本期电子书封面故事整期封面整期目录
优先出版刊期浏览栏目浏览
- 摘要：面向融合时延敏感网络的电力+5G前传网，针对电力通信业务确定性时延与差异化服务质量保障问题，该文提出了一种基于交换匹配的低复杂度流量调度算法.考虑业务优先级与差异化时延需求，将流量调度问题建模为最大化网络整体效用的二值变量优化问题.考虑不同业务数据包调度决策的相互耦合，将该问题转化为一个业务数据包与虚拟传输位置间的匹配关系决策问题，利用改进后的低复杂度交换匹配算法实现问题求解.理论分析了该方法收敛性与复杂度.仿真结果表明，与传统的4种流量调度方法相比，该方法可在满足高优先级业务传输需求的前提下有效提升网络整体效用20.06%、25.93%、37.54%、52.26%.关键词：电力通信;5G前传网;时延敏感网络;业务优先级感知;流量调度;交换匹配83|121|10<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：为了破解用户口令并获取用户隐私信息，口令猜测工具应运而生.基于规则的口令猜测工具虽猜测成功率较高，但制定规则非常耗时且需要一定的专业知识.基于深度神经网络的口令猜测工具则需要大量的训练数据集来训练模型.基于此，本文提出了（Sequence Generative Adversarial Network Password， SeqGANPass），利用序列生成式对抗网络，针对口令数据集执行数据预处理操作，经由多轮对抗性训练过程训练口令生成器，以生成高质量的猜测口令.即使没有任何先验知识，SeqGANPass仍可以通过小规模训练集来实现口令破译.同时我们发现使用SeqGANPass可以大大提高基于规则的口令猜测工具的有效性.在实验中，我们与当前的主流口令猜测工具进行比较，如John the Ripper，Hashcat，Markov Model，上下文无关文法（Probabilistic Context Free Grammars，PCFG），FLA（Fast， Lean， and Accurate）和PassGAN等.实验表明，SeqGANPass的匹配率优于这些主流的口令猜测工具.关键词：口令猜测;序列生成式对抗网络;深度学习;口令匹配;隐私泄露;生成式对抗网络16|74|1<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：为推进三值光学计算机产业化应用，同时提高现有运算器的效率和稳定性，本文论述了三值逻辑光学运算器（Ternary Optical Logic Unit，TOLU）的相关理论、工作原理和实际结构．依据降值设计理论，设计了基元特征结构，优化后形成了简洁的TOLU的光路和电路结构，并以制作成功的TOLU为核心，建成三值光学计算机原型系统SD16．在此基础上，提出了运算器实现18种三值逻辑运算基元的重构方法及重构码生成的创新思想，分析了复合运算基元的重构码，建立了复合运算基元与行运算器的关联，解决了任意三值逻辑运算器重构码生成的关键技术难题．实验表明，SD16的三值逻辑光学运算器的构造理论和结构切实可行，运算结果准确，运行稳定可靠，同时验证了三值光学运算器位数众多、按位可分配、按位可重构的优势．关键词：三值光学计算机;三值逻辑运算器;基元特征结构;重构码;运算基元;降值设计理论93|92|0<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：基于深度学习模型的胸部CT（Computed Tomography）图像自动分割有助于辅助医生诊疗.但随着网络宽度与深度的加深，网络训练困难且推理减慢.为提高隐藏层的学习能力，深度监督机制被用于网络训练.但以往的深度监督方法没有考虑模型中多尺度特征图的分层表示以及上采样对参与损失计算的特征图质量的影响.为加强隐藏层学习过程的直接性同时加快网络推理，本文提出一种结构重参数化与多尺度深度监督分割网络（Structural Reparameterization and Multi-scale Deep Supervision Network，SR&MDS-Net），以实现COVID-19（COrona VIrus Disease 2019）胸部CT图像的高效准确分割.首先构建一种结构重参数化特征变异（Structure Reparameterized Featurev ariation，SRFV）模块将网络的训练与推理进行解耦，在提高模型表达能力的同时加快推理速度；然后，提出一种新颖的多尺度深度监督机制，以加强网络监督效果，提高网络性能.