作者投稿和查稿 主编审稿 专家审稿 编委审稿 远程编辑

最新录用

Please wait a minute...
  • 全选
    |
  • 姬文焱, 周刚, 张红晨, 刘通, 王佳佳, 贾振红
    录用日期: 2026-11-20
    在农业害虫监测中,不同黄色粘虫板监测场景之间存在明显的分布差异,源域模型在目标域仅使用少量人工标注时难以充分适应新监测场景,导致目标域检测性能下降。针对上述问题,提出跨域少样本害虫检测方法PestDA-YOLO。该方法在YOLOv11s的骨干特征提取网络(Backbone)和多尺度特征融合网络(Neck)中嵌入域适配模块(Domain Adapter,DA),利用轻量瓶颈残差分支对不同层级特征进行目标域适配;在P3/P4分类路径中设置检测头集成特征增强模块(Detection-Head Integrated Feature Enhancement,DIFE),融合局部细节与全局统计信息,增强小尺度害虫的特征表达,为目标类别判定提供更充分的特征信息;同时构建伪标签部分标注补全策略(Pseudo-label Partial Annotation Completion,PPAC),由冻结教师生成并筛选候选预测,补充目标域K-shot训练图像中未被人工标注覆盖的害虫实例,缓解错误背景监督。模型先利用源域多样本数据进行训练,再使用目标域K-shot标注完成微调,并在番茄粘虫板与棉田粘虫板之间开展双向迁移实验。实验结果表明,PestDA-YOLO在每类30、50和100个目标域标注实例的设置下,交并比(Intersection over Union,IoU)阈值为0.5时的平均精度均值(mAP50)均为所有对比方法中最高。相较于YOLOv11s基线,在番茄目标域的30/50/100-shot设置下,mAP50分别提高10.7/11.1/8.3个百分点;在棉田目标域的相应设置下,分别提高6.6/4.7/9.3个百分点。模型包含11.44×106个参数,计算量为22.36十亿次浮点运算量(GFLOPs),在两个目标域上的前向推理速度均约为54.5帧/s(FPS)。综上,PestDA-YOLO能够在有限目标域人工标注条件下有效缓解跨监测域特征适应和监督信息不足问题,在保持较低计算开销和实时推理能力的同时,提高黄色粘虫板跨监测域少样本害虫检测性能。
  • 吕祥瑞, 许明
    录用日期: 2026-11-20
    Existing methods for critical road segment identification often insufficiently exploit origin-destination (OD) demand, route choice behavior, and attribute-induced associations, making it difficult to accurately characterize functional dependencies among road segments, thereby affecting the accuracy and robustness of the ranking results. To address this issue, this paper proposes a learning-to-rank model for road network node importance based on heterogeneous graph walks and Bi-Mamba(HetGBMR). The model first constructs a trip graph composed of OD pairs, paths, and road segments to represent traffic-demand-driven cross-type associations. Meanwhile, an attribute-guided graph is introduced to supplement latent similarity relationships among nodes of the same type induced by attribute features. Then, a joint heterogeneous graph random walk algorithm is designed to perform collaborative sampling between the trip graph and the attribute-guided graph, generating node sequences with rich contextual information. Subsequently, a Bi-Mamba encoder is employed to model long-range contextual dependencies in the random walk sequences, and an attention-based weighted aggregation mechanism is used to obtain target road segment representations. Finally, a weighted pairwise ranking loss is adopted to optimize the relative importance relationships among road segments, thereby improving the discriminative capability of critical road segment ranking. Experimental results on the SUMO-generated simulated road networks RoadNet_SY and RoadNet_RD show that the proposed model achieves Kendall coefficients of 0.7123 and 0.6328, respectively, outperforming various traditional ranking methods and graph representation learning methods overall. Compared with MGL2Rank, the second-best method in terms of overall performance, the Kendall coefficients are improved by 6.98% and 2.78%. The results demonstrate that the proposed model can effectively exploit travel semantics and structural dependencies in road networks, enhance the discriminative capacity of road segment representations, and achieve promising performance in critical road segment ranking.
  • 朱珠, 王玉鑫
    录用日期: 2026-11-20
    针对电商多元时间序列中高稀疏、强周期、样本异质性明显及缺失结构复杂等问题,提出静态协变量与缺失模式感知扩散补全方法(Static Covariate and Missing Pattern-aware Conditional Diffusion Imputation,SPA-CDI),以提高缺失位置的点值重建精度和概率分布建模能力。该方法以条件扩散模型为基础,将样本级静态背景、整体缺失结构和已观测区域数值约束统一引入补全过程。首先,将商品、店铺及业务实体等在单条时间序列中保持不变的属性编码为静态表示,并采用特征级线性调制机制对条件表示进行样本级调整,以刻画不同电商样本的背景差异。其次,根据观测掩码分别计算变量维和时间维观测率,构建缺失模式表示,以增强模型对低观测率、局部集中缺失和结构化缺失的感知能力。在此基础上,将条件观测、时间嵌入、特征嵌入、静态调制表示和缺失模式表示共同输入时空Transformer去噪网络,并在噪声预测目标之外加入已观测值一致性约束,以减小随机去噪过程对已知观测值的扰动;补全阶段保留输入序列中的原始已观测值,仅利用生成结果填充缺失位置。在Corporación Favorita、M5 Forecasting和Olist 3个真实电商与零售数据集上设置10%、50%和90%三种缺失率进行实验。结果表明,SPA-CDI在各数据集和缺失率下均取得最低的平均绝对误差(Mean Absolute Error,MAE)和连续排序概率评分(Continuous Ranked Probability Score,CRPS)。在Olist数据集90%缺失率下,SPA-CDI的MAE为0.319,较最优基线降低13.6%;CRPS为0.175,较最优基线降低10.3%。在50%缺失率消融实验中,完整模型在3个数据集上的MAE和CRPS均优于单模块和移除模块配置;下游预测实验中,补全后的数据使Favorita、M5和Olist上的预测MAE分别降低10.15%、13.41%和9.05%。结果说明,静态协变量条件调制、缺失模式编码和已观测值一致性约束具有互补作用,可提高复杂缺失条件下的点值恢复和概率分布建模能力,并改善下游预测任务的输入质量。
  • 王立磊, 黄文豪, 宋艳麟, 李金宇, 杨越, 刘俊伟, 张芷馨, 田沄
    录用日期: 2026-11-20
    针对光学透视式增强现实显示中虚拟内容易受环境光冲淡,以及移动平台算力和显存带宽受限导致渲染效率不足的问题,提出一种环境光驱动的自适应注视点渲染方法。该方法将环境照度映射为环境光耦合系数,联合调节高分辨率注视区域和低分辨率背景缩放比,使注视区大小与外围分辨率随环境光强动态变化;环境光越强,注视区域越小、外围分辨率越低,以降低片元着色与显存带宽负载;环境光越弱,则适当扩大注视区域并提高外围分辨率,以保障画质。方法采用子视锥体投影矩阵裁剪局部渲染范围,从几何投影阶段减少传统视口裁剪造成的边缘错配与拉伸伪影;将背景采样、注视区域融合和环境光混合合并为单次全屏绘制,以降低中间纹理读写与全屏拷贝开销。本文聚焦渲染算法层面,实验采用离线眼动回放与仿真环境光以控制变量,重点考察算法对环境光照与注视轨迹输入的响应。实验基于公开眼动数据集在多场景下进行,在复杂场景强光条件下,该方法相较固定注视点渲染和全分辨率渲染的帧率最高分别提高35.73%和54.71%;除渐变光照、随机扫视的复杂场景外,其余动态测试配置的帧率变异系数均低于8%。同时,环境光的冲淡效应有效掩盖了因外围分辨率降低而导致的客观图像质量损失,使本方法的主观评分与固定注视点渲染基本持平,强光下差异更小。消融实验表明,子视锥体投影、环境光自适应参数决策和单次全屏合成均具有独立正向贡献,并存在协同增益。性能实验结果表明,环境光冲淡效应可作为外围分辨率分配的辅助感知依据;在算法设计层面,能够为资源受限的光学透视式增强现实的渲染优化提供理论支撑。
  • 唐涵桢, 许明
    录用日期: 2026-11-19
    针对轻量化交通预测中学生模型预测精度受限,以及现有知识蒸馏方法难以兼顾教师知识可靠性差异与不同预测步学习难度的问题,提出一种基于可信度引导的轻量化交通预测课程知识蒸馏方法(CCKD)。首先,将教师预测误差分解为节点级与预测步级误差,经归一化构建复合可信度,以表征教师知识的可靠性。其次,设计可信度引导的双路径蒸馏机制,利用连续可信度及其互补权重分别调节预测值蒸馏与趋势蒸馏,使学生在学习可靠数值知识的同时保持预测步间的变化趋势一致性。同时,构建预测步动态软课程机制,综合学生预测误差、师生预测差距及教师可信度调整蒸馏权重,并随训练进程逐步提高长期预测步的基础权重。推理阶段仅保留轻量学生模型,不引入额外的蒸馏计算开销。在METR-LA和PEMS-BAY数据集上开展12步(60 min)交通速度预测实验,主要方法采用3个随机种子独立训练。以Graph WaveNet为教师、轻量图卷积网络(GCN)为学生时,CCKD的12步平均绝对误差(MAE)分别达到3.37 ± 0.01和1.72 ± 0.01,均优于学生独立训练与普通知识蒸馏。消融实验验证了该方法的有效性,跨模型实验进一步考察了方法在不同师生结构下的适用性。在METR-LA数据集、批大小为64的测试条件下,学生模型的参数量和推理时间较教师分别减少约91%和52.74%。在10%~40%的随机观测缺失条件下,CCKD的平均MAE均低于普通知识蒸馏。实验结果表明,CCKD能够在保持学生模型轻量化优势的同时提高多步交通预测精度,并在所测试的随机观测缺失场景下表现出一定的鲁棒性。
  • 张振海, 李雨微
    录用日期: 2026-11-18
    针对地铁隧道复杂环境下多尺度病害特征提取不充分、小目标易漏检、定位精度偏低及模型难以轻量化部署等问题,基于RT-DETR-R18网络提出PMB-DETR轻量化隧道病害检测算法,搭建数据增强预处理、多模块改进网络、多尺度特征融合的全链路检测方案。数据层面,针对隧道病害标注样本稀缺、细微病害纹理生成失真问题,优化CycleGAN生成对抗网络,在原有对抗损失与循环一致性损失基础上引入高层特征感知损失,为模型提供更多数据支撑。网络结构层面设计三项核心改进模块:一是骨干网络嵌入MFPConv多尺度频率概率卷积模块,通过可学习小波滤波器将特征拆分为裂缝高频、脱落中频、渗漏水低频子带,结合频空联合掩码实现稀疏计算,融合部分卷积、结构重参数化与SE通道注意力,在差异化捕捉不同频率病害特征的同时削减模型冗余参数;二是搭建MSMHSA-AIFI多尺度多头稀疏自注意力模块,以各向异性高斯椭圆采样核替代传统固定采样方式,针对不同病害纹理特征自适应采样,提升复杂背景下微小稀疏病害的全局感知能力;三是构建BiEMFPN双向增强特征金字塔,实现语义与细节特征双向回流,通过可学习加权融合,解决浅层小病害细节丢失、深层病害轮廓稀释的问题。在自建地铁隧道病害数据集上开展实验验证,PMB-DETR算法mAP@0.5达88.1%,较基准RT-DETR-R18提升4.5%,模型参数量降低25.6%,各项核心指标优于SSD、Faster R-CNN、YOLO等主流检测模型。实验证明,改进CycleGAN数据增强、MFPConv、MSMHSA-AIFI、BiEMFPN四大模块均可独立提升检测精度,多模块协同优化可实现精度与轻量化最优平衡。本文所提算法精准适配隧道多形态、多尺度衬砌病害检测场景,有效解决微小病害漏检、定位偏差、边缘部署算力受限等核心问题,在检测精度、模型参数量与计算复杂度三者间实现均衡优化,满足工程高精度、轻量化实时检测需求,为地铁隧道智能巡检与安全运维提供高效可行的技术方案。
  • 张嘉宁, 许瑾晨, 李飞, 杨鸿儒, 张涛, 段孟瑶, 周玉畅, 周蓓
    录用日期: 2026-11-18
    浮点计算广泛应用于科学计算领域,为保证计算结果的准确性,研究人员通常在程序中统一采用高精度浮点类型,但这种做法往往带来较高的计算与存储开销。混合精度技术通过降低部分变量的精度以提升程序性能,其中动态混合精度方法优势显著。然而,现有方法普遍未考虑精度转换开销对性能的影响,导致优化效果受限、调优效率较低。为此,本文提出一种基于浮点运算带权依赖图引导的自动混合精度调优工具DEPTUNER,包括依赖图构建与搜索两个模块。依赖图构建模块基于Clang LibTooling解析程序抽象语法树,提取函数信息与变量间的关联关系,并借助gcov采集各语句的实际执行次数,量化精度转换相关语句的执行频次以评估转换开销;将具备单、双精度实现的库函数统一抽象为变量,构建以变量为节点、浮点运算关联为边、语句累计执行频次为边权重的带权依赖图。搜索模块基于贪心搜索算法设计:以带权度最大的节点为起点,每步从与已选变量集合相连的节点中选择边权重最大的邻居纳入低精度配置,并测试配置的运行时间与误差以更新最优配置;误差超出用户设定阈值时触发回溯机制,直接恢复为历史最优配置,避免逐节点恢复的额外开销,提升调优效率。本文选取15个基准测试程序,在误差阈值为10-4、10-6和10-8的条件下开展实验。结果表明,依赖图能近似表征不同配置下精度转换指令数目的相对大小与变化趋势,回溯机制可进一步提升carbonGas、piqpr、fft等用例的配置性能;DEPTUNER为80%的测试程序找到了有效配置,分别比HIFPTUNER、ADAPT和CHEF-FP高26.7%、66.7%和53.4%;平均性能提升分别高11.15%、21.32%和13.46%,最高可达53.01%;工具整体运行时间较HIFPTUNER减少64.6%。DEPTUNER能在误差可控的前提下,为更多程序找到质量更优、搜索效率更高的混合精度配置,为浮点程序的自动混合精度调优提供了一种兼顾功能性与效率的新思路。
