2023年, 第49卷, 第3期 刊出日期：2023-03-15
-
全选|
-
-
计算机工程. 2023, 49(3): 1-17. https://doi.org/10.19678/j.issn.1000-3428.0064374基于舆情事件的关键词抽取算法作为舆情监测的基础技术之一，其目的是在不同的舆情事件中抽取出人们关注的核心词汇，从而快速了解新闻内容。随着深度学习的发展，传统的无监督关键词抽取技术和有监督算法中的分类模型已经逐渐被基于深度学习的序列标注模型所替代。梳理无监督关键词抽取的限制性、分类模型在关键词抽取中的优势与不足、以及现有的深度学习对关键词抽取技术发展的帮助，重点分析整体关键词抽取技术的发展中卷积神经网络、循环神经网络等深度学习的关键词抽取方法，并归纳现有方法的优缺点与发展趋势。此外，深度学习虽然在关键词抽取领域发挥了重要的作用，但其自身也存在着依赖大规模带标签样本、训练时间长与复杂度高等缺陷，需要在未来发展中进行解决。为确保分析过程的真实性，利用6个舆情新闻数据集和2个小型数据集进行实验复现，实验结果与文中理论分析一致。在此基础上，对关键词抽取技术及其所面临的困难和挑战进行梳理和分析，并针对现存问题对该领域的发展前景加以展望。
-
计算机工程. 2023, 49(3): 18-28. https://doi.org/10.19678/j.issn.1000-3428.0063794在海量家庭数据存储模式下，家庭中的物联网设备并非完全可信，为了保证设备使用者的数据安全和数据查询效率，需要实施访问控制，然而，目前已有的多数访问控制方案无法在大型分布式系统下既保证安全性又兼顾运行效率。针对该问题，提出基于智能合约技术的访问控制框架并设计分组策略检索算法，以实现一种家庭物联网中安全高效的访问控制。在智能合约访问控制框架中，通过区块链存储访问控制策略保证访问信息的可追溯性以及用户数据的安全性，同时改进基于属性的访问控制模型，实现灵活且可扩展的访问控制。通过构造分组策略检索算法来提高策略的检索效率，在访问控制判决时快速搜索策略。基于智能家居进行访问实现，结果表明该机制能提供安全且高效动态的细粒度访问控制，在大量相同的策略规则下，其系统吞吐量不低于65 T/s，优于Fabric-IoT、DAHB等访问控制方案，更适合大规模家庭物联网环境下的访问请求场景。
-
计算机工程. 2023, 49(3): 29-36,57. https://doi.org/10.19678/j.issn.1000-3428.0065135网络流量入侵检测技术对主机和平台安全起着重要作用。目前常采用机器学习和深度学习技术进行网络流量入侵检测，然而相关数据集的不平衡问题导致模型偏向于学习多数类数据的特征而忽视少数类数据的特征，严重影响了检测准确率。结合SMOTE算法和生成对抗网络（GAN）构建OSW模型对训练数据进行预处理，通过Wasserstein GAN学习少数类数据分布情况，避免边缘分布问题，构造平衡数据集。建立基于Transformer与双向长短时记忆-深度神经网络（BiLSTM-DNN）的TBD入侵检测模型，使用Transformer中的编码器捕捉全局联系并对输入数据进行初步特征提取，利用BiLSTM网络进行长距离依赖特征提取保留数据的序列化特征，采用DNN进一步提取深层次特征，最终通过Softmax分类器获得分类结果。在NSL_KDD数据集上的实验结果表明，在进行数据平衡处理后TBD模型的二分类和五分类任务检测准确率分别达到90.3%和79.8%，均高于对比的深度神经网络模型以及机器学习算法。
-
计算机工程. 2023, 49(3): 37-48. https://doi.org/10.19678/j.issn.1000-3428.0064373异常检测是发现数据集中不符合明确定义的模式（或样本）的过程。目前流行的异常检测方法通常只对合群点进行建模，忽视了潜藏在无标记数据中的丰富信息，导致出现过拟合、阈值依赖等问题。此外，部分现有方法同等地处理正常类和异常类，与异常检测的目的相矛盾。提出一种结合多解码器与两阶段通道选择的异常检测方法，采用一种全新的重构-选择模型代替重构-排序-拒绝模型，并分别对合群点和离群点进行解码建模，构造一个无须阈值的选择器以区分两者，降低阈值确定过程中产生的人为误差和计算开销。通道选择器以两阶段的方式为样本分配通道，在第一阶段使用注意力选择器为无标记样本选择最佳匹配的离群点通道，在第二阶段使用竞争式选择器在合群点通道和最佳离群点通道中选择更适合的一个作为目标通道。两阶段选择器的结构能避免出现局部极值点，并可以利用直接引入的监督信息对选择结果进行修正。实验结果表明，与U-Std、ARAE、AnoGAN等流行方法相比，该方法的检测性能更好，在MNIST、Fashion-MNIST、CIFAR-10数据集上的AUROC值分别为99.3%、96.9%和90.5%。
-