在公开的COVID-19胸部CT图像数据集上进行实验，SR&MDS-Net的灵敏度、特异性、准确率、Dice分别达到了91.5%、99.5%、72.8%、80.1%，与同类其他方法比较，具有更优的性能.关键词：COVID-19;医学图像分割;深度学习;U-Net;结构重参数化;深度监督学习69|95|7<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：无线传感器网络中，有效检测网络异常并定位异常节点是确保数据可靠性的前提.传统的基于图信号处理的网络异常检测和异常节点定位方法无法兼顾检测性能和定位性能.为克服此缺点，提出了一种联合图信号时域和空域残差的网络异常检测与节点定位方法.首先，建立一个基于历史数据相关性和节点距离的图信号模型.接着，联合图信号高频分量的时域残差和空域残差实现网络异常检测.然后，利用图信号时域残差把传感器节点分成两组.在分组过程中，通过最大化有序残差分组间的均值差将异常节点划分到同一组.最后，判定具有较大残差值分组的传感器节点为异常节点.基于全球海平面压力和温度数据的仿真结果表明了所提方法的有效性.针对异常节点海平面压力误差为4 kPa、温度误差为5 ℃和3 ℃的三种情况，与双通道图滤波方法相比，所提方法的检测概率提高了至少20%，正确定位率提高了至少15%.关键词：无线传感器网络;图信号;异常节点;时域残差;空域残差;检测与定位37|91|7<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：为解决属性基加密方案中用户权限变更不灵活以及无法抵抗共谋攻击的问题，本文提出一种抗共谋攻击的多授权电子健康记录共享方案.采用版本控制的方式实现属性撤销，属性授权中心为非撤销用户提供更新密钥并更新密文，而没有更新密钥的用户将无法继续获取数据.为了保证数据访问的效率，系统将大部分计算外包至云服务器执行.此外，所有属性授权中心需要生成各自的公私钥对以抵抗共谋攻击.本方案在随机谕言模型下满足选择明文攻击不可区分安全，与其他多中心方案相比，功能更加实用且解密开销至少降低了45.9%.关键词：属性基加密;多授权中心;抗共谋攻击;属性撤销;外包解密;外包可验证14|98|0<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：越来越多的恶意软件变种给网络安全带来了巨大的威胁，导致了现有基于CNN（Convolutional Neural Networks）的恶意软件分类方法的泛化能力弱和准确性不足.为了解决这些问题，本文提出了一种新的方法，即基于改进CNN的恶意软件RGB（Red Green Blue）可视化的分类方法，可以抵御变种和混淆性恶意软件. 首先，提出了一种基于RGB图像的特征表示方法，该方法更加关注恶意软件的二进制和汇编信息、API信息间的语义关系，生成具有更丰富纹理信息的图像，可以挖掘恶意代码原始与变种之间更深层的依赖关系.其次，针对恶意软件的加密和混淆问题，使用坐标注意力模块（Coordinate Attention Module，CAM）获取更大范围的空间信息来强化特征.最后，结合空洞空间金字塔池化（Atrous Spatial Pyramid Pooling，ASPP）来改进CNN模型，解决因图像尺寸归一化导致的信息丢失和冗余.实验结果表明，上述方法在最近的先进方法中脱颖而出，对Kaggle数据集和DataCon数据集的准确率分别达到99.48%和97.78%.与其它方法相比，该方法对Kaggle数据集的准确率提高了0.22%，对DataCon数据集的准确率提高了0.80%.本文方法可以有效地分类恶意软件和恶意软件家族变种，具有良好的泛化能力和抗混淆能力.关键词：网络安全;恶意代码分类;RGB图像;汇编信息;语义关系;坐标注意力模块;空洞空间金字塔82|88|9<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：针对现有僵尸网络检测方法采样不均、特征选择差、泛化能力较弱，导致检测分类效果偏低且对计算和存储资源受限的物联网环境的适应性较差等不足，本文提出了一种面向物联网的多协议僵尸网络检测方法.通过所设计的基于地址三元组和时间窗口的IP聚合与特征重构方法整合从物联网网关中获取的网络流量，得到重构样本集.