摘要 在很多真实应用中,数据以流的形式不断被收集得到.由于数据收集环境往往发生动态变化,流数据的分布也会随时间不断变化.传统的机器学习技术依赖于数据独立同分布假设,因而在这类分布变化的流数据学习问题上难以奏效.本文提出一种基于决策树模型重用的算法进行分布变化的流数据学习.该算法是一种在线集成学习方法:算法将维护一个模型库,并通过决策树模型重用机制更新模型库.其核心思想是希望从历史数据中挖掘与当前学习相关的知识,从而抵御分布变化造成的影响.通过在合成数据集和真实数据集上进行实验,我们验证了本文提出方法的有效性.

关键词 机器学习; 分布变化; 流数据; 模型重用; 集成学习; 动态环境; machine learning; distribution change; data stream; model reuse; ensemble methods; dynamic environments;

摘要 近几年,深度模型在诸多任务中取得了巨大成功,但是深度模型需要大量的存储和计算资源实现精确决策,研究者为了将深度模型应用到资源受限的终端设备中,设计了模型压缩的优化策略来降低模型占存和计算量.本文基于剪枝压缩框架,从卷积核重要度评价的角度提出了两种模型剪枝算法.(1)由于每个卷积核都可以学习到其独有特征信息,因此本文提出了一种归因评价机制用于评价卷积核所学特征与因果特征的相关度,将模型中与因果特征相关度较低的卷积核进行裁剪,以实现模型压缩的目的,同时也能够保留原模型的归因特征,称此算法为归因剪枝.(2)第2种剪枝算法基于迭代优化剪枝框架,采用卷积通道和梯度中正相关特征评价相应卷积核重要度,以便于提高剪枝冗余卷积核的精准度,称为Taylor-guided剪枝算法.本文在VGGNet和ResNet两种网络架构上进行实验验证,结果表明:归因剪枝算法可以极大地保留原模型的归因特征;并且两种剪枝算法能够取得比当前主流剪枝算法更优异的压缩效果.

关键词 深度学习; 网络剪枝; 归因; 压缩; Taylor展开; deep learning; network pruning; attribution; compression; Taylor expansion;

摘要 本文研究K-近邻分类器的鲁棒性验证问题.形式化鲁棒性验证的目标是计算分类器在给定样本点上的最小对抗扰动的精确值或者最小对抗扰动的非平凡下界.我们将计算K-近邻分类器的最小对抗扰动形式化为一组二次规划问题.二次规划问题的数目随近邻参数K的增大呈指数级增长,精确求解该组二次规划问题往往不可行.约束放松法通过放松优化的约束项,可以在多项式时间内求解最小对抗扰动的下界.然而,本文通过理论分析和实验发现,当近邻参数K取值较大时,约束放松法求得的下界往往过于宽松,甚至会出现K越大下界越小的反直觉结果.为解决这一问题,本文提出使用随机平滑法对K-近邻分类器进行鲁棒性验证.随机平滑法利用了K-近邻分类器对高斯(Gauss)白噪声鲁棒的特点,获得了较为理想的鲁棒性验证效果.基准数据集上的实验结果表明,相比于最新的鲁棒神经网络,"随机平滑的" K-近邻分类器展现出了更好的验证鲁棒性.

关键词 监督学习; 对抗机器学习; 对抗鲁棒性; 鲁棒性验证; K-近邻分类器; supervised learning; adversarial machine learning; adversarial robustness; robustness verification; K-NN classifier;

摘要 油气储集层识别是石油能源企业在勘测和开发业务中核心的任务之一.长期以来,油气行业一直依靠专家人工分析海量测井数据以对地下油气储集层进行定性分析,虽然专家解释结论有着很高的精准度,但是时间与经济成本都十分高昂.近些年来,随着以深度学习为代表的人工智能技术的迅速发展,智能油气储集层识别技术成为学术界和工业界共同关注的问题.然而,真实工业环境存在严重的传感数据不一致问题,给传统的监督学习模型带来巨大的挑战.本文针对传感器不一致情境中油气储集层识别任务展开研究,提出多尺度地质知识蒸馏网络的方法.首先,该方法提出一种多尺度特征自注意力融合机制来学习地质信息的多尺度动态表征.其次,该方法设计一种地质知识蒸馏学习模型,从非一致传感数据中学习额外的地质知识,进一步提升模型准确度.最后,在真实数据集上进行大量实验,结果充分证明本文提出的模型在油气储集层识别任务上的有效性和鲁棒性.

