计算机工程杂志

计算机工程杂志2020年第12期

• 区块链共识机制综述

  谭敏生, 杨杰, 丁琳, 李行健, 夏石莹

  区块链能够有效融合物联网、5G、大数据和人工智能等技术，在新型基础设施建设中具有重要作用。共识机制作为区块链的核心技术，能够保障区块链数据库的一致性和正确性，从而决定区块链的安全性、扩展性、吞吐量等相关性能。根据区块链共识机制的技术路线，将其细分为3类单一共识机制和6类混合共识机制。从原理实现角度，系统描述共识机制的理论技术，归纳节点达成一致所需的运算操作并评价共识机制的优缺点。从工程应用角度，具体分析共识机制的应用情况，介绍区块链项目并对比共识机制的关键性能。针对现有共识机制研究中存在的能耗与效率问题给出相应的解决方案，并对其奖惩制度、网络分片与存储分片技术等下一步研究方向进行展望。

• 基于神威太湖之光的AMBER软件移植与优化

  彭龙, 陈俊仕, 安虹

  AMBER是一款主流的分子动力学模拟软件，用于研究分子体系内的微观运动状态。为利用神威太湖之光的海量计算资源加速AMBER软件模拟分子体系的运动过程，将AMBER软件移植到SW26010处理器的主核上建立主从加速模型，实现AMBER软件的从核并行化设计。在从核并行化的基础上提出主从异步流水化方案，利用SW26010处理器从核的局部数据缓存和直接内存存取通道技术，解决从核访存速度过低及并行访存带宽受限的问题，并通过SIMD指令将部分从核代码向量化，进一步提升AMBER软件在神威太湖之光平台上的计算性能。测试结果表明，AMBER热点函数的计算性能较优化前约提升15倍，单核组的整体性能较Intel Xeon Platinum 8163约提升4.6倍。

• 基于狄利克雷问题的路网控制子区动态划分

  张曼, 闫飞, 阎高伟, 李浦

  传统静态的路网控制子区划分算法难以适应复杂路网中交通流动态变化的特性。为此，基于狄利克雷问题提出一种动态划分算法。根据密度峰值理论重新定义局部密度概念，用以识别控制子区的稳定块。在此基础上，将狄利克雷问题求解模型融入动态划分过程，迭代地对匀质性低的路段进行重新分配，实现控制子区的动态划分，模拟交通流动态变化时的子区演化过程。基于美国法默布兰奇市真实路网数据集的实验结果表明，该算法子区内部匀质性均值与归一化总方差指标较静态密度峰值划分算法分别降低22%和11%，其控制子区的匀质性较两层动态划分算法也得到有效提升。

• 5G系统中一种改进的PSS定时同步算法

  王宗伟, 石晶林, 冯雪林, 勾志杭

  符号定时同步是5G系统初始小区搜索的关键步骤，针对传统定时同步算法抗频偏性能差、计算复杂度高的问题，提出一种适用于5G系统的主同步信号（PSS）定时同步改进算法。在分段相关算法的基础上，对PSS序列预置归一化频偏，利用PSS序列的共轭对称特性将其分段处理后预存于终端，结合卷积和重叠保留分块方法实现各分段相关窗的快速相关，并对分段相关值作时延累加后进行门限判决，从而完成定时同步和粗频偏的联合检测。仿真结果表明，与差分相关算法、分段相关算法相比，该算法能够有效提升系统的抗频偏性能，降低计算复杂度，满足5G系统对定时同步的要求。

• 改进的动态PPI网络构建与蛋白质功能预测算法

  李鹏, 闵慧, 罗爱静, 瞿昊宇, 伊娜, 许家祺

  构建可靠的动态蛋白质网络是提高蛋白质未知功能预测和蛋白质复合物识别性能的关键，然而现有蛋白质网络构建和功能预测方法普遍存在鲁棒性低、预测精度不足等问题。为此，设计改进的动态蛋白质网络构建算法。采用进化图对蛋白质相互作用进行建模，基于蛋白质的活性周期将整个蛋白质网络划分为多个时间片的动态子网，在各个子网内部依据蛋白质之间的连接强度确定相互作用关系，从而得到一个全局的动态蛋白质网络。在此基础上，通过考查未知功能蛋白质邻居节点功能注释情况的差异，提出基于功能关联得分或神经网络的功能预测算法IPA-PF。在多个公开生物数据集上的实验结果表明，IPA-PF算法的查全率、查准率和F-measure指标优于HPMM、D-PIN、EFM和FP-BMD算法，且对输入参数不敏感，在保证功能预测准确性的前提下，其时间复杂度处于合理范围内。