采用所提出的自修正混合加权采样算法平衡重构样本集中正常流量与僵尸流量，得到重采样样本集.采用所提出的基于多属性决策和邻接关系链的序列前向选择算法剔除重采样样本集中的冗余特征，得到最优特征子集.采用所设计的基于阵发混沌的秃鹰搜索算法优化后的两阶段混合异构模型，对经最优特征子集筛选后的重采样样本集进行检测分类.实验结果表明，所提方法对僵尸网络的检测效果较好，检测准确率为99.24%，马修斯相关系数为98.49%，误报率为0.17%，漏报率为1.29%，优于现有方法.该方法能够有效降低采样与特征选择的时空开销，可较好地适应资源受限的物联网环境.关键词：僵尸网络;物联网;样本重构;前向选择;阵发混沌;搜索算法57|92|2<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：社区搜索用于返回包含给定查询结点且符合查询条件的密集连通子图.目前，大部分已有社区搜索方法主要关注社区的结构，没有考虑到特定应用中资源受限的情况，且忽略了社区的属性特征，无法满足用户对社区搜索的个性化要求.针对该问题，本文提出了规模受限的影响力社区搜索（Size-Constrained Influential Community search，SCIC），设计了基于深度优先搜索的基础算法，在此基础上进一步提出了基于结点预处理、剪枝规则和贪心策略的优化算法，用于减少冗余计算，加速枚举过程.在10个不同规模的数据集上进行实验，实验结果表明基础算法在搜索获得的社区规模和影响力上均优于已有算法，同时，本文提出的优化算法能够显著提升搜索效率，将响应时间缩减至基础算法的1%.关键词：数据图;社区搜索;k-核;加权图;规模受限社区;影响力社区搜索19|98|2<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：针对深度知识追踪模型中普遍存在知识状态向量可解释性弱、缺失历史序列数据语义特征信息、忽视历史序列数据对预测结果影响程度等问题，本文提出了一种融合认知诊断理论和多头注意力机制的预测模型C&RM-MAKT（Cognitive & Response Model- Multi-head Attention Knowledge Tracing）.C&RM-MAKT采用Word2Vec和BiLSTM（Bi-directional Long Short-Term Memory）网络将时序数据变换为低维连续实值向量，引入C&RM训练出的可解释性参数来建模学生学习状态，在模型机理层面将知识状态向量扩展为知识状态矩阵.最后，C&RM-MAKT使用多头注意力机制计算出历史序列数据对预测结果的影响程度，以提高模型的可解释性与精度.预测实验结果表明：C&RM-MAKT在HNU_SYS1、HNU_SYS2、Math1和Frcsub四个数据集上都取得了最佳性能结果，尤其在HNU_SYS2中，C&RM-MAKT相较于现有知识追踪模型在AUC（Area Uder the Curve）、ACC（ACCuracy）和F1（F1-Measure）指标上分别提升了4.3%、3.6%和5.9%.此外，HNU_SYS2数据集上的可解释性分析表明：C&RM-MAKT模型内部参数可解释性强，一定程度上缓解了深度模型的“黑箱”特性.关键词：预测算法;知识追踪;认知诊断;注意力机制;LSTM网络;时序数据;语义特征18|59|5<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：针对传统干扰功率分配方法在干扰目标策略未知的情况下容易造成资源浪费和干扰效费比低的问题，本文提出一种基于深度强化学习的动态自适应干扰功率分配方法.在目标通信功率及功率控制策略完全未知的情况下，该方法将空间分布的侦察节点的观测值作为连续状态输入，利用深度强化学习方法进行干扰功率的辅助决策，可通过对目标策略的有效学习实现自适应稳定干扰.为进一步提升算法性能，本文设计了基于时序误差的优先经验回放机制和自适应探索策略.仿真结果表明，所提方法在与传统干扰功率分配方法干扰效果相当的情况下可节约42.5%的功率资源，提升了干扰效费比，且成功率和功率损耗皆优于对比的智能算法.关键词：电子对抗;通信对抗;干扰资源分配;干扰决策;功率分配;深度强化学习;优先经验回放27|104|6<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：现有多元时间序列的分段方法主要通过检测时序数据统计特性或形状的变化情况，并以此为依据对分段点的位置进行“硬划分”.