计算机科学与探索杂志

计算机科学与探索杂志2020年第12期

• AUV路径规划算法研究现状与展望

  郭银景，孟庆良，孔芳，吕文红

  路径规划算法是自主水下航行器（AUV）完成水下自主巡航的核心算法之一。分别综述了基于环境建模和路径搜索两类AUV路径规划算法。阐述了栅格法、可视图法和维诺图法等环境建模方法的国内外研究现状，并指出了它们的优缺点。对前人在人工势场法、快速步进法和A*算法等传统路径搜索算法方面的研究成果进行分析，并与近期粒子群优化算法、蚁群算法、遗传算法和人工神经网络算法等智能仿生学路径搜索算法进行比较。分析发现，面对复杂水下环境因素的影响，提高算法在海流、复杂障碍物等三维海洋环境中的实用性，从而实现AUV的高效避障和节约能耗是路径规划算法研究的重点。最后对AUV路径规划算法在智能化发展、融合、多AUV协作以及向广域探测的AUV远程化方向发展等方面的研究趋势进行展望。

• 智能规划分解的发展与应用研究

  李丽，王大勇

  智能规划是人工智能的一个重要分支。规划分解是智能规划研究的一个不可或缺的组成部分，为提升规划速度，缩小规划扩张规模起到了关键的作用。对智能规划中分解算法进行了广泛而深入的研究，较为全面地介绍了规划分解的发展历程。阐述和分析了规划分解问题的一般形式，并以多种角度对规划分解进行了分类，着重介绍了规划分解的一些关键技术和热门应用。从传统方法、抽象层次、约束可满足、子目标排序等方面分别介绍了所采用分解方法的主要内容和优势。应用领域包括规划算法的改进、多智能体系统、软件测试用例生成、大型马尔可夫决策过程的求解等。对现有规划分解存在的问题和不足进行了归纳总结，并分析了未来的发展方向。

• 复杂3D空间中的3DR46模型的表示与推理

  郝晓红，李松，郝忠孝

  为了弥补已有方法在处理3D方向关系方面的不足，提出了3DR46方向关系模型，可有效表示和区分246种复杂的3D方向关系；为了处理3D方向关系的动态性，基于所提模型研究了3DR46方向关系模型的动态关系，给出了动态方向块的动态邻接关系，进一步提出了检验动态方向关系连续性的检验算法，对方向关系的连续性进行有效校验可提高判定预测的准确性。针对一些连续的无分离部分的形状规则的单纯3D目标对象，为了对复杂3D方向关系进行降维处理，提出了3DR46方向关系模型对应的双向映射关系。进一步进行了方法比较和实验分析。理论研究与实验表明，研究成果较适合处理复杂的3D动态方向关系和复杂方向关系的推理问题，增强了空间数据库对3D方向关系的表示和智能分析能力。

• DE-ELM-SSC+半监督分类算法

  庞俊，黄恒，张寿，舒智梁，赵宇海

  演化算法和分析方法的结合是机器学习领域近几年的一个研究热点。研究如何将差分进化（DE）演化算法与基于超限学习机（ELM）的半监督分类算法相结合。首先，提出了一种基于DE和ELM的半监督分类方法（DE-ELM-SSC），该算法大致步骤为：采用多种差分进化策略对超限学习机输入权重和偏置参数进行优化，并根据均方根误差选出一个适合目标数据集的最优策略；将上一步选出的最优进化策略应用于DE算法，从而达到优化ELM网络参数的目的；为了构造半监督分类预测模型，采用Tri-training技术实现了三个改进ELM基分类器的协同训练。然后，采用非线性方法改进现有惯性策略方法，实现了缩放因子自适应调整，从而优化了DE-ELM-SSC算法，得到DE-ELM-SSC+算法。UCI标准数据集上的大量实验结果表明，DE-ELM-SSC+算法能根据数据集选择合适的进化策略，并自适应调整缩放因子，获得比Baseline方法更高的分类准确率。