关键词 油气储集层识别; 地质知识; 蒸馏学习; 传感数据; 深度神经网络; oil and gas reservoirs detection; geological knowledge; distillation learning; sensor data; deep neural network;

摘要 机器学习方法对网络流量分类的前提是假设流量具有独立同分布性,而实际情况下流量特征不断发生变化,导致该方法在处理海量、不具备独立同分布的流量数据时开销较大,计算复杂度较高,精度较低.针对上述问题,本文提出一种新的分类模型.该模型将PCA算法与改进的深度卷积神经网络分类模型(improved deep LeNet-5 convolutional neural networks, LCNN)相结合进行流量分类.前者进行降维分析,发现影响检测精度的关键特征,后者采用自主特征学习方式提升分类精度.实验表明,本文方法的内存开销较之前方法降低了3.2%,检测精度提升了5%～8%.

关键词 网络流量分类; 深度卷积神经网络; PCA; 多分类器; 特征选择; Tensorflow; network traffic classification; deep convolutional neural network; PCA; multi-classifier; feature selection; Tensorflow;

摘要 安全多方计算是国际密码学界研究的热点,百万富翁问题是安全多方计算最基础最重要的问题,是构造其他安全多方计算协议的基本模块.这个问题已经有许多解决方案,但除了基于混淆电路的协议之外,目前基于公钥加密算法的解决方案几乎都是半诚实模型下的解决方案,抗恶意敌手的解决方案极少,仅有的个别解决方案效率很低,这制约着恶意模型下许多安全多方计算问题的解决.抗恶意敌手的解决方案更符合安全多方计算的实际应用场景,研究抗恶意敌手的百万富翁问题解决方案,具有重要的理论与现实意义.本文首先设计了一个半诚实模型下百万富翁问题的解决方案,进一步分析了恶意敌手可能的恶意行为,并用零知识证明和分割选择阻止或发现这些恶意行为,将半诚实模型下安全的计算协议改造成恶意模型下安全的计算协议,并用理想–实际范例证明了协议的安全性,分析了恶意敌手攻击成功的概率和方案的效率.理论分析表明与现有方案相比,我们提出的方案效率至少提高6倍.

关键词 安全多方计算; 百万富翁问题; 恶意模型; 分割–选择; 零知识证明; 理想–实际范例; secure multiparty computation; millionaires' problem; malicious model; cut-and-choose; zero-knowledge proof; ideal-real paradigm;

摘要 针对遭受稀疏恶意攻击的离散时间线性系统,本文研究其安全控制问题.假设恶意攻击者受有限资源的约束,仅能操控远程控制器和执行器之间的若干通信通道.对于设计者来说,并不知道哪些通道受到攻击,哪些通道没有受到攻击.本文提出了一种新的安全的远程控制方法,它由控制律、切换函数和选择机制构成.选择机制为控制律提供合适的反馈增益,并产生一个切换函数,用以阻止攻击信号进入被控对象.理论分析表明,在基本的和必要的假设条件下,本文考虑的安全控制问题可转化为求解状态反馈镇定问题.本文所提控制方法,能保证闭环系统的稳定性且使其具有"PID"型性能的抗攻击能力.最后,通过对某无人地面车辆系统的仿真实验,验证了理论结果的正确性.

关键词 安全控制; 信息物理系统; 稀疏恶意攻击; 切换策略; 抗攻击性能; secure control; cyber-physical systems; sparse adversarial attacks; switching strategy; attack-resilient performance;

摘要 多模态融合对于机械手充分感知外界环境至关重要,单一模态信息会限制机械手对物体的识别、抓取能力,而传统的跨模态数据生成方法生成的图像效果较差,导致多模态融合效果并不理想.为了解决跨模态生成的图像效果差和多模态融合的数据缺乏等问题,本文提出变分贝叶斯高斯混合条件生成对抗网络(BGM-CGAN)的跨模态多样性噪声数据生成式方法.首先利用变分贝叶斯高斯混合算法将均匀分布的随机噪声组生成单一的混合变量;然后将生成的混合变量通过高斯混合模型生成一系列高斯混合噪声组;最后从生成的高斯混合噪声组中随机选取单一高斯噪声导入辅助模态图像中,并与辅助模态图像进行融合,成功生成了高清晰度的异域模态图像,真实还原了异构模态信息,解决了单一模态信息不足和生成图像质量差等问题.最后利用Inception Score (IS)、Frechet Inception Distance(FID)、结构相似性(SSIM)、峰值信噪比(PSNR)等评价体系,将BGM-CGAN算法与其他算法的跨模态生成图像能力进行对比,验证了所提出算法的有效性和可行性.此外, BGM-CGAN算法还可延伸应用于跨模态材料检索、跨模态纹理识别等领域,具有广泛应用前景.

