计算机科学与探索杂志

计算机科学与探索杂志2022年第10期

• 区块链跨链协议综述

  孟博, 王乙丙, 赵璨, 王德军, 麻斌豪

  随着区块链技术的发展,各区块链平台在系统架构、应用场景上有所不同,造成了不同区块链上的数据和资产难以互联互通,影响了区块链的推广与应用。跨链技术为解决区块链异构互联互通问题,提升区块链的互操作性和可扩展性提供了技术方案。而跨链协议是通过跨链技术实现不同区块链之间的跨链互操作性的具体设计规范,其对实现区块链互操作性和构建区块链跨链应用具有重要意义。对区块链跨链协议的最新研究进行了系统的整理和分析。从以下四方面进行介绍：首先,从链联网、跨链技术和区块链互操作性三方面阐述区块链跨链互操作的研究现状;其次,将跨链协议总结概括为跨链通信协议、跨链资产交易协议和跨链智能合约调用协议,并具体分析其最新研究进展;然后,对跨链协议的关键设计原则进行总结概括,为跨链协议的安全性、隐私性、可扩展性等问题提供解决思路;最后,结合区块链跨链应用的实际需求,给出区块链跨链协议未来的重点研究方向。

• 图像修复方法研究综述

  罗海银, 郑钰辉

  图像修复是指恢复图像中受损区域像素,使其尽可能地与原始图像保持一致。图像修复不仅在计算机视觉任务中至关重要,同时也是其他图像处理任务研究的重要基石。然而现存图像修复相关总结研究较少,为了更好地学习和推进图像修复任务研究,对近十年的经典图像修复算法和极具代表性的深度学习图像修复方法进行了回顾和分析。首先,简单概述了经典的传统图像修复方法,并将其分为基于偏微分方程和基于样本的图像修复方法,同时进一步分析了传统图像方法局限性;着重分类且阐述了现有基于深度学习的图像修复方法,根据模型输出图像数量的不同,将其划分为单元图像修复和多元图像修复,结合方法应用图像、损失函数、类型、优势以及局限性对不同方法进行分析总结。之后,详述了图像修复方法常用数据集和定量评价指标,并给出图像修复方法在不同图像数据集上修复不同面积损坏区域的定量数据,根据定量数据对比分析了基于深度学习的图像修复方法性能。最后,归纳分析了现有图像修复方法的局限性,并对未来重点研究方向提出了新的思路和展望。

• 中文医学知识图谱研究及应用进展

  范媛媛, 李忠民

  知识图谱是赋予机器背景知识的大规模语义网络。利用知识图谱对多源异构的医学信息进行有序化组织,能有效提升海量医学资源的利用价值,推动医学智能化发展。从知识图谱的关键技术、医学知识图谱构建以及医学知识图谱的应用三个维度刻画医学领域知识图谱研究、构建与应用现状,探索未来值得研究的课题。首先,系统梳理知识表示、知识抽取、知识融合以及知识推理四种知识图谱构建关键技术的发展脉络并探讨其研究进展,分析中文医学知识图谱构建的技术难点;其次,从医学本体、全科医学知识图谱和单病种医学知识图谱三个角度阐述中文医学知识图谱已有研究并分析了中文医学知识图谱的研究特点;最后,对中文医学知识图谱在语义搜索、决策支持以及智能问答等方面的应用研究进行分析并探讨新的应用场景。针对中文医学知识图谱研究面临的术语标准化程度不高、标注语料缺乏、技术研究不够深入以及应用场景有局限性等挑战,对其未来的研究方向做出了展望。

• 编码-解码技术的图像标题生成方法研究综述

  耿耀港, 梅红岩, 张兴, 李晓会

  近年来,图像标题生成作为人工智能领域中的多模态任务,融合了计算机视觉和自然语言处理的相关研究,能够实现从图像到文本的模态转换,在视觉辅助和图像理解等方面有着重要作用,备受研究者们的广泛关注。首先对图像标题生成任务进行了阐述,介绍了三种图像标题生成方法,基于模板的方法、基于检索的方法和基于编码-解码的方法以及各自的方法思路、代表性研究和优缺点。其次从方法的模型构成、图像理解阶段和标题生成阶段的研究进展等方面对基于编码-解码的方法进行了详细阐述。将近年来的研究总结归纳为图像理解方面的研究和标题生成方面的研究,其中图像理解方面的研究包括注意力机制的研究和语义获取方面的研究,标题生成方面的研究分为传统标题、密集标题和个性化标题生成的研究,并总结了模型性能及优缺点,介绍了图像标题生成模型进行性能评估的数据集和评测指标。最后指出图像标题生成领域研究面对的挑战和难点。

