计算机科学与探索杂志

计算机科学与探索杂志2021年第12期

• 语音识别中说话人自适应方法研究综述

  朱方圆, 马志强, 陈艳, 张晓旭, 王洪彬, 宝财吉拉呼

  语音是人机交互方式之一，语音识别技术是人工智能的重要组成部分。近年来神经网络技术在语音识别领域的应用快速发展，已经成为语音识别领域中主流的声学建模技术。然而测试条件中目标说话人语音与训练数据存在差异，导致模型不适配的问题。因此说话人自适应（SA）方法是为了解决说话人差异导致的不匹配问题，研究说话人自适应方法成为语音识别领域的一个热门方向。相比传统语音识别模型中的说话人自适应方法，使用神经网络的语音识别系统中的自适应存在着模型参数庞大，而自适应数据量相对较少等特点，这使得基于神经网络的语音识别系统中的说话人自适应方法成为一个研究难题。首先回顾说话人自适应方法的发展历程和基于神经网络的说话人自适应方法研究遇到的各种问题，其次将说话人自适应方法分为基于特征域和基于模型域的说话人自适应方法并介绍对应原理和改进方法，最后指出说话人自适应方法在语音识别中仍然存在的问题及未来的发展方向。

• 唇语识别的视觉特征提取方法综述

  马金林, 巩元文, 马自萍, 陈德光, 朱艳彬, 刘宇灏

  现有唇语识别研究多专注于提高识别精度、研究多模态输入特征等方面，对提高唇部视觉特征的有效性关注不多。而唇部的视觉信息在视觉语音识别和唇语识别中起着关键作用，尤其在音频被破坏或无音频信息时，唇部视觉信息尤为重要。如何获取准确有效的唇部视觉特征是当前唇语识别的难点工作之一。从唇语数据集、传统视觉特征提取方法、视觉特征提取的深度学习方法三方面综述了唇语识别方向近年来的最新 研究工作：首先，总结了唇语识别数据集，将唇语数据集分为正视图和多视图两种类型，并总结整理两类数据集的特点、局限性和下载地址；其次，从像素点、形状和混合特征的角度介绍了唇部视觉特征提取的传统方法，重点介绍各方法的基本思想、网络结构和特点；然后，介绍了唇部视觉特征提取的深度学习方法，重点介绍 2D CNN、3D CNN、2D CNN与3D CNN相结合、其他神经网络四种深度学习方法的网络结构和优缺点，并比较了这些方法在公开数据集上的性能表现；最后，对唇部视觉特征提取方法所面临的挑战和未来研究趋势进行了展望。

• 深度学习的舌体分割研究综述

  刘慧琳, 冯跃, 徐红, 罗坚义

  舌体分割是智能医学诊断的重要组成部分，其目的是通过分割舌诊图像生成精准的舌体轮廓。近年来，深度学习方法在图像处理领域得到了广泛的应用并取得了较好的结果。随着医学图像分割对性能的要求越来越高，许多研究人员将深度学习运用到舌体分割中。主要对基于深度学习的舌体分割方法研究现状进行分析梳理和归纳总结。在舌体分割应用领域中，以各种深度学习方法作为研究对象，将基于深度学习的舌体分割方法划分为卷积神经网络（CNN）、全卷积网络（FCN）、卷积模型与图形模型、基于编解码器的模型、基于区域卷积网络模型、扩张卷积模型结构、迁移学习以及其他方法。在每类方法中，针对其改进和扩展的研究成果进行了全面的论述，总结分析其优势与不足；并对基于深度学习的舌体分割常用的数据集和评价指标进行了视觉比较与性能评估；最后讨论了未来研究工作中的发展潜力。

