2026年, 第52卷, 第5期 刊出日期：2026-05-15
-
全选|
-
-
计算机工程. 2026, 52(5): 1-2. https://doi.org/10.19678/j.issn.1000-3428.0260000
-
计算机工程. 2026, 52(5): 3-42. https://doi.org/10.19678/j.issn.1000-3428.0260004
针对传统传感云(SC)在处理海量实时感知数据时面临的高时延、带宽瓶颈及隐私泄露等挑战, 边缘计算(EC)通过将计算与存储能力下沉至网络边缘, 成为提升物联网系统效能的关键。本文系统综述了传感云与边缘计算的融合技术与演进范式。首先, 解析了"云-边-端"三层协同架构的演进逻辑, 详述了基于边缘侧的数据预处理、冗余消除与协同存储机制。其次, 重点探讨了智能化资源优化技术, 对比分析了传统启发式算法与深度强化学习(DRL)在动态任务卸载及跨层资源调度中的性能表现。随后, 深入剖析了联邦学习(FL)与边缘智能(EI)在隐私保护与自主决策中的应用, 探讨了分层模型聚合、模型轻量化压缩及基于知识蒸馏的协作推理机制。此外, 本文结合系统工程实践, 阐述了利用Kubernetes容器编排与Kafka消息中间件构建高效、可扩展边缘协作系统的实现路径。最后, 归纳了异构资源管理、网络动态性等共性挑战, 展望了系统向绿色化、语义通信及通感算一体化发展的趋势, 为构建新一代高效物联网感知体系提供了理论参考与工程指导。
-
计算机工程. 2026, 52(5): 43-59. https://doi.org/10.19678/j.issn.1000-3428.0252172
在土木工程领域, 借助机器视觉技术对采集的混凝土产品图像进行识别, 可快速、准确且无损地评估混凝土性能, 对于工程应用具有重大意义。当前, 传统人工检测方法效率低、主观性强, 而现有图像识别技术面临光照不均、背景噪声干扰、裂缝形态多样、动态图像分界模糊等挑战, 亟需构建适应复杂工程场景的智能化解决方案。通过系统梳理有关文献, 聚焦两种状态混凝土评估, 即静态硬化混凝土裂缝与外观缺陷识别、动态新拌混凝土流动性能评估。首先, 从传统数字图像技术角度和神经网络角度分别综述现有研究在不同场景和拍摄主体下对于裂缝识别、外观质量判别、流动性评估的研究进展; 然后, 总结对比现有处理流程中预处理、图像分割、特征提取等步骤中不同算法的优劣与应用场景; 最后, 通过对比分析提出一套推荐的混凝土产品外观质量和流动性判断的图像识别处理流程和解决方案, 为结构混凝土性能的智能识别与评估提供算法思路, 以促进视觉技术在土木工程领域的应用。
-
计算机工程. 2026, 52(5): 60-80. https://doi.org/10.19678/j.issn.1000-3428.0070287
实现及时有效的虚假信息检测有助于遏止虚假信息传播, 降低社会危害。目前已有大量深度学习方法被用于虚假信息检测, 总结现有研究的检测原理和检测范式对于明确技术优化方向至关重要。因此, 结合虚假信息检测的原理和实现路径对现有研究进行全面综述, 并首次对大语言模型在该领域的应用进行总结对比。首先, 介绍虚假信息检测任务的相关概念, 并汇总分析常用虚假信息检测数据集的数据结构; 然后, 根据检测原理和实现方式, 分别介绍如何通过语义特征表示、辅助任务设计、内部知识推断和事实核查来检测文本和多模态虚假信息, 将其细化为10个子类别, 并总结分析各个子类别检测方法的潜在特性; 最后, 对基于深度神经网络和大语言模型的虚假信息检测范式进行总结, 对比两种检测范式的代表性方法在7个虚假信息检测数据集中的检测性能, 并归纳大语言模型检测虚假信息的优势和局限性, 展望大语言模型给虚假信息检测领域带来的机遇与挑战, 为后续研究提供参考。
-
计算机工程. 2026, 52(5): 81-94. https://doi.org/10.19678/j.issn.1000-3428.0253035
医学图像分割在多模态成像数据中实现病灶或结构的像素级定位是支撑辅助诊断与临床决策的关键任务。针对医学图像分割网络架构快速演化与评价指标存在的语义歧义、统计不稳等局限, 旨在系统梳理网络结构、任务特征和评价指标三者间的适配关系, 揭示方法发展路径与性能边界, 构建面向实际应用需求的结构-指标匹配机制。基于2020—2025年Web of Science核心数据库的代表性文献, 首先梳理Transformer、图神经网络(GNN)、扩散模型等主干架构的设计机制与演化路径; 然后总结轻量化、混合结构及提示引导范式的关键特征; 接着结合公开数据集实证研究, 对不同网络结构在器官、肿瘤与脑组织等典型任务中的分割性能进行定量对比, 涵盖95%豪斯多夫距离(HD95)、Dice相似系数(DSC)、交并比(IoU)等常用指标, 并识别出HD95在边界复杂任务中波动较大、DSC对小目标敏感性不足、IoU在结构区分方面存在局限等问题; 最后进一步揭示了指标误用与任务特征不匹配的统计根源, 构建了任务结构-指标推荐映射, 提出基于任务粒度的指标选择策略, 并探讨动态网络、自监督学习、跨模态建模等方向对模型泛化能力的潜在促进作用。
-
计算机工程. 2026, 52(5): 95-102. https://doi.org/10.19678/j.issn.1000-3428.0070131
数学应用题(MWP)的计算机自动求解是当前学术界的研究热点。尽管现有研究已取得显著进展, 但多数研究将MWP中的数值替换为占位符并作为普通文本进行处理, 忽略了数值语义对于MWP求解的重要性。因此, 基于"编码器-解码器"的通用架构提出了一种增强数值表示的MWP求解模型。该模型引入了两项新颖的设计来增强数值编码能力并提升MWP的求解性能, 利用图卷积神经网络(GCNN)来显示建模数值之间以及数值与上下文文本之间的语义关系; 引入辅助学习任务来指导模型充分捕捉与任务相关的数值语义, 显著增强编码器的数值建模能力。在常用的MWP数据集Math23K和MAWPS上的实验结果表明, 所提出的模型充分利用到了数值语义, 模型整体性能优于现有的主流MWP求解模型。
