计算机科学与探索杂志

计算机科学与探索杂志2019年第12期

• 移动APP演化模式分析与预测

  张艺璇，郭斌，欧阳逸，王柱，於志文

  移动APP的流行度预测工作从应用开发到广告投放都具有巨大的应用价值。然而，多数先前的工作都是建立影响因子与流行度之间的回归模型或者采用聚类和分类算法，这样做忽略流行度演化的过程以及背后的原因。讨论并分析潜在的预测因子，特别是早期流行度的演化模式对未来流行度的影响。为此，首先探索6种与APP流行度密切相关的演化模式和6种影响因素。经过详细分析后提出基于随机森林算法的流行度预测模型CrowdPop，并量化演化模式和影响因素作为CrowdPop的预测因子。实验结果显示在126个不同种类的APP中，CrowdPop针对APP流行度的预测精度优于基准方法。

• 远程直接内存访问与检查点相结合的容器迁移

  赵倩，谢上钦，韩轲，龚青泽，冯光升，林俊宇

  随着云服务的应用和普及，云计算集群中容器的数量也日益增多。当集群中某一结点发生故障时，如何将故障结点上的服务迁移到可靠结点上成为维护云计算集群的重要问题。传统的集群容错方法采用备用主机作容错结点，由于受服务运行环境的限制，一台物理主机只能作一类服务的备用主机。为了提高容错备机的利用率，同时降低容错迁移拒绝率和容错迁移延迟，提出一种基于容器容错池的容器迁移机制。利用检查点机制和远程直接内存访问（RDMA）技术，在不影响容器虚拟集群正常工作的前提下，减少任务恢复环境耦合问题对任务迁移造成的影响。在实验室环境下验证了这种迁移机制的可用性和有效性。

• KRust:Rust形式化可执行语义

  王丰，张俊

  Rust是新兴的系统级编程语言，旨在提供内存安全的同时保证极高的性能。Rust形式化语义是用来证明其内存安全和开发Rust程序分析工具的基础。鉴于目前没有直接描述Rust的形式化语义，提出了针对Rust语言的形式化可执行语义KRust。为了确保语义的可执行性和应用性，使用了K框架进行语义的开发。KRust目前涵盖了Rust常见的语法和语义，包括了Rust的3个核心特性：所有权、借用和生命周期。KRust通过了191个测试样例，其中157个都是来自Rust官方的测试集。语义对比测试实验发现了Rust编译器的缺陷。此外，KRust的语义还可以被应用于开发Rust程序分析工具。

• 基于Voronoi划分的位置数据KNN查询处理方法

  宋宝燕，孟彦伟，丁琳琳

  K最近邻（KNN）查询是空间数据查询研究的重要内容。目前的KNN查询方法在处理大规模的位置数据时，存在着更新和查找失衡的问题，导致查询效率较低。因此，提出基于Voronoi划分的位置数据KNN查询处理方法。首先，创建了一个二级空间索引结构——VRI，包含VHash和VR树两部分。一级索引结构VHash表示Voronoi图的直邻；二级索引结构VR树，按照各Voronoi单元所在的最小矩形区域的重叠面积，自下而上地生成对应的R树。其次，基于VRI索引结构提出了位置数据的KNN查询算法及动态维护算法，在KNN查询方法中，采用VR树进行定位，VHash查找K近邻，能够有效地对查询点定位，查找速度快。再次，针对数据更新的情况，索引结构也能够及时更新，在更新的时间段内，对于位置数据随时间变化的KNN查询，提出了利用记录表进行有效查询的方法。最后，实验表明，提出的基于Voronoi划分的空间索引结构和其对应的KNN查询算法均具有较好的性能和适应性。

• 节点局部Fiedler向量中心性差值社区发现算法

  凤丽洲，覃悦，杨贵军

  社区结构是复杂网络最重要的一种结构特征。复杂网络中的社区结构研究主要包括社区发现与关键节点发掘两个重要问题。基于节点中心性的社区发现算法可同时进行关键节点发掘与社区发现。针对传统局部Fiedler向量中心性（LFVC）算法存在关键节点识别准确率低，进行社区发现时易出现孤立节点等问题，提出了节点局部Fiedler向量中心性差值社区发现算法（CDDN），设计了新的关键节点识别与边移除策略，并分析了算法性能。选择3种具有代表性的社区发现算法分别在4个真实复杂网络数据集上进行对比实验。实验结果表明，改进的算法既保持了局部中心性度量方法的效率，也防止了错误识别关键节点和关键边对划分结果的负面影响，避免了孤立点所带来的社区结构信息损失，能够快速、准确地发现真实社区。

