计算机科学与探索杂志

计算机科学与探索杂志2020年第6期

• 支持向量机在智能交通系统中的研究应用综述

  林浩，李雷孝，王慧

  支持向量机（SVM）是一种基于统计学习理论的有监督机器学习算法，具有优秀的泛化和低数据要求的回归与分类建模能力，被广泛应用于智能交通系统的数据分析与挖掘建模中。首先对SVM算法的基本原理和开源工具进行了概述，其次重点综述了SVM算法在客流量、交通拥堵、交通事故和交通碳排放的回归预测应用，同时对交通状态判别、交通标志识别和交通事件检测进行了分类预测应用综述，并对比了其他在智能交通系统中被广泛应用的算法。然后分析总结了SVM算法优化方式和衍生算法的研究现状。最后对SVM算法在未来智能交通系统中的优化与应用趋势进行了展望。

• 模型化强化学习研究综述

  赵婷婷，孔乐，韩雅杰，任德华，陈亚瑞

  深度强化学习（DRL）作为机器学习的重要分支，在AlphaGo击败人类后受到了广泛关注。DRL以一种试错机制与环境进行交互，并通过最大化累积奖赏最终得到最优策略。强化学习可分为无模型强化学习和模型化强化学习。无模型强化学习方法的训练过程需要大量样本，当采样预算不足，无法收集大量样本时，很难达到预期效果。然而，模型化强化学习可以充分利用环境模型，降低真实样本需求量，在一定程度上提高样本效率。将以模型化强化学习为核心，介绍该领域的研究现状，分析其经典算法，并探讨未来的发展趋势和应用前景。

• 结合全局种子最优局部扩展的跨网络用户识别

  李想，申德荣，冯朔，寇月，聂铁铮

  跨网络用户匹配的目的是识别不同社交网络上属于同一用户的不同账户，在好友推荐、网络安全和链路预测等方面有重要意义。现有方法通常利用部分已知匹配用户，迭代识别其余待匹配用户。然而，目前大部分方法受限于已知匹配用户的数量，无法在较低的时间内精准地识别用户。提出了结合全局种子最优局部扩展的跨网络用户识别方法（GLE）。首先，为有效解决冷启动问题，提出了全局种子扩展模型（GSE）来丰富已知匹配用户数量；然后，为了在较低的时间代价上确保较高的准确性，提出了最优局部扩展模型来找到最优候选匹配对。最后，实验结果表明，该算法可显著提高用户识别的召回率和准确率，具有较低的时间开销，并解决了已知匹配用户数量不足时的识别问题。

• 非对称的异质信息网络推荐算法

  赵传，张凯涵，梁吉业

  异质信息网络作为一个新的研究方向，近年来在推荐系统领域引起了广泛的关注。目前基于异质信息网络的大部分相似度计算方法认为用户的相似关系是对称的，但是在实际中由于不同用户评分的物品数量不同，有时会导致相似关系出现非对称情况。为了能够更好地度量用户之间的相似关系，首先在均方差相似度公式的基础上，引入非对称系数刻画相似度的非对称性；然后根据元路径的特征赋予不同元路径权重，并将不同元路径的相似度结果进行加权以提高用户相似度的准确性；最后通过在矩阵分解模型中融合相似度信息与评分信息实现基于异质信息网络的评分预测推荐。在数据集上的实验结果表明，该算法在平均绝对误差和均方根误差两个评价指标上优于传统算法。

• 融合评论文本层级注意力和外积的推荐方法

  邢长征，赵宏宝，张全贵，郭亚兰

  在协同过滤算法中，基于评分数据的矩阵分解方法得到广泛应用和发展，但评分数据稀疏性问题影响了该方法的推荐质量。针对此问题，提出一种联合评论文本层级注意力和外积的推荐方法（RHAOR）。采用两个并行网络，分别处理用户评论集和物品评论集。对评论文本的内容应用主题级注意力机制，标记多组带有主题信息的单词（或短语），对评论集应用评论级注意力机制，标记有效的评论。采用外积为用户偏好和物品特征建立外积交互矩阵，并对此矩阵采用多层卷积神经网络提取外积交互特征。将外积交互特征引入改进的潜在因子模型（LFM）中，进行评分预测。实验结果表明，在Amazon和Yelp数据集上，提出的方法在均方根误差（RMSE）上优于传统基于评分和评论的方法。

