2025年, 第51卷, 第12期 刊出日期：2025-12-15
-
全选|
-
-
计算机工程. 2025, 51(12): 1-17. https://doi.org/10.19678/j.issn.1000-3428.0253230
近年来, 以GPT、LLaMA、Qwen、DeepSeek等为代表的大模型在自然语言处理、计算机视觉及多模态等领域取得了突破性进展。然而, 受限于其推理机制、参数规模和固有的训练数据知识等因素, 这些模型在处理复杂任务、解答专业领域问题及生成时效性内容时, 常出现答案不准确乃至事实性偏差幻觉等问题, 严重制约了其在高可靠性场景中的应用。为突破上述能力瓶颈, 工具学习范式应运而生并迅速成为研究热点, 其核心旨在使大模型理解并使用外部工具以完成特定任务。通过调用数据库、搜索引擎、数学工具等外部工具, 大模型能够超越自身参数化知识, 提升其推理、决策和执行能力, 缓解幻觉问题。本文系统综述了大模型工具学习的发展脉络与技术进展, 剖析了工具对大模型能力的扩展, 梳理了从上下文学习到微调训练的工具调用机制, 进而探讨了工具调用性能优化、自适应工具生成等关键问题, 分析了大模型工具调用的测评方法, 最后总结了当前工具学习面临的挑战并对大模型工具学习未来发展方向进行展望。
-
计算机工程. 2025, 51(12): 18-30. https://doi.org/10.19678/j.issn.1000-3428.0252468
在网络空间安全威胁持续加剧的当下, 加密流量攻击的隐蔽性与零日漏洞利用的突发性, 致使传统入侵检测系统在动态网络环境中检测效能显著衰减。本文首先系统构建面向加密流量的增量式入侵检测技术分析框架, 从技术协同视角出发, 详细阐释各关键技术在增量式入侵检测中的协同逻辑与关联机制; 随后聚焦当前研究前沿, 分别从加密流量数据约简、加密恶意流量识别、未知加密恶意流量检测以及入侵检测模型的增量更新等4个关键技术领域展开深度研究和探索, 并对比分析各类方法的优缺点; 最后阐述面向加密流量的增量式入侵检测研究的未来发展趋势和面临的挑战。
-
计算机工程. 2025, 51(12): 31-42. https://doi.org/10.19678/j.issn.1000-3428.0070516
基于卷积神经网络的目标检测算法已经在合成孔径雷达(SAR)图像的海上船舶检测中取得了显著进展, 但在近岸场景中, 海岸线、建筑物和其他背景干扰物的强散射信号仍然对船舶的检测精度造成了挑战。针对以上问题, 提出一种基于双分支网络的SAR图像船舶检测方法, 利用时序SAR图像提取的伪背景信息作为一个分支, 联合船舶目标图像的分支, 输入主干网络并行计算特征, 利用双分支的融合特征增强模型对船舶目标的检测能力。同时, 引入特征增强模块(FEM), 通过注意力机制和特征融合对齐模块(FFAM)对特征图进行增强和优化, 增强浅层特征中的语义信息并实现层级特征之间更精细化的融合。在此基础上, 双分支特征融合策略采用动态门控模块(DGM), 联合双分支特征生成动态门控权重, 自适应地调整双分支特征的融合比例, 从而加强对目标特征的关注。在时序SAR影像船舶数据集上的实验结果表明, 与YOLOv11、YOLOv8等主流的旋转框检测方法相比, 所提方法达到了最高的精确率和平均精确率(AP), 尤其在目标密集的近岸场景中达到较高召回率的同时保持较高的精确率, 能够更精确地检测到停靠在海岸线的船舶目标。
-
计算机工程. 2025, 51(12): 43-55. https://doi.org/10.19678/j.issn.1000-3428.0252059
知识图谱作为人工智能领域的关键数据组织形式, 在大数据与大模型蓬勃发展的当下, 被广泛应用于众多领域。随着知识图谱规模不断扩大, 现有存储结构暴露出数据导入速度慢、存储空间占用大等问题。为此, 提出一种关系型+键值对的混合存储方案, 并设计基于属性频率的实体聚类算法。该方案借助基于属性频率的实体聚类算法, 对不同属性频率的实体簇进行分类。对于高频属性, 利用关系型数据库存储, 发挥其查询效率高的优势; 对于稀有属性, 采用键值对形式存储, 以展现键值对存储在处理稀疏数据时的灵活性。这种设计有效规避了关系型存储面对稀疏数据时产生大量空值的弊端, 减少了键值对存储中键的重复存储问题, 在确保数据灵活性的同时显著提升了存储效率。在合成数据集和真实数据集上的实验结果显示, 与现有方案相比, 该方案在真实数据集上存储空间节省50%以上, 数据导入速度提升1个数量级, 且查询效率保持不变。这充分说明了该方案有效地解决了大规模知识图谱的存储难题, 为知识图谱在各个领域的广泛应用提供了有力的存储支持, 具有重要的理论意义和实际应用价值。
-
计算机工程. 2025, 51(12): 56-67. https://doi.org/10.19678/j.issn.1000-3428.0070658
连续学习是一种能在连续的数据流中训练模型的深度学习范式, 适合日益开放复杂的智能应用场景。连续学习最大的挑战是"灾难性遗忘", 即模型在学习新知识后会遗忘过去学习的知识。现有的连续学习忽视了不确定性对模型训练的影响, 且大多数方法都聚焦于连续学习后续阶段的改进, 对模型初始阶段研究较少。提出一种基于不确定性校正的可信连续学习方法, 通过在初始阶段约束模型输出的不确定性来弥补模型参数漂移带来的分类误差, 从而缓解"灾难性遗忘"。该方法可以与其他连续学习方法相结合并形成改进模型, 具有较强的通用性。对3种经典的连续学习方法进行改进, 实验结果表明所提方法均能有效提高原始模型的性能, 在2个数据集上平均分类准确率(ACA)提升1.2~19.1百分点。除此之外, 引入期望校准误差(ECE)评判连续学习模型的可靠性, 对比原始模型, 基于所提方法的改进模型具有更低的ECE, 这证明基于该方法的改进模型更加可信。