  • 罗贞焱, 杨嘉禧, 王智权, 刘凯, 李超良, 李福秀
    录用日期: 2026-11-18
    针对不可见后门触发器可能分布于图像空间模式或低位比特编码、单一扰动探针难以在不同攻击机制间稳定分离干净样本与投毒样本的问题,提出一种基于双域扰动响应的图像后门样本检测方法(PB-Fusion)。该方法面向污染训练样本筛查,在不修改待检测模型参数且不依赖触发器图案、位置和目标标签先验的条件下,从像素域与比特平面域构造互补探针。像素域采用待测图像与随机干净参考图像的等权混合,以观察宏观空间与纹理结构受扰后的预测变化;比特平面域将参考图像指定低位翻转后嵌入待测图像,并对嵌入差分进行缩放,以激励模型对细粒度量化编码变化的响应。针对每个样本在两域各执行100次随机探测,分别计算平均预测分布的预测熵以及预测熵与单次熵均值之差所定义的互信息,形成每域二维、共四维的响应特征。随后,仅利用干净拟合集计算各维特征的中位数与中位绝对偏差,构造稳健域异常分数,并按0.6和0.4的权重融合像素域与比特平面域分数;检测阈值由独立干净校准集在目标假阳性率0.10处确定。实验在含10%投毒样本的CIFAR-10完整50000张训练池和Tiny-ImageNet完整100000张训练池上进行,覆盖BadNets、Blended、FTrojan、SIG和LBP-LSB五类攻击,并对IBD-PSC、PSBD和PB-Fusion采用相同受害模型与样本进行3次独立重复实验。结果表明,PB-Fusion在全部数据集与攻击组合上的宏平均受试者工作特征曲线下面积(AUC)、真阳性率(TPR)和假阳性率(FPR)分别为0.9826±0.0020、0.9728±0.0010和0.1119±0.0014;其总体TPR较IBD-PSC和PSBD分别高16.29和17.21个百分点,总体AUC分别高0.1124和0.0415。在CIFAR-10和Tiny-ImageNet上的平均TPR分别达到0.9611±0.0090和0.9845±0.0109。特征域消融显示,双域融合在10个数据集-攻击组合中的6个组合取得最高AUC、9个组合与最佳单域AUC差距不超过0.01,并在8个组合取得最高TPR;融合权重敏感性分析进一步表明,预先固定的0.6像素域权重处于较优且稳定的性能区间。上述结果说明,双域响应的稳健加权融合能够获得较高的跨攻击检出率,并将总体FPR维持在约0.11。
  • 王鹏飞, 张文华, 王恩泽, 周源, 陈安莹, 夏天, 陶仪, 解炜
    录用日期: 2026-11-18
    渗透测试是评估计算机系统、网络和应用安全性的重要主动防御手段,传统自动化方法较大程度依赖人工经验,在复杂动态环境中难以持续完成环境理解、攻击路径规划、工具调用和漏洞验证等任务。近年来,大语言模型与智能体技术为自动化渗透测试提供了新的技术路径,但现有研究涉及的架构、知识、记忆、推理、工具调用和评测机制相互耦合,相关成果尚缺乏统一的比较和分析。针对上述问题,本研究面向智能体驱动的自动化渗透测试展开调研,主要贡献包括:系统检索并筛选2023年8月至2026年4月期间公开发布或发表的44项代表性研究,从目标阶段、智能体形态、知识增强、记忆管理、规划推理、工具调用、结果验证、评测场景、开源信息等维度对代表性方案进行横向比较。在此基础上,构建面向自动化渗透测试流程的统一分析框架,从多智能体协作架构、领域知识增强、记忆管理、推理规划、工具调用优化及测试评估六个维度归纳关键技术路线,结果表明:多智能体架构正从单一大模型决策演进为角色分工与动态自适应协作模式;检索增强生成与垂类微调可弥补通用大模型在渗透测试领域的知识不足;结构化记忆与上下文接力机制能够缓解长流程测试中的信息衰减问题;工具调用已由单一工具执行发展为多工具协同联动与动态自适应调用;在评测方面,标准化基准的建立推动了不同框架间的横向对比,但现有评测体系在场景真实性、过程性指标覆盖等方面仍存在局限。基于上述分析,本研究进一步凝练了当前研究在长流程任务支撑、复杂任务处理、经验复用、经济成本、评测真实性及安全可控性等方面的关键挑战,并提出面向工具知识深度融合、未知场景适应、持续学习、综合评测和受控自主执行的未来发展方向。本研究可为自动化渗透测试系统的架构设计、技术选型、实验评估和安全部署提供参考。
  • 陆苏烨, 丁卫平, 周天奕, 尹思文, 莫惠淇, 平鹏
    录用日期: 2026-11-17
    飞行区交通轨迹预测是实现航空器与地面保障车辆运行状态感知、冲突风险预警和智能调度的重要基础。针对现有方法在固定滑动时间窗口下难以充分利用跨时段重复运动模式,监控视频中的遮挡、雨雾、光照变化及检测跟踪误差易造成轨迹抖动和局部缺失,以及仅依赖轨迹序列难以充分表达停机位、服务车道和作业区域等场景约束的问题,提出一种面向飞行区交通的模糊记忆增强轨迹预测算法FMAT。该方法将历史位置序列转换为相对位移序列,利用Transformer编码器提取短期运动动态特征;构建Key-Value形式的轨迹记忆库,以历史轨迹片段编码作为Key、对应未来位移模式作为Value,显式存储可复用的长期运动先验。为降低噪声轨迹对记忆检索的影响,引入高斯模糊隶属度刻画当前轨迹与历史模式之间的软匹配关系,并通过Top-K筛选与加权聚合获得记忆增强表示,抑制低相关记忆项的干扰。同时,采用MAE风格视觉编码器提取与观测时刻对齐的视觉上下文特征,并与轨迹特征和记忆先验共同融入Transformer预测框架,实现多源信息协同建模。实验在Vehicle-CCTV、Airport-CCTV和公开TrajAir数据集上开展,并采用不同随机种子进行多次独立重复训练。结果表明,FMAT在多个数据集的ADE、FDE、MR和LTPA指标上取得最优或接近最优的综合性能;在缺少同步视觉信息的公开数据集上,移除视觉分支后的模型仍保持较好的轨迹建模能力。消融实验进一步验证了轨迹记忆库、高斯模糊隶属度、Top-K加权聚合和视觉上下文建模的有效性,参数敏感性、视觉扰动鲁棒性及推理效率实验表明所提方法具有较好的稳定性、泛化能力和部署可行性。
  • 帕丽旦•木合塔尔 , 郭文强, 陆亮
    录用日期: 2026-11-12
    随着无人车、无人机和轮式或履带式移动智能体在物流运输和环境监测等领域的广泛应用,复杂场景下的目标搜索任务对其环境感知与协同决策能力提出了更高要求。针对移动智能体在复杂场景下目标搜索时存在的多尺度环境感知能力不足与多智能体协同调度效率低的问题,研究提出了一种基于分流Transformer感知与大语言模型调度优化的多智能体目标搜索算法。在感知方面,引入Vision Transformer-Faster R-CNN (ViT-FRCNN)网络,设计多尺度分流Transformer模块,使查询保持全分辨率,键和值按1/1、1/2、1/4、1/8四分支并行下采样,并引入3×3深度可分离卷积的局部增强模块补偿细节损失,构建基于分流Transformer感知的智能体目标检测算法,实现多尺度特征高效聚合。在调度层方面,引入大语言模型,设计零样本提示模板,通过分配、执行、反馈、再分配的迭代闭环动态调整任务,并引入基于距离阈值的空间冲突检测规则;同时构建检测与调度双向反馈机制,(Large Language Model, LLM)依据任务语义过滤检测结果并引导检测模块聚焦目标相关区域,通过一致性约束确保检测输出与调度决策语义对齐,避免单方面优化退化,形成检测、调度、反馈、再检测的闭环协同流程。实验结果表明,目标检测算法在OpenImages V7数据集上的F1分数和召回率分别为98.83%和97.76%,mAP@0.5、mAP@0.75和mAP@0.5:0.95分别为55.47%、36.26%、30.68%,均优于对比算法;在COCO2017数据集上F1分数和召回率分别为96.85%和95.72%,验证了泛化性。多智能体目标搜索算法对椅子、牙刷、铅笔和橡皮擦四类物体的搜索准确率分别为98.9%、97.4%、97.8%、98.3%,端到端响应时间约612ms,均优于对比算法。上述结果验证了所提算法在复杂场景多智能体目标搜索中的有效性与实用价值。
  • 申舒亦, 王一帆, 谭林, 卜凡亮, 曾昭龙
    录用日期: 2026-11-11
    时序知识图谱作为描述动态事件演化过程的重要知识表示形式,通过引入时间信息刻画实体、关系事实随时间变化的动态特征,为知识推理、事件演化分析和潜在关联发现提供基础。针对现有时序知识图谱补全方法在实体时序演化建模不足、历史关系利用不充分以及动态语义表达能力有限的基础上,提出一种融合时间演化和关系上下文的时序知识图谱补全方法,该方法由时间条件实体编码器、关系上下文聚合器、时序评分预测模块和时间一致性对比学习模块组成。时间条件实体编码器在实体表示的基础上引入时间条件参数,通过时间条件变换和历史行为衰减刻画实体表示随时间变化的动态特征,实体表示能够反映不同时间阶段的行为演化规律;关系上下文聚合器以当前查询关系为引导,在历史时间窗口内检索实体的历史交互事件,利用关系相关性对历史上下文进行选择性聚合,减少了低相关历史信息引入的噪声,增强了模型对历史关系依赖和时序上下文信息的利用能力;时序评分预测模块将时间增强实体表示与时间感知关系表示进行联合建模,引入非对称交互机制刻画主体与客体之间的方向性关系,通过时序评分函数实现缺失事实预测;时间一致性对比学习模块根据实体在不同时间阶段的行为关系构造具有时间一致性的正负样本,通过对比学习约束表示空间,使语义和时序特征相近的实体表示更加接近、差异较大的表示分离,增强了时序知识表示的判别性与鲁棒性。实验结果表明,在时序知识图谱补全任务中常用于刻画实体时序交互行为的公开事件数据集ICEWS14、ICEWS05-15和GDELT上,与当前先进基线模型相比,所提方法MRR平均提升3.40%,Hits@1平均提升5.77%,Hits@3平均提升1.37%,验证了该方法在时序知识图谱补全任务中的有效性。
  • 张凤甜, 郭喜辰, 曾艳, 谢峰
    录用日期: 2026-11-11
    针对候选工具变量中弱工具变量与无效工具变量并存导致因果效应估计误差增大、小样本结果不稳定,以及候选变量增加后组合搜索复杂度迅速上升的问题,提出适用于加性非线性常效应模型的E-CAT算法。该算法采用“筛选—联合评分—估计”三阶段框架:首先估计候选工具变量与处理变量的线性关联系数及标准误,利用自适应硬阈值剔除弱工具变量,压缩候选集合;其次在筛选后的集合中枚举给定规模的候选子集,利用距离相关系数和样本矩分别构造距离相关评分与残差正交评分,采用Min-Max方法对两类评分进行归一化,再通过加权求和形成联合评分,并选择联合评分最小的子集;最后根据所选工具变量构造矩条件,采用广义矩方法估计因果效应。理论分析表明,两类评分具有统计相合性;在线性可检测性等条件下,预筛选保留足够真实有效工具变量及E-CAT选出真实有效子集的概率均趋近于1。合成数据实验包含有效工具变量占优和无效工具变量占优两类场景,共16种情形,候选工具变量总数为6~20个,样本量为200、500和750,每种设置重复100次。敏感性分析表明,联合评分权重取0.5时整体表现较为稳定。与OLS、MR-Egger、TSHT、CIV和CAT相比,当样本量为500和750时,E-CAT均有14种情形的均方误差低于0.2;在候选工具变量总数为20、样本量为750的两种复杂情形下,其平均运行时间为4~5 s,较CAT的145~150 s缩短96%以上。消融实验中,完整E-CAT在三种样本量下的均方误差均低于五种消融版本。进一步在母亲劳动力供给数据和殖民起源数据上开展真实数据实验。在包含12个候选工具变量的母亲劳动力供给数据中,E-CAT筛选出“两名男孩”和“两名女孩”,估计生育超过两个孩子对母亲工作周数的因果效应为−5.824;在殖民起源数据中,只包含殖民者死亡率和1900年欧洲人口比例两个候选工具变量,两个交叉独立性检验的P值分别为0.1966和0.2590,残差联合正交性检验的P值为0.7961,均未拒绝相应原假设。结果表明,E-CAT能够提高复杂非线性场景下因果效应估计的准确性与稳定性,并显著降低相较于CAT的计算开销。
  • 张霄蓉, 徐鑫, 刘兰娟
    录用日期: 2026-11-11
    洗钱活动严重威胁全球金融安全与社会稳定,反洗钱(Anti-Money Laundering, AML)已成为各国维护金融秩序的战略性任务,并对金融机构合规运营提出刚性要求。随着洗钱手法日趋隐蔽化与智能化,传统基于规则的静态监测手段难以应对,智能技术正成为反洗钱建模的重要路径。但相关研究分散于机器学习、图学习与大语言模型等领域,尚缺乏与业务任务结构相对应的系统梳理。本文以主体、交易、网络与语义四类分析粒度为框架,系统综述反洗钱智能技术的研究进展。首先依据分析粒度对反洗钱任务作分层界定,明确各层级的分析对象、典型输出及其衔接关系。继而围绕客户与账户风险识别、交易行为异常检测与资金链路关联分析等任务,评述规则评分、机器学习、深度时序建模与图学习等检测方法,分析其适用条件,指出其在非结构化文本利用、标注稀缺适应性与决策可解释性上的不足。针对上述问题,进一步论述大语言模型在语义增强检测、知识增强与合规推理、智能体驱动的调查与报告生成等方面的应用进展,并讨论幻觉抑制与可追溯性等可靠性问题。此外,本文整理该领域的公开与合成数据资源,按任务层次归纳评价指标,并据此总结数据基础、评测可比性、多粒度融合与可解释合规等方面的关键挑战,展望评测标准化与数据生态、多粒度技术协同、可审计智能体与人机协同调查等方向。与既有综述相比,本文以分析粒度而非算法类型为主线组织方法,使技术方案与业务任务直接对应;将研究视野由检测模型延伸至生成式智能体,贯通从风险识别到调查支持的技术链条;并整理数据集与评测资源,以期为该领域的研究与工程实践提供参考。
  • 王浩宇, 南龙梅, 杜怡然, 李伟, 刘燕江 , 陈韬
    录用日期: 2026-11-11
    随着物联网与嵌入式设备的广泛应用,数据加密需求日益增长,序列密码算法因其实现简单、加解密速度快等优势成为资源受限环境下的重要选择。LILI-128与LILI-II是典型的双LFSR钟控滤波序列密码算法,硬件结构相似但参数差异大,现有实现方案多为单一算法定制,资源无法复用且缺乏系统级集成。因此,本文提出一种基于系统总线的可重构LILI密码算法专用IP核实现方案,该方案采用128位通用移位寄存器与复用相同项的方式实现两种密码算法的可重构,针对LFSRd步长可变的特点,设计四个并行预计算移位寄存器模块,通过数据选择单元在单周期内实现1~4步的移位,并以内存映射I/O的方式集成至蜂鸟E203处理器的ICB总线。实验结果表明,在典型的RISC-V处理器蜂鸟E203平台与纯软件实现相比,本方案完成密码算法实现执行时钟周期数缩减至原有方案的0.16%,吞吐率提升超过400倍,达91.42 Mbps;基于FPGA实现时资源占用936个LUTs,工作频率234.47 MHz;在65 nm工艺下ASIC实现吞吐率进一步提升至478.4 Mbps,综合面积仅21 297 μm⊃2;。虽较单一算法硬件实现时资源消耗略有增加,但本方案可在同一架构下灵活切换LILI 128与LILI II,并支持与处理器高效交互,在灵活性、处理效率与硬件开销之间实现了良好平衡。
  • 杨锟, 范成, 谢文光, 丁建立
    录用日期: 2026-11-10