关键词 跨模态; 变分贝叶斯高斯混合; 条件生成对抗网络; cross-modal; variational Bayesian Gaussian mixture; conditional generative adversarial networks;

摘要 近年来,基于无线射频信号的定位技术迅速发展.然而,已有基于商用Wi-Fi设备的定位系统在实用性和准确性上存在明显局限.新兴WiGig设备采用毫米波通信,天线数远多于Wi-Fi设备,具有更高的角度分辨率.然而受限于成本,商用WiGig设备采用模拟波束成型方法,无法获得各天线的信道响应.本文利用新兴毫米波设备,实现高精度定位系统WiGLoc.为此,首先对天线阵列接收信号强度建模(received signal strength, RSS),恢复天线的信道状态信息(channel state information, CSI);然后,对天线阵列进行校准,测量天线阵列参数;最后,利用天线信道状态信息和天线阵列布局信息估计发射端到目标的信号离开角(angle of departure, AoD),对目标定位.实验结果表明, WiGLoc平均三维追踪精度达到了6 cm,平均二维定位精度达到了27 cm.与此相比,已有基于波束成型的方法三维追踪和二维定位的精度分别仅为11 cm和44 cm.

关键词 室内定位; 无线感知; 毫米波; 阵列校准; 信道状态信息; indoor localization; wireless sensing; millimeter wave; array calibration; channel state information;

摘要 在蜂窝车用无线通信(cellular vehicular-to-everything, C-V2X)系统中,车辆快速移动导致D2D链路的网络拓扑不稳定,频繁重构的网络拓扑增加了同频干扰问题的复杂度和拓扑管理信令的数量,造成基站的计算能力和带宽资源浪费.本文建立以簇为核心的全双工D2D (full-duplex device-to-device,FD-D2D)车载通信模型,提出基于超图聚簇(hypergraph clustering, HG-C)和干扰限制区域(interference limited area, ILA)理论的FD-D2D车载通信资源管理方案.利用链路依赖度(degree of link dependence, DLD)和车辆用户(Vehicle users, VUE)的计算能力提高簇的生存时间,降低基站的开销.同时,利用动态功率控制和复用区域映射辅助基站分配资源,削弱复用相同蜂窝链路的V-D2D (vehicular device-to-device)链路间和对蜂窝链路的同频干扰,提高频谱效率.最后,基于交通仿真建模软件VISSIM产生实时交通流数据,从而验证本文所提资源管理方案,结果表明:基站承担的网络拓扑管理任务量至少降低50%,与传统蜂窝D2D车载通信相比,频谱平均复用次数增加0.5次以上,频谱效率增加10%.

关键词 C-V2X; 超图聚簇; 干扰限制区域; FD-D2D车载通信; 频谱复用; cellular vehicle-to-everything; hypergraph clustering; interference limited area; full-duplex device-to-device vehicular communication; spectrum sharing;

摘要 本文研究了一款基于非对称耦合阶跃阻抗谐振器SIR (stepped-impedance resonator)设计的6阶窄带超导平衡式带通滤波器,该滤波器具有高的频率选择性以及宽阻带特性.本文首先研究了3种具有不同耦合特性的SIR耦合对,分析了其差模DM (differential mode)相位移、耦合系数,以及共模CM (common mode)抑制水平.通过适当选取SIR的阻抗比以及使用具有分散谐波分量的不同尺寸的SIR,其高次频得以远离基频,从而拓宽阻带.同时,由于其DM和CM等效电路具有不同的谐振频率,其带内的共模噪声可以得到天然的抑制.研究表明,电磁耦合对可在不增加电路面积的情况下获得小的耦合系数以利于窄带设计,电耦合对结构有利于高阶电路的互连,而磁耦合对具有最佳的CM抑制水平.此外, 3类SIR对的弱耦合特性均可用于窄带设计.为了验证,本文采用所述3类SIR对设计了一款6阶平衡式带通滤波器,并在此基础上引入交叉耦合结构产生传输零点以提高通带选择性.其零点的产生机理通过传输路径的幅度及相位移分析进行了说明.最终,本文利用高温超导HTS (high-temperature superconducting)技术实现了所设计的具有交叉耦合结构的滤波器,以降低插入损耗.该电路在77 K温度下进行了测量,测试结果表明:通带的相对带宽FBW (fractional bandwidth)为1.6%,带内插损约为0.37 d B,带内CM抑制度优于40 d B.其-60 dB带宽/-3 dB带宽的矩形系数小于1.45,同时-20 dB DM阻带达到约5倍f0d(f0d代表DM基波频率).

