边协同的深度神经网络（DNN）推理仅涉及边缘设备同构情况下的静态划分策略，未考虑网络传输速率、边缘设备资源、云服务器负载等变化对DNN推理计算最佳划分点的影响，以及异构边缘设备集群间DNN推理任务的最佳卸载策略。针对以上问题，提出基于深度强化学习的自适应DNN推理计算划分和任务卸载算法。以最小化DNN推理时延为优化目标，建立自适应DNN推理计算划分和任务卸载的数学模型。通过定义状态、动作空间和奖励，将DNN推理计算划分和任务卸载组合优化问题转换为马尔可夫决策过程下的最优策略问题。利用深度强化学习方法，从经验池中学习动态环境下边缘设备与云服务器间DNN推理计算划分和异构边缘集群间任务卸载的近似最优策略。实验结果表明，与经典DNN推理算法相比，该算法在异构动态环境下的DNN推理时延约平均降低了28.83%，能更好地满足DNN推理的低时延需求。
-
计算机工程. 2022, 48(11): 39-48. https://doi.org/10.19678/j.issn.1000-3428.0063104传统网络架构部署下的边缘服务器难以满足大规模用户设备的接入和通信质量要求。为增加网络容量，提高频谱利用率，通过密集化基站的部署，构建一种面向超密集边缘计算网络的任务卸载优化模型。面对信道状态的变化、移动设备的动态需求以及服务器和频谱资源的有限性对任务卸载带来的挑战，结合任务类型和服务器的计算能力，并考虑信道状态变化、移动设备的动态需求以及干扰约束对卸载策略的影响，提出一种基于自适应模拟退火遗传（AGASA）算法的任务卸载方法，在满足任务截止期限的同时，对任务卸载能耗进行优化。同时，为得到最优上传功率，采用黄金分割算法解决功率控制问题，从而降低传输能耗。实验结果表明，AGASA算法在信道状态变化时可保证通信质量和计算效率，相比混合遗传粒子群算法，能够在满足截止期约束的同时使卸载能耗降低15.56%。
-
计算机工程. 2022, 48(11): 49-54. https://doi.org/10.19678/j.issn.1000-3428.0063139干涉条纹特征是主动声呐目标识别所依据的重要特征之一。在浅水域环境中，声波能量传播特性较为复杂，信号会经过发射源到目标以及目标到接收器这2条不同的路径，目标的散射特性在声波的入射模式和散射模式之间相互作用，使得主动声呐干涉条纹呈现弯曲的结构。为对干涉条纹特征进行表征，提出一种基于曲率和的声呐特征提取方法。根据浅海声场主动声呐频率-距离干涉条纹图得到一段区间内的干涉条纹曲线散点曲率值，利用曲率求和的方法刻画条纹的弯曲程度，进而表征这一区间内的条纹特征。在理想波导环境下计算刚性球体目标在不同频率段下的曲率特征，通过统计平均值的方式得到平均曲率和为0.6左右，从特征表征结果可以看出，曲率和可通过统计离散点曲率强度描述干涉条纹特征，且在同一环境条件下，发射频率越大时曲率和强度越小。根据实测数据进行计算得到曲率和为0.512，实验与理论结果较为吻合，表明通过该方法可以获取主动声呐干涉条纹特征，进而实现目标识别和探测。
-
计算机工程. 2022, 48(11): 55-61. https://doi.org/10.19678/j.issn.1000-3428.0063401传统变分自动编码器模型通常使用标准正态分布作为隐向量先验，当应用于推荐系统等复杂任务时容易导致模型过度正则化和隐向量解耦表现不佳。融合复杂隐向量先验与注意力机制，建立变分自动编码器模型。使用多层神经网络生成的隐向量先验分布替代标准正态分布作为假设先验分布，使得模型能根据数据学习先验分布并获得更多的潜在表征。在单层隐向量的基础上添加辅助隐向量，联合辅助隐向量与数据特征向量再生成隐向量，增强了隐向量的低维表现能力和解耦性。借助注意力机制的特征信息选择特点，对隐向量中重要节点赋予更大的权重值，使其能传递更重要的信息。在数据集Movielens-1M、Movielens-Latest-Small、Movielens-20M和Netflix上的实验结果表明，该模型的Recall@20、Recall@50、NDCG@100相较于基线模型平均提升了12.95%、10.80%、10.48%，具有更高的推荐精确度。
-
计算机工程. 2022, 48(11): 62-68,76. https://doi.org/10.19678/j.issn.1000-3428.0063185跨模态检索的目标是用户给定任意一个样本作为查询样例，系统检索得到与查询样例相关的各个模态样本，多模态细粒度检索在跨模态检索基础上强调模态的数量至少大于两个，且待检索样本的分类标准为细粒度子类，存在多模态数据间的异构鸿沟及细粒度样本特征差异小等难题。引入模态特异特征及模态共享特征的概念，提出一种多模态细粒度检索框架MS2Net。使用分支网络及主干网络分别提取不同模态数据的模态特异特征及模态共享特征，将两种特征通过多模态特征融合模块进行充分融合，同时利用各个模态自身的特有信息及不同模态数据间的共性及联系，增加高维空间向量中包含的语义信息。针对多模态细粒度检索场景，在center loss函数的基础上提出multi-center loss函数，并引入类内中心来聚集同类别且同模态的样本，根据聚集类内中心来间接聚集同类别但模态不同的样本，同时消减样本间的异构鸿沟及语义鸿沟，增强模型对高维空间向量的聚类能力。在公开数据集FG-Xmedia上进行一对一与一对多的模态检索实验，结果表明，与FGCrossNet方法相比，MS2Net方法mAP指标分别提升65%和48%。