• 面向私有二进制协议的报文聚类方法

  徐旭东，张志祥，张献

  报文聚类是协议逆向工程的主要步骤之一。针对私有二进制协议报文，目前的报文聚类方法存在报文向量化特征冗余的问题，而且传统聚类方法存在聚类中心和聚类簇数难以确定的问题。根据n-gram序列化的思想，构造报文的序列项-位置矩阵，从中挖掘频繁项，构造报文特征向量，有效去除了报文向量化中的序列噪声；采用轮廓系数指导分拆式层次聚类，避免了初始聚类簇数和聚类中心的选择，以实现无监督条件下的私有二进制协议报文的聚类。在AIS、DNS、ICMP、ARP四种协议共七类报文的数据集上测试，通过t-SNE可视化界面观察报文分布情况，特征向量化的方法具有很好的分布和特征表达效果；相较于传统的聚类方法，基于轮廓系数的分拆式层次聚类在纯净度和F1值上具有明显提升。

• 航空信息网络集中控制器部署优化策略研究

  冉金鹏，赵尚弘，王翔

  针对逻辑集中控制式软件定义航空信息网络架构下的控制器优化部署问题，提出了一种基于改进蝙蝠算法的控制器优化部署方法（OBA-CP）。以全局平均时延、全网中断概率和控制器负载失衡度为优化目标建立了多控制器部署问题的整数规划模型，在基本蝙蝠算法中引入变速度修正因子和高斯变异扰动，避免了陷入局部极值的困境，通过不断迭代进化研究航空信息网络中传输节点与控制器的优化分配方案。仿真实验结果表明，通过该方法寻优能够在保证算法快速收敛的同时提高解的收敛精度，从而获得控制器优化部署方案的非劣最优解集，实现对网络中多控制器的合理有效配置。与传统算法相比，OBA-CP算法在网络延迟、可靠性和负载均衡等方面具有更好的网络性能。

• 构造性覆盖算法的SMOTE过采样方法

  严远亭，朱原玮，吴增宝，张以文，张燕平

  如何提高对少数类样本的识别能力是不平衡数据分类中的一个研究热点。合成少数类过采样技术（SMOTE）是解决此类问题的代表性方法之一。近年来，不少研究者对SMOTE做出了一些改进，较好地提高了该方法的性能。然而，如何有效地选取典型少数类样本进行过采样仍然是一个值得研究的问题。此外，被孤立的少数样本在提高模型性能方面的潜在能力也没有得到足够的重视。针对上述问题，提出了基于构造性覆盖算法（CCA）的过采样技术CMOTE。CMOTE提供了两种不同策略下选择关键样本的方法：基于覆盖内样本个数的方法与基于覆盖密度的方法。在12个典型的不平衡数据集上验证CMOTE算法的性能。实验结果表明，CMOTE算法在总体上优于对比方法，并且通过强化关键样本对模型性能的影响增强了模型的泛化能力。

• 优化的马尔可夫链人工蜂群算法

  郭佳，马朝斌，张绍博，苗萌萌

  分析人工蜂群算法（ABC）及其改进算法的不足，通过验证人工蜂群算法解空间在时间维度上的马尔可夫性，提出将ABC算法分为两个阶段的improved Markov ABC（IMABC）算法。第一阶段运行ABC算法得出初始解空间，第二阶段利用马尔可夫链对第一阶段产生的解空间进行重构，并进一步预测新解。IMABC算法减少了人工蜂群算法的随机性，同时避免了因依赖某一最优值导致的算法早熟。给出了IMABC算法的伪代码，并对其收敛复杂度和寻优能力进行了分析。将IMABC算法、GABC算法和ABC算法在9个典型测试函数上运行，分别比较算法的收敛精度、收敛效率和运行时间，得出IMABC算法优于GABC算法和ABC算法的结论，并通过比较验证了分割参数和解空间维度对函数寻优过程的影响。