-
计算机工程. 2025, 51(12): 68-81. https://doi.org/10.19678/j.issn.1000-3428.0069639
在大数据领域，逻辑回归是一种广泛用于预测事件发生概率的模型。针对两个用户参与且数据呈水平分布的场景，基于CKKS(Cheon-Kim-Kim-Song)加密方案，设计一种逻辑回归模型训练方案。该方案通过二次逼近的牛顿法取代梯度下降法，减少训练过程的迭代轮数；采用共轭梯度法求解牛顿法更新方向，避免由Hessian矩阵求逆导致的密文除法运算；并利用两方交互的形式，引入少量交互，避免密文域求逆操作，减少密文域计算开销；同时使用一种新的编码方式降低了密文乘法的次数和通信开销。实验结果表明，采用牛顿法后，对于大部分数据集，迭代轮数设置在3轮以内即可达到与现有隐私保护方案5~7轮相当的精度，且可在特征维数较大的数据集上高效运算，例如，对于60和112维的样本数据集，现有类似方案分别需90和165 s完成5轮迭代，该方案仅需8和27 s，且通信损耗减少为原有方案的一半，仅需30.8和62.7 Mb即可完成训练，可以满足特定场景的需求。
-
计算机工程. 2025, 51(12): 82-95. https://doi.org/10.19678/j.issn.1000-3428.0069632
图聚类作为图挖掘领域的关键研究方向，旨在从图数据中发现具有相似性的子结构或节点群体，将它们划分到同一簇。多视图图聚类算法通过综合图数据的多个视图，充分利用底层信息以提升聚类质量。近年来，图对比学习的改进推动了基于深度图学习的多视图图聚类的迅速发展。然而，现有的图对比学习难以提高节点表示的识别性。针对上述问题，提出一种基于双重对比学习和硬样本挖掘的多视图图聚类方法。首先，通过图滤波器平滑节点表示以减轻噪声节点带来的影响；然后，设计节点紧凑性对比学习和节点一致性对比学习，以提高同一聚类内节点表示的紧凑性和不同视图间节点表示的一致性；最后，考虑到基于图对比学习的多视图图聚类存在假阴性问题，提出基于聚类引导的硬样本挖掘策略，以提高多视图图聚类效果。在ACM、DBLP和IMDB 3个真实世界数据集上进行实验，结果表明，该方法分别取得了94.49%、93.22%和57.51%的准确率，均高于8种对比基线方法。
-
计算机工程. 2025, 51(12): 96-108. https://doi.org/10.19678/j.issn.1000-3428.0069871
孪生跟踪网络是主流的目标跟踪框架之一，其包括骨干网络、融合网络和定位网络3个模块。对于融合网络模块，Transformer是较新且有效的融合网络实现方法。Transformer的编码器和解码器中使用自注意力机制对卷积神经网络(CNN)特征进行增强。然而，自注意力机制仅能从空间维度进行特征增强，未考虑从通道维度进行特征增强。为了使得Transformer的自注意力网络同时对特征的空间维度和通道维度进行增强，为目标定位网络提供准确的相关性信息，提出一种基于双维度特征增强的Transformer跟踪器，对Transformer融合网络进行改进。首先，采取骨干网络的第三和第四阶段特征作为输入；然后，在Transformer编码器与解码器的自注意力模块中，通过CAE-Net网络进行通道维度的特征增强，用于增强通道上的重要性，通过SAE-Net网络实现两阶段特征的加权融合与线性变换，获取自注意力因子Q、K和V；最后，通过自注意力运算实现空间维度特征增强。在5个主流的公开基准数据集上进行实验，结果表明，改进后的Transformer特征融合模块可以用极小的速度代价提升跟踪器的跟踪性能。
-
计算机工程. 2025, 51(12): 109-118. https://doi.org/10.19678/j.issn.1000-3428.0069701
长期时序预测旨在辅助决策者进行长期规划与战略制定，然而现有预测模型在进行长期时序预测任务时忽视了经独立变量通道的特征提取的重要性，且未能有效融合多尺度时频信息进行深层特征提取。针对上述问题，提出一种多尺度时频融合与稀疏网络的长期时序预测模型WDNet。首先，通过重塑嵌入模块将一维时序数据分块后转换为二维时序图，并经过连续小波变换得到时频信息图，对时频信息图进行不规则稀疏卷积操作以获取融合的时频特征；然后，与时序数据的原有模式融合后，在集成了多层特定卷积的模块中，经独立变量通道分别从块内和块间提取深层特征；最后，经全局线性和局部非线性预测头合并输出最终结果。在6个真实公开数据集上的实验结果表明，WDNet模型能有效捕捉时序数据中的复杂依赖关系，并在长期时序预测任务上有较好的预测效果。
-
计算机工程. 2025, 51(12): 119-129. https://doi.org/10.19678/j.issn.1000-3428.0069641