-
计算机工程. 2022, 48(11): 69-76. https://doi.org/10.19678/j.issn.1000-3428.0063153短期负荷预测在电网调度安排和电力市场交易中发挥着重要作用，预测精度高，有利于提高发电设备的利用率和经济调度的有效性。为充分挖掘负荷数据中时序性特征的联系，解决神经网络中由超参数的随机选取导致的预测精度下降问题，提出一种基于教与学的遗传算法（TLBGA）和门控循环单元（GRU）神经网络的短期负荷预测方法。利用灰色关联分析法对原始数据进行相关度分析，剔除冗余特征，使输入与输出保持较好的映射关系，在遗传算法中加入一种基于教与学优化的新型变异算子，用于防止其出现早熟收敛问题，从而提高解的质量。在此基础上，运用改进后的TLBGA算法对GRU神经网络模型进行超参数寻优，更新GRU的模型超参数并使其性能达到最佳状态，以提高负荷预测的精度。对欧洲某地区的电力负荷数据集和美国PJM电力市场公开负荷数据集进行预测，结果表明，该方法的预测精度分别达到了97.1%和97.2%，相比反向传播神经网络、循环神经网络及GRU神经网络模型，具有更高的预测精度。
-
计算机工程. 2022, 48(11): 77-82. https://doi.org/10.19678/j.issn.1000-3428.0063047传统基于深度学习的语音增强方法为了提高网络对带噪语音的建模能力，通常采用非因果式的网络输入，由此导致了固定时延问题，使得语音增强系统实时性较差。提出一种用于因果式语音增强的门控循环神经网络CGRU，以解决实时语音增强系统中的固定时延问题并提高语音增强性能。为了更好地建模带噪语音信号的相关性，网络单元在计算当前时刻的输出时融合上一时刻的输入与输出。此外，采用线性门控机制来控制信息传输，以缓解网络训练过程中的过拟合问题。考虑到因果式语音增强系统对实时性要求较高，在CGRU网络中采用单门控的结构设计，以降低网络的结构复杂度，提高系统的实时性。实验结果表明，CGRU网络在增强后的语音感知质量、语音客观可懂度、分段信噪比指标上均优于GRU、SRNN、SRU等传统网络结构，在信噪比为0 dB的条件下，CGRU的平均语音感知质量和平均语音客观可懂度分别达到2.4和0.786。
-
计算机工程. 2022, 48(11): 83-88,95. https://doi.org/10.19678/j.issn.1000-3428.0063288现有行人重识别研究大多关注人体在二维平面的特征表示，而在现实社会中，人体以一种对称的三维结构存在，三维人体结构相较二维平面像素含有更多的体型、姿态等特征，仅研究二维平面上的行人特征限制了计算机对人体特征的理解。利用人体是一种三维对称的刚体结构这一先验事实，提出一种基于UV贴图优化人体特征的行人重识别方法。对图像底库进行数据预处理，通过数据增广方法生成更多的训练数据，对预处理后的图片进行特征提取，将特征矩阵解耦为姿态、色彩、形状以及视角参数，利用参数信息调整预定义的人体模型以得到重构后的三维人体模型。将重构后的三维人体模型转化为UV贴图，即将人体特征从三维空间映射到二维平面，同时对UV贴图进行优化从而丰富人体特征。使用UV贴图训练三维行人重识别网络模型，利用后处理的方法对输出结果做进一步优化，以得到最终的行人重识别结果。在Market-1501数据集上的实验结果表明，该方法的rank-1准确率和mAP分别达到94.76%和82.53%，相较OG-Net模型分别提升13.82%和22.56%。
-
计算机工程. 2022, 48(11): 89-95. https://doi.org/10.19678/j.issn.1000-3428.0062694与传统的机器学习方法相比，终身机器学习能够有效利用知识库中积累的知识来提高当前学习任务的学习效果。然而经典的终身主题模型（LTM）在领域选择时缺乏偏向性，且在计算目标词的相似性时不能充分利用目标词的上下文信息。从词语和主题选择的角度提出改进模型HW-LTM，利用Word2vec词向量的余弦相似度和主题之间的Hellinger距离寻找相似度较大的词语和领域，实现在迭代学习中对词语和领域的更优选择和更有效的知识获取，同时通过预加载词向量相似度矩阵的方式解决词向量余弦距离的重复计算问题，利用Hellinger距离计算主题相似度，加快模型收敛速度。在京东商品评论数据集上的实验结果表明，HW-LTM模型表现优于基线主题挖掘模型，相比LTM模型，其topic coherence指标提升48，耗时缩短43.75%。
-
计算机工程. 2022, 48(11): 96-103,136. https://doi.org/10.19678/j.issn.1000-3428.0062992评价对象抽取主要用于文本的意见挖掘，旨在发掘评论文本中的评价对象实体。基于无监督的自编码器方法可以识别评论语料库中潜藏的主题信息，且无需人工标注语料，但自编码器抽取的评价对象缺乏多样性。提出一种基于监督学习的句子级分类任务和无监督学习自编码器混合模型。该模型通过训练一个分类器生成评价对象类别，对自编码器共享分类任务中的LSTM-Attention结构进行编码得到句向量表征，以增加语义关联度，根据得到的评价对象类别将句向量表征转化为中间层语义向量，从而捕捉到评价对象类别与评价对象之间的相关性，提高编码器的编码能力，最终通过对句向量的重构进行解码得到评价对象矩阵，并依据计算评价对象矩阵与句中单词的余弦相似度完成评价对象的抽取。在多领域评论语料库上的实验结果表明，与k-means、LocLDA等方法相比，该方法评价指标在餐厅领域中提升了3.7%，在酒店领域中提升了2.1%，可有效解决训练过程缺少评价类别多样性的问题，具有较好的评价对象抽取能力。