计算机工程. 2023, 49(3): 49-57. https://doi.org/10.19678/j.issn.1000-3428.0065088随着移动互联网技术的飞速发展，海量数据将存储在远程云服务器，由此带来外包云存储敏感数据的搜索与安全共享问题。基于椭圆曲线设计公钥可搜索加密算法，提出云存储系统中支持隐私保护的可验证数据分享方案。在该方案中，数据发送方结合消息认证码技术，使用自己的私钥和数据接收方的公钥产生关键词对应的密文，数据接收方结合消息认证码技术，使用自己的私钥和数据发送方的公钥产生搜索陷门，从而云服务器可以对关键词密文和搜索陷门进行快速匹配测试。该方案可保证云端存储数据的机密性，实现对外包云存储数据的可搜索功能，并在选择关键词攻击下满足密文不可区分性与搜索陷门不可区分性，抵抗内部关键词猜测攻击。此外，为防止云服务器出现恶意欺骗或返回不正确的搜索密文行为，引入云审计的设计思想，对存储在云端的密文数据进行完整性验证。性能分析与比较结果表明，该方案云端加密数据分享过程耗时仅为2.17 ms，与PEKS、PAEKS、dIBAEKS、CLEKS方案相比效率提升39.98%以上，更有利于部署在资源受限的智能终端设备。
-
计算机工程. 2023, 49(3): 58-66,79. https://doi.org/10.19678/j.issn.1000-3428.0064338区块链的不可篡改、去中心化等特点能够有效解决工业互联网中日益突出的安全和隐私问题，然而当前主流区块链平台的吞吐量远不能满足工业互联网海量数据快速上链的需求，并且传统区块链采用的高冗余存储机制也无法适用于工业互联网场景。建立分层分片区块链架构，将区块数据分层存储在多个分布式云服务器和边缘服务器中，以应对工业互联网不断增长的数据量。依据边缘服务器之间的拓扑结构，设计一种基于复杂网络社团划分算法的改进区块链网络分片算法，在提升区块链网络吞吐量的同时缩短分片时间。将区块广播过程形式化为生成树论证了区块广播时间对吞吐量的影响，在此基础上提出一种基于生成树的片内主节点选取算法，进一步提升区块链网络的吞吐量。实验结果表明，与经典复杂网络社团划分算法相比，改进的区块链网络分片算法在对大规模网络进行分片时能够在不牺牲分片质量的前提下缩短约36%的分片时间，同时减少了各分片内区块的广播时间。
-
计算机工程. 2023, 49(3): 67-72. https://doi.org/10.19678/j.issn.1000-3428.0064063招标文件范本总结了历史招标文件的核心内容。针对现有文本摘要方法无法有效提取文本主题结构、忽略时间特征对文本重要性的影响等问题，提出一种基于多头图注意力网络的半结构化文本自动生成（SGMG）模型。在模型预处理层中，利用BERT预训练模型进行文本嵌入，通过白化操作增强文本向量的表达能力。在主题抽取模块中，利用异质图建立主题、段落及文档之间的语义关系，应用多头图注意力网络加强图节点之间的交互，提高模型学习能力。在中心句抽取模块中，通过融合时间特征及语义相似关系的有向图计算文本中心性，防止重要时间信息的丢失。在句子选择模块中，结合三元词过滤法，提升生成内容的多样性。将国家能源集团2016年至2020年的招标文件作为语料进行实验，结果表明SGMG模型能够有效提取文本主题结构，生成文本内容与人工编制的范本接近，ROUGE-L评估指标相比于TextRank、LexRank等现有文本摘要方法提升了4.3个百分点以上。
-
计算机工程. 2023, 49(3): 73-79. https://doi.org/10.19678/j.issn.1000-3428.0062149基于预训练的语言模型在口语理解（SLU）任务中具有优异的性能表现。然而，与人类理解语言的方式相比，单纯的语言模型只能建立文本层级的上下文关联，缺少丰富的外部知识来支持其完成更为复杂的推理。提出一种针对SLU任务的基于Transformer的双向编码器表示（BERT）的联合模型。引入单词级别的意图特征并使用注意力机制为BERT融合外部知识。此外，由于SLU包含意图检测和槽填充2个相互关联的子任务，模型通过联合训练捕捉2个子任务间的关联性，充分运用这种关联性增强外部知识对于SLU任务的性能提升效果，并将外部知识转化为可用于特定子任务的特征信息。在ATIS和Snips 2个公开数据集上的实验结果表明，该模型句子级别的语义准确率分别为89.1%和93.3%，与BERT模型相比，分别提升了0.9和0.4个百分点，能够有效利用外部知识提升自身性能，在SLU任务中拥有比BERT更为优秀的性能表现。
-
计算机工程. 2023, 49(3): 80-86,94. https://doi.org/10.19678/j.issn.1000-3428.0064134点击率预测是广告投放的重要手段之一，通过预测广告点击率对用户进行效推荐，能够提高广告收益。在点击率预测任务中，场感知点击率预测模型由于考虑了场信息，表现出一定优越性，但在进行特征交互时会产生大量冗余信息，导致预测准确率较低。提出一种场感知注意嵌入神经网络（FAENN）模型，通过自注意力机制对嵌入层的输入向量进行权重分配，以较好地区分场感知嵌入特征的重要程度，加快模型训练速度。同时使用低阶特征交互层关注特征的一阶显性信息和二阶交互特征信息，并将有效特征输出到高阶交互层，利用高阶特征交互层将学习到的相互作用向量与深度神经网络相结合，捕捉更高阶的特征交互作用，以提高预测准确率。实验结果表明，FAENN模型相比于FM、FFM、AFM等模型有较高的预测准确率。
-