案情要素识别旨在根据案情描述文本识别该案件涉及的重要情节及事实。现有工作针对任务案情要素之间存在标签关系的问题，采用融合标签信息的多标签文本分类方法和基于反绎学习(ABL)的方法予以解决，但前者存在监督信息不足导致模型学习不充分的问题，后者存在先验知识的局限性，并且标签关系为某些案情要素提供的监督信息，较为片面。为此，提出融合标签关系与法条逻辑的案情要素识别方法。该方法从数据样本和领域知识两个来源出发，分别挖掘和利用标签关系和法条逻辑两类外部知识，为识别过程提供约束和引导信息，使模型能更加准确地提取案情描述文本语义特征，从而提升识别结果性能。具体来说，该方法首先利用基于Transformer的双向编码器表示(BERT)作为编码器，提取案情描述文本表征得到上下文编码，再通过全连接(FC)层得到原始预测结果；然后设计标签关系增强网络(LRE-Net)学习和利用案情要素之间的标签关系，对原始预测结果进行修正和增强，以突破标签关系作为先验知识的局限性；最后引入一阶逻辑对法条逻辑进行形式化表达，并根据一种一阶逻辑表达到连续数值计算的映射关系，构建了法条逻辑约束下的损失函数，为模型提供额外的监督信息。实验结果表明，在标签关系与法条逻辑的共同约束与相互增益下，该方法在F1值上相较于基线模型提升了2.41百分点，相较于最优对比模型提升了1.21百分点。
-
计算机工程. 2025, 51(12): 130-139. https://doi.org/10.19678/j.issn.1000-3428.0069819
针对现有个性化服装序列推荐方法中用户偏好动态变化、用户意图难以度量以及用户需求与服装交互序列间存在空间异构性的问题, 提出一种融合偏好学习和意图建模的个性化服装序列推荐方法。首先对输入的用户-服装交互序列进行偏好提取, 得到用户-服装的长期偏好、短期偏好及主观偏好; 其次构建偏好学习模块, 自动度量偏好权重, 得到动态偏好; 然后引入知识库和注意力机制, 通过定义交互意图集, 对当前用户的主观偏好进行意图建模, 得到意图偏好; 最后定义统一偏好空间, 对动态偏好和意图偏好进行偏好融合, 输出最终用户-服装的总体偏好并将其用于个性化服装序列推荐。在公开数据集iFashion与Amazon上的实验结果表明, 所提方法的召回率分别为0.699 1和0.370 3, 较对比方法平均提升了27.80%和20.53%。
-
计算机工程. 2025, 51(12): 140-150. https://doi.org/10.19678/j.issn.1000-3428.0069802
多模态实体对齐可以找到不同知识图谱中指向真实世界同一对象的实体进一步融合知识图谱。然而, 图像在多模态知识图谱中作为关键的信息载体, 其内在的噪声常常遭到忽略, 这不仅降低了实体对齐的准确性, 也影响了不同知识图谱融合的质量。因此, 提出一种基于图像置信度动态引导的实体对齐模型。该模型首先计算实体所对应的每个图像符合预设类型的置信度; 然后根据置信度动态挑选出类型一致且置信度最高的图像特征, 并利用这些特征进行相似度计算, 从而得到图像置信度引导的实体对齐相似度矩阵; 最后使用晚期融合策略将其与文本引导的实体对齐相似度矩阵相结合, 使之能够有效地处理多模态实体对齐任务。在两个常用的多模态数据集上的实验结果表明, 该模型在性能上超越了现有的多种基线模型, 能够较好地实现多模态实体对齐。
-
计算机工程. 2025, 51(12): 151-160. https://doi.org/10.19678/j.issn.1000-3428.0069736
研究具有全状态约束的不确定非线性系统的预设性能优化跟踪控制问题, 提出由自适应控制与最优补偿相结合的控制方案。首先, 利用基于障碍函数的非线性映射技术, 将受约束的状态和跟踪误差映射为非约束变量, 从而将全状态受约束问题和预设性能跟踪优化问题转化成非约束变量的收敛性问题; 其次, 构造与非约束变量相关的误差系统, 采用反步法和滤波技术设计自适应控制器, 并通过最小化成本函数的策略迭代得到最优补偿控制器; 然后, 利用李雅普诺夫稳定性理论证明了闭环误差系统的半全局一致最终有界性; 最后, 通过理论分析和数值仿真, 验证了提出的控制方案不仅能保证系统输出以良好的暂稳态性能在预设时间内实现对参考信号的跟踪, 而且可以保障系统状态始终不违反约束。
-
计算机工程. 2025, 51(12): 161-170. https://doi.org/10.19678/j.issn.1000-3428.0069553
频率估计是信号处理中的关键技术。当信号频率接近快速傅里叶变换(FFT)的离散频点时, I-Rife算法的频率估计误差较大。针对该问题, 提出基于插值修正的I-Rife频率估计算法。首先, 利用I-Rife算法插值的2条谱线判断频率修正方向, 在该修正方向上进行单点插值, 并将I-Rife算法中最大谱线和次大谱线之间的区域划分为3个小区域。然后, 通过比较该单点插值和I-Rife算法中2条谱线的幅值判断信号频率位于哪个小区域, 并计算更精确的频移因子。最后, 利用Rife算法计算出修正后的频率估计值。通过理论分析可知, 所提算法使信号频率始终接近相邻离散频点的中心区域, 克服了现有I-Rife算法当信号频率接近离散频点时估计误差大的问题, 从而提高了频率估计精度。仿真结果表明, 所提算法在低信噪比(SNR)并且信号频率接近离散频点时的频率估计精度高于I-Rife算法, 且误差更接近克拉美罗下界(CRLB)。而且, 所提算法比现有算法具有更好的稳定性。
-
计算机工程. 2025, 51(12): 171-179. https://doi.org/10.19678/j.issn.1000-3428.0069881