• 一种多模型集成的网络论坛流量预测模型

  廖含月, 曾剑平, 吴承荣

  论坛流量预测对网络规划、舆情管理等任务具有重要意义，针对线性预测模型无法预测非线性关系、非线性预测模型的特征工程过于复杂的问题，利用历史时间序列作为特征，建立一种基于不同算法的集成模型以预测论坛发帖量。运用差分自回归移动平均、长短期记忆神经网络、Prophet以及梯度提升决策树4种模型分别对时间序列进行预测，参照加权投票法的思想，各模型投票选出时间序列单位下密度较大的预测值区间，依据各模型预测值所处区间的密度大小对各预测值进行权重分配，然后通过加权平均得到最终的预测结果。实验结果表明，与算术平均模型、基于均方根误差的加权平均模型相比，该模型预测结果的RMSE值以及相对误差值更小。

• 基于改进花朵授粉算法的Web服务组合优化

  谭文安, 吴嘉凯

  对于大量功能相似而服务质量不同的Web服务，服务组合优化可使其满足客户不同需求并被广泛应用，但现有Web服务组合优化方法普遍存在搜索效率低和寻优不精准的问题。为此，提出一种改进的花朵授粉算法，通过实现全局搜索和局部搜索的动态转换，促进种群优化。将差分进化算法的变异和交换操作加入到花朵授粉算法中，增强花朵的有效性和多样性，同时利用贪心策略选择适应度值高的花朵，加快算法收敛速度，增强其寻优能力。实验结果表明，与DE、KDE、FPA和EFPA算法相比，该算法在求解服务组合问题上具有更快的收敛速度和更好的寻优性能。

• 融合知识图谱与协同过滤的推荐模型

  康雁, 李涛, 李浩, 钟声, 张亚钏, 卜荣景

  针对现有协同过滤推荐算法可解释性不高和基于内容推荐信息提取困难、推荐效率低等问题，提出一种融合知识图谱和协同过滤的混合推荐模型，其由知识图谱与深度学习结合模型RCKD和知识图谱与协同过滤结合模型RCKC构成。RCKD模型在获取知识图谱的推理路径后，利用TransE算法将路径嵌入为向量，并使用LSTM和soft attention机制捕获路径推理的语义，通过池化操作区分不同路径推理的重要性，经全连接层和sigmoid函数获得预测评分。RCKC模型根据知识图谱表示学习的语义相似性，利用协同过滤算法获得预测评分。按预测评分的准确度将两个模型相互融合，最终获得可解释的混合推荐模型。在MovieLens数据集上的实验结果表明，与RKGE、RippleN模型和经典协同过滤算法相比，该模型具有较好的推荐可解释性和较高的推荐准确率。

• 一种鲁棒的单目视觉里程计算法

  庞智华, 齐臣坤

  针对单目视觉里程计在相机快速或剧烈运动时精度差和鲁棒性低的问题，提出一种基于树结构特征匹配与实时地图更新策略的单目视觉里程计算法。基于树结构的特征匹配算法无运动假设，在各种运动下均可快速且可靠地建立特征匹配关系，从而保证算法的实时性和鲁棒性。实时地图扩展更新框架将地图扩展与优化分离，在保证实时性的同时又能使得当前帧在快速或剧烈运动下能跟踪到足够多的3D地图点，以提高算法的鲁棒性。为降低实时地图更新对地图点精度的影响，提出一种基于视差的权重矩阵估计方法，使高精度地图点在优化函数中占主导地位，以此保证算法的精度。在2个公开数据集上的实验结果表明，与ORB-SLAM算法相比，该算法定位精度更高，在相机快速或剧烈运动下具有更好的鲁棒性。

