计算机科学与探索杂志

计算机科学与探索杂志2019年第9期

• 动态社会网络数据发布隐私保护方法

  董祥祥，高昂，梁英，毕晓迪

  社会网络数据发布具有动态性与不安全性，为避免使用不同时刻的社会网络数据进行关联攻击，兼顾节点属性多样性，提出了一种动态社会网络数据发布隐私保护方法。首先，根据匿名规则进行节点聚类，求解当前时刻的匿名图，保证同一个匿名集中节点属性多样性最大的前提下，数据发布后的节点属性与边的泄露概率均小于1/k。然后，生成相邻时刻数据关系图的差集，结合当前时刻的匿名图，删除前序时刻不存在的节点与边，逆向更新已发布数据，保证不同时刻下的匿名图具有相似的图结构，抵御关联攻击。最后，采用新浪微博数据和邮件往来数据进行实验验证，对所提方法的安全性和可用性进行评估。实验结果表明所提方法兼顾了用户数据隐私保护和数据可用性的个性化需求。

• 元路径选择和矩阵分解的跨社交网络链路预测

  王瑶，寇月，申德荣，聂铁铮，于戈

  基于多源社交网络上的用户信息实现跨网络链路预测具有重要的意义，有助于进行用户推荐、行为分析、偏好推荐。传统的链路预测技术仅考虑社交网络上的局部结构特征，有些网络规模庞大、节点稀疏、存在大量孤立点，易导致建模困难、计算效率低等问题。基于此，提出了一种基于元路径选择和矩阵分解的跨社交网络链路预测方法。首先，根据跨社交网络中用户间的社会关系构建一个网络图；然后，利用元路径的节点活跃度和边的活跃度自动提取特征；接下来，利用矩阵分解将目标类型对象相关的元路径信息在低维空间上显示；最后，利用集成分类方法对链接模型进行优化。实验数据表明，提出的链路预测方法具有较高的准确性。

• 移动情景和用户轨迹感知的众包服务推荐

  姜芸，何伟，崔立真，杨倩，刘磊

  随着移动互联网的快速发展和智能终端设备的迅速普及，服务类型与服务内容的日新月异，为移动用户带来严重的移动信息过载问题，如何为用户提供更好的服务推荐是亟待解决的难题。提出了一个移动情景和用户轨迹感知的众包服务推荐策略，首先对历史日志中的位置坐标通过聚类算法聚合成区域，然后挖掘出用户在不同移动情景下的轨迹模式，进而提取出移动规则并判断每条规则所属的情景；在进行众包服务推荐时，通过实时感知到的位置轨迹和移动情景信息，预测用户即将到达的位置区域，从而将区域内的众包服务推送给该用户。提出的预测方法避免了额外增加用户执行任务的时间、行程、费用等成本，给用户推荐更适合的任务，提高用户服务满意度。

• 中文关键短语自动提取方法研究

  荣垂田，李银银，王琰

  SegPhrase算法是当前提取关键短语最新的技术，其提取关键短语的结果比传统方法具有更高的准确率和召回率。但是SegPhrase算法在关键短语的提取和质量评估方面还存在一些缺陷。为了提高关键短语提取的质量，实现对中文关键短语的有效提取，对SegPhrase算法进行了改进。在短语产生阶段，通过利用词串之间的互信息特征保留部分低频但关键的短语；在短语质量评估阶段，通过赋予不同特征不同的权重来对短语进行综合评估，选择更符合实际应用语境的短语。最后，为了验证提取的关键短语的质量，将提取的关键短语应用于文档主题分析。通过实验证明，改进的SegPhrase算法比原方法具有更高的召回率和准确率，该方法提取的关键短语的主题分析比基于关键词的主题分析更能够清晰准确地表达文档主题信息。

• 虚拟化模型驱动的分布式数据湖构建方法研究

  谭景信，刘玉龙，李慧娟

  提出了适应工商联业务服务对象分布广、类型多、不确定性强等特点的虚拟化模型驱动的分布式数据湖构建方法，给出了分布式数据湖的整体架构设计，定义了适应分散、碎片化数据收集场景的数据虚拟化模型和模型驱动下的数据库间协作流程；通过构建虚拟化的全局数据索引网络，实现边缘数据库节点、二级区域数据库节点和中央数据库节点的库间路由和协调一致，形成去ETL化和去中心化的辐射型分布式数据湖，缓解了集中式数据湖构建方法所存在的数据更新时效性差、存储需求量大、频繁搬运大量数据耗费大量带宽、经济性差等诸多问题。对比测算表明，所提方法既满足了工商联分析业务对大数据的需求，又很好满足了实时处理业务对鲜活数据的需要，减少了数据搬运成本，提升了经济性。