-
计算机工程. 2026, 52(5): 103-116. https://doi.org/10.19678/j.issn.1000-3428.0070309
多视图聚类重点挖掘不同视图间的一致性信息, 以提升多视图聚类性能。大多数现有的多视图聚类算法主要针对单任务多视图聚类, 忽略了相关任务的相似性, 使得多任务多视图聚类性能较差。而多任务聚类能够有效处理多个任务的相关性, 实际中普遍存在的聚类问题是多任务多视图数据聚类。为了更好地探究相关任务的关联性, 同时从每个任务的多视图数据中获得更有效的一致性信息, 提出一种基于共识图学习的多任务多视图聚类算法。该算法建立特定于视图的共享特征库, 存储并迁移所有任务和所有视图共享的潜在信息, 即每个任务在公共视图下共享的特征嵌入信息。当处理新任务时, 一方面新任务的每个视图先通过同时优化相似图结构与对应的样本嵌入, 以获得更准确的样本嵌入表示, 另一方面引入协同聚类, 实现共享特征库与新任务样本嵌入的知识迁移。这种方式利用特征嵌入的多样性信息来促进新任务各视图的一致性表达, 同时根据新任务的样本信息更新共享特征库。在获得最优的样本嵌入表示后, 将所有视图融合在一起, 学习新任务的一个共识图。随后, 采用交替方向策略优化模型, 最终从共识图的拉普拉斯矩阵中引入秩约束以直接获得聚类结果。实验结果表明, 与现有的6种先进算法相比, 该算法在5个多任务多视图数据集上表现出更高的聚类性能和效率。
-
计算机工程. 2026, 52(5): 117-128. https://doi.org/10.19678/j.issn.1000-3428.0070326
边缘服务器往往需要在资源有限的情况下通过组建联盟的方式协同执行任务, 考虑服务器的资源利用率随任务执行而动态变化的特性, 如何确保任务能够尽快完成的同时减少重构联盟耗费的成本是一大难点。针对上述问题, 提出一种基于双重深度Q网络(DDQN)优化的联盟结构优化策略。首先, 以最大化任务完成效率以及最小化联盟构建成本为优化目标, 通过定义状态空间、动作空间和奖励函数, 将问题建模为引入成本的马尔可夫决策过程(CT-MDP)。其次, 针对CT-MDP中高维状态空间下易出现Q值过高估计的问题, 提出一种基于DDQN的轻量化最优联盟结构搜索算法, 通过两套独立的Q网络减少更新过程中的正向累计误差。为满足边缘设备在训练过程中对资源占用率的严格要求, 对激活函数进行优化以降低训练模型对存储资源的需求。最后, 通过仿真实验将所提算法与Q-learning、DQN、Dueling DQN等算法进行比较分析。实验结果表明, 所提方法具有良好的收敛性和稳定性, 且在联盟构建成本与资源占用率方面分别降低了20.36%与12.12%, 证明了该方法的有效性。
-
计算机工程. 2026, 52(5): 129-138. https://doi.org/10.19678/j.issn.1000-3428.0070288
现实世界中的数据通常遵循长尾分布, 假设全局数据分布平衡的联邦学习方法难以对长尾数据中的尾类数据进行准确分类。为此, 现有研究为全局模型重新训练一个平衡的分类器, 以缓解长尾数据带来的影响, 但其未考虑平衡模型的特征提取器以及如何让模型的特征提取器学习高质量的图像特征, 导致全局模型性能不佳。为了使模型在特征学习阶段没有偏见地学习高质量的图像特征, 提出一种结合旋转自监督和对比语言-图像预训练(CLIP)指导的联邦学习方法, 通过使用旋转自监督学习来指导本地客户端模型的训练, 减少长尾数据对客户端模型造成的影响, 并使模型高质量地学习图像中的特征。同时, 利用CLIP对模型的正常训练以及旋转后的图片进行指导, 将CLIP中丰富的知识转移到客户端模型中, 进一步提升特征提取器的性能。在不同长尾分布下的CIFAR-10和CIFAR-100数据集上进行测试, 并与其他联邦学习方法进行对比, 实验结果表明, 与现有方法相比, 该方法可将全局模型的分类准确率提升2.35~4.72百分点。
-
计算机工程. 2026, 52(5): 139-149. https://doi.org/10.19678/j.issn.1000-3428.0070058
实体对齐是对不同来源的知识图谱进行知识融合时的一个关键步骤, 现有方法通常只考虑两两图谱间的实体对齐, 而很多实际应用场景中需要对多个图谱进行融合。在解决多图谱实体对齐问题时, 现有的方法往往只能将其转化为多个图谱对的对齐任务, 忽略了多个图谱的等价实体间内在联系和约束, 从而影响了最终的对齐性能。针对上述问题, 在系统分析现有实体对齐优化方法的基础上, 利用等价实体在多个图谱间的传递性约束特征, 提出一种面向多知识图谱融合的实体对齐优化方法(MGEAO), 并通过与现有的两图谱间实体对齐方法相结合, 提出一种通用的多图谱实体对齐优化框架。首先根据每个知识图谱中各实体的嵌入表示计算得到各图谱对的实体预对齐矩阵, 然后经过多图谱间对齐优化方法修正预对齐矩阵得到最终结果。其中对齐优化方法融合了双向归一化(BN)、延迟接受算法(DAA)、关系实体感知调整算法(REA)和传递性约束优化算法(TCO)。在DBP15K、FB15K和YAGO15K等多个数据集上的实验表明, 和不采用多图谱间对齐优化的基线模型相比, 该优化方法性能显著提升, 其中Hits@1和Hits@10指标分别最大可提升18.8和18.05百分点。
-
计算机工程. 2026, 52(5): 150-159. https://doi.org/10.19678/j.issn.1000-3428.0070256
