计算机科学与探索杂志

计算机科学与探索杂志2020年第8期

• 面向迁移学习的意图识别研究进展

  赵鹏飞，李艳玲，林民

  口语理解（SLU）是人机对话系统的重要部分，意图识别作为口语理解的一个子任务，因其可以为限定领域的对话扩展领域而处于非常重要的地位。由于实际应用领域的对话系统需求增加，而需要开发的新领域短时间内又无法获得大量数据，因此为搭建新领域的深度学习模型提出了挑战。迁移学习是深度学习的一种特殊应用，在迁移学习中，能够利用源域和目标域完成对只有少量标注数据的目标域模型的构建，通过对源域和目标域之间的知识迁移完成学习过程。利用已有领域的标注数据和模型，搭建只含有少量标注数据的新领域对话系统是当前的研究重点。主要针对意图识别任务进行概述，对迁移学习的方法进行分类和阐述，并总结其问题和解决思路，进一步思考如何将迁移学习应用于意图识别任务，从而推动少量数据的新领域意图识别研究。

• 机器人演示学习编程技术研究综述

  殷聪聪，张秋菊

  传统的工业机器人编程方式对从业人员的编程水平提出了较高的要求，并且编程周期较长，难以满足多品种、小批量、短周期的生产要求。因此，基于演示学习（LfD）的机器人编程技术的研究逐渐兴起。首先，介绍了机器人演示编程技术的发展背景，给出了演示编程技术的定义；然后，按照机器人所获取信息的逻辑层次将演示学习技术分为基于运动和基于任务两类；接着，围绕近年来演示学习编程技术的研究进展与成果，分析了不同种类的演示学习编程技术的原理与特点，综述了演示学习编程技术的研究现状及目前存在的问题；最后，探讨了演示学习编程技术面临的挑战，指明了演示学习智能化、通用化的发展趋势。分析表明，现阶段演示学习编程仍然面临稳定性、通用性、易用性等挑战，机器人演示学习编程对大幅降低工业机器人的编程难度，提高工业机器人的编程效率，以及提升服务机器人的人机交互体验都具有重要意义。

• 声子BTE应用的并行和优化研究

  文敏华，刘永志，鲍华，胡跃，沈泳星，韦建文，林新华

  声子玻尔兹曼输运方程（BTE）可以有效地模拟介观尺度下的导热问题，相比于随机性方法，以有限体积法为代表的确定性方法求解声子BTE方程被认为更有希望解决工程实际问题。但是有限体积法求解BTE具有迭代步数多，迭代时间长的问题。为此提出了声子BTE方程迭代求解部分在GPU上的并行加速方案，并设计适当的线程分配方式及数据存储格式，采用循环展开和内核融合等优化手段对迭代过程进行并行加速。此外，采用基于角方向的并行策略，使用MPI+CUDA、CUDA-Aware MPI和NCCL函数的方式实现了声子BTE求解多GPU并行版本。实验结果表明，相较于Intel Xeon Gold 6248上的串行版本，在单块V100 GPU上获得了最大31.5倍的加速。同时使用NCCL函数的GPU并行版本在8台DGX-2节点共计128块V100 GPU上最高达到了83%的并行效率，比MPI+CUDA版本提升57%。

• 电热多物理耦合模拟的软件设计模式研究

  龚平，郑宇腾，张爱清

  电热多物理场耦合数值模拟是微电子领域集成电路设计的重要手段，涉及电-热、电-热-力等多种多物理场耦合，以及静态、瞬态、时谐等多种分析类型。面向这种多样化的多物理场耦合分析需求，如何快速研制批量电热多物理场耦合软件，是一个挑战性问题。软件复用是解决该问题的关键。提出一种数理方程构件化的软件设计模式，首先实现电流连续性方程构件、稳态热平衡方程构件等解决单一物理场求解器的可复用问题，其次设计基于单一物理场方程构件自由组装多物理场耦合计算流程的方法，支持多物理场耦合软件的定制开发，而且这种模式适应于并行计算。通过两个典型的电热耦合并行应用软件的定制开发，代码复用率达到85%以上，验证了模式的有效性。

