引入Transformer的道路小目标检测

针对道路场景中检测小目标时漏检率较高、检测精度低的问题,提出一种引入Transformer的道路小目标检测算法。在原YOLOv4算法基础上,对多尺度检测进行改进,把浅层特征信息充分利用起来;设计ICvT(improved convolutional vision transformer)模块捕获特征内部的相关性,获得上下文信息,提取更加全面丰富的特征;在网络特征融合部分嵌入改进后的空间金字塔池化模块,在保持较小计算量的同时增加特征图的感受野。实验结果表明,在KITTI数据集上,算法检测精度达到91.97%,与YOLOv4算法相比,mAP提高了2.53%,降低了小目标的漏检率。

基于幅度和相位混合特征交叉的语音增强方法

为充分利用含噪语音信号的相位特征信息及其与幅度信息的相关性,提出一种幅度和相位混合特征交叉的单通道语音增强方法。提取含噪信号的对数功率谱和相位特征,依次交叉排列;计算复数掩模,将复数掩模的实虚部依次交叉以保持对称输入特征;在此基础上,构建深度编解码器网络(amplitude phase deep encoder decoder network,APDEDN)增强语音质量。实验结果表明,相较单一特征方法,提出方法获得了语音质量感知评估评分和短时目标可懂度上的改善。

针对恶意软件检测的特征选择与SVM协同优化

提出一种基于改进哈里斯鹰优化SVM和特征选择的恶意软件检测模型。为改进特征子集选取和SVM分类准确率,引入混沌映射、能量因子调节、最优解变异扰动和互利共生对HHO算法的初始种群结构、全局搜索与局部开采切换性能及跳离局部最优能力进行改进;利用改进算法优化SVM参数和特征子集选取,构建恶意软件检测模型。实验结果表明,改进算法在降低特征维度的同时可以有效提升分类准确率,利用高质量特征子集提升恶意软件检测模型的分类能力。

基于深度测距的移动机器人自适应跟随

为提高移动机器人的跟随精度,对深度相机(RGB-D相机)测距进行研究,提出一种基于MRSD(Mask R-CNN and S2R-DepthNet)的移动机器人跟随系统。引入实例分割算法(Mask R-CNN)获取行人的前景掩膜;以掩膜为指导从深度图像中获取准确的行人区域深度像素,引入深度估计算法(S2R-DepthNet)从彩色图像中推理深度图像以替换深度传感器引起的无效深度像素,提高测距的精度;建立基于Sage-Husa自适应滤波(SHAKF)的测距模型,提高量测信息异常情况下的测距鲁棒性,实现稳定跟随。实验结果表明,该方法能以设定距离准确跟随前方行人。

基于ALBERT的中文简历命名实体识别

现有的电子简历实体识别方法准确率低,采用BERT预训练语言模型虽能取得较高的准确率,但BERT模型参数量过大,训练时间长,其实际应用场景受限,提出一种基于ALBERT的中文电子简历命名实体识别方法。通过轻量版ALBERT语言模型对输入文本进行词嵌入,获取动态词向量,解决一词多义的问题;使用BiLSTM获取上下文结构特征,深层次挖掘语义关系;将拼接后的向量输入到CRF层进行维特比解码,学习标签间约束关系,输出正确标签。实验结果表明,该方法在Resume电子简历数据集中取得了94.86%的F1值。

在线社交网络中基于多态信任融合的信任估计

为提高大型在线社交网络中信任计算方法的准确性和鲁棒性,采用共被引和转置信任传播操作,提出一种基于多态信任融合的信任估计方法估计连续信任/不信任值。结合信任者、被信任者的相邻用户的信息以及被信任者对信任者的信任,平均估计出两个用户信任或被其它用户信任的差异,以及一个用户信任另一个用户和被该用户信任的差异;利用这些差异,计算4种部分信任估计值,将这些部分估计值加权平均,得到信任者对被信任者的最终信任估计值。仿真结果表明,所提方法比其它最新的现有信任计算算法更准确和鲁棒,对应用于大型网络更高效。

多视野精细分析下的弱监督目标定位算法

针对多尺度目标定位精度较差,难以捕获完整目标边界的问题,设计一种多视野精细分析模块并融入通道与空间注意力机制抑制背景噪声的干扰,获取多尺度目标的高分辨率特征。利用随机特征选取模块获取特征图随机位置的组合,聚合多个位置图获取最具辨别性的位置及其它位置的信息,融合浅层生成的类激活图与聚合类激活图获取细粒度位置信息,捕获完整的目标边界。与现有的弱监督定位方法相比,在解决多尺度目标定位效果差和局部最优问题上具有一定的优势。