特征选择本质上是一个多模态多目标优化问题, 然而, 多模态多目标优化算法在直接应用于特征选择时, 常常面临冗余特征过多和算法收敛困难等问题。为此, 提出一种决策空间多样性增强的两阶段多模态多目标粒子群优化特征选择(TSMMOPSO-FS)算法。在第一阶段, 提出一种融合互信息的逐层学习领导粒子选择策略。该策略在保持算法收敛性和分类精度的同时, 能够有效地剔除冗余特征。在第二阶段, 引入一种基于距离多样性和特征频率的粒子速度奖惩机制以提高决策空间的多样性。该机制通过对全体粒子速度进行自适应调整, 使粒子能够更广泛地探索不同的解空间, 提高搜索等价特征子集的能力, 避免陷入局部最优。在8个不同规模的UCI数据集上和5种多模态多目标优化算法进行对比实验, 实验结果表明, 该算法不仅表现出更优秀的收敛性和多样性, 在不损失分类正确率的同时也搜索到了更多的等价特征子集。
-
计算机工程. 2025, 51(12): 180-188. https://doi.org/10.19678/j.issn.1000-3428.0069650
图在社交网络、通信网络等领域有着广泛应用，而且随着图规模日益增长，分布式图处理系统成为处理、分析大规模图数据的主要手段。图划分算法是此类系统的基础。目前提出的图划分算法通常假定顶点和边无属性，在对属性图进行划分时，易出现负载不均衡的问题。为此，将负载均衡分为图规模均衡和存储容量均衡，将属性图划分问题建模为一个带约束的单目标优化问题，进而提出一种基于标签传播和沙丘猫群优化(SCSO)的属性图划分算法LSPGP。该算法首先利用标签传播算法(LPA)将图进行均匀划分，使划分结果达到图规模和存储容量上的负载均衡；然后改进SCSO算法，使其能够求解组合优化问题，并基于改进的SCSO算法求解最优顶点迁移策略，以优化分区质量，在负载均衡的基础上达到最小化割边率的目标。实验结果显示，相较于基线算法，所提算法在存储容量负载均衡率(VLF)上最多降低了33百分点，同时在割边率和图规模负载均衡率(SLF)方面与基线算法的差距均保持在9百分点以内。此外，该算法在真实属性图结构上也展现出了良好的可扩展性。
-
计算机工程. 2025, 51(12): 189-201. https://doi.org/10.19678/j.issn.1000-3428.0069804
数据隐私保护已成为社会关注的焦点，各国和地区正在陆续制定相关的法律法规，但是由于App产品发布的隐私政策存在篇幅长、专业性强等问题，利用自动化手段检测隐私政策的合规性成为亟待解决的技术难题。作为主流解决方法的机器学习模型需要标签注释的数据集进行支撑，而国内目前缺少这样的App隐私政策数据集。在分析欧盟《通用数据保护条例》(GDPR)合规性分析相关工作的基础上，设计适合我国《个人信息保护法》的标签方案，具体包括15个要求标签，然后使用网络爬虫获取10个类别、363个App的中文隐私政策，并对这些隐私政策进行语句级划分和标注，构建包括104 134个隐私政策语句及标签组成的中文隐私政策语料库。采用百度最新开源的预训练语言模型ERNIE对语料库进行训练与测试，实验结果表明，该方案检测准确率达到85.75%。
-
计算机工程. 2025, 51(12): 202-209. https://doi.org/10.19678/j.issn.1000-3428.0068685
基于群智感知技术, 可以方便地从大量的感知设备中收集传感数据。然而, 由于存在设备精度、背景噪声等问题, 群智感知任务参与者的感知结果通常是不可靠的。真值发现技术可以通过评估参与者的可信度, 从不可靠的数据中提取更为真实可靠的感知结果。但是现有的真值发现方法无法为参与者提供充分的数据隐私保障, 存在隐私泄露风险, 或者未考虑实际场景中可能存在的长尾效应问题, 数据效用有待提高。针对上述问题, 提出一种面向长尾数据隐私保护的真值发现方法, 该方法仅在初始化阶段要求参与者进行一定的运算操作, 而不要求参与者在协议执行过程中保持在线。同时, 该方法采用姚氏混淆电路技术作为隐私保护手段, 全程在密文下由计算服务器完成真值发现, 不会暴露任何输入数据和中间计算结果。此外, 通过对真值发现过程的基础运算操作进行离线预计算, 进一步提升其在线执行效率。理论和实验分析表明, 该方法可以在保障数据效用的同时为每个参与者提供充足的隐私保障。
-
计算机工程. 2025, 51(12): 210-220. https://doi.org/10.19678/j.issn.1000-3428.0069214
随着全球卫星网络的发展与覆盖, 卫星网络攻击的影响逐渐扩大, 开展卫星网络攻击或异常行为检测研究, 对保障空天地一体化网络安全至关重要。针对联邦学习(FL)在卫星网络分布式异常检测中存在通信连接不稳定、聚合时间过长的问题, 提出一种基于层次FL与改进动态半异步聚合算法的卫星网络异常检测方法。首先, 融合层次FL进行分布式异常检测模型训练与分层聚合, 提出一种3层架构的空天地协同异常检测框架, 将高空通信平台站(HAPS)作为边缘计算层用于局部聚合, 解决星地通信范围有限的问题; 然后, 针对FL在卫星网络中存在的通信连接不稳定、聚合时间过长的问题, 提出并实现一种改进动态半异步联邦聚合算法, 结合卫星状态信息构造改进聚合时机序列和动态权重, 缓解由于星地通信间歇性而导致的聚合时间过长、模型精度受影响的问题。在STIN和CIC-IDS-2017数据集上的对比实验结果表明, 该方法在保证良好的异常检测模型性能的同时, 有效提高了卫星网络分布式异常检测中的FL聚合效率。
-
计算机工程. 2025, 51(12): 221-231. https://doi.org/10.19678/j.issn.1000-3428.0069318