传统的移动机器人路径规划算法通常需要在有地图的条件下才能有效规划路径。相比之下基于深度强化学习(DRL)的路径规划因其在无地图条件下的导航能力而备受关注。然而, 传统的DRL路径规划算法往往存在样本利用率低、训练速度慢、泛化能力不足等问题。针对上述问题, 对双延迟深度确定性(TD3)策略梯度算法进行改进以提高其在移动机器人路径规划中的性能。首先, 针对TD3算法持续探索空间能力有限的问题, 对其探索策略进行改进, 通过使用具有时间相关性的粉红噪声来增强算法的持续探索空间能力。其次, 结合n步方法和损失调整近似Actor优先(LA3P)经验回放方法, n步方法将经验回放池中的即时奖励扩展为n步的累计折扣奖励, 能够更准确地捕捉长期奖励信号, 而LA3P方法通过对n步经验的高效利用, 提高样本利用率和算法的性能。最后, 通过在Gazebo中搭建了3个不同的环境进行实验, 并和多种算法进行比较。实验结果表明, 改进算法在训练时间、平均成功率、平均距离等方面更具优势, 证明了改进算法的有效性。
-
计算机工程. 2026, 52(5): 160-171. https://doi.org/10.19678/j.issn.1000-3428.0070319
针对当前交通流预测模型对数据间复杂时空相关性挖掘不充分的问题, 提出一种基于解耦动态时空卷积循环网络(DDSTCRN)的交通流预测模型。首先, 在数据解耦模块中, 通过门控机制和残差分解机制解耦出交通数据中所包含的两种不同的隐藏时间序列信号, 即扩散信号和独立信号。其次, 依据两种信号的特点进行单独建模以提高预测精度, 针对扩散信号采用局部扩散卷积捕获交通数据间的扩散过程, 对独立信号采用动态循环图卷积捕获交通数据的全局时空相关性, 解决单一建模导致精度下降的问题。然后, 在图卷积过程中, 通过动态图构造器中无需先验知识的动态图构造方法来捕获交通数据间动态变化的空间依赖关系。最后, 通过外部组件模块预测天气条件等外部因素对交通数据产生的影响以提高模型的鲁棒性。在METR-LA、PEMS-BAY、PEMS04、PEMS08和NE-BJ等5个公开交通流数据集上的实验结果显示, 所提模型相较于表现最优的D2STGNN模型在不同预测长度下的平均绝对误差(MAE)下降了1.2%~4.6%, 与表现次优的DGCRN模型相比, 所提模型在不同预测长度下MAE下降了3.7%~10.5%;与其他代表性模型相比, 所提模型预测误差均有下降。实验结果表明, 所提模型能充分挖掘交通数据中的复杂时空相关性, 并在交通流预测任务上有较好的预测效果。
-
计算机工程. 2026, 52(5): 172-183. https://doi.org/10.19678/j.issn.1000-3428.0070265
中小学生课后常受游戏、短视频等诱惑, 且自制力尚未成熟, 自主学习易分心, 而家长难以全时监督, 导致学生学习成效不佳。为了提升学生的学习效率, 缓解家长焦虑情绪, 需要高可靠、低入侵的学习状态监测系统。在现有学习状态监测方法中, 基于计算机视觉和穿戴设备的方法存在依赖设备和环境、影响用户舒适度、侵犯个人隐私等弊端。针对上述问题, 以不同学习状态下的微小动作为识别目标, 将学习行为分为打游戏、阅读、写字、休息4种状态, 提出一种基于Wi-Fi信道状态信息(CSI)的非接触式学习状态监测方法Wi-LSM。该方法由Wi-Fi网卡采集CSI原始数据后, 首先利用相位校准与线性插值算法预处理数据, 以消除原始相位偏移并填补缺失数据包; 然后提取滤波降噪后幅值的时频域信息, 结合相位差共同形成识别特征; 最后将感知特征输入到所构建的多层机制卷积神经网络模型BN_SE_CNN中, 以实现不同学习状态的分类。实验结果表明, 该方法在不同室内环境下的最佳识别准确率达到96%, 验证了系统在学习状态监测方面的有效性。
-
计算机工程. 2026, 52(5): 184-191. https://doi.org/10.19678/j.issn.1000-3428.0070179
现有的个体关注目标检测主要是利用面部信息进行的, 难以应对因人脸部分遮挡、人脸模糊或隐私保护等情况导致面部精细信息缺失的场景, 并且忽视时间信息也会一定程度上影响在视频任务中的效果。基于此, 提出基于多特征融合的时空推理网络, 利用卷积神经网络分别提取个体的头部外观与面部信息、个体姿态信息以及相关场景信息的关键特征, 通过空间推理编码器的注意力机制和自定义的模型训练策略, 学习不同特征的重要程度并降低对单个特征的过分依赖, 实现空间特征加权融合。采用卷积长短时记忆(Conv-LSTM)网络整合视频帧序列中的时空信息, 用于视频任务中的个体关注目标检测工作。实验结果表明, 该方法在GazeFollow数据集和VideoAttentionTarget数据集上整体性能的AUC值分别达到了0.936和0.902。与现有最好的研究方法相比, 该方法在两个数据集上的AUC值分别提高了1.7和3.2百分点, 在个体关注目标检测任务中具有更好的准确性和鲁棒性, 可用于更复杂的现实场景。
-
计算机工程. 2026, 52(5): 192-202. https://doi.org/10.19678/j.issn.1000-3428.0070478
颜色图像引导的深度图超分辨率(GDSR)旨在利用同一场景下高分辨率(HR)彩色图像提供的引导信息, 将低分辨率(LR)深度图重建为HR深度图。尽管基于空间域的学习方法可以有效提高深度图的整体重建质量, 但在从LR深度图进行重建时, 仍然面临边缘结构模糊的问题。为了解决该问题, 提出梯度频率引导的多阶段整合深度图重建网络(GFNet), 利用颜色图像的梯度先验和频率信息来增强深度边缘结构细节的重建。首先, 设计一个梯度特征提取(GFE)模块, 结合RGB图像的梯度先验知识来优化LR深度图的梯度结构。其次, 设计一个空间频率双路引导融合(SFI)模块, 将RGB图像中精确的高频成分传递到LR深度图中, 从而引导深度图丢失的高频信息重建。最后, 采用一种新颖的隐式神经函数来提高深度图的分辨率。实验结果表明, 在8倍缩放因子的情况下, GFNet在数据集NYUv2、Middlebury以及真实场景数据集RGB-D-D上均方根误差(RMSE)指标分别达到了2.48、1.62、2.57 cm, 相比于结构更复杂的模型GeoDSR, 分别降低了0.14、0.06、0.12 cm, 并在边缘结构细节方面优于对比方法, 证明了所提方法的有效性。
-
计算机工程. 2026, 52(5): 203-215. https://doi.org/10.19678/j.issn.1000-3428.0070281