• 图对抗防御研究进展

  李鹏辉, 翟正利, 冯舒

  图神经网络（GNN）在多个领域的复杂任务中已经得到成功的应用，但研究表明其易受到对抗攻击而导致性能严重下降，这种脆弱性影响了包含节点分类、链路预测和社团探测在内的所有应用。图对抗攻击已经可以高效地实施，这带来了严重的安全隐患和隐私问题，图对抗防御致力于提高GNN的鲁棒性和泛化能力以抵御对抗攻击。综述了图对抗防御算法研究进展，首先，介绍了图对抗防御的背景和相关概念，并对图对抗防御研究发展脉络进行梳理和分析。然后，根据防御算法的不同防御策略将算法分为四类，包括攻击检测、对抗训练、可认证鲁棒性以及免疫防御，对每类防御算法原理进行分析总结。在此基础上，分析了每种防御算法的原理和实现，并从防御策略、目标任务、优缺点和实验数据等方面对典型算法进行全面的比较。最后，通过对现有图对抗防御算法全面、系统的分析，对防御算法当前存在的问题及未来发展方向进行了总结和探讨，为图对抗防御进一步的发展提供帮助。

• 面向无人机自组网的可信路由协议

  赵蓓英, 姬伟峰, 翁江, 孙岩, 李映岐, 吴玄

  针对无人机自组织网络（FANETs）容易遭受内部攻击、链路中断频繁的问题，提出了一种基于信任的按需多径距离矢量路由协议（TAOMDV）。首先，建立了节点信任度评估模型，引入数据包转发率、可信交互度、探测包接收率作为信任评估因子，设计了自适应模糊信任聚合网络（AFTAN）计算节点的直接信任度，综合可信邻居节点的间接信任度以计算节点信任度。其次，引入信任波动惩罚机制，抵御信任模型中的开关攻击。最后，将信任模型应用于按需多径距离矢量路由协议（AOMDV）中，在路由发现阶段引入路径信任度作为路由选择依据，建立可信路径，在路由维护阶段通过路径报警机制对恶意节点做出及时响应。仿真结果表明TAOMDV不仅能抵御常见的黑洞、灰洞攻击与开关攻击，而且能够降低网络拓扑变更与链路中断的影响。与轻量级信任增强路由协议（TEAOMDV）相比，有效提高了网络的数据包投递率与吞吐量，优化了路由开销与平均端到端时延。

• 利用序列分析的远控木马早期检测方法研究

  王晨, 郭春, 申国伟, 崔允贺

  远控木马（RAT）是一类以窃取机密信息为主要目的的恶意程序，严重威胁着网络空间安全。现阶段基于网络的远控木马检测方法大多对数据流的完整性有较高的要求，其检测存在一定程度的滞后。在分析远控木马通信会话建立后初期流量的序列特性的基础上，提出了一种利用序列分析的远控木马早期检测方法。该方法以远控木马被控端和控制端交互中第一条TCP流为分析对象，重点关注流中由内部主机向外部网络发送且数据包传输层负载大于[α]字节的第一个数据包（上线包）及其后续数个数据包，从中提取包含传输负载大小序列、传输字节数和时间间隔在内的三维特征并运用机器学习算法构建了高效的早期检测模型。实验结果表明，该方法具备快速检测远控木马的能力，其通过远控木马会话建立后初期的少量数据包即可高准确率地检测出远控木马流量。

• 文档级无触发词事件抽取联合模型

  王雷, 李瑞轩, 李玉华, 辜希武, 杨琪

  当前广为研究的在单个句子范围内的事件抽取方法，难以扩展到从分布在一篇文章里的多个句子中抽取同一事件的完整论元。对此，提出了一种基于深度学习的文档级事件抽取联合模型。首先，利用基于多头自注意力机制的实体识别模块逐句识别文档中的实体并输出其类型。然后，通过定义不同论元角色对事件类型的重要度训练事件类型检测模块，实现在无触发词条件下定位事件表述中心句并判断事件类型。最后，事件论元抽取模块通过在实体语义向量中嵌入实体的类型信息和实体到事件中心句的距离信息，并输入Transformer网络与上下文交换信息，实现在文档范围内抽取全部事件论元。通过对上述三个子模块进行联合训练，进一步实现了端到端的事件抽取，避免了管道式方法的误差传递。在公开数据集上的实验结果表明：在单事件条件下，该模型取得了86.3%的[F1]值，优于当前最佳的文档级事件抽取方法，并且具有优秀的模型训练速度。