分布式随机数在多个领域发挥着不可或缺的作用, 然而当前存在的一些分布式随机数协议仍存在优化的空间。区块链作为一种可信的分布式账本, 拥有可计算性、公开透明性和高度自治性的特性。提出一种基于区块链的公开可验证秘密分享(PVSS)方案, 实现秘密份额在区块链上的分发、验证和重构。相较于传统的PVSS方案, 该方案能够实现秘密份额的自动化验证。在此基础上, 提出一种分布式随机数协议, 并以一种流水线的形式对协议进行实现。对该协议进行性质分析和性能测试, 结果表明, 相比于单线程协议, 使用流水线形式的协议能够提升效率。该协议使参与者能够高效地生成具有抗偏向性、不可预测性、公开可验证性等特性的分布式随机数, 可以应用于电子彩票、车牌摇号、权益证明共识算法等场景。
-
计算机工程. 2025, 51(12): 232-243. https://doi.org/10.19678/j.issn.1000-3428.0252241
在计算机安全领域, 恶意代码防护一直是重要的研究课题。随着计算机技术的快速发展, 恶意代码的种类和形式不断演变, 传统特征工程方法在处理复杂恶意样本时特征维度单一, 致使表征能力不足, 无法精准识别各类恶意代码。其他基于特征融合的恶意代码分类方法在特征提取过程中依赖专家经验进行手工特征设计, 而多模态深度学习模型可解释性不足, 计算开销大。针对上述问题, 提出一种新的特征融合方法, 该方法应用于Windows PE文件的恶意代码分类, 通过整合行为特征、结构特征及纹理特征, 并采用LightGBM作为分类器完成对恶意代码的分类。实验结果表明, 该方法在Microsoft恶意软件分类挑战赛数据集上的测试准确率为99.90%, 对数损失为0.005 7, 在Bazaar数据集上的测试准确率为98.97%, 对数损失为0.042 0。所提方法能够全面、准确地表征恶意代码, 其通过融合多维特征, 为恶意代码检测提供了一种有效的解决方案, 具有重要的理论意义和实际的应用价值。
-
计算机工程. 2025, 51(12): 244-254. https://doi.org/10.19678/j.issn.1000-3428.0069929
随着物联网(IoT)和无线技术的迅猛发展, 车辆面临着前所未有的计算资源需求挑战。为了应对这些挑战, 研究车辆边缘计算(VEC)场景中的任务卸载问题, 提出一种基于隐式分位数网络(IQN)的动态任务卸载策略。首先, 对VEC系统进行建模, 将任务卸载决策问题构建为一个马尔可夫决策过程(MDP); 然后, 引入一种融合时间优先和噪声增强策略的双分位数强化学习算法, 以实现更加精准的任务卸载。该算法利用IQN对值函数的完整概率分布进行估计, 进而实现对回报分布的连续参数化估计, 有效提升预测和决策的准确性。同时, 算法整合了时序优先经验回放机制和噪声网络, 前者优先重放对学习更有价值的经验, 后者通过引入随机性增强了探索效率。实验结果表明, 与传统算法相比, 该算法能够显著降低整体任务的完成时延, 同时提升任务卸载决策的准确性和系统资源的利用率。研究表明, 通过引入IQN和双分位数强化学习算法, 可以在动态且复杂的车联网(IoV)环境中实现高效的任务卸载。
-
计算机工程. 2025, 51(12): 255-267. https://doi.org/10.19678/j.issn.1000-3428.0069877
在无蜂窝网络环境下实施联邦学习(FL)时, 用户调度和资源分配策略对优化系统时间开销、提升用户可达速率以及加速FL收敛速率至关重要。为解决资源分配不均的问题, 设计一种联合用户调度、CPU处理频率和功率分配的优化方案。通过最大化系统的最小用户速率来实现资源的公平分配, 并提升FL性能。联合优化问题被分解为用户调度和功率分配两个子问题。在用户调度方面, 设计基于k-means聚类的贪婪调度算法, 以综合评估用户的信道状态和数据"价值", 并将用户划分为不同的群组。随后, 针对每个群组的资源占用情况, 为组内用户制定个性化的CPU处理频率分配方案。最后, 通过在各群组中独立执行用户调度, 实现高效且精准的用户选择, 并通过提前分组有效降低用户选择的复杂度。在功率分配方面, 引入基于二分法的功率分配算法(BM-PA)。该算法不仅考虑了用户间的公平性, 还针对资源受限用户进行了优先处理, 以确保其能够获得更优质的资源分配。BM-PA算法通过低复杂度的迭代优化过程, 实现了功率分配的快速收敛, 并在保证系统性能的同时, 显著提升了资源的利用效率。合理的用户调度策略是功率分配子问题获得最优解的基础, 采用交替迭代的方法允许在每个子问题中独立进行优化, 同时考虑到另一个子问题的解。这种相互依赖的关系通过多轮迭代优化过程, 确保功率资源被合理地分配给那些最需要或最有可能有效利用它们的用户, 从而使系统整体性能得到提升, 实现联合优化求解, 显著提升系统整体性能。仿真实验结果表明, 与基准算法相比, 所提算法在下行可达速率方面, 最佳平均提升幅度高达103.34%, 在上行可达速率方面, 最佳提升幅度达到102.78%。此外, 相较于基准算法还能平均节省67.44%的FL任务训练时间, 特别是在FL学习模型精度达到90%时, 所提算法的时间开销最小。
-
计算机工程. 2025, 51(12): 268-276. https://doi.org/10.19678/j.issn.1000-3428.0069300