细胞计数是临床医学研究中的常见任务之一, 在生物学和临床医学领域发挥着十分重要的作用。细胞计数任务中存在细胞重叠等情况, 导致很多计数方法将多个细胞统计为单个, 从而造成细胞计数精度降低的问题。为此, 引入U-Net医学图像分割模型并对其进行改进, 提出一种结合改进ViT(Vision Transformer)模块和多尺度特征融合的细胞计数方法, 该计数方法包括4个部分, 分别为提取深层特征的编码器、用于拼接编码器特征和解码器特征的多尺度特征融合模块、捕获全局上下文信息的改进ViT模块和用于恢复特征尺寸并输出分割结果的解码器。其中, 改进ViT模块利用新颖的空间注意力模块和通道注意力模块, 解决了传统ViT在提取特定空间和通道维度信息时能力不足的问题。多尺度特征融合模块将不同尺度的特征图进行融合, 提高模型分割不同尺寸细胞的边界的能力, 降低细胞重叠对计数精度造成的影响。此外, 为了进一步提高模型分割重叠细胞的能力, 提出一种数据增强策略, 通过将原始细胞标注转换为一定半径的圆形标注, 调整细胞标注之间的距离, 从而指导模型更好地将存在重叠的细胞进行分离。在LiveCell、MBM cells和DCC数据集上进行实验, 结果表明, 所提计数方法取得了较好的结果, 有效解决了由细胞重叠引起的计数精度降低的问题。
-
计算机工程. 2026, 52(5): 216-225. https://doi.org/10.19678/j.issn.1000-3428.0070312
自动驾驶场景理解是自动驾驶技术的关键环节之一, 地图感知和拓扑关系推理是场景理解的重要组成部分。地图感知任务主要包括道路元素感知和交通元素感知, 拓扑关系推理在地图感知的基础上构建感知结果间的拓扑关系。然而, 在传感器受到遮挡或感知范围超过传感器范围时, 传统方法的地图感知性能会受到影响。同时, 由于拓扑关系推理依赖于地图感知结果, 地图感知误差会进一步影响拓扑关系推理的准确性。为此, 提出了一种融合标精地图先验的地图感知不确定性建模方法, 并基于地图感知不确定性实现鲁棒的拓扑关系推理。首先, 通过引入标精地图先验信息, 有效提升了遮挡场景下的地图感知性能。随后, 使用Laplace分布建模地图感知结果, 实现了对地图感知不确定性的建模。最后, 基于地图感知结果及其不确定性, 提出了一种基于概率的拓扑关系推理方法, 有效提升了拓扑关系构建精度。在公开数据集OpenLaneV2上进行大量实验, 结果表明, 所提方法在地图感知和拓扑关系推理任务上性能均优于对比方法。
-
计算机工程. 2026, 52(5): 226-238. https://doi.org/10.19678/j.issn.1000-3428.0070376
印刷电路板(PCB)的质量对工业电子产品的性能具有决定性的作用, 因此对PCB出厂质量的严格把控具有重要意义。PCB易出现的6类缺陷是评价PCB质量的主要参考依据, 针对现有的目标检测算法模型对PCB缺陷的检测精度低、体积庞大等问题, 提出改进的YOLOv5s-CMS模型。根据PCB缺陷的特点, YOLOv5s-CMS模型采用聚焦小目标信息的特征提取网络CCG(C2f-C3-Ghost)替换原有的特征提取网络, 使模型在特征提取阶段更加关注小目标的空间和梯度流信息; 在特征融合阶段, 提出一种多尺度跨层小目标特征融合网络(MCSTF-Net)来替换路径聚合网络(PANet), 在提高模型对PCB缺陷检测精度的同时大幅降低模型的参数量; 为进一步提升模型对小目标特征的理解程度, 将CCG网络和MCSTF-Net分别与SE(Squeeze-and-Excitation)注意力机制相结合, 在抑制无关通道的同时突出目标特征信息丰富的通道。消融实验结果表明, YOLOv5s-CMS模型对PCB缺陷检测的精确率、召回率、mAP@0.5和mAP@0.5∶0.95分别达到了98.1%、97.8%、98.4%和61.2%, 相比于YOLOv5s原模型分别提高了2.2、1.3、0.8和5.0百分点, 模型参数量同比减少了约46.1%。
-
计算机工程. 2026, 52(5): 239-249. https://doi.org/10.19678/j.issn.1000-3428.0070753
多视图三维重建旨在通过多张二维图像恢复给定对象的三维形状。然而, 现有方法忽略了学习对象的旋转不变性以及区域一致性, 难以准确聚合多视图特征, 造成重建结果细节丢失。为了解决该问题, 提出一种基于旋转不变区域一致性的双视图点云重建方法(DPR2)。DPR2以两张RGB图像作为输入, 在探索对象区域旋转不变性的基础上, 学习跨视图对象的区域一致性, 促进多视图特征聚合, 并重建给定对象的精细点云。在编码阶段, 首先引入点云初始化网络, 为每个视图初始化一个粗糙点云; 其次, 提出区域级旋转不变特征提取网络, 通过计算两点之间的欧氏距离来捕捉粗糙点云不同区域的旋转不变特征。在解码阶段, 设计双阶段交叉注意力机制, 它可以构建跨视图点云的高质量区域一致性, 从而准确实现多视图特征聚合。另外, 设计一种点云细化网络, 利用被聚合的特征, 将粗糙点云细化为具有细粒度细节和光滑表面的点云。在ShapeNet和Pix3D数据集上的大量实验结果表明, DPR2的重建性能优于现有先进方法, 与最新方法P2M++、MVP2M++相比, DPR2的倒角距离(CD)分别改善了23.62%和9.06%。
-
计算机工程. 2026, 52(5): 250-258. https://doi.org/10.19678/j.issn.1000-3428.0070106