-
计算机工程. 2022, 48(11): 104-110,144. https://doi.org/10.19678/j.issn.1000-3428.0062440随着计算机视觉技术的发展，基于点云的三维目标检测算法被广泛应用于自动驾驶、机器人控制等领域。针对点云稀疏条件下基于点云三维目标检测算法鲁棒性较差、检测精度低的问题，提出基于稀疏Transformer的三维目标检测算法。在注意力矩阵生成阶段，通过稀疏Transformer模块显式选择Top-t个权重元素，以保留有利于特征提取的权重元素，在降低环境噪点对鲁棒性影响的同时加快Transformer模块的运行速度。在回归阶段，将基于空间特征粗回归模块生成的边界框作为检测头模块的初始锚框，用于后续边界框的精细回归操作。设计基于体素的三维目标检测算法的损失函数，以精确地衡量类别损失、位置回归损失和方向损失。在KITTI数据集上的实验结果表明，相比PointPillars算法，该算法的平均精度均值提高3.46%，能有效提高点云三维目标的检测精度且具有较优的鲁棒性。相比原始Transformer模块，所提稀疏Transformer模块在点云图像上的平均运行速度加快了约0.54 frame/s。
-
计算机工程. 2022, 48(11): 111-119. https://doi.org/10.19678/j.issn.1000-3428.0062962以卷积神经网络（CNN）为代表的深度学习模型主要面向图像、语音等均匀采样的同质欧氏空间数据，通常不适用于大量存在于工业等领域的异质、非均匀稀疏采样的结构化数据。针对异质、非均匀稀疏采样结构化数据集的预测任务，提出一种基于k近邻（kNN）算法和CNN的超球卷积神经网络学习模型。通过kNN预处理建立各样本在高维属性空间中的结构关系，将样本邻域内各样本的标记作为其属性重构样本集合，实现数据属性集从异质到同质的转化，进而通过合理设计CNN的卷积窗，有效提取和利用各样本的邻域空间中样本的标记分布特征，完成对未知样本的预测。在不同邻域尺度、软硬标记以及混淆非混淆等条件下进行实验，结果表明，该模型预测准确率达到98.04%，其准确率和召回率较FC-CNN、CNN、kNN和Radar-CNN算法分别提升0.28%~1.66%和4.78%~31.92%。
-
计算机工程. 2022, 48(11): 120-126. https://doi.org/10.19678/j.issn.1000-3428.0063581Web应用防火墙（WAF）基于一组规则检测和过滤进出Web应用程序的HTTP流量，鉴于恶意流量的复杂性，需要对WAF规则进行不断更新以抵御最新的攻击。然而，现有的WAF规则更新方法都需要专业知识来人工设计关于某种攻击的恶意测试流量，并针对该恶意流量生成防护规则，这种方法十分耗时且不能扩展到其他类型的攻击。提出一种基于循环神经网络（RNN）的Web应用防火墙加固方案，在不依赖任何专业知识的情况下自动化加固WAF。使用RNN模型生成恶意攻击样本，从中找到能够绕过WAF的恶意攻击，发现WAF规则存在的安全风险。在此基础上，通过设计评分函数找到恶意攻击样本的重要字符串来生成加固签名，阻止后续类似的攻击，并设计简化的正则表达式作为加固签名的表达形式。在4款WAF上针对SQL注入、跨站脚本攻击和命令注入这3种攻击进行测试，结果显示，该方案成功生成了大量绕过WAF的恶意样本，WAF针对这些样本的平均拦截率仅为52%，与传统突变方案和SQLMap工具相比能够生成更多绕过恶意攻击，在应用加固签名后，WAF的恶意攻击拦截率提升至90%以上且误报率维持为0，表明加固签名成功阻止了这些绕过攻击，验证了所提方案的有效性。
-
计算机工程. 2022, 48(11): 127-136. https://doi.org/10.19678/j.issn.1000-3428.0063626基于传统循环神经网络的加密流量分类方法普遍存在并行性较差、模型运行效率较低等问题。为实现加密流量的快速准确分类，提出一种基于多层双向简单循环单元（SRU）与注意力（MLBSRU-A）模型的加密流量分类方法。将特征学习和分类统一到一个端到端模型中，利用SRU模型高度并行化的序列建模能力来提高整体运行效率。为了提升MLBSRU-A模型的分类精度，堆叠多层双向SRU网络使其自动地从原始流量中提取特征，并引入注意力机制为特征赋予不同的权重，从而提高重要特征之间的区分度。实验结果表明，在公开数据集ISCX VPN-nonVPN上，MLBSRU-A模型具有较高的分类精度和运行效率，与BGRUA模型相比，MLBSRU-A的细粒度分类准确率提高4.34%，训练时间减少55.38%，在USTC-TFC 2016数据集上，MLBSRU-A模型对未知加密恶意流量的检测准确率达到99.50%，细粒度分类准确率为98.84%，其兼具对未知加密恶意流量的高精度检测能力以及对加密恶意流量的细粒度分类能力。