    机场网络中的航班延误具有显著的时空传播特征,其时间依赖尺度随运行状态变化而改变,而机场间延误传播受到航线连接关系及网络运行状态的共同影响。现有时空图预测方法通常采用固定时间感受野,难以根据运行状态变化有效捕捉不同时间尺度的延误特征;同时,基于静态邻接关系的方法难以刻画机场间影响强度的动态变化,而缺乏拓扑约束的空间注意力可能引入与实际航线结构不一致的远距离关联。针对上述问题,提出一种面向机场网络延误预测的自适应时空图学习方法(DAD-GWN)。在时间建模方面设计自适应膨胀路由时间卷积模块(ADR-TCN),根据输入时间窗口的整体延误水平和波动强度构建状态表示,通过路由机制自适应融合不同膨胀率的时间卷积分支,实现时间依赖尺度的状态自适应建模;在空间建模方面设计航线约束双路空间聚合模块(RC-DPSA),将双向扩散图卷积与航线拓扑约束的空间注意力相结合,利用前者提取多阶邻域信息,在Ka跳可达范围内动态学习机场间影响强度。基于美国运输统计局2024年全年40个机场的小时级运行数据,采用过去12 h预测未来6 h的实验设置,通过基线对比、多步预测、模块消融及机制分析评估模型性能。实验结果表明,所提方法在6 h综合预测任务中取得7.400 min的MAE和24.704 min的RMSE,并在各预测时距下取得优于主要基线模型的预测性能,验证了自适应时间尺度建模与航线拓扑约束空间聚合的有效性。可为机场网络延误预警、运行态势研判及协同流量管理提供预测依据,辅助识别潜在延误风险,为运行资源调配和延误缓解措施的制定提供参考。
  • 师智斌, 靳亚东, 刘宇欣, 王悦, 赵红
    录用日期: 2026-11-09
    针对现有基于应用程序接口(API)调用序列的恶意软件检测方法分类性能和泛化能力有限的问题,提出一种融合重要性感知局部对抗训练与对比学习的恶意软件检测模型Mamba2+LAT-CL。首先,将API调用序列映射至连续嵌入空间,引入Mamba2编码器建模长距离依赖关系,并通过掩码均值池化聚合有效调用位置的信息,提取样本级恶意软件行为特征;其次,为提升模型的检测性能,引入嵌入空间对抗训练,利用原始视图分类损失关于输入嵌入的梯度范数,动态评估不同API调用位置对当前分类决策的重要程度,筛选高重要性位置施加局部扰动,构造局部扰动视图,增强对抗正则化的针对性;随后,将同一样本的原始视图与局部扰动视图构造成正样本对,通过参数共享的编码器和投影头获得对比表示,引入归一化温度缩放交叉熵(NT-Xent)对比损失约束两种视图在投影空间中的表示一致性;最后,联合优化原始视图分类损失、局部扰动视图分类损失和对比损失,以增强模型的类别判别能力和特征表示稳定性。推理阶段仅保留嵌入层、编码器、特征聚合模块和分类头,无需执行扰动生成和对比学习分支。实验结果表明,该模型在Aliyun和Mal-API-2019两个公开数据集上的Accuracy分别达到98.06%和68.07%,F1-score分别达到98.49%和68.69%,均优于对比方法,相较各数据集上F1-score最高的对比方法,分别提高0.91和1.78个百分点。在Aliyun嵌入空间投影梯度下降攻击评估中,当样本级Frobenius范数扰动预算为5时,模型的F1-score仍达到91.01%,明显高于基础Mamba2的31.88%。在Aliyun到MalBehavD-V1的跨数据集测试中,模型的Accuracy和F1-score分别达到76.50%和71.49%,均优于所比较方法。上述实验结果验证了所提方法在恶意软件检测任务中的有效性。
  • 朱允怀, 王莺时, 张亮
    录用日期: 2026-11-06
    价值单调递减资源广泛存在于零售服务系统与智能调度场景中,其核心挑战在于如何在资源价值持续递减、成员自主经营和信息分散的背景下,实现高效的资源分配与流转。针对便利店集团在价值单调递减商品经营过程中因资源价值递减及成员自治、信息有限披露导致的调度低效与收益损失,本文提出了一种面向零售服务系统的多方共赢协同机制。该机制基于多智能体系统(Multi-Agent System, MAS)建模,允许集团各服务成员在有限信息条件下自主决策,通过动态需求上报与交易撮合优化,实现集团内部资源的重新配置。机制充分考虑成员在局部知识下的策略异质性行为,通过出价与拍卖等事件间接体现成员的真实意图与目标,并通过利润再分配机制促进各方持续参与。为验证机制有效性,基于JaCaMo平台构建服务系统仿真环境,设定多类智能体(门店、顾客、总部等)及市场需求扰动场景,系统性对比多方共赢机制、VCG拍卖机制与传统分散经营机制。实验结果显示,在30天经营周期内,多方共赢机制将集团整体服务收益提升约15.4%,并在顾客满足率与资源使用率等关键指标上优于VCG机制与分散经营模式。研究为价值递减资源的分布式调度与服务系统多方协同机制的实际应用提供了理论基础与数据支撑。
  • 王晓菲, 马慧芳, 张瑞佳
    录用日期: 2026-11-05
    半监督图异常检测旨在利用有限标记数据与大量未标记数据,在复杂图结构中识别异常节点。受制于标记样本稀缺与类别分布高度不平衡,现有方法在实际应用中仍面临显著性能瓶颈。自训练虽然是有效利用未标记数据的经典方法之一,但在图异常检测场景下仍面临两项关键挑战:一方面,有限标记样本中异常节点数量较少,长尾分布容易使模型在初始训练阶段偏向正常类,导致对异常节点的识别能力不足;另一方面,在类别不平衡的训练过程中,错误伪标签的持续累积会引发“马太效应”,使模型不断放大自身预测偏差。针对上述挑战,本文提出一种鲁棒的半监督图异常检测自训练框架DISC,通过解耦不同来源的监督信号,从优化目标层面应对双重不平衡问题。具体而言,针对有限标记样本引入焦点损失以增强模型对稀疏异常节点的关注;针对高置信度伪标签样本,设计分布感知校正损失(Distribution-Aware Rectification,DAR),根据伪标签类别频率对类别先验进行校正,并结合反向交叉熵提高模型对噪声伪标签的鲁棒性,从而抑制自训练过程中预测偏差的持续放大。在YelpChi和Reddit两个公开图异常检测基准数据集上开展实验,并与八种代表性方法进行比较。实验结果表明,DISC在不同数据结构和异常比例下均表现出较强竞争力,其中在YelpChi上取得81.89%的AUROC,在Reddit上取得5.29%的AUPRC和51.96%的Macro-F1,后两项指标均达到最优。消融实验与可视化结果进一步验证了各模块的有效性,表明DISC能够有效缓解半监督图异常检测中的少标签不平衡与自训练偏差累积问题,并提升标注稀缺场景下的检测性能和鲁棒性。
  • 邾玢鑫, 霍家俊, 潘海龙, 肖福明, 李超, 陈曦
    录用日期: 2026-11-05
    针对居民社区电动汽车充电负荷中近零负荷样本占比高、局部峰值突变等问题,提出一种基于改进贝叶斯优化的TCN-BiGRU-MHA短期预测方法。首先,融合历史负荷、气象和时间日历信息,构建多源特征输入矩阵。其次,为改善贝叶斯优化算法在超参数搜索中的初始样本分布和目标函数拟合效果,并协调探索与利用,采用Circle混沌映射生成初始样本,交替使用高斯过程与随机森林代理模型,并在探索、利用和精细搜索阶段依次采用置信下界、期望改进和改进概率采集函数,联合优化模型结构与训练超参数。采用江西省某居民社区20台,额定功率为7 kW交流充电桩的4392个小时级样本进行验证,数据覆盖2024年7月2日至12月31日,近零负荷样本占49.52%。数据经异常值处理、缺失值填补和桩级功率聚合后,按时间顺序以7:2:1划分训练集、验证集和测试集。改进贝叶斯优化算法在10维超参数空间中最多进行50次评估,连续15次评估未刷新最优值时提前停止。实验结果表明,所提模型的平均绝对误差和均方根误差分别为0.2315 kW和1.2244 kW,决定系数为0.9843;与标准贝叶斯优化得到的同类模型相比,前两项误差分别降低72.8%和19.9%;与遗传算法和麻雀搜索算法优化的同类模型相比,均方根误差分别降低55.84%和44.93%,决定系数分别提高0.0646和0.0360。在相同数据划分及预测设置下,所提模型优于Transformer、Informer及两者经改进贝叶斯优化得到的模型。消融实验支持各模块在特征提取、时序建模与时间步加权方面的互补作用。SHAP分析显示,时间日历、历史负荷和气象环境特征的贡献度分别为45.96%、29.82%和24.22%,上一小时负荷、前一天及前一周同一时刻负荷分别反映短时相关性、日周期与周周期特征。在所研究社区稀疏且峰值显著的充电负荷数据上,所提方法降低了平均绝对误差和均方根误差;面向该场景设计的预测模型与改进贝叶斯超参数优化相结合,有助于提高预测精度,可为社区有序充电控制、配电网峰谷调节和短期运行调度提供预测依据。
  • 孙海春, 蔡谋熙, 孙丽婷
    录用日期: 2026-11-05
    知识型视觉问答需要借助图像之外的世界知识完成作答。现有研究多利用多模态大模型 (MLLM)获取视觉推理知识,或是以大语言模型 (LLM)作为知识引擎,将图像转化为文本以开展推理。MLLM视觉理解能力突出但推理能力不足,LLM推理能力强却无法直接解析视觉信息,如何充分发挥两类模型的互补优势,现有集成方法尚未得到充分研究。针对上述问题,本文提出一种 LLM 协调多个 MLLM 协同推理的知识型视觉问答新范式,将多个MLLM作为异构知识引擎,由 LLM 承担多源证据的权衡与仲裁角色,实现视觉感知能力与逻辑推理能力的深度融合。该框架包含三个核心阶段:其一,问题感知字幕生成阶段,采用BLIP-2图像关联文本编码器结合GradCAM梯度定位方法,精准识别图像中与问题高度相关的关键视觉区域;同时针对InstructBLIP与LLaVA-1.5两类MLLM的指令响应特性,设计6类互补性提示模板,生成多视角、问题导向的感知字幕,为后续推理提供丰富的视觉上下文知识。其二,候选答案池构建阶段,将原始图像与问题分别输入两个MLLM生成独立候选答案,拓宽答案搜索空间,有效缓解单模型的知识盲区与领域偏差问题。其三,LLM 协调推理阶段,将感知字幕、候选答案、模型标识整理为结构化提示,结合上下文学习机制检索训练集中的相似样本,输入LLaMA2-7B模型;LLM依托自身内置的世界知识与语义推理能力,完成多源证据的语义关联、冲突判别与可信度排序,最终输出最优推理答案。实验结果表明,所提方法在OK-VQA数据集上准确率可达69.4%,在A-OKVQA直接回答任务上准确率达67.1%,在同参数量级方法中取得最优性能。消融实验验证,移除感知字幕模块与候选答案模块会分别造成7.5、6.7个百分点的性能下降,充分证明了多源视觉证据对LLM仲裁决策的必要性,以及多MLLM异构协同框架的有效性,为构建轻量高效的多模态推理系统提供了新思路
  • 录用日期: 2026-11-05
    细粒度图像分类中复杂的类内特征分布给判别性特征学习带来了较大挑战。现有基于代理的度量学习方法通常采用固定数量代理表示所有类别,难以适应不同类别内部结构复杂度的差异,从而限制了对复杂类内分布的刻画能力。为此,提出一种自适应多代理度量学习方法(Adaptive Multi-Proxy Metric Learning,AMPML)。该方法根据样本与代理的历史匹配概率平滑更新代理使用率,以反映各代理在类别样本中的使用情况;随后依据激活阈值动态筛选各类别的有效代理,使参与优化的代理数量与集合随类别特征分布变化而调整,从而适应不同类别的类内结构复杂度。在此基础上,根据势场理论建模同类样本与代理之间的吸引关系以及异类样本与代理之间的排斥关系,以优化代理点与样本的空间分布。势场计算仅涉及样本与当前有效代理之间的相互作用,未激活代理不参与势能计算。由此,类别级代理规模调整直接改变势场作用范围,使不同类别的样本接受与其有效代理集合对应的优化约束。同时,针对样本—代理约束对局部边界刻画不足的问题,采用困难样本约束增强边界样本的类内紧凑性。具体而言,根据模型对真实类别的预测置信度筛选困难样本,在同类别困难样本之间构建距离约束,以补充样本—代理势场对局部类内关系的建模。最后,在CUB-200-2011、Stanford Dogs和FGVC-Aircraft三个公开细粒度数据集上进行实验验证。同时比较不同主干网络的分类结果,并通过消融实验分析各模块对分类准确率的影响及其协同关系。实验结果表明,所提出方法能够有效优化特征空间分布,提高复杂类内结构的建模能力,并取得优于多种现有度量学习方法的分类性能。消融实验和可视化分析进一步验证了各组成模块的有效性及其协同作用。自适应多代理度量学习的细粒度图像分类
  • 孙彦景, 李庚, 王博文, 胡文信, 聂同, 王恩彤
    录用日期: 2026-11-04
    为解决复杂堆场中多无人机巡检面临的目标密集分布、遮挡关系复杂、标签识读可靠性不足及多无人机路径冲突等问题,提出一种多无人机巡检任务分配与路径规划方法。综合考虑链路传播、天线方向、极化失配、阴影衰落及堆叠遮挡等因素,建立兼顾RFID可靠识读与多无人机安全飞行约束的巡检模型,将问题分解为覆盖约束下的可靠悬停位置优化,以及多无人机任务分配与无冲突路径规划两个子问题。设计基于势博弈的可靠悬停位置优化算法,以截断型势函数度量未可靠覆盖标签的概率增益,通过多初始最佳响应动态搜索生成满足覆盖率约束且规模紧凑的悬停位置集合。基于该集合,设计基于冲突反馈与安全区间规划的任务分配与路径规划算法(CF-SIPP),以系统完工时间、总时间代价、负载均衡度和冲突惩罚构造综合目标,通过任务转移、任务交换和访问序列调整优化任务方案,并将安全区间路径规划产生的冲突信息反馈至任务调整过程,实现任务优化与无冲突路径生成。仿真结果表明,在不同无人机数量和标签规模实验中,CF-SIPP相较ECBS-TS的系统完工时间分别降低6.33%和3.39%,总时间代价分别降低2.69%和2.01%;在复杂工况和路径阻塞条件下,系统完工时间分别降低6.44%和6.71%,总时间代价分别降低6.75%和6.93%。消融实验表明,任务转移是降低系统完工时间的主要局部搜索策略,冲突反馈在高冲突场景下作用更为明显;参数敏感性分析表明,遮挡附加损耗是影响巡检性能的关键因素。显著性检验结果表明,CF-SIPP在不同任务规模和环境约束下均具有稳定的性能优势。所提方法能够在满足标签可靠覆盖和多无人机安全间隔约束的同时,有效降低系统完工时间和总时间代价,并具有较好的复杂工况适应性、规模扩展性和运行稳定性。
  • 王自超, 黎谦, 秦业菲, 梁洋, 尹智帅, 聂琳真
    录用日期: 2026-11-04
  • 谢锐升, 刘洋, 李春树, 李剑
    录用日期: 2026-10-23
    自然语言处理中的低资源场景常面临数据稀缺挑战,照明智能客服领域尤为突出,其专业术语密集、规格参数稀疏、服务与产品组合冗余,导致高质量意图标注数据获取困难。现有同义词替换、回译等传统增强方法难以提升语义多样性、化解意图边界模糊;基于大语言模型的生成式增强则易出现意图偏移、实体错误等问题,领域适配性不足。针对上述问题,本文提出引导式约束去重数据增强方法(Guided Constraint Deduplication Data Augmentation, GCDDA)。该方法构建了少样本示例引导、多维度约束筛选与语义相似度去重的三阶协同框架:少样本示例引导以少量高质量种子样本为参照,使模型快速适配照明领域的生成范式,弥补大规模人工标注的缺失;多维度约束从意图、实体及场景语言三个层次对生成过程施加细粒度控制,有效抑制生成式增强中常见的意图偏移与实体违规;语义相似度去重通过大语言模型驱动的重复度打分机制,强制剔除“换词不换逻辑”的冗余样本,从根本上化解传统方法语义多样性不足与意图边界模糊的缺陷。三者协同,在无需对生成式语言模型进行微调的前提下,即可批量生成质量可控、低冗余的意图样本。实验结果表明,在自建Light-Intent数据集上,以BERT-base-Chinese为下游分类模型,(5-shot)基线的准确率仅为40.54%,经GCDDA增强后达到63.34%,F1值从40.33%提升至63.66%,且增强后的性能(5+15-shot)优于同规模真实数据(20-shot)的60.48%准确率和60.88%F1值;在ATIS、Kuake-qic、a_intent三个公开数据集上,GCDDA在同等样本规模下优于回译、同义词替换等传统增强方法及ZeroGen、AugGPT及PromptMix等生成式增强方法。该方法无需对生成式大语言模型进行微调,可灵活迁移。
