计算机科学与探索杂志

计算机科学与探索杂志2019年第3期

• 融合协同过滤与上下文信息的Bandits推荐算法

  王宇琛，王宝亮，侯永宏

  随着推荐算法在众多领域的广泛应用，冷启动问题得到了越来越多的关注。针对仅可获得老用户对商品文字评价的场景，提出了一套解决用户冷启动问题的方案与算法。首先通过分析发现了文章主题提取与基于商品评价提取特征的相似性，因此引入自然语言处理领域的LDA（latent Dirichlet allocation）生成模型提取商品潜在特征；然后在传统Bandits算法的基础上融入邻居用户的协同作用提出了COLINBA（collaborative filtering context linear Bandits）算法，该算法通过相似度权重因子控制邻居用户对推荐结果的贡献，使得协同作用更加精确有效，推荐完成后根据用户真实反馈以及所推荐商品的特征更新用户特征。最后采用真实数据集Delicious和Last.fm将该算法与该领域的最新方法进行比较，实验结果表明该算法对推荐效果有提升作用。

• 国家高性能计算环境事件流系统的设计

  赵一宁，肖海力

  国家高性能计算环境是由中国众多国家级计算中心和高校的计算集群聚合而成的大型高性能计算环境，为国内研究人员提供优质计算资源。出于维护环境正常稳定运行的目的，环境管理人员需要获取环境内部所发生的各种事件信息，以确保及时迅速地对环境产生的问题进行处理。针对这种需求，设计了国家高性能计算环境事件流处理与分发系统，用于对环境各类事件进行收集和按类型分类，最终提供给对事件有需求的环境应用。在该系统中，事件工厂模块负责对环境的各种事件进行格式解析以及初步过滤和处理等加工工作，然后将加工过的事件封装为统一的接口格式对外发布。初步实现了事件流系统的各部分功能，将其部署到国家高性能计算环境中，并对该系统的事件处理延时进行测试。实验结果表明事件处理过程的延时很低，可以满足对事件时效性的要求。

• 加权好友推荐模型链路预测算法

  钱付兰，杨强，马闯，张燕平

  链路预测是复杂网络的一个重要研究方向。基于节点结构相似性进行链路预测是目前常用的方法。真实网络中存在大量的局部群落结构，针对不同的网络结构构建算法是链路预测的核心问题。利用社交网络好友推荐策略，中介人倾向于将自己更熟悉的人介绍给目标用户，提出了一种节点相似性度量指标。该指标结合局部特征描述并有效区分了用户节点之间影响力的不同，更适用于一类特定的局部群落结构。依据该指标提出的加权好友推荐模型链路预测算法在12个数据集上的实验结果表明，该算法在AUC和Precision两个评价标准上具有明显优势。

• 多方强隐私保护记录链接方法

  佟丹妮，申德荣，韩姝敏，聂铁铮，寇月，于戈

  链接跨组织数据库中表示同一实体的记录，同时保护存储在这些数据库中实体的隐私，是安全有效地整合多源数据资源的核心技术之一。然而，已有隐私保护记录链接（privacy-preserving record linkage，PPRL）技术中的分块方法不能同时保证高查全率和高查准率，强隐私性的匹配方法存在时间代价过大的不足，且对多于两个数据库间的匹配研究很少。针对上述问题，提出了一种多方强隐私保护记录链接方法（multi-party strong-privacy-preserving record linkage，MP-SPPRL）。首先，提出了一种局部敏感哈希（locality sensitive Hashing，LSH）结合后缀分块的二次分块方法，并引入分块分散度调节两次分块，在保证MP-SPPRL高查全率的前提下有效地提高了查准率；接着，利用滑动窗口合并分块生成候选记录组，保证MP-SPPRL的容错率；然后，采用基于同态加密的Hamming距离计算方法，设计了一种适用于大型数据的基于安全多方计算（secure multi-party computation，SMC）的可伸缩多方记录匹配算法，通过缩减加密记录数量和提前终止不可能匹配的候选记录组的距离计算，显著降低了匹配的时间代价，提高了MP-SPPRL的效率；最后，通过大量实验验证了MP-SPPRL的高查全率、高查准率和高效性。