• 针对隐藏Web数据库的Skyline查询方法研究

  李征宇，李贵，曹科研

  通过Web接口查询服务端“隐藏”数据库的Skyline可以支持Web集成领域许多新应用。尽管受到客户端基于IP地址访问次数、top-k查询结果返回元组个数k，以及Web接口类型等诸多限制，但利用基本查询方法仍可获得隐藏Web数据库的Skyline，遗留的主要问题是查询代价过大。对此提出了混合属性的隐藏Web数据库Skyline的启发式求解方法。首先，利用平行坐标系分析Skyline元组相交性质，随后构造了启发式相交元组查询分解树，并证明了该树的查全性，最后针对典型的Web接口类型给出了启发式求解方法。理论分析和实验结果证实了启发式算法的有效性和相对基本查询方法的优越性。

• 文档-关系数据查询执行技术研究与实现

  马志程，袁海峰，谷洋，刘亚茹，张孝

  随着大数据时代的到来，各类互联网应用产生了丰富的数据类型。将多种多样结构的数据进行一体化存储、查询和组织是新时代下的大数据管理系统的研究热点。对关系数据库和NoSQL文档数据库加以统一管理，将支持结构化数据和半结构化数据的两种不同的数据库引擎集成在大数据管理系统中，实现了查询引擎ENTIA来执行查询处理。基于全局视图对用户提供统一的查询接口，终端用户无需关心数据的类型、结构以及物理存储位置，只需根据业务需求向ENTIA发出请求即可。进行了大量的前期实验，基于启发式规则进行查询优化，单个查询被重写为可以并行执行的多个查询子任务，将计算推向合适的数据库引擎，充分利用系统计算资源，大大提高了系统的查询性能。以关系数据库PostgreSQL和文档数据库MongoDB两个对等引擎为代表，实现了ENTIA对多数据类型的查询能力以及查询优化能力。通过功能符合实验测试了ENTIA能够正确地执行混合查询，以多组性能对比实验证明了优化方法的有效性。

• 可信第三方的伪名签名方案研究

  陈虹，陈红霖，黄洁，肖成龙，郭鹏飞，金海波

  互联网中用户资料极易泄露，用户的匿名性和安全性问题亟待解决。伪名签名方案可以使用户在网络通信中保持匿名，但存在认证机构与域管理机构合谋泄露的风险和对违规用户响应慢的问题。针对该问题，提出了可信第三方参与的伪名签名方案。在该方案中，用户首先向认证机构申请允许使用某个伪名的许可证书，然后使用该许可证书向域管理机构申请该伪名的证书，并使用该伪名在域中构建伪名签名，最后通过追踪中心（可信第三方）快速检测可能存在违规操作的用户，由认证机构进行相应的处理。方案通过双重伪名更好地保证了用户的匿名性，降低了中央认证机构的运算成本，提高了系统的门限，并且在获取违规用户真实身份时具有快速响应能力，降低了系统因用户违规操作带来的潜在损失。

• BiLSTM在跨站脚本检测中的应用研究

  程琪芩，万良

  目前传统的跨站脚本（XSS）检测技术大多使用机器学习方法，存在代码被恶意混淆导致可读性不高、特征提取不充分并且效率低等缺陷，从而导致检测性能不佳。针对上述问题，提出了使用双向长短时记忆网络检测跨站脚本攻击的方法。首先，对数据进行预处理，使用解码技术将跨站脚本代码还原到未编码状态，从而提高跨站脚本代码的可读性，再使用深度学习工具word2vec将解码后的代码转换为向量作为神经网络的输入；其次，使用双向长短时记忆网络双向学习跨站脚本攻击的抽象特征；最后，使用softmax分类器对学习到的抽象特征进行分类，同时使用dropout算法避免模型出现过拟合。对收集到的数据集进行实验，结果表明，与几种传统机器学习方法和深度学习方法相比，该检测方法表现出更优的检测性能。

