计算机工程与科学

2025年第3期目录

2025, 47(3): 0-0. doi:

摘要 ( 223 )

PDF (246KB) ( 181 ) 　　

基于监督学习的稀疏矩阵乘算法优选

彭林, 张鹏, 陈俊峰, 唐滔, 黄春

2025, 47(3): 381-391. doi:

摘要 ( 259 )

PDF (1271KB) ( 1013 ) 　　

稀疏矩阵乘算法中主流的row-by-row计算公式上的SPA、HASH、ESC 3种稀疏矩阵乘实现算法，在对不同的稀疏矩阵进行计算时性能差异显著，在不同非零元规模上单一算法不总是能取得最佳性能，而且单一算法与最优选择存在明显差距。为此，提出了一种基于机器学习的最优稀疏矩阵乘算法选择模型，以给定矩阵集作为数据源，抽取稀疏矩阵的特征，并使用SPA、HASH、ESC计算获得的性能数据进行训练和验证，获得的模型能够仅使用稀疏矩阵的特征即可完成对新数据集的算法优选。实验结果表明，该模型可以获得91%以上的预测准确率，平均性能达到最优选择的98%，是单一算法性能的1.55倍以上，并且可在实际库函数中使用，具有良好的泛化能力和实用价值。

基于天河互连的并行文件系统网络驱动

董勇, 邬会军, 杨梨花, 张伟, 王睿伯, 周恩强

2025, 47(3): 392-399. doi:

摘要 ( 208 )

PDF (1640KB) ( 601 ) 　　

并行文件系统是高性能计算机系统软件栈的重要组成部分。面向高速网络的驱动是并行文件系统提供高效数据访问的关键环节。设计实现了基于天河高速互连网络TH-Express的并行文件网络驱动GLND，在并行化、通信协议以及容错3方面进行了有针对性的优化，采用VP粒度并行，配合适度均衡的流水线划分，实现了高吞吐率；根据消息大小差异等因素自适应地选择底层通信协议，实现NUMA感知的内存管理机制；通过自适应调节的超时机制来避免软件异常超时对通信操作的影响。实验结果表明，在相同硬件条件下，GLND相比于TCP的写带宽平均提升了23.69%，读带宽平均提升了79.25%。

基于“天河二号”聚合通信卸载特性的 MPI_Barrier优化

朱琦, 戴艺, 彭晋韬, 谢旻, 梁崇山, 刘鹏, 杨博, 刘杰,

2025, 47(3): 400-411. doi:

摘要 ( 229 )

PDF (1390KB) ( 402 ) 　　

Barrier作为消息传递接口MPI程序的基本操作，是确保程序正确执行的重要机制之一。目前已有的Barrier实现方案主要存在2个缺陷：首先，节点间同步存在大量冗余的数据路径传输开销；其次，节点内同步存在大量缓存失效的情况。为解决这些性能限制，针对“天河二号”定制网络TH-Express聚合通信卸载特性，提出了基于GLEX NIC的Barrier加速和共享内存标志位重排列2种优化技术，有效减少了节点间同步开销，提高了节点内基于共享内存的同步效率。基于上述优化方法，重新设计了MPI_Barrier算法，并将其集成到MPI通信库中,并在国家超级计算长沙中心通过运行微基准测试程序和实际应用程序对所提优化方法进行性能测试，规模达到7 168个节点。实验结果表明，优化后的MPI_Barrier集合操作获得了1.3~14.5倍的加速，并在应用级真实负载评测中，性能提升高达54%。

QTorch:基于独立的量子程序设计语言的量子-经典混合机器学习框架

陈文锦

2025, 47(3): 412-421. doi:

摘要 ( 386 )

PDF (1031KB) ( 926 ) 　　