• 融合区域与朋友影响的下一兴趣点推荐

  张奥雅, 石美惠, 申德荣, 寇月, 聂铁铮

  随着移动设备的日益普及，积累了大量的用户签到兴趣点数据，用户签到的信息使下一兴趣点推荐成为近年来研究的热点问题。下一兴趣点推荐的准确性主要受到两方面的制约：一方面，签到数据稀疏性问题。当前研究者通过引入兴趣点的地理相关性或社交网络中的朋友评价信息来改善数据稀疏问题，但并不是所有兴趣点之间都存在强地理相关性，且社交网络中只存在少量用户对签到的兴趣点发表评论。另一方面，基于深度学习训练兴趣点签到序列存在梯度消失的问题。针对这些问题，提出融合区域与朋友影响的用户下一兴趣点推荐模型。首先，将兴趣点区域信息融入用户签到兴趣点序列中；其次，使用带有残差连接的神经网络模型对序列进行嵌入，避免梯度消失，提高模型收敛性；最后，融合朋友访问的兴趣点信息进行下一兴趣点推荐，进一步提高兴趣点推荐的准确性。实验数据表明，与其他推荐模型相比，提出的模型具有较高准确性。

• 面向案件审判难度预测的神经网络模型研究

  王悦, 王平辉, 许诺, 陈龙, 杨鹏, 吴用

  审判难度预测（TDP）是指在给定案情描述文本的情况下，自动预测案件审判难易程度，其在司法智能化系统中具有广阔的应用前景。现阶段，案件审判难度预测工具严重依赖专家经验规则，存在较大偏差，相关的研究工作较少。针对此问题，将其归结为自然语言处理中的文本分类问题，通过分析发现传统分类方法未考虑起诉状中审判要素间的结构独特性和逻辑依赖性，导致难以准确预测案件难易程度。为解决上述挑战，通过对起诉状的研究，结合案件繁简审判要素，提出一种新的神经网络模型MAT-TAN。具体地，该模型首先采用一种掩码注意力网络（MAT）对案情描述文本进行细粒度分析。其中的掩码机制扮演智能门控者的角色，起到聚焦审判要素特定位置的作用，结合自注意力机制，实现了对各审判要素全面、准确的特征提取。其次，提出一种拓扑关联网络（TAN）对要素间的司法逻辑依赖关系进行建模，并有效融合不同要素的特征，最终实现案件审判难度预测。在法院真实数据上的实验结果表明，与基准的文本分类方法相比，该模型宏平均F1值提升了0.036，在审判难度预测上具备较好的使用效果。

• 结合CNN与双向LSTM的心律失常分类

  李兴秀, 唐建军, 华晶

  心律失常是心血管疾病中常见的病症之一，实现心律失常的自动分类对心血管疾病的诊治具有重要意义。基于一维心电信号的心律失常分类方法以若干节拍作为输入，通过模型提取特征并用于分类。针对现有方法预处理时间成本高以及未按医疗仪器促进协会（AAMI）标准分类等问题，提出了一种基于原始一维心电信号并按照AAMI推荐标准类别进行心律失常自动分类的方法。该方法首先利用卷积神经网络（CNN）学习心电信号的形态特征，之后通过双向长短期记忆网络（BLSTM）获取特征中的上下文依赖关系，最后借助softmax函数完成分类任务。方法采用mish函数作为激活函数，使得模型在训练中更为稳定。在公开数据库MIT-BIH上进行五折交叉验证，评估结果达到了99.11%的平均准确率，表明该模型可以有效地提取心电信号的特征，适用于监测系统中心律失常疾病的诊断。