• VANET中利用分布式TDMA空闲时隙的协作中继方法

  欧莽，陈振，汪继文

  车载自组网中的分布式时分多址（TDMA）协议的主要缺陷是未能充分利用无线信道资源，如节点空闲时隙问题。针对车载自组网无中心节点且网络拓扑结构快速变化的特点，提出一种协作中继分布式TDMA方法（CR-DTDMA），以便利用节点空闲时隙协作中继转发数据。CR-DTDMA实现一种网络握手协议来确定协作中继节点，不依赖相关数据传输确认机制，而且网络握手协议的控制信息都采用消息搭载机制传递，不需要发送专门的控制包。分析与模拟表明，CR-DTDMA提高了数据中继转发概率，降低了中继转发时延和丢包率。

• SDN控制域确定与划分机制

  矫培艳，张闯闯，王兴伟，黄敏

  通过将广域网划分成若干规模较小、节点数量均衡的软件定义网络（SDN）控制域，可以提高控制器的服务能力。然而，根据SDN网络拓扑进行控制域的最优数量确定与划分仍然面临许多挑战。提出了一种SDN控制域确定与划分机制，以控制器负载均衡为目标，基于谱聚类算法解决控制域确定与划分问题。首先，基于本征间隙谱聚类算法设计了SDN控制域确定机制，用于确定控制域的最优数量；然后，设计了基于归一化Laplacian矩阵特征向量的SDN控制域划分机制，使得各控制域所拥有的交换机节点数量相对均衡；最后，仿真结果表明，提出的SDN控制域确定与划分机制能够确定最优的控制域数量，并且通过SDN控制域划分可实现各控制域交换机节点数量的相对均衡。

• 面向隐式类型化资源的安全防护

  段玉聪，张欣悦，周长兵，黄梦醒，曹春杰，周晓谊

  在物联网、边缘计算和大数据智能处理高速发展的背景下，安全保护研究的内容已经从显式内容保护扩展到了对隐式内容的保护。多来源内容背景下的隐式内容的安全保护对内容的采集、识别，保护策略定制，保护方法的建模、实现都提出了新的挑战。而实际应用中对性价比的追求更加剧了解决方案的挑战性。受DIKW方法启发提出将保护目标及背景内容分类为数据、信息和知识三种类型化资源。在DIKW上构建基于数据图谱、信息图谱和知识图谱的类型化资源安全资源保护架构。将目标安全资源根据它们在搜索空间中的存在形式分为显式的和隐式的资源，依据不同类型资源表达所对应的表达类型转换及搜索代价差异构造了对应的安全防护方案。该方案支持在不同类型转换过程中的代价以及转换后的搜索代价的差异基础上，设计并提供价值导向的安全服务。

• 自编码网络在JavaScript恶意代码检测中的应用研究

  龙廷艳，万良，丁红卫

  针对传统机器学习特征提取方法很难发掘JavaScript恶意代码深层次本质特征的问题，提出基于堆栈式稀疏降噪自编码网络（sSDAN）的JavaScript恶意代码检测方法。首先将JavaScript恶意代码进行数值化处理，然后在自编码网络的基础上加入稀疏性限制，同时加入一定概率分布的噪声进行染噪的学习训练，使得自动编码器模型能够获取数据不同层次的特征表达；再经过无监督逐层贪婪的预训练和有监督的微调过程可以得到有效去噪后的更深层次特征；最后利用[Softmax]函数对特征进行分类。实验结果表明，稀疏降噪自编码分类算法对JavaScript具有较好的分类能力，其准确率高于传统机器学习模型，相比随机森林的方法提高了0.717%，相比支持向量机（SVM）的方法提高了2.237%。

• 植物属性文本的命名实体识别方法研究

  李冬梅，檀稳

  植物属性文本的命名实体识别对林业领域的信息抽取和知识图谱的构建起着重要的作用，针对该问题，提出了一种基于双向长短时记忆网络（BiLSTM）、卷积神经网络（CNN）和条件随机场（CRF）模型的植物属性文本命名实体识别方法BCC-P。分析了植物属性文本的特点，并进行预处理和标注，完成数据集的构建。BCC-P方法通过BiLSTM模型对植物属性文本进行建模，有效捕捉植物属性文本中的上下文语义特征。将获得的特征传递到CNN模型，进一步提取深度特征。最后使用了CRF模型进行植物属性文本的标注，输出在句子序列上最优的标注结果。在植物属性文本语料上的实验表明，该方法的准确率达到了91.8%，因此能够有效应用于植物属性文本的命名实体识别任务。

• 高斯核密度估计方法检测健康数据异常值

  王康，周治平

  针对智能穿戴设备普及背景下，利用运动手环采集的活动数据存在未知异常数据的问题，提出一种基于高斯核密度估计的健康数据异常值检测方法。首先采用t-分布邻域嵌入算法对数据集进行特征提取，增强数据局部结构能力；接着利用高斯核局部密度代替局部异常因子算法中的局部可达密度，提出基于高斯核密度估计离群因子（GKDELOF）算法，推导分析了该算法判断阈值的稳定性；最后在UCI标准数据集上进行仿真实验，验证算法的准确性，并在选取的真实运动手环所采集的活动数据集上进行实验分析。实验结果表明，该方法能够解决由活动复杂多样性造成的健康数据稀疏问题，准确检测出异常值。