在时间敏感物联网(IoT)系统信息新鲜度优化的调度方案设计中, 现有研究假设传感器和信息接收终端的通信链路完全可靠, 这与实际通信链路符合程度较低。考虑一个典型的无线供电通信网络(WPCN), 根据周围环境的状态更新信息以伯努利过程随机到达传感器并进行排队, 无线供电基站(WPS)通过广播射频信号对传感器电池供电。在考虑到射频信号给传感器电池充电的情况下, 首先推导短包通信(SPC)数据包传输成功概率, 其次建立两种排队规则下信息年龄(AoI)演进表达式, 并构建系统期望加权和信息年龄(EWSAoI)最小优化问题, 最后综合考虑数据包的随机到达、数据包在传感器处的排队规则和不可靠信道条件, 设计平稳随机调度策略和最大权重调度策略来优化系统加权和信息年龄。仿真结果证明, 单数据包队列最大权重调度策略的优化性能最接近理论下界。此外, 由于传感器和移动边缘服务器(MES)间的通信链路为时变不可靠信道, 短包通信的包传输成功概率对调度决策有较大影响, 因此通过仿真研究了短包通信编码相关参数和无线供电基站能量信号功率对系统加权和信息年龄的影响。
-
计算机工程. 2025, 51(12): 277-284. https://doi.org/10.19678/j.issn.1000-3428.0252288
在图像篡改定位(IML)领域, 现有数据集数量少、质量差, 难以支撑模型的泛化与鲁棒性。为此, 提出篡改掩膜生成(MMM)框架, 引入超分辨率模块以缓解原始图像与篡改图像清晰度差异带来的噪声问题, 并通过特征嵌入拼接与上下文建模生成高质量掩膜。基于MMM框架, 构建包含11 069对原始图像、篡改图像及掩膜的篡改掩膜生成数据集(MMMD), 其中涵盖复制移动、拼接、深度伪造(Deepfake)、图像修复和风格迁移等多种篡改方式。在CASIAv2、NIST16和IMD2020数据集上的实验结果表明, MMM框架取得了较好性能, 并在多种模型中展现出优良的泛化能力。进一步地, 使用MMMD预训练的MVSS-Net和IML-ViT在多个数据集上的F1值显著高于在传统数据集上预训练的模型, 凸显了MMMD在推动图像取证与篡改检测研究中的价值。
-
计算机工程. 2025, 51(12): 285-293. https://doi.org/10.19678/j.issn.1000-3428.0069393
针对当前智慧化城市建设中安防检测技术对检测精度和检测速度的要求, 提出了一种基于改进YOLOv5s的轻量化车窗目标检测模型。该模型在保证精度的同时降低了计算复杂度, 能够部署在边缘计算平台中, 实现对车窗开闭状态的检测。首先, 在主干网络中引入FasterNet, 以减少模型的计算量和模型参数; 其次, 在特征融合阶段, 使用GSConv降低模型的复杂度, 并使用双向特征金字塔网络(BiFPN)连接特征融合网络, 以融合更多的特征信息; 最后, 使用结构化交并比(SIoU)损失函数加快收敛。实验结果表明, 改进后的算法性能在车窗数据集上相较于原算法明显得到提升, 交并比(IoU)阈值在0.5以及0.5~0.95范围内时模型的平均精度mAP@0.5和mAP@0.5:0.95分别提高了0.001和0.005, 模型的参数量大幅减少且浮点运算数(FLOPs)大幅降低, 仅为原模型的18.74%和17.09%, 推理速度提升了260%。改进后的模型部署在NVIDIA Jetson Nano平台上时有着良好的表现。
-
计算机工程. 2025, 51(12): 294-303. https://doi.org/10.19678/j.issn.1000-3428.0070027
深度学习在目标检测领域的广泛应用显著提升了对大中目标的检测能力。然而, 针对小目标检测, 由于其固有的尺度小、背景复杂等挑战, 传统的目标检测算法常常会出现漏检、误检。为了提高小目标检测的精度, 对YOLOv8模型进行研究。首先, 将主干部分的卷积模块替换为RFAConv模块, 增强了模型对于复杂图像的处理能力; 其次, 在Neck部分引入混合局部通道注意力(MLCA)机制, 能够在保持计算效率的同时, 帮助模型更高效地融合不同层次的特征; 再次, 将YOLOv8的Detect头替换为Detect_FASFF头, 以解决不同特征尺度间的一致性问题, 并增强模型对小目标的检测能力; 最后, 将完全交并比(CIoU)损失函数替换为Focaler-IoU损失函数, 使模型更关注难以精确定位的小目标。实验结果显示: 改进后的模型在小目标稀疏的FloW-Img数据集上mAP@0.5提高了4.8百分点, mAP@0.5:0.95提高了3.0百分点; 在小目标密度高的VisDrone2019数据集上, mAP@0.5提升了5.9百分点, mAP@0.5:0.95提高了4.0百分点。同时还在低空数据集AU-AIR以及行人密集检测数据集WiderPerson上做了泛化对比实验。结果表明, 优化后的模型相比较原模型在小目标检测精度上有显著提升, 且适用范围更广。
-
计算机工程. 2025, 51(12): 304-310. https://doi.org/10.19678/j.issn.1000-3428.0069544
近年来, 深度学习在医学图像处理领域的应用取得了显著进展。然而, 现有的方法大多采用图像分类的方式来辅助医生进行病理诊断, 在某些情况下可能会出现缺乏可解释性的问题。为了解决这一问题, 提出一种基于多模态特征融合的宫颈上皮内瘤变(CIN)分类模型。在这个多模态分类模型中, 患者的病理图像作为图像模态数据, 而相应的病理报告描述则作为文本模态数据。当前多模态模型在处理不同模态信息时, 大多采用简单拼接的方法组合各个模态的特征, 往往忽略了跨模态信息之间的联系。为了促进跨模态信息之间的交互, 采用一种改进的Nonlocal注意力机制, 以提高模型对数据的全面理解能力。同时, 考虑到现实中并非每张图像都有相应的病理报告, 因此在训练中采用一种文本"丢弃"的编码策略, 以确保训练好的模型在文本信息缺失时仍能够实现较高的分类准确率。实验结果表明, 该模型在CIN分类方面具有良好的性能, 相较于传统的ResNet、ConvNeXt、MobileViT等单模态方法在分类准确率方面提升了7~9百分点。