• 改进的阵列处理器数据Cache实时动态迁移机制

  冯雅妮，蒋林，山蕊，刘阳，张园

  片上分布式存储结构满足了阵列处理器对访存提出的高并行性要求，一定程度上缓解了“存储墙”问题。但是，在远程访问情况下，分布式存储结构存在的长延迟问题仍然十分突出。针对该问题，设计了一种改进的基于分布式数据Cache的实时动态迁移机制，采用四级全互连和迁移互连，以数据访问频率为依据对远程数据进行动态调度，有效降低了远程访存的延迟。并基于阵列处理器分布式Cache结构，通过运动补偿等典型算法的并行实现，对所提出的实时动态迁移机制进行全面验证测试。实验结果表明，采用实时动态迁移机制的分布式Cache在166.9 MHz的工作频率下，最高可提供10.68 GB/s的访存带宽。与同类结构相比，远程访问延迟降低了46.5%。

• 抗货币失效的区块链钱包保护协议研究

  周健，孙丽艳，付明

  区块链钱包保护是区块链中的安全交易基础，私钥是钱包安全的核心，私钥不能基于可靠第三方进行保护，因此私钥丢失或被盗将导致客户财产的损失。针对该问题，提出一种分布式钱包保护和恢复机制，通过门限密钥机制根据网络规模将钱包私钥分成多份密钥碎片，即使密钥持有者离线，门限数量的持有者为新成员分配密钥碎片，保持密钥碎片更新的同步，当密钥丢失后，超过区块链成员规模半数的私钥碎片能够保证私钥的恢复，动态的门限机制设计使得攻击者必须成功攻击半数成员以上才能窃取钱包私钥。基于哈希值的碎片密钥树能够快速检测出规模小于规定数量的密钥碎片，消除网络中失效的密钥碎片，保证全局私钥的完整性。建议方案证明通过安全存储方式保护钱包是可行的。

• 多通道自编码器深度学习的入侵检测方法

  杨杰，唐亚纯，谭道军，刘小兵

  针对现有的入侵检测方法在检测准确率和误报率方面存在的不足，提出了一种多通道自编码器深度学习的入侵检测方法。该方法分为无监督学习和有监督学习两个阶段：首先分别采用正常流量和攻击流量训练两个独立的自编码器，其重构的两个新特征向量与原始样本共同组成多通道特征向量表示；然后利用一维卷积神经网络（CNN）对多通道特征向量表示进行处理，学习通道之间可能的依赖关系，用于更好地区分正常流量和攻击流量之间的差异。该方法将无监督的多通道特征学习和有监督的跨通道特征依赖学习有机地结合起来，用于训练灵活有效的入侵检测模型，达到极大地提高模型检测准确率的目的。同时，为了优化CNN的超参数并提高网络对通道间依赖关系的辨识效果，利用遗传算法自动寻找CNN模型的最优拓扑集合。实验结果表明，该方法在多个数据集中获得了良好的结果，比其他入侵检测算法具有更好的预测准确性。

• 恶性肿瘤与工业污染之间的模糊关系挖掘

  储传鑫，王丽珍，周丽华，李旭阳

  恶性肿瘤是危害人类健康的重要疾病之一，运用数据挖掘技术挖掘恶性肿瘤与各种致病因素之间的关系受到越来越多的关注。在实际中，肿瘤疾病与致病因素之间的关系往往是模糊的，肿瘤疾病的发生也不只受单一因素的影响，但目前还没有针对上述问题的研究。为此，基于空间共存模式挖掘技术，结合模糊理论，提出了模糊共存模式的概念；运用聚类方法对污染源进行了模糊化处理；在进行规则提取时采用了决策表提取规则的方法，并设计了相应的置信度计算算法；最终提出了一种能够挖掘出多种肿瘤疾病与多种污染源之间模糊关系的新方法。通过在实际案例上的应用验证了提出算法的有效性，通过在合成数据集上的实验分析了不同参数对算法运行时间的影响，并对算法的时间效率进行了理论分析。