• 图神经网络推荐系统综述

  吴静, 谢辉, 姜火文

  推荐系统（RS）因信息冗杂繁多而诞生。由于数据形式的多样化、复杂化以及数据信息量稀疏性,传统的推荐系统已经不能很好地解决目前的问题。图神经网络（GNN）能从图中对边和节点数据进行特征提取和表示,对处理图结构数据具有先天优势,因此在推荐系统中蓬勃发展。将近年的主要研究成果进行了梳理并加以总结,着重从方法、问题两个角度出发,系统性地综述了图神经网络推荐系统。首先,从方法层面阐述了图卷积网络推荐系统、图注意力网络推荐系统、图自动编码器推荐系统、图生成网络推荐系统、图时空网络推荐系统等五大类的图神经网络推荐系统;接着,从问题相似性出发,归纳出序列推荐问题、社交推荐问题、跨域推荐问题、多行为推荐问题、捆绑推荐问题以及基于会话推荐问题等六大类问题;最后,在对已有方法分析和总结的基础上,指出了目前图神经网络推荐系统研究面临的难点,提出相应的研究问题以及未来研究的方向。

• 高性能计算环境中日志模式提炼方法的研究

  王晓东, 赵一宁, 肖海力, 王小宁, 迟学斌

  日志分析对于计算机系统的稳定运行起着至关重要的作用,然而日志通常是非结构化的,不利于自动化分析,如何自动化将日志的模式提炼出来并变成结构化的数据具有重要的实际意义。提出了LDmatch算法,该算法以单词匹配率为基础实现了一种日志模式提炼算法。传统的日志匹配算法在进行相似度计算时使用一对一单词匹配法,而LDmatch算法根据两条日志所包含的单词之间的最长公共子序列计算日志之间的相似度,并以此为基础进行日志分类。LDmatch算法还能实时得到日志模板并更新。除此之外,该算法的模式仓库使用了基于哈希表的数据结构进行存储,该存储结构细化了日志的分类,减少了日志匹配时的比较次数,从而提高了日志模式提炼算法的匹配效率。为了验证算法的优势,将LDmatch算法应用于开源数据集以及国家高性能计算环境实际产生的日志数据集,并且使用多种其他日志模式提炼算法进行对比并得出实验结果,最终证明了该算法在准确度、鲁棒性和效率上具有优势。

• 面向GPU的直方图统计图像增强并行算法

  肖汉, 孙陆鹏, 李彩林, 周清雷

  直方图统计在图像增强和目标检测等领域有着重要的应用。然而,随着图像规模不断增大、实时性要求越来越高,直方图统计局部增强算法的处理过程较慢,达不到预期满意的速度。针对这一不足,在图形处理器（GPU）平台上实现了直方图统计图像增强算法的并行处理,提升了处理大幅面数字图像的处理速度。首先,通过充分利用统一计算设备架构（CUDA）活动线程块和活动线程来并行处理不同的子图像块和像素点,提升了数据访问的效率。然后,采用内核配置参数优化和数据并行计算技术,实现了直方图统计图像增强算法在GPU平台上的并行化。最后,采用主机端和设备端间高效的数据传输模式,进一步缩短了系统在异构计算平台上的执行时间。研究表明,对于像幅大小不同的图像,图像直方图统计并行算法的处理速度相比CPU串行算法均有两个数量级的提高,处理一幅像幅大小为3 241×3 685的图像需要787.11 ms,并行算法的处理速度提高了261.35倍,为实现实时大规模图像处理奠定了良好基础。

• 可保留可用性和功能性的对抗样本

  肖茂, 郭春, 申国伟, 蒋朝惠

  基于灰度图的恶意软件检测方法由于不需要反汇编且具有检测准确率高的特点而备受关注。现今已有一些针对该类检测方法的对抗攻击,然而当前大部分对抗攻击方法无法确保所生成的对抗样本仍保留原PE文件的可用性或功能性,或是选择在通过文件头信息便能进行准确检测的PE文件底部添加字节码。通过分析PE文件的区段对齐机制以及文件对齐机制,提出一种可保留PE文件可用性和功能性的字节码攻击方法（BARAF）。该方法通过在由文件对齐机制产生的间隙空间和源于区段对齐机制而具有的扩展空间内批量修改或添加字节码来生成可保留可用性和功能性的对抗样本,来欺骗基于灰度图像的恶意软件检测方法。实验结果表明,BARAF生成的对抗样本最多能使基于灰度图的恶意软件检测方法的准确率下降31.58个百分点,并且难以通过文件头信息对其进行准确检测。