计算机工程. 2023, 49(3): 87-94. https://doi.org/10.19678/j.issn.1000-3428.0064165在高维小样本场景下，针对现有基于约束的因果结构学习方法存在因果结构学习效率低、马尔可夫等价类的问题，以非线性非高斯的高维小样本为研究对象，提出一种基于递归分解的因果结构学习算法CADR。在高维小样本的因果结构学习效率方面，结合递归分解的思想，将高维变量集递归分解为多个更小的子集，直到无法再分解或子集的大小达到阈值为止。在该过程中，变量集的减少缩减了条件独立性检验的条件候选集的搜索空间，从而提高学习效率。同时，为进一步识别马尔可夫等价类，根据非线性非高斯模型的因果方向的不可逆性，通过判断拟合噪声项与原因变量是否独立来识别马尔可夫等价类的因果方向。在仿真数据和真实因果结构数据上的实验结果表明，CADR不仅提高条件独立性检验的效率，而且能有效地区分马尔可夫等价类，学习到更精确的因果结构，其中，在真实因果结构实验中，与现有Xie_rec、PC_ANM和Notear_Sob方法相比，F1评分提高5%~12%。
-
计算机工程. 2023, 49(3): 95-104. https://doi.org/10.19678/j.issn.1000-3428.0064167知识图谱嵌入的主要任务是将实体与关系嵌入低维、连续的向量空间。在模型训练过程中，必须同时提供正负三元组。已有的负采样方法多使用均匀随机采样方法构造负样本，通过这种方式获得的负样本对于模型的训练贡献很小。基于生成对抗网络，生成器能够采样更多可信的负三元组，增强嵌入模型性能。然而，离散数据在使用遗传算法时存在梯度消失的问题。针对以上问题，提出一种融合实体邻域信息的知识图谱嵌入负采样方法。该方法基于生成对抗网络的框架，通过图卷积神经网络聚合实体在不同关系路径上的邻域信息，用以辅助生成器产生高质量的负样本，提高鉴别器的性能。同时，在鉴别器部分引入Wasserstein距离代替传统的散度，解决梯度消失问题，加速模型收敛。在链接预测任务和三元组分类任务上对所提方法的有效性进行验证，结果表明，该方法在链接预测任务中MR、MRR、Hits@10较基线模型分别平均提升4.18、9.19、10.18个百分点，在三元组分类任务中准确率平均提升4.50个百分点，充分证明实体邻域信息的融入能够进一步提升负样本质量，显著提升模型性能。
-
计算机工程. 2023, 49(3): 105-112. https://doi.org/10.19678/j.issn.1000-3428.0064206卷积神经网络（CNN）在计算和存储上存在大量开销，为了使CNN能够在算力和存储能力较弱的嵌入式等端设备上进行部署和运行，提出一种基于中间图特征提取的卷积核双标准剪枝方法。在卷积层后插入中间图互信息特征提取框架，分析卷积核的特征提取能力，结合批量归一化层的缩放因子对卷积核的综合重要性进行评估，获取更为稀疏的CNN模型。针对全连接层存在大量冗余节点的问题，提出一种基于节点相似度与K-means++聚类的全连接层剪枝方法，聚类相似度较高的节点，并对剪枝后的连接层权重进行融合，在一定程度上弥补因剪枝所造成的精度损失。在CIFAR10和CIFAR100数据集上的实验结果表明，使用该剪枝方法对ResNet56网络进行剪枝，在损失0.19%分类精度的情况下能够剪掉48.2%的参数量以及46.7%的浮点运算量，对于VGG16网络，能够剪掉94.5%的参数量以及64.4%的浮点运算量，分类精度仅下降0.01%。与VCNNP、PF等剪枝方法相比，所提剪枝方法能够在保持模型准确率几乎不变的情况下，对CNN的参数量和计算量进行更大比例的裁剪。
-
计算机工程. 2023, 49(3): 113-120,127. https://doi.org/10.19678/j.issn.1000-3428.0063613现有的弱监督检测方法主要采用多示例检测网络，但在这些方法中应用分类特征提取网络易使目标尤其是非刚性目标的检测结果收敛到目标最显著局部区域。提出一种基于双注意力擦除和注意力信息聚合的端到端的弱监督检测框架DAENet。双注意力擦除模块的目的在于擦除生成的最显著性局部前景区域和部分背景区域，以此来扩展目标显著性区域，使网络能够尽可能地关注目标整体，从而更好地捕获目标整体区域。此外，为准确定位不同目标区域并精确生成注意力擦除掩码，提出注意力信息聚合模块，该模块可提取通道的全局特征和局部特征，并引入空间依赖性进一步提高检测精度。通过将双注意力擦除和注意力信息聚合进行协同工作，从而更好地提高弱监督检测性能。在PASCAL VOC 2007和VOC 2012数据集上的实验结果表明，DAENet框架在两个数据集上的检测精度分别达到50.5%和47.4%，相比基准模型，在部分非刚性目标上的检测精度提高了约5%~20%。
-
计算机工程. 2023, 49(3): 121-127. https://doi.org/10.19678/j.issn.1000-3428.0064077构建地质领域的知识图谱有助于便捷高效地共享和应用多源地质知识，而地质关系三元组抽取对地质领域知识图谱构建具有重要意义。针对现有实体关系联合抽取模型无法有效识别重叠三元组的问题，考虑地质领域专业知识的特殊性，基于预训练语言模型BERT建立一种用于地质领域关系三元组抽取的层级标注模型HtERT。采用中文预训练语言模型BERT-wwm替代原始的BERT模型作为底层编码器，以提高模型对中文的编码能力。在实体识别阶段，引入关于实体起始位置的嵌入表示来限制实体的抽取长度，从而提升实体识别的准确度。引入全局上下文信息和BiLSTM网络使得模型抽取到的特征能更精确地表示地质样本信息，增强模型对地质关系三元组以及重叠三元组的抽取能力。在地质领域数据集上的实验结果表明，HtERT模型相比于PCNN、BiLSTM、PCNN+ATT、CASREL等基线模型具有明显优势，精确率、召回率以及F1值分别平均提升15.24、10.96和13.20个百分点，验证了该模型在地质领域实体关系联合抽取任务中的有效性。