  • 王懿, 孙艳春, 赵潇晗
    录用日期: 2026-10-23
    随着科学文献规模的快速增长,科研人员的信息需求正由文献级相关性检索逐渐转向对研究问题、技术路线、实验条件及结论证据等细粒度科学知识的获取。然而,现有科学论文表示方法主要依赖论文摘要或固定长度文本切块构建语义表示,难以同时兼顾科学知识的完整表达与证据可追溯性;与此同时,利用单一大语言模型构建论文语义表示受限于上下文窗口长度以及事实一致性不足等问题,难以生成高质量、可复用的语义表示。针对上述问题,本文提出一种基于多智能体协同的科学论文细粒度语义挖掘方法,采用“控制—状态—操作”三层架构,由确定性任务编排器管理阶段推进与反馈回溯,以共享语义证据空间统一维护具有类型、来源和依赖关系等信息的中间对象,通过文本增强、原子事实抽取、语义组织和核验四类功能智能体,逐级完成从多模态证据到语义表示的构建。核验智能体输出包含错误类型及对象标识的结构化报告,驱动编排器沿依赖链进行局部修正与重算,形成核验驱动的闭环协同机制。在此基础上,进一步构建了面向科研知识发现的基于语义表示学术论文检索与知识服务框架。基于自建的arXiv科学论文数据集开展实验,结果表明,本文方法在关键事实覆盖率、文本信息量和原文忠实性方面均取得最优结果,并将跨单元语义冗余控制在较低水平。自动化评估的结果表明,基于该语义表示实现的学术论文检索与知识服务能够为科研人员提供更相关且更可信的结果;定性案例进一步显示,在相近词元消耗下,基于语义表示的服务能够提高证据覆盖率,并增强回答及推荐理由的具体性和查询契合度,从而验证了
  • 陈悦, 缪轩磊, 胡永宁, 桂嘉豪, 杨乐, 黄旭慧, 魏欣
    录用日期: 2026-10-21
    热敏灸通过诱发经络感传及气至病所反应,能够显著提升艾灸疗效,已在镇痛、功能调节及慢性病康复等领域得到广泛应用。然而,热敏灸操作具有较强的经验性和个体化特征,现有技能评估主要依赖专家现场观察与主观判断,存在评价标准模糊、结果易受主观因素影响以及操作质量难以客观量化等问题。此外,热敏灸强调根据患者热敏反应动态调整施灸位置、范围和节律,若采用轨迹形状匹配或静态模板匹配进行评价,容易将临床上合理的个体化调整判定为操作偏差。针对上述挑战,本文以腧穴热敏化理论和临床施灸经验为支撑,面向热敏灸实践教学与技能考核,提出一种融合专家经验与多维运动特征的客观评分方法。该方法以施灸过程中灸条的三维运动轨迹为分析对象,构建涵盖空间控制、运动节律和操作时序的多维评价体系,并针对不同灸法在操作特征上的差异,采用与运动模式相适应的差异化评价策略。在此基础上,构建基于修正累积分布函数的评分模型,利用评分尺度参数调节模型对不同指标偏差的响应程度,将不同量纲的特征偏差统一映射为归一化得分,实现各维度分项评分与综合评分。为验证所提方法的有效性,在108组涵盖回旋灸、雀啄灸、悬灸和循经往返灸四种典型灸法的自建数据集上开展实验。实验结果表明,所提方法评分与人工参照评分之间的MAE为0.037~0.059,ICC(3,1)为0.757~0.860,在不同灸法上均表现出较好的评分准确性和一致性。与多种基于时间序列或轨迹相似度匹配的评价方法相比,所提方法整体具有更低的评分误差和更稳定的评价性能。研究结果显示,所提方法能够在客观量化施灸规范程度的同时,提供具有明确操作含义的分项评价结果,可为热敏灸实践教学、技能考核及操作反馈提供稳定、可解释的数字化评价依据。
  • 邵超, 杨林
    录用日期: 2026-10-21
    多模态磁共振成像(MRI)脑肿瘤分割中,不同MRI模态对肿瘤亚区的贡献存在显著差异,传统通道拼接或简单特征相加难以充分刻画模态特异性,且现有分割网络通常缺少对模态贡献的显式解释,这些问题限制了多模态MRI脑肿瘤分割的准确性、鲁棒性和可解释性。针对上述问题,构建了基于隶属度的多模态MRI脑肿瘤图像分割网络。该网络采用私有-共享解耦编码器(Private-Shared Encoder)分别提取各模态特异性病理特征和跨模态共享解剖表征,以缓解多模态特征纠缠;在模糊融合层(Fuzzy Fusion Layer)中,设计数据与先验协同驱动的隶属度模块(Data-Prior Co-driven Membership Module,DPC-MM),通过数据驱动响应与医学先验引导共同生成体素级模态隶属度,用于表征不同MRI模态在不同肿瘤区域中的动态贡献,并利用模糊特征融合模块(Fuzzy Feature Aggregation Module,FFAM)对各模态私有特征进行隶属度加权,然后与共享特征残差融合,从而增强对肿瘤空间异质性和模糊边界的表征能力。网络最终输出多模态隶属度图及脑肿瘤分割结果。在BraTS2021数据集上进行五折交叉验证,结果显示,整体肿瘤(WT)、肿瘤核心(TC)和增强肿瘤(ET)的Dice系数分别为0.9223±0.0061、0.8873±0.0064和0.8593±0.0110,平均Dice为0.8897±0.0069;平均95% Hausdorff距离(HD95)、平均表面距离(ASD)和期望校准误差(ECE)分别为5.18±0.53 mm、3.15±0.54 mm和0.1442±0.0073。进一步在BraTS2021和BraTS2018 HGG数据集开展多方法对比实验,所提方法的Mean Dice分别为0.9037和0.8393,Mean HD95分别为4.7764 mm和5.1885 mm,体现出较好的综合分割性能。实验结果表明,所提网络能够利用体素级模态隶属度实现区域自适应的多模态特征融合,在获得较高分割精度的同时保持较好的边界质量和概率校准性。同时,所生成的多模态隶属度图能够直观呈现模型在不同空间位置和肿瘤亚区中的模态使用差异,为多模态MRI脑肿瘤分割提供可量化和可视化的模态级解释表示。
  • 贺浩, 许静文
    录用日期: 2026-10-21
    随着生成式人工智能和局部内容编辑技术的发展,深度伪造已由整段合成扩展至局部语音和画面修改。视频级检测容易使短时异常被真实内容稀释,逐帧检测则常产生缺乏连续性的零散结果,二者均难以直接给出篡改片段的起止位置和持续时间。深度伪造时序定位因此需要从未裁剪的音频、视频或音视频序列中识别可疑片段,并输出可复核的时间区间。本文检索Google Scholar、Web of Science、IEEE Xplore、ACM Digital Library、CVF Open Access和arXiv,纳入时序定位方法及相关数据集、评价协议和支撑技术研究。本文以检测证据和定位目标的变化为主线,将技术演进概括为“局部伪影检测—生理与行为特征分析—音视频联合检测—伪造区间生成—伪造边界修正”,并按输入模态梳理音频、视觉和音视频多模态方法。针对多模态研究,进一步建立“伪造证据—模态交互—区间解码”的分层框架。综合分析表明,现有研究主要围绕证据可靠性和边界精度展开。上下文建模与自监督学习能够降低对特定生成器和已知伪造类型的依赖,但过度融合可能平滑短时异常,真实场景中的正常声画偏移也可能触发误报。多模态交互有助于利用音频与视觉信息的互补性,但其效果容易受到模态质量、对应关系及模态缺失的影响。在已正式发表的研究中,代表性多模态方法在LAV-DF和AV-Deepfake1M官方测试集上的AP@0.50最高分别超过99%和94%,而AP@0.95最高约为70%和51%,表明现有方法已能较好地检出伪造区间,但在严格重叠条件下准确恢复片段边界仍面临较大挑战。跨数据集和跨语言结果进一步表明,生成器、语言、编辑方式、片段长度及数据构造偏差均会影响模型性能,域内结果不能直接代表真实场景下的稳定泛化。未来研究应加强数据集审计和真实传播条件评测,完善跨数据集、跨生成器与跨语言评价,并结合模态质量评估、不确定性估计和分模态证据保留,提高定位结果的可靠性、可解释性与实际部署能力。
  • 黄向杰, 高丽, 候永琪, 李硕硕
    录用日期: 2026-10-21
    Aiming at the problem that the existing multivariate time series prediction methods based on diffusion model have insufficient conditional information representation ability and large computational cost of long sequence modeling, this paper proposes a diffusion model (Wavelet-Conditioned Diffusion Model with Mamba, WCDM-M) that combines wavelet condition enhancement and lightweight Mamba architecture. The wavelet conditional enhancement network is designed in the WCDM-M model. The multi-scale time-frequency analysis of the historical time series is carried out by continuous wavelet transform, and the periodicity, local variation and transient characteristics at different time positions and scales are expressed explicitly. Then, using the convolutional coding structure composed of two layers of InceptionV1 modules, the time-frequency features under different receptive fields are extracted through multi-scale convolution kernels and pooling branches, and the scale dimension is compressed through deep convolution. The conditional vector is generated by linear mapping, which provides a multi-scale time-frequency prior for the diffusion reverse denoising process. In the denoising network, a lightweight time-series modeling backbone based on the selective state space model Mamba is designed. By removing the Conv1D module in the native Mamba, the linear mapping is used to simplify the redundant projection, and the L-Mamba module is constructed to achieve efficient modeling of long-distance timing dependencies. At the same time, the wavelet condition vector and diffusion step are embedded into the joint input multi-layer perceptron to generate feature scaling and offset parameters, and the adaptive feature modulation of different diffusion stages is realized by the condition layer normalization mechanism. Experimental verification is performed on five public time-series datasets of ETTm1, Electricity, Traffic, Weather and Exchange. The results show that in the 96-step prediction task, the MSE of WCDM-M on the five datasets is 0.3212,0.1767,0.4196,0.0071 and 0.0410, respectively, which is better than the optimal results in the corresponding comparison model. Among them, the MSE of the Weather dataset is reduced to 0.0071, indicating that the model can effectively capture high-frequency fluctuation pattern; the MSE of the Exchange data set reaches 0.0410, which verifies the predictive capability of the model for non-stationary time series. The results of ablation experiments show that after removing the wavelet conditional network, the average MSE of all data sets and prediction lengths is increased by 26.4%; after using single-scale wavelet or removing Inception multi-branch coding, the average MSE is increased by 15.1% and 10.5% respectively, which proves that multi-scale time-frequency conditions and multi-receptive field feature extraction play an important role in model performance improvement. In addition, the WCDM-M parameter is 11.2M, which is lower than 18.5M of the Transformer denoising version WCDM-T, and the single-round training time is 89.7ms, which is 26.6% lower than WCDM-T. The WCDM-M model combines the wavelet time-frequency condition enhancement with the lightweight Mamba denoising network, which reduces the computational complexity and improves the prediction ability of the diffusion model for periodic changes, local mutations and non-stationary dynamic patterns. It provides an effective method for the prediction of complex and variable time series with both accuracy and efficiency.