• 区块链在云制造资源分配的研究

  徐杨杨, 王艳

  云制造平台中,虚拟化的制造资源在交易过程中难以保证交易数据的真实性和安全性,而且依赖云制造平台运营商（CPO）的统一调配。该集中式框架容易出现单点故障,并且存在隐私数据泄露的风险。针对这些问题,结合区块链的去中心化和不可篡改性的优点,创新性地探索区块链技术在云制造中的应用,提出了一种基于区块链的云制造资源分配方法。首先,提出了一种基于区块链的去中心化的云制造交易平台框架,研究了制造资源/需求发布过程中的椭圆曲线数字签名算法（ECDSA）,分析了制造资源与需求匹配的机理。然后,利用智能合约（SC）设计了面向云制造的制造资源校验合约和制造资源交易合约,并使用Solidity完成在Remix平台中的实验测试。测试结果表明,提出的方法可以为虚拟化的制造资源交易提供一种安全可靠的保障。最后,探索了在去中心化的架构下,制造资源供应方（MRS）和制造资源需求方（MRD）供需平衡的博弈问题,并在MATLABR2019b上进行仿真,仿真结果表明制造资源供应方和需求方的博弈可以达到纳什均衡,并且较已有的研究有较快的收敛速度。

• 使用多分类器的分布式模型重用技术

  李新春, 詹德川

  传统的机器学习经常采用数据中心化的方式进行训练,然而由于实际应用中的传输开销或者隐私保护限制,数据越来越呈现分散化、隔离化的趋势。分布式训练学习技术为分散在信息孤岛上的数据融合提供了一种解决方案。然而,由于分散化数据本身具有天然异质性,本地数据分布经常是非独立同分布的（Non-IID）,这给分布式训练带来了挑战。首先,为了应对单一模型难以适配所有异质客户端的难题,在分布式训练的基础上引入了模型重用技术,提出了分布式模型重用框架（DMR）。然后,通过理论分析指出集成学习可以为异构数据提供有效的解决方案,并在此基础之上提出了使用多分类器的分布式模型重用技术（McDMR）。最后,为了减少实际应用过程中的存储、计算和传输开销,继而提出了两种具体的优化方案：使用多头分类器的分布式模型重用（McDMR-MH）和使用随机分类器采样的分布式模型重用（McDMR-SC）。在多个公开数据集上进行实验,实验结果验证了所提方法的有效性。

• 快速多视角特权协同随机向量函数连接网络

  吴天宇, 王士同

  现实情况中通常会针对同一对象从不同途径或层面获得特征数据,称这样获得的数据为多视角数据。对于多视角数据的挖掘利用具有研究价值,与传统的单视角学习相比表现出一定优势。多视角学习（MVL）中一个重要的问题是如何在满足视角间互补情况下同时保持视角之间一致性。为解决上述问题,基于多视角学习和特权信息学习（LUPI）概念,以随机向量函数连接网络（RVFL）为基础,提出了一种快速多视角特权协同随机向量函数连接网络（FMPRVFL）来有效地解决多视角分类任务。该方法的基本思想是在平均情况下相互利用冗余视角的附加信息作为特权信息监督当前视角的分类。在此基础上设计的FMPRVFL的目标函数可以利用解析解对目标函数进行优化,从而使FMPRVFL训练速度更快。理论分析表明,与经典的多视角学习方法相比,FMPRVFL可以提供额外的泛化能力。在64个数据集上的实验结果表明,FMPRVFL在平均测试精度和运行时间上都优于比较方法。

• 分段搜索的果蝇算法及其对纺织企业资源配置

  白晓波, 邵景峰, 王铁山, 李勃

  为了解决纺织企业智能化资源配置中的多参数多目标优化问题,提出了Multi-P-LevyFOA。首先,建立纺织企业智能化转型的多参数多目标资源配置模型。然后,在迭代次数小于等于2/3总迭代数时,基于Levy飞行的随机数更新种群位置,扩大搜寻范围,避免陷入局部最优。在迭代大于2/3总次数时,使用均匀分布的随机数更新种群位置,缩小搜寻范围,避免跳出最优值范围。对算法在不同迭代时刻全局和局部寻优能力进行了分析,对Multi-P-LevyFOA的算法时间复杂度进行了分析并与标准FOA和5个改进的FOA进行比较,并证明了其收敛性。将Multi-P-LevyFOA与其他4种改进的FOA进行了性能对比,重点分析了算法阈值SEP在22个benchmark函数上的影响,研究了Levy飞行中 β参数对寻优效果的影响规律。最后,以陕西某纺织企业的智能化资源配置为例,验证了Multi-P-LevyFOA的可行性。实验结果表明,Multi-P-LevyFOA能够有效地解决多参数多目标优化问题,为纺织企业智能化资源配置提供参考。