• 障碍空间中基于网格的不确定数据聚类算法

  崔美玉，万静，何云斌，李松

  为了解决已有研究成果无法有效解决动态障碍空间中的不确定数据聚类问题，根据障碍集合是否发生变化，分别解决静态障碍和动态障碍空间下的聚类问题。提出了静态障碍空间中的不确定数据聚类算法（DBSCAN clustering algorithm for static obstacles in grid space，STA_GOBSCAN）、障碍物动态增加情况下的不确定数据聚类算法（DBSCAN clustering algorithm for dynamic increase of obstacles in grid space，DYN_ GOCBSCAN）、障碍物动态减少情况下的不确定数据聚类算法（DBSCAN clustering algorithm for dynamic reduction of obstacles in grid space，DYN_GORBSCAN）和障碍物动态移动情况下的不确定数据聚类算法（DBSCAN clustering algorithm for dynamic movement of obstacles in grid space，DYN_GOMBSCAN），采用KL距离对不确定数据进行相似性度量，并利用网格对数据空间进行划分。理论研究和实验结果表明所提出的算法具有较高的效率和准确率。

• 采用PUF保护位置隐私的轻量级RFID移动认证协议

  孙子文，李松

  将RFID（radio frequency identification）技术应用于供应链管理，可极大提高供应链系统的识别效率和商品信息的追溯能力。EPC C1G2（electronic product code class 1 generation 2）标准凭借远距离识别和低成本标签的价格优势成为供应链中应用最广的协议标准。针对低成本标签的安全和隐私问题，采用PUF（physical unclonable function）作为密钥生成机制以抵御攻击者假冒攻击，实现商品的防伪保护；引入对读写器身份的安全认证，以适应供应链中移动认证的应用环境；采用二次剩余定理和不断更新的共享密钥机制实现标签的前向和后向不可追踪性，保护标签携带者的位置隐私。仿真结果表明，服务器的识别效率为O(1)，满足供应链对RFID系统可拓展的应用要求。

• V-NDN中PBDA攻击的检测与缓解方法的研究

  庞滨，张茹，李茹

  命名数据网络是下一代重要的网络体系结构之一。然而，命名数据网络和车辆自组织网络结合时会产生一种新的攻击模式——兴趣包涟漪式广播扩散攻击。针对兴趣包涟漪式广播扩散攻击，提出基于节点间协作的缓解策略，节点通过直接和间接交换PIT表信息得到邻居节点的PIT表，并将邻居节点不同时刻PIT表项与自身PIT对应表项进行比较来丢弃恶意兴趣包，从而保证正常的网络服务。实验结果表明该检测和缓解方法能够提高兴趣包满足率。

• 改进的ABE在公有云存储访问控制中的研究

  许萌，鲍安平，吕湛山

  在云存储访问控制领域，属性基加密算法（attribute-based encryption，ABE）是一种极具应用前景的密码体制。ABE不仅可以保证云计算环境下的信息安全性，同时提供了灵活的访问控制机制。当前ABE在安全性上主要面临密钥托管问题（key escrow problem）的威胁，并且由于涉及大量双线性配对，在计算效率方面不尽如人意。设计了一种改进的ABE算法，通过私钥的分布式生成解决了密钥托管问题。同时改进的算法无需进行双线性配对，在计算效率上相比已有的ABE算法有所提升。通过将算法规约至计算Diffie-Hellman问题（computational Diffie-Hellman problem，CDH）的难解性上，证明了该方案在随机预言机模型下能够抵抗选择密文攻击。