  • 安荔琪, 王明文
    录用日期: 2026-10-21
    针对现有伪装目标检测(COD)方法易产生误检、漏检及边界定位不准确等问题,提出一种基于预测先验与不确定性细化的伪装目标检测方法(PURNet)。该方法以金字塔视觉Transformer(PVT)作为骨干网络,获得具有丰富语义信息的多尺度特征。在此基础上,设计双路先验引导注意力模块(DPAM),将当前阶段的预测结果作为预测先验,并从空间和通道两个维度对特征进行自适应增强。其中,空间先验引导特征关注潜在目标区域,抑制背景区域的无关响应;通道先验根据当前预测状态动态生成通道注意力参数,对目标相关语义特征进行重新加权,以增强模型对目标的特征表达能力。为进一步衡量预测结果的可靠性,引入不确定性生成模块(UGM),通过概率分布建模和重参数化采样获得多组预测样本,并利用样本的方差估计不确定性。进一步提出组不确定性引导残差细化模块(GUGR),采用不同程度的不确定性引导策略,逐步融合不确定性信息与特征,同时对不可靠区域进行渐进式细化,使模型能够根据预测可靠程度自适应调整预测结果。为验证所提方法的有效性,在CAMO-Test、COD10K-Test和NC4K三个公开伪装目标检测数据集上开展实验,并从结构度量 、增强对准度量 、加权 以及平均绝对误差MAE四个指标进行综合评价。在CAMO-Test上,模型取得0.856的 、0.920的 、0.804的 以及0.050的MAE;在COD10K-Test上分别取得0.839、0.914、0.730和0.029;在NC4K上分别为0.870、0.926、0.812和0.037。模型复杂度与推理效率实验表明, PURNet的计算量为10.77 GFLOPs,参数量为25.82 M,推理速度达到78.6 FPS。综合实验结果表明,PURNet能够有效融合预测先验与不确定性信息,在复杂背景下实现更准确的目标定位与分割。
  • 赵亮, 李英硕, 金海波, 李松泽
    录用日期: 2026-10-21
    针对二维医学图像分割中弱边界、低对比病灶及成像伪影易造成定位偏移、漏分和过分割,以及冻结视觉基础模型的图像块级语义与医学像素级空间结构对应不足的问题,提出DINOv3先验引导的参数高效医学图像分割网络HiFi-DinoMECNet。网络以冻结的DINOv3-S/16为语义编码主干,仅训练空间适配结构和解码器,在保留自监督语义先验的同时降低任务训练阶段的参数更新规模。首先,从DINOv3第3、6、9和12个Transformer块提取图像块标记,去除类别标记和寄存标记,通过标记-特征图转换及尺度对齐构建四级伪多尺度语义接口,使不同语义深度的特征能够与后续空间分支逐级对应。其次,在编码端设计语义-空间保真注入模块SSFI,利用浅层卷积特征生成空间查询,预测局部采样偏移和聚合权重,并在冻结语义特征图上执行空间引导的局部采样,从而增强弱边界、纹理及局部结构区域的语义响应。再次,在解码端构建多尺度高效协同注意解码器MECAD,依次完成上采样校准、语义门控筛选和多尺度上下文聚合,以抑制浅层噪声与伪边界并逐级恢复高分辨率分割结果。实验在ISIC 2017、ISIC 2018、BUSI和DSB18四个公开二维医学图像数据集上开展,所有方法在固定数据划分下采用相同的5个随机种子独立训练,并报告均值±标准差。关键超参数依据独立验证集选择,测试集仅用于最终模型配置确定后的性能评价。HiFi-DinoMECNet在四个数据集上的Dice相似系数分别为91.04%、91.08%、83.18%和93.12%。在ISIC 2018测试集上,模型的平均交并比、Dice相似系数、BoundaryF1和HD95分别为83.18%±0.12%、91.08%±0.08%、85.42%±0.11%和8.34±0.15像素。消融实验表明,SSFI与MECAD分别作用于编码端语义-空间适配和解码端特征重构,二者共同改善区域重叠和边界质量。在224×224输入分辨率下,模型总参数量为27.64M,可训练参数量为6.28M,浮点运算次数为5.12G,推理速度为57.20±1.25FPS。结果表明,该方法能够在分割精度与适配成本之间取得合理平衡,为冻结视觉基础模型在二维医学图像分割中的参数高效迁移提供可行方案。
  • 肖夏宁, 生慧, 郭英慧, 李明, 苏菲, 徐晟杰, 耿艳玲, 马素芬
    录用日期: 2026-10-20
    【目的】 针对医学图像病灶分割中边界模糊、高频细节丢失及全局建模不足等问题,提出频域—空间双域协同分割网络FreqUNet,以提升弱边界病灶的分割精度和轮廓连续性。【方法】 以U-Net为基础构建频域与空间双分支编码结构,在编码器前3层嵌入多尺度频域增强模块(Multi-scale Frequency Filtering Module,MFFM)。通过二维快速傅里叶变换解耦幅值谱和相位谱,将幅值划分为低频结构分量和高频细节分量,分别采用压缩激励模块和3×3、5×5、7×7并行多尺度卷积进行增强,并利用初始值为0.2的可学习参数γ自适应调节高频能量。瓶颈层设计频域—空间双域注意力模块(Frequency-Space Dual Attention,FSDA),融合频域通道注意力和空间多尺度空洞卷积特征。训练采用二值交叉熵、Dice和边界损失构成的联合损失函数,权重比例为0.6∶0.3∶0.1。在BUSI、ISIC、Kvasir和CVC-ClinicDB四个公开数据集上,与U-Net、U-Net++、TransUNet、FAT-Net、Swin-UNet、H2Former、FFC、SFUNet和PFESA进行统一条件下的对比,并开展消融、泛化及失败案例分析。【结果】 FreqUNet在BUSI上的mDice为0.8758,较U-Net提高10.39个百分点,HD95降至13.34像素;在ISIC、Kvasir和CVC-ClinicDB上的mDice分别为0.8990、0.8889和0.8886。在BUSI、ISIC和Kvasir上,FreqUNet的mDice和HD95均取得最优;在CVC-ClinicDB上,除FAT-Net外整体优于其他对比模型。Wilcoxon符号秩检验经Bonferroni校正后显示,FreqUNet在BUSI上显著优于所有对比模型(p<0.0056),在ISIC、Kvasir和CVC-ClinicDB上与FAT-Net差异无统计学意义。模型参数量为35.84M,计算量为58.63G,推理速度为144.81 FPS。失败案例分析发现,模型在极低对比度、强噪声、病灶粘连和微小病灶等样本上仍可能出现局部漏检、误检或边界断裂。三组跨数据集实验表明,FreqUNet在ISIC 2018→PH2、CVC-ClinicDB→ETIS-LaribPolypDB和BUSI→UDIAT任务中具有稳定的泛化性能。消融实验表明,自适应幅值增强与双域注意力具有协同作用,完整模型较基线mDice提高9.66个百分点,加入边界损失后HD95由15.62像素降至13.34像素。【结论】 FreqUNet通过频域解耦、差异化幅值增强和双域自适应融合,有效提升了弱边界病灶的结构表达和边界刻画能力,可为乳腺超声、皮肤镜和内镜图像的自动分割提供参考,但在复杂噪声和极端弱边界场景下仍有进一步优化空间。
  • 王坷馨, 袁凌云, 陈函, 王培轩, 向燚
    录用日期: 2026-10-20
    随着工业物联网数据持续向云端汇聚,如何在保证数据机密性的同时实现动态可信的数据访问控制,成为云数据共享场景中的关键问题。现有访问控制方案虽然能够依据用户属性实现细粒度授权,但通常将属性满足结果直接转换为数据获取能力,导致授权过程与数据获取过程高度耦合。当用户状态发生变化、访问策略更新或授权关系失效时,历史授权材料仍可能被继续使用,从而引发失效授权风险。此外,现有方案主要依赖静态授权结果进行访问控制,难以持续感知用户状态、策略状态以及数据状态变化,无法保证数据访问过程中的持续可信性。针对上述问题,提出一种授权与数据获取解耦的云数据访问控制方案。首先,构造一种授权与数据获取解耦访问控制结构,将属性满足结果限定为数据加密种子恢复资格,而非直接赋予数据获取能力,使授权判定与实际数据恢复过程相互分离。通过控制数据加密种子的恢复过程,使用户状态变化和访问策略变化能够持续影响后续数据获取结果,从而降低历史授权材料长期有效导致的安全风险。其次,设计一种面向数据获取的双阶段持续验证机制,在授权阶段结合用户身份、属性策略以及链上状态信息完成访问条件验证,在数据获取阶段通过部分解密结果生成和数据加密种子验收过程,对授权状态、策略版本以及数据完整性进行进一步验证,实现对访问过程的持续约束。同时,针对云环境中用户匿名访问与异常责任追踪之间的矛盾,构建一种与访问过程绑定的匿名责任追踪机制,通过伪名凭证、请求签名以及链上访问记录,在隐藏正常用户真实身份的同时,实现异常访问行为追踪和责任用户撤销。性能分析实验结果表明,与同类访问控制方案相比,所提方案的密文生成时间和数据解密时间分别降低68.9%和84.3%,访问控制附加存储开销保持在KB级范围内,链上基础操作平均时延低于56 ms,能够满足云数据访问场景中的效率需求。在安全性方面,首先通过安全分析对所提方案进行了理论验证,并进一步通过基于综合攻击阻断率的消融实验验证所提安全机制的有效性。针对失效授权、策略版本异常、密文替换以及绑定异常等多类攻击,消融实验结果表明,分别移除授权与数据获取解耦机制、动态链上状态验证机制以及BKD绑定机制后,综合攻击阻断率分别下降至91.70%、66.15%和75.50%。为了区分各机制的安全边界,独立模块实验表明,仅包含授权解耦机制、动态链上状态验证机制以及BKD绑定机制的方案综合攻击阻断率分别为33.33%、66.97%和58.51%,说明三类机制分别在访问流程约束、动态状态保持以及密钥—数据绑定方面具有独立防护作用,而完整方案通过多机制协同实现更加全面的安全防护。综上,所提方案通过将授权过程与数据获取过程解耦,并结合动态链上状态验证和密钥—数据绑定机制,实现了面向云端数据共享场景的持续可信访问控制。
  • 安潇晗, 卢艳军, 张晓东
    录用日期: 2026-10-19
    针对无人机航拍场景中小目标尺度小、特征易衰减、复杂背景干扰强,以及检测精度与轻量化部署难以兼顾的问题,本文基于YOLO11s提出一种轻量化协同优化小目标检测模型BEL-YOLO。模型围绕多尺度特征融合、上采样细节重建、高分辨率预测和边界框回归优化进行针对性设计。首先,在颈部网络中引入双向特征金字塔网络(BiFPN),通过双向加权跨尺度融合增强浅层空间细节与深层语义信息交互,提高小目标多尺度特征表征能力。其次,提出门控通道移位增强上采样模块(GSC-EUCB),利用通道重排、通道移位混合与残差门控融合增强跨通道信息交互和局部细节恢复,降低上采样过程中的弱小目标特征损失。随后,基于LSCD共享卷积机制设计Detect_LSCD-P2,将检测尺度由P3/P4/P5重构为P2/P3/P4,利用高分辨率特征强化微小目标感知,并通过跨尺度参数共享减少预测分支参数冗余。最后,提出归一化Wasserstein内部形状联合损失函数(NWIS-Loss),将NWD的分布距离约束与Inner-ShapeIoU的内部重叠及形状约束进行联合建模,提高微小边界框对位置偏移的鲁棒性与边界几何一致性。在VisDrone2019数据集上的实验结果表明,与YOLO11s相比,BEL-YOLO的参数量减少29.6%,mAP50和mAP50-95分别提升8.3和5.6个百分点,Precision和Recall分别提升6.2和7.2个百分点,同时保持157.41 FPS的推理速度。TinyPerson数据集上的实验进一步表明,BEL-YOLO的mAP50和mAP50-95较YOLO11s分别提升5.3和1.84个百分点,验证了模型在极小目标及复杂背景场景下的良好泛化能力。综合结果表明,BEL-YOLO在提升航拍小目标检测精度的同时,有效控制了模型规模与推理开销,为资源受限无人机平台的小目标实时检测与边缘部署提供了有效方案。
  • 马军, 侯雪娜, 赵静阁, 李小兵, 高妍, 周晴雯, 帖云
    录用日期: 2026-10-16