近年来，量子计算系统在特定采样问题上展现出量子优势，标志着人类进入了含噪声中等规模量子NISQ时代。通过量子机器学习算法在具有实用意义的问题求解上展现量子优势，成为量子计算的一个热点问题。现有的量子-经典混合机器学习框架难以支撑量子机器学习算法的高效描述和编译，严重影响了算法开发效率。针对这一现状，基于开源经典机器学习框架PyTorch和独立的量子程序设计语言，提出并实现了量子-经典混合机器学习框架QTorch，实现了面向真实量子硬件和量子-经典混合机器学习算法的自动微分技术，提出并实现了并行训练和参数替换优化2种时间性能优化技术，并通过多组实验证实了以上功能与优势，为量子-经典混合机器学习算法提供了高效的运行平台支持，促进了量子机器学习领域的发展。

数据中心制冷系统强化学习控制

魏东, 贾宇辰, 韩少然

2025, 47(3): 422-433. doi:

摘要 ( 469 )

PDF (2580KB) ( 388 ) 　　

数据中心制冷系统需要全年不间断运行，其能耗不容忽视，且传统PID控制方法难以实现系统整体节能。为此提出数据中心制冷系统强化学习控制方法，控制目标为在满足制冷要求的前提下提升系统整体能效。设计双层递阶控制结构，针对上层优化层提出多步预测深度确定性策略梯度MP-DDPG算法，利用DDPG处理制冷系统多维连续动作空间问题，以求取空气处理机组水阀开度以及制冷站系统各回路的最佳设定值，同时通过多步预测提升算法效率，并在实时控制阶段克服系统大时滞影响。下层现场控制层通过PID控制使被控变量跟踪优化层得出的最优设定值，可在不破坏原有现场控制系统的情况下实现性能优化。针对无模型强化学习控制难以满足控制实时性问题，首先构建系统预测模型，将强化学习控制器与其进行离线交互训练，然后实现在线实时控制。实验结果表明，与传统DDPG算法相比，控制器学习效率提升50%；与PID和MP-DQN相比，系统动态性能得到了改善，且整体能效提升约30.149%和11.6%。

RCGNN：图注入攻击下的图神经网络鲁棒性认证方法

王煜恒, 刘强, 伍晓洁

2025, 47(3): 434-447. doi:

摘要 ( 301 )

PDF (1041KB) ( 848 ) 　　

近些年来,图神经网络GNN被广泛应用于异常检测、推荐系统和生物医药等领域。尽管GNN在特定任务中表现出优异的性能,但许多研究表明,GNN容易受到对抗性扰动的影响。为了缓解GNN面对对抗样本时暴露出的脆弱性问题,部分研究人员针对图修改攻击提出了鲁棒性认证防御技术,旨在提升GNN模型在该场景下抵御恶意扰动的能力。然而,在图注入攻击GIA场景下关于节点分类模型的鲁棒性分析仍未被广泛探索。面对上述挑战,扩展了稀疏感知随机平滑机制并设计了一种GIA场景下基于随机平滑的鲁棒性认证方法RCGNN。为了使得噪声扰动空间符合GIA攻击行为,预注入恶意节点并将扰动限制在恶意节点附近,同时对噪声扰动函数进行了改进,以提升认证比例和扩大最大认证半径。在真实数据集上的对比实验表明,RCGNN能够实现GIA场景下节点分类任务的鲁棒性认证,相较于稀疏感知随机平滑机制在认证比例和最大认证半径方面获得了更佳的认证性能。

基于Transformer和Text-CNN的日志异常检测

尹春勇, 张小虎

2025, 47(3): 448-458. doi:

摘要 ( 336 )

PDF (905KB) ( 1056 ) 　　

日志数据作为软件系统中最为重要的数据资源之一,记录着系统运行期间的详细信息,自动化的日志异常检测对于维护系统安全至关重要。随着大型语言模型在自然语言处理领域的广泛应用,基于Transformer的日志异常检测方法被广泛地提出。传统的基于Transformer的方法,难以捕捉日志序列的局部特征,针对上述问题,提出了基于Transformer和Text-CNN的日志异常检测方法LogTC。首先,通过规则匹配将日志转换成结构化的日志数据,并保留日志语句中的有效信息；其次,根据日志特性采用固定窗口或会话窗口将日志语句划分为日志序列；再次,使用自然语言处理技术Sentence-BERT生成日志语句的语义化表示；最后,将日志序列的语义化向量输入到LogTC日志异常检测模型中进行检测。实验结果表明,LogTC能够有效地检测日志数据中的异常,且在2个数据集上都取得了较好的结果。