-
计算机工程. 2023, 49(3): 128-133,160. https://doi.org/10.19678/j.issn.1000-3428.0063987基频或基音的估计是各种语音信号处理技术的关键子问题，现有信号处理技术研究多使用数据驱动的方法，即通过卷积神经网络进行基频提取。然而，卷积神经网络中的卷积操作一次只能处理局部的音频样本点，只有在递归应用卷积操作时才能捕获全局音频样本点依赖关系，导致计算效率低与优化困难。受非局部模块在计算机视觉任务中具有较高性能的启发，提出一种具有非局部模块的卷积神经网络用于基频提取任务。非局部模块相比不断堆叠的卷积神经网络，可以直接计算两个位置之间的关系，由于其可以忽略欧氏距离，因此能够快速捕获长范围的依赖关系。对于基频估计任务，可在卷积神经网络中加入非局部模块以计算音频样本点之间的相似性，有助于捕获帧与帧和样本点与样本点之间的全局依赖关系，且非局部模块可以保持输入输出维度不变，能够快速地集成卷积神经网络。实验结果表明，该方法平均绝对误差仅为4.7，与基线模型相比，至少降低了0.7，能够获得最佳的模型性能。
-
计算机工程. 2023, 49(3): 134-141. https://doi.org/10.19678/j.issn.1000-3428.0063989现有知识图谱实体类型补全模型通过对实体和实体类型进行建模，以解决知识图谱中实体缺失的实体类型，但未有效地利用实体之间的关系，导致模型的实体类型补全性能不佳。提出一种基于邻域聚合与卷积神经网络的知识图谱实体类型补全模型NACE2T，其采用编码器-解码器的结构。基于注意力机制设计利用关系信息的编码器，其使用注意力机制为实体邻域中的每个关系-实体对分配不同的权重，以聚合实体邻域中实体和关系的信息，从而利用实体之间的关系。基于卷积神经网络设计一个新的知识图谱实体类型补全模型CE2T，将其作为解码器，对编码器输出的实体嵌入和实体类型嵌入进行建模与实体类型补全。实验结果表明，相比ConnectE模型，NACE2T模型在数据集FB15KET上的HITS@1和HITS@3提高约1.5%，在数据集YAGO43KET上的MRR和HITS@3提高约6%，HITS@1提高约9%，能够有效地推断知识图谱中实体缺失的实体类型。
-
计算机工程. 2023, 49(3): 142-150. https://doi.org/10.19678/j.issn.1000-3428.0065713智慧医疗服务通常将患者健康信息存储于云服务商，在给患者就医提供便利的同时带来了隐私信息泄露的风险。现有密文策略属性基加密（CP-ABE）方案中的访问策略普遍采用明文形式，无法避免敏感信息泄露和实现解密密钥追溯。为解决上述问题，提出一种白盒可追溯的CP-ABE方案。通过隐藏部分访问策略将患者的属性分为属性名和属性值，在加密时与密文相关的访问策略仅包含属性名，利用隐藏属性值实现对患者敏感信息的保护。将二叉树的叶节点值与用户身份信息绑定，一旦发生信息泄露事件便可追溯泄露密钥的用户信息，实现快速精确的可追溯性。采用直接撤销的方式撤销泄露密钥的恶意用户，且撤销过程中仅需更新一次与用户撤销列表相关联的密文，提高了计算效率。在解密阶段，通过部分数据外包有效减少终端用户的计算开销。基于q-parallel BDHE假设证明了该方案在标准模型中选择明文攻击下的密文不可区分性，并通过性能分析实验结果表明，相比于同阶段运算效率最高的对比方案，该方案在加密和解密阶段的计算开销减少了23.2%和10.6%，且在密钥生成阶段仅有1个指数运算与用户属性相关，计算开销减少了49.5%。
-
计算机工程. 2023, 49(3): 151-160. https://doi.org/10.19678/j.issn.1000-3428.0064729去中心化位置证明方案依赖分布式的见证者协助位置证明，但是当见证者参与位置证明时不仅消耗自身资源，还面临位置隐私泄露的风险，因此，大部分见证者不会主动参与位置证明。为促进见证者的参与，提出基于激励驱动的轻量级隐私位置证明协议。利用非对称时间基一次性口令和隐私保护位置接近性检测协议构建高效且具有位置隐私保护的轻量级位置证明协议，基于哈希承诺方案将产生的口令与隐私位置证明请求相结合，计算位置承诺并上传到区块链网络中。采用智能合约技术设计基于贡献度的激励机制，依据见证者做出的有效位置证明和无效位置证明计算实际贡献度，通过部署在区块链网络中的激励机制支付奖励，促使见证者积极参与位置证明。实验结果表明，该激励机制总计Gas花费1.28×10-3Ether，具有较优的可行性。
-
