计算机科学与探索杂志

计算机科学与探索杂志2019年第11期

• 智能机器伦理决策设计研究综述

  陈齐平，魏佳成，钟陈志鹏，罗玉峰，王亮

  为了解决机器伦理决策困境，分析智能机器伦理决策设计的研究现状，对机器伦理决策设计方法进行分类总结。对基于规则推理和基于神经科学不同的伦理决策设计实现方式及优缺点进行了对比分析，并对现阶段无人驾驶伦理决策研究现状进行了归纳分析，最后总结了现阶段机器伦理决策的研究水平。基于上述分析研究，总结得出了解决机器伦理决策困境的技术难点有：机器伦理道德地位的确立、普适机器伦理决策、机器伦理决策评估。提出了未来研究方向：将人类道德规范应用到机器伦理决策设计中，运用机器学习实现伦理决策设计，利用法律及行业标准规范来实现机器伦理决策设计。为机器伦理决策及无人驾驶伦理决策的设计提供参考。

• 时序地理社交网络中基于动态偏好的组查询

  宋雨萌，陈默，于戈

  在新生活体验与社交影响的驱动下，用户偏好随时间不断改变。为弥补现有的地理社交网络模型往往无法获取用户动态偏好的不足，构建了能够检测用户动态偏好的时序地理社交网络模型，以及用于用户动态偏好评估的动态偏好值模型，并提出了一种基于动态偏好的组查询（DPG）。为优化DPG查询算法效率，设计了UTC-tree索引用户时序签到记录。UTC-tree避免了在查询中遍历全部的用户签到记录，加速用户动态偏好评估。最后，采用DPG查询算法实现了交互良好的DPG查询系统，并通过大量对比实验验证了UTC-tree的有效性以及DPG查询的可扩展性。

• 非完整数据库Skyline-join查询

  鲍斌国，秦小麟，李星罗，张彤

  传统的Skyline-join查询仅适用于完整数据库，随着新的应用需要的出现，实际应用中考虑到非完整数据库中的Skyline-join查询。概率Skyline利用概率值表示非完整数据项之间的支配关系，有效地避免了传统非完整数据库Skyline查询存在的支配性丢失问题。在分析概率Skyline无法有效处理多关系查询的基础上，对概率Skyline定义进行了扩充，使其适用于多关系查询，并提出了基于多层次分组的PSkyline-join算法。该算法首先基于连接键值及缺失位图对各个关系进行多层次分组，再计算各组数据项的局部Skyline概率上界，然后连接数据项并更新数据项的全局Skyline概率上界，最后利用全局Skyline概率上界与全局Skyline概率下界设计了两种剪枝策略，高效地计算全局概率Skyline结果集。在模拟数据集上验证了PSkyline-join算法效率相较传统算法有着几十倍的提升。

• Web应用程序搜索功能的组合测试

  吕成成，张龙，邓茜，曾凡平，严俊，张健

  为了方便用户查询感兴趣的资源，许多Web应用程序会提供搜索功能。如果搜索功能存在故障，将会导致Web应用程序的功能异常，甚至会引发安全问题，因而需要对其进行充分的测试。可以使用组合测试的方法生成测试用例测试Web应用程序的搜索功能，其中每一个测试用例是由特殊字符组成的字符串。对于引起系统错误的测试用例，使用组合测试错误定位的方法找到系统错误是由哪些字符组合引起的。使用该方法对学校、政府和事业单位的96个网站进行了测试，发现其中23个网站在搜索某些特殊字符组合时，会引起服务器错误响应。错误定位结果表明，56%的服务器错误响应是由“%”“<”“’”“\”和其他字符的组合引起的。

• 船舶三维声弹性模拟软件的并行优化策略

  吕小敬，刘钊，蒋令闻，陈德训，杨广文

  三维声弹性理论及计算方法为海洋弹性浮体结构流固耦合振动声辐射与海洋声传播提供了理论基础，在海洋弹性浮体结构研究中具有很重要的影响。根据三维声弹性不同计算阶段计算密度特征，基于神威太湖之光超级计算系统，完成了三维声弹性应用软件（THAFTS-Acoustic）的多级并行和优化。优化技术包括循环分裂、循环合并、直接内存存取（DMA）、通信和计算的相互隐藏、基于神威太湖之光的向量化（SIMD）等方法。测试结果表明：三维声弹性多级异构并行具有较好的MPI扩展性能和众核并行加速效果，核心段加速可达18倍，64进程时程序整体相较原始程序并行程序加速5.5倍，可有效地发挥“神威·太湖之光”的强大计算能力，进一步支持THAFTS-Acoustic进行超大规模和更高精度的并行计算。