• 帕金森语音障碍的Mel变换域局部梯度统计分析

  张涛, 林丽琴, 张亚娟, 牛晓霞

  帕金森病语音障碍分析是进行基于语音的帕金森病早期诊断的信息分析基础。近年来,随着研究的深入,Mel变换域信息在本领域表现出越来越多的优势,同时提取结构特征对分类性能的提升日益显现。从帕金森病人语音信号的Mel变换域信息结构出发,提出Mel变换域局部梯度统计特征提取方法。该方法首先通过Mel频率变换的方法将语音信号转化为时频变换域能量信号,并将能量谱进行可视化表示;其次对能量数据进行滑动窗口处理,计算检测窗口内每个能量点的梯度与角度,获得Mel变换域的局部结构信息;最后根据角度统计所有检测窗口能量点的梯度,从而得到整体的局部梯度统计特征,以此表示Mel变换域中能量值的变化情况。在不同的帕金森病语音数据集上利用不同分类器进行实验,实验结果表明,与Mel变换域分析、倒谱分析和深度学习等方法相比,所提算法具有高准确度、高灵敏性的特点,从而验证了提出的局部梯度统计特征在帕金森语音障碍分析中的有效性。

• 决策蕴涵与可变决策蕴涵上的推理规则研究

  薛东前, 翟岩慧, 张少霞, 李德玉, 徐伟华

  形式概念分析是一种基于概念格的数据分析方法,决策蕴涵和可变决策蕴涵是形式概念分析的两种决策知识表示类型。决策蕴涵和可变决策蕴涵上已有完备的推理规则集。为了进一步厘清可变决策蕴涵和决策蕴涵在推理规则上的区别,首先对可变决策蕴涵进行不确定性剥离并提出了受限可变决策蕴涵,然后基于可变决策蕴涵的相关研究给出了受限可变决策蕴涵的语义特征和语构特征;在此基础上,得出了受限决策蕴涵的完备推理规则集,并且从语构角度比较了受限可变决策蕴涵和决策蕴涵;基于此,从语义角度得出了这两种决策类型在知识推理能力和知识表示形式上的差异,并从语义和语构角度总结了受限可变决策蕴涵相对于决策蕴涵所具有的特征。该研究为决策蕴涵、可变决策蕴涵和模糊决策蕴涵等不同决策类型的比较性研究提供了新的思路,为决策蕴涵更为高效、简洁的推理规则提供新的视角。

• 动态图的链接预测模型

  唐晨, 赵杰煜, 叶绪伦, 郑阳, 俞书世

  在现实世界中,任何复杂的关系都可以表示成图的形式,例如通信网络、生物网络、推荐系统等。链接预测是图领域的重要研究课题,但目前大部分的链接预测模型仅针对静态图,忽视了图在时域上的演化规律以及全局特征在演化过程中的重要性。为此,提出了一种动态图的链接预测模型。首先,为了获得高质量的全局特征,模型采用对抗训练的方式优化全局特征和高阶局部特征的互信息损失,然后利用基于宽平稳随机过程的感知模型,通过约束全局特征在时间维度上的均值和自相关函数值,以此保证全局特征在时域上的平稳性,再利用长短期记忆网络（LSTM）捕获动态图的演化规律,最后利用对抗网络优化预测值和真实值的损失。在USCB、SBM、AS数据集上的实验结果显示,本模型在动态图的链接预测任务上具有较好的表现,它不仅显著地提高了AUC值,还降低了MSE值。同时,消融实验的结果也表明,局部特征对全局特征的提取有促进作用,而且全局特征的质量和平稳性对网络链接预测有重要作用。