计算机工程. 2023, 49(3): 161-167,176. https://doi.org/10.19678/j.issn.1000-3428.0063950网络规模和漏洞种类的与日俱增，导致集中式漏扫引擎难以在复杂网络结构下有效开展安全评估。级联漏扫方案能显著提升各类网络场景下漏扫引擎的可扩展性，在应对复杂网络结构下的网络安全问题时发挥了巨大作用，但现有的级联漏扫方案未考虑通信时延，导致扫描效率有待提高。提出一种新的级联漏扫引擎部署策略，面向时延优化，将真实网络环境抽象为承载终端设备或漏扫引擎的底层网络拓扑，综合中心控制引擎、局部扫描引擎与目标终端之间的通信时延建立数学模型。通过构造级联系统能量函数，将面向时延优化的级联引擎部署问题转化为系统自由能函数最小值问题，并设计级联协同部署算法进行求解，实现部署策略全局快速寻优，确定漏扫引擎的分布。基于不同的网络规模与拓扑类型，通过仿真实验分析各参数对算法性能的影响，实验结果表明，该算法的时延开销相较Greedy算法平均降低16.2%，验证了该算法在处理复杂网络环境下级联漏扫引擎部署的有效性与优越性。
-
计算机工程. 2023, 49(3): 168-176. https://doi.org/10.19678/j.issn.1000-3428.0064310网络流量异常状态检测是发现潜在安全威胁的重要手段，但是现有异常流量检测方法普遍存在环境适应性不强、协同能力较弱等问题。结合SDN网络的拓扑结构与流量特征，提出基于联邦学习的异常流量协同检测技术。利用SDN网络中的检测节点，构建基于联邦学习的多检测节点协同检测架构。通过信息熵计算提取流量特征，从相对熵的角度分析检测节点的流量关联度，并根据该关联度设计模型训练过程中的参数聚合权重优化算法，提高检测模型的适应能力。应用参数聚合权重优化算法进行多检测节点异常流量检测模型的协同训练，提升检测模型对异常流量的识别准确率。仿真结果表明，与本地独立训练和传统联邦学习算法相比，基于参数聚合权重优化算法的识别准确率分别提升了31.69%和7.92%，具有更好的异常流量检测效果及更强的环境适应能力。
-
计算机工程. 2023, 49(3): 177-184. https://doi.org/10.19678/j.issn.1000-3428.0064386Tor流量分析技术为打击利用Tor匿名通信工具从事的暗网犯罪活动提供了技术支撑，但目前存在数据难于收集、数据集不平衡、模型抗概念漂移能力差等问题。提出一种结合堆叠去噪自编码器和在线序列极限学习机的Tor流量分析模型。对原始Tor PACP包进行分割、去噪处理并提取特征序列。在此基础上，将一维序列转化为可视化灰度图并输入改进多尺寸深度卷积生成对抗网络，生成Tor流量样本以平衡数据集，利用堆叠降噪自动编码器进行序列降维并将特征输入在线序列极限学习机实现Tor匿名流量的在线流识别。实验结果表明，改进多尺寸深度卷积生成对抗网络可用于提升数据集质量并提高模型识别率约2.8个百分点，结合在线序列极限学习机和堆叠去噪自编码器的流量分析模型准确率可达95.7%，识别效率较传统卷积神经网络和长短期记忆网络模型有较大提升。
-
计算机工程. 2023, 49(3): 185-191,202. https://doi.org/10.19678/j.issn.1000-3428.0063561在无线携能通信双向中继系统中，大量无线信息发射源会导致系统性能受到同频干扰的影响。以基于射频能量收集的双向中继网络为研究对象，结合功率分离能量收集和解码转发信息转发方式，建立中继和接收端分别受到多个干扰源影响下的无线携能通信双向中继通信系统传输模型，在3个时隙信息能量同传的传输帧结构下，得到系统端到端信干噪比，并分析该传输模型下的中断性能。利用数学推导得出该系统在瑞利信道环境下的端到端信干噪比的累积分布函数闭式解，在此基础上求解中断概率闭式值，并通过数值仿真探讨干扰源个数、干扰功率以及功率分割比对系统中断概率的影响。仿真结果表明，所求中断概率闭式表达式与蒙特卡洛仿真中断概率曲线完全吻合，双向中继传输能有效降低系统中断概率，其中干扰源个数越多、干扰功率越大对系统的中断性能影响越大，但不影响系统的分集度，并且存在一个最优功率分割比值可使系统的中断性能达到最优，从而提升整个系统的传输性能。
-
计算机工程. 2023, 49(3): 192-202. https://doi.org/10.19678/j.issn.1000-3428.0063654未知标签的存在可能会给供应链系统、仓储管理等带来不可忽略的经济损失或安全隐患，因此未知标签的识别研究对射频识别系统意义重大。为减少冲突时隙的比例，传统协议通常需要设置较大的帧长，导致对未知标签识别效率较低，且协议中大多存在冲突时隙被直接废弃、时隙利用率低的问题。提出冲突分解法（CRM）协议，通过把大部分的冲突时隙转变为有用时隙，将没有未知标签参与的冲突时隙内已知标签灭活，对有未知标签参与的冲突时隙进行区分码的解缠绕，以提取并识别冲突时隙中的未知标签。通过优化帧长设置，提高时隙利用率，增大已知标签的灭活效率及未知标签的识别效率。实验结果表明，CRM协议对未知标签的识别效率分别可达到UTI-SBF、HUTI、PTI、FUTI协议的2.5、2.2、1.4、1.5倍。
-