• 超簇加权的集成聚类算法

  薛红艳, 钱雪忠, 周世兵

  大多数集成聚类算法使用K-means算法生成基聚类，得到的基聚类效果不太理想。通常在使用共协矩阵对基聚类进行集成时，忽视了基聚类多样性的不同，平等地对待基聚类，且以样本为操作单元生成共协矩阵。当样本数目或集成规模较大时，计算负担显著增加。针对上述问题，提出超簇加权的集成聚类算法（ECWSC）。该算法使用随机选点与K-means选点相结合来获取地标点，对地标点使用谱聚类算法得到其聚类结果，再将样本点映射到与之最近邻的地标点上生成基聚类。在此基础上，以信息熵为依据计算基聚类的不确定性，并对基聚类赋予相应权重，使用加权的方式得到加权超簇的共协矩阵，对共协矩阵使用层次聚类算法得到集成结果。选取7个真实数据集和4个人工数据集作为实验数据集，从准确度、鲁棒性和时间复杂度方面进行验证。对比实验结果表明，该算法能够有效提升集成聚类的性能。

• 基于潜子空间去噪的子空间学习图像分类方法

  杨章静, 王文博, 黄璞, 张凡龙

  针对判别最小二乘回归（DLSR）对图像噪声鲁棒性不佳的问题，提出一种基于潜子空间去噪的子空间学习图像分类方法（DLSSL）。该方法在架构上不同于现有基于回归的分类方法，其在视觉空间与标签空间中引入一个潜在子空间，将传统的图像分类框架改进为两步，即先降噪后分类。该方法先通过欠完备自编码将数据的高阶特征提取到潜在空间，再利用此高阶特征进行回归分类，同时辅以组核范数约束控制类内样本间距离。潜在子空间的引入为算法框架带来了更多灵活性，缓解了视觉空间与标签空间中数据维度与特性的差异，使得欠完备自编码可以有效地对数据进行降噪，提升了分类算法的鲁棒性。在人脸、生物指纹、物体和深度特征数据集上设计了多组对比实验，实验结果表明，算法对于图像中的噪声具有较强的鲁棒性，获得的投影矩阵具有良好的判别性，相比现有图像分类算法，性能更好、普适性更强，能有效地运用于各种图像分类任务。

• 多尺度通道注意力融合网络的小目标检测算法

  李文涛, 彭力

  当前小目标检测算法的实现方式主要是设计各种特征融合模块，检测效果和模型复杂度很难达到平衡。此外，与常规目标相比，小目标信息量少，特征难以提取。为了克服这两个问题，采用了一种不降维局部跨通道交互策略的通道注意力模块，实现通道间的信息关联，通过对每个通道的特征进行权重分配来学习不同通道间特征的相关性。同时，加入改进的特征融合模块，使网络可以使用低层和高层的特征进行多尺度目标检测，提升了以低层特征为主要检测依据的小目标检测精度。骨干网络采用特征表达能力强和速度快的ResNet，在获取更多网络特征的同时保证了网络的收敛性。损失函数采用Focal Loss，减少易分类样本的权重，使得模型在训练时更关注于难分类样本的分类。该算法框架在VOC数据集上的mAP为82.7%，在航拍数据集上的mAP为86.8%。

