计算机工程与科学

2020年第6期目录

2020, 42(06): 0-0. doi:

摘要 ( 64 )

PDF (285KB) ( 82 )

PDF（mobile） (285KB) ( 18 ) 　　

评审附件

加权LOF结合上下文判断的云环境中服务运行数据异常检测方法

仇开1,2，姜瑛1,2

2020, 42(06): 951-958. doi:

摘要 ( 117 )

PDF (601KB) ( 146 ) 　　

评审附件

云环境中服务运行数据是服务运行状态的反映，如果服务运行数据出现异常将会影响相关软件的运行和用户的使用。传统的软件异常检测方法通常忽略软件运行数据各维度属性提供的信息量及软件运行时的上下文环境，从而影响异常检测的准确率。因此，提出一种加权LOF结合上下文判断的云环境中服务运行数据异常检测方法，首先使用信息熵法给服务运行数据的各维度属性赋权，使用改进的加权LOF算法对服务运行数据进行初次异常判断；然后综合考虑服务运行时的上下文信息，对服务运行数据进行二次异常判断后得到相应结果。实验表明，此方法能够有效检测出云环境中的服务运行数据异常。

基于边缘计算的新型任务卸载与资源分配策略

薛建彬,安亚宁

2020, 42(06): 959-965. doi:

摘要 ( 157 )

PDF (675KB) ( 172 ) 　　

评审附件

针对移动边缘计算（MEC）中密集型任务卸载时，系统开销较大和延时抖动明显的问题，提出一种新型资源分配策略。首先在系统时延约束下，分析了系统任务执行开销与终端设备的资源分配机制；其次建立了基于计算卸载和任务分配的联合凸优化目标；最后采用拉格朗日乘子法进行迭代更新得到最优解。仿真结果表明，所提任务卸载与资源分配方案在保证用户服务质量的同时降低了任务执行开销，并有效提升了MEC系统性能。

基于插值的高维稀疏数据离群点检测方法

陈旺虎，田真，张礼智，梁小燕，高雅琼

2020, 42(06): 966-972. doi:

摘要 ( 96 )

PDF (577KB) ( 73 ) 　　

评审附件

离群点检测问题中的数据可被看作是正常点与异常点在空间中的高度混合，在减少正常点损失的前提下，离群点通常包含在离聚类中心最远的样本集中。受这种思想启发，提出一种针对高维稀疏数据的基于插值的离群点检测方法，该方法在K-means基础上应用遗传算法对原始数据进行插值处理，解决了K-means聚类中稀疏数据容易被合并的问题。实验结果表明，对比基于传统K-means聚类的离群点检测方法以及几种典型的基于改进K-means的检测方法，本文
方法损失的正常点更少，提高了检测的准确率和精确率。

基于改进BIRCH的双簇首WSN能耗优化研究

罗擎忆1,张江2,张晶1,3,4,王健敏5

2020, 42(06): 973-983. doi:

摘要 ( 82 )

PDF (947KB) ( 49 ) 　　

null

面向属性网络的可重叠多向谱社区检测算法

李青青1，马慧芳1,2，吴玉泽3，刘海姣1

2020, 42(06): 984-992. doi:

摘要 ( 100 )

PDF (887KB) ( 92 ) 　　

评审附件

谱社区检测算法多基于结构对网络进行划分，往往受限于划分数量且难以控制重叠程度。设计了面向属性网络的谱社区检测算法，可将属性网络划分为任意数量的可重叠社区并有效发现离群点。具体地，首先，从结构和属性两方面综合考虑，基于加权模块度设计了最大化到节点向量化的分区映射方法；其次，给出簇中心向量的初始选择策略，并将其融合在面向属性网络的重叠度和离群度制约中，实现重叠社区的发现；再次，设计节点分配策略，计算节点与簇中心向量的内积，将节点分配给具有最高内积的社区；最后，结合节点隶属情况，高效地在属性网络中检测出结构紧密、可重叠和具有离群点的社区。此外，将本文算法应用于现实世界的多个网络，验证了本文算法的有效性和效率。

面向Android恶意应用静态检测的特征频数差异增强算法

李向军1,2，孔珂2，魏智翔1，王科选1，肖聚鑫1

2020, 42(06): 993-1002. doi:

摘要 ( 130 )

PDF (1875KB) ( 69 ) 　　