-
计算机工程. 2022, 48(11): 137-144. https://doi.org/10.19678/j.issn.1000-3428.0062691视频异常检测是计算机视觉领域的一个重要研究课题，广泛应用于道路监控、异常事件监测等方面。考虑到异常行为的外观、运动特征与正常行为存在明显差异，提出一种改进型时间分段网络，利用该网络学习视频中的外观和运动信息，从而对视频异常行为进行预测。为了提取更多的视频信息，将RGB图和RGB帧差图相融合作为输入，以提取RGB图中的外观信息并通过RGB帧差图获得更有效的运动特征。将卷积注意力机制模块加入到时间分段网络模型中，从空间和通道2个不同的维度学习注意力图，利用学习到的注意力权重区分异常和正常的视频片段，同时运用焦点损失函数降低大量简单负样本在训练过程中所占的权重，使得模型更专注于难分类的样本，从而解决视频异常检测中正负样本比例不平衡的问题。实验结果表明，改进型时间分段网络在UCF-Crime和CUHK Avenue数据集上的AUC值分别达到77.6%和83.3%，检测性能优于基准方法TSN（RGB流）以及ISTL、3D-ConvAE等方法。
-
计算机工程. 2022, 48(11): 145-151. https://doi.org/10.19678/j.issn.1000-3428.0063866现有的网络防御决策模型大多基于攻防行为进行建模分析，忽视了攻防时机对网络安全产生的影响，且对网络攻防时机的选取大多依赖经验和主观判断，导致网络安全管理者在进行防御决策时难以提供可信的理论支撑。然而网络攻防的时机因素对网络防御决策的意义重大，在面对外部攻击时能否进行实时决策，决定了网络在攻防对抗中能否掌握主动，以最小的代价将攻击危害降到最低。针对网络安全中的时机策略选取问题，提出一种网络安全防御决策方法，基于SIR传染病模型并加以改进，构造描述网络安全状态的微分方程，实现对系统安全状态的实时度量。借鉴FlipIt博弈方法构建攻防时机博弈模型，提出攻防收益量化与计算方法，通过求解不同攻防周期策略下的纳什均衡，获得最优防御时间策略。实验结果表明，当攻击策略一定时，使用该方法动态选择最优防御策略的平均收益为0.26，相比固定周期的防御方法，平均防御收益提高了23.81%。
-
计算机工程. 2022, 48(11): 152-160,183. https://doi.org/10.19678/j.issn.1000-3428.0063075基于深度神经网络的图像分类模型能够以达到甚至高于人眼的识别度识别图像，但是因模型自身结构的脆弱性，导致其容易受对抗样本的攻击。现有的对抗样本生成方法具有较高的白盒攻击率，而在黑盒条件下对抗样本的攻击成功率较低。将数据增强技术引入到对抗样本生成过程中，提出基于平移随机变换的对抗样本生成方法。通过构建概率模型对原始图像进行随机平移变换，并将变换后的图像用于生成对抗样本，有效缓解对抗样本生成过程中的过拟合现象。在此基础上，采用集成模型攻击的方式生成可迁移性更强的对抗样本，从而提高黑盒攻击成功率。在ImageNet数据集上进行单模型和集成模型攻击的实验结果表明，该方法的黑盒攻击成功率高达80.1%，与迭代快速梯度符号方法和动量迭代快速梯度符号方法相比，该方法的白盒攻击成功率虽然略有降低，但仍保持在97.8%以上。
-
计算机工程. 2022, 48(11): 161-169. https://doi.org/10.19678/j.issn.1000-3428.0063817微服务架构逐渐成为大规模云应用的主流设计架构，微服务可靠性是云服务商亟须处理的关键问题。精确检测并定位微服务应用故障可有效保障应用的可靠性与稳定性，基于微服务调用链的异常检测可在系统发生故障时及时发现系统异常行为并触发告警。针对当前主流检测方法无法保证异常告警的实时性和准确性问题，提出一种基于自然语言处理与双向长短期记忆（BiLSTM）网络的微服务调用链异常检测方法MicroTrace。对调用链中记录的事件进行解析，将事件表示为语义序列与响应时间序列，利用词汇嵌入式表示算法提取事件的向量化表示，通过基于注意力机制的BiLSTM同时检测微服务实例的调用路径与性能异常。在真实微服务调用链数据集上的实验结果表明，该方法的查准率和查全率均可达96%以上，F1度量值相比于多模态-LSTM方法至少提升了6.8%。
-
计算机工程. 2022, 48(11): 170-176. https://doi.org/10.19678/j.issn.1000-3428.0064348Hyperledger Fabric将业务逻辑解耦，在提升系统灵活性的同时存在性能瓶颈，无法满足高并发快响应的业务需求。通过对Hyperledger Fabric共识机制中的背书、排序、验证3个阶段进行分析，为均衡背书节点性能并提高系统效率，设计基于动态负载均衡算法的提案分发优化方案。综合均衡指数、反馈周期等性能指标，设计节点负载和节点权值量化方法。通过采集节点负载信息计算并选取合理的反馈周期和影响权重以更新节点权值，同时结合加权轮询算法将交易提案分发至当前权重最大的节点进行背书，实现背书节点负载的动态均衡。在Caliper工具上的测试结果表明，优化方案提升了Hyperledger Fabric共识机制的请求处理性能，相比于原始方案的链码交易和查询吞吐量提高了17.53%和15.84%，平均时延下降了6.7%和18.2%。