然而，这些分段方法无法对两个分段之间的过渡区间长度进行准确估计，且普遍需要人为预先设置参数，在高维且噪声较强的情况下分段效果较差.本文针对现有分段方法存在的诸多不足，提出一种基于FastICA（Fast Independent Component Analysis）和G-G（Gath-Geva）模糊聚类的多元时序自适应分段方法.该方法利用FastICA进行特征提取，采用DW（Durbin-Watson）指数自动选取高信噪比的主成分，并根据最小描述长度（Minimum Description Length，MDL）设计基于G-G模糊聚类的自适应分段模型，实现对于多元时间序列的“软划分”.基于多种领域的真实数据集实验结果表明：与现有主流的分段方法相比，本文方法在上述数据集上的平均F1和MAE（Mean Absolute Error）可分别提升8.4%~16.8%和3.06%~6.56%.关键词：多元时间序列;自适应分段;快速独立主成分分析;Gath-Geva聚类;最小描述长度49|70|0<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：为了解决天鹰优化算法（Aquila Optimization algorithm，AO）易陷入局部最优及收敛速度慢的问题，本文提出一种多策略融合的改进天鹰优化算法（Multi-Strategy Integration Aquila Optimization algorithm，MSIAO）.该算法采用结合Tent混沌映射的折射反向学习初始化种群以提高算法前期的搜索效率，根据种内互助及优化策略解决算法寻优停滞的缺陷，并通过基于Bernoulli混沌序列的自适应权重策略提高算法的收敛速度，引入了柯西-高斯变异算子增强算法迭代后期逃逸局部极值的能力.本文对10个基准函数、部分CEC2014测试函数集进行实验，并将MSIAO用于2个工程设计优化问题.结果表明，对于高维单峰、高维多峰以及固定维复杂多模态函数，MSIAO比AO具有更高的收敛精度和更快的收敛速度；MSIAO对压力容器与焊接梁优化设计的经济成本较AO分别节约4.62%、0.77%，验证了MSIAO对于处理机械工程问题的实用性和优越性.关键词：天鹰优化算法;折射反向学习;种内互助;Bernoulli序列;自适应权重;柯西-高斯变异68|79|3<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：为节约有限通信资源，针对不确定多移动机器人系统的编队控制问题，提出一种基于抗干扰观测器的事件触发固定时间编队控制方法.首先，设计了一类自适应固定时间滑模干扰观测器（Adaptive Fixed-time Sliding Mode Disturbance Observer，AFSMDO），用来估计系统模型参数不确定和未知扰动.其次，在干扰观测器的基础上，结合反步法和固定时间理论，引入事件触发机制，设计固定时间分布式编队控制器，实现多机器人系统固定时间编队且收敛时间不依赖于系统初始状态，并经理论推导无Zeno行为.最后，通过对三个移动机器人进行编队仿真研究，验证了方法的有效性.关键词：移动机器人;干扰观测器;编队控制;有限通信资源;固定时间;事件触发31|76|7<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：行人轨迹预测在自动驾驶和监控系统等多个应用中具有重要意义.目前大多数行人轨迹预测模型采用基于循环神经网络的编码器-解码器结构，其自回归的解码结构存在一定的累积误差，而且循环神经网络对序列的长期依赖问题仍然无法很好地解决.本文提出一种基于Transformer网络的非自回归行人轨迹预测模型，非自回归的解码结构能够同时生成所有预测值来减少累积误差，Transformer网络中的自注意力机制能够改善长期依赖问题.本文还设计一个局部信息加强模块来捕获行人运动趋势发生变化的局部特征，同时结合边界框的位置信息和大小信息来编码第一视角下透视投影产生的影响，使得模型提取到的轨迹特征更加有效.实验结果表明，在基于第一视角的公开数据集PIE（Pedestrian Intention Estimation）上，本文提出的模型比PIE预测模型在15、30、45帧的平均位移误差和终点位移误差上分别降低了24%，14.5%，11%和6%.