计算机工程与科学

2022年第5期目录

2022, 44(05): 0-0. doi:

摘要 ( 93 )

PDF (262KB) ( 91 ) 　　

高速芯片封装中多平行传输线的设计与优化

范宇清, 胡晋, 郑浩

2022, 44(05): 761-768. doi:

摘要 ( 97 )

PDF (1562KB) ( 146 ) 　　

随着封装基板朝着高阶高密度方向发展，其信号完整性问题也日趋严重。为研究高速互连结构中反射、串扰等问题与封装基板类型、设计参数和传输线物理特性的相关性，改进了简单的二线平行耦合模型，采用三维电磁仿真软件构建了新的封装级三平行传输线模型，分析了陶瓷基板与有机基板上的传输线反射和串扰特性，研究了该结构下减小反射系数与串扰噪声的方法。仿真结果表明，封装基板上传输线反射系数S11与阻抗匹配程度相关，受信号线宽、厚度和介质厚度影响较大，且S11最小值在不同频率下匹配的最优线宽也不同，需根据不同信号频率具体选择。近端串扰系数受边缘场作用，与线间距密切相关，远端串扰系数受介质厚度影响较大，在相同条件下，远端串扰噪声一般小于近端串扰，对其评估时需结合基板上信号密度、基板材料特性和介质厚度具体分析。

一种类脑处理器片上网络的验证框架

陈小帆, 杨智杰, 彭凌辉, 王世英, 周干, 李石明, 康子扬, 王耀, 石伟, 王蕾

2022, 44(05): 769-778. doi:

摘要 ( 121 )

PDF (1341KB) ( 92 ) 　　

近年来，随着摩尔定律的放缓，传统体系结构逐渐面临“存储墙”和“功耗墙”问题。如今新型计算模式和体系结构层出不穷，其中就包含了类脑计算。由于其存算一体的特点，类脑计算已逐步打破了冯·诺依曼体系结构带来的“存储墙”和“功耗墙”限制，在类脑处理器上相关类脑算法得到了高效的应用。现阶段在大规模生物神经网络的应用场景下，需要提升多核类脑处理器的规模可扩展性，保持其高数据吞吐量和低传输延时。现今，大多数多核类脑处理器的设计采用片上网络作为互连结构。然而目前关于这类片上网络的验证研究还相对较少。鉴于片上网络对多核类脑处理器的重要性，建立一套完整而鲁棒的片上网络功能验证框架意义重大。旨在基于随机化方法来生成行为级和FPGA硬件级测试所需的激励文件，通过对日志文件进行高效处理实现较为全面的功能验证。

面向云环境的Flink负载均衡策略

徐浩桐, 黄山, 孙国璋, 贺菲莉, 段晓东,

2022, 44(05): 779-787. doi:

摘要 ( 120 )

PDF (913KB) ( 91 ) 　　

作为新一代的大数据计算引擎，Flink得到了广泛应用。Flink在云环境下进行容器化部署时，其默认任务调度算法不能感知节点的资源信息，导致即时调整负载和自主均衡能力较差，而主流的容器编排工具虽然提供了管理容器的可能性，却也未能结合Flink特点解决平衡资源利用的同时降低容器组内的通信开销问题。针对以上问题开展研究，提出了一种面向云环境的Flink负载均衡策略FLBS，综合考虑了Flink集群中算子的分布特点和容器间通信机制，以节点间通信开销和均衡负载作为评估标准。实验结果表明，与Flink默认调度策略相比，FLBS能够有效提高计算效率，提升系统性能。

基于Hellinger距离的不平衡漂移数据流Boosting分类算法

张喜龙, 韩萌, 陈志强, 武红鑫, 李慕航

2022, 44(05): 788-799. doi:

摘要 ( 74 )

PDF (1500KB) ( 68 ) 　　

数据流中的不平衡问题会严重影响算法的分类性能，其中概念漂移更是流数据挖掘研究领域的一个难点问题。为了提高此类问题下的分类性能，提出了一种新的基于Hellinger距离的不平衡漂移数据流Boosting分类BCA-HD算法。该算法创新性地采用实例级和分类器级的权重组合方式来动态更新分类器，以适应概念漂移的发生，在底层采用集成算法SMOTEBoost作为基分类器，该分类器内部使用重采样技术处理数据的不平衡。在16个突变型和渐变型的数据集上将所提算法与9种不同算法进行比较，实验结果表明，所提算法的G-mean和AUC的平均值和平均排名均为第1名。因此，该算法能更好地适应概念漂移和不平衡现象的同时发生，有助于提高分类性能。