• 面向子图匹配的社会网络隐私保护方法

  张晓琳，袁昊晨，李卓麟，张换香，刘娇

  云平台作为存储和处理分析大规模社会网络数据的工具逐渐变为主流，针对大规模社会网络子图匹配隐私保护问题，提出分布式K-自同构社会网络隐私保护算法，保护上传至云平台的社会网络图的结构隐私。通过节点间传递标记信息的方式添加噪声边，使原始图匿名为具有k个对称子图的K-自同构社会网络图。提出分布式的子图匹配方法对上传图进行子图匹配，根据搜索图中节点的选择性对搜索图进行分解得到搜索分解子图；在每个计算节点内进行分布并行的子图匹配得到搜索分解子图匹配结果，将结果连接后得到关于搜索图的匹配结果；在客户端中根据K-自同构社会网络图的对称性和K-自同构函数对得到的子图匹配结果进行恢复和过滤得到正确匹配结果。实验结果表明：分布式K-自同构社会网络隐私保护算法和分布式子图匹配方法在处理大规模社会网络图时具有很高的效率，并且有效解决了隐私泄露问题。

• 多路反馈型两级交换结构

  申志军，陶东华，高静

  为解决反馈型两级交换结构中算法可执行时间不足的问题，提出一种多路反馈型两级交换结构MFTS。该结构通过两级crossbar将中间缓存的状态数据反馈到输入端口，输入端口基于处理后的数据提前开始进行算法调度；通过相邻输入端口之间的通信链路使得任一输入端口都能获得邻端口的调度信息，基于该信息和crossbar连接模式的固有特性对调度算法的结果进行终裁，将终裁结果作为最终的算法调度结果。相对于现有方案，MFTS在避免数据包冲突和数据包失序问题的前提下将调度算法可执行时间提高两倍，这使其可支持更大交换规模和更高的端口速率。

• 车联网蠕虫的随机传播模型

  周翰逊，杨阳，冯润泽，熊俊坤，万明，郭薇

  基于随机过程理论提出车联网蠕虫的随机传播模型。对于车联网蠕虫的建模分为没有安全软件防护的理想车联网环境和有安全软件防护的现实环境两种情况。在理想情况下，基于Galton-Watson分支过程对于车联网蠕虫进行了数学建模，并且证明车联网蠕虫传播的灭绝概率只与车流有关，而与车流的概率分布形式无关；在现实情况下，当高速公路车流符合泊松分布时，基于排队论对于车联网蠕虫进行了建模，并且研究了其稳定性条件。当高速公路车流符合正态分布时，基于马尔可夫链对于车联网蠕虫进行了建模。最后，通过仿真实验验证了车联网蠕虫的随机传播模型。

• 基于长时信号功率谱变化的语音端点检测

  张涛，刘阳，任相赢

  语音端点检测是语音信号处理的基础，为了提高在低信噪比及非平稳噪声下语音端点检测的准确性，提出了一种基于长时信号功率谱变化的语音特征，利用阈值判决法验证了这一特征在语音端点检测中的应用前景。该方法首先统计信号在长时段下功率谱的变化量；然后进行阈值判决，在初始化后可依据每次的判决结果自适应更新阈值；最后通过投票决策机制来判定当前是否为语音帧。仿真结果表明，与两种经典的基于长时特征（长时段信号变化率和长时段信号谱平坦度）的语音端点检测方法相比，所提方法在不同噪声环境及信噪比下，均具有更高的检测准确率，尤其在非平稳噪声条件下的检测效果提升明显，例如在机枪噪声环境下，平均检测准确率提高超过10%。

• 大规模动态网络的相似性度量方法研究

  王佳，武志昊，赵苡积，林友芳

  复杂网络相似性度量在异常检测、状态划分等网络分析应用中起着至关重要的作用。近年来，静态网络相似性受到学者的广泛关注，但在实际场景中，网络结构往往会随着时间的推移不断演化，网络规模也会逐渐增大，如何快速且准确地评估动态网络之间的相似性面临巨大的挑战。基于静态网络的谱距离方法尽管取得了不错的效果，但对于大规模动态网络而言计算成本很高。为了解决这一问题，提出了一种快速计算动 态网络相似性的方法。该方法基于矩阵扰动理论估算动态网络特征值的变化进而计算网络的相似性，具有线性复杂度。在人工数据集与真实数据集上的实验表明，提出的方法在保证准确率的基础上有效降低了计算复杂度。