    针对符号音乐生成模型在多轨编配任务中难以充分刻画乐器轨道间和声关系、节奏组织和音乐理论约束的问题,提出一种融合美学计算与混合学习的多轨音乐生成模型(HL-MTMG)。现有符号音乐生成方法多侧重音符序列建模或通用可控生成,能够在一定程度上学习音乐数据分布,但在钢琴、吉他、贝斯等多轨乐器共同生成场景中,仍容易出现轨道间和声关系松散、节奏结构不稳定、重复音符比例偏高以及旋律音高控制不足等问题。为提升多轨生成结果的协调性和艺术表现力,HL-MTMG从音乐美学计算角度出发,将跨轨道协同建模与音乐理论规则约束结合起来,使模型既能学习单条轨道内部的序列规律,又能建模不同乐器轨道之间的交互关系。在技术实现方面,HL-MTMG主要由混合学习模块和奖励反馈网络组成。混合学习模块同时引入掩蔽自注意力机制和跨轨道注意力机制,其中掩蔽自注意力机制用于学习单轨内部的时序依赖关系,跨轨道注意力机制用于计算钢琴、吉他和贝斯轨道之间的相关性,从而增强模型对多轨协同关系的表达能力。奖励反馈网络基于生成对抗学习思想构建,将旋律音高范围约束和音符重复抑制规则转化为奖励信号,并与交叉熵损失共同作用于训练过程,引导生成器在学习数据分布的同时保持较好的旋律规范性和和声合理性。实验使用Lakh MIDI数据集构建三轨符号音乐实验子集。数据预处理阶段筛选同时包含钢琴、吉他和贝斯音轨的流行音乐MIDI文件,并进行轨道映射、节拍对齐、异常样本剔除和4小节切分,最终得到11,840条三轨音乐片段。为避免数据泄漏,实验以原始MIDI文件为单位进行划分,并按照8∶1∶1的比例构建训练集、验证集和测试集。所有对比模型和消融模型均采用相同的数据划分方式、输入表示、生成长度和评价流程。为进一步验证泛化能力,本文还构建包含300条外部三轨音乐片段的External-MIDI测试集,用于检验模型在非训练数据来源上的适应能力。实验将HL-MTMG与MuseGAN、HRNN、XMusic三种代表性基线模型以及三种消融变体进行对比。客观结果显示,HL-MTMG在主实验中取得0.61的和弦匹配度和0.72的和谐度,整体高于所选对比模型和消融变体。在音符特征方面,HL-MTMG的三个连续音符数与总音符数之比(NCTN)为0.22,低于其他模型;同时,该模型在有效节拍内音符出现频率(QR)、音高类别数(UPC)和复音率(PP)上分别达到0.47、0.72和0.64,表明其在节奏组织、音高丰富性和多轨复音表现方面具有较好效果。在External-MIDI测试集上,HL-MTMG的和弦匹配度、和谐度、NCTN、QR、UPC和PP分别为0.56、0.67、0.25、0.45、0.68和0.60,说明其在外部数据来源上仍能保持相对稳定的生成质量。主观评价方面,实验邀请10位专业作曲家和90位音乐爱好者对生成结果进行评分。音乐爱好者评价结果显示,HL-MTMG在旋律、音乐形式和可听性维度上的得分分别为7.87、8.17和7.47;专业作曲家评价结果显示,HL-MTMG在和弦、音程、和声、音高和音乐风格五个维度上的得分分别为6.6、7.6、7.8、7.4和9.1。Kendall协调系数检验结果表明,节奏、旋律、完整性、音乐形式、可听性和流畅性六个维度的Kendall’s W分别为0.74、0.81、0.76、0.79、0.72和0.75,且均达到显著水平,说明主观评分具有较高一致性。综合实验结果表明,跨轨道注意力机制能够增强模型对钢琴、吉他和贝斯之间协同关系的建模能力,音乐理论奖励反馈能够改善旋律音高控制和重复音符抑制效果。HL-MTMG在所构建的三轨符号音乐生成任务中能够提升生成结果的和声协调性、节奏组织能力和部分主观评价表现,为多轨音乐生成中引入美学计算和音乐理论规则提供了一种可行思路。当前实验主要面向固定三轨、固定长度的符号音乐片段,未来仍需在更多乐器组合、音乐风格和长结构音乐生成任务中进一步验证模型的适应性。
  • 占超, 吴韬, 林俊宜, 陈鑫琦, 秦蓁
    录用日期: 2026-10-16
    针对低空多无人机网络中环境动态变化导致高精度无线电地图(Radio Map,RM)实时生成困难、无人机单机算力受限以及多机并发请求引起边缘计算过载等问题,本文提出了一种面向低空多无人机的空地协同无线电地图共享生成机制及联合优化方法。首先,利用条件扩散模型在复杂传播环境下的RM生成能力,将建筑物分布、辐射源位置等场景信息构造成条件提示词,并在地面边缘服务器端依据不同无人机请求之间的场景相似性进行聚类。对于同一簇内的相似请求,选取具有代表性的类心样本作为共享条件,统一执行扩散模型前缀去噪过程,再由各无人机结合自身场景条件完成后续个性化去噪,从而复用相似请求之间的中间计算结果,减少重复推理开销。其次,综合考虑无人机与基站之间的空地通信时延、边缘服务器共享去噪计算时延以及请求条件差异对RM生成质量造成的影响,构建了联合无人机-基站关联策略与服务器内部聚类结构的混合整数非线性规划模型,以实现RM生成质量与系统端到端时延之间的协调优化。针对该问题变量耦合紧密、求解复杂度高的特点,提出了一种关联-聚类协同优化算法(Association-Clustering Collaborative Optimization,ACCO)。其中,外层采用引入精英保留策略的遗传算法全局优化关联策略,内层基于轮廓系数和层次聚类自适应确定各服务器的最优簇数及类心样本,通过内外层迭代实现服务关联与共享去噪结构的协同优化。仿真实验结果表明,本文方法生成RM的系统平均计算时延与模拟退火、GAI-IoV、随机关联、本地计算和STACKING等算法相比,平均时延分别降低约13.7%、9.5%、18.4%、42.2%和9.9%,同时保持较高且稳定的RM生成质量。在不同无人机数量、边缘服务器数量及服务器计算能力条件下,所提方法均表现出较好的时延性能、生成稳定性和网络扩展能力。进一步地,本文搭建了实物测试平台,对所提共享去噪机制在真实设备和无线通信环境中的运行效果进行测试,验证了所提空地协同RM生成方法的可行性,可为低空高动态场景下的实时电磁态势感知和大规模无人机网络协同提供技术参考。
  • 李化兵, 马飞, 江宇, 杨飞霞
    录用日期: 2026-10-16
    认知诊断通过学生作答记录估计知识概念掌握状态,为个性化教学提供依据。现有方法多关注学生、习题与知识概念之间的静态关系,对时间上下文与潜在情感因素的联合建模不足,容易将短期作答波动混入认知状态估计;情感信息通常作为附加特征参与预测,缺少面向具体交互的动态调制机制,且部分数据集缺乏情感标签。针对上述问题,提出情感调制与时间感知的神经张量环认知诊断模型(AT-NTRCD),并构建适用于无情感标签场景的迁移变体T-AT-NTRCD。 AT-NTRCD将学生、习题与时间映射至低秩张量环空间,利用Q矩阵约束保持习题表征与知识概念的语义一致性;采用门控循环单元编码历史时间嵌入序列,通过聚合相邻时间片信息,生成时间上下文表征;随后,根据学生知识掌握程度与习题概念难度的差异构建认知挑战表征,结合学生情感倾向与时间上下文推断交互级多维情感状态;模型将情感状态参数化为情感调制核切片,与学生核、习题核和时间核构成闭合张量环交互结构,再通过编码—解码神经网络提取非线性交互特征,最终实现对学生作答表现的精准预测。为提高情感表征的可靠性并扩展模型适用范围,本文针对不同情感标签条件设计训练策略:在具有情感伪标签的数据集上,引入辅助监督约束情感表征学习;在无情感标签的数据集上,构建迁移变体T-AT-NTRCD,复用并固定源域情感生成网络,在目标域学习学生情感倾向映射、认知挑战投影及适配目标张量环秩的情感基矩阵,实现无情感监督条件下的动态情感调制。 在多个真实教育数据集上的实验表明,相较最优基线,AT-NTRCD在ASSIST12上的AUC和ACC分别提高0.44和0.40个百分点,RMSE相对降低0.55%;在ASSIST17上分别提高1.90和1.23个百分点,RMSE相对降低11.87%。在无情感标签的Junyi上,T-AT-NTRCD的AUC和ACC分别提高3.53和2.39个百分点,RMSE相对降低19.69%。消融实验进一步验证了时间上下文编码、情感调制、Q矩阵约束和神经张量环交互的有效性。综上,所提模型通过低秩高阶交互与交互级情感调制改善作答预测,并将情感建模扩展至无显式情感标签场景。
  • 赵鸿博, 刘苇, 高聪明, 陈剑飞
    录用日期: 2026-10-12
    图异常检测在微服务调用链路追踪、通信网络监控等工业场景中具有重要应用价值。真实系统往往包含多种类型的实体和交互关系,呈现显著的异构特性。然而,现有异构图异常检测方法在跨关系信息聚合时,通常采用特征拼接或简单均值池化,隐含假设不同关系类型对异常判定具有同等重要性,但这一假设在真实数据中往往不成立。当异常仅体现在少数关键关系上时,常规关系容易稀释重要的异常信号。此外,现有方法在生成图级表示时多受限于单一池化机制,难以同时兼顾全局性弱异常与局部强突变场景。针对上述问题,本文提出一种基于关系偏差调制注意力的异构图异常检测框架HRA-GNN。该方法将关系定义为类型三元组,并为每种关系维护独立的消息变换参数;引入关系偏差调制的动态注意力机制,通过建立正常关系原型并显式刻画各关系通道相对于正常原型的偏离强度,实现异常敏感的关系加权融合,从而有效抑制常规关系的干扰;设计自适应门控混合读出模块,兼顾局部极值异常与全局分布偏移;引入异构图数据增强与自监督学习机制,为无监督训练提供额外的结构判别信号。该框架无需预定义元路径,能够自适应地捕捉多类型交互中的异常模式。通过偏差调制与门控读出的协同作用,模型在面对局部突变与整体分布漂移并存的复杂异常形态时仍保持稳定判别能力,且在不同数据规模和关系类型下均展现良好的泛化性。实验结果表明,HRA-GNN在TraceLog数据集上取得0.84的AUROC和0.78的AP;在FlowGraph数据集上AUROC和AP均达到1.0;在ADFA-LD数据集上取得0.87的AUROC和0.85的AP,验证了方法的有效性。
  • 杨静文, 李小霞, 周颖玥, 王韵, 张桂华
    录用日期: 2026-10-12
    针对无人机航拍图像中目标尺度变化大、小目标像素占比低导致的特征退化以及复杂背景干扰严重等问题,提出一种结合多注意力特征增强与递归反馈的无人机小目标检测方法(Multi-attention Enhanced Recursive Feedback Detector, MERF-DETR)。该方法以端到端检测器RT-DETR-L为基准架构。首先,在骨干网络末端设计多尺度三维注意力模块(Multi-Scale Triplet Attention, MSTA),采用部分通道分流策略,仅对关键特征执行不同核尺寸的并行深度可分离卷积,在控制参数冗余的同时建立多尺度局部空间表征,并结合跨维度三重注意力增强空间与通道维度间的特征交互,提升不同尺度目标的特征表达能力。其次,设计颈部递归反馈特征金字塔(Neck Recursive Feedback Feature Pyramid Network, NRF-FPN),通过构建局部递归反馈路径,利用深层语义特征对浅层高分辨率特征进行自顶向下的语义校准,缓解逐级下采样过程中小目标特征退化的问题。最后,针对复杂纹理与阴影等背景噪声对小目标检测的干扰,提出坐标引导空间与频域互补特征增强模块(Coordinate guided Spatial frequency complementary Feature Enhancement, CSFE),通过坐标注意力机制聚焦关键目标的空间方向信息,利用深度卷积补偿局部边缘纹理细节,同时引入基于二维实数快速傅里叶变换的频域滤波建模全局上下文关系,实现空间与频域互补的特征增强。实验结果表明,MERF-DETR在VisDrone2019和UAVDT数据集上的mAP@50分别达到51.3%与47.4%,较Deformable-DETR分别提升了9.1与5.8个百分点。消融实验表明,单独引入MSTA、NRF-FPN和CSFE模块后,mAP@50较基准分别提升1.5、3.6和1.1个百分点;同时CSFE能够有效抑制NRF-FPN引入的计算冗余,三个模块协同作用实现了最佳综合性能,有效提升了无人机航拍场景下的小目标检测精度。
  • 戚大志, 陈云芳, 张伟
    录用日期: 2026-09-30
    针对长文本多角色有声书生成中角色边界易混淆、跨句情感演进不连续以及旁白与对话衔接节奏不稳定等问题,本文提出一种基于智能体决策规划的多角色情感有声书生成方法。该方法以场景链作为篇章级中间表示,在不修改声学模型结构的前提下,将长篇小说解析、角色建模、情感控制与节奏规划统一到结构化前端决策流程中。首先,剧本标注智能体依据时间变化、空间转移、人物集合变化和事件主题转移识别场景边界,并在场景内部完成旁白/对话识别、说话人标注及角色集合提取,形成包含场景类型、场景文本、角色身份和语体信息的场景链,为后续模块提供统一且可追踪的上下文。随后,根据角色性别、年龄、身份和性格等属性完成角色—音色绑定,并在生成过程中保持同一角色参考音色不变,以降低跨场景角色漂移。其次,构建由情感向量化智能体和情感约束智能体组成的情感规划模块。情感向量化智能体将文本语义映射为快乐、愤怒、悲伤、恐惧、厌恶、低落、惊讶和平静八维情感向量;情感约束智能体进一步结合角色特征、场景基调和历史情感状态进行分层修正,并通过余弦相似度检测跨轮次非逻辑情感突变,在保留剧情触发型合理变化的同时抑制无依据的情绪跳变。再次,设计上下文节奏规划机制,根据场景类型设置语段内部停顿和语体切换停顿,并结合角色轮替、旁白长度及相邻情感向量变化动态调整句段间停顿,从而改善长旁白、角色连续发言及旁白—对话切换位置的节奏衔接。实验选取40个中文小说片段,覆盖8类典型场景,每类包含5个片段,每个片段包含1名旁白和2~3名剧情角色,共3~4个说话人,并采用公开中文语音数据集中的24名说话人音频作为参考音色。为保证比较公平,所有方法均使用相同文本、相同参考音频和统一的角色—音色映射。实验结果表明,当情感突变阈值设为0.65时,本文方法在自然度、情感准确度、角色贴合度和节奏舒适度上的主观评分分别达到4.09、4.21、3.92和3.96,其中情感准确度和节奏舒适度较次优基线分别提高24.2%和29.8%,盲听偏好率达到72.1%。在客观评价中,本文方法的词错误率为7.55%,音色相似度为0.89,角色混淆率为0.13%,跨场景、跨情感条件下的ISTC为0.027,在保持语音可懂度和参考音色特征的同时,提高了角色身份稳定性。对比实验与消融实验进一步表明,场景链结构、多层情感约束和上下文节奏规划分别对情感连续性、角色贴合度和节奏自然性产生互补作用,其中移除角色/场景约束后角色贴合度下降最明显,移除节奏模块后节奏舒适度下降最明显。研究结果说明,面向长文本的结构化场景建模与分阶段智能体规划能够有效协调角色、情感和节奏控制,为篇章级多角色有声书生成提供一种可解释、可扩展且无需改动声学模型的前端控制方法。
  • 唐彦龙, 杨起航, 陈克寒, 闫飞
    录用日期: 2026-09-30