计算机工程. 2023, 49(3): 203-210,220. https://doi.org/10.19678/j.issn.1000-3428.0064479可见光通信（VLC）/WiFi异构网络实现了室内的高速通信与无线覆盖，资源管理算法是实现异构网络高效传输的关键。针对传统资源分配管理算法在大规模VLC/WiFi异构网络环境下存在系统公平性低、用户体验感差等问题，提出一种动态加权轮询（DWRR）算法。将用户资源需求量、平均请求速率及与最近接入点的距离这3个因素进行加权作为用户的初始优先级。在每轮调度结束后，对时延较大的用户做出补偿，提高时延较大用户的优先级。考虑VLC和WiFi覆盖范围的差异及用户对资源的竞争程度，定义不同区域内的用户资源优先级，使VLC覆盖范围内优先级高的用户利用VLC资源，剩余用户与VLC覆盖范围外的用户联合分配WiFi资源。仿真结果表明，与最大载干比调度、比例公平算法相比，DWRR算法保证了用户间的公平性，同时提升了系统吞吐量和用户体验。
-
计算机工程. 2023, 49(3): 211-220. https://doi.org/10.19678/j.issn.1000-3428.0063921受室内墙壁、玻璃、木门等障碍物影响，UWB室内定位中UWB信号的传播环境变为非视距环境，在该环境下定位将极大降低定位精度。现有抑制NLOS误差的方法由于复杂度较大导致定位时间过长，结合模糊C均值（FCM）聚类及稀疏谱高斯过程回归（SSGP）方法，提出一种FCM-SSGP定位方法。对接收到的信道冲击响应信号提取特征，利用FCM聚类识别NLOS信号，并根据NLOS信号传播环境的恶劣程度将NLOS信号划分为轻度NLOS信号和一般NLOS信号。使用SSGP方法分别得到2个不同信道条件下的NLOS误差，将SSGP方法得到的测距误差与FCM聚类得到的隶属度相结合作为权值，以抑制NLOS误差。实验结果表明，FCM-SSGP方法能有效降低不同障碍物带来的NLOS误差，定位误差为21.01 cm，与LS-SVM及SPGP方法相比，其定位误差均值分别提升了8.23 cm和6.73 cm，定位所需时间相比LSTM方法缩短了9.35倍，在保证高定位精度的同时降低了计算复杂度。
-
计算机工程. 2023, 49(3): 221-230,247. https://doi.org/10.19678/j.issn.1000-3428.0063808针对现有车联网路由算法存在路由维护开销大、动态适应性差的问题，提出一种基于改进Q学习的多跳分簇复合路由算法。在簇维护阶段，簇头根据网关效用性函数选择边缘车辆中通信性能较优且速度相对稳定的节点作为网关节点。在路由建立阶段，通过考虑链路通信质量、数据包传输方向和节点移动性三个方面，设计节点性能评估函数，用于评估所选择下一跳节点的综合性能，以避免出现“盲路”问题，在Q学习阶段，通过定量化方法表示相邻节点的链路持续时间和距离，并将其作为学习率和折扣率，以提升Q学习的学习效率。在德国科隆和国内某市移动数据集上的实验仿真结果表明，相比RSAR、GPSR和TCRA路由算法，该算法的路由生存时间、吞吐量平均提高17.71%和32.56%，通信延迟和丢包率平均降低14.3%和66.32%，能适应复杂多变的车辆自组织网络。
-
计算机工程. 2023, 49(3): 231-237. https://doi.org/10.19678/j.issn.1000-3428.0064207在神经科学领域，大脑复杂神经行为的分析需要构造表面光滑且高质量的神经元模型。针对三维神经元形态数据的复杂性，现有三维神经元模型的研究在构造模型的过程中，骨架之间的折痕较大且表面光滑度较低。为解决支撑半径过大导致的卷积过渡混合问题，采用基于采样点密度和半径的算法进行数据预处理并结合骨架的抽象性和卷积曲面的光滑性，提出一种利用局部可变支撑半径控制的卷积曲面混合方法。采用基于VDB的稀疏体素自适应调整空间分辨率提高生成效率，用于解决提取不同半径神经元等值面的速度问题。为验证生成模型数据的有效性，利用MeshLab工具验证网格的水密性并基于Isotropic Remeshing算法重构网格，利用Loop算法细分神经元网格，使其表面更加光滑且包含更多细节信息。为构造在脑神经组织中进行光传播模拟实验的神经元模型，利用TetGen软件生成高质量的神经元四面体模型。实验结果表明，与现有神经元建模方法相比，该方法不仅能有效提高生成速率，而且能生成高阶光滑的网格模型。
-
计算机工程. 2023, 49(3): 238-247. https://doi.org/10.19678/j.issn.1000-3428.0064891现有基于深度学习的多模态医学图像融合方法存在全局特征表示能力不足的问题。对此，提出一种基于局部全局特征耦合与交叉尺度注意的医学图像融合方法。该方法由编码器、融合规则和解码器三部分组成。编码器中采用并行的卷积神经网络（CNN）和Transformer双分支网络分别提取图像的局部特征与全局表示。在不同尺度下，通过特征耦合模块将CNN分支的局部特征嵌入Transformer分支的全局特征表示中，最大程度地结合互补特征，同时引入交叉尺度注意模块实现对多尺度特征表示的有效利用。编码器提取待融合原始图像的局部、全局以及多尺度特征表示，根据融合规则融合不同源图像的特征表示后再输入到解码器中生成融合图像。实验结果表明，与CBF、PAPCNN、IFCNN、DenseFuse和U2Fusion方法相比，该方法在特征互信息、空间频率、边缘信息传递因子、结构相似度、感知图像融合质量这5个评价指标上分别平均提高6.29%、3.58%、29.01%、5.34%、5.77%，融合图像保留了更清晰的纹理细节和更高的对比度，便于疾病的诊断与治疗。
-