-
计算机工程. 2022, 48(11): 177-183. https://doi.org/10.19678/j.issn.1000-3428.0063272针对5G超可靠低时延通信（URLLC）业务的应用需求，研究多输入多输出（MIMO）上行系统中匹配滤波接收机和迫零接收机的解码性能。在URLLC系统下，推导多用户MIMO上行链路在有限块长传输时两种接收机速率和解码错误率的表达式。采用基于随机矩阵理论的渐近等价分析方法和信道色散系数的泰勒展开式，分别获得高低信噪比场景下两种接收机解码错误率的解析式，据此分析两种接收机在URLLC业务下的性能差异，发现随着信噪比增加，迫零接收机解码错误率接近于零，而匹配滤波接收机解码错误率受限于基站天线数和用户数的比值。采用蒙特卡罗方法对所得理论表达式进行仿真验证，结果表明，随着信噪比增加，两种接收机速率和解码错误率的解析式与蒙特卡罗仿真结果十分接近，在低信噪比场景下解码错误率均高于10-5，在高信噪比场景下满足URLLC业务的可靠性指标，并且迫零接收机可靠性明显优于匹配滤波接收机。
-
计算机工程. 2022, 48(11): 184-191,200. https://doi.org/10.19678/j.issn.1000-3428.0063131车载自组织网络（VANET）是由移动车辆节点组成的移动自组织网络（MANET），其不依赖基础设施即可建立通信链路实现通信。由于车辆的高机动性和无线通信资源的限制，VANET难以保障车辆业务的服务质量（QoS）。针对该问题，引入软件定义网络（SDN），提出一种适用于软件定义车载自组织网络（SDN-VANET）的多约束QoS路由算法。利用SDN控制转发分离的优势保障各业务的QoS，SDN控制器会根据车辆业务的截止日期对业务实现顺序调度，并基于蛙跳算法设计自适应中继节点选择算法（AH-SFLA），SDN控制器根据QoS指标和全局拓扑信息计算数据在传输链路上的适度值，以此为基准搜索优化路径。在此基础上设置备选链路机制和QoS资源消耗阈值共同实现路由维护，减少网络故障发生的概率。联合Mininet-wifi和SUMO搭建SDN-VANET环境，并将AH-SFLA路由算法与IGA、IICSFLA进行对比验证分析。实验结果表明，与IGA和IICSFL相比，AH-SFLA在平均端到端延迟指标上分别提高了57.74%和46.6%，丢包率平均降低了29.9%和18.6%，标准化路由开销提升了36.93%和27.2%，能有效保证VANET中的QoS。
-
计算机工程. 2022, 48(11): 192-200. https://doi.org/10.19678/j.issn.1000-3428.0063843去蜂窝大规模多输入多输出（MIMO）系统通过部署大规模接入点（AP），获得宏分集增益和较低的路径损耗，但产生的大量功耗损失使得系统能效质量失衡。针对去蜂窝大规模MIMO系统与多AP联合协作的能效质量失衡问题，提出一种基于模数转换器（ADC）精度和AP选择的能效均衡方法。利用泊松过程对用户分布进行建模，推导出激活所有AP时频谱效率及能量效率的闭式解，将有效信道与干扰信道增益的占比作为排序指标，通过降序排序的方法获得相应信道方差矩阵索引，按索引对AP集进行逐层筛选，当AP联合服务用户获得频谱效率的变化差值小于阈值时，停止筛选并确定用户间干扰低的AP组合。通过ADC精度与AP选择的联合优化获取最优量化位数，实现系统频谱效率与能效的均衡。仿真结果表明，与全AP选择、基于大尺度衰落的AP选择方法相比，该方法能达到较优的能效质量均衡，尤其在用户密集区域，可提升约20%能效，同时利用最大最小功率控制可保证系统区域一致良好的用户服务质量。
-
计算机工程. 2022, 48(11): 201-206. https://doi.org/10.19678/j.issn.1000-3428.0063029现有的波达方向（DOA）估计算法在估计被动探测系统中的宽带信号方位时，存在DOA估计结果偏差大、运算复杂度高等问题，难以满足信号实时处理的要求。为提高多源信号DOA估计的空间分辨率，提出一种基于S变换且不需要预估信号源个数的多重信号分类改进算法。根据宽带信号的频域特征，利用S变换处理阵列接收信号，得到多分辨的时频谱矩阵，同时构建时频域的阵列信号数据模型，结合信号功率谱矩阵呈联合对角化结构的特点，设计基于S变换的子空间谱估计公式。在此基础上，通过谱峰搜索进行DOA估计，实现多源宽带信号的声源定位。仿真结果表明，在信噪比范围为-15~10 dB的条件下，该算法的估计成功率始终保持在90%以上，相比TCT、CS_TCT、CWT_MUSIC算法，其具有较优的估计性能，并且无需预估信号源数。
-