关键词 平衡式滤波器; 阶跃阻抗谐振器; 高阶; 窄带; 高温超导; balanced filter; stepped-impedance resonator(SIR); high order; narrowband; high-temperature superconductor(HTS);

关键词 网络安全; B5G; 物理层安全;

摘要 随着应用数据处理需求的激增,在传统冯·诺依曼(von Neumann)体系结构中,处理器到主存之间的总线数据传输逐渐成为瓶颈.不仅如此,近年来兴起的数据密集型应用,如神经网络和图计算等,呈现出较严重的数据局部性,缓存命中率低.在这些新兴数据密集型应用的处理过程中,中央处理器到主存间的数据传输量大,导致系统的性能不佳且能耗变高.针对传统冯·诺依曼体系结构的局限性,内存计算通过赋予主存端一定的计算能力,以缓解因数据量大以及数据局部性差带来的总线拥堵和传输能耗高的问题.内存计算有两大形式,一种是以高带宽的连接方式将计算资源集成到主存单元中(近数据计算),另一种是直接利用存储单元做计算(存内计算).这两种形式有各自的优缺点和适用场景.本文首先介绍并分析了内存计算的提出和兴起原因,然后从硬件和微体系结构方面介绍内存计算技术,接着分析和总结了内存计算所面临的挑战,最后介绍了内存计算给目前流行的应用带来的机遇.

关键词 内存计算; 近数据计算; 存内计算; 神经网络; 图计算; processing-in-memory; near-data computing; computing-in-memory; neural network; graph computing;

摘要 拼图游戏是一类复杂问题的典型代表.这类问题的复杂性体现在其无法通过自上而下、集中控制的方式进行有效求解.通常情况下,拼图游戏由一个玩家独立完成,或由几个玩家围坐在一起协同完成.本文提出一种基于互联网人类群体智能的拼图问题求解方法.该方法使用一种被称为"探索–融合–反馈"的回路用于支持人类玩家群体在互联网环境中进行并行、协同的拼图问题求解.其中,探索活动由玩家实施,融合与反馈活动由拼图环境自动实施.在探索活动中,每个玩家独立进行拼图问题的求解,不与其他玩家发生直接的交互.在任何时刻,一个玩家探索活动的结果是一个关于当前拼图问题的片段解,以及一组被该玩家判断为错误的图块邻接关系.在融合活动中,拼图环境实时地将所有玩家的当前探索结果融合在一起,形成一个不断演化的群体观点图.在反馈活动中,对于每一个玩家,拼图环境根据该玩家的当前探索结果和当前的群体观点图,向该玩家推荐特定的信息,以加速其拼图进程.我们实现了一个支持上述方法的多人在线拼图环境,并在2~10人规模的玩家群体中进行了初步的实验.实验结果表明:(1)在这一多人拼图环境中,拼图求解时间大致正比于玩家数量的倒数,且以玩家群体中的最强个体为基准点,群体拼图效率能够实现31.36%~64.57%的提升;(2)在该环境中,最快完成拼图的玩家获得的反馈信息平均具有86.34%的准确率,且随着群体规模的增加,反馈信息在最快玩家拼图结果中的平均占比逐渐从20%增加到45%左右;(3)相比于面对面协同的群体拼图求解方式,该环境展示出更好的群体规模可扩展性,且拼图结果总是具有100%的正确率,而拼图问题自动求解算法平均只具有52%的正确率.我们希望本文工作能够为探索群体智能在互联网环境下的更广泛应用提供一些有用的信息或观点.

关键词 人类群体智能; 互联网; 复杂问题求解; 拼图问题; 信息融合与反馈; collective human intelligence; Internet; complex problem solving; pictorial jigsaw puzzle; information integration and feedback;

摘要 本文面向多种硬件平台提出了一套Web3D实时动态光影的协同式渲染系统,该系统把Web前端的硬件性能作为整个云渲染系统中光影渲染任务分配的关键因素.对于Web前端性能较强的硬件设备,系统分配复杂度较高的光影渲染任务给前端,相应的云后端的渲染负担则有所降低;反之,系统则分配复杂度较低的光影渲染任务给前端,相应的云后端承担大部分的渲染任务.在上述机制的引导下,该系统的前后端部署了4类关键的实时光影渲染算法,最终通过对算法运行帧率、算法所在设备的运行效率以及光影渲染结果等多种数据的分析,验证了部署的合理性.

关键词 云渲染; Web3D; 实时绘制; 动态光影; 全局光照; cloud rendering; Web3D; real-time rendering; dynamic lighting and shadow; global illumination;

摘要 衡量航母作战性能的重要指标是舰载机出动架次率,而影响舰载机出动架次率的关键因素是舰载机保障作业调度效率.舰载机保障作业调度是指在有限时间、空间和资源约束的前提下合理安排舰载机所需保障作业顺序并高效完成舰载机的作业保障.现有基于最优化方法 (动态规划、线性规划等)和启发式方法 (如遗传算法、粒子群等)的求解策略仅适用于保障作业可预知情况下的作业调度,很难满足高动态作战场景下的实时保障作业调度需求.基于此,本文提出了一种新的基于DQN (deep Q-network)的舰载机保障作业实时调度方法,将舰载机保障作业调度问题建模成部分可观测马尔科夫决策过程(partially observable Markov decision processes)问题,利用全局与长期收益对保障作业调度过程进行优化,并通过离线学习和在线调配的学习决策框架进行解决.经过仿真实验验证,该方法能显著提高舰载机保障作业调度效率并满足实时决策环境的需要.