• 混合无线三维片网中无线路由节点分布研究

  丁盼盼，宋国治，赵成龙，周一杰

  传统的片上网络都是采用金属链路连接各个路由节点，芯片上IP核的增多一方面导致了布线复杂度的增加，另一方面也导致了片上网络传输延迟和功耗的增加。由于片上微型天线的成功研制，芯片内的无线通信得以实现。无线通信具有高带宽、低延迟、低功耗的特点，使得无线片上网络（WNoC）成为传统片上网络最理想的替代方案，可以显著提高系统的性能。针对传统大规模片上网络（NoC）远距离核间多跳通信所带来的高能耗与延时问题，提出了一种[8×8×4]的三维混合无线片上网络架构以及针对该架构的路由算法。此外，对在混合型无线片上网络的拓扑设计中所遇到的无线节点和无线链路放置等问题进行了讨论。仿真结果表明，将无线节点放在第0层和第3层所得到的性能最好，且该拓扑结构与传统片上网络结构相比，在网络平均延迟以及网络总功耗方面取得了很大的提升。

• MANET共识选举轻量级CA认证方案

  石乐义，单宝颖，魏东平

  移动自组织网是由一组自主的无线节点或终端相互合作而形成的独立于固定基础设施的分布式网络，具有无中心、自组织、多跳路由等特点。然而，移动自组织网先天具有的拓扑结构变化频繁和能量受限等缺点，使得移动自组织网络难以进行复杂的认证。针对该问题，结合轻量级证书颁发机构（CA）认证思想，借鉴区块链技术中的共识机制来选举CA，提出一种基于共识算法的轻量级轮转CA认证方案。通过共识算法周期性地选举出当前CA，全网快速达成共识后，即可确定CA，实现轻量级认证。该方案CA节点周期性轮换，无需证书管理，适合高度动态变化、生存周期短的移动自组网。详细分析了方案的安全性并基于BAN逻辑分析方法进行了形式化证明。理论分析表明，该方案可在一定程度上抵御拒绝服务（DoS）攻击、仿冒攻击等多种网络攻击，增强移动自组织网络的安全性能。

• 基于SSD和MobileNet网络的目标检测方法的研究

  任宇杰，杨剑，刘方涛，张启尧

  为了提高计算机视觉中目标检测的一种基本模型SSD在多任务场景中的准确率和效率，基于深度学习的相关理论研究，结合一种轻量级的深层神经网络MobileNet的基本思想，构建了一种结合特征金字塔的多尺度卷积神经网络结构。利用Tensorflow平台完成了以下一些工作：第一，对低层卷积层的特征图进行区域放大，保留更多的目标特征信息，再对高特征层进行特征提取；第二，在对重叠目标候选区域进行过滤的时候，基于非极大值抑制的方法和思想设置阈值消除冗余的目标候选区域，使得产生的负样本的数目减少，使模型效果逐步趋于稳定；第三，针对目标检测中的预测区域与真实区域在匹配过程中所产生的正负样本进行处理，用于保证模型的稳定性等。基于以上方法研究，使得模型对多目标识别的速度有所加快，鲁棒性更好，准确率更高，同时也适当降低了对硬件配置资源的需求。

• 考虑匹配可行性的长期合乘问题建模与求解

  郭羽含，胡芳霞

  车辆合乘对于减少碳排放、停车位需求以及缓解交通压力具有重要意义。针对长期车辆合乘问题（LTCPP），构建了带有车容量和时间窗约束的多目标优化模型。该模型以最小化用户行驶总距离、用户合乘产生的额外驾驶时间、用户实际启程到达时间与用户期望时间的差距以及最大化匹配可行性为目标。LTCPP是聚类和路由问题的组合，基于该特点，提出了一种分布式聚类蚁群算法（DCAC）求解LTCPP。该算法在蚂蚁行进中基于启发式信息与偏好值产生合乘组，继而采用枚举方法确定用户的最佳行驶路径。最后，在Apache Spark分布式计算框架中进行分布式实现。实验结果表明，该算法能为LTCPP提供高质量的解，并且在处理大规模LTCPP问题上具有明显优势。

• 光场图像基线编辑方法

  晏涛，谢柠宇，王建明，王士同，刘渊

  图像重定向是图像编辑中的一个基本问题，主要研究根据具体应用要求对图像内容进行重构。当前针对光场图像角度和空间超分辨率以外的重定向的研究尚属空白。提出了一种光场图像基线编辑方法。算法主要包含三个步骤：首先对光场图像进行标定得到相机参数，并估计光场图像每个子视点图像的视差图；然后根据基线编辑的要求对光场图像进行重定向处理，即将每个子视点图像投影到目标光场图像对应的子视点；最后构建一个深度学习算法对目标光场图像进行优化，对直接重定向过程中因遮挡去除导致的图像空洞区域进行修复。实验结果表明，所提算法能够实现基线编辑的光场图像重定向处理，得到高质量的目标光场图像。该算法可用于一系列光场图像编辑应用，包括光场图像拼接、不同图像间物体拷贝和复制、光场图像的立体显示等。