• 多特征融合神经网络的眼底血管分割算法

  宋姝洁, 崔振超, 陈丽萍, 陈向阳

  眼底毛细血管的自动监测对眼科疾病、糖尿病、心脏病等疾病的早期筛查具有重要意义。为了解决对毛细血管特征表达不精细带来的血管分割缺失问题，提出多模块融合的残差神经网络模型（MbResU-Net）。该模型利用了编码-解码网络结构。为了减少网络编码器与解码器之间的语义差距而带来的信息丢失，用非线性网络结构代替快捷连接嵌入到网络中。为了获得更多血管的细节特征，MbResU-Net提出将三块U型网络以残差方式连接，在避免丢失的前提下，最大地提取视网膜结构特征。为了保证分割质量，对图像执行预处理操作，并设计融合了代价矩阵的交叉熵损失函数来训练网络参数。对MbResU-Net与现有的眼底血管分割算法在DRIVE和CHASE DB1彩色眼底图像数据集上进行对比实验。实验表明MbResU-Net在[Sen]、[ACC]和[AUC]上优于现有方法。[Sen]为0.798 7和0.797 2，[ACC]为0.964 8和0.972 6，[AUC]为0.979 1和0.982 4。实验证明该模型在复杂曲率和小血管分割中具有有效性和鲁棒性。

• 单步划分融合多视图子空间聚类算法

  张培, 祝恩, 蔡志平

  多视图子空间聚类方法因其可以揭示数据内在的低维结构而被广泛关注，但大多数现有的多视图子空间聚类算法直接将多个来自原始数据的充满噪声的相似度矩阵进行融合，并且通常是在得到一致的多视图表示之后再使用[K]均值算法聚类得到最终的结果，这种将表示的学习过程和后续的聚类过程分离的两阶段算法会导致无法得到最优的聚类结果。为了解决这些问题，提出一种单步划分融合多视图子空间聚类算法。该算法不是直接融合具有噪声和冗余信息的相似度矩阵，而是从相似度矩阵中提取出更具有判别性信息的划分级信息进行融合。提出一个新的框架，将表示学习、多视图信息融合以及最后的聚类过程整合在同一框架中。这三个过程彼此促进，好的聚类结果可以引导生成更好的多视图表示，从而得到更好的聚类效果。提出一种有效的轮替优化算法来解决由此得到的优化问题。最后，在四个真实的基准数据集上得到的实验结果可以证明提出方法的有效性以及先进性。

• 最优权动态控制学习机制的多种群遗传算法

  潘家文, 钱谦, 伏云发, 冯勇

  遗传算法（GA）的全局搜索能力强，易于操作，但收敛速度慢，易陷入局部极值。为克服上述缺陷，首先对算法初始化方法进行改进，采用海明距离作为聚类划分的相似性度量提出了一种均匀分区多种群初始化方法。该方法以相似性度量为准则划分出不同集合的聚类中心点，然后以偏好随机的方式产生多个不同的种群，避免算法因种群初始个体在解空间分布不够均匀而陷入局部收敛。其次在遗传算法中引入多种群并行机制和学习机制来提高算法的性能，通过对已有研究中两种机制在遗传算法中的作用进行分析，指出各自的优势和不足，分别对两种机制进行改进，提出改进的多种群并行机制与最优权动态控制的学习机制，并从理论角度探讨了改进的两种机制的合理性。最后，将两种机制有机结合起来，充分发挥两种机制的优点，抑制各自的不足之处。仿真实验结果表明，算法中经过改进的两种机制具有良好的沟通能力，结合新的初始化方法，使得算法在收敛速度和精度上都要优于其他几种已有的改进算法。

• 非负半监督函数型聚类方法

  姚晓红, 黄恒君

  函数型聚类分析是探索函数型数据的重要工具，现有的函数型聚类方法大多属于无监督学习，没有考虑到数据的标签信息。针对目前函数型聚类方法的无监督特性，以及函数型数据通常具备的非负性特征，提出了一种非负半监督函数型聚类方法（SSNFC），用于处理带有少量标签信息的非负函数型数据的聚类问题。首先，通过引入约束非负矩阵分解（CNMF）技术，将标签信息融入函数型聚类过程中，构建了曲线拟合、非负约束和函数型聚类相统一的一步法模型。其次，给出了模型的迭代更新求解算法，证明了算法的局部收敛性，并分析了算法的时间复杂度。最后，在随机模拟数据、Growth数据和TIMIT语音数据的实验结果表明，与无监督函数型聚类方法相比较，提出的非负半监督函数型聚类方法SSNFC有助于提高聚类性能。