关键词 舰载机; 保障作业; 实时调度; 强化学习; 仿真验证; carrier-borne aircraft; support operations; real-time scheduling; reinforcement learning; simulations;

摘要 六面体网格因其良好的数值性能成为有限元分析等领域中重要的一种离散化方法,而基于标架场导引的重网格化是实现可控六面体网格剖分的重要技术.现有的标架场生成技术由于所获得的标架场往往存在拓扑矛盾,难以运用于纯六面体网格的生成,但较易用于六面体主导混合网格的生成.然而,这种六面体主导网格的质量容易受到标架场旋度的影响.针对这一问题,本文提出了一种三维标架场保向且长度可控去旋方法.该方法通过分析三维向量场的旋度,构造针对四面体网格的离散旋度能量,并将其推广至三维标架场的旋度能量.为保持原标架场方向并控制其长度,引入了表达三维标架场3个子向量场长度伸缩量的标量场,并将新标架场表示为标量场和原标架场的合成,最后通过极小化合成场的旋度得到优化后的标架场.实验结果表明,通过约束标量场的变化范围,能在保持其方向不变的情况下,有效地控制去旋程度;将该标架场运用于已有重网格化方法,可得到方向和密度可控的六面体主导的混合网格.此外,该方法只需求解一个带界约束的二次凸规划问题,鲁棒性强且易于计算.

关键词 三维标架场; 去旋; 长度可控; 六面体主导网格; 3D frame field; curl correction; length-controllable; hexahedral dominant mesh;

摘要 传统基于分类学习的监督哈希方法并不能完全满足哈希检索技术需求,但是线性判别分析却能够在一定程度上做到这一点.本文提出将线性判别分析作为深度网络的优化目标,以端到端训练的方式学习有效的哈希编码.但是,直接以上述目标训练神经网络就必须解决具有较高计算复杂度的特征值分解问题.在本文中,线性判别分析目标被转化为一个简单的最小均方问题,这种转化可以解决上述问题,同时可以利用成熟的优化方法优化网络.这种基于线性判别分析的深度网络拓展可以弥补传统判别分析在简单线性投影和特征学习上的劣势.本文在3个基准数据集上进行大量对比实验,相对于传统线性判别分析,本文所提方法在检索基准指标上有70%的提升,并超过大多数基于深度模型的哈希方法,这些实验结果证明了本文方法的有效性.

关键词 哈希技术; 线性判别分析; 最近邻检索; 深度网络; 量化技术; hashing technique; linear discriminant analysis; nearest-neighbor search; deep network; quantization technique;

摘要 针对可能存在对抗的未知通信环境,本文探讨了一种能进行智能适变的通信节点体系架构.该架构包括通信环境理解、通信波形适配和智能节点学习进化3个核心功能,以及支持这些功能的通信计算融合硬件平台.所提出的智能适变架构支持通信环境知识库、通信波形库,以及波形与环境适配知识图谱的不断累积和进化,通过波形在线重构,通信节点既能匹配典型通信场景,又能快速适应未知环境,因而支持智能通信节点的可持续发展.进一步本文梳理了强化学习、在线学习和迁移学习等3种机器学习技术在智能适变无线通信节点中的应用,并以最经典的信道估计过程为代表,给出了机器学习应用于通信环境识别的典型范例.

关键词 智能节点; 通信环境理解; 智能适变; 学习生长; 机器学习; 信道估计; intelligent node; communication environment understanding; intelligent adaptation; learning and evolution; machine learning; channel estimation;

摘要 雷达成像是获取目标精细结构特征的重要技术途径.对于复杂运动目标,传统基于距离–多普勒(range-Doppler, RD)原理的逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像性能下降:在距离维上,高速运动导致一维距离像展宽,且雷达系统硬件能力制约了大带宽实现,约束成像纵向分辨率;在多普勒维上,非合作复杂运动呈现的时变和非线性破坏成像条件,约束成像横向分辨率.本文首先分析了复杂运动对ISAR成像的影响机理,接着从距离和多普勒两个维度,对复杂运动目标ISAR成像技术进行了综述,阐述了高速运动补偿、多频段融合成像、高次相位补偿与稀疏ISAR成像等技术途径.进一步针对ISAR成像体制的局限,阐述了复杂运动目标波前调制超分辨雷达成像新途径,其中包括波前随机调制和电磁涡旋两种技术途径.最后对复杂运动目标雷达成像进行了总结与展望.