-
计算机工程. 2025, 51(12): 311-323. https://doi.org/10.19678/j.issn.1000-3428.0069963
传统的星载数据总线控制器局部网(CAN)和1553B总线难以满足日益复杂的空间探测任务需求。地面成熟的FlexRay总线以其高速率、确定性、高可靠、拓扑灵活、低成本等优势, 成为新型星载数据总线的研究热点。但FlexRay总线自主可控芯片欠缺且相关器件主要面向汽车领域, 限制了其在航天领域的部署应用。针对FlexRay总线协议复杂、星载任务可靠性要求高、受体积质量限制较大等技术难点, 提出一种自主可控的高可靠FlexRay协议IP核的设计。通过自启动设计, 解决FlexRay节点必须配备主机导致的成本、体积、质量增加问题; 提出一种特殊消息帧负载段格式和处理方式, 实现无主机节点的在轨维护; 设计一种消息过滤方法, 减少FlexRay节点不必要的消息处理开销; 分析三模冗余方法, 可有效减小单粒子翻转的影响; 设计多种错误处理方式, 有效防止异常节点干扰FlexRay网络。最后, 通过Modelsim仿真测试、硬件测试平台测试以及示波器测试, 对设计的FlexRay IP核进行功能、性能、可靠性测试, 结果表明, 该IP核与国外成熟的FlexRay芯片兼容, 支持多节点通信, 误码率小于10-12。
-
计算机工程. 2025, 51(12): 324-336. https://doi.org/10.19678/j.issn.1000-3428.0069621
无人机(UAV)近距空战环境复杂, 敌机机动高速变化, 针对该环境下六自由度无人机空战自主机动决策困难的问题, 提出一种分层框架下基于双重奖励的近端策略优化(DR-PPO)无人机自主引导算法。传统深度强化学习方法在解决六自由度无人机空战任务时, 因动作空间维度高、探索空间大, 导致算法收敛速度慢甚至难以学习到决策的问题, 设计无人机空战机动决策分层框架, 将空战任务分为决策与控制两个子问题, DR-PPO算法作为决策层生成高层决策, 通过双重奖励引导无人机更好地理解正确的空战行为, 解决空战任务中奖励稀疏难以收敛的问题; 比例积分微分(PID)算法作为控制层, 生成无人机基本控制律, 将高层决策转换并输出原始控制指令, 使DR-PPO算法更专注于无人机机动决策层面, 缩短飞行控制的探索时间, 加快算法的收敛速度。仿真结果表明, 在典型的空战实验场景中, 分层框架下的DR-PPO算法能够缩短探索时间, 避免陷入局部最优, 有效引导无人机在不同态势下自主学习机动决策并快速到达优势位置, 完成空战任务, 其收敛效果与机动决策表现均显著优于传统深度强化学习方法下的DR-PPO算法及PPO算法, 有效提高了无人机作战能力, 并通过复杂多场景测试验证该算法具有良好的泛化性。
-
计算机工程. 2025, 51(12): 337-345. https://doi.org/10.19678/j.issn.1000-3428.0069437
Kubernetes作为容器编排的主流工具, 可支持自动部署、服务发现以及负载均衡, 且具有高可用性、高效能的特点。然而, Kubernetes采用的最佳适应算法或最小负载法等调度策略忽略了节点的异构性和性能的差异性。此外, Kubernetes工具仅考虑CPU资源和内存资源且预先设置统一权重机制, 容易导致负载不均衡、性能下降以及无法满足精细化调度等问题。针对这些问题, 提出了一种基于多维度资源的异构任务调度(A-KCSS)算法, 该算法基于集群的异构计算资源, 增加磁盘输入/输出(I/O)、网络I/O负载以及GPU资源作为评价指标进行过滤和筛选, 更全面地考虑了node的异构性。此外, 引入一种基于多维度资源因素的权重计算模型, 依据待调度任务的资源需求, 计算待调度任务各维度资源因素的权重值, 结合集群node的实时资源利用率计算出每一个node的评分, 依据评分进行优先级排序, 并选择优先级最高的node进行调度。通过实验在Kubernetes集群上测试了A-KCSS算法的性能, 该算法与Kubernetes默认的调度算法以及Kubernetes容器调度(KCSS)算法相比, 平均响应时间分别减少10%和4%, 吞吐量分别提高30%和15%, 可用性分别提高40%和30%, 负载均衡性分别提高23%和18%, 集群的整体性能得到提高。
-
计算机工程. 2025, 51(12): 346-356. https://doi.org/10.19678/j.issn.1000-3428.0069765
路网交通流预测在智能交通领域起着关键性作用, 交通流不仅具有高度的空间相关性, 同时在时间特征上也存在时间相关性和周期性。现有的时空交通流量预测在时间特征提取方面更多关注交通流的局部时间特征。针对上述问题, 提出一种改进膨胀时空图卷积网络(IDTS-GCN)模型, 以改进的图卷积网络(GCN)为基础提取空间特征, 将膨胀卷积的顺序操作改为并行操作后将膨胀序列嵌入双向长短期记忆(Bi-LSTM)中提取交通流短期局部与宏观长期时间特征, 低膨胀率的序列提取短期局部时间特征, 高膨胀率的序列提取长期宏观时间特征, 在此基础上添加残差连接融合时空特征得到最终预测结果。为了验证IDTS-GCN模型的有效性, 在PeMS04和PeMS08数据集上进行测试, 结果表明, IDTS-GCN模型在两种数据集下相较STSGCN时空联合学习模型, 平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)平均下降了4.917%、3.371%、6.079%和6.291%、5.842%、4.395%。