可防止无关属性干扰的属性基加密方案

许城洲, 张文涛, 郎静宏

2022, 44(05): 800-809. doi:

摘要 ( 73 )

PDF (616KB) ( 93 ) 　　

为了提高属性基加密中访问结构的表达能力，同时避免访问结构中无关属性干扰，提出了一种基于简化有序二元决策图（ROBDD）访问结构的CP-ABE方案。该方案中ROBDD访问结构可有效表达具有复杂访问逻辑的访问策略，并可防止无关属性干扰，提高了加密速度。通过RSA属性认证机制进行ROBDD非叶子节点中属性认证，实现了抗串谋攻击和对用户属性集的保护。使用ROBDD中有效路径特征值和加密参数创建多项式，任何有效路径特征值经过多项式计算均可得到加密参数，降低了密文存储开销。该方案实现了用户撤销、用户属性撤销和系统属性撤销。性能分析和实验仿真表明，所提方案有更高的加解密效率，更低的密文存储开销。

基于ECC的区块链数据共享系统设计

林洁和, 张绍华, 李超, 戴炳荣

2022, 44(05): 810-818. doi:

摘要 ( 116 )

PDF (1023KB) ( 128 ) 　　

区块链技术通过在对等网络环境下构建不可伪造、不可篡改和可追溯的链式数据结构的模式，解决了传统数据共享所存在的数据泄露、数据篡改和数据难溯源等问题。然而现存的区块链数据共享方案还存在成本高、效率低和安全性差等问题，对此提出了一个基于椭圆曲线加密算法ECC的区块链数据共享方案并进行了系统设计。该方案依靠ECC算法来保证数据传输过程的安全性，改善现有方案所存在的问题。利用Solidity 编程语言编写对应的智能合约，基于以太坊平台对数据共享系统进行了仿真和测试，验证了方案的正确性和安全性。

基于随机森林算法的无线传感网络攻击流量阻断模型构建

徐礼金, 贺艳芳

2022, 44(05): 819-825. doi:

摘要 ( 84 )

PDF (665KB) ( 63 ) 　　

针对无线传感网络攻击流量阻断存在攻击流量检测准确率较低、阻断效果较差的问题，构建了一种基于随机森林算法的无线传感网络攻击流量阻断模型。基于字符（单词）的词频矩阵，利用TF-IDF算法将有效载荷的特征自动提取出来；根据特征结果使用随机森林算法通过词频矩阵对网络流量实行分类，基于分类结果对网络中的流量攻击实现溯源，完成异常无线传感网络检测；利用流表的报文过滤实现无线传感攻击流量的阻断。实验结果表明，该模型在检测攻击流量时，准确率最高可达100%，调和平均数最高为99.18%,错误率最高仅为7.3%，假阳性率最高仅为5.5%，同时能够有效阻断网络攻击流量，在较短时间内将网络恢复至正常，具有良好的攻击流量检测效果和攻击流量阻断效果。

基于半监督生成对抗网络的恶意代码家族分类实现

王栋, 杨珂, 玄佳兴, 韩雨桐, 赵丽花, 王旭仁

2022, 44(05): 826-833. doi:

摘要 ( 116 )

PDF (825KB) ( 100 ) 　　

随着互联网的发展，恶意代码呈现海量化与多态化的趋势，恶意代码家族分类是网络空间安全面临的挑战之一。将半监督生成对抗网络与深度卷积学习网络相结合，构建半监督深度卷积生成对抗网络，提出了一种恶意代码家族分类模型，通过恶意代码家族特征分析，对恶意代码进行特征提取，转化为一维灰度图像；然后基于一维卷积神经网络1D-CNN，构建半监督生成对抗网络SGAN，形成恶意代码家族分类模型SGAN-CNN。从特征提取优化、半监督生成对抗训练算法优化等方面进行恶意代码家族分类能力提升。为了验证SGAN-CNN模型的分类效果，在Microsoft Malware Classification Challenge数据集上进行实验。5折交叉验证测试显示，本文提出的模型在样本标注标签占80%的情况下，分类的平均准确率达到98.81%；在样本标注标签仅有20%的情况下，分类的平均准确率达到98.01%，取得了较好的分类效果。在小样本数量情况下，也能取得不错的分类准确率。

基于染色随机游走的可重叠社区发现

昌阳, 马慧芳,

2022, 44(05): 834-844. doi:

摘要 ( 78 )

PDF (1024KB) ( 56 ) 　　