评审附件

随着Android应用程序数量的快速增长，面向Android应用程序的安全性检测已成为网络安全领域的热点研究问题之一。针对恶意应用静态检测的特征选择，给出了良性特征、恶意特征、良性典型特征、恶意典型特征、非典型特征等概念，设计提出了特征频数差异增强算法FDE。FDE算法通过计算特征出现在良性与恶意应用中的频数，去除静态特征中的非典型特征。为合理验证算法的目标效果和性能优劣，分别设计了基于平衡数据与非平衡数据的实验，对于非平衡数据，引入了权重损失函数。实验结果表明，FDE算法可有效去除静态特征中的非典型特征，筛选出有效特征，权重损失函数可有效提高非平衡数据中的恶意数据识别率。

去中心基于属性不可否认签名

魏亮1,2，黄振杰1，陈群山2

2020, 42(06): 1003-1011. doi:

摘要 ( 132 )

PDF (483KB) ( 95 ) 　　

评审附件

将基于属性、不可否认和去中心3个概念相结合，提出去中心基于属性不可否认签名的定义和安全模型，并基于离散对数困难问题构造一个无双线性对的方案。该方案主要基于Cramer等的证据隐藏零知识证明协议，以Schnorr协议作为其基础Σ协议，以Shamir门限方案作为其秘密分享方案；再使用Fiat-Shamir转换得到一个(t,n)门限签名(BTS)方案；然后再对BTS方案进行不可否认、防共谋和去中心化处理；最后得到一个去中心基于属性不可否认签名方案，并在随机预言机模型下证明了其安全性。

SRGM下失效数据集效用与验证分析

张策1，伊文敏2，白睿1，盛晟1，徐早辉1，高天翼1，王瞰宇1，苏嘉尧1

2020, 42(06): 1012-1020. doi:

摘要 ( 111 )

PDF (3173KB) ( 64 ) 　　

评审附件

针对软件可靠性增长模型SRGM研究中的参数拟合与性能评测对失效数据集FDS的依赖，对FDS在SRGM中的效用以及其对SRGM的影响进行深入研究，并给出FDS的不足与发布建议。首先给出了基于FDS的SRGM性能评测流程，提出一般化的不完美排错框架模型，对收集到的FDS进行结构化描述与归类分析。对7个典型的不完美排错相关的SRGM在公开发表的9个真实计算机工程系统FDSs上进行实验，从拟合与预测角度分析FDS与SRGM的关系及影响。从发布方与科研人员视角对当前FDS的不足进行分析，并据此给出了FDS的发布建议。研究结果表明，科研人员尚需要充分挖掘、分析FDS中待发布的更多测试信息，用以建立更为准确的SRGM。最后指出，描述新型软件结构以及含有更多数据量的FDS的缺乏已成为制约SRGM发展的主要客观事实。

基于可信性的模块化软件开发费用分配算法

马艳芳1，王梦月1，周伟1，陈亮2

2020, 42(06): 1021-1029. doi:

摘要 ( 88 )

PDF (669KB) ( 65 ) 　　

评审附件

模块化开发是软件开发的一种重要方法。开发模块需要一定的费用，而要保证软件的可信性达到一定的指标，用户需要追加费用。在用户给定的开发费用内如何合理分配各模块的开发费用使得软件系统可信性达到最优是一个重要的研究课题。首先，根据模块可信性与费用之间的关系建立模块的可信性费用预估模型。其次，基于模块间的不同连接方式，建立不同结构下的软件可信性与费用分配模型并进一步利用动态规划的思想设计相应的软件可信性与费用分配算法。该分配算法可以在用户给定的开发费用内使得软件系统的可信性最优。最后，以自动售票系统为案例说明软件可信性与费用分配算法的应用。

基于改进Census变换的多特性立体匹配算法

欧永东，谢小鹏

2020, 42(06): 1030-1036. doi:

摘要 ( 172 )

PDF (654KB) ( 91 ) 　　

针对当前立体匹配算法存在的匹配准确率低，难以达到实用的高精度水平的问题，提出了一种基于改良的Census变换与色彩信息和梯度测度相结合的多特性立体匹配算法，实现高精度的双目立体匹配。算法首先在初始代价匹配阶段，将改进的Census变换、色彩和梯度测度赋权求和得出可靠的初始匹配代价；在聚合阶段，采取高效快捷的最小生成树聚合，获得匹配代价矩阵；最后根据胜者为王法则得到初始视差图，并引入左右一致性检测等策略优化视差图，获得高精度的视差图，实验阶段对源自Middlebury上的标准测试图进行测试验证，实验结果表明，经本文算法处理得到的15组测试数据集的视差图在非遮挡区域的平均误匹配率为6.81%，算法实时响应性优良。