• 多特征像素级融合的遮挡物体6DoF姿态估计研究

  梁达勇，陈俊洪，朱展模，黄可思，刘文印

  为了解决目前机器人在物体被遮挡以及光照不足的环境下难以实现精准6DoF姿态估计的问题，提出了一个基于像素级特征融合的神经网络框架。该框架包含三个模块，分别为RGB特征提取网络模块、像素融合结构模块以及6D姿态回归网络模块。其中RGB特征提取网络主要用于分割目标物体并进行特征的提取；像素融合结构负责将RGB特征和三维多视角特征进行融合；最后一个模块将三维点云像素进行融合，并输出物体6D姿态结构。通过在YCB-Video数据集、LINEMOD数据集以及处理后的YCB-Occlusion数据集上的实验证明，所提出的像素级融合网络能在物体被遮挡以及物体点云数据丢失等情况下有效预测出物体的6D姿态，并且其计算效率在损失少量精确度的情况下比其他网络提高了上百倍，且具有较强的鲁棒性。

• 面向自闭症辅助诊断的联合组稀疏TSK建模方法

  张春香，王骏，张嘉旭，邓赵红，潘祥，王士同

  自闭症是一种神经发育障碍类疾病，其诊断过程存在着很大的不确定性。目前已有的面向自闭症诊断的建模方法没有针对诊断过程的不确定性进行有效研究。为此，以TSK模糊系统为基础，结合功能连接之间的关联信息，提出一种新型的不确定性联合组稀疏建模方法JGSL-TSK，并将其用于自闭症的辅助诊断。首先，对原始rs-fMRI数据进行预处理和特征提取，得到低维特征数据；然后，基于TSK模糊系统框架，从特征之间的相关性出发，在后件参数学习过程中引入联合组稀疏正则化项，从而引导同一规则内特征和规则之间特征的联合选择；最后，采用交替优化方法求解模型。与已有方法相比，该方法具有可解释性强、分类准确率高等优点，实验结果证明了该方法有利于自闭症的辅助诊断。

• 基于加权网格和信息熵的并行密度聚类算法

  胡健，徐锴滨，毛伊敏

  针对大数据下基于密度的聚类算法中存在的数据网格划分不合理，聚类结果准确度不高以及并行化效率较低等问题，提出了基于MapReduce和加权网格信息熵的DBWGIE-MR算法。首先提出自适应网格划分策略（ADG）来划分网格单元；其次提出邻居网格扩展策略（NE）用于构建每个数据分区的加权网格，以此提高聚类效果；同时提出加权网格信息熵策略（WGIE）来计算网格密度以及密度聚类算法的[ε]邻域和核心对象，使密度聚类算法更适用于加权网格；接着结合MapReduce计算模型，提出并行计算局部簇算法（COMCORE-MR），从而加快获取局部簇；最后提出了基于并查集的并行合并局部簇算法（MECORE-MR），用于加快合并局部簇的收敛速度，提升了基于密度的聚类算法对局部簇合并的效率。实验结果表明，DBWGIE-MR算法的聚类效果更佳，且在较大规模的数据集下算法的并行化性能更好。

• 动态外观模型和高阶能量的双边视频目标分割方法

  田颖，桂彦，熊达铭

  针对复杂场景下视频目标分割质量不佳和时间效率低下的问题，提出了一种动态外观模型和高阶能量的双边视频目标分割方法，将视频目标分割转换为基于双边网格单元的马尔可夫随机场（MRF）模型求解问题。首先将带关键帧标记的视频序列映射至高维的双边网格，极大地减少待处理的数据。然后以非空网格单元作为图的结点并构建图割优化模型，其关键在于定义了具有置信度判别的动态外观模型，并在能量函数中引入鲁棒的高阶能量项。最后利用最大流/最小割算法进行全局优化求解，为视频像素点分配二值标签，最终获得高质量的视频目标分割结果。采用DAVIS 2016和SegTrack v2数据的实验结果表明，该方法在提供少量用户交互的情况下，不仅能在处理具有复杂场景的视频时获得理想的视频目标分割结果，而且还能显著提高视频目标分割的时间效率。