关键词：行人轨迹预测;第一视角;Transformer网络;非自回归预测;累积误差;局部信息加强12|73|2<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：针对地面超远距离目标进行到达时间差（Time Difference of Arrival，TDOA）被动定位时，将天基监测卫星与地面监测站点相联合，可有效规避天基多星联合体制成本高、调度灵活性受限等问题，但受地面目标与地面监测站之间对流层散射传播非直线路径关系影响，星地联合定位精度常难以满足实际应用需求.针对此问题，本文提出一种面对对流层散射传播超视距的超远距离目标星地联合定位技术，通过地面目标与地面监测站之间对流层散射传播路径等效地球半径数学模型构建，以描述二者之间非直线路径光程长度关系，进而联合目标与天基监测卫星之间直线传播路径数学模型，构建新的星地联合TDOA被动定位方程组，最后，通过牛顿迭代法对该非线性方程组进行解析获得定位结果.本文给出了星地联合的对流层散射目标定位克拉美罗下界（Cramer-Rao Lower Bound，CRLB）推导，并且验证了本文针对远距离目标提出的定位方法的估计性能.计算机仿真验证表明，所提技术可有效消除对流层散射传播非直线关系对定位精度恶化影响，实现了星地联合超远距离目标TDOA被动定位精度有效提升.关键词：星地联合;超远距离目标定位;对流层散射;超视距定位;到达时间差;非直线路径27|70|1<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：针对传统奈奎斯特采样会产生庞大的数据量以及现有的阵列压缩采样系统存在结构复杂、重构运算量大等问题，本文提出了一种基于均匀线型阵列的改进型调制宽带转换器（Modulated Wideband Converter，MWC）的阵列接收系统，无需重构即可直接对接收信号的压缩采样数据进行载频与波达方向（Direction Of Arrival，DOA）估计.所提系统在MWC测频支路中采用周期性循环移位伪随机序列作为混频函数以求得子带索引估计，采用基于快速傅里叶变换（Fast Fourier Transform，FFT）谱线插值法进行基带频率估计，且将MWC测向分支中混频函数设置为相同的伪随机序列，便可直接利用高分辨率的多重信号分类（MUltiple SIgnal Classification，MUSIC）算法对组合压缩采样数据完成DOA估计.实验仿真结果证明了所提系统能较好地从压缩采样数据中完成对目标的载频与DOA参数估计.关键词：压缩采样;均匀线阵;调制宽带转换器;载频估计;波达方向估计;阵列信号处理73|94|1<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：LoRa（Long Range）技术是一种改进的高阶啁啾扩频（Chirp Spread Spectrum，CSS）调制技术，如今已经成为了地面物联网（Internet of Things，IoT）的主流调制技术之一.不同于地面物联网，卫星IoT将会实现全球范围内的无缝覆盖，但其通信距离遥远和高速移动使得接收机通常工作在极低信噪比下并面临较大时延和多普勒频移.鉴于此，本文将LoRa技术应用到卫星IoT系统中并研究相应的接收机同步与非相干软解调方案.首先给出了卫星IoT上行链路的系统模型和数据帧结构.接着根据LoRa信号的特点，设计了一种联合时延与多普勒频移估计方案.为了进一步消除相偏和其他残留项的影响以及考虑采用基于软判决译码的编码方案，又设计了一种低复杂度的非相干软解调算法.仿真结果表明基于所提同步方案和软解调算法的turbo-LoRa系统可以在极低信噪比和较小导频开销下获得接近于理想情况的误码性能，且在BER=10-5下优于Hamming-LoRa系统3dB.关键词：LoRa调制;接收机同步;非相干解调;极低信噪比;卫星物联网;6G通信50|82|2<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：针对传统互联网低比特率编解码器（internet Low Bit Rate Codec，iLBC）语音隐写主要集中在线性频谱频率系数矢量量化、码本搜索矢量量化或增益量化的单个阶段，难以应对多阶段下的联合隐写检测等问题，提出一种基于多特征融合和双向长短时记忆（Bi-Directional Long Short-Term Memory，BiLSTM）网络的iLBC语音隐写检测算法.