密集行人检测是行人检测领域的一大研究热点。针对密集行人检测场景中被遮挡目标及小目标行人易漏检的问题, 提出一种改进DETR的目标检测算法Pe-DETR。采用基于多头自注意力机制的Dino-DETR作为基准模型, 因自注意力机制缺少捕获局部特征的能力, 导致密集行人检测效果较差, 对前馈神经网络(FNN)进行改进, 设计通道注意力深度卷积前馈神经网络DWSEFNN, 使模型可以提取到更多局部细节特征。针对ResNet50骨干网络对重要特征提取效率较低的问题, 采用Swin Transformer-L作为特征提取网络, 提升骨干网络对重要特征的提取能力, 同时使Pe-DETR完全基于注意力机制搭建, 结构中不包含深度卷积结构。针对密集行人场景中目标数量多与DETR检测器中稀疏匹配的矛盾问题, 应用密集不同查询有效应对行人密集的场景, 且不会引入无效的相似查询。在CrowdHuman密集行人检测数据集上的实验结果表明, 所提行人检测算法Pe-DETR相比Dino-DETR算法的平均精度(AP)@0.5提高了3.7百分点, AP提高4.5百分点, 在密集行人检测任务中改进后Pe-DETR算法的准确率明显优于其他端到端模型。
-
计算机工程. 2026, 52(5): 259-269. https://doi.org/10.19678/j.issn.1000-3428.0070168
磁共振成像是临床诊断中应用最广泛的成像方式之一。然而, 受到扫描设备成本和扫描时间的限制, 要获取高分辨率的磁共振图像相当困难。近年来, 为了提高图像质量, 扩散模型(DM)被应用于超分辨率技术。但已有的研究工作中模型推理效率低下且未充分提取高频特征, 使得重建出的效果差强人意。针对此问题, 构建了一种高效的磁共振成像单图超分辨率扩散模型ResDM。在该模型中, 首先使用预训练好的超分辨率模型来提供给定低分辨率图像的条件图像; 然后将噪声引导到高分辨率图像与条件图像之间的残差空间, 为了加快模型推理速度, 使用去噪扩散隐式模型结合U-Net结构, 以获得生成速度快且效果良好的结果; 接着引入基于频域的损失函数和注意力机制以促进其恢复高频细节信息; 最后在HCP、BraTS2019和FastMRI 3个公共数据集上进行实验, 采用峰值信噪比(PSNR)和结构相似性指数度量(SSIM)这2种图像客观评价指标进行评估。结果表明, 所提方法与7种已有的图像超分辨率重建方法相比, 在上采样因子为4的情况下, 在3个数据集的PSNR和SSIM上取得平均2.24 dB和0.06的增长; 可视化结果显示, 其获得了分辨率更高且细节信息更丰富的磁共振图像。
-
计算机工程. 2026, 52(5): 270-280. https://doi.org/10.19678/j.issn.1000-3428.0070472
命令与控制(C2)通信在现代高级持续性威胁(APT)中扮演着核心角色, 是APT实现长期潜伏和持续控制的关键通信纽带。C2流量检测对于防御APT攻击、保护网络安全至关重要。然而, 现有的C2流量检测方法主要基于传统机器学习与深度学习, 其中特征工程依赖专家经验, 主观性强且极易产生遗漏, 对快速演变的攻击形态和流量模式适应性较差; 而传统深度学习模型对深层复杂特征捕捉能力较差, 同时对标注数据和训练资源具有较强依赖。为解决以上问题, 提出一种基于Transformer双向编码表示(BERT)的C2流量检测方法C2BT, 不同于传统基于特征工程的检测方法, 利用BERT大语言模型自动学习并捕获网络远程控制流量上下文深层特征, 进一步引入单独训练的Transformer解码器进行重构和误差计算, 以评估编码器的表现质量, 并将重构误差融入编码器后续优化训练过程, 进一步提升模型的检测效果和鲁棒性。通过在多个不同C2流量数据集上的广泛实验, 所提方法展现出卓越的性能和强大的泛化能力, 准确率、精确率、F1值分别达98.47%、95.82%和95.91%, 并在全新的数据集上保持稳定的效果, 证明了该方法在C2流量检测中的有效性。此外, 通过引入解码器重构误差评估机制, 验证编码器的鲁棒性, 进一步提升了检测结果的有效性, 为构建更高效的网络安全检测防御体系提供了新的技术路径。
-
计算机工程. 2026, 52(5): 281-292. https://doi.org/10.19678/j.issn.1000-3428.0070356
在接触者追踪应用场景中, 查询者与"敏感"人群的历史轨迹不完全相同, 导致隐私集合交集基数(PSI-CA)协议无法直接应用到接触者追踪这一场景。针对该问题, 提出一种非平衡模糊隐私集合交集基数(uFPSI-CA)协议。uFPSI-CA协议是隐私集合交集基数(PSI-CA)协议的一种变体, 该协议允许发送方和接收方通过交互共同计算其私有集合的交集的大小, 而不泄露其他任何信息。与PSI-CA协议不同的是, 双方的交集元素不完全相等, 而是有一定的相似性, 且发送方的集合大小远远大于接收方。为了将PSI-CA协议扩展到uFPSI-CA协议, 提出可分类洗牌的Diffie-Hellman不经意伪随机函数(CS-DH-OPRF)算法, 该算法在计算接收方的OPRF值时, 可以为同组数据添加一个常数的加密作为标签, 在后续计算过程中接收方按照标签对数据进行分类。uFPSI-CA协议将大量的计算交给作为服务器的发送方, 接收方仅做简单的元素加解密操作, 并且协议的总体通信开销与接收方的数据元素集合大小正相关。最后, 实现了uFPSI-CA协议, 在发送方集合大小为218、接收方集合大小为26时, 仅需4 s的在线时间及15 MB的通信开销, 证明了协议是高效的。
-
计算机工程. 2026, 52(5): 293-302. https://doi.org/10.19678/j.issn.1000-3428.0069806
数据隐私保护和密文可搜索性问题在云计算环境中的重要性与日俱增, 针对传统CP-ABE方案中明文形式的访问策略可能会泄露敏感信息、恶意用户撤销繁琐等问题, 提出一种具有前后向安全、可撤销和部分策略隐藏的属性基可搜索加密方案。通过公开用户属性名、隐藏用户属性值的方式实现部分策略隐藏, 避免敏感信息泄露。将用户的身份信息与二叉树叶节点关联, 用户撤销列表与密文绑定, 使得恶意用户被可信中心添加到撤销列表后将无法访问撤销前后的密文, 从而在满足前后向安全的情况下实现用户直接撤销。而云服务器仅需更新与撤销列表相关的密文, 不需要执行密钥更新, 提高了密文更新的效率。采用更新二叉树节点的随机值方式复用被撤销用户占用的二叉树节点, 实现系统中用户数量的扩容。基于q-BDHE假设, 证明所提出的方案在随机预言模型中满足选择明文攻击下的不可区分(IND-CPA)安全性。性能分析表明, 相比传统CP-ABE方案, 该方案在加密阶段的计算开销至少降低了15.3%, 在搜索验证和密文更新阶段计算开销较低。