异构集群下基于标签传播的大规模图划分算法

近年来,大规模图数据处理在众多领域得到广泛应用,图划分算法是分布式图计算系统的基础,但大规模图在异构集群中的划分尚未得到充分研究。为此,针对异构集群,提出基于标签传播的大规模图划分算法(heterogeneous label propagation, HLP),根据计算节点负载能力进行图划分,以实现负载均衡和边割率最小化为目标。HLP算法规避了传统标签传播中顶点迁移的步骤,提高了算法效率。实验结果表明,HLP算法在分区质量以及划分效率方面均有较好表现。

基于边缘智能的分布式协同推理策略

为解决在资源受限的边缘设备上部署和执行深度学习模型问题,提出一种结合模型分区和数据并行执行的分布式协同推理策略(DecDNN),通过层粒度自适应模型分割算法(AMCA)在边云之间实现模型的并行推理。为避免数据的隐私泄露,在边端之间提出基于全局置乱切分的分布式随机梯度下降算法对数据进行分区,提出一种聚合方案,以产生具有最佳整体推理延迟的分布式并行策略。仿真结果表明,与现有推理策略相比,该策略减少了20%的通信开销和9%的执行延迟,支持多种深度学习模型的推理。

D2D异构网络节能模式选择和资源分配

为合理分配蜂窝网络的频谱资源,提升蜂窝网络能源效率,降低用户间的干扰,提出一种基于深度强化学习的设备到设备(D2D)异构网络节能模式选择和资源分配方法。构建系统模型并对节能模式选择和资源分配进行优化;将优化问题转化为马尔可夫决策过程(MDP),采用深度确定性策略梯度算法(DDPG)找到最优问题的最优策略,实现最大化长期能效。通过仿真分析与其它4种方法进行性能对比,实验结果表明,所提方法在D2D异构网络中具有更高的能源效率,表现出更好的收敛性,可有效提升系统吞吐量和频谱资源利用率。

基于改进ViBe算法的双流CNN跌倒检测

为解决冗余信息导致跌倒检测准确率低的问题,构建一种基于改进ViBe算法的双流CNN网络模型来检测跌倒。将帧差法与ViBe算法相结合,解决原始ViBe算法的鬼影问题,通过多帧合成运动历史图(MHI)的方式输入双流网络,提出Sum-SoftMax决策层融合算法,增强算法模型的跌倒检测能力。在公开数据集上实验并与现有算法对比,实验结果表明,该模型综合准确率达到了98.7%,高于现有算法模型,可用于室内人员的跌倒检测。

基于区块链隐私增强的联邦学习可验证安全存储方案

在传统的联邦学习系统中,中央服务器在接收到参与方上传的本地模型后,没有对本地模型的合法性进行验证,可能导致后续模型不可靠即模型存储可靠性问题。针对该问题提出一种基于区块链隐私增强的联邦学习可验证安全存储方案(blockchain-based federated learning for model verified security storage, BFL4MVSS)。利用区块链技术,提出验证者投票机制,保证存储模型的可靠性;引入一种奖励机制,允许系统在一定数量的恶意节点存在下正常运行。采用PyTorch框架在MNIST数据集上进行仿真验证,结果表明,其能够在15%的恶意节点的参与下确保模型具有良好的表现。

基于I3D-CNN的自闭症分类方法

为解决传统基于静态功能网络连接的自闭症分类算法忽略了脑功能连接的时变特性问题,提出一种基于膨胀卷积网络(inflated three dimension convolution neural network,I3D-CNN)的自闭症分类识别方法。提取被试大脑的静息态功能核磁共振影像(rest state functional magnetic resonance imaging,RS-fMRI)每个感兴趣区域(region of interest,ROI)的时间序列,基于时间序列利用随机滑动时间窗口法,构建多个3D动态脑功能连接矩阵,使用I3D-CNN从3D动态脑功能连接矩阵中提取大脑的时空特征,建立自闭症分类模型。通过在ABIDE数据集上进行实验,验证了该方法的可行性和有效性。