• 基于动量加速零阶减小方差的鲁棒支持向量机

  鲁淑霞, 蔡莲香, 张罗幻

  在实际分类问题中，由于人为或其他因素的影响，数据中往往存在一定的噪声，而传统支持向量机（SVM）使用的铰链损失函数对噪声数据敏感，且分类性能较差。为消除噪声数据的影响，提出一种新的鲁棒SVM算法。通过引入新形式的损失函数，并基于间隔分布的思想，建立鲁棒SVM优化模型提高SVM的抗噪性，运用零阶减小方差算法并结合动量加速技术，给出一种新的优化模型求解方法。实验结果表明，该方法通过引入梯度修正项降低了方差对算法的影响，同时结合动量加速技术，明显提高了算法的收敛速度。

• 基于变分自编码器的混合推荐算法

  张宇生, 张桂珠, 王晓锋

  较多传统推荐算法因未考虑曝光因素而难以解决冷启动问题。为此，通过引入曝光隐变量，提出一种基于变分自编码器的混合推荐算法。在协同过滤背景下使用马尔科夫链蒙特卡洛采样推断曝光隐变量和特征向量，在推断过程中将前一次迭代得到的分布结果作为先验，利用共轭关系直接得到参数后验，以提高推断精度。在此基础上，通过变分自编码器VAEe抽取用户曝光向量的隐特征，据此对该用户做曝光预测，同时训练变分自编码器VAEi抽取商品的协同隐特征，解决新商品的冷启动问题。在真实数据集上的实验结果表明，该算法能够同时提高旧商品和新商品的推荐性能。

• 考虑多样性的深度神经网络结构搜索方法研究

  杨晓梅, 郭文强, 张菊玲

  为提升网络结构的寻优能力，提出一种改进的深度神经网络结构搜索方法。针对网络结构间距难以度量的问题，结合神经网络的结构搜索方案，设计基于图的深度神经网络结构间距度量方式。对少量步数训练和充分训练2种情况下的网络结构性能进行分析，基于多样性解的优势，给出一种多样性最优网络结构搜索方法。实验结果表明，该方法能够有效提高解的质量，有助于寻找到更优的网络结构。

• 一种混合语种文本的多维度多情感分析方法

  李妍慧, 郑超美, 王炜立, 杨昕

  针对中英混合微博文本情感分析问题，提出一种新的多维度多情感分析方法。将中英混合语言文本分别翻译成中文和英文，提取文本在不同语言维度的特征，基于中英混合语言、中文、英文分别提取对应的语义信息，综合上述3种从不同语言维度获取的语义信息，构建一个多情感分类模型并进行训练微调，根据情感概率得到最终的分类结果。实验结果表明，相比单一的处理方法，该方法能够更全面地提取中英混合文本的语义特征，并精准地判别文本中的多种情感，具有较好的分类效果。

• 高斯矢量多路输入信道下的消息认证方案

  韩佳良, 徐明

  消息认证可使消息接收者检测消息是否被合法发送者之外的其他人伪造或非法修改，而传统消息认证方案通常在网络层或更高层上执行，容易遭受重放攻击、拒绝服务攻击等安全威胁。在分析基于物理层的消息认证方案基础上，构建高斯矢量多路输入信道模型。通过最小均方误差法进行信道估计，提出消息认证方案并制定敌手的最优攻击策略，同时根据敌手攻击成功的概率确定可达的保密边界。在信道传输功率一定的情况下，通过信息论分析信道的最大安全认证速率，得到信道的保密容量区域。实验结果表明，随着接收消息数的增加，敌手攻击成功的概率均值呈指数级下降，且当所有发送者与窃听方的空间相关系数均低于0.3时，敌手攻击成功的概率均值小于1.87×10-7，验证了该方案的安全性。

• 基于分级优化置信规则库的网络安全态势预测方法

  胡庆爽, 李成海, 路艳丽, 宋亚飞

  基于置信规则库的网络安全态势预测将定性经验知识与定量网络数据结合，具有较好的预测效果，但当训练数据分布不均时，传统整体优化的预测方法易导致过拟合造成预测精度较低。为此，利用置信规则库中规则作用范围有限的特性，提出一种将置信规则库分级优化的网络安全态势预测方法。建立模型作用空间并划分规则作用域，将训练数据按照输入坐标分配到对应的规则作用域，通过设定临界值将规则划分为可完全优化、可部分优化与不可优化3个等级，同时减少规则中待优化参数量。实验结果表明，与GAO-BRB、PSO-BRB等预测方法相比，本文方法能有效避免过拟合现象，网络安全态势预测精度更高。