-
计算机工程. 2026, 52(5): 303-325. https://doi.org/10.19678/j.issn.1000-3428.0253167
针对集中式新闻架构存在单点故障、篡改风险、验证不透明、虚假信息扩散等问题, 提出一种基于区块链的去中心化新闻检索与聚合架构, 实现多源新闻数据的可信存储、可验证检索与透明治理。该架构融合区块链、智能合约与分布式存储, 形成"链-合约-存储"一体化信任体系。通过共识机制保障数据来源可信, 智能合约自动执行治理规则, 实现可追溯与高可信性。提出多值模函数(MVF)鲁棒任务分配算法与关键/交易默克尔-帕特里夏树(KMPT/TMPT)双层可验证索引机制, 用于优化任务调度与索引验证, 以提升检索与验证效率。系统引入Merkle哈希树(MHT)完整性验证与多源信誉加权机制, 实现信源信誉自适应调整, 增强检索准确性和系统鲁棒性。系统在OpenStack私有云环境下完成分布式部署, 并基于2024年采集的106 532条新闻数据进行实验验证。实验结果表明, 相较传统方案, 该架构的可信验证准确率提升15.6%(P < 0.01), 抗篡改检测成功率达99.6%, 虚假新闻抑制率达92.4%。检索与验证流程的深度融合使可信检索综合效能提升22.3%(P < 0.05)。该研究结果验证了区块链在可信检索与数据治理中的可行性与工程有效性, 为构建高透明度、可追溯的新闻生态体系提供了理论支持与工程参考。
-
计算机工程. 2026, 52(5): 326-335. https://doi.org/10.19678/j.issn.1000-3428.0070161
生成模型在许多问答推理任务中表现良好, 但是这往往需要人工花费大量成本为每条数据匹配对应的相关知识文本, 以保证模型输出的可靠性。如果语言模型可以经过充分训练内化知识库, 输出较为可靠的问答知识, 那么就可以降低在问答推理任务中提供相关知识的成本。此外, 输出问答相关知识文本也有利于探究模型在推理任务中依据哪些知识进行推理, 这对探究模型的可解释性有重要意义。为此, 提出一个新的自然语言生成任务, 将问答对作为输入, 使模型直接生成与问答相关的知识文本(依据这些问答知识文本能够辅助答案的推理)以帮助模型通过新任务形成知识库。为新任务提供基准模型, 结果显示了生成模型具有较高的生成质量, 表明了新任务是有可行性的, 并且当问答对的陈述形式也包含在输入中时, 模型的生成效果可以显著提高。实验比较了3种生成模型, 结果显示了参数更多的模型可能包含更全面的知识库, 具有更好的生成效果。此外, 实验设计了不同的输入融合方法和输出相关文本的数量, 确定最佳的任务形式。实验分析表明, 新任务对于未来的研究是可行和有价值的。
-
计算机工程. 2026, 52(5): 336-348. https://doi.org/10.19678/j.issn.1000-3428.0070301
在多智能体博弈仿真中, 大语言模型(LLM)的性能已经被广泛研究, 但其在模糊任务目标或不确定性环境中引导多智能体合作的决策能力往往出现"失灵"现象。针对这一问题, 提出一种基于分布式贝叶斯推断的多层级协同决策框架。该框架集成了决策、互评、监管三大功能模块, 利用多个LLM进行协同决策, 并在空间囚徒困境博弈中进行了实验验证。实验结果表明, 该框架有效克服了LLM在模糊任务环境下的决策瓶颈, 成功促进了多智能体合作行为的涌现。此外, 通过对不同实验场景下模型决策能力的量化评估, 发现模型的决策误差与模型规模不呈线性关系。在模糊任务指令下, LLaMA3(70×109)模型的决策误差较LLaMA3(8×109)模型高出16.6%, 较LLaMA2(7×109)模型高出7.2%, 表明在更复杂的环境中, 单纯依赖模型规模的扩大未能显著提升决策性能。相反, LLM协同决策在提升决策一致性和有效性方面显示出显著优势。这些结果揭示了多模型协同在复杂决策环境中的关键作用, 并为未来在不确定性任务下的智能体系统设计提供了重要参考。
-
计算机工程. 2026, 52(5): 349-359. https://doi.org/10.19678/j.issn.1000-3428.0252472
通用医学大语言模型(LLM)在脑肿瘤领域存在专业数据匮乏、临床适应性不足及生成内容准确性有限等问题, 提出一种专用于脑肿瘤诊疗领域的大语言模型BrainTumorLLM。该模型基于Meta-LLaMA-3-8B-Instruct模型, 通过监督微调(SFT)和人类反馈强化学习(RLHF)技术优化, 结合自建的高质量脑肿瘤问答数据集BrainTumorQA进行训练。数据集采用宏观-微观协同的构建框架, 共包含11 000条问答对, 涵盖宏观医学知识(症状、诊断方法、治疗方案)及微观临床病例, 并通过脱敏处理与信息约束策略保障数据安全。在技术实现中, 采用低秩适配(LoRA)技术提升训练效率, 设计宏观与微观两级提示模板, 引导模型生成专业化回答, 并引入RLHF, 通过专家偏好驱动优化机制以及近端策略优化(PPO)算法强化生成内容的临床一致性。实验结果表明, BrainTumorLLM在脑肿瘤问答任务中显著优于通用及医学领域模型, 在自动评估环节, 其BLEU-1、BLEU-2分别达到了0.338 3和0.268 4, ROUGE-1、ROUGE-2和ROUGE-L得分分别为0.323 7、0.146 6和0.261 1, 与基准模型相比困惑度从20.362降至7.674, 充分显示了所提模型在脑肿瘤诊疗领域的专业性、精准性及临床应用潜力, 为脑肿瘤的诊断、治疗决策以及医学科研等工作提供有力的智能化辅助支持。
-
计算机工程. 2026, 52(5): 360-370. https://doi.org/10.19678/j.issn.1000-3428.0070408