通过分析隐写对不同阶段参数带来的影响，提取线性频谱频率系数矢量量化、码本搜索矢量量化和增益量化过程中的多种隐写特征，并分别输入到相应的BiLSTM检测网络，最后将各检测网络的结果进行融合，得到最终隐写检测结果.实验表明，所提算法可以实现多阶段下的联合隐写检测，而且在语音时长较短时，仍能取得优异的检测结果，平均检测准确率达到了90%以上.关键词：联合隐写检测;互联网低比特率编解码器;双向长短时记忆网络;隐写特征提取;多特征融合16|68|3<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：为了提高卫星地面网络的能量效率和用户服务公平性，减小系统内干扰，本文提出了一种基于能量效率的星地非正交多址（Non-Orthogonal Multiple Access，NOMA）网络功率分配算法.首先基于最大化系统能量效率原则，设计了一种卫星用户选择和地面用户分组策略.其次以系统内干扰、最大发射功率以及用户服务质量为约束条件，建立了地面和卫星功率分配优化模型，利用连续凸近似和Dinkelbach法，将基于能量效率的非凸问题转化为凸优化问题，并利用拉格朗日对偶法和次梯度迭代法求得解析解.研究结果表明，当基站最大发射功率为50dBm时，相对于贪婪算法策略，所提配对策略能量效率提升约13.4%，相对于固定相关度策略，所提配对策略能量效率提升约8.2%，相比于正交多址功率分配策略，所提联合最优功率分配算法系统能量效率提升约10.1%.关键词：卫星通信;星地链路;非正交多址;功率分配;能量效率;凸优化;服务质量22|50|2<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：传统卷积神经网络存在着参数量大、训练耗时长、轻量级模型的识别准确度不足的问题.本文提出了一种基于ResNet网络的多分支结构轻量化网络（Residual multi-branch structured Network，RemulbNet），通过在残差结构的主干中使用多分支结构增加特征多样性，利用变体的深度可分离卷积缩减模型参数量，采用Mish激活函数增加网络的非线性表达能力，在有效减少模型体积的情况下，提升网络的分类准确率.利用图像识别数据库，对网络性能进行测试.研究表明，对于5分类花卉识别问题，RemulbNet相比ResNet网络识别准确率提高3.9%，模型参数量减小71%，模型体积减小77%，缩短了约40%训练耗时；与轻量级网络（MobileNet v2和ShuffleNet v2）相比，RemulbNet在识别准确度、模型体积、训练时长和不同的图像分类数据集上都表现出优良的性能.关键词：轻量化网络;多分支瓶颈结构;Mish激活函数;深度可分离卷积;图像分类;卷积神经网络11|72|1<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：现有图域频谱感知算法主要借助于完全图检测，其性能在低信噪比时不佳.为此，本文提出了一种基于自相关函数图域变换的感知算法，可有效改善低信噪比下的检测性能.其基本思路为：将去均值后观测信号的自相关函数通过归一化、量化等环节转换到图域，在分析图连通性差异的基础上，将图拉普拉斯阵的零特征值个数作为检验统计量，以完成对频谱的有效感知.文中利用受控不等式理论阐明了随机序列分布的随机性、样本数及量化级数与图的连通性之间的相互关系.仿真结果表明，在信噪比为-10 dB时，本文算法的检测概率接近100%，其性能优于现有图域感知算法，且计算复杂度适中，具有较好的应用效能.关键词：频谱感知;图域信号处理;连通分量个数;拉普拉斯矩阵;受控不等式25|73|1<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：在基于模型的诊断推理过程中，极小碰集求解效率是决定诊断快慢的关键一步.本文在原有极小冲突集合簇与极小碰集簇的基础上，充分考虑它们与新增冲突集中元素的关系，提出一种新型的优化增量策略.在原有极小冲突集簇中，首先通过启发式策略抽取部分集合进行极小化，从而大幅度缩短求解时间；然后通过优化的增量策略快速补全并更新解集，进而提高整体求解效率.为进一步提高算法的效率，提出按冲突集的势从小到大增量排序，利用新型优化的增量策略依次递归计算，并最终求得原始问题集合簇所有解集的全增量算法CIMHS（Complete Increment Minimal Hitting Set）.