关键词 逆合成孔径雷达（ISAR）成像; 复杂运动; 高速运动补偿; 多频段融合成像; 稀疏ISAR成像; 波前随机调制; 电磁涡旋; inverse synthetic-aperture radar(ISAR) imaging; complex motion; high-velocity compensation; multiband fusion; sparse ISAR imaging; wave front random modulation; electromagnetic vortex;

摘要 近地小行星既是人类科学探测的重要目标,也是对人类地球家园构成重要威胁的灾害之源.利用地基雷达系统进行近地小行星探测具有独特的技术优势.随着我国科技实力的不断增强,开展近地小行星雷达探测已经成为科学探测、国家安全和国际义务等领域的关注重点.本文以此为背景,探讨了我国在科学探测、国家安全和国际义务3个领域的近地小行星雷达探测需求,分析了国际上主要的行星雷达系统技术现状和后续重点技术发展方向.结合我国深空测控网和射电天文网的技术现状及未来的发展规划,对后续我国建设地基小行星探测雷达系统的主要技术途径进行探讨,并对不同技术途径的特点进行了初步分析.

关键词 近地小行星; 雷达探测需求; 行星雷达; 技术途径; near-Earth asteroids; radar detection requirements; planetary radar systems; technical approaches;

摘要 随着第五代移动通信系统(5th generation wireless systems, 5G)及其演进系统的商用和其在物联网、车联网等垂直领域的融合发展,其安全问题越来越受到关注.本文从潜在威胁、安全架构和安全技术3个方面阐述了相关研究进展.首先,根据攻击者对系统有效性、信息完整性、身份认证、隐私和机密性保护的不同安全目标,将5G潜在的安全威胁进行了分类,分析了各个层次可能面临的威胁与攻击手段.其次,简述了相关标准中的5G安全架构,讨论了5G及其演进系统潜在的物理层、网络层和应用层安全技术.最后,本文指出了未来继续提升5G及B5G安全的潜在研究方向.

关键词 5G安全; 5G演进; 系统架构; 安全威胁; 物理层安全; 5G security; beyond 5G; system architecture; security threats; physical layer security;

摘要 近年来,人脸识别技术飞速发展,其主要应用于门禁系统和公共安防系统.然而现有的人脸识别系统容易受到仿冒攻击(也称为呈现攻击),例如尝试使用用户的脸部照片、视频或者伪造的3D人脸去攻击人脸识别系统.这些攻击手段给人脸识别系统带来了极具挑战性的安全问题.因此活体检测技术的研究十分重要,其可以使人脸识别系统免于攻击假脸的安全威胁.目前,大部分活体检测的方法将活体检测任务视作有监督的二分类问题,进而努力充分提取真实人脸和攻击人脸的特征,在单个数据集内部训练和测试可以达到很高的准确率,但是在交叉数据集之间训练和测试往往效果不佳.本文将活体检测任务定义为异常检测任务,并基于此来解决之前活体检测方法存在的泛化能力差的问题.因此本文提出了一种新颖的基于隐空间约束的深度对抗网络,它通过半监督学习的方式进行对抗训练,在此过程中模型不仅仅可以获得正常样本在隐空间中的分布,还可以通过一种惩罚的方式对隐空间中正常样本的特征进行约束,这将带来更加有效和鲁棒的活体检测效果.测试过程中,攻击人脸样本将被视作离群的样本,它们相对于正常样例在隐空间中的表达具有更高的重构差.实验表明提出的模型相较于前沿的半监督异常检测方法具备明显的优势,并且在活体检测跨数据集和单数据集内达到了可比的效果或者目前最好的效果.

关键词 对抗网络; 活体检测; 弱监督学习; 异常检测; 人脸仿冒攻击; adversarial networks; live face detection; semi-supervised learning; anomaly detection; face spoofing attacks;

摘要 在神经美学研究中已经证明,中文字体审美偏好的情绪刺激可以通过观察3种偏好(喜欢、不喜欢和中性)之间的事件相关电位(event related potential, ERP)波动获得.本文通过引入一种核化张量奇异值分解的多视角聚类方法分别构建了基于脑电图(electroencephalogram, EEG)和ERP的审美偏好识别模型,通过这些模型首次确认了该结论.本文方法将来自不同频段的数据视为描述中文字体审美偏好的不同视角,通过张量多秩最小化的约束探索所有视角特征的一致性和关联性,并通过之后的聚类获取审美偏好的识别结果.采用多视角无监督聚类方法得到的识别精度达到97.1%.此外,通过输入–扰动关联方法将电极的振幅与不同种类的审美偏好相关联,可视化关键频段组合以及电极之间的关系,分别取出与喜欢、不喜欢、中性最相关的3个电极,包含次相关的6个电极,包含第三相关的9个电极,包含第四相关的12个电极,分别形成4种不同组合的脑电特征.通过比较实验,验证了相对于62个电极信号,上述4种组合方式在字体美学分类上更具有优势,并且最相关的3个电极的组合特征对审美偏好最具判别性.实验结果表明,基于多视角聚类的方法能够解决神经信号与审美偏好的相关分析,并能挖掘出与字体审美偏好最相关的电极.