医疗数据因涉及面广、数量庞大、种类繁多等特点而导致隐私保护难度增大。为了有效地对医疗数据进行合理分类, 进而依据分类结果采取相应的隐私保护措施, 根据医疗信息敏感程度的不同, 提出一种基于大小模型融合的分类方法, 达到医疗数据分类加密的目的。采用大语言模型(LLM)深度神经网络, 结合医疗数据分类标准(MDCS)对医疗数据集进行特征标注, 然后将LLM的输出特征作为小型文本分类模型的输入, 利用小型文本分类模型长短时记忆(LSTM)网络学习文本中的特征表示, 最后将小型文本分类模型的错误预测结果返回给LLM重新分类, 融合大小模型的分类结果, 从而实现将医疗数据按不同的敏感程度进行精准分类。实验结果表明, 大小模型融合分类方法相比于采用其他不同的分类模型和分类标准, 在模型收敛性、分类准确率、数据分类均衡度等方面都有着显著提升, 验证了大小模型融合迭代机制与医疗数据场景极具契合性, 极大地提升对医疗数据的分类准确率, 实现对医疗数据更高效分类, 从而确保对医疗数据的隐私保护。
-
计算机工程. 2026, 52(5): 371-382. https://doi.org/10.19678/j.issn.1000-3428.0070030
针对偏远地区蜂窝网络覆盖不足且物联网(IoT)设备能量和计算能力低而无法满足大量延迟敏感型任务卸载和计算需求的问题, 考虑将空天地一体化网络(SAGIN)和移动边缘计算(MEC)相结合, 提出一种支持无线电力传输(WPT)技术的无人机辅助IoT设备的动态任务卸载和资源分配方案, 其中无人机负责收集IoT设备产生的计算密集型任务, 采用部分卸载模式将这些任务根据当前状态进行本地计算或动态卸载给基站和低地球轨道(LEO)卫星进一步处理。由于动态的异构网络和长期排队延迟与短期决策的耦合性, 因此在排队延迟的约束下提出一种基于Lyapunov优化的双延迟深度确定性策略梯度(TD3PG)算法, 该算法通过优化无人机动态关联、任务分配、计算资源分配和带宽分配来协调无人机学习最优卸载策略和资源分配。仿真结果表明, 所提出的动态方案与其他对比方案相比能够有效降低无人机网络的能耗、网络积压总和及平均排队延迟, 在2种学习率组合下TD3PG算法相对于深度确定性策略梯度(DDPG)算法和双重深度Q网络(DDQN)算法的奖励分别提高了13.6%、24.0%和20.4%、17.9%。
-
计算机工程. 2026, 52(5): 383-395. https://doi.org/10.19678/j.issn.1000-3428.0069677
自动调制识别(AMR)是通信识别、态势感知和电子侦察等领域的重要环节。由于深度神经网络具有很强的特征提取和分类能力, 使得与传统检测方法相比有着更高的识别精度, 但目前常用的神经网络在提取信号时序信息时存在局限性, 包括高复杂度和低信噪比下识别精度差等问题。针对以上问题, 构建一种基于残差神经网络(ResNet)和Transformer网络(ResNet-Transformer)的决策融合识别方案, 旨在处理更复杂的信噪比情况, 并提高整体的识别准确率。该方案首先通过ResNet的时序记忆特性深度挖掘通信信号的时域特征, 然后结合Transformer网络突出的长距离依赖关系提取能力进一步提升抗噪性能, 最后使用决策融合策略根据每条支路输出得到最终判决结果。实验结果表明, 在开源数据集RML2018.01A上, 该方案在信噪比为10 dB以上时平均识别精度大于93%, 在信噪比为0时仍能保持56%的识别精度, 相比传统网络模型能取得更高的调制识别准确率并且具有良好的抗噪能力。
-
计算机工程. 2026, 52(5): 396-403. https://doi.org/10.19678/j.issn.1000-3428.0069472
云计算环境中普遍采用工作流执行方式。在云计算工作流任务执行过程中, 可靠性是一个重要的质量评价指标。目前能满足工作流任务计算的可靠性要求且在时间和成本上得到优化的方法较少。基于神经网络等的调度算法在工作流规模较大时需要大量时间寻找参数优化模型, 已有基于可靠性分解的调度算法的分解策略有待进一步改善。为此, 提出一种可靠性分解的容错调度方法。该方法是一种启发式方法, 包含调度优先级计算、可靠性分配权重计算、可靠性要求初次分解、任务副本的虚拟机选择。该方法主要优化了可靠性分解策略和虚拟机选择策略, 其中可靠性分解策略基于工作流任务的大小和前驱后继关系, 虚拟机选择策略基于相对完成时间和成本的加权。在不同类型和规模的工作流及不同可靠性要求下进行实验, 结果表明该方法满足可靠性要求, 同时在完成时间和成本中的综合表现较好, 优于3种对比算法QFEC、QFEC+、C_GM, 为云计算工作流执行的可靠性分解和容错调度研究提供了新的解决方案和思路。
-
计算机工程. 2026, 52(5): 404-417. https://doi.org/10.19678/j.issn.1000-3428.0070165
边缘智能面临计算实时性、资源受限等挑战, 且不同设备间差异较大。多数研究通过模型压缩设计轻量化网络, 以满足边缘场景下的快速推理需求。然而过度压缩导致精度下降的同时并不能缩短推理延时, 从而影响边缘智能的性能。为了满足实时需求与计算资源约束条件下提高模型精度, 提出面向硬件感知的边缘智能框架: LuffyNet。该框架通过查找表估算模型推理性能, 并以计算时延和设备内存资源为约束, 实现对边缘设备的硬件感知。为得出符合时延约束且匹配边缘设备计算资源的高精度网络, LuffyNet框架以模型精度、推理时延和网络大小为优化目标, 通过梯度下降完成目标网络模型的构建。为缩减架构搜索的时间, LuffyNet框架基于Best Optimize策略与Worst Optimize策略, 减少搜索过程中的无效计算, 降低搜索的时间成本和计算开销。在3个LuffyNet网络和4个先进模型上的实验结果表明, LuffyNet-A以1.69 ms延迟实现66.50%的Top-1精度, 比ResNet50快近5倍, 且大小仅为6.58 MB。LuffyNet-B与LuffyNet-C在2.65 ms延迟内实现超过73%的Top-1精度, 优于ResNet18、ResNet50、DenseNet121与DenseNet169等先进模型的精度与推理速度表现。消融实验进一步验证了基于Best Optimize策略与Worst Optimize策略的LuffyNet框架, 不仅能找到匹配边缘设备的网络, 而且能将搜索时间缩短接近25%。