• 图像显著性传播及约束的协同显著性检测

  赵悉超，刘政怡，李炜

  协同显著性检测是指在一组相关图像中发现共同的显著前景区域。现有方法捕获图像中节点对的关系，利用人类先验知识构建协同显著性检测模型，然而忽略了检测中节点之间的高阶关系，没有挖掘到节点间的潜在联系，从而导致次优的协同显著图。提出了一个新颖的基于超图的种子传播的协同显著性检测框架。具体来说，框架由交叉图像显著性传播和图像内显著性约束组成，前者利用基于单显著图的显著种子点，跨图像交叉传播机制，融合算法检测图像组的协同显著对象并抑制非协同显著对象，获得初步协同显著图；后者再引入图像的凸包先验机制，学习空间分布信息，约束共同背景噪声，抑制相似背景区域，获得更精确的协同显著图。在两个广泛使用的协同显著性检测数据集上进行大量的实验，结果表明，同为无监督模型，相比现存的无监督协同显著性方法，获得了最优的性能。

• Bagging-SVM集成分类器估计头部姿态方法

  梁令羽，孙铭堃，何为，李凤荣

  针对现有常用分类器性能不能满足头部姿态估计对准确率的要求，以及光照变化影响头部姿态估计准确率的问题，提出了一种基于Bagging-SVM集成分类器的头部姿态估计方法。首先，通过图片预处理和Adaboost检测人脸区域算法减少背景、光照等干扰因素对于头部姿态特征提取的影响。其次，采用融合方向梯度直方图（HOG）特征和局部二值模式（LBP）特征分别对人脸的轮廓特征和纹理特征进行提取。然后，通过主成分分析（PCA）对融合的头部姿态特征进行特征选择，抽取其主元特征分量供分类器进行训练。最后，通过Bagging方法构建多个训练数据集，并采用支持向量机（SVM）对每个数据集进行训练，产生多个弱分类器，多个弱分类器投票决定测试样本所属类别。将该算法在Pointing’04数据集、CAS-PEAL-R1数据集和自建数据集上进行验证实验，实验结果表明提出的算法相比线性判别分类器（LDA）、朴素贝叶斯分类器（NB）等常用分类算法具有更高的分类准确率，对光照的变化具有较好的鲁棒性。

• 卷积特征多伯努利视频多目标跟踪算法

  杨金龙，汤玉，张光南

  基于随机有限集理论的多伯努利滤波方法能够有效处理多目标跟踪中数目未知且时变的问题，但难以适应复杂环境下视频多目标跟踪中目标之间或背景等干扰问题，尤其是目标相互紧邻和被遮挡时，会导致跟踪精度下降，甚至目标漏跟。针对该问题，在多伯努利滤波框架下，深度分析目标的特征信息，引入抗干扰的卷积特征，提出基于卷积特征的多伯努利视频多目标跟踪算法，并在目标状态提取过程中，进一步提出模板更新，使用自适应学习速率进行更新，适应目标的变化，以解决目标紧邻相互干扰的问题。最后，引入粒子标记技术，实现对视频多目标的航迹跟踪。实验结果表明，提出算法能够有效区分复杂环境下的紧邻多目标，且具有较好的跟踪精度。

• 多方分层远程态制备

  彭家寅

  提出一个以多粒子纠缠图态为量子信道的任意单量子态的多方分层远程态制备（MHRSP）的新协议。在该方案中，利用前馈测量策略，发送者将一个秘密量子态不对称地分配给两级代理，其中两级代理的人数原则上是可以任意的，并且不同级别的代理具有恢复发送者秘密的不同权限。进一步地，将上述MHRSP协议进行了推广，得到一个多方分层联合远程态制备（MHJRSP）方案。所提出的两个方案不涉及非局域操作，它们是安全而不被窃听的，期望能在现实世界中得到有效的应用。

• 鼠疫传染病优化算法

  黄光球，陆秋琴

  为了求解多局部最优解的优化问题，采用具有脉冲预防接种的时滞鼠疫传染病动力学模型，提出了一种新的群智能算法——鼠疫传染病优化算法（PIDO）。在该算法中，假设某个村庄生活有若干村民，每个村民均由一些特征来表征；鼠疫病毒在该村庄流行，村民通过与病鼠有效接触而染上该传染病；鼠疫病毒攻击的是人体的很少部分特征，在鼠疫病毒作用下，每个村民的生长状态会在易感、暴露、发病、治愈这4个状态之间随机转换，从而实现对全局最优解的随机搜索；村民的体质强弱程度用HHI指数描述，村民的HHI指数越高，其体质越强，继续生存的可能性也越高。PIDO算法拥有S_S、S_E、E_E、E_I、E_R、I_I、I_R、R_R、R_S等9个算子，演化时每个算子每次仅处理总变量数的1/1 000~1/100。案例研究结果表明，PIDO算法具有搜索速度快和全局收敛性的特点，适于求解维数较高的全局优化问题。