计算机工程. 2022, 48(11): 207-214,223. https://doi.org/10.19678/j.issn.1000-3428.0062978现有单图像超分辨率模型普遍基于卷积神经网络且使用单一尺度的卷积核提取特征信息，容易造成细节信息遗漏并降低网络表征能力。为有效提取高频信息同时提高图像重建性能，提出一种基于整体注意力机制与分形稠密特征增强的图像超分辨率重建模型。在特征增强过程中，级联9个分形稠密特征增强模块，每个模块通过4条分支路径提取和融合多尺度特征，并引入局部稠密跳跃连接传递信息以获取更丰富的细节信息。引入整体注意力机制，从3个维度出发建立特征图之间的关联关系，通过对不同通道、空间和层次的特征进行加权和选择性聚合为特征图分配不同的权重，从而提高模型判别学习能力。在Set5、Set14、BSDS100和Urban100数据集上的实验结果表明，该模型可有效重建纹理细节更丰富的高分辨率图像，重建图像在主观视觉效果与客观评价指标上均优于同类模型，且在图像放大3倍时，峰值信噪比和结构相似性指标最高比MSRN模型提升了0.57 dB和0.007。
-
计算机工程. 2022, 48(11): 215-223. https://doi.org/10.19678/j.issn.1000-3428.0063307针对暗原色去雾算法在高亮背景图像中出现光晕（Halo）效应的问题，提出一种基于B-样条曲线加gamma（γ）修正透射率去除Halo效应的算法。通过分析暗原色透射率图像的统计直方图，得出Halo效应的产生是由于HE算法透射率直方图中低灰度值占比较大，因此需要对直方图低灰度包络进行修正。寻找直方图中第1个低灰度波峰，在2个波谷间进行子区间分割，并以区间边界点作为样条区间节点计算三次样条曲线，以拟合低灰度包络。基于透射率图中修正位置对修正结果的关键性作用，采用改进的大津法从横向和纵向两个维度对透射率图进行分割，以确定修正区域，实现精准补偿，提高抗噪性能。根据不同雾图选择合适的γ修正系数修正拟合的灰度包络并对图像进行还原，验证不同修正系数对结果的影响。实验结果表明，当修正系数γ>1.5时，Halo效应能被有效减缓或消除，与HE算法相比，该算法的对比度、信息熵最大可分别提高10.1%和9.9%，算法并行度可达到M或N级。
-
计算机工程. 2022, 48(11): 224-230,239. https://doi.org/10.19678/j.issn.1000-3428.0063376生成姿势受控的人物图像要求在变换姿势条件下生成与源人物图像对应的新图像，同时新图像中人物的上衣、裤子、发型等属性需要与源人物保持一致。由于人物纹理编码和人体姿势关键点编码难以直接融合，导致生成图像中一些关键人物属性与源图像的一致性较差，为此，建立一种循环一致性约束下的双流生成网络模型。在训练阶段，该模型在纹理编码器的输入中增加源人物的姿势条件信息，从而缩小分解组件编码的搜索空间，提高人物生成的可控粒度。设计一个融合模块将源人物的姿势信息与每一个分解组件样式码相融合以进行生成和对抗训练，同时，增加循环一致性约束，使得生成图像与隐空间更为匹配。在测试阶段，通过网络对源人物的纹理编码信息与目标的姿势编码信息分别进行编码，经过信息融合和解码获得姿势变换后的人物图像。使用DeepFashion数据集进行定性和定量测试，结果表明，该模型的峰值信噪比、感知评分、结构相似性指标分别达到31.409 dB、3.369、0.768，模型中添加的姿势引导条件和循环一致性约束能够简化属性分解的概率生成表达，使得人物生成图像的纹理更为准确，符合人类视觉感知特性。
-
计算机工程. 2022, 48(11): 231-239. https://doi.org/10.19678/j.issn.1000-3428.0062925基于深度学习的图像去雾方法在合成数据集上表现良好，但在真实场景中应用时存在去雾不彻底、颜色失真等问题。提出一种新的单幅图像去雾网络，该网络包含特征提取、特征融合2个模块。在特征提取模块中，通过残差密集块和具有空间注意机制的特征提取块分别提取图像的局部特征和全局特征。在特征融合模块中，利用通道注意力机制对局部特征图和全局特征图进行通道加权，并通过卷积操作融合加权后的局部特征图与全局特征图。最后，采用门控网络自适应结合3个不同深度的融合特征图，以恢复高质量的去雾图像。实验结果表明，所提网络在室内数据集下的峰值信噪比（PSNR）和结构相似度（SSIM）分别为33.04 dB、0.983，在HAZERD数据集下的PSNR和SSIM分别比GridDehazeNet网络高出1.33 dB和0.041。同时，该网络的模型参数量和浮点运算数分别为0.34M和16.06×109 frame/s，具有较低复杂度，对合成图像和真实图像均可取得理想的去雾效果。
-
计算机工程. 2022, 48(11): 240-246. https://doi.org/10.19678/j.issn.1000-3428.0063204在直接处理点云的三维神经网络中，采样阶段实现了对原始点云中关键点的筛选，对于整个网络的性能及网络的抗噪能力具有重要作用。目前主流的最远点采样（FPS）方法在处理大规模3D点云数据时计算量大且耗时，并且低采样率时经过FPS采样后模型性能下降明显。针对这两个问题，提出一种面向低采样率的点云数据处理网络AS-Net。设计一个新的采样模块代替原backbone中的FPS，其由两个Layer组成，每个Layer基于长短期记忆网络获取原始点云与采样点云之间的联系权重，从而高效提取关键信息，去除冗余信息。在此基础上，利用注意力机制选择特征值较高的原始点云作为采样点，采样点作为后序任务的关键点输入到网络，进一步提高网络模型性能。基于ModelNet40数据集的实验结果表明，在低采样率条件下，AS-Net仍可达到81.6%的分类准确率，与使用FPS作为采样方法的网络模型相比提高52.7%。此外，其对噪声干扰具有很强的鲁棒性，对于大场景的分割时间效率优于同类采样方法。