• 共享近邻紧密度的增量式谱聚类算法

  赵萌萌，王士同

  现有的基于共享近邻紧密度的谱聚类算法由于能很好地探索出数据点之间的潜在相似性关系，对未能完全分离的数据集具有健壮性，受到了越来越多的关注。但是，在运行时间和内存需求方面，它要花费的代价仍然十分昂贵，这使得其聚类处理能力不太高效，具有运行速度较慢，运行时间过长，面对大数据集时算法失效等缺点，因此该算法对于大规模数据集来说是不切实际的。为了克服这些缺点，提出了一种它的增量版本。该算法的思想是先将数据集分解为若干子集，然后以增量的方式在每个子集上运行，从而保证其具有良好的聚类性能。通过对人工数据集和仿真数据集进行大量的实验验证了该谱聚类算法的有效性。同时，该算法的时间消耗低，聚类精度高，且能够有效地对不断增加的数据集进行聚类。

• 考虑动态导向与邻域交互的双蚁型算法

  潘晗，游晓明，刘升

  针对蚁群算法在求解旅行商问题（TSP）时，易出现陷入局部最优和收敛速度较慢的问题，提出了考虑动态导向与邻域交互的双蚁型算法。首先，结合动态导向策略，在迭代前期增加属于最大生成树路径上的动态信息素，从而有效增加种群多样性；在迭代后期增加属于最小生成树路径上的动态信息素，使其加快收敛速度。进一步，将蚂蚁分为两类，融入邻域交互策略，第二类蚂蚁通过吸引因子改进状态转移和局部信息素更新公式，并运用最大-最小蚂蚁系统（MMAS）信息素限制策略，使其不仅提高了收敛性，又能防止算法过早停滞。求解TSP测试集及与其他改进蚁群算法对比的实验结果表明，改进后的算法既能有效加快收敛速度，又能避免陷入局部最优，从而获得更精确的解，尤其在针对大规模TSP问题时效果更为显著。

• 不安全越界行为的个性化实时检测

  林强，张淋均，谢艾伶，王维兰

  户外迷路甚至走失事件在老年人群体中多发频发，成为危及他们独立生活安全的突出问题之一。为防止老年人走离日常生活所在的安全区域，进而避免走失事件的发生，研究并提出基于个人出行轨迹的个性化安全地理围栏构建方法及面向越界行为发现的异常轨迹实时检测算法。首先，建模每个人的户外安全地理围栏为不规则多边形，其中顶点代表经常到访的物理位置，边代表连接物理位置之间的道路；其次，使用GPS轨迹实例化构建的安全地理围栏模型，包括相关区域的划分和轨迹的映射处理；再次，通过在传统点在多边形内部判定算法中融入异常轨迹跨越度的量化评价指标，提出不安全越界行为的个性化实时检测算法；最后，使用一组来自个人的GPS轨迹数据进行了实验验证。实验结果表明提出的方法在老年人边界越界行为的识别中是可行的，在所有数据集上获得的AUC值均高于0.995，该原型系统具有良好的响应时间和检测性能。

• 基于Seq2Seq模型的自定义古诗生成

  王乐为，余鹰，张应龙

  当前，古诗句生成任务大多基于单一的循环神经网络（RNN）结构，在生成时需事先给定一个起始字，然后以该起始字为基础进行古诗句生成，生成过程的可控性较差，往往达不到预期效果。针对以上问题，将注意力机制引入Seq2Seq模型，通过自建的数据集进行训练，实现了基于关键字的自定义古诗句生成。在生成阶段，首先输入一段描述性内容，并从中提取出关键字。当关键字不足时，使用word2vec进行有效的关键字补全操作。此外，针对古诗体裁难以控制问题，在Seq2Seq模型中的Encoder端增加格式控制符，有效解决了以往模型在生成古诗时，体裁选择的随机性问题。实验表明，所提出的模型较好地达到了预期的生成效果。