    图神经网络由于其能高效处理非欧式数据,被广泛应用至多种复杂任务的数据处理之中。然而由于图神经网络在数据建模过程中对图结构高度依赖的特性,导致其在模型训练的过程中对结构变化高度敏感,即使细微的结构操纵即可导致模型的决策结果严重偏移,从而显著降低模型的稳定性与可靠性。现有对抗防御方法主要集中于两个方向,其一是在模型训练之前对受扰动的图数据进行处理与修正,以尽可能恢复图结构的统计特征。其二是在图神经网络的训练过程中对信息聚合机制进行强化与改进,以增强模型表示的鲁棒性。然而,上述方法侧重于结构层面的表层修复或模型聚合过程增强,忽略了对抗攻击干扰图神经网络性能的根本机制,即对抗攻击本质上通过破坏节点表示空间的原有分布,削弱类间可分性并加剧类内混淆度,从而导致模型在跨攻击场景下的防御泛化能力受限。针对此局限性,首次系统性分析了对抗攻击对节点表示破坏的原因,并围绕对抗扰动破坏表示空间判别结构的本质原因出发,提出双视角决策净化方法DV-DBP(Dual-View Decision Boundary Purification)。该方法通过显式建模与修复节点表示空间中的判别结构,实现对对抗扰动影响的系统性抑制与缓解。具体而言,DV-DBP从点间关系与点边关系两个互补视角对扰动进行协同净化。一方面,通过刻画节点自身的表征混乱状态,识别并缓解异常节点所引发的邻域混淆问题。另一方面,通过显式建模节点间潜在的低质量连接关系对异常边施加约束,从而抑制扰动及低质量关联在表示传播过程中的同化效应。在此基础上,进一步构建点间关系图与高置信图,为结构层与表示层构建一致性的协同建模机制,使模型在聚合过程中能够同时感知节点表示质量与结构可靠性。通过双视角的联合优化,模型在净化扰动影响的同时,有效提升类间决策边界的可分性与类内结构的紧密性,从而显著增强其在多种攻击场景下的鲁棒性与泛化能力。在多个真实图数据集上的实验结果表明,DV-DBP在两类代表性的对抗攻击场景下均取得了优越的防御性能。与当前领域内最强防御性能的方法相比,其性能最高分别提升3.88%和2.41%。在泛化性实验中,DV-DBP在更强对抗攻击设置下仍保持稳定优势,性能最高分别提升2.33%和3.38%,验证了DV-DBP在复杂攻击环境中的稳健性。此外,消融实验结果表明,点间关系图的构建为DV-DBP提供了有效的抗扰动修复能力,而高置信图的构建则有助于精细化识别并修正潜在的异常连接关系。两者的协同作用使得所提出的双视角建模策略能够形成针对多种攻击形式的系统性防御机制。进一步地,在包含结构噪声的低质量图数据上实验结果表明,DV-DBP仍能够有效校正节点表示,展现出在大规模扰动与噪声叠加场景下的强鲁棒性与良好泛化能力。综上所述,本文从表示空间层面对图对抗防御问题进行了系统分析,并通过双视角决策净化机制验证了在对抗防御过程中显式建模与优化表示空间结构的必要性与有效性。
  • 赵中元, 田昌海, 段建勇, 罗准辰, 王守会
    录用日期: 2026-09-30
    检索增强生成通过引入外部知识能够有效缓解大语言模型的知识缺失与幻觉问题,但现有方法在复杂问答场景中仍面临两方面挑战:一是相关证据往往分散于多个文本片段中,现有检索方式难以显式刻画跨文本事件之间的关联,导致证据整合不足;二是现有候选文本排序对事件主线一致性的显式约束仍不充分,容易将表层相关但事件指向偏离的冗余文本或噪声证据排在前列,进而影响最终答案生成的准确性。针对上述问题,本文提出一种基于事件驱动知识图谱的检索增强生成框架(ED-RAG)。该框架以事件作为跨文本事实组织与证据聚合的核心语义单元,将非结构化文本中的事件信息、实体信息及其来源关系进行结构化组织与显式关联,从而提升复杂问答场景下的证据召回、融合与排序能力。ED-RAG首先以原始文本块为输入,利用大语言模型进行事件—实体联合抽取,识别事件名称、时间、地点、参与对象及相关实体等要素,并构建由文本节点、事件节点和实体节点组成的轻量级事件知识图谱。图谱通过“事件—来源文本”和“事件—相关实体”两类关系显式记录事件来源与实体约束,使分散文本中的事实信息能够围绕事件语义进行组织。针对同一事件存在多种自然语言表述的问题,ED-RAG进一步引入事件融合机制:(1)基于事件向量索引检索语义相近的候选事件,并结合相似度阈值和共享实体约束进行初步筛选;(2)利用大语言模型判断事件同一性。对判定为同一事件的节点进行归并;对存在关键属性冲突或判断依据不足的事件,则保留为独立节点,以降低事件误合并的风险。在问答阶段,ED-RAG对问题中的实体进行抽取、规范化和重要性评估,选取核心实体并映射至图谱节点,沿“实体—事件—文本”路径召回候选证据。该过程使召回结果既覆盖问题关键实体,又受到事件语义约束,从而提升证据与问题意图的匹配程度。当图谱路径召回失败时,系统基于事件向量索引检索与问题语义最接近的事件,并回溯其来源文本作为兜底证据。最后,ED-RAG采用融合实体覆盖度、问题—文本语义相关性及问题—事件语义一致性等多源信号的排序机制,对候选证据进行重排序,并将高质量文本片段输入大语言模型生成答案。为评估所提方法的有效性,本文在QA(1-document)、QA(2-document)、QA(3-document)和UHGEval四个数据集上开展实验。实验结果表明,ED-RAG在跨文本问答数据集QA(2-document)和QA(3-document)上的F1QE分别达到63.05和57.08,较最优基线方法分别提升7.34和4.25。实验结果表明,ED-RAG在跨文档证据定位和整合方面更具优势,以事件作为跨文本证据组织的中间语义单元,能够增强分散证据的聚合能力,并强化事件主线约束;融合实体、文本语义和事件一致性信号的排序策略能够有效抑制噪声干扰,为大语言模型提供更可靠的上下文支撑,从而提升复杂问答场景下答案生成的准确性。
  • 吴珺, 祝心怡, 汪涵, 魏斯玮
    录用日期: 2026-09-30
    针对雨天图像中雨纹分布复杂、背景纹理易混淆以及去雨网络参数冗余等问题,本文构建了一种基于特征映射的对抗去雨轻量化网络。现有深度学习去雨方法在合成雨图像上已取得较好效果,但在强雨、斜向雨纹、局部遮挡以及雨纹与背景边缘交叠区域,仍容易出现雨纹残留、边缘模糊和细节恢复不足等现象。同时,部分去雨模型依赖复杂特征提取结构,参数量和计算开销较大,不利于在车载终端、路侧感知设备和边缘计算平台等资源受限场景中部署。为此,本文从输入特征表达增强和模型轻量化两个方面对对抗生成去雨网络进行改进。在网络结构上,本文以对抗生成框架作为基础模型。生成器用于完成含雨图像到去雨图像的映射,判别器用于区分生成图像和真实无雨图像。训练过程中,网络联合采用重建损失和对抗损失,使生成结果在像素一致性和视觉自然性之间取得平衡。考虑到雨纹通常具有细长、方向明显、局部分布不均和高频特征突出的特点,本文在输入阶段引入傅里叶特征映射,将二维空间坐标扩展为多频率位置编码,并与浅层图像特征拼接,形成增强输入特征。该方式能够为生成器提供更丰富的空间频率信息,提高网络对雨纹位置、边缘结构和局部纹理区域的感知能力,从而减轻雨纹与背景细节混淆带来的恢复误差。在模型轻量化方面,本文设计了基于频域信息的通道剪枝策略。该策略以生成器中间层特征为分析对象,先对各通道特征进行傅里叶变换,再统计其频域能量分布,并根据通道对高频细节和结构信息的响应情况评估重要性。随后,保留对雨纹建模和细节恢复贡献较大的通道,裁剪低贡献冗余通道,以减少模型参数量。该剪枝过程主要在训练完成后的轻量化阶段进行,因此不会额外增加推理阶段的计算负担。实验中,本文采用 Rain14000 数据集进行训练,并在 Rain100H、Rain100L、Rain12 和真实雨天数据集 SPA-Data 上进行测试。定量结果表明,本文方法在 Rain100H、Rain100L 和 Rain12 数据集上的 PSNR/SSIM 分别达到 30.96 dB/0.900、37.62 dB/0.975 和 35.41 dB/0.959。与 Base 模型相比,本文方法在三个数据集上的 PSNR 分别提升 0.76 dB、0.82 dB 和 0.61 dB,说明该方法在不同雨型场景下具有较稳定的恢复能力。消融实验表明,引入傅里叶特征映射后,模型在 Rain100H 和 SPA-Data 上的 PSNR 与 SSIM 均有所提升,说明该模块能够增强网络对雨纹空间分布和高频细节区域的建模能力。仅采用频域通道剪枝时,模型参数量下降,但恢复指标略有降低;当傅里叶特征映射与频域剪枝结合后,模型在 Rain100H 和 SPA-Data 上分别取得 30.96 dB/0.900 和 29.42 dB/0.925 的结果,参数量降低至 0.69M,说明二者在特征增强和模型压缩之间具有互补作用。定性结果显示,本文方法能够减少残余雨纹,并较好保持人物边缘、雨伞区域和复杂背景纹理。综合实验结果可知,本文方法在提升去雨质量的同时能够控制模型规模,为复杂雨天图像恢复提供了一种较轻量的实现思路。
  • 王锋, 王俊超, 李磊, 王泽源, 梁世博
    录用日期: 2026-09-30
    针对“经典-量子”异构融合系统中协同通信研究碎片化、模块耦合机理不明、缺乏统一分析框架的问题,本文从体系结构视角综述异构协同通信的技术现状、关键瓶颈与趋势。首先,以反馈闭环的时序耦合深度为本征维度,将协同模式归纳为开环前馈、变分迭代与实时闭环三类,按超导、光量子、离子阱、中性原子四类物理体系对照分析协同架构差异。其次,构建“经典-量子”双向数据流交互模型,将承载时序同步与门触发脉冲的控制流与承载测量结果的反馈流严格解耦,以量子纠错微秒级实时闭环为标尺量化交互约束。然后,按通信距离与部署形态将技术体系归纳为近端高频测控、分布式协同与量子云通信三类,比较FPGA室温测控、低温CMOS与单磁通量子三类近端测控架构的性能边界,揭示分布式协同由离线优化向动态协同演进,梳理“近量子计算”运行时优化与异构硬件抽象两条云通信路线。最后,从物理层时序、系统层带宽、算力层耦合与生态层标准四维度剖析瓶颈,以性能约束模型阐明带宽与解码算力耦合,给出优化路径与梯次。研究表明,量子门操作与经典通信存在3至6个数量级的时间尺度差,解码延迟约为纠错周期的57倍;万比特超导系统面临穿温区线缆超3万根、热负载超出4 K温区冷却能力一个数量级等互连难题;频分复用读取N个比特时,信噪比按√N比例退化;随着码距增大,带宽与解码算力出现耦合失衡,百万比特系统综合征上行带宽将达Tbps级。同时,私有协议加剧标准碎片化,测控成本呈超线性增长。研究认为,协同通信的本质在于反馈闭环的时序耦合深度,相关瓶颈需通过时序优化、跨层调度、技术协同和协议统一共同突破。为此,提出近期频分复用、中期片上路由、远期光互连的分阶段策略,端到端跨层优化将成为迈向百万比特级容错计算的关键。
  • 张彬, 刘金星
    录用日期: 2026-09-18
    网络谣言的传播形式已从单一文本演化为包含图像、视频等多模态信息的复合形态。多模态内容凭借更强的视觉冲击力和情感煽动性,显著提升了虚假信息的传播速度与覆盖范围,给网络空间治理带来了严峻挑战。本文提出一种基于特征增强与双路决策融合的检测模型。模型整体架构主要由轻量化视觉特征增强、双路协同判别以及自适应决策融合组成。首先,设计轻量化平行多尺度特征增强模块(Lightweight Parallel Multi-scale Feature Enhancer, LPMFE),通过全局自注意力、空间深度可分离卷积与时序一维卷积三条分支分别捕获不同维度特征,并利用可学习权重动态融合,配合门控残差机制与前馈网络,在保留主干特征完整性的同时实现图像局部特征的精细化增强。然后,构建双路协同判别机制:生成式分支首先通过基于交叉注意力的图像投影器,将视觉特征序列对齐至大语言模型的词嵌入空间,而后将投影后的视觉Token插入文本序列,输入大语言模型进行自回归推理,提取最后一个Token的隐藏状态经线性分类头映射为词表逻辑值,最终通过Softmax函数转化为生成式先验概率,以利用模型参数化知识进行宏观逻辑推断。判别式分支为显式校验图文语义一致性,共享同一大语言模型深层的隐藏状态,并通过掩码聚合得到全局文本向量;同时将增强后的视觉特征进行池化,二者经投影网络映射至256维共享语义空间;在此空间中引入监督对比损失以优化模态特征的可区分性,进而计算投影特征的绝对差异与元素级乘积以捕捉细粒度语义冲突,将原始投影特征与两类交互特征在通道维度拼接后输入多层感知机,输出图文一致性判别分数。最后,在决策融合层面,引入可学习的权重参数对双路输出概率进行自适应融合,并设置双阈值构成三区间判定逻辑,将样本划分为高置信度谣言、高置信度非谣言及模糊待定三类;同时在优化目标中引入边界惩罚项以防止阈值坍塌,确保融合策略的稳定收敛。在Weibo、Fakeddit和FineFake数据集上进行实验。Weibo数据集上,准确率达93.23%,非谣言精准率/召回率为95.72%/90.50%,谣言为90.99%/95.95%。Fakeddit上准确率91.56%,非谣言与谣言F1值分别为92.98%和89.42%,差值3.56个百分点。FineFake上准确率81.21%,非谣言/谣言F1为83.42%/78.31%。消融实验表明:移除LPMFE后FineFake准确率降至79.20%,谣言召回率下降5.32个百分点;将交叉注意力投影器替换为线性映射后Fakeddit谣言F1下降6.01个百分点;移除判别分支后Weibo准确率降至86.59%,谣言召回率下降16.27个百分点。本研究表明,通过在视觉端引入特征增强机制来抑制信息冗余与复杂场景干扰,并结合大语言模型的参数化常识推理与异构模态间显性一致性校验构建生成式与判别式双路协同判别机制,能够克服传统单范式检测模型的局限性,有效纠正大语言模型的幻觉与单模态语义偏置,显著提升多模态谣言检测的综合精度。
  • 李普聪, 王思哲, 范佳骏, 蔡昕毅, 熊永涛
    录用日期: 2026-09-18
