计算机工程与科学

2023年第1期目录

2023, 45(01): 0-0. doi:

摘要 ( 68 )

PDF (257KB) ( 127 ) 　　

一种矩阵块间提前切换的脉动阵列优化策略

鞠鑫, 曹亚松, 文梅, 汪志, 冯静

2023, 45(01): 1-9. doi:

摘要 ( 137 )

PDF (1616KB) ( 122 ) 　　

AI应用对硬件算力的需求逐年增加，驱使着AI加速器不断向更高的性能演化。研究表明，AI应用的主要运算形式可以转化为矩阵乘运算，脉动阵列因为在矩阵乘运算上的独特优势，使其成为了主流矩阵乘加速技术之一。然而，矩阵在注入和流出脉动阵列时存在一定的流水线启动和排空开销，特别是支持训练的浮点脉动阵列，其MAC延时往往大于1，矩阵块间切换不及时会导致PE利用率急剧下降。针对上述问题，基于典型应用场景进行理论分析，提出了一种矩阵块间提前切换策略，能够精确计算出各种情况下的矩阵块间最优切换时刻。同时，还实现了RTL设计。经过实验对比可知，优化后的脉动阵列增加的硬件开销微乎其微，但在所有场景中均能得到性能提升。

基于RC充电时间过零点不变性的高精度高稳定振荡器

袁珩洲, 桑浩, 颜广达, 冯军, 梁斌, 郭阳

2023, 45(01): 10-16. doi:

摘要 ( 93 )

PDF (1145KB) ( 103 ) 　　

设计了RC充电时间过零点不变性振荡器，该振荡器提供对电压和温度不敏感的高精度高稳定性时钟信号。分析并推导了RC充电过程中过零电压的时间不随电源电压变化的特性，采用温度补偿技术最大限度地保证了RC充电过程中过零电压的时间不随温度变化。基于180 nm工艺实现了该振荡器，仿真结果表明,该振荡器可以稳定输出2 MHz，电压从2.5 V~5.5 V的频率波动小于1%，温度从-40 ℃~125 ℃的频率波动小于1%，PVT条件下的最大电流不超过150 μA。

基于Flink的k-支配skyline体并行求解算法

孙国璋, 黄山, 艾力卡木·再比布拉, 徐浩桐, 段晓东,

2023, 45(01): 17-27. doi:

摘要 ( 70 )

PDF (1168KB) ( 87 ) 　　

k-支配skyline算法弱化了数据点之间的支配关系，更适合高维数据。k-支配skyline体适应于多名用户使用k-支配skyline算法查询，而现有的求解算法在时间效率和代码扩展性方面都有待提高。因此，提出了面向多用户的k-支配skyline体求解优化算法MKSSOA，该算法对每名用户的候选集和中间集分别进行存储，同时在k-支配检查过程中利用2集合中数据点出现的先后次序将候选集中的非k-支配skyline点存储到对应用户的中间集中，以便下一名用户筛选使用，这样可以减少数据点之间的比较次数，避免重复计算，从而提升查询效率。同时，提出了面向多用户的k-支配skyline体并行求解算法MKSPSA，通过Apache Flink并行处理框架有效减少了数据点的比较时间。理论研究和实验结果显示，提出的算法具有较高的效率，能很好地处理多用户k-支配skyline问题。

深度层次注意力矩阵分解

李建红, 苏晓倩, 吴彩虹

2023, 45(01): 28-36. doi:

摘要 ( 90 )

PDF (760KB) ( 81 ) 　　

矩阵分解由于其较好的评分预测能力而被广泛应用于的个性化推荐中，很多模型也在矩阵分解的基础上改进以提升推荐性能。但是，这些模型由于获取用户偏好信息的能力有限而导致其推荐效果不佳。为了充分挖掘用户的偏好信息，提出了深度层次注意矩阵分解（DeepHAMF）的推荐模型。首先，对于原始数据除了输入到多层感知机之外，还采用自注意力机制编码后再输入到多层感知机中，目标是捕获显式偏好信息，并将这部分命名为自注意力层；其次，将原始矩阵分解与注意力编码之后的矩阵分解结果分别与多层感知机输出的结果通过注意力机制融合，这样能够充分挖掘出用户的潜在偏好信息，这部分命名为层次注意力模块；最后，通过残差网络将层次注意力模块和自注意力层进行信息拟合，这部分命名为残差融合层。在公开评分数据集上的实验结果表明，DeepHAMF比现有的评分预测模型效果更好。