社区发现是一个基础性的且被广泛研究的问题。现有的社区发现方法大多聚焦于网络拓扑结构，然而随着真实网络中实体可用属性的激增，捕获图中结构和属性的丰富交互关系来进行社区发现变得尤为必要。据此面向属性图提出了一种基于染色随机游走的可重叠社区发现算法OCDC，该算法解决了传统的基于随机游走的社区发现算法利用结构转移矩阵造成社区发现效果不佳的问题。具体地，首先利用经典的初始种子策略选出网络中差异度较大的节点，在此基础上设计种子替换策略，挖掘网络中质量更佳的种子替换路径集合对初始种子集合进行替换；其次构建结构-属性交互节点转移矩阵并执行染色随机游走过程得到高质量种子节点的染色分布向量；最后基于融合结构和属性的并行电导值对社区进行扩展。在人工网络和现实网络上的实验表明，本文提出的算法能够准确地识别属性社区并显著优于基准算法。

基于全卷积神经网络的单幅隧道图像裂纹提取算法

仇静博, 燕雪峰, 汪俊, 郭延文, 魏明强,

2022, 44(05): 845-854. doi:

摘要 ( 156 )

PDF (1905KB) ( 111 ) 　　

提出一种基于全卷积神经网络的单幅隧道图像裂纹提取算法，能够有效避免复杂背景下的伪裂纹噪声点干扰，实现对隧道裂纹的精确分割。首先，构建深度残差网络模型提取裂纹特征；其次，使用改进的全卷积神经网络中的反卷积操作恢复裂纹特征图的尺寸和裂纹细节；为了提升裂缝提取的精细程度，提出一个细节修复模块来保持裂缝的完整性与边缘细节；最后，公开一个裂纹数据集NUAACrack-2000，包含2 000幅隧道裂纹图像与精准标注标签。实验表明，提出的算法在避免噪声点干扰方面优于传统图像分割算法；在保留提取裂纹的整体性以及边缘细节处理方面优于基于机器学习的主流裂纹提取算法。

判别增强的生成对抗模型在文本至图像生成中的研究与应用

谭红臣, 黄世华, 肖贺文, 于冰冰, 刘秀平

2022, 44(05): 855-861. doi:

摘要 ( 87 )

PDF (884KB) ( 98 ) 　　

目前大部分基于生成对抗网络GAN的文本至图像生成算法着眼于设计不同模式的注意力生成模型，以提高图像细节的刻画与表达,但忽略了判别模型对局部关键语义的感知，以至于生成模型可能生成较差的图像细节“欺骗“判别模型。提出了判别语义增强的生成对抗网络DE-GAN模型,试图在判别模型中设计词汇-图像判别注意力模块，增强判别模型对关键语义的感知和捕捉能力，驱动生成模型生成高质量图像细节。实验结果显示，在CUB-Bird数据集上，DE-GAN在IS指标上达到了4.70，相比基准模型提升了4.2%，达到了较高的性能表现。

基于全融合网络的三维点云语义分割

刘李漫, 谭龙雨, 彭源, 刘佳

2022, 44(05): 862-869. doi:

摘要 ( 69 )

PDF (1213KB) ( 72 ) 　　

为提高室内场景的点云语义分割精度，设计了一个全融合点云语义分割网络。网络由特征编码模块、渐进式特征解码模块、多尺度特征解码模块、特征融合模块和语义分割头部组成。特征编码模块采用逆密度加权卷积作为特征编码器对点云数据进行逐级特征编码，提取点云数据的多尺度特征；然后通过渐进式特征解码器对高层语义特征进行逐层解码，得到点云的渐进式解码特征。同时，多尺度特征解码器对提取的点云多尺度特征分别进行特征解码，得到点云多尺度解码特征。最后将渐进式解码特征与多尺度解码特征融合，输入语义分割头部实现点云的语义分割。全融合网络增强了网络特征提取能力的鲁棒性，实验结果也验证了该网络的有效性。

用于CD56图像分割的细胞标注精细化与自适应加权损失

刘榕, 伍欣, 敖斌, 文青, 李宽

2022, 44(05): 870-878. doi:

摘要 ( 79 )

PDF (1449KB) ( 89 ) 　　