关键词 中文字体; 审美评价; 计算美学; 事件相关电位; 核化张量奇异值分解; 数据挖掘; Chinese typeface; esthetic evaluation; computational esthetics; event-related potentials; kernelized tensor-SVD; data mining;

摘要 视频行为识别近年来逐渐成为计算机视觉领域学者的研究热点,按照识别对象进行划分,视频行为识别任务可分为个体行为识别与群体行为识别.本文聚焦于群体行为识别,识别与分析视频场景中整体人群的行为.已有的群体行为识别方法大多采用多层时序网络模型,学习得到表征时序变化的个体行为特征并对其进行聚合形成群体行为特征.但是,在个体特征聚合过程中,以往方法未能有效考虑个体对群体行为贡献程度的差异性,影响识别性能.为此,本文提出一种针对个体行为特征聚合的注意力池化机制,并依此建立了新型群体行为识别模型,以自底向上的方式同时实现个体行为与群体行为分层识别.首先利用卷积神经网络提取视频中人体图像区块的个体静态特征,并将其作为多层递归神经网络时序模型的输入,从而得到个体动态特征.随后通过注意力池化机制对个体特征完成聚合,得到相应的群体行为特征;最后依托个体、群体行为特征同时完成个体行为与群体行为的识别.未验证所提方法的有效性,本文依托广泛使用的The Volleyball Dataset数据集上开展了一系列实验验证.结果显示,本文所提出的模型取得了较好的分类准确率,分类性能优于当前先进模型.

关键词 群体行为识别; 表示学习; 注意力机制; 深度学习; group activity recognition; representation learning; attention mechanism; deep learning;

摘要 在高铁日常运营中,地质灾害或设备故障等突发事件导致铁路行车区间中断,长时间的区间中断通常会导致大面积的列车晚点,给旅客出行带来极大的延误,如何在区间中断下对列车进行实时调整是高速铁路调度运行的一项重要课题.本文针对固定时间的区间中断,构建了列车运行速度调整和运行图调整的混合整数非线性规划(mixed integer nonlinear programming, MINLP)模型.在该模型中,除了常见的取消车次和延迟发车调度策略,还将降速运行策略考虑在内,在满足行车安全和车站通行能力的约束条件下,以3种调度策略的加权延误影响最小化为目标.该模型基于列车运动学模型计算列车降速运行带来的延误时间,并通过移动闭塞原理控制列车运行安全间隔.本文建立的模型可由商业优化软件CPLEX直接求解,并保证运行调整方案的实时性.模型还讨论了取消车次、延迟发车和降速运行这3种调度策略对总延误时间的影响,最后以京沪高铁实例进行验证.验证结果表明该模型是合理有效的,通过模型求解能对实际问题给出合理的调度方案并提高列车终到正点率.

关键词 高速列车调度; 区间中断; 实时运行调整; 降速运行; 混合整数非线性规划; high-speed train scheduling; segment blockage; real-time operation adjustment; deceleration operation; mixed integer nonlinear programming;

摘要 本文针对一类具有执行器和状态约束的多输入多输出非线性系统,研究了基于高阶滑模观测器的滑模控制和稳定性分析问题.通过对该系统进行逆变换并考虑其控制输入系数矩阵的对合跨度分布,我们设计了一类高阶滑模观测器用于实现系统的状态估计,其中,采用鲁棒精确微分器分析了所得误差估计系统的收敛性.然后,利用原系统的部分状态变量设计了二阶滑模控制律,进而分别分析了在执行器/状态无约束和硬约束情形下的系统有限时间稳定性,同时,依据最大吸引域和几何分析法分析了系统状态在滑模阶段的运动轨迹.最后,通过两个仿真算例验证了本文所提出的控制方法的有效性.

关键词 滑模控制; 约束系统; 多输入多输出系统; 吸引域; 几何分析; sliding mode control; constrained system; MIMO system; attraction domain; geometric analysis;

摘要 高光谱图像(HSI)的高维度、高冗余等特性给其传输和处理带来了极大的挑战.近年来基于压缩感知的HSI重建受到重视并成为一前沿问题,在这一领域中有效挖掘HSI的稀疏先验成为提高其重建质量的一个关键.本文首先定义了HSI波段组的"光谱维面",并以此为切入点对HSI光谱维的结构相关性进行研究,获得了如下结论:一是HSI光谱维面的纹理分布较空间域更为简单和均匀,且其纹理的对比度低、平稳度高,更容易被稀疏表达,二是在HSI光谱维面,与参考块相邻的搜索区域内存在着一定数量的与参考块具有较高相似度的光谱曲线块;进一步确定了基于光谱维面的HSI光谱维结构相关性的涵义,并提出了相应的稀疏测量模型;在此基础上,通过整合空间维非局部相关性与光谱维结构相关性的稀疏表示,提出了稀疏模型S-SCo SM,并以其为稀疏约束先验构建了HSI的稀疏重构模型.大量实验表明,所提出的稀疏模型S-SCo SM从空间维和光谱维两个角度更深层次地挖掘了HSI的相关性,获得了更为充分和有效的HSI稀疏约束先验,使HSI的重构质量得到进一步提升,在有效提高重构波段图像空间信息质量的同时,很好地保持了波段组的光谱属性.