• 基于改进PBFT的区块链知识产权保护模型

  孙嘉豪, 孟翔斯, 张浩运, 常小林, 徐燕, 关庄

  为解决数字作品在互联网生态下存在的知识产权登记困难、盗版猖獗和产权交易混乱等问题，在改进的PBFT算法基础上，构造一种区块链知识产权保护模型。提出基于信用的改进PBFT共识机制，实现高效、低耗和可扩展的知识产权保护方式。设计知识产权登记和转让智能合约，利用自动化执行预置机制保证模型的高效性和透明性。实验结果表明，该模型可减少节点间的通信开销，增加主节点的诚实性概率，且具有更强的鲁棒性。

• 基于敏感信息邻近抵抗的匿名方法

  桂琼, 吕永军, 程小辉

  针对相似性攻击造成隐私泄露的问题，构建一种（r，k）-匿名模型，基于敏感属性语义关联，设定邻近抵抗阈值r，并提出满足该模型的匿名方法GDPPR。采用模糊聚类技术完成簇的划分，结合敏感属性相异度得出距离矩阵，使得每个等价类中相邻语义下的敏感属性取值频率不高于阈值r，同时保证较高的数据可用性。在两个标准数据集上的实验结果表明，该方案能够较好地满足（r，k）-匿名模型，有效抵抗相似性攻击，减少泛化产生的信息损失。

• 支持用户撤销的多用户多副本数据公开审计方案

  杨小东, 裴喜祯, 陈桂兰, 王美丁, 王彩芬

  用户将海量数据存储于云服务器以节省本地存储空间，然而云存储存在数据丢失或损坏的风险，现有审计方案虽能进行云端数据完整性验证，但主要用于单用户单副本环境，不支持用户撤销且数据动态更新计算开销较大。针对该问题，基于秘密共享技术和多分支路径树，提出一种多用户多副本云端数据公开审计方案。引入代理重签名算法实现用户安全撤销功能，利用多分支路径树完成云端数据的修改、插入和删除等动态更新，并对该方案的安全性和计算效率进行分析。实验结果表明，该方案满足审计的健壮性并能抵抗云服务器和被撤销用户的合谋攻击，与同类多副本数据完整性方案相比，在签名和挑战响应阶段具有较高的计算效率。

• 基于ECC的无证书WSN广播信息认证方案

  吴昆, 魏国珩

  广播认证是无线传感器网络（WSN）安全中的重要部分，针对传统广播认证中资源消耗较多、安全性不高的问题，结合椭圆曲线密码算法，提出一种非双线性的无证书广播信息认证方案。该方案基于计算椭圆曲线离散对数实现安全认证，并通过相邻节点间相互协作共享中间计算结果，以减少节点的计算开销。通过形式化分析得出，在随机预言机模型下证明了方案具有面对2种攻击者的安全性，还拥有抗密钥托管、抗重放攻击与抗拒绝服务攻击等多种安全属性。实验结果表明，该方案执行一次广播信息认证的能耗更少，且具有较长的网络生存周期，适用于资源受限的WSN。

• 基于消息中间件的分布式网络扫描

  胡栋梁, 秦晓军, 王晓锋

  网络扫描是网络安全评测和网络管理的重要手段。针对传统单点主动扫描方法与Zmap、Nmap工具均存在带宽资源利用受限、扫描效率低与CPU使用率高等问题，结合消息中间件的分布式网络扫描技术，提出一种分布式网络扫描架构和任务调度算法。利用消息中间件实现信息同步和扫描结果回传，并构建一种分布式网络扫描任务调度模型。实验结果表明，相比传统的单点主动扫描技术，基于消息中间件的分布式网络扫描技术在保证扫描准确率的同时，CPU使用率与扫描响应时间均降低约10%。