-
计算机工程. 2025, 51(12): 357-367. https://doi.org/10.19678/j.issn.1000-3428.0069718
针对现有三维覆盖路径规划(CPP)算法存在求解效率低的问题, 提出一种基于视点采样的三维CPP算法。首先, 构建一种基于栅格降采样的视图规划模型, 将三维建筑屋顶分解至二维空间进行栅格采样提取视点, 并根据平面法向量特征信息计算视线方向, 通过组合视点和视线参数得到建筑屋顶视图数据, 有效消除视图数据的无序现象; 然后, 设计一种基于贪婪搜索的路径规划方案, 利用往复式和螺旋式覆盖路径的特点对视点访问顺序进行贪婪搜索, 并以路径长度、累计转角和高度变化作为评价指标进行优化求解, 生成建筑屋顶的最优覆盖路径, 显著提高路径搜索效率; 最后, 结合八叉树地图模型和覆盖路径信息进行冲突路径的碰撞检测, 并利用视点插值法优化冲突路径。选取平顶型、人字型、四坡型及其复合型建筑屋顶共8组数据进行CPP实验, 结果表明, 所提算法可实现理想的建筑屋顶CPP效果, 在保证覆盖路径综合评价指标最优的同时, 极大地提高了路径规划的求解效率。
-
计算机工程. 2025, 51(12): 368-380. https://doi.org/10.19678/j.issn.1000-3428.0069969
海上风电作为可再生能源的重要来源, 在近年来得到了广泛关注和迅速发展。海上风电的强随机性和波动性对传统预测方法的准确性提出了挑战。考虑到海上风力的季节性规律, 从信号分析的角度出发, 设计一种全新频域约束下的海上风电超短期功率深度预测模型。引入一个极简的框架, 结合时间序列分解、频率加权和线性模型, 并提出一种频域驱动的季节性分解方法, 构建核函数和季节性因子来对多尺度季节性进行建模。在此基础上提出一种频率加权机制来动态增强或抑制季节性频率分量。除更高效外, 该模型的空间复杂度与序列成线性比例, 并产生最少数量的参数。基于Alpha Ventus海上风场实际运行数据进行相关实验, 结果表明, 通过与最先进的预测模型进行比较, 证明了模型的有效性和出色的性能。另外进行消融实验及可视化以促进对模型的理解。
-
计算机工程. 2025, 51(12): 381-393. https://doi.org/10.19678/j.issn.1000-3428.0252199
气候变化和海洋污染导致珊瑚礁退化, 珊瑚自动检测成为海洋生态系统监测的迫切需求, 水下珊瑚检测任务中图像对比度低、珊瑚形状复杂和生长密集等问题限制了通用检测算法的性能。针对上述问题, 提出一种基于YOLO架构的软珊瑚检测模型CoralDet。首先, 设计多路径融合模块(MPFB)来捕捉多个尺度的珊瑚特征, 针对水下不均匀光照和图像模糊现象提高模型的鲁棒性, 同时通过重新参数化来提高推理效率。其次, 引入GSConv和VoV-GSCSP轻量级设计组件, 可在不牺牲性能的情况下降低计算成本。引入一种自适应幂变换(APT)标签分配策略来动态调整锚点匹配度量, 并且使用软标签和软中心区域损失以使模型专注于高质量、对齐准确的预测。最后, 在soft-coral数据集上对CoralDet进行评估, 推理延迟仅为9.52 ms, 均值平均精度(mAP@50)达到81.9%, 超过了YOLOv5的79.9%、YOLOv6的79.4%、YOLOv8的79.5%、YOLOv9的78.3%、YOLOv10的79.5%、MambaYOLO的80.1%和RT-DETR的81.6%, 并在Coral-lwptl数据集上进行了泛化实验, CoralDet在多个关键指标上均优于MambaYOLO、YOLOv8和YOLOv10等传统模型, 结果证明了CoralDet在水下珊瑚检测方面的有效性和实用性。
-
计算机工程. 2025, 51(12): 394-404. https://doi.org/10.19678/j.issn.1000-3428.0252341
航海领域现有的轨迹相似性度量方法多以传统方法为主, 计算复杂度较高, 尽管已经提出了一些基于深度学习的方法, 但存在时空联合建模不足的问题, 导致相似性度量的准确性和鲁棒性有待提升。针对上述问题, 提出MDU-Net(Marine Density U-Net)模型。该模型能够自动提取船舶轨迹的低维特征, 从而高效可靠地检索与指定目标相似的轨迹。首先, 对轨迹数据进行等时间间隔插值, 再采用核密度估计(KDE)生成融合空间与速度信息的核密度灰度图, 实现轨迹像素化。然后, 采用基于U-Net结构的神经网络进行无监督学习, 获得轨迹的低维表示。最后, 通过计算低维特征向量间的余弦距离构建相似矩阵, 量化轨迹间的相似性。实验结果表明, MDU-Net模型在评估指标上显著优于传统模型与主流深度学习模型, 与经典动态时间规整(DTW)、Hausdorff距离、卷积自编码器(CAE)模型相比, MDU-Net模型前10条轨迹命中率提升了7.691、14.741、25.191百分点, 充分验证了MDU-Net模型在船舶轨迹相似性度量任务中的优越效果。
第51卷 第12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