-
计算机工程. 2022, 48(11): 247-256,265. https://doi.org/10.19678/j.issn.1000-3428.0063159现有的剩余时间预测方法仅关注对剩余时间预测任务起决定性作用的时间特征信息，并未考虑空间特征信息以及异质事件日志对预测任务的影响，导致预测准确度降低。提出基于轨迹聚类的剩余时间预测方法。将不同轨迹间的相似度作为距离度量，通过对事件日志中不同长度的轨迹进行聚类，以降低事件日志复杂度并细化结构。针对业务流程剩余时间预测任务，结合卷积神经网络与准循环神经网络，同时引入双向机制与注意力机制，设计基于注意力机制的卷积准循环神经网络模型，充分地捕获和增强对剩余时间预测任务有决定性影响的时间和空间特征信息，以提高业务流程中上下文事件之间的关联性，从而识别不同事件对业务流程剩余时间预测任务的重要程度。在BPIC_2012_A、BPIC_2012_O、BPIC_2012_W等事件日志数据集上的实验验证了该方法的有效性和可行性，结果表明，相比传统剩余时间预测方法，该方法的预测准确度平均提高约20%，有助于提升业务流程剩余时间的预测质量。
-
计算机工程. 2022, 48(11): 257-265. https://doi.org/10.19678/j.issn.1000-3428.0063096传统物联网系统中的传感器网络性能受自然能源不规则性和传感器电池尺寸的制约，结合射频和非射频信号能量采集（EH）的优点并部署蜂窝网络，可以获得信道等网络资源。提出一种由无线能量采集与传输子系统、蜂窝回程子系统、无线传感器状态更新子系统构成的物联网信息状态更新系统。构建能量采集和传输基站（EHTB）离散能量状态的马尔可夫链（MC）和MC状态转移矩阵，得到EHTB的能量转移稳态概率和等待时间的统计描述。综合考虑蜂窝回程建立和EHTB能量传输过程，推导出平均峰值信息年龄（PAoI）和平均信息年龄（AoI）的闭式表达式。在此基础上，分析自然能量到达概率、能量传输概率、传感器尺寸等系统参数对平均PAoI和AoI的影响，并比较有无蜂窝回程和最大比合并（MRC）下的平均PAoI和AoI。仿真结果表明，虽然蜂窝回程会增加系统的平均PAoI和AoI，但是采用MRC可以降低平均PAoI和AoI，当能量到达概率为0.6时，采用MRC能够使蜂窝回程对平均AoI的影响降低近20%，相较传统的物联网系统，该系统可以为传感器持续供电，同时建立可靠的回程链路。
-
计算机工程. 2022, 48(11): 266-274,283. https://doi.org/10.19678/j.issn.1000-3428.0063212视觉感知过程源于对象自身的大范围拓扑性质，而场景对象发生运动状态变化时，其所在空间的大范围拓扑关系也将随之改变。为探索大范围拓扑性质和运动性质同时改变时人眼视觉的认知优先特性，基于虚拟现实技术及眼动跟踪技术，通过构建虚拟驾驶及眼动轨迹分析实验平台，结合拓扑复杂度和空间拓扑关系概念分别探讨二维和三维空间中人眼视知觉对物体运动的认知特性。在此基础上，采用响应面分析方法设计场景中自变量因子的随机实验数值，通过可视化方法对比多组认知场景的无感反馈眼动监测结果。实验结果表明，在Tobii眼动仪采集的545个眼动数据中，发生在运动物体上的数据有516个，相比于物体自身属性的大范围拓扑性质变化，人眼视知觉过程更优先识别物体运动的大范围空间拓扑关系变化。该运动认知优先特性为可靠人工智能驾驶中的视觉注视预测技术提供了新的研究思路，同时验证了所提实验分析方法的有效性。
-
计算机工程. 2022, 48(11): 275-283. https://doi.org/10.19678/j.issn.1000-3428.0063095地震数据的三维可视化能够直观反映地质的相关结构信息，为地质勘探等研究提供数据支持。针对传统体绘制算法在集中载入海量数据时存在显示延迟、画面跳跃、卡顿等问题，提出一种快速三维可视化算法。使用变分自编码器和深度聚类学习数据的空间特征表示，通过迭代优化目标函数提高聚类性能，以解决因空间数据分布不均造成的节点重叠问题。建立高效的索引结构，提高数据实时读取的效率，通过时序卷积网络预测下一个视点位置，提前将潜在数据载入内存，避免因海量数据集中加载导致画面卡顿、跳跃。使用基于双层视锥体的视点动态划分调度模型，剔除不必要的绘制节点及减轻系统负荷，从而提高数据渲染速度和流畅度。实验结果表明，该算法在索引结构上查询数据块的时间相比希尔伯特R树算法减少了64.14%~66.37%，预测视点的正确率相比拉格朗日插值算法提高了12.08%~22.70%，实时帧率在较大规模的子集上也能够相对稳定平滑，在保证图像质量的前提下整体系统的渲染性能达到预期效果。
-