• 轨迹树层次关系模型多摄像机多目标跟踪研究

  刘冠群，李婷

  为提高摄像机目标跟踪精度，提出基于多假设跟踪（MHT）框架的采用轨迹树层次关系模型多摄像机多目标跟踪方法。首先，通过多个摄像机产生的轨迹之间的时空关联，找出未知数目的多个轨迹，并通过求解各帧的最大加权问题（MWCP），在线实现对目标三维轨迹的估计。其次，为解决多帧图像处理的NP难问题，提出了一种新的在线方案，该方案利用前一帧结果的反馈信息，建立多帧图像处理方案，从而在每一帧上找到最佳的轨迹。该方案能使多个子问题构成多目标多目标控制问题，大大减少了计算量。实验表明，该算法与目前最先进的批处理算法相比，具有较好的性能。

• 改进R-FCN的船舶识别方法

  黄致君，桑庆兵

  针对复杂海情下需要对不同大小及种类的船舶进行检测的问题，提出一种基于深度学习的船舶检测方法，该方法主要针对区域全卷积网络（R-FCN）进行改进。首先选取ResNet50网络用于自动提取特征，并将Feature Map自动提供给改进的R-FCN；其次根据船舶识别的特性改进R-FCN，使得R-FCN在船舶检测上能够完全发挥其性能；最后根据部分类别船舶体积较小识别率低的问题，先采取最大池化层（Maxpooling）进行 改进，将小目标船舶识别率提高了4.08个百分点，之后针对ROIAlign进行改进。改进的R-FCN方法比原始的R-FCN在小目标船舶识别方面表现更优，精度共提升了13个百分点，还与目前主流的目标检测算法如Faster-RCNN等进行了对比。实验结果表明，该方法识别精度更高，速率与其他方法基本持平。

• 具有跨物种多级传播特征的包虫病优化算法

  黄光球，陆秋琴

  为了求解高度非线性有约束优化问题，采用跨物种多级传播特征的包虫病模型提出了包虫病优化算法。该算法将优化模型的搜索空间看成一个草原牧区，其中生活有狗、羊和牧民等个体；包虫病能够从狗群跨物种经羊群传播到牧民。利用包虫传染病模型构造出了Su-Su、Su-Eu、Eu-Eu、Eu-Iu、Iu-Iu、Iu-Ru、Iu-Du、Ru-Ru、Ru-Su等算子，其中Su-Su、Eu-Eu、Iu-Iu、Ru-Ru算子可利用强壮个体的特征来改善虚弱个体的特征，从而提升算法的求精能力；Su-Eu、Eu-Iu、Iu-Ru、Ru-Su算子可改良个体的适应度分布特征，从而提升算法的探索能力；Iu-Du算子可使极虚弱个体得到有效清除，从而降低算法陷入局部陷阱的概率。该算法每次演化只处理极少部分变量，具有速度快和全局收敛性。应用案例表明：该算法可快速求解关联区域VOCs联防联控最优减排优化问题。

• 结合改进差分进化和模块密度的社区发现算法

  冯勇，张冰茹，徐红艳，王嵘冰，张永刚

  社区发现是个性化推荐、群体特征归集、社会网络分析等领域研究的基础与核心，而现有社区发现算法在处理日益复杂的社会网络时，存在准确性不高、收敛速度慢、模块度分辨率受限等问题。为此，将差分进化和模块密度思想引入社区发现中，提出了一种结合改进差分进化和模块密度的社区发现算法。该算法首先调整差分进化的变异策略和参数，再将模块密度作为适应度函数以克服模块度分辨率限制；然后根据社区结构进行修正操作，以提高种群中的个体质量，加快全局收敛速度。在计算机生成网络数据集及5个具有代表性的真实世界网络数据集上，与多个应用较为广泛的社区发现算法进行对比实验。实验结果表明所提算法具有更高的准确性和更优的收敛性能。