飞行器翼型表面流场数据智能分区

胡跃迪, 苏想, 李楠, 张丽梅

2023, 45(01): 37-45. doi:

摘要 ( 72 )

PDF (1920KB) ( 65 ) 　　

飞行器翼型CFD仿真结果后处理分析自动化程度的提升能有效地提升产品设计效率，因此提出了一种翼型表面流场数据智能化分区方法，可有效得到翼型表面流场分区结果。首先，通过参数化批量修改气动外形得到翼型数据集，再利用数值模拟生成流场计算结果；然后，基于共形几何对流场数据进行降维并进行重采样和矩阵化，将其作为预测模型的标准输入；随后，构建卷积神经网络模型对流场数据进行训练和预测；最后，通过逆映射将分区结果重采样到翼型表面。实验表明，该方法可针对不同的物理量高效地对翼型表面流场数据进行分区，在测试数据集上的准确率在92%以上。

基于软件定义网络的多约束QoS双路径路由优化方法

苟平章, 马琳, 郭保永, 原晨

2023, 45(01): 46-56. doi:

摘要 ( 119 )

PDF (1088KB) ( 105 ) 　　

针对当前SDN架构存在路由算法复杂度高、QoS流满意度低和单链路故障等问题，提出了一种基于软件定义网络的多约束QoS双路径路由优化算法(SDN_MCQDP)。利用控制器获得全局网络状态信息，生成基于目的节点的有向无环图。在多约束QoS路由选择阶段，通过拉格朗日松弛对偶算法将多约束问题转化为线性规划问题。使用反向链路删减得到满足多约束QoS的节点不相交的双路径冗余链路，使链路故障后的数据传输得到保障。从路由计算时间、链路利用率、QoS流满意度等方面对算法进行仿真实验。结果表明，与MODLARAC、QT、RMCDP_RD、H_MCOP算法比较，SDN_MCQDP能够有效降低传输时延，减少路由计算时间，提高链路利用率，且在链路发生故障后仍能满足QoS需求。

一种基于多级块加密置乱的防伪图案

周承卓, 郑宏, 王田玉, 刘畅

2023, 45(01): 57-65. doi:

摘要 ( 98 )

PDF (848KB) ( 77 ) 　　

基于防伪技术的二维码认证近年来成为产业界和学术界的关注热点，现有二维码防伪方案往往存在辨识体验差、成本高或防伪能力不强的缺陷，且不能通过手机拍照进行验证。为此，基于信息隐藏中加密置乱的方法，结合像素点扩大为像素块的操作，提出了一种基于多级块加密置乱的新型防伪图案。首先，通过一级块扩大操作将原始二值密信图像中每个像素点用一个特定大小的像素块代替；然后，对得到的图像进行基于Logistic混沌序列的加密操作；接着通过Arnold变换对图像进行置乱；最后通过二级块扩大操作将得到的图像中的每个像素点用一个特定大小和灰度值的像素块代替，以形成复杂混乱的防伪图案，通过解码打印图像得到密信的可读性来区分一次打印和二次打印生成的印刷图案。实验结果表明，该算法生成的图案不仅保密性良好，而且对于目前常用的伪造手段具有较好的区分能力，实际尺寸较小，辨识相对方便。

基于可搜索加密的密态知识图谱存储和检索方案

林庆, 滕飞, 田波, 赵越, 祝锦烨, 冯力

2023, 45(01): 66-76. doi:

摘要 ( 175 )

PDF (1527KB) ( 135 ) 　　

随着云计算的快速发展,知识图谱数据外包成为一种流行的趋势。医疗、金融等诸多领域中的知识图谱有着隐私敏感特性,然而云服务器并不是完全可信的,为了保护数据在云服务器上的机密性和完整性,需要使用加密等方式来保护知识图谱数据的安全。提出了一种基于可搜索加密的密态知识图谱存储方案,可以有效保护数据的机密性和完整性,并且支持在密态数据上的检索。该方案充分考虑了知识图谱实体及其关系顺序读取的必要性,从而对密态索引设计进行优化,加快检索效率。实验结果显示,密态知识图谱的一跳子图查询平均时间为非密态知识图谱的2.09倍,表明该方案在安全性和查询效率上取得了良好的平衡。

RFID安全认证协议综述

寇广岳, 魏国珩, 平源, 刘鹏

2023, 45(01): 77-84. doi:

摘要 ( 214 )

PDF (554KB) ( 79 ) 　　