• 异构无线传感器网络中继节点部署算法

  马千里, 袁易, 申朝晖

  针对无线传感器网络因节点多且密集造成的网络拥塞问题，提出一种基于节点权重及边长的中继节点部署算法，以减少网络节点部署数量。改进异构环境下中继节点部署方式，利用两节点之间距离及节点性质计算边的权重，按权重和边长对边进行排序，采用最小生成树算法结合图增量理论改变中继节点加入条件，并使用迭代方式依次加入中继节点，从而减少相同环境下部署中继节点的数量。不同规模的仿真实验结果表明，与GA-RD、IWGA-RD算法相比，该算法所得网络中继节点部署数量更少且网络性能更好，在大样本情况下其能显著降低网络负载和部署成本。

• 基于改进哈里斯鹰优化算法的TDOA定位

  马一鸣, 石志东, 赵康, 贡常磊, 单联海

  针对室内到达时差（TDOA）定位的非线性方程求解问题，提出一种改进的哈里斯鹰优化定位算法，在提升原算法性能的基础上保留其寻优机制。对基于最大似然估计的适应度函数进行改进，在优化过程中达到更优的适应度值，从而提高算法的寻优精度。同时在初始种群位置中引入初始解，以减少不必要的全局搜索，在不影响种群多样性的前提下提高算法的收敛速度。仿真结果表明，与DHHO/M、EWOA、IALOT和CSSA算法相比，该算法具有更高的定位精度和收敛速度。

• 毫米波网络中基于Q-Learning的阻塞感知功率分配

  施钊, 孙长印, 江帆

  毫米波通信可在5G无线通信系统超密集网络场景中提供显著的系统容量增益，但毫米波通信场景中干扰复杂多变，并且小区边缘用户动态链路的高阻塞率会引起中断问题。为此，基于Q-Learning算法，提出一种考虑毫米波链路高间歇性概率的功率分配方案。基于泊松簇过程对随机部署的基站用户系统进行建模，分析链路阻断对有用信号和干扰信号带来的不同影响，并将利己利他策略引入Q-Learning算法的状态和回报函数设计中，通过机器学习策略得到功率分配最优解。仿真结果表明，与未考虑链路阻塞概率的CDP-Q方案相比，该方案由于根据链路动态链接状况进行最优功率分配，显著提升了系统总容量。

• 基于多域联合的无人机集群认知抗干扰算法

  刘春玲, 刘敏提, 丁元明

  为解决无人机集群网络在复杂通信环境中对抗智能性干扰能力较弱的问题，基于智能决策理论，提出一种多域联合的认知抗干扰算法。该算法在优势演员-评论家算法的基础上，将无人机视作智能体，并由感知到的环境频谱状态决策出干扰信道。基于Stackelberg博弈理论，利用功率域压制中度干扰等级的信道干扰信号，减少切换信道的时间开销。通过引入簇头协助的方法，解决由于单个智能体局部频谱感知能力较弱而导致信道决策成功率较低的问题。仿真结果表明，相比QL-AJ算法与AC-AJ算法，该算法能够给出簇内最佳节点个数，提高接收信号信干噪比，且网络整体抗干扰性能较好。

• C-V2X边缘服务器的动态负载均衡算法研究

  林峰, 段建岚, 李传伟, 蒋建春

  为更好地解决蜂窝车联网与移动边缘计算融合应用场景下边缘服务器资源负载分配不均、资源利用率较低等问题，提出一种动态负载均衡算法。通过监测边缘服务器的实时运行状态动态更新负载指标权值，准确评估边缘服务器的实际负载状态，并结合边缘服务器集群的负载率阈值、均值和标准差，实现任务的合理分配。实验结果表明，与传统随机轮询算法和最小流量均衡算法相比，该算法能够更好地提升边缘服务器集群的负载均衡度，缩短任务完成时间。

• 多层级特征融合结构的单目图像深度估计网络

  贾瑞明, 李阳, 李彤, 崔家礼, 王一丁

  采用卷积神经网络对单目图像的深度进行估计时，存在深度信息不精确、边缘模糊以及细节缺失等问题。为此，提出一种多层级特征融合结构的深度卷积网络。该网络采用端到端的编-解码器结构，编码器使用ResNet101网络结构将图像转换为高维特征图，解码器使用上采样卷积模块从高维特征图中重建出深度图像，并对编码器与解码器中的不同层级特征进行融合。基于NYUv2数据集与KITTI数据集的实验结果表明，相比其他先进网络，该网络不仅能预测出更加准确的深度信息，而且能保持预测深度图像的边缘信息。