一种基于图热核扩散卷积的网络入侵检测方法

景永俊, 王浩, 邵堃, 王晓峰

2025, 47(3): 459-471. doi:

摘要 ( 245 )

PDF (1505KB) ( 450 ) 　　

网络入侵检测是保护计算资源和数据免受网络攻击的重要手段。近年来，基于深度学习的方法在入侵检测领域取得了显著进展，但仍存在有效特征提取困难和过度依赖手工标注数据等问题。针对上述问题，提出一种基于图热核扩散卷积的半监督入侵检测方法，该方法在流量统计特征的基础上，以源IP和目标IP地址为节点，以它们之间的交互关系为边，构建入侵检测主机交互图。通过融合网络流量统计特征与潜在的图结构特征，该方法利用图热核扩散传播机制，聚合丰富的邻域信息以学习节点的特征表示，这些节点表示能够使得下游的入侵检测任务更准确地识别异常节点和恶意连接,提升入侵检测的性能。在CIC-IDS-2017和CIC-IDS-2018 2个数据集上进行的实验结果表明，该方法能够有效捕获网络流量数据中的复杂拓扑结构和节点之间的关系特征，仅通过少量的流量特征和标签信息就能够学习节点的低维向量表示。此外，通过对节点表示的聚类分析和可视化，能够揭示攻击节点在网络中的社区结构和连接特征，这为新型或变种攻击的预防提供了参考。

基于切比雪夫混沌映射的V2G跨域双向认证方案

刘华伟, 石润华, 张红杉, 邵博深

2025, 47(3): 472-484. doi:

摘要 ( 182 )

PDF (2632KB) ( 411 ) 　　

由于现有V2G认证方案中未考虑车辆移动特性,导致跨域车辆与不同地区电网服务器进行通信和交互时,无法有效完成跨域认证过程。此外,车辆到达目的域进行跨域认证时需要与注册域服务器进行频繁通信导致跨域认证效率低下。针对以上问题,提出一种基于切比雪夫混沌映射的V2G跨域双向认证方案。所提方案中,首先快速认证聚合器的物理安全并协商出聚合器与电网服务器的临时会话密钥完成一层认证,保证了区块链中节点查询链上信息的传输保密性；利用智能卡存储的认证参数完成聚合器与跨域车辆之间的二层认证,优化了车辆与注册域聚合器的繁琐通信过程,进一步降低了通信开销。理论分析和实验结果表明,所提方案可以实现安全高效的跨域认证。

基于迭代收缩阈值与深度学习的压缩感知图像重构网络

徐雯, 于瓅

2025, 47(3): 485-493. doi:

摘要 ( 228 )

PDF (1200KB) ( 383 ) 　　

针对基于深度学习的压缩感知重构算法中存在的图像重构细化程度低、网络泛化能力弱的问题，提出基于迭代收缩阈值与深度学习的压缩感知图像重构网络模型EH-ISTANet。该模型由采样子网、初始化子网和增强重构子网3部分组成，添加注意力机制并配合邻近映射模块将得到的特征送入增强模块中对重构图像的边缘和纹理进行增强。重构阶段模仿传统迭代收缩阈值算法的展开过程，每个阶段可以灵活地模拟测量矩阵，并在梯度下降步骤中动态地调整步长。经验证，该模型在不同数据集、不同采样率下的峰值信噪比均有所提升，表明其在提高泛化能力和重构精度方面优于其他模型。压缩感知比率为10%时，该模型在5种测试集上的平均信噪比比CSNet、AMP-Net和AMP-Net-BM模型平均提高了1.69 dB、4.36 dB和1.93 dB。

基于脉冲注意力机制的轻量化面部超分重建方法

李娇, 高磊怡, 张瑞欣, 吴越, 邓红霞

2025, 47(3): 494-503. doi:

摘要 ( 249 )

PDF (1673KB) ( 453 ) 　　

基于深度学习的人脸超分辨率研究近年来取得了重大进展，而如何在保证恢复面部精细自然纹理的同时限制网络模型复杂度，满足在轻量化设备上使用的需求，是该领域的一个难点。为此，提出了一种基于脉冲注意力机制的轻量化人脸超分重建方法。所提出的新型脉冲注意力机制将脉冲耦合神经网络提取的多轮次全局信息融合进窗口自注意力机制，利用全局信息和局部信息以改善方法的学习能力；采用对抗生成网络结构，构建基于窗口自注意力的渐进式生成器以保证方法的轻量化。在CelebA和Helen数据集上的实验结果表明，该方法在LPIPS和MPS感知评价指标上表现优异；与同参数量级的方法相比，该方法在所有指标上均有大幅提升，在主观视觉质量上也表现优秀。

基于改进实例分割的室内动态视觉SLAM方法

梁荣光, 袁杰, 赵瑛瑛, 曹学伟

2025, 47(3): 504-512. doi:

摘要 ( 183 )

PDF (3087KB) ( 276 ) 　　

针对视觉SLAM在动态场景中存在数据关联误匹配以及实例分割物体存在误检的问题，提出一种基于改进实例分割的室内动态点特征检测的方法。首先，改进YOLOv7-seg算法，设计了双梯度路径聚合网络D-ELAN和空洞注意力机制DwCBAM，获得当前图像帧中物体准确的轮廓信息。其次，判断动态物体后，从SLAM前端图像帧中剔除动态点特征。最后，利用静态点来构建误差优化模型。实验结果表明：改进后算法相比YOLOv7-seg的mAP平均增加了2.3%。在TUM数据集上，该方法的SLAM绝对轨迹误差相比ORB-SLAM2平均减少95.91%。

结合图像分解和自稀疏模糊聚类的情感颜色迁移

谢斌, 李燕伟, 杨舒敏, 徐燕, 王冠超

2025, 47(3): 513-523. doi:

摘要 ( 152 )

PDF (3641KB) ( 280 ) 　　

针对传统情感颜色迁移方法存在层次感欠缺、细节模糊和视觉效果不佳等问题,结合图像分解和自稀疏模糊聚类提出了一种新的迁移方法。首先,为了更好地维持图像的细节,引入基于低秩纹理先验的卡通纹理分解将源图像分为包含主要颜色的平滑图和包含局部信息的纹理图。其次,利用自稀疏模糊聚类方法得到平滑图的主要代表性颜色和其对应的分割区域,让图像在提取过程中更好地保留源图像的层次结构。最后,设计了一种自适应亮度修正的防溢出策略,并在此基础上提出了一种新的情感颜色迁移方法,旨在使结果图像更加符合人眼的视觉识别特性。实验结果表明,所提出的方法得到了质量更高的迁移结果图像,且在主客观评价方面都表现更优。

基于失匹配负波潜伏期优化的语音增强研究

吉陈果, 贾海蓉, 裴意静, 段淑斐

2025, 47(3): 524-533. doi:

摘要 ( 160 )

PDF (2117KB) ( 387 ) 　　

针对现有语音增强算法和评价指标出现的失配问题，将脑电成分评估语音指标与损失函数相结合，有效提升了语音增强算法的性能。首先，验证脑电成分失匹配负波的潜伏期可以作为语音的客观评价指标，以此提出失匹配负波的潜伏期函数，并将其与信噪比联系，从而解决当前语音增强领域常用评价指标无法直接作为损失函数来优化语音增强算法的问题。其次，将潜伏期函数与传统神经网络中的学习目标进行联合训练，通过训练不断优化潜伏期函数。最后，将潜伏期函数应用到生成对抗网络的鉴别器损失函数中，结合Conformer能够有效捕捉长期依赖关系，同时在时间和频率维度上提取局部特征。实验结果显示，利用脑电成分评估的语音客观度量指标来优化神经网络能够有效改善语音的特性，从语音的增强质量、可懂度和失真程度方面均验证了所提算法的有效性。