CD56是神经细胞黏附分子，可用于多种肿瘤细胞的诊断与研究。CD56是目前最新的肿瘤分子标记物之一，计算机医学图像处理领域目前对CD56图像的研究刚刚起步。随着诸如语义分割深度学习技术的发展，越来越多的研究人员将语义分割技术应用到医学图像处理中，以实现辅助医疗诊断。CD56图像中的背景、阴性细胞和阳性细胞像素点个数的比例非常不平衡，大致为70∶10∶1，这会影响语义分割技术用于CD56图像分割的效果。对不同类别的像素点添加损失权重且对每个像素点添加自适应权重，改进了相关语义分割模型的损失函数，使得模型能更关注细胞，特别是阳性细胞。同时使用聚类的方法，在模型训练之前精细化对CD56图像的标注，进一步提升了模型的分割精度。针对CD56图像数据集的实验结果表明，对图像标注的精细化和对相关语义分割模型的损失函数的改进有效提升了模型对CD56图像的分割精度。

基于计算机辅助诊断技术的阿尔兹海默症早期分类研究综述

楚阳, 徐文龙

2022, 44(05): 879-893. doi:

摘要 ( 212 )

PDF (815KB) ( 170 ) 　　

阿尔兹海默症（AD）作为主要的神经退行性疾病之一，已成为导致痴呆问题最常见的原因。截至目前，尚缺乏有效的针对性治疗药物和阻止疾病发展的有效治疗方式。随着计算机技术的不断发展，将计算机辅助诊断技术工具用于AD早期分类研究将为临床医生提供重要帮助。综述近些年来将传统机器学习和深度学习技术等手段用于AD的早期诊断分类的研究，研究样本主要为脑部神经成像数据（如MRI、PET）、脑电图（EEG）等生物标记物，结合机器学习方法对AD早期诊断进行分类研究。首先分析了将机器学习方法用于AD早期分类的应用，对比了采用不同算法的分类情况；其次，对比了针对受试者不同生物标记物以及采用单模态或不同模态组合方式用于AD早期分类的研究；最后介绍了AD分类面临的挑战并提出了未来的研究方向。

基于EMD距离的稀疏自编码器

范韫

2022, 44(05): 894-900. doi:

摘要 ( 57 )

PDF (1403KB) ( 65 ) 　　

KL散度在机器学习领域被广泛地用于模型损失函数之中来度量分布的距离。在稀疏自编码器中，KL散度被用作损失函数的惩罚项来度量神经元输出与稀疏参数的距离，使得神经元输出趋近稀疏参数，从而抑制神经元的激活以得到稀疏编码。在WGAN中，Wasserstein距离被用于解决GAN的梯度消失和模式塌陷问题，使得GAN的训练更加稳定。得益于Wasserstein距离在GAN中的成功应用，提出了基于EMD距离的稀疏自编码器SAE-EMD。实验结果表明，相比于使用KL散度与JS散度，使用EMD距离作为惩罚项的稀疏自编码器可以使得真实样本与重构样本之间的重构误差减小，并且随着惩罚参数的增大，编码更加稀疏。

混合神经网络模型与注意力机制的地址匹配算法

陈健鹏, 陈剑, 佘祥荣, 水新莹, 陈刚

2022, 44(05): 901-909. doi:

摘要 ( 100 )

PDF (1186KB) ( 132 ) 　　

中文地名地址的标准化在当前智慧城市的建设中起到至关重要的作用。传统的地名地址标准化技术通常使用基于文本字符层面的相似度计算或规则库匹配的方法,对复杂、特殊或冗余地址的处理效果较差。通过将地址标准化任务转换为针对地址相似的匹配度计算任务，提出了一种融合注意力机制与多层次语义表征的地址匹配算法。首先依据地址文本特殊的语法结构，利用Trie语法树构建标准地址树；而后基于注意力机制，利用Bi-LSTM网络与CNN网络生成地址对的多层次语义表示；最后通过曼哈顿距离计算相似度。在自主构建的数据集上，提出的SGAM模型的匹配准确度（91.22%）相比TextRCNN、FastText、基于注意力的卷积神经网络（ABCNN）等模型提升了4%~10%，表明SGAM模型在地址匹配任务上有着更好的性能表现。

基于改进蚁群优化算法的养殖场机器人路径规划

赵广元, 赵英

2022, 44(05): 910-915. doi:

摘要 ( 76 )

PDF (1155KB) ( 113 ) 　　

养殖场巡视机器人路径规划是实现规模化养殖场智能监控的关键所在，针对机器人巡视过程中寻找最优充电路线的问题，提出一种改进的蚁群优化算法IACO。利用工作环境的全局信息建立目标吸引函数，提高蚁群选择最佳路径到达目标点的概率，缩短了算法的迭代时间。通过加入额外的信息素更新项和改进信息素挥发系数增强算法的全局搜索能力，避免算法搜索后期出现过早收敛而陷入局部最优。在简单和复杂环境中的仿真实验结果表明，与经典蚁群优化算法相比，该算法具有更快的收敛速度和良好的稳定性，可快速收敛到最佳路径。