• 结合JADE和CoDE差分算子的人工蜂群算法

  耿璐，李艳娟

  人工蜂群算法（ABC）具有良好的全局探索能力，但局部利用能力较弱。与此相反，差分进化（DE）具有良好的局部利用能力，但全局探索能力较弱。鉴于此，提出了ABC和DE结合算法——AMDABC。AMDABC遵循人工蜂群算法的框架，包括雇佣蜂阶段、跟随蜂阶段和侦查蜂阶段。在雇用蜂阶段引入了两个DE算子（JADE算子、CoDE算子），同时给出两个控制参数，根据控制参数的值自适应地交替执行CoDE算子、JADE算子或ABC搜索方程，以达到全局探索能力和局部利用能力的平衡。在跟随蜂阶段，同样结合JADE差分算子产生候选解，以更好地解决ABC算法局部利用能力弱的问题。在19个标准函数上的实验结果表明，AMDABC算法性能优于典型ABC算法、典型DE算法、典型ABC和DE结合算法。

• 融合稀疏隐视角信息学习的多视角聚类算法

  刘瑞秀，高艳丽，邓赵红，王士同

  多视角聚类的目的就是对由不同的特征集描述的数据进行聚类。传统算法大多直接对原始特征集聚类，而忽略了一些隐性信息对聚类性能的影响。已有一些多视角聚类方法试图发现嵌入在多视角数据中的隐性信息并基于隐性信息进行聚类，但此类算法会不同程度地损失原始特征的信息。针对此，提出了一种融合稀疏隐视角信息学习的多视角聚类算法。首先为了挖掘潜在的稀疏隐视角信息，提出了一种稀疏隐视角信息学习模型，通过求解该模型获得稀疏隐视角信息。然后在聚类过程中实现原始的特征集和稀疏隐视角信息的协同学习。在真实数据集上的实验结果表明，所提算法的聚类性能优于现有的聚类算法。

• 图像级别和像素级别的显著图像的融合

  陈蕾，吴建国，刘政怡

  RGB-D图像显著目标检测旨在从一对RGB图像和深度图像中识别视觉上最显著的目标。目前，学术界已经提出了各种有效的单幅RGB-D图像显著性检测方法，而这些检测方法之间存在着优势互补。因此，对各种方法生成的显著图进行融合以提高显著性检测精度的研究工作同样不可或缺。在对相关显著图像融合工作研究后，提出两个级别上的融合过程。首先，运用多种现成的RGB-D显著图检测方法生成初始显著图；其次，分别对图像级和像素级两个层面上的显著图融合工作进行了研究，再将这两个层面上得到的显著图按比例进行融合，得到最终的图像显著图。实验结果表明，该显著图融合方法的效果不仅优于单个图像显著性检测方法，而且和其他的融合方法相比，也具有一定优势。

• 多种表示的图像分类方法

  陈德运，付立军，张学松，于梁，陈海龙，李骜

  针对不同图像提取出显著的特征对于图像分类是非常有意义的，然而单一图像分类方法不能在所有图像上都取得好的鲁棒性，通过多视角来提取不同特征，并将其融合来有效地解决这个难题。首先，利用二维主成分分析（2DPCA）提取图像的特征，然后根据获取特征进行图像重构（虚拟图像）。其次，利用快速傅里叶变换（FFT）获取图像的频谱特征。接着，将原始图像、虚拟图像、频谱特征分别利用稀疏方法获取得分。最后，利用一种新颖融合机制将上述得分进行融合，并根据新获取得分进行图像分类。获取的多特征和原始图像进行了互补，使该算法更具有鲁棒性；该方法具有稀疏性，提高了图像分类的性能；此外，它能自动获取参数，不需要手动调参。实验结果表明，该方法在不同情景下具有高的图像分类准确率。

• PCANet下的遮挡定位人脸识别算法

  郭伟，白文硕，曲海成

  自然环境中的人脸图像大部分带有遮挡，这对于人脸识别一直是巨大的挑战，用于人脸识别的主流深度模型对于遮挡人脸图片并不具有特别好的识别性能。针对深度模型由于遮挡的存在以及遮挡位置不确定所导致的识别率下降的问题，提出一种结合深度学习和特征点遮挡检测的PCANet下的遮挡定位人脸识别算法。分类器用于关键点检测，使用PCANet深度学习模型进行特征提取，形成支持向量机（SVM）训练模型组。遮挡判别分类器定位遮挡，结合特征模型组完成有遮挡人脸识别任务，并且对于表情变化有很强的鲁棒性。实验结果表明，该算法对于常见遮挡类型取得了非常好的效果，对于大面积遮挡的极端类型也具有很高的识别率。