• 具有抗噪性能适用高维数据的增量式聚类算法

  邵俊健，王士同

  针对含有噪声的高维数据的聚类问题，提出一种使用新的距离度量方式的增量式聚类算法ANFCM(c+p)。由于传统的模糊C均值聚类算法对初始化聚类中心比较敏感，所提出的聚类算法将单程FCM的增量机制（称为SpFCM）与FCPM中使用的初始化聚类中心的策略相结合，即将先前数据块的聚类中心附近的几个样本点添加到下一个数据块进行聚类，以避免FCM对噪声的敏感性。此外，所提出的聚类算法使用一种新的改进后的距离度量的同时，使用修正后的约束条件和目标函数。通过以上改进，可以有效区分已知类和未知类在算法中的不同影响程度,并加强类之间的相互影响程度。实验结果表明，该算法对高维噪声数据具有很好的聚类效果和鲁棒性。

• 微生物动力学优化算法

  陆秋琴，黄光球

  为了解决一类函数优化问题，利用带时滞影响的混杂食物链微生物培养动力学理论提出一种微生物动力学优化（MDO）算法。在该算法中，假设有多个微生物种群在一个培养系统中培养，微生物种群的生长不但受注入到培养系统中的培养液流量、营养物质和有害物质的浓度影响，而且受种群之间相互作用的影响；定期注入的培养液会突然增加营养物质和有毒物质的浓度，从而会突然加大对种群的影响。利用上述特点构造出了吸收算子、攫取算子、混杂算子和毒素算子；利用这些算子和种群的生长变化，能够快速求解优化问题的全局最优解。仿真实验结果表明，MDO算法对求解维数较高的优化问题具有一定的优势。

• 无线城市社团发现的研究——在Spark上利用改进关联规则实现社团发现的算法

  王永贵，徐山珊，肖成龙

  社团发现算法存在生成结果冗余及时间复杂度高等问题，虽然关联规则是解决社团发现问题的有效方法，但面临大量迭代计算的瓶颈。针对上述问题进行了研究，提出了一种改进社团发现的SIACD算法。该算法引入MAC地址和布尔矩阵的概念对数据进行预处理，利用基于项数的布尔向量交运算改进Apriori算法，再基于Spark实现算法并行化计算，通过关联规则的方式挖掘无线社团数据。实验结果表明，SIACD算法解决了生成结果冗余、复杂度高、迭代计算等问题，提升了社团发现的挖掘速度，提高了对大数据的处理能力。

• 改进的卷积神经网络在医学图像分割上的应用

  刘辰，肖志勇，杜年茂

  为了提高医学图像分割的精确性和鲁棒性，提出了一种基于改进卷积神经网络的医学图像分割方法。首先采用卷积神经网络对冠状面、矢状面以及横断面三个视图下的2D切片序列进行分割，然后将三个视图下的分割结果进行集成，得到最终的结果。其中卷积神经网络由编码部分、双向卷积长短记忆网络（BDC-LSTM）和解码部分组成。为获取多尺度信息，扩大卷积层的感受野，编码部分使用不同大小的非对称卷积层和空洞卷积。此外，在编码和解码部分之间使用BDC-LSTM，充分挖掘单视图下切片序列间的相关信息，从而提高分割精度。以海马体分割为例，在ADNI标准数据集上，以相似性系数、灵敏度和阳性预测率作为评判标准，准确率分别达到了89.36%、88.73%和90.16%。实验结果表明，该算法在准确率上更具竞争力。

• 连续负梯度方向获得共轭方向的六寻优化方法

  尹晓丽，孙凤，李春明

  连续两次沿负梯度方向寻优可获得共轭方向，对于一般二次目标函数，从两个角度对该现象进行了理论证明。鉴于为诸多研究领域优化问题的解决提供更多更有效的优化方法，将其推广于一般目标函数，提出了基于辅助方向的共轭方向法、三寻法和六寻法。连续三次沿负梯度方向寻优，然后沿所获得的两个共轭方向分别寻优，最后沿上述两个最优点连线进行第六次寻优，从而完成一轮寻优。给出了六寻法和用于三维优化问题的模块化一维盲人探路法C语言计算程序，并用解析法验证了程序的正确性。以一般的二次三维目标函数和Rosenbrock目标函数为例，验证了六寻法的有效性。其寻优效果比负梯度方向法好，两个算例的计算量分别减小28.70%、54.25%。六寻法可用于求解目标函数梯度可求的多维无约束优化问题。

• 三维单粒子态的双向受控隐形传态

  彭家寅

  以事先分享的两个广义最大纠缠GHZ态为量子信道，提出了一个三维单粒子态双向受控隐形传态协议。在该协议中，遥远的两方可以在第三个遥远方的控制下同时、确定性地交换他们的三维单粒子态，这种交换在没有控制者的许可下是不会成功的。为了推广这一协议，采用投影测量和正算子值测量，分别提出了两个双向受控的三维单粒子态隐形传输协议。在这两个协议中，两个广义非最大纠缠GHZ态被用作量子信道来连接三个合法参与者，量子任务总能以一定的概率来完成。