• 改进的差分搜索算法的医学图像配准

  桂鹏，邵党国，祝晓红，相艳，王硕，马磊

  基于互信息的医学图像配准具有精度高、鲁棒性强等特点，但互信息存在一定的局部极值，加上面对噪声图像时曲线往往不平滑，给优化过程带来了很大的困难。针对此问题，提出一种改进的差分搜索算法（modified differential search algorithm，MDSA），对交叉累计剩余熵（cross cumulative residual entropy，CCRE）进行寻优。该MDSA对原始差分搜索算法模型的搜索范围和迭代条件进行了改进，使得寻优过程更加稳定、高效。改进后的MDSA具有控制参数简单，不依赖于初始点选择，合理的搜索方向和边界控制策略等优势，有着优秀的全局和局部寻优能力。将该方法应用于医学图像刚体配准，结果证明MDSA相比差分搜索算法，能够有效地克服互信息函数存在的局部极值，提高了配准的成功率，具有较高的配准精度和较快的配准 速度。

• 方差正则化的分类模型选择准则

  房立超，王钰，杨杏丽，李济洪

  在传统的机器学习中，模型选择常常是直接基于某个性能度量指标的估计本身进行，没有考虑估计的方差，但是这样的忽略极有可能导致错误模型的选择。于是考虑在分类模型选择研究中添加方差的信息的方法，以提高所选模型的泛化能力，即将泛化误差性能度量指标的组块3×2交叉验证估计的方差估计作为正则化项添加到传统模型选择准则中，提出了一种新的方差正则化的分类模型选择准则。模拟和真实数据实验验证了在分类模型选择问题中，提出的模型选择准则相比传统方法选到正确分类模型的概率更大，验证了方差在模型选择中的重要性以及提出的模型选择准则的有效性。进一步，理论上证明了在二分类问题的模型选择中，该模型选择准则具有选择的一致性。

• 显隐信息协同的多视角极限学习模糊系统

  张特，邓赵红，王士同

  多视角数据正在越来越多地应用于各种建模任务，但当前的多视角模糊系统建模方法，主要集中于实现各个显性视角的合作，还未能充分探讨和利用各视角间共享的隐信息。针对此，对如何引入各个显性视角共享的隐空间信息来实现显隐视角协同的模糊系统建模进行了研究。具体地，基于岭回归极限学习模糊系统（ridge regression extreme learning fuzzy system，RR-EL-FS）模型，引入隐空间信息实现显隐视角协同学习来对RR-EL-FS进行学习，最终开发出具有显隐视角协同功能的岭回归极限学习模糊系统预测模型（ridge regression extreme learning fuzzy system with cooperation between visible and hidden views，RR-EL-FS-CVH）。该方法较之以往相关的多视角建模方法能更好地利用隐空间的有效信息，从而能够进一步提高受训模型的泛化性能。大量的实验结果亦验证了所提方法的有效性。

• 进化信息引导的烟花差分混合多目标算法

  黄辉先，胡拚，丁灿，张广炎，刘嘉婷

  烟花算法是一种有效启发式群智能算法，但基本的烟花算法只能解决单目标问题，个体间缺乏信息交流，进化过程中有用信息没有得到充分利用。为提高烟花算法的综合性能，并使其能够应用在多目标优化问题（multi-objective optimization problems，MOPs）上，提出一种基于粒子进化信息引导的自适应多目标烟花差分混合进化算法（multi-objective hybrid optimization algorithm of fireworks and differential guided by evolution information，MOHFWDE）。利用Pareto前沿个体的进化信息引导种群进化，加快算法收敛速度；在烟花算法中引入差分算法的变异算子、交叉算子替换原有高斯变异算子，增强个体间的信息交流。与其他算法进行对比仿真实验，结果表明MOHFWDE具有良好的收敛性、分布性和逼近性。

• Schur分解的快速零水印算法

  刘万军，孙思宇，曲海成

  为解决奇异值分解水印算法中所产生高虚警、鲁棒性不强以及安全性不高的问题，提出一种基于矩阵Schur分解的双重加密快速鲁棒零水印算法。该算法先将原始图像低频块进行矩阵Schur分解得到稳定值；提取Schur分解的块上三角矩阵对角线元素中含有最大能量元素的绝对值，并将其构造过渡矩阵；将该矩阵的平均值与每一个元素值进行比较生成感知哈希二值序列，构造特征矩阵；再将经过混沌映射加密的特征矩阵与斐波那契（Fibonacci）变换加密后的水印信息进行逻辑运算得到零水印；最后在第三方版权认证中心（intellectual property rights，IPR）完成注册。实验表明，在随机载体图像中所提取的水印[NC]值均在0.5以下，有效地解决高虚警问题；与基于整数小波变换的鲁棒零水印相比，抵抗噪声攻击的性能提高了2.43%；与时域水印算法相比，抵抗JPEG压缩攻击的性能提高了4.88%。