最佳阈值法结合改进的Freeman链码的肺实质分割

王妞妞，安建成

2020, 42(06): 1037-1042. doi:

摘要 ( 116 )

PDF (564KB) ( 78 ) 　　

评审附件

肺部CT图像中肺实质的精确分割是肺部疾病检测和诊断的关键步骤。针对传统的图像分割方法对CT图像中肺实质分割效果不理想，提出了一种基于最佳阈值法和改进的Freeman链码的肺实质分割方法。首先，用最佳阈值法实现肺部初分割，然后对肺实质进一步处理得到肺实质模板，再结合改进的Freeman链码法和Bezier曲线对存有缺陷的模板进行修补，最后与肺部CT图像相乘来提取肺实质。肺实质分割精度在图像对比清晰度和肺实质区域特征一致性方面都有一定的改善，分割准确率平均达到96.8%。实验结果表明，对于边缘性结节以及不同的肺部病灶，该方法都具有理想的分割效果，具有较好的准确性和鲁棒性。

自适应尺度的局部强度聚类图像分割模型

赵仁和，王军锋

2020, 42(06): 1043-1048. doi:

摘要 ( 119 )

PDF (672KB) ( 64 ) 　　

针对传统活动轮廓模型无法精确分割强度不均匀图像，并且对尺度参数比较敏感的问题，提出了一种基于区域信息的自适应尺度的活动轮廓模型。根据图像的局部熵构建自适应尺度算子，利用图像的局部强度聚类性质构建能量函数。使用一组平滑基函数的线性组合来表示偏移场，这样可以增加模型的稳定性。通过最小化该能量，所提模型能够同时分割图像和估计偏移场，并且估计的偏移场可以用于强度不均匀校正。实验结果表明，与其它4种模型相比，该模型拥有更高的分割精确度，且分割结果对水平集函数的初始化和噪声具有鲁棒性。

基于集成学习的图像垃圾邮件过滤方法

赵俊生，候圣，王鑫宇，尹玉洁

2020, 42(06): 1049-1059. doi:

摘要 ( 86 )

PDF (805KB) ( 56 ) 　　

目前的图像垃圾邮件过滤技术，大都采用国际上通用的垃圾图像数据集作为训练集，与中国国内图像垃圾邮件的图像特点不一致，图像数据缺乏实时更新，且分类器单一，过滤效果难以保证。针对该问题，在建立国内垃圾邮件图像数据库的基础上，首先提取图像的颜色、纹理和形状特征，再经K-NN分类算法优选出HSV颜色直方图特征对不同分类器进行训练、测试和性能比较，提出将基于粗糙集的K-NN算法、Naive Bayes算法和SVM算法构成的3种基分类器相结合，并基于串行迭代提升的方法形成集成学习的强分类器。该方法可以实现对国内图像垃圾邮件的有效过滤，使图像垃圾邮件过滤的准确率和召回率同时得到提升，分别为97.3%和96.1%，误判率降低到了2.7%。

基于DenseNet-BC网络的皮肤镜下皮肤损伤分割

齐永锋，侯璐璐，段友放

2020, 42(06): 1060-1067. doi:

摘要 ( 125 )

PDF (766KB) ( 85 ) 　　

评审附件

针对皮肤病变图像边界分割不准确的问题，提出了一种改进的稠密卷积网络(DenseNet-BC)皮肤损伤分割算法。首先，改变传统算法层与层之间的连接方式，通过密集连接使得所有层都能直接访问从原始输入信号到损失函数的梯度，让图像特征信息得到最大化的流动。其次，为降低参数数量与网络的计算量，在瓶颈层和过渡层中采用小卷积核对输入特征图的通道数进行减半操作。将DenseNet-BC算法与VGG-16、Inception-v3以及ResNet-50等算法在ISIC 2018 Task 1皮肤病变分割数据集上进行性能比较。实验结果表明，DenseNet-BC算法的病变分割准确率为0.975，Threshold Jaccard为0.835，分割准确率较其他算法提升显著，是一种有效的皮损分割算法。

基于3D-ResNet的阿尔兹海默症分类算法研究

郁松，廖文浩

2020, 42(06): 1068-1075. doi:

摘要 ( 346 )

PDF (1145KB) ( 168 ) 　　

评审附件

阿尔兹海默症(AD)是一种不可逆的神经退行性大脑疾病，也是老年人群中最常见的痴呆症。人工分类阿尔兹海默症的核磁共振影像(MRI)存在分类延迟和分类耗时等问题。随着人口老龄化的日趋严重，准确而快速地分类出阿尔兹海默症患者具有重要的研究意义。将卷积神经网络(CNN)技术和核磁共振成像技术相结合，设计了一个3D-ResNet算法用于AD分类，在验证集上取得了98.39%的准确性、96.74%的敏感性和99.99%的特异性，在测试集上取得了97.43%的准确性、94.92%的敏感性和99.99%的特异性，每个患者的分类时间是0.23 s。此外，针对AD的发病机制尚不明确的问题，通过类激活映射(CAM)技术来可视化与AD相关的脑部区域。

多策略自适应变异的差分进化算法及其应用

胡福年，董倩男

2020, 42(06): 1076-1088. doi:

摘要 ( 117 )

PDF (927KB) ( 51 ) 　　

评审附件

针对传统DE算法在求解复杂函数时会出现早熟收敛、收敛精度低、收敛速度慢等缺陷，提出了一种多策略自适应变异的差分进化算法MsA-DE。将3种变异策略两两结合，随机分配所占比重，以增加种群的多样性；通过引入进化程度阈值，自适应地选择最合适的变异策略，平衡算法的全局搜索和局部搜索能力；对越界的变异个体进行处理，保证种群的多样性和有效性。加入扰动机制提高算法跳出局部最优的能力，同时提高最优解的精度。将该算法用于14个测试函数的优化中，结果表明，MsA-DE算法与其它4种算法相比具有更高的收敛精度和跳出局部最优的能力。将该算法应用于铁路功率调节器RPC的容量优化问题中，结果表明，该算法能够减小RPC补偿装置的容量，提高装置的经济性。

基于多源信息聚类和IRC-RBM的混合推荐算法

何登平1,2,3，张为易1,2，黄浩1,2

2020, 42(06): 1089-1095. doi:

摘要 ( 95 )

PDF (710KB) ( 57 ) 　　

评审附件

针对协同过滤存在的数据稀疏性问题，提出了融合多源信息聚类和IRC-RBM的混合推荐算法。首先以用户信任度和项目时间权重作为聚类依据，利用最小生成树的K-means聚类算法对用户进行聚类分析，生成K个相似用户集合，在聚类分析的基础上进行评分预测；最后通过线性加权的方式，把聚类后评分矩阵和IRC-RBM模型生成的评分矩阵进行加权融合，用Top-N进行推荐。实验结果表明，相比较传统的推荐算法，该混合算法在准确率上有了显著的提升。

用余弦相似度修正评分的协同过滤推荐算法

张瑞典，钱晓东

2020, 42(06): 1096-1105. doi:

摘要 ( 118 )

PDF (739KB) ( 109 ) 　　

评审附件

在用户对项目进行评分的时候，有时会出现不合理因素导致用户对项目做出不合理评分，使得推荐过程出现偏差。为修正这一偏差，采用评分矩阵的多种维度进行相似度比较以修正不合理评分，再用修正后的评分进行协同过滤推荐。而在采用变维度评分矩阵进行相似度对比时，主要利用同一用户对相似项目评分的相近性，对比2个用户对多个相似项目评分数组在不同维度下的余弦相似度。首先将多个评分构建成等维度的几个数组，对比2个用户的各个评分数组相似度，当某个相似度与其它相似度差别较大时，认为该相似度对应的2个用户的数组中至少有1个包含不合理评分；然后将2个数组按同样的方式均分为维度更低的数组，以此类推，最终确定不合理评分；最后以所有合理评分数组对应的相似度均值作为不合理评分数组对应的相似度，从而修正不合理评分。利用MovieLens和Bookcrossing数据库进行实验，结果表明：带修正评分的协同过滤算法相比未修正前的评分具有更高的推荐精度，其推荐评分MAE明显下降，本文算法相比对照算法获得了更优的MAE,Precision和Coverage。

全变分正则化非局部均值地震数据降噪

李晓璐1,周亚同1,何静飞1,翁丽源1,李书华2

2020, 42(06): 1106-1110. doi:

摘要 ( 103 )

PDF (561KB) ( 53 ) 　　