• 头脑风暴算法优化的乳腺MR图像软子空间聚类算法

  范虹，史肖敏，姚若侠

  传统的软子空间聚类算法在对信息量大、强度不均匀、边界模糊的乳腺MR图像进行分割时，易受初始聚类中心和噪声数据的影响，导致算法陷入局部最优，造成误分类。针对该问题，提出一种头脑风暴算法优化的乳腺MR图像软子空间聚类算法。算法首先引入一个放松界约束与广义噪声聚类结合的目标函数，并用隶属度计算方法来寻找簇类所在子空间；然后在子空间聚类时用给定指数来适配聚类任务；最后在聚类过程中运用头脑风暴算法进行优化，有效地平衡局部搜索与全局搜索，从而弥补现有算法易陷入局部最优的不足。对比算法与该算法在Berkeley图像数据集上的实验结果表明该算法具有较高的精度，临床乳腺MR图像聚类的实验结果验证了所提算法的鲁棒性。

• 改进的卷积神经网络在肺部图像上的分割应用

  钱宝鑫，肖志勇，宋威

  CT成像技术是辅助医生诊断肺部疾病的重要手段。针对肺部各组织结构复杂，难以准确地对肺部CT图像中肺实质进行分割和提取的问题，提出了一种编/解码模式的肺分割算法。为了获得图像的多尺度信息，首先向网络模型中输入多尺度图像，使用残差网络结构作为编码模块，在扩展网络深度的同时不造成网络退化问题；此外，在编码和解码之间利用空洞空间金字塔池化（ASPP）充分提取上文多尺度信息；最后利用级联操作，将捕捉到的信息与编码层信息级联，结合注意力机制从而提高分割精度。通过对LUNA16数据集中89位患者的13 465张CT图像进行测试，以相似性系数和精确度作为主要评判标准，实验精度分别达到了99.56%和99.33%。实验结果表明，该方法能有效分割出肺实质区域，与其他网络相比分割效果更好。

• 功能型复合深度网络的图像超分辨率重建

  唐家军，刘辉，胡雪影

  针对现有单图像超分辨率重建时主要采用的简单链式堆叠的单一网络存在层间联系弱、网络关注点单一以及分层特征不能充分利用等问题，提出了一种复合的深度神经网络用于提升图像超分辨重建性能。该方法首先使用特征提取层提取低分辨率图像的初始特征；再将初始特征分别送入两个子网络，一个子网络负责图像细节的提取与运算，另一子网络负责图像噪声降解与消除；然后将两个子网络输出的深层次抽象特征与初始特征相结合，最后通过重建层获得超分辨率图像。以峰值信噪比（PSNR）与结构相似性（SSIM）为评价指标，在Set14测试集上使用放大因子3进行实验，将复合网络与算法Bicubic、SelfEx、SRCNN、VDSR和RED等进行对比，实验结果发现，PSNR分别提高了2.27 dB、0.66 dB、0.54 dB、0.05 dB、0.21 dB，而SSIM则分别提高了6.08、1.54、1.41、0.36、0.09个百分点。

• 结合FC-DenseNet和WGAN的图像去雾算法

  孙斌，雎青青，桑庆兵

  针对现有图像去雾算法严重依赖中间量准确估计的问题，提出了一种基于Wasserstein生成对抗网络（WGAN）的端到端图像去雾模型。首先，使用全卷积密集块网络（FC-DenseNet）充分学习图像中雾的特征；其次，采用残差学习思想直接从退化图像中学习到清晰图像的特征，实现端到端的去雾；最后，使用均方误差和感知结构误差函数作为模型的损失函数，以确保生成图像结构和内容的相似度，并使用WGAN对生成结果细致优化，生成清晰逼真的无雾图像。实验结果表明，在合成雾天数据集上，该算法在结构相似度上比其他对比算法提高了4%；在自然雾天图像上，由该算法恢复的图像具有较高的清晰度和对比度，在主观评价上优于其他对比算法。