• 稀疏重构和紧凑性结合的图像显著性检测

  张莹莹，葛洪伟

  针对复杂环境下，当前图像显著性检测算法难以正确检测显著物体的问题，提出结合稀疏重构误差和图像显著区域紧凑性计算图像显著性的方法。首先提取图像中的主结构以弱化背景噪声，并将处理后的图像分割成若干超像素。一方面利用边界超像素构建背景字典，将各个超像素投影在该字典上进行稀疏重构，利用重构误差得到基于稀疏重构的显著图；另一方面利用图像中显著物体的紧凑性分别计算基于前景、背景种子的显著图并融合。最后将由稀疏重构误差和紧凑性得到的显著图融合得到最终的显著图。在多个公开数据集上，将所提算法与近些年提出的13种算法进行对比实验，实验结果显示提出的算法优于所有对比算法。

• 融合深度网络的改进快速生成超像素算法

  盛家川，王佳媛，李玉芝，王君

  超像素是图像过度分割的结果，提供了图像数据的中间级表示，对计算机视觉等领域的研究具有重要意义。现有的超像素算法是不可微的，且深度网络通常在规则的网格上进行定义，导致目前生成超像素的算法大多基于手工提取的像素特征进行。提出融合深度网络的改进快速生成超像素算法，将深度学习网络嵌入到超像素的生成过程中，首先利用含多隐含层的深度网络进行图像像素特征的提取，然后通过K-means聚类方法计算初始种子点位置以改善分割结果，在此基础上通过主动搜索方法确保像素标签的正确性，最后得到超像素分割结果。在Berkeley数据集BSDS500上，使用BSDS的基准测评与其他文献的对比实验表明，所提出的算法在分割结果的紧凑性、规则性等性能方面相对较好。

• 基于低秩全变差正则化的高光谱异常检测方法

  徐超，詹天明

  高光谱遥感技术为探索地物提供了丰富的信息，为异常检测提供了更优质的数据源。但是在先验信息未知的情况下，进行异常检测仍是一项非常具有挑战性的工作。针对该问题，提出一种基于低秩和全变差正则化约束的高光谱数据异常检测方法。首先，对高光谱图像进行线性和非线性解混，得到两组丰度图像，将丰度图像与原高光谱图像进行融合。其次，根据背景区域在融合数据中的特征构建图像背景的字典，并建立图像的低秩表示模型。然后，由背景和异常目标各自特点，建立异常检测正则化模型。最后，对模型进行优化求解，得到异常检测结果。在真实高光谱数据中进行实验，实验结果表明该方法可获得较优的高光谱异常检测性能。

• 深度迭代卷积神经网络的快速脑部MRI重建算法

  杜年茂，宋威

  人体脑部MRI通常是多切片的，并且相邻切片间存在数据冗余。深度学习已经成为欠采样MRI重建领域的有力工具，然而目前基于深度学习的重建算法主要是针对单幅MRI图像。为了充分利用脑部MRI数据中的数据冗余，以获取更高的重建质量与加速因子，提出了一种深度迭代卷积神经网络（DICNN）。在每次迭代中，首先使用双向卷积模块（BDC）探索相邻切片间的数据冗余，然后用2D卷积模块（RNET）进一步探索单幅MRI切片内部的数据冗余。在单线圈的脑部MRI数据集上的仿真实验表明，提出的重建算法在不同欠采样因子下的重建效果优于基于单幅MRI图像的重建算法。该方法不仅能够有效地利用脑部MRI切片间的数据冗余，恢复更多的组织结构细节，还能进行实时的MRI重建，速度可达每秒49张。