在物联网发展中，RFID技术以其轻量化的优势在物联网体系中占据重要地位。同时，RFID安全认证协议也因物理条件限制受到安全威胁。首先，通过对现行主流RFID安全认证协议进行梳理，按加密算法的量级将其划分为超轻量级、轻量级、中量级和重量级安全认证协议；然后，对其中典型的安全认证协议存在的安全问题进行分析，对近年来提出的改进协议安全性能及性能指标按量级进行讨论比较；最后，探讨了RFID安全认证协议可能的发展方向。

基于蚁群参数优化的LightGBM辐射源个体识别

顾楚梅, 曹建军, 王保卫, 徐雨芯,

2023, 45(01): 85-94. doi:

摘要 ( 91 )

PDF (879KB) ( 88 ) 　　

为提升辐射源个体识别正确率和运算效率，提出了一种基于蚁群参数优化的LightGBM辐射源个体识别方法。运用提升小波包变换对辐射源信号数据进行特征提取并构建特征参数体系，对得到的特征数据集进行Z-score标准化处理；以最大分类正确率和最小特征子集规模为目标，建立了LightGBM参数优化和特征选择的数学模型；采用蚁群算法优化LightGBM的6个参数（最小叶子节点数据量、决策树的数量、学习率、L1正则化项的权重、L2正则化项的权重和最小叶子节点样本权重和）；根据优化后的LightGBM得到每个特征的重要性值并使用序列后向搜索策略进行特征选择；最后通过LightGBM分类器实现对辐射源信号的分类识别。实验结果表明，所提方法在无噪声、信噪比为10 dB和信噪比为5 dB信号的数据集上的识别正确率优于对比特征选择方法GBDT、XGBoost和LightGBM的，同时特征维数的减少也提升了辐射源个体识别的运算效率。

基于PoseC3D的网球动作识别及评价方法

周升儒, 陈志刚, 邓伊琴

2023, 45(01): 95-103. doi:

摘要 ( 456 )

PDF (1345KB) ( 229 ) 　　

为了准确地识别及评价网球动作，将计算机视觉与网球运动相关知识相结合，提出了一种基于PoseC3D的网球动作识别及评价方法。首先，使用基于ResNet-50姿态估计模型对网球运动视频进行人体目标检测并提取骨骼关键点；然后，使用在专业网球场采集的视频数据集进行PoseC3D模型训练，使模型能够对网球的子动作进行分类；之后，使用动态时间规整算法对分类的动作进行评价；最后，基于采集的视频数据集进行了大量实验。结果表明，提出的基于PoseC3D的网球动作识别方法对6类网球子动作的分类Top1准确率可以达到90.8%。相较于基于图卷积网络的方法，比如AGCN和ST-GCN，具有更强的泛化能力；提出的基于动态时间规整的评分算法能够在动作分类后实时、准确地给出相应动作的评价分数，从而减少了网球教师的工作强度，有效地提升了网球教学质量。

Lupaş q-Bézier曲线的离散卷积生成与求值算法

耿梦圆, 解滨, 韩力文,

2023, 45(01): 104-112. doi:

摘要 ( 70 )

PDF (813KB) ( 65 ) 　　

Lupaş q-Bernstein算子是最早提出的有理形式下基于q整数的q模拟Bernstein算子。通过Lupaş q-Bernstein基函数的递推关系反向使用金字塔算法,离散卷积生成n次Lupaş q-Bernstein基函数序列。结合离散卷积满足的交换性,针对n次Lupaş q-Bézier曲线推导出其速端曲线及n!种de Casteljau算法。与Bézier曲线de Casteljau算法得到的切点不同,Lupaş q-Bézier曲线的de Casteljau算法得到的曲线上的一点是直线与曲线相交的2个割点之一。针对二次Lupaş q-Bézier曲线,给出了计算左/右割点的充分必要条件，然后通过提出双割点算法,可以同时得到左/右割点。

一般图中的最小概要表示集问题

钟昊, 陈卫东

2023, 45(01): 113-118. doi:

摘要 ( 74 )

PDF (369KB) ( 73 ) 　　

在一般图中，通常基于图的拓扑结构来刻画任意2个节点之间的相似度。基于节点相似度提出概要表示集SRS的概念，从图中寻找最少节点数的概要表示集称为最小概要表示集问题。证明了在一般图中求解最小概要表示集问题是NP (非确定性多项式)难的，不太可能存在多项式时间复杂度的精确算法。基于次模函数提出了多项式时间复杂度的贪心近似算法，用于求解最小概要表示集问题，得出近似比结果。