• 考虑评级信息的音乐评论文本自动生成

  严丹，何军，刘红岩，杜小勇

  近年来在线唱歌平台作为一种新型的娱乐方式吸引了大量用户。在在线唱歌平台上，评论发布的音乐作品是平台用户之间分享和交流的一种方式，对用户发布作品具有激励作用。但是新用户的作品或者新发布的作品往往缺乏评论，对音乐作品自动生成评论可以在一定程度上解决此问题。在在线唱歌平台上的评论文本与音乐作品的表现评级存在一定的关系。因此，研究考虑音乐作品评级信息的评论文本自动生成的方法。为此提出了一种基于生成式对抗网络的深度文本生成模型GradeGAN，包括生成器、文本判别器和等级判别器，利用文本判别器和等级判别器共同指导生成器生成准确的文本，同时使生成的文本与等级信息相符。在真实的数据集上的实验结果表明，与已有相关模型相比，所提模型在生成评论时不仅具有更高的准确性，同时具有较高的多样性。

• 用于非精确图匹配的改进GCN模型

  李昌华，崔李扬，李智杰

  针对现有图匹配算法对拓扑结构节点特征挖掘不够充分问题，提出了一种用于非精确图匹配的改进图卷积神径网络（GCN）模型。首先，考虑到选取的节点应具有较强的代表性，利用社交网络分析中三种衡量网络节点中心度的方法去获取图中节点的中心度，按照节点的中心度大小排序。其次，针对图的节点和边具有相应的领域特征，把拓扑结构映射到网格结构的同时，应最大化表示节点之间的关系属性，在节点邻域大小不满足感受野阈值时，对节点邻域进行中心度排序并按中心度大小依次获取邻域节点，直到邻域大小满足感受野阈值，进而利用卷积神经网络进行图的分类识别。最后，在多个标准图数据集上进行了训练和测试。实验结果表明，改进的GCN模型在图匹配问题上较同类方法具有更高的识别率。

• 具有动态子空间的随机单维变异粒子群算法

  邓志诚，孙辉，赵嘉，王晖

  传统粒子群算法采用整体维度更新策略，常因某一维或某几维未达到最优解，导致粒子适应值变差。针对此问题，提出具有动态子空间的随机单维变异粒子群优化算法，从优质粒子全维空间中，构造动态子空间，并随机选择异于子空间的一维进行变异。子空间大小动态变化：前期选取多数维度组成子空间，增大变异维度的多样性；后期选取少数维度组成子空间，增强粒子精细搜索的能力。同时，根据Pareto定律，使种群在前期20%迭代次数内，探索新解空间区域，后期80%迭代次数内，进行有效的平衡搜索，加快种群收敛速度。使用多类型基准测试函数，在30、50和100维下进行仿真实验，结果表明，该算法在收敛速度和精度上，不仅优于新改进的粒子群算法，而且优于新改进的人工蜂群算法和萤火虫算法。

• 大规模优化问题的改进花朵授粉算法

  李煜，郑娟，刘景森

  花朵授粉算法（FPA）寻优结构新颖，寻优能力良好，但求解高维优化问题易陷入“维数灾难”。为提高FPA求解大规模优化问题的性能，提出一种改进花朵授粉算法（IFPA）。采用反向学习策略增加种群多样性，充分搜索解空间，提高初始种群质量；在自花授粉阶段，发挥当代最优位置的牵引作用，减少算法迭代代价，提高搜索效率，提出避免维间干扰的方法，采用逐维随机扰动策略对花粉个体进行更新，整体评价后接受更优解，提高了算法局部迭代质量。IFPA仅需3~5个种群个体即可达到满意的优化效果，15个测试函数在100、1 000和5 000维下的仿真结果表明：IFPA的求解精度大幅提高，收敛速度明显加快，鲁棒性强，与FPA、PSO和BA的对比表明，改进算法在处理不同类型大规模优化问题上是具有竞争力的。