计算机工程. 2023, 49(3): 248-256. https://doi.org/10.19678/j.issn.1000-3428.0064100基于直接点的语义分割方法能够避免因点云结构化处理所造成的信息损失，但未充分利用多尺度上下文特征，导致行人、自行车等小目标的分割精度降低。提出一种基于上下文注意力的点云语义分割方法，其由双向上下文注意力融合和上下文编码-通道自注意力模块组成。通过前向注意力通道进行邻近尺度特征融合，从而获得更多的浅层细粒度信息，而反向注意力通道进一步融合高层语义信息，以增强模型的上下文感知能力。为捕获全局上下文信息，设计上下文编码-通道自注意力模块，通过对多尺度特征进行编码，并为特征通道分配不同的权重，使网络更关注特定的通道特征，以减少特征的冗余。在SemanticKITTI和Semantic3D大规模室外点云数据集上的实验结果表明，该方法的平均交并比分别为55.0%和76.4%，其中在SemanticKITTI数据集上，相比基准方法RandLA-Net的行人和自行车交并比分别提高3.0和6.9个百分点，能有效捕获多尺度上下文信息，提高小目标的分割精度。
-
计算机工程. 2023, 49(3): 257-262,270. https://doi.org/10.19678/j.issn.1000-3428.0064116现有局部立体匹配算法与全局立体匹配算法相比，计算量更小、速度更快，能达到实时匹配的要求，但存在误匹配率较高、视差结果精度较低等问题。提出一种新的局部立体匹配算法，依据像素梯度信息、像素梯度的平均值及标准差计算多指标梯度代价，使算法对图像局部结构的表达更加全面。根据像素的灰度差异程度划分等级，提出7等级编码的精细化Census变换匹配代价，以有效识别图像信息之间的细微差异，弥补Census变换在相似纹理区域精度较低的不足。将多指标梯度代价和精细化Census变换匹配代价按一定权重进行融合，形成初始匹配代价，从而充分发挥两种代价的优越性。在代价聚合阶段，对引导滤波的线性系数进行自适应优化，解决固定参数引起图像局部过于平滑或平滑不足的问题，并使用优化后的引导滤波模型进行代价聚合，改善代价聚合的效果。使用胜者为王算法计算视差获得初始视差图，最后通过左右一致性检测和加权中值滤波进行视差优化，得到更为理想的视差图。在Middlebury V3立体评估平台上的实验结果表明，所提算法在非遮挡区域的加权平均误匹配率为15.7%，与Cens5、IGF、ISM等算法相比具有较高的精度。
-
计算机工程. 2023, 49(3): 263-270. https://doi.org/10.19678/j.issn.1000-3428.0063891在语义分割算法DeepLabv3+中，由于对主干网络提取的特征信息利用不充分，导致了分割边缘不连续、目标丢失以及分割错误等问题。为此，提出一种基于密集连接和特征增强的语义分割算法。采用共享空洞空间金字塔池化（S-ASPP）模块建立多个空洞卷积之间的联系，增强局部信息之间的语义关联，捕获密集的采样点像素，同时提高对高层特征信息的利用。引入特征金字塔增强模块（FPEM）和特征融合模块（FFM），对主干网络输出的多层特征信息进行处理，增强特征的表达能力，并采用FFM对FPEM输出的不同尺度特征信息进行融合，提高各层特征之间的互补能力，以获得更全面的特征图信息。在此基础上，将S-ASPP和FFM的输出进行拼接和卷积操作，得到最终的分割结果。在PASCAL VOC 2012和Cityscapes数据集上的实验结果表明，该算法的平均交并比分别达到81.13%和73.39%，相较于基准算法DeepLabv3+分别提升了2.3和2.1个百分点，充分利用了骨干网络中的每层特征信息，提升了算法的分割精度，取得了较好的分割效果。
-
计算机工程. 2023, 49(3): 271-279. https://doi.org/10.19678/j.issn.1000-3428.0064173头影标志点检测对于临床诊断、治疗计划和研究至关重要。为提高自动检测的准确性，提出一种改进的多尺度特征融合检测模型AIW-Net。采用经过预训练的轻量型网络MobileNetV2作为主干网络进行特征提取，使用上、下采样路径构成中间模块，利用改进的倒残差模块减少下采样过程中的特征损失。在解码器模块中引入从粗到细的中间监督，将得到的多个尺度热图与特征图进行融合，并在跳跃连接中使用注意力门，有效抑制特征图中的背景区域响应。在ISBI 2015 Grand Challenge提供的基准数据集Test 1上进行实验，结果表明，该模型的平均径向误差为1.14 mm，在临床可接受的误差范围2 mm与2.5 mm内的成功检测率分别为86.38%与92.10%，性能优于W-Net、IW-Net等模型。
-
计算机工程. 2023, 49(3): 280-287,295. https://doi.org/10.19678/j.issn.1000-3428.0064118不同医家在辨证论治、辨证结果及用药习惯上存在差异，目前已有的知识图谱只对辨证论治知识进行关联与表达，不能直观地体现辨证论治差异。以6位医家的不孕症知识图谱为基础，通过引入“医家”与“关联强度”两种关系属性，构建一个整合多位医家辨证论治知识并直观体现差异性的知识图谱。在PageRank算法对不孕症数据进行预处理的基础上，通过对辨证论治过程自定义逻辑规则，利用概率软逻辑推理关联强度。建立基于关系图注意力网络的知识融合模型，考虑关系对实体含义表达的影响，通过关系图注意力网络层加权传播与聚合邻居实体信息，得到更丰富的实体向量表示从而实现不孕症知识融合。实验结果表明，该模型具有较好的融合能力，在朱南孙-钱伯煊数据集上Hit@1、Hit@10、Hit@30、MeanRank均取得较好结果，分别达到45.63%、60.85%、91.55%、0.564。通过构建体现辨证论治差异的不孕症知识图谱，可以系统地建立多位医家辨证论治知识之间的关联，对中医个性化知识的传承与发展具有重要意义。