-
计算机工程. 2026, 52(5): 418-429. https://doi.org/10.19678/j.issn.1000-3428.0070300
针对无人车在潮滩这类泥泞崎岖地形中无法高效抵达目标点的问题, 提出一种基于A*算法的改进算法TA*(Tidal-A*), 从而为无人车规划最优路径。结合潮滩环境特点, 使用路径土壤含水量(SMC)、路径高度起伏、路径长度共同衡量生成路径的质量。针对环境信息难以直接获取的问题, 使用无人机搭载高光谱传感器、激光雷达扫描目标区域, 提出结合光谱预处理与Pearson相关系数的组合降维方法, 以训练SMC反演模型。针对传统A*算法只能依据路径长度搜索路径的问题, 在为3条约束分别设计代价函数的基础上, 提出综合多约束的代价函数。针对传统A*算法无法依据需求改变路径的问题, 设计系数组合控制代价函数中各约束的占比, 同时解决不同约束间数量级不统一的问题。针对传统A*算法可能会忽略更优解的问题, 改进启发函数的计算范围, 使算法能以路径的冗余换取其他约束的优化。仿真结果表明, 使用该算法训练模型, 决定系数R2为0.784, 相对分析误差(RPD)为2.151, 相比直接反演方法分别提升了38%、33.8%。相比传统算法, TA*算法生成路径的长度、SMC值、高度起伏最高分别减少3.4%、5.1%、18.7%。
-
计算机工程. 2026, 52(5): 430-444. https://doi.org/10.19678/j.issn.1000-3428.0070297
滚动轴承是机械设备中的常用部件, 传统方法难以对多噪声环境下具有众多复杂特征的信号进行分类, 并且常在一维数据上通过经典深度学习模型进行故障诊断, 无法对复杂特征进行充分提取。因此, 提出一种基于ACNN-LFSwin Transformer的双通道故障诊断方法, 分别在一维数据和二维图像上进行故障诊断。首先, 对原始信号分别进行基于完全自适应指数模型分解(CEEMDAN)与短时傅里叶变换(STFT)处理, 获取模态分量(IMF)与二维图像; 然后, 在通道1中将CEEMDAN分解后的IMF送入基于注意力机制的卷积神经网络(ACNN)中进行特征提取, 在通道2中将轴承数据构成的二维图像作为局部特征提取的Swin Transformer网络(LFSwin Transformer)的输入, 进行图像特征提取; 最后, 将两通道特征进行串联融合, 以进行故障诊断, 其中, ACNN运用注意力机制对信号特征进行自动权重分配, 以强调关键特征, LFSwin Transformer模型在传统Swin Transformer的基础上进行向量转换, 将输入向量转换为图像并对其进行卷积操作, 使模型在故障局部特征提取方面更具优势。分别采用CWRU数据集和帕德博恩数据集进行实验验证, 结果表明, 该方法的故障诊断准确率达97%以上, 说明所提方法不仅能对多种故障进行精确诊断, 还能有效避免复杂噪声的干扰。
-
计算机工程. 2026, 52(5): 445-455. https://doi.org/10.19678/j.issn.1000-3428.0070261
目前用户侧智能电表的维护与检测主要依赖专业人员上门排查, 存在现场检验效率低、周期检定任务繁重、严重依赖人工经验等问题。基于电网巡检图片构建电表异常图像数据集, 针对电表图像背景复杂、目标尺寸不一、异常接线隐蔽遮挡等问题, 提出一种基于多样性感知的可微分自动数据增广(D-DADA)与双分支特征增强YOLO(DBE-YOLO)网络的电表异常检测方法。首先, 提出改进的DBE-YOLO网络, 通过引入级联空洞卷积增强模型对全局上下文信息与多尺度特征的提取, 设计双分支聚合结构弥补了原始模型感受野受限、卷积特征捕捉模式固定的缺陷。其次, 提出一种多样性感知的D-DADA算法, 设计了搜索策略多样性约束条件促进对更广泛数据增强策略的自动搜索, 从而帮助模型学习到不同场景、角度、光照等情况下的检测目标特征和模式, 解决数据类内差异较大导致的模型识别性能不足等问题。实验结果表明, 改进后的YOLOv8模型对8类电表异常的平均检测精度可达到79.6%, 相对于改进前提高了3.4百分点。
-
计算机工程. 2026, 52(5): 456-466. https://doi.org/10.19678/j.issn.1000-3428.0070124
由于交通流的非平稳性, 在提取交通流动态时空特征方面存在一定的挑战。针对非平稳特性导致的不同交通模式和不同邻域范围内交通流的动态变化问题, 提出一种基于自适应图卷积的元图学习的交通流预测模型(Meta-AGC)。设计一种能自适应捕获不同交通模式下交通流各节点间的空间相关性和不同邻域范围内交通流动态变化的方法。该方法将AGC捕获的时空特征与元图学习中的元节点库进行模式匹配, 使得基于元节点库生成的时空元图能够自适应地表示不同交通模式下各节点间的空间相关性。同时, AGC由一组具有不同可学习尺度的图小波和上下文注意力机制组成, 以随时根据输入的交通流信息动态调整卷积感受野, 解决传统卷积接受域范围固定的局限性, 有效捕捉由于随机事件引发的不同邻域范围内交通流变化问题。实验结果表明, 在6步和12步预测步长中, 与较好的基线模型相比, Meta-AGC模型预测的准确性分别提高了5.2%和4.2%, 进一步证明了提出的Meta-AGC模型能更有效地建模交通流的非平稳性, 提高预测精度。
第52卷 第5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：邬江兴 江波
学术执行主编：苏金树
执行主编：张帆 胡冰（全职）
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