• 一种改进多尺度三维残差网络的高光谱图像分类方法

  郑姗姗, 刘文, 单锐, 赵静一, 江国乾, 张智

  针对高光谱图像训练样本较少、光谱维度高导致分类精度较低的问题，提出一种利用改进多尺度三维残差卷积神经网络的高光谱图像分类方法。选择合适的卷积步长对网络首层光谱降维并提取浅层特征，使用三维卷积滤波器组中最大池化层减少整体网络训练参数量，改进多尺度滤波器组和三维残差单元提取图像深层局部空间-光谱联合特征，并将其输入Softmax函数层预测类别标签样本。实验结果表明，该方法在Indian Pines和Pavia University高光谱数据集上的总体分类精度分别为99.33%和99.83%，与SVM、SAE等方法相比，分类判别特征提取更准确，具有更高的图像分类精度。

• 带噪声水平评估的快速灵活盲深度降噪模型

  于海雯, 易昕炜, 徐少平, 林珍玉

  为提高快速灵活降噪网络（FFDNet）模型的降噪性能，建立一种噪声水平估计（NLE）模型，将其预测的噪声水平估计值输入FFDNet模型中，并以NLE模型作为FFDNet深度降噪模型的前置模块，使FFDNet转换为盲降噪模型。采用浅层卷积神经网络模型将噪声信号从噪声图像中分离出以得到噪声映射图，将噪声映射图的标准差作为噪声水平的初估值。鉴于噪声水平初估值与真值之间具有强相关性的特性，应用BP神经网络模型对噪声水平初估值进行修正。实验结果表明，该NLE模型与FFDNet降噪模型相结合后，降噪效果总体上与使用真实噪声水平值的FFDNet降噪模型接近，在多数噪声水平值下，两者的PSNR值相差小于0.1 dB，NLE模型的估计值可以达到与真实噪声水平值近似的效果，能够充分发挥FFDNet降噪模型的快速和灵活特性。

• 基于最小点对成本的二维轮廓精确匹配与分析方法

  李向军, 周勇, 刘韬, 刘伯成, 罗铭

  针对物体识别中轮廓精确匹配与部位识别问题，提出一种基于最小点对成本的改进轮廓精确匹配与分析方法。采用交互式分割法学习不同类别的轮廓分析参数和轮廓原型数据，构建类别轮廓原型知识库。引入粗到精的二级匹配和最小点对成本精确匹配2种策略以进行轮廓匹配，其中粗到精的二级匹配策略可有效降低匹配过程对轮廓细节变化的敏感性，最小点对成本精确匹配策略能保证匹配具有平移不变性、旋转不变性、镜像不变性和尺度不变性，且能以直观的方式呈现匹配结果。在Animal数据集上的实验结果表明，该方法在物体识别中的部位分割、轮廓识别和部位识别等方面具有较高的准确率，且能同时精确识别轮廓类别及其部位类别。

• 基于ABSS的着装人体多特征点提取与尺寸测量

  胡新荣, 刘嘉文, 刘军平, 彭涛, 何儒汉, 何凯

  传统非接触式人体尺寸测量中的关键特征点是根据人体各部位的比例关系直接提取，该方法对人体体型和着装要求严格，导致在多数情形下获取的关键特征点存在较大误差。为此，提出一种基于自适应人体结构分割（ABSS）的着装人体多特征点提取和尺寸测量算法Human pesm-abss。分析东西方人体的异构性和自身体型的差异，利用ABSS对人体结构关键区域进行分割。针对颈、肩部位特征点的提取，给出最大距离法和局部最大曲率法，解决传统算法适应性差及鲁棒性弱的问题。对210组标准差较大样本的实验测量数据与真实尺寸信息进行对比分析，结果表明，Human pesm-abss算法相对于非闭合Snake和Simple-FCN-ASM模型，平均误差分别减少2.2 cm和0.26 cm，时耗分别缩短了1.098 s和3.552 s，具有更高的实时性与更强的鲁棒性，适用于在线批量人体着装尺寸测量。