• 快速超轻量城市交通场景语义分割

  石敏, 沈佳林, 易清明, 骆爱文

  近年来,随着自动驾驶的火热发展,越来越多研究者开始探索图像语义分割网络的轻量化并将其应用于道路交通场景。而目前现存的语义分割网络通常由于参数量庞大难以部署在硬件资源有限的边缘设备,针对这一问题,设计了一个由通道注意力骨干网络（CABb）和空间注意力解码器（SAD）模块构成的双注意力轻量化网络（DALNet）,结合“通道-空间”双注意力机制的DALNet在图像上下文语义信息的提取和图像空间信息的恢复上都具有突出的表现。CABb主要由通道注意力瓶颈（CABt）模块组成,CABt模块采用Split策略分离特征通道并行处理多尺度的特征图,引入通道注意力机制进行通道融合,提取多尺度语义信息。SAD模块利用空间注意力机制指导解码器进行双线性插值上采样,恢复分割目标边沿以及细节信息。实验结果表明,DALNet仅凭48万的参数量在城市交通数据集Cityscapes和CamVid最高分别可达到74.1%和70.1%的交并比（mIoU）。DALNet在输入图像分辨率为512×1 024的情况下,基于GTX 1080Ti GPU可以获得74 frame/s的前向推理速度,远超实时语义分割所需的速度要求。

• 改进胶囊网络的小样本图像分类算法

  王飞龙, 刘萍, 张玲, 李钢

  为了解决胶囊网络不能对复杂的小样本图像进行有效分类的问题,提出一种将Darknet进行改进融入胶囊网络的分类模型。首先将Darknet改进为同时包含浅层与深层特征提取器的模型,浅层特征提取器采用5×5的卷积核以捕捉长距离的边缘轮廓特征,深层特征提取器采用3×3的卷积核以捕捉更深层的语义特征,再将图像的浅层边缘特征与深层语义特征进行融合,以保留图像的有效特征;接着利用胶囊网络对图像有效特征进行向量化处理,解决特征空间表征能力缺失的问题;最后在损失函数中加入L2正则化项,避免模型的过拟合问题。实验结果表明,在小样本数据集上,该模型相比胶囊网络、DCaps模型分类准确率分别提升28.51个百分点和24.40个百分点,相比ResNet50、Xception等卷积神经网络分别提升21.57个百分点和18.02个百分点,显示该方法对复杂小样本图像分类性能提升明显;同时在大样本数据集上,该模型的分类性能也获得了一定程度的提升。

• 特征混合增强与多损失融合的显著性目标检测

  李春标, 谢林柏, 彭力

  针对当前显著性目标检测算法存在的特征缺失和区域一致性差的问题,基于全卷积神经网络提出一种特征混合增强与多损失融合的显著性目标检测算法。该算法包含上下文感知预测模块（CAPM）和特征混合增强模块（FHEM）。首先利用上下文感知预测模块提取图像多尺度特征信息,并且在预测模块中嵌入空间感知模块（SAM）以进一步提取图像高层语义信息,然后利用特征混合增强模块对预测模块产生的全局特征信息和细节特征信息进行有效的整合,并利用特征聚合模块（FAM）对整合的信息进行特征增强。此外,提出了一种新的区域增强损失函数（RA）,并将此损失函数与已有的二进制交叉熵（BCE）损失函数、结构化相似度（SSIM）损失函数融合,以多损失融合的方式监督网络保持前景区域的完整性以及增强区域像素一致性。在五个包含多个显著性目标和复杂背景的图像数据集上对算法进行验证,实验结果表明,该算法有效地提高了复杂场景下显著性目标的检测精度,改善了显著图特征缺失与区域一致性差的问题。

• 改进双分支胶囊网络的高光谱图像分类

  张海涛, 柴思敏

  基于双分支的胶囊网络分类方法在两个通道分别提取光谱信息和空间信息,既保留了双分支卷积神经网络的特征提取方式,又提高了分类精度。但由于高光谱图像（HSI）通常由几百个通道组成,在训练胶囊网络时,动态路由过程产生了大量的训练参数。为此提出1D和2D约束窗口分别减少来自两个提取通道的胶囊数量。它以胶囊向量组为计算单位进行卷积运算,来减少胶囊网络的参数量和计算复杂度。基于该降参优化方法提出一个新的双分支胶囊神经网络（DuB-ConvCapsNet-MRF）,并将其应用在高光谱图像分类任务中。此外,为进一步提高分类性能,引入马尔可夫随机场（MRF）对空间区域进行平滑后处理,获得最终输出。对两个代表性高光谱图像数据集进行消融实验并与现有的6个分类方法进行比较,结果表明,DuB-ConvCapsNet-MRF在分类精度上都优于其他方法,并且有效降低了胶囊网络的训练代价。