实验结果表明，在许多情形下，CIMHS算法较其他经典的极小碰集求解算法，可减少1至3个数量级的运行时间.关键词：基于模型诊断;极小冲突集;极小碰集;增量策略;启发式策略;全增量42|47|1<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：遗传算法解决多路径覆盖中难覆盖边的问题，是当前软件测试数据自动生成领域的一个研究热点.现有方法解决多路径覆盖问题的效果不够理想，本文提出一种将关键边概率与路径层接近度相结合的多路径覆盖测试方法.首先，本文计算节点被穿越概率找到难覆盖节点，通过难覆盖节点找到难覆盖边（即，关键边），生成目标路径.然后，本文根据关键边概率计算个体贡献度，并通过程序的路径层图计算路径层接近度，再由个体贡献度及路径层接近度设计适应度函数.最后，本文利用多种群遗传算法进化生成测试数据以覆盖目标路径，在进化过程中子种群覆盖当前目标路径后，继续尝试覆盖与其相似的其它路径.实验结果表明，该方法与同类经典方法相比，在保证平均进化时间和平均进化代数占优的同时，稳定性也有所提高，生成时间增幅标准偏差较最优的降低10.19%，离散系数降低10.79%.进化代数增幅标准偏差较最优的降低19.98%，离散系数降低28.02%.关键词：关键边概率;路径层接近度;多路径覆盖;遗传算法;适应度函数;个体贡献度37|60|0<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：本文针对无人机航拍跟踪算法实时性差且易发生跟踪漂移的问题，提出了一种动态自适应特征融合的改进飞蛾扑火优化跟踪器.本文设计了一种基于趋光-聚集度飞蛾扑火优化算法的目标跟踪框架，采用高斯分布和趋光-聚集度改进飞蛾扑火算法的初始化和迭代方式，将改进后的飞蛾扑火算法作为搜索策略优化目标跟踪，提升了跟踪效率；同时，在趋光-聚集度飞蛾扑火优化算法跟踪框架的基础上，本文定义了一种自适应多特征融合的模板和选择了一种动态更新的模板策略，充分利用颜色名特征、融合方向梯度直方图特征及灰度特征各自的优势，消除复杂环境中无人机跟踪受到的干扰，并解决在遮挡等情况下学习到无效的背景信息而导致特征模板退化的问题.实验结果表明，本文提出的算法在复杂环境场景下能够适应不同情况下环境的变化，平均跟踪精度达到87%，保持稳定跟踪，跟踪速度为31.6帧/s，满足实时性要求，大幅提升了跟踪器的精度和鲁棒性.关键词：目标跟踪;群体智能算法;改进飞蛾扑火算法;特征融合;余弦相似度;高斯初始化37|93|8<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：对未知恶意代码及其变种进行快速准确地识别，是对恶意攻击行为进行有效防范的前提和基础.但随着恶意代码变种的急剧增加，人工更新样本数据库的效率越来越差，仅仅依据延时的数据库信息，传统的识别方法难以有效捕获经过混淆方法操作的样本特征信息.针对上述问题，本文设计了一种基于灰度图像处理的深度学习模型MalMKNet（Multi-scale Kernel Network for Malware），建立了一种多尺度卷积核混合的卷积神经网络（Convolutional Neural Network，CNN）架构，以提高恶意代码识别能力.该模型运用具有捷径（shortcut）结构的深度大内核卷积和标准小内核卷积相结合的混合卷积核（Mixed Kernels，MK）模块，以提高模型准确率；在此基础上，通过多尺度内核融合（Multi-scale Kernel Fusion，MKF），以降低模型参数量；再结合特征重组（feature shuffle）操作，实现优化特征通信，在不增加模型参数量的前提下提升了分类精度.实验结果表明，MalMKNet在恶意代码家族分类准确率方面优于其他基于深度学习的分类方法，准确率达到了99.35%.关键词：恶意代码识别;卷积神经网络;深度学习;图像处理;大卷积核;轻量化模型46|90|5<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：本文讨论了在非Kolmogorov湍流下部分相干电磁高斯-谢尔模型（Electromagnetic Gaussian-Schell Model，EGSM）光束用于相干探测时系统的性能.基于相干探测理论推导了EGSM光束在非Kolmogorov湍流下斜程传输时系统灵敏度的表达式.研究了在误码率为