• 基于深度残差网络的多损失头部姿态估计

  齐永锋, 马中玉

  为提高真实场景下头部姿态估计的准确性，提出一种采用深度残差网络的头部姿态估计方法。将深度残差网络RestNet101作为主干网络，引入优化器提高深层卷积网络训练时的梯度稳定性，使用RGB图像并采用分类器计算交叉熵损失，同时结合回归损失预测欧拉角表示头部姿态。实验结果表明，与FAN地标检测方法和无关键点细粒度方法相比，该方法在AFLW2000数据集和BIWI数据集上的平均绝对误差值更小，分别达到5.396和2.922，在300W_LP数据集上测试精度超过95%，在真实场景下具有较好的鲁棒性。

• 基于复杂度聚类的自适应遥感场景分类

  梁文韬, 康雁, 李浩, 李晋源, 宁浩宇

  遥感图像场景分类任务较普通图像分类任务的特征范围更广且分布更复杂，难以实现精准分类。针对遥感图像特征分布与神经网络结构存在一定适应性关系的情况，提出一种利用复杂度适配聚类的自适应神经网络遥感场景分类模型。构建含有颜色矩、灰度共生矩阵、信息熵、信息增益、线占比等多重特征的遥感图像复杂度评价矩阵，通过计算图像相似性得到不同复杂度的图像子集，采用层次聚类方式将图像复杂度分为高、中、低等级，并分别使用DenseNet、CapsNet和SENet神经网络对复杂度适配的图像子集进行训练，最终获得自适应遥感场景分类模型。实验结果表明，与DenseNet、CapsNet、SENet等模型相比，该模型能更有针对性地提取不同复杂度的图像特征，具有更高的遥感场景分类准确率。

• 基于改进深度卷积对抗生成网络的肺结节良恶性分类

  李莉, 张浩洋, 乔璐

  为提高肺结节良恶性识别的准确率，构建改进深度卷积对抗生成网络（DCGAN）框架与半监督模糊C均值（FCM）聚类结合的SFDG肺结节良恶性识别模型。将带有良恶性等级标签的肺结节图像输入到DCGAN框架，使得只有来源分类能力的判别器网络同时具备肺结节等级分类能力。在判别过程中运用半监督FCM聚类方法，对输入肺结节图像进行特征提取和量化，将输出的当前图像所属类别概率及判别结果与真实结果进行比较来调整网络参数。通过设定加权损失函数最大概率提高模型识别准确率，训练得出具有良好鲁棒性的网络模型。实验结果表明，改进模型的判别器网络具有良好的肺结节良恶性分类能力，准确率高达90.96%。

• 一种基于端到端神经网络的连续血压估计模型

  万培, 桑胜波, 张成然, 张博

  传统基于脉搏波传导时间法及脉搏波特征参数法的血压测量模型存在精度较低及普适性差等不足。构建一种新的连续血压估计模型，通过自动提取必要的波形形态特征及其时域变化，以无创连续的方式估计血压，其由两个层次组成，较低层次使用人工神经网络从光电容积脉搏波（PPG）和心电图（ECG）波形中提取必要的形态特征，较高层次使用长短期记忆网络层来说明较低层次提取特征的时域变化。依据医疗器械发展协会标准，对69名受试者的采样数据进行模型评估，实验结果证明，与基于ECG和PPG特征参数的Deep-RNN血压估计模型相比，该模型具有更高的预测精度。

• 融合VGG与FCN的智能出租车订单预测模型

  李浩, 霍雯, 裴春营, 袁瑶瑶, 康雁

  为提高出租车市场管理和运营效率以及实现出租车效益最大化，在地图栅格化的基础上，提出一种融合VGG网络与全卷积网络（FCN）的出租车多区域订单预测模型。将出租车轨迹数据转换为订单图像，去除VGG网络全连接层仅保留主要结构以减少模型参数，利用该网络中深度卷积提取不同空间区域出租车行驶特征，使用FCN中反卷积层上采样重构下一个时间段出租车订单图像，从而获得不同区域和时间段的出租车订单预测数据，并以订单图像形式呈现在地图上。实验结果表明，与BP、RBF等预测模型相比，该模型预测结果平均准确率更高且均方根误差更低，可快速预测出租车多区域订单分布情况。