《计算机工程与设计》简介

《计算机工程与设计》创办于1980年,是由中国航天科工集团主管、中国航天科工集团七〇六所主办的中国计算机技术领域的学术性期刊。它以传播新技术、促进学术交流为宗旨,坚持深度与广度、理论与应用相结合的方针,着力报道计算机前沿技术和热点技术。《计算机工程与设计》期刊,着力报道行业相关的高可靠、高可信计算机科学技术与工程领域前沿性研究和最近成果。同时大力实现广泛的科研成果汇集和知识传播,积极参与推动我国计算机技术和科技的发展。刊登的论文严格实行多级审核制度,确保出版质量。

基于局部特征融合的细粒度车辆识别

为有效提高基于局部检测的细粒度图像分类方法的工作效率,提出一个自适应通道分配模块,能主动分组表达相同语义信息的特征通道。此过程的学习由设计的判别性和多样性损失函数监督完成,利用多尺度深度可分离卷积,从已提取的全局图像特征中检测有助于分类的多样化局部信息。通过训练的网络具有强大的特征分配能力,在全局对象定位的基础上进一步实现对细节的定位。图像的融合表示综合考虑各个部分对分类的贡献,有效分类细粒度车型,在公开的Stanford Cars和CompCars数据集上的对比实验结果验证了该方法表现良好。

基于整数小波变换和二维混沌系统的多图像加密算法

为提高当前混沌图像加密算法抵抗选择明文攻击的能力并减轻公用网络传输负担,提出一种基于整数小波变换和二维混沌系统的多图像加密算法。采用整数小波变换对多张明文图像进行数据压缩,对压缩以后的多张明文图像进行交叉组合,通过对同时置乱和扩散操作产生的密文图像进行动态分割,可以生成多张密文图像。所提加密算法可以抵抗选择明文攻击,实现对图像数据的压缩,通过减少图像数据的冗余度减轻信道传输的负担,提高加密速度。通过MATLAB仿真实验证实了该加密算法的正确性和实用性,该加密算法可以保证图像在公用信道中传输的安全。

基于双流注意力机制的阅读理解式事件抽取模型

为解决事件论元识别任务中特征提取不充分、角色重叠及角色论元嵌套等问题,提出一种改进的模型。将机器阅读理解思想融入事件抽取模型,设计问题模板,以BERT预训练模型构建动态词向量表征,融合双流注意力机制提取的特征向量,基于多层指针网络完成事件论元识别,与事件类型检测结果合并作为事件抽取模型的输出。在数据集DuEE上的实验结果表明,该模型获得了较高的准确率、召回率和F1值,验证了改进模型的可行性。

基于服务组合簇集的Web服务发现

近年来,Web服务数量不断增多,在满足用户需求的同时,用户常常为服务查准率和服务发现效率不高困扰。为进一步提高服务组合发现的效率和精度,提出一种基于服务组合簇集的多用户Web服务发现方法。构建Web服务集合的逻辑Petri网形式化模型;基于LPN可达性分析技术构建服务组合库,基于五维坐标系构建服务组合簇集;考虑Web服务调用并发数给出基于语义相似度计算的面向多用户的服务组合发现方法。通过搭建仿真实验环境、数据测试及分析比较,验证了该方法在提高服务查准率和服务发现效率上具有优越性。

面向众测的GUI软件操作序列记录方法

由于众测人员测试水平层次不齐,导致测试步骤不统一、冗余操作过多,因此无法直接利用众测人员的操作序列生成测试用例。通过对现有测试过程研究进行分析,提出一种适用于众测场景的GUI软件的操作序列记录方法。通过基于图像与坐标信息的方法获取众测人员的操作信息,采用图像聚类划分操作信息和时间划分方法优化聚类结果,以时间先后将操作信息组合众测操作序列。实验选取6种不同的GUI软件进行验证,实验结果表明,所提方法能够记录规范化操作序列,为后续工作提供可靠数据来源。

基于BRAM的NVMe控制器原型仿真平台设计

为加快NVMe控制器的开发进程,实现NVMe标准命令的快速仿真验证,提出一种基于BRAM的NVMe控制器原型仿真平台的设计方法。将采用块随机存储器代替闪存作为存储介质,处理器直接将数据写入块随机存储器,缩短数据的存储路径,极大地降低工程结构的复杂度,克服NVMe控制器工程仿真过程耗时较多的缺点。仿真结果表明了该方法的可行性,相比于原始NVMe控制器,其结构更简单,仿真过程用时明显减少。