• 修剪中值检测的自适应加权中值滤波算法

  陈家益，战荫伟，曹会英，吴兴达，李小飞

  针对现有算法在噪声检测与噪声滤除性能上的缺陷，提出修剪中值检测的自适应加权中值滤波算法。算法利用噪声的灰度特征，根据灰度最值0和255检测噪声，再根据邻域像素的相关性以及在灰度上的近似性，做进一步的噪声检测。根据邻域像素之间的相关性随距离的增大而减小的特性，对邻域中的信号像素分别赋予不同的加权系数，取加权中值以滤除噪声。算法去噪的邻域大小，随噪声密度和分布自适应地变化。通过去噪图像的主观视觉效果以及客观的去噪性能指标PSNR（peak signal to noise ratio）和IEF（image enhancement factor），仿真实验证明，所提出的算法相对于现有的算法具有更好的去噪性能，特别对于滤除高密度噪声，具有显著的优越性。

• 直觉模糊序决策系统的部分一致约简

  杜文胜

  直觉模糊决策系统是模糊决策系统的扩展，其中条件属性值均为直觉模糊元。讨论属性值之间带有序关系的直觉模糊决策系统，即直觉模糊序决策系统。首先，引入直觉模糊序决策系统的部分一致约简，并证明了在一致直觉模糊序决策系统中，部分一致约简恰为相对约简，因此部分一致约简是相对约简在不一致直觉模糊序决策系统中的扩展。其次，给出求解直觉模糊序决策系统全部部分一致约简的部分一致辨识矩阵和辨识函数。然后，介绍了部分一致约简的两种等价形式：下约简和下近似约简。最后，用实例验证了约简计算方法的可行性。

• 粗糙集的Mallow's Cp选择算法

  杨贵军，于洋

  粗糙集选择是粗糙集实证研究中的关键步骤。目前常用的粗糙集择优标准是误判率。考虑到误判率准则未考察粗糙集的复杂度，存在过拟合风险，在测试集中误判率小的粗糙集不一定具有最强的泛化能力，引入Mallow’s Cp准则作为一种新粗糙集选择标准。粗糙集的Mallow’s Cp选择算法通过Logistic模型将非线性的粗糙集分类规则表达为线性形式，Logistic模型的Cp值作为粗糙集的Cp值，根据Cp值进行粗糙集择优。实际应用显示，粗糙集的Mallow’s Cp选择算法能够筛选出泛化能力强的粗糙集，相较误判率准则选出泛化能力强的粗糙集的频率更高。特别当多个粗糙集的误判率差异小时，新算法更可能选出泛化能力强的粗糙集。粗糙集的Mallow’s Cp选择算法兼顾了粗糙规则的分类准确性与复杂度，能够更好地选择泛化能力强的粗糙集。

• 软决策分析方法及其在智能推荐中的应用

  陆汝华，张家录，钟嘉鸣

  引入基于软集的软命题逻辑公式，给出软命题逻辑公式的语义解释，软集中的参数是原子公式，参数的函数值是原子公式的赋值集。将决策信息系统转化为决策软集，而软决策规则表示为由原子公式组成的蕴含逻辑公式。引进基本软真度、条件软真度、绝对软真度等概念，从充分性、必要性、合理性等不同方面来评价软决策规则，提出基于决策软集的典型软决策规则提取算法。将基于软集的软决策规则分析方法应用于智能推荐，给出基于软决策规则分析的推荐算法，实际例子和数值实验表明提出的算法是有效的。