• 基于轨迹和形态识别的无人机检测方法

  刘宜成, 廖鹭川, 张劲, 吴浩, 何凌, 戴弘宁, 张晗, 杨刚

  无人机因具有体型小以及受环境干扰大等因素导致其在可见光图像序列下的检测准确率较低。为此，提出一种新的无人机检测方法。通过转台相机捕获飞行物形态变化，使用轨迹聚类算法获得运动小目标轨迹，提取并融合目标的轨迹特征和形态特征，进而通过人工神经网络识别目标，并采用小范围搜索算法进行追踪，同时运用干扰无线电定向压制无人机。实验结果表明，该方法对无人机和飞鸟的识别准确率达到99.53%，且能够实时检测、识别和追踪。

• 基于数据集成的随机森林算法

  谢坤, 容钰添, 胡奉平, 陈桓, 姚小龙

  用于销售预测的历史数据存在稀疏性与波动性等特点，当预测周期较长时，传统统计学或者机器学习领域预测算法的预测效果较差。为此，利用随机森林的集成思想与训练数据集的随机分割重组，提出一种基于数据集成的随机森林算法。该算法通过随机重组将原始的一维预测变量重组为高维变量，并将输出求和值作为最终预测值。实验结果表明，与ARIMA、RF、GBDT等传统算法相比，该算法在实际数据集上的预测效果取得显著提高。同时，拓展实验表明数据集成还可应用在ARIMA算法上，使预测准确率提高约3%。

• 基于IMI-WNB算法的垃圾邮件过滤技术研究

  刘洁, 王铮, 王辉

  互信息和朴素贝叶斯算法应用于垃圾邮件过滤时，存在特征冗余和独立性假设不成立的问题。为此，提出一种改进互信息的加权朴素贝叶斯算法。针对互信息效率较低的问题，通过引入词频因子与类间差异因子，提出一种改进的互信息特征选择算法，从而实现更高效的特征降维。针对朴素贝叶斯分类算法的独立性假设问题，在朴素贝叶斯分类时使用改进互信息值进行特征加权，消除部分朴素贝叶斯条件独立性假设对邮件分类的不利影响。实验结果表明，相比传统朴素贝叶斯算法，该算法提高了垃圾邮件过滤的精确度、召回率与稳定性。

• 多运动模式下的累积误差修正行人航位推算算法

  施元昊, 张健铭, 徐正蓺, 滕国伟

  多运动模式行人航位推算算法采用零速校正消除累计误差，但零速校正错判会导致误差。针对该问题，提出一种基于长短时记忆网络的自适应零速检测算法。构建长短时记忆网络提取不同运动模式下零速区间的三轴加速度、三轴角速度和时序特征，通过优化零速检测算法实现多运动模式下的自适应零速检测，在此基础上采用差分进化算法融合蓝牙等定位方式对累积误差进行数据修正。实验结果表明，与传统卡尔曼滤波算法相比，本文算法定位绝对误差由6.43 m减少到0.94 m，相对误差由1.246%降至0.182%。

• 基于区块链的农产品柔性可信溯源系统研究

  王志铧, 柳平增, 宋成宝, 宋云胜, 张超, 张艳, 吴晓彤, 赵坤

  传统农产品溯源系统数据采取集中式存储且溯源流程固化，导致追溯结果可信度低与系统灵活性差。为解决该问题，提出一种利用区块链技术的农产品柔性可信溯源解决方案。建立"一环节一账本"的系统模式降低存储结构复杂度以实现可信溯源，采用动态追溯机制使系统灵活适应不同生产场景，将超级账本作为区块链实现方式，对关键溯源数据进行分布式加密存储以提高追溯结果可信性，并以生姜产品为溯源对象，通过剖析产业链上下游产品对应关系确定溯源对象粒度、账本内容与数据格式，对基于区块链的柔性可信溯源系统模型进行验证。分析及应用结果表明，该方案能有效提高溯源信息安全性与追溯结果可信度，可适应不同场景生产需求，系统灵活性较传统农产品溯源系统有本质提升。