基于深度前馈神经网络的多因子人体表面积计算模型

王雨露, 李飞, 杨震, 黄山, 张罡, 詹曙,

2023, 45(01): 119-126. doi:

摘要 ( 76 )

PDF (860KB) ( 60 ) 　　

人体表面积（BSA）在临床医学上有着至关重要的作用，但现有BSA计算方法大多只使用身高和体重2个参数且采用匹配简单函数的方法来估计体表面积，临床上也认为现有的BSA计算方法误差较大。针对这些问题，提出一种BSA回归预测模型。该回归预测模型包含2个部分：首先，借助相关性和显著性分析选择相关性较高的体表面积影响因子；其次，利用人体数据训练深度前馈神经网络，构建回归模型。实验分别采取5-折交叉验证与测试集验证2种方法。首先，将深度前馈神经网络模型与传统人体表面积计算方法进行精度评估和结果对比分析；其次将深度前馈神经网络模型与3种模型进行精度评估和结果对比分析。在与传统方法对比中，深度前馈神经网络模型的决定系数高于2种传统方法的，且比传统方法提高了6%，误差与传统方法的相比降低了近一倍。在与3种模型的对比中，深度前馈神经网络的决定系数比其他模型的提高了至少2%，误差降低。一致性分析实验结果也显示，深度前馈神经网络95%一致性界限最小，一致性最好。总体来说，提出的回归预测模型可以得到更加精确的体表面积预测值。

基于注意力机制和可变形卷积的金属表面细微不规则损伤的图像识别模型

邓中港, 代刚, 吴湘宁, 邓玉娇, 王稳, 陈苗, 涂雨, 张锋, 方恒

2023, 45(01): 127-135. doi:

摘要 ( 106 )

PDF (1518KB) ( 95 ) 　　

对金属表面细微损伤的检测，传统的目标识别算法泛化能力较弱，而使用深度卷积神经网络的通用检测算法容易丢失小目标特征，其使用的传统正方形结构卷积不适用于处理长条状等不规则损伤。针对以上问题，提出了一种基于注意力机制和可变形卷积的级联神经网络目标检测模型ADC-Mask R-CNN。在ResNet101主干网络中嵌入通道域注意力与空间域注意力，以增强对小损伤目标的检测效果；采用可变形卷积与可变形感兴趣区域池化技术，提升了对不规则损伤的检测效果；通过级联网络实现了检测结果的进一步优化。在金属表面损伤数据集上的对比实验结果表明，ADC-Mask R-CNN模型可以提高金属表面细微不规则损伤的检测性能。

面向快递员揽收到达时间预测的多任务深度时空网络

王晨宇, 温浩珉, 郭晟楠, 林友芳, 万怀宇,

2023, 45(01): 136-144. doi:

摘要 ( 140 )

PDF (950KB) ( 101 ) 　　

快递员揽件到达时间预测，即预测用户下单后快递员的上门揽收时间，一直都是物流企业所关心的重要问题。准确的揽件到达时间预测可以优化揽件效率，提升用户体验。该问题主要存在以下挑战：（1）快递员揽件到达时间受到多种复杂时空因素的影响，包括待预测订单自身的时空特征，以及与其他待揽收订单之间的相互影响；（2）快递员在执行揽件任务期间，会不断接收到系统分配的新订单，造成揽收路线的动态变化，从而给揽件到达时间预测带来了更大的不确定性。针对以上挑战，提出了一种面向揽件到达时间预测的多任务深度时空网络MSTN4PAT模型，从海量的揽件历史数据中学习快递员揽件到达时间的复杂时空模式。MSTN4PAT充分挖掘待预测订单始发地与目的地之间的内在关联，使用多任务学习来建模订单之间的相互影响，并从特征宽度和特征深度2个角度高效融合各种特征，实现准确的揽件到达时间预测。在真实的揽件数据集上的实验结果表明，MSTN4PAT的预测效果明显优于对比模型。

一种自适应鲸鱼快速优化算法

杨炳媛, 袁杰, 郭园园

2023, 45(01): 145-153. doi:

摘要 ( 83 )

PDF (1283KB) ( 113 ) 　　

针对标准鲸鱼优化算法存在的局部搜索能力不足、收敛速度慢等问题，提出了一种自适应鲸鱼快速优化算法AWOA。该算法根据个体的集散程度自适应选择全局搜索或局部搜索，在两者之间实现了动态平衡。针对偏离样本平均位置程度较高的个体引入Levy Flight进行二次优化，进一步扩大搜索区域，保证了算法的全局搜索能力。采用标准测试函数证实了AOWA具有较高的收敛速度及稳定性。将AWOA应用于无人车路径规划问题，仿真结果表明其具有稳定的局部搜索能力和全局搜索能力。