-
计算机工程. 2023, 49(3): 288-295. https://doi.org/10.19678/j.issn.1000-3428.0063895分子动力学模拟通常用于晶体硅热力学性质的研究，因原子间采用复杂的多体作用势，分子模拟通常面临较高的计算负载，导致计算的时间和空间尺度受限。图形处理器（GPU）采用并行多线程技术，用于计算密集型处理任务，在分子动力学模拟领域中显示巨大的应用潜力。因此，充分利用GPU硬件架构特性提升固态共价晶体硅分子动力学模拟的时空尺度对晶体硅导热机制的研究具有重要意义。基于固态共价晶体硅分子动力学模拟算法，提出面向GPU计算平台的固定邻居算法设计与优化。利用数据结构、分支结构优化等方法解决分子动力学模拟的固定邻居算法全局访存和分支结构的耗时问题，降低数据访存消耗和分支冲突，通过改变线程并行调度方式，在GPU计算平台上实现高性能并行计算，有效解决计算负载问题。实验结果表明，LAMMPS双精度固态晶体硅分子动力学模拟与双精度固定邻居算法的加速比为11.62，HOOMD-blue双精度固态晶体硅分子动力学模拟与双精度固定邻居算法和单精度固定邻居算法的加速比分别为9.39和12.18。
-
计算机工程. 2023, 49(3): 296-303,311. https://doi.org/10.19678/j.issn.1000-3428.0063878头部姿态估计在人机交互、辅助驾驶等应用中起重要作用，但因受到光照变化、部分遮挡、不同面部外观差异等因素的影响，导致头部姿态估计的准确率不高。提出一种基于遮挡和几何感知模型的头部姿态估计方法，在预处理阶段采用多任务卷积神经网络进行人脸检测，减小背景环境的干扰，并进行图像增强操作以减小光照变化带来的影响。设计面部遮挡感知网络感知人脸的遮挡区域，从而提取信息量丰富的未遮挡面部特征。为充分利用面部的几何信息，采用堆叠胶囊自编码器对人脸各部分的姿态和位置进行编码，得到面部各部分间的几何关系。实验结果表明，该方法在AFLW2000数据集和BIWI数据集上的平均绝对误差分别为3.91和3.55，能有效提高头部姿态估计准确率，在复杂环境下的鲁棒性较好。
-
计算机工程. 2023, 49(3): 304-311. https://doi.org/10.19678/j.issn.1000-3428.0064014语法错误检测是自然语言处理领域的一项基本任务，其目标是自动识别文本中存在的错别字、语法及语序错误等。与其他语言相比，中文语法灵活多变且缺乏时态、语态等标志性信息，因此，文本的局部信息对于中文语法错误检测具有重要作用。传统的机器学习方法难以检测文本中存在的语法错误，而现有深度学习方法在纠错过程中不能充分利用文本的局部信息，导致语法错误检测效果不佳。建立一种融合ELECTRA和文本局部信息的中文语法错误检测模型ELECTRA-GCNN-CRF。将语法错误检测视为序列标注任务，使用ELECTRA预训练语言模型对文本进行表征。采用卷积神经网络提取文本的局部位置和语义信息，并引入残差门控机制，降低无效信息带来的影响。通过CRF模型学习标签间的内在关联关系，输出符合标注规则的语法错误标签序列。在NLPTEA中文语法错误检测数据集上的实验结果表明，ELECTRA-GCNN-CRF在检测层、识别层和定位层上的F1值较对比基线模型分别平均提高了0.94、3.74和5.03个百分点，该模型能够有效提升语法错误检测效果。
-
计算机工程. 2023, 49(3): 312-320. https://doi.org/10.19678/j.issn.1000-3428.0063769低照度的夜间路况复杂，现有夜间车辆识别相关研究较少，且存在识别方法实时性不高、过多占用硬件资源等不足。针对夜间场景车辆识别干扰因素较多、检测效果不佳的问题，提出一种基于YOLOv4的Dim env-YOLO车辆目标检测算法。利用MobileNetV3网络替换原始YOLOv4中的主干网络，以减少模型参数量。在改进的YOLOv4模型上使用图像暗光增强方法，提高车辆目标在昏暗环境中的可识别性。在此基础上，引入注意力机制加强特征信息选择，同时利用深度可分离卷积降低网络计算量。选取北京部分道路的夜间场景图片自制数据集并进行实验验证，结果表明，在存在高斯噪声、模糊扰动、雨雾夜晚等情况下，Dim env-YOLO算法的测试结果较稳定，对于照度低于30 lx的昏暗条件下的车流，其检测mAP值达到90.49%，对于最常见的轿车类别，mAP值达到96%以上，优于Faster-RCNN、YOLOv3、YOLOv4等网络模型在昏暗光照条件下的检测效果。
2024
第50卷 第9期
第50卷 第9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