- 摘要：为解决背景感知相关滤波器存在的特征表达能力不足和模型漂移问题，本文提出了一种基于双模型竞争机制的目标跟踪算法.一方面，本文基于颜色和梯度信息设计了一种简单高效的特征描述子，以实现更鲁棒的目标表观建模.另一方面，本文分别构建初始模型和变化模型作用于目标搜索区域，并根据两者的跟踪响应图置信度来决定跟踪结果.跟踪过程中，随着双模型主导地位不断地动态切换，变化模型也被赋予了可逆向学习的能力，从而达到缓解模型漂移的效果.实验结果表明，相比于基准算法，本文算法在OTB2015、TinyTLP和UAV20L三个数据集的跟踪精度分别提升5.0%、1.3%和4.1%，跟踪成功率分别提升3.8%、2.8%和1.7%，且在对不同跟踪场景实现稳定跟踪的同时能够保持25.5 fps的实时跟踪速度.关键词：目标跟踪;相关滤波;双模型竞争机制;特征描述子;跟踪置信度;模型漂移13|82|2<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：现存的无监督视频目标分割方法通常使用光流作为运动线索来提升模型性能.然而，光流的估计常存在误差，这将导致双流网络易对噪声过拟合.为此，本文提出一种基于混合变换器的无监督视频目标分割算法，通过引入深度信号引导变换器高效融合不同模态数据，以学习更加鲁棒的特征表达，从而减轻模型对噪声的过拟合.首先，设计一个新颖的混合注意力模块来获得全局感受野并对不同模态的特征进行充分交互，以增强特征的全局语义信息来提升模型的抗干扰能力.接着，为了进一步感知精细化的目标边缘，设计了一个局部-非局部语义增强模块，将局部语义的归纳偏置引入补充学习非局部语义特征，在提升模型抗干扰力的同时突出更精细化的目标区域.最后，增强后的特征输入变换器的解码器，预测得到高质量的分割结果.与最先进的方法相比，本文所提算法在四个标准数据集上都获得了领先的性能，充分表明了本文所提方法的有效性.关键词：无监督视频目标分割;混合变换器;混合注意力;多模态;深度估计;鲁棒特征7|80|2<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：脑电信号（ElectroEncephaloGram， EEG）的跨被试情感识别，充分利用EEG信号库中大规模信息，并避免单被试模型训练对被试数据过度依赖产生的模型失效等问题，进一步推广了脑电识别的广泛应用.然而，不同被试生理与心理等客观差异加剧了模型建立难度.基于此，本文提出统一全局空间表达（Unified Global Spatial Representation， UGSR）的跨被试识别模型.本文构建自适应在线自编码网络，通过对时序数据增量学习，提取EEG信号潜在统一特征，实现生理偏差校正.进一步，本文利用格拉姆角场（Gramian Angular Fields， GAF）转换局部时序特征为全局连续空间表达，避免相同环境下因被试心理差异产生反应信号时序不一致等问题，并建立全局注意力机制的深度卷积神经网络，获得更具判别性的非线性样本表达，提升识别精度.本文模型被验证在流行的脑电信号数据集上，并获得了更好的跨被试识别精度与泛化性.关键词：脑电信号;情感识别;跨被试识别;自编码网络;卷积神经网络;注意力机制37|87|4<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
- 摘要：本文提出一种基于双向生成对抗网络（Bidirectional Generative Adversarial Network， BiGAN）的无监督感知哈希生成算法，通过编码网络、生成网络和判别网络间的双向迭代对抗，生成具有较强图像语义特征表示能力的感知哈希码.本算法通过在编码网络和生成网络间添加跳接层网络结构，将原始图像不同维度的特征信息传递到生成网络，提高生成图像语义学习能力与网络收敛速度；同时，在对抗损失中添加均方误差（Mean Sequare Error， MSE）损失，增强生成图像的视觉质量与细节表示能力.最后，基于网络间的多重迭代对抗训练，输出兼备相同来源图像鲁棒性和不同来源图像区分性的高性能图像感知哈希码.本研究首次采用大型图像数据库进行算法性能评价，实验结果表明，基双向生成对抗网络的感知哈希生成算法与当前其他最新研究方案相比具有更强的版权认证与来源检测能力.关键词：感知哈希;生成对抗网络;均方误差;来源检测;哈希码;图像内容认证56|64|4<HTML><网络PDF> <Meta-XML>更新时间：2025-12-08
学术论文