    针对现有基于图神经网络(GNN)的多标准推荐算法在数据稀疏环境下存在的长尾效应、图注意力网络(GAT)与图卷积网络(GCN)模块间难以协同融合,以及多标准评分场景中对比学习锚点选取困难导致正负样本区分模糊等关键问题,提出一种融合噪声图神经网络与对比学习的多标准推荐算法(NGCLR)。研究目的在于通过引入动态噪声增强、渐进融合机制和基于邻居相似性的锚点选择策略,系统性缓解节点嵌入退化、提升跨标准表征一致性并优化对比学习效果,从而显著提高多标准推荐系统在稀疏交互场景下的评分预测精度与泛化能力。 在技术实现层面,模型首先为每个评价标准分别构建用户-项目多边二分图,并采用逐层训练的二分图神经网络矩阵对邻接关系进行归一化,以保留各标准独立的评分分布特征。针对长尾项目因邻域稀疏导致嵌入向头部项目收敛的退化现象,设计基于高斯噪声增强的LightGCN模块:在每一层图卷积传播过程中,向当前层节点嵌入施加初始强度为0.2、随训练轮次以0.5衰减率指数衰减的动态高斯噪声,扰动不改变图拓扑结构,仅作用于特征空间,以此打破特征趋同,促使长尾项目嵌入分布更加均匀。为融合图注意力与图卷积在局部细粒度交互捕捉和全局结构模式感知上的互补优势,提出渐进融合机制,在每一传播层将GAT的多头注意力输出与LightGCN的邻域聚合输出进行拼接,并通过可学习参数自适应控制各层贡献,实现从低层局部细节到高层全局语义的分层融合。针对多标准数据中评价标准与样本间存在不一致性导致对比学习锚点难以可靠选取的难题,设计基于平均邻居余弦相似度的锚点选择策略:在每个标准视图内,计算各节点与其所有邻居节点嵌入的平均相似度,选取相似度最高的节点作为该视图的锚点,以此作为稳定的对比基准。在此基础上,构建双对比学习任务——局部对比损失最大化同一节点在不同标准下正样本嵌入间的一致性并推开负样本,全局对比损失增强各标准全局嵌入(节点均值)间的跨标准对齐,两者协同优化,总损失函数结合局部损失、全局损失和L2正则项,平衡节点级判别力与分布级一致性。 为验证模型有效性,在Yahoo!Movies、BeerAdvocate和TripAdvisor三个公开真实数据集上进行实验。Yahoo!Movies包含6078名用户、976部电影及758405条四标准评分;BeerAdvocate含8831名用户、2698种啤酒及3880359条四标准评分;TripAdvisor含15000名用户、1325家酒店及20830条七标准评分,稀疏度较高。以平均绝对误差和均方根误差为评价指标,将NGCLR与BMF、MSVD、MLR、SVR、CIC、DMCF、CFM、DNN-MF、MCAE-FADNN及最优基线D-MGAC等十余种方法对比。实验结果显示,NGCLR在Yahoo!Movies上MAE和RMSE分别达到0.6028和0.8211,相比D-MGAC相对降低2.94%和3.79%;在BeerAdvocate上分别为0.3931和0.5380,相对降低4.93%和2.73%;在TripAdvisor上分别为0.7338和0.9724,相对降低2.04%和1.96%。消融实验表明,去除噪声增强模块、渐进融合机制或对比学习模块后,MAE和RMSE均出现不同程度上升,其中采用随机锚点策略的变体在三个数据集上MAE分别比完整模型高2.86%、2.21%和0.69%,验证了各核心组件的独立贡献与协同增益。超参数分析显示嵌入维度256、注意力头数8、局部与全局对比损失权重均为0.5时性能最优;动态衰减噪声策略优于固定噪声和标准自适应噪声策略;基于邻居相似度的锚点选择优于全局平均相似度和PageRank策略。头尾分组实验表明,模型在尾部项目组上的MAE提升幅度显著大于头部组,噪声增强可视化进一步证实长尾项目嵌入分布从聚集趋于分散。综上,NGCLR有效解决了多标准推荐中的长尾退化、图模块融合不足和对比学习锚点偏差三大难题,在多个真实数据集上取得稳定优异的预测精度,为多标准推荐系统提供了一种高效且鲁棒的解决方案。
  • 张于舒晴, 卢凯, 吴振伟, 王睿伯, 邬会军, 张文喆
    录用日期: 2026-09-18
    海量小文件高并发访问场景下,元数据操作的频繁上下文切换构成用户态文件系统的主要性能瓶颈,现有缓存与预取机制难以在内存开销、随机访问适应性与性能之间取得有效平衡。针对用户态文件系统框架FUSE(Filesystem in Userspace)在多层级路径解析过程中的逐级查找开销问题,提出一种基于路径感知的批量元数据预取方案Lookupplus。 Lookupplus的核心设计思路是改变内核与用户态守护进程之间的请求交互粒度。在原生FUSE中,路径解析采用逐组件串行处理模式:每当某个组件的目录项缓存失效,FUSE内核模块即发起一次独立查找请求,每个失效组件均伴随两次上下文切换。随着目录层级加深,多次往返的累积开销显著放大元数据访问延迟。Lookupplus观察到,当某一中间组件缓存失效时,该路径上的剩余后续组件在极短时间内也面临重新验证需求。基于此,Lookupplus在首次失效组件触发查找请求时,从当前进程控制块中捕获完整剩余路径,附加在当前查找请求中,传递至用户态守护进程;守护进程解析剩余路径中的每个组件,返回其元数据条目,令内核批量更新各子目录项的属性和有效期,允许后续组件从快速路径验证。用户态文件系统无需感知批量预取逻辑或维护额外缓存一致性状态,新增内存开销仅来自临时路径拷贝和批量响应条目,随请求处理完毕即释放。 Lookupplus原型系统在Linux 5.2.2内核上实现,与现有先进方案ExtFUSE,RFUSE进行对比评估。单线程元数据性能测试表明,在目录深度为10时,Lookupplus的创建操作平均延迟降至原生FUSE的32%;在深度从1递增至10的连续运行过程中,查找请求总数由FUSE的65次降至20次。32线程微基准测试覆盖目录宽度从10到1,200的多种配置,预创建80%文件集。结果显示,Lookupplus对并发场景下的单一文件集访问性能提升低于5%。同时,ExtFUSE较原生FUSE低约20%;RFUSE则因队列压力在窄目录下吞吐量显著低于其他方案,随着目录宽度增加,逐步恢复至高吞吐水准。在典型真实应用宏基准测试中:文件服务器负载下Lookupplus吞吐量较原生FUSE提升7.4%;网络服务器负载下Lookupplus表现最优,较原生FUSE提升9.7%,较ExtFUSE提升12.9%;邮件服务器负载因目录结构扁平且同步开销显著,Lookupplus仅小幅领先。内存开销评估表明,Lookupplus在各负载下的Slab增量与原生FUSE基本一致,且绝大部分为内核可回收内存。 综上所述,Lookupplus通过路径级批量元数据预取原语,以最小架构扰动有效降低了FUSE在深层目录场景下的上下文切换开销。该方案不依赖复杂的缓存一致性协议和预测模型,不新增内核数据结构,额外内存开销可控且可回收,在深层目录、冷启动及低复用率场景下收益最为显著,为元数据密集型场景下构建高性能用户态文件系统提供了一条轻量可行的优化路径。
  • 徐成, 张超然, 陈小康, 马楠
    录用日期: 2026-09-18
    道路凹坑的实时高精度感知与三维重建是保障自动驾驶行车安全与主动悬架控制的核心技术。现有的道路凹坑感知方法主要依赖单一视觉模态或静态跨模态融合策略。单一视觉方法易受剧烈光照变化、弱纹理路面及阴影遮挡的干扰,难以稳定获取鲁棒的深度信息;而基于激光雷达点云的方法受限于传感器线束分布,在远距离或高速行驶场景下点云极度稀疏,导致凹坑边缘的微观几何特征表达不充分。现有的跨模态融合方案多采用全局静态拼接,未充分考虑异构数据间的空间非线性配准误差,在传感器时空错位时易导致特征污染或几何有效信息的淹没,使得凹坑边界的三维重建精度受限。针对上述问题,本文提出一种基于激光雷达与深度相机跨模态融合的质心引导道路凹坑感知与三维重建方法(DeepRoad)。 本文方法构建了一个端到端的深度神经网络,主要包含三个核心技术阶段。第一阶段,多源异构特征粗对齐与多尺度提取。系统并行输入深度相机采集的二维图像与激光雷达生成的空间点云,利用最近邻自适应粗匹配模块,在时空尺度上建立像素坐标系与点云投影矩阵的初步关联,并通过多尺度特征提取网络捕获两者的底层表征。第二阶段,质心引导的非线性特征精细融合。针对空间配准误差导致的特征漂移,本文创新性地引入了质心引导机制。通过轻量化预测网络定位候选凹坑区域的几何质心,并以该质心作为空间锚点构建三维非对称注意力网络,动态调整跨模态特征的交互权重,实现图像高频纹理与稀疏点云微观几何信息在局部高价值区域的自适应聚集与深度融合。第三阶段,鸟瞰图(BEV)空间映射与边缘语义一致性约束。为了解决下采样操作带来的凹坑边界模糊与拓扑失真问题,DeepRoad将融合后的跨模态高维特征统一投影至鸟瞰图空间以保持全局拓扑结构,并设计了一种新颖的边缘语义一致性正则化损失函数。该损失函数通过显示强化凹坑物理边界与其周围正常路面之间的空间连续性与语义对立性,有效抑制了重建伪影,大幅提升了凹坑边缘的拟合精度。 为了验证DeepRoad方法的有效性与鲁棒性,本文在合成数据集SYN-UDTIRI与真实道路数据集RSRD上进行了充分的对比实验与消融实验。在SYN-UDTIRI数据集上的道路凹坑分割对比实验中,DeepRoad在关键指标上均取得了最优性能,其最大F1分数(MaxF)达到97.58%,平均精度(AP)达到94.04%,准确率(Pre)为97.53%,召回率(Rec)达到97.86%,全面超越了RoadFormer、SNE-RoadSeg+等主流跨模态融合方法,尤其在边界和细节的刻画上展现出显著的召回率优势。结构模块消融实验表明,在基础跨模态融合网络(Baseline)中逐步引入质心引导等模块,验证了各模块的有效性与互补性。此外,在真实道路数据集RSRD的泛化与鲁棒性测试中,DeepRoad在传感器噪声与点云稀疏干扰下依旧保持稳定的几何估计能力,实现了0.479 cm的绝对误差和0.568 cm的均方根误差(RMSE),大误差(>0.5 cm)比例仅为35.1%,相较于先进的RoadBEV 模型各项指标均表现更优,极端偏差情况显著减少,未出现误差放大现象。 综上所述,本文所提出的DeepRoad方法通过质心引导机制,成功攻克了复杂场景下道路凹坑三维感知边界模糊、异构特征难对齐的技术瓶颈,形成了一套系统化的端到端感知与重建解决方案,为自动驾驶智能避障规划提供了高精度的数据支撑,具有重要的理论创新与工程应用价值。未来的研究工作将聚焦于网络模型的轻量化剪枝与边缘端实时部署,并探索将DeepRoad与多模态视觉-语言大模型(VLM)深度融合,以期推动无人驾驶技术在全天候、全场景下的智能决策与可靠进化。
  • 陈波, 彭垲, 汤建良, 张维强
    录用日期: 2026-09-14
    针对水下图像因水体选择性吸收与悬浮颗粒散射而呈现颜色偏移、对比度衰减及高频细节丢失等问题,同时现有通用语义分割模型对高价值稀有目标的边界识别能力不足、分割精度欠佳,本研究致力于从特征表示与损失监督两个层面提升模型对水下图像中模糊目标的精细分割能力,特别是强化对稀有类别边缘轮廓的重建与判别。在技术实现上,以在水下场景中表现优异的UWSegFormer模型作为基准架构,在保留其水下图像质量注意力模块与多尺度聚合注意力模块的基础上,从频域增强和边缘监督两个维度提出针对性改进。一方面,设计了一种融合频域增强的多尺度聚合注意力模块(FS-MAA)。该模块在解码器多尺度特征融合阶段引入二维快速实数傅里叶变换(2D-RFFT),将空间域特征显式映射至频域,利用频域解耦特性分离代表全局语义的低频分量与表征纹理细节的高频分量,并对高频分量施加固定经验增益系数以补偿水体散射造成的高频损失,再通过二维逆离散傅里叶变换将增强后的频域特征恢复至空间域,最终与原始空间域特征进行残差聚合,从而在保留全局上下文语义的同时注入高频细节信息。另一方面,构建了一种基于在线模糊边缘挖掘的边缘学习损失(OHEM-ELL)。该损失在训练过程中利用Scharr算子分别计算预测掩码与真实标签的边缘响应图,获取每个边界像素的预测误差,随后按误差值降序排列并筛选出损失最大的前K%边界像素定义为困难样本,仅对这部分像素执行梯度回传与参数更新。该机制以极小的额外计算代价将网络的学习注意力动态聚焦于最难辨识的模糊边缘区域,有效缓解了背景水体等易分像素对损失的主导。整体损失函数由标准语义分割损失与所提出的OHEM-ELL线性加权构成,实现像素级分类与边缘优化的联合监督。实验在SUIM水下语义分割基准数据集和DUT-USEG真实水下图像数据集上开展,采用MiT-B0作为编码器并加载ImageNet-1K预训练权重。在SUIM数据集的6个主要类别上,得到平均交并比(mIoU)达到86.92%,较基线UWSegFormer的85.06%提升了1.86个百分点。消融实验表明,两者联合使用取得最佳效果,验证了两个模块在提升分割精度上的协同促进作用。在DUT-USEG数据集上,本文方法将mIoU从基线的68.12%提升至68.75%,验证了方法在跨数据集场景下的良好泛化性。模型参数量为16.81M,计算复杂度为6.48 GFLOPs,与基线几乎持平,表明所提改进未引入明显的额外计算负担。可视化结果进一步显示,FS-MAA模块有效恢复了水下浑浊环境中丢失的纹理细节,OHEM-ELL损失使目标边界预测更加连贯清晰,两者结合后的模型在视觉质量上取得了最优表现。综合以上结果,本研究得出如下结论:通过频域特征解耦与选择性高频增强,能够有效补偿水下成像过程中因散射导致的细节衰减,使网络在特征层面获得更完整的结构信息;通过在线困难边缘挖掘策略,能够引导网络将有限的参数量与梯度更新集中于最具判别挑战性的边界区域,显著改善稀有目标的轮廓刻画能力。