小数据集情况下基于变权重融合的BN参数学习算法

郭文强, 寇馨, 李梦然, 侯勇严, 肖秦琨

2022, 44(05): 916-923. doi:

摘要 ( 65 )

PDF (864KB) ( 65 ) 　　

针对小数据集情况下贝叶斯网络（BN）参数学习结果精度较低的问题，分析了小数据集情况下BN参数变权重设计的必要性，提出一种基于变权重融合的BN参数学习算法VWPL。首先根据专家经验确定不等式约束条件，计算参数学习最小样本数据集阈值，设计了随样本量变化的变权重因子函数；然后根据样本计算出初始参数集，通过Bootstrap方法进行参数扩展得到满足约束条件的候选参数集，将其代入BN变权重参数计算模型即可获取最终的BN参数。实验结果表明，当学习数据量较小时，VWPL算法的学习精度高于MLE算法和QMAP算法的，也优于定权重学习算法的。另外，将VWPL算法成功应用到了轴承故障诊断实验中，为在小数据集上进行BN参数估计提供了一种方法。

基于多图卷积神经网络和注意力机制的学术新星预测方法

单辉, 丁成鑫, 赵中英, 周明成, 贾霄生, 李超,

2022, 44(05): 924-932. doi:

摘要 ( 107 )

PDF (900KB) ( 85 ) 　　

从学术新人中发掘出有潜力的学术新星能够为人才引进、项目评审和专家库构建等任务提供决策支持，具有重要的研究意义与应用价值，因此受到学术界的广泛关注。然而现有的学术新星预测方法并没有将学者的合作关系和个体属性信息进行有机结合，导致准确率低下。为解决上述问题，提出了一种基于多图卷积神经网络与注意力机制的学术新星预测方法MGCNA。综合考虑了合作网络与相似网络，基于2种网络使用图卷积神经网络学习作者的特征表示，再利用注意力机制进行信息融合，从而预测潜力较高的学术新星。最后在来自ArnetMiner平台的真实数据集上进行了实验，实验结果表明了MGCNA在预测学术新星任务上的有效性。

基于非负矩阵分解的群组推荐算法

贾俊杰, 姚叶旺, 陈旺虎

2022, 44(05): 933-943. doi:

摘要 ( 71 )

PDF (840KB) ( 69 ) 　　

近年来，随着媒介技术的快速发展，人们成组活动的现象逐渐增多，群组推荐系统也逐渐受到关注。现有的群组推荐系统往往将不同的成员视为同质对象，忽视了成员专业背景和项目固有属性之间的关系，无法真正地解决融合过程中的偏好冲突问题。为此，提出一种基于非负矩阵分解的群组推荐算法，通过非负矩阵分解将群组评分信息分解为用户矩阵和项目矩阵，针对2个矩阵分别利用隶属度和专业度权值计算得到项目隶属度矩阵和成员专业度矩阵，并由此获得各成员在不同项目上的贡献度来构建群组偏好模型。实验结果表明，所提算法在不同群组规模和组内相似度的情况下依然具有较高的推荐准确度。

基于改进在线极限学习机的短时交通流预测模型研究

周伯荣, 程伟国, 许镇义, 温秀兰

2022, 44(05): 944-950. doi:

摘要 ( 110 )

PDF (930KB) ( 77 ) 　　

交通流信息预测是智能交通系统进行交通疏导管理的重要基础，为城市交通管理规划提供可靠的数据支持和科学的决策依据。由于交通流量数据是实时更新的增量流数据，每次更新历史数据集时都需要重新构建预测模型，消耗了大量计算资源和运行时间，为此提出一种基于改进在线顺序极限学习机的交通流预测模型（IOS-ELM），通过构建新增数据的增强特征映射关系，生成交通流动态更新特征表示空间，实现短时交通流预测模型的动态更新。利用长沙市远大一路交通流数据评估该模型，实验结果表明，IOS-ELM模型在NRMSE和MAPE的预测性能上均超过其他基准预测模型（MLP、ELM、OS-ELM和SVR），同时模型的预测耗时较小，可以保证一定实时性，满足城市道路交通流的实时准确预测的需求。

当期目录

作者中心

审稿中心

在线期刊