基于主题关系的中文短文本图模型实体消歧

马瑛超, 张晓滨

2023, 45(01): 154-162. doi:

摘要 ( 80 )

PDF (954KB) ( 77 ) 　　

实体消歧作为知识库构建、信息检索等应用的重要支撑技术，在自然语言处理领域有着重要的作用。然而在短文本环境中，对实体的上下文特征进行建模的传统消歧方式很难提取到足够多用以消歧的特征。针对短文本的特点，提出一种基于实体主题关系的中文短文本图模型消歧方法，首先，通过TextRank算法对知识库信息构建的语料库进行主题推断，并使用主题推断的结果作为实体间关系的表示；然后，结合基于BERT的语义匹配模型给出的消歧评分对待消歧文本构建消歧网络图；最终，通过搜索排序得出最后的消歧结果。使用CCKS2020短文本实体链接任务提供的数据集对所提方法进行评测，实验结果表明，该方法对短文本的实体消歧效果优于其他方法，能有效解决在缺乏知识库实体关系情况下的中文短文本实体消歧问题。

基于深度特征提取和DCT变换的图像复制粘贴篡改检测

魏伟一, 赵毅凡, 陈帼

2023, 45(01): 163-170. doi:

摘要 ( 137 )

PDF (1419KB) ( 106 ) 　　

针对图像复制粘贴篡改检测中算法时间复杂度过高和定位区域不完整的问题，提出一种基于深度特征提取和离散余弦变换的图像复制粘贴篡改检测算法。首先，融合图像颜色和纹理信息获得四通道图像，计算自适应特征提取阈值，并通过基于全卷积神经网络的特征检测器提取图像深度特征；其次，通过离散余弦变换提取块特征进行初步匹配，再利用点特征向量消除误匹配；最后，通过卷积运算精确定位篡改区域。通过在公共数据集上进行验证，充分展示了该算法在检测效率和定位区域完整性方面的优势。

基于混合模型的事件触发词抽取

杨昊, 赵刚, 王兴芬

2023, 45(01): 171-180. doi:

摘要 ( 89 )

PDF (900KB) ( 88 ) 　　

事件结构性语法特征与事件语义特征各有优势，二者融合利于准确表征事件触发词，进而有利于完成事件触发词抽取任务。现有的基于特征、基于结构及基于神经网络模型等的抽取方法仅能捕捉事件的部分特征，不能够准确表征事件触发词。为解决上述问题，提出一种融合了事件结构性语法特征和事件语义特征的混合模型，完成事件触发词抽取任务。首先,在初始化向量模型中融入句子的依存句法信息，使初始向量中包含事件结构性语法特征;然后,将初始向量依次传入神经网络模型中的CNN和BiGRU-E-attention模型中，在捕获多维度事件语义特征的同时，完成事件结构性语法特征与事件语义特征的融合；最后，进行事件触发词的抽取。在CEC中文突发语料库上进行事件触发词位置识别和分类实验，该模型的F值较基准模型的分别提高了0.86%和4.07%；在ACE2005英文语料库上，该模型的F值较基准模型的分别提高了1.4%和1.5%。实验结果表明,混合模型在事件触发词抽取任务中取得了优异的效果。

融合知识图谱和评论文本的个性化推荐模型

邹程辉, 李卫疆,

2023, 45(01): 181-190. doi:

摘要 ( 140 )

PDF (1320KB) ( 119 ) 　　

推荐系统的目的是解决“信息过载”的问题，然而目前的研究方法大多利用用户和商品信息对用户兴趣进行建模，没有同时利用知识图谱构建用户模型来增强推荐系统的性能，因此提出了融合知识图谱和评论文本的个性化推荐模型。首先,通过不同类型的知识图谱分别关联用户项目和用户评论文本，扩展用户的兴趣和提取评论文本中的实体；其次,通过构造用户兴趣网络得到带有用户兴趣偏好的兴趣特征；然后,通过构造画像模块和情感模块的画像网络提取到带有用户情感倾向的画像特征；利用决策层进行点击率预测。最后在Amazon数据集上进行了实验比较，对所提模型的性能进行了评估，并与目前的融合知识图谱和评论文本的推荐模型进行比较，验证了所提模型的有效性。

当期目录

作者中心

审稿中心

在线期刊