计算机工程. 2022, 48(11): 284-290,298. https://doi.org/10.19678/j.issn.1000-3428.0063375城市交通智能化和通信技术的进步会产生大量基于车辆的应用，但目前车辆有限的计算资源无法满足车辆应用的计算需求与延迟性约束。车辆云（VC）可以高效地调度资源，从而显著降低任务请求的延迟与传输成本。针对VC环境下任务卸载与计算资源分配问题，提出一个考虑异质车辆和异质任务的计计资源分配算法。对到达的任务构建M/M/1队列模型与计算模型，并定义一个效用函数以最大化系统整体效用。针对环境中车辆地理分布的高度动态系统变化，提出基于双时间尺度的二次资源分配机制（SRA），使用两个不同时间尺度的资源分配决策动作，对其分别构建部分可观测马尔可夫决策过程。两个决策动作通过执行各自的策略获得的奖励进行连接，将问题建模为两层计算资源分配问题。在此基础上提出基于二次资源分配机制的多智能体算法SRA-QMix求解最优策略。仿真结果表明，与深度确定性策略梯度算法对比，该算法的整体效用值和任务完成率分别提高了70%、6%，对于QMix和MADDPG算法分别应用SRA后的任务完成率分别提高了13%与15%，可适用于动态的计算资源分配环境。
-
计算机工程. 2022, 48(11): 291-298. https://doi.org/10.19678/j.issn.1000-3428.0063033在社交网络的影响最大化（IM）问题中，近似算法通过大量的Monte-Carlo模拟计算节点集的影响范围，导致时间复杂度提高，而多数启发式算法在具有不同拓扑结构的图上存在稳定性较差的问题。提出基于K-truss的改进投票算法TrussVote。在投票阶段，通过引入K-truss的相关理论及算法定义节点的有效投票能力，用于表示节点对其不同邻居的投票倾向，同时在计算得票分数时考虑边的传播概率，提高解决IM问题的效率。在每轮投票结束后，将得票分数最高的节点选为种子节点。在更新阶段，结合节点间的相似性指标定义衰减因子，以有效区分邻居节点投票能力的弱化程度。此外，基于IC模型下的原始传播结果，提出传播差异作为传播范围的等价分析指标。在不同规模真实网络数据集上的实验结果表明，相比RNR、VoteRank++等算法，该算法不仅能有效降低时间复杂度，而且可在最短的时间内感染更多的节点，具有广泛的影响范围。
-
计算机工程. 2022, 48(11): 299-305,313. https://doi.org/10.19678/j.issn.1000-3428.0062824当前面向多辆自动驾驶汽车的协同运动规划方法能有效保证运行车辆与障碍物及其他车辆之间避免发生碰撞并保持安全距离，但车辆间的在线协同与规划能力仍有待提升。为实现多辆自动驾驶汽车在运动过程中的协同控制，提出一种基于改进蚁群优化算法的多车在线协同规划方法。以空间协同与轨迹代价为优化目标，构造多目标优化函数，确保了多车行驶过程中的协同安全性与轨迹平滑性。将多目标优化函数引入蚁群优化算法的信息素更新过程中，根据自动驾驶车辆数量产生多个种群，使得种群之间相互独立的同时为每辆自动驾驶汽车规划可行路线。最终对蚁群优化算法中的挥发因子进行自适应调整，提升了算法全局搜索能力及收敛速度。实验结果表明，该方法能使多辆自动驾驶汽车在运动过程中保持协同控制并规划出无碰撞路线，相比于基于人工势场和模型预测的协同驾驶方法在复杂道路场景下车辆间的协同效果更好且适应性更强。
-
计算机工程. 2022, 48(11): 306-313. https://doi.org/10.19678/j.issn.1000-3428.0062940鞋印是作案人在案发现场经常遗留的痕迹，承载人的性别、身高等属性信息。基于鞋印的性别预测对快速排查嫌疑人具有重要作用，其方法主要由刑侦人员凭借经验判断，需要大量领域知识，而少数自动预测方法是基于人工提取的特征和经验模型进行预测，受测量误差的影响，导致预测准确率降低。针对该问题，提出基于鞋印图像的端到端预测方法。采用卷积神经网络提取鞋印图像特征，引入通道注意力模块对特征权重进行重新分配，使模型重点关注鞋印图像中对性别起显著作用的部分。在此基础上，将特征图输入到性别预测模块进行预测。此外，分别构建适用于单枚和多枚鞋印应用场景的数据集SiSIS和SeSIS，根据在案发现场中鞋印可能出现的情况，设计鞋印方向差异、鞋印残缺和弹性形变的数据增广方式。实验结果表明，该方法在SiSIS和SeSIS数据集上的预测准确率分别达到91.80%和99.35%，相比现有基于鞋印的性别预测方法，具有较优的预测性能。
-
计算机工程. 2022, 48(11): 314-320. https://doi.org/10.19678/j.issn.1000-3428.0062896在三维地形环境下，基本烟花算法进行路径规划时易陷入局部最优解且存在收敛速度慢的问题，为此，提出选择交叉烟花算法。利用栅格法构建三维地形环境并设置威胁区域，使无人车选择合适的节点进行路径探索，结合燃耗代价、平滑代价和威胁代价构建适应度函数，以约束路径节点的生成位置，确保规划出的路径平滑且远离威胁区域。通过基本烟花算法的爆炸、变异、映射和选择操作进行路径搜索，同时加入针对路径节点的轮盘选择操作，使偏离原始路径较远的节点具有更高的爆炸概率，以约束路径的搜索方向，从而加快算法的搜索速度。在此基础上，引入选择交叉火花，通过对轮盘选择后节点间的路径片段进行交叉，以增强种群中烟花之间信息的交互性，提高搜索全局最优解的性能。仿真结果表明，相比基本烟花算法，该算法在简单和复杂地形环境下的适应度值平均提高6%，且运行时间平均缩短13.5%。在各类地形环境下，无人车通过该算法能有效规避威胁区域，并在较短时间内寻找到更加平滑且燃耗更低的路径。
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