基于图结构提示实现低资源场景下的节点分类

陈宇灵, 李翔

2025, 47(3): 534-547. doi:

摘要 ( 303 )

PDF (1437KB) ( 753 ) 　　

文本属性图时下逐渐成为图研究领域的一个热点。在传统的图神经网络研究中，所使用到的节点特征通常是由文本信息转化来的浅层特征或者是人为手动设计的特征，如跳字模型和连续词袋模型。近年来，随着大型语言模型的出现，自然语言处理方向的研究发生了深刻的变革。这种变革不仅影响了自然语言处理的相关任务，还开始渗透到图神经网络。因此，最近的图工作中也开始引入语言表征模型和大语言模型用于生成新的节点表征，旨在进一步挖掘更加丰富的语义信息。在现有的工作中，大多数模型还是采用传统GNN架构或对比学习的方式。在对比学习一类的方法中，由于传统节点特征和语言模型生成的节点表征并不是由统一的模型生成的，因此这类方法面临着处理2个位于不同向量空间的向量的挑战。基于以上的挑战和考量，提出一个名为GRASS的模型。具体来说，模型在预训练任务中引入了通过大语言模型扩充得到的文本信息，对其与经过图卷积的文本信息进行对比学习；在下游任务中，为了减少微调的成本，GRASS对齐了下游任务和预训练任务的形式。通过这个模型，使得GRASS在不需要微调的情况下，能够在节点分类任务上表现良好，尤其是在小样本场景下。例如，在1-shot场景下，比起最优基准模型，GRASS在Cora,Pubmed和ogbn-arxiv数据集上的准确度分别提升了6.10%，6.22%和5.21%。

基于驾驶上下文感知的驾驶员识别模型

杨林, 张磊, 刘佰龙, 梁志贞, 张雪飞

2025, 47(3): 548-560. doi:

摘要 ( 162 )

PDF (1652KB) ( 617 ) 　　

随着隐私保护意识的提升,利用车辆轨迹识别汽车驾驶员已成为车辆数据分析热点。然而,现有模型难以准确捕捉驾驶风格与驾驶上下文之间的关系,导致识别准确率不高。因此,提出基于驾驶上下文感知的驾驶员识别模型CDIM。CDIM利用轨迹数据计算车辆运动特征,同时通过路网匹配获取出行路线,并设计基于双向Transformer的路段信息嵌入模块,为出行路线中每一段路段生成融合邻接路段特征的嵌入。然后,通过卷积跨模态注意力融合模块结合路段特征与运动特征,实现二者的高效融合。此外,结合外部因素特征,全面捕捉驾驶上下文对驾驶风格的影响。在公开数据集上的实验结果表明,CDIM的识别准确率为68.54%,相较于RM-Driver与Doufu分别提高了8.14%和4.81%,具有更高的驾驶员识别准确率。

基于多源异构融合与时空图卷积网络的集卡到港量预测模型

薛桂香, 陈宇昂, 刘瑜, 郑倩, 宋建材

2025, 47(3): 561-570. doi:

摘要 ( 491 )

PDF (2078KB) ( 407 ) 　　

及时准确的集卡到港量预测算法对于港口物流系统的调度优化和资源分配至关重要。由于集卡到港量受到临港路段交通情况、天气和港口作业计划等多种复杂因素影响而表现出高度非线性和复杂性特征，传统交通流量预测方法难以有效融合内、外部因素的影响并准确提取其时空相关性。针对这一问题，提出了一种基于多源异构数据融合和时空图卷积网络的混合集卡到港量预测模型MHF-STGCN，该模型采用注意力机制自适应提取港口交通流多源异构历史数据的关键信息并挖掘其动态时空演化特征。与单一交通数据相比，多源数据融合使模型MAE下降约34.99%，RMSE下降约31.10%，详细对比实验结果表明该模型在MAE、RMSE和R-Square等指标上显著优于基线模型。

当期目录

作者中心

审稿中心

在线期刊