评审附件

在地震数据的采集中往往存在随机噪声，噪声会影响地震数据分析的准确性，针对地震数据中存在的高斯噪声，传统非局部均值降噪算法在对地震数据降噪后无法有效保持地震数据中的同相轴边缘。将全变分正则化非局部均值算法应用于地震数据降噪，通过计算噪声估计值，更新去抖动非局部均值算法的权值，将去抖动非局部均值降噪结果进行全变分正则化约束，得到最佳的地震数据降噪结果。在有效去除高斯噪声的同时，保留地震数据的同相轴边缘。通过在合成地震数据、海上叠前地震数据、陆上叠后地震数据上进行降噪实验，对比该算法与非局部均值算法、基于近邻法选择策略的非局部均值算法的峰值信噪比、均方误差、平均结构相似度，得出全变分正则化非局部均值降噪算法在有效降噪的同时，可以较完整地保留地震数据的同相轴边缘细节。

基于HDP的主题词向量构造——以柬语为例

李超, 严馨, 谢俊, 徐广义, 周枫, 莫源源,

2020, 42(06): 1111-1119. doi:

摘要 ( 118 )

PDF (783KB) ( 48 ) 　　

评审附件

针对单一词向量中存在的一词多义和一义多词的问题，以柬语为例提出了一种基于HDP主题模型的主题词向量的构造方法。在单一词向量基础上融入了主题信息，首先通过HDP主题模型得到单词主题标签，然后将其视为伪单词与单词一起输入Skip-Gram模型，同时训练出主题向量和词向量，最后将文本主题信息的主题向量与单词训练后得到的词向量进行级联，获得文本中每个词的主题词向量。与未融入主题信息的词向量模型相比，该方法在单词相似度和文本分类方面均取得了更好的效果，获取的主题词向量具有更多的语义信息。

一种基于质心的多标签文本分类模型研究

李校林, 王成,

2020, 42(06): 1120-1126. doi:

摘要 ( 124 )

PDF (1056KB) ( 101 ) 　　

评审附件

为了解决目前所提出的多标签分类算法仍然存在分类精度低和计算复杂度高的问题，提出了一种基于质心的多标签引力模型（ML-GM）。在训练阶段，通过计算文档与类的质心之间的相似性来获得相似性区间。在测试阶段，通过比较未定义文档和类质心之间的相似性是否在相似性区间内来进行多标签分类。该模型通过引入质心分类器和引力模型（GM）解决了计算复杂度高、分类精度低的问题。在实验中使用了雅虎数据集，结果表明，ML-GM在平均精确度、AUC、1-错误率和汉明损失上都有优越性。

基于人工蜂群算法的p-center问题求解算法

包敏泽, 胡秀婷, 谢玉莹, 蒋波

2020, 42(06): 1127-1133. doi:

摘要 ( 131 )

PDF (478KB) ( 71 ) 　　

评审附件

平面p-center问题是经典的NP难题，所以寻找高效的近似求解算法是解决实际应用问题时的基本需求。在人工蜂群算法的基础上，通过引入遗传算法的交叉和变异算子，改进局部解的搜索策略与搜索能力，即根据给定概率对当前解做交叉或变异运算，以获得更好的局部解，进而提出BeeGenP启发式求解算法，用于求解平面离散型p-center问题。通过构造测试数据，对所设计的算法进行了有效性验证，实验结果表明，BeeGenP算法与现有的M-ABC算法相比，算法的局部解搜索能力得到了提升，增加了搜索空间的多样性，在相同迭代次数约束下所得到的解的质量更高，而趋近收敛于最优解时的迭代次数则有较大幅度的降低。

ESM:一种增强语义匹配的语句评分模型

曹小鹏, 邵一萌

2020, 42(06): 1135-1140. doi:

摘要 ( 147 )

PDF (583KB) ( 53 ) 　　

评审附件

语义匹配问题是自然语言处理的核心问题之一。基于语义的匹配，即通过提取文本内在语义进行匹配度计算，是目前自然语言处理领域研究的热点。传统的语义匹配模型并没有结合语句通顺度等多种要素综合评价，因此效果较差。提出一种增强语义匹配模型，模型在文本相似度计算的基础上，增加通顺度因子，并通过大量数据来调整最优参数。通过自动阅卷系统进行测试，对比3种常用的自动阅卷评分模型验证该模型能有效降低平均误差值。

当期目录

作者中心

审稿中心

在线期刊