关键词 高光谱图像; 光谱维面; 光谱维结构相关性; 联合稀疏; 稀疏重建; 波段组; hyperspectral image; spectral dimension; spectral dimensional correlation; joint sparse; sparse reconstruction; band group;

摘要 近年来,网络多媒体迅猛发展.相较于传统固定网络多媒体内容服务,兴起的移动化多媒体服务中的用户行为发生了根本变化.传统内容分发架构依靠中心化基础设施、全局流行度趋势,无法有效感知和服务移动多媒体内容.利用边缘网络架构结合数据驱动策略服务动态移动多媒体内容,提升服务质量成为一种新的选择.通过数据驱动与跨域协同的研究方法,本文深入研究移动多媒体内容服务规律、系统架构、策略设计等.本文首先探讨数据驱动的大规模移动多媒体内容分发模式挖掘与网络性能分析,揭示边缘多媒体内容分发与传统内容分发的本质区别;进一步,本文给出一般性的边缘多媒体网络与内容分发的研究方法,包括数据驱动与跨域协同的多媒体边缘网络内容分发研究框架.最后,本文给出几种代表性框架,包括基于社交媒体传播预测进行内容部署的SocialCDN,基于内容提供商智能的CPCDN,基于边缘网络设备进行移动多媒体内容分发的EdgeCDN,以及基于用户众筹资源的CrowdCDN.

关键词 多媒体网络; 大规模内容分发; 数据驱动策略; 边缘计算; 资源分配; multimedia network; large-scale content delivery; data-driven strategies; edge computing; resource allocation;

摘要 大规模相控阵是解决毫米波无线传输距离受限的核心关键技术.传统的毫米波相控阵通常基于化合物半导体芯片加以实现,该类芯片成本高昂且难以实现系统单片集成,极大地限制了传统相控阵的应用范围.本文报道了基于CMOS成熟工艺的毫米波芯片设计及收发通道数为4096 (4096发射/4096接收)的超大规模集成相控阵实现技术. CMOS体硅工艺具有集成度高、成本低廉等优势,但面临有源器件高频性能差、无源器件及互连线高频损耗大、高低温性能差异大等一系列技术瓶颈.通过引入电流复用跨导增强型低噪声放大器、基于新型版图结构的高效率功率放大器、矢量调制型数控无源移相器、基于电容补偿的超宽带衰减器、紧凑型功分器,以及高低温自适应偏置电路等技术,可以较好地解决CMOS体硅工艺所面临的上述瓶颈问题.基于65 nm CMOS体硅工艺,所实现的Ka频段CMOS相控阵芯片噪声系数为3.0 d B,发射通道效率为15%,无需校准即可实现精确幅相控制,相关测试结果表明所研制的低成本相控阵芯片具有集成度高、幅相控制精确等优势,噪声系数等关键技术指标接近砷化镓工艺.以此为基础,本文给出了基于多层混压PCB工艺的1024发射/1024接收超大规模"集成相控阵"设计技术,并将其扩展至4096发射/4096接收相控阵规模,最后给出了低成本、高集成宽带卫星移动通信终端在车载和船载条件下的示范应用结果.

关键词 毫米波; 集成电路; CMOS工艺; 接收机; 发射机; 多层混压PCB工艺; 集成相控阵; 宽带卫星通信; millimeter wave; integrated circuit; CMOS technology; receiver; transmitter; multi-layer hybrid PCB technology; phased-array antenna; broadband satellite communication;

关键词 弱监督学习; 多示例学习; 半监督学习;

摘要 近年来,随着科学技术的快速发展和硬件设备的不断迭代,人工智能在各种领域(如安防监控、医疗辅助、健康诊断、智能推荐、遥感监测、目标定位等)都得到了广泛的应用.随着人们对智能处理任务的要求逐步提高,人工智能算法所需要理解的语义信息层次和输出数据精准度要求也步步攀升.因此,像素级语义理解任务也因其精准度要求远高于图像级理解而越来越受到重视.与图像级理解相比,像素级语义理解具有输出数据量大、逐像素输出精度高的优点,相应地其难度也更大,内部成因更值得关注与研究.为此本文从信息度量的角度出发,结合像素级语义理解任务的特有属性,给出了像素级语义理解任务的定义与优化目标,进一步依据实际任务的特性从初始定义衍生出像素级语义分类和像素级语义回归两类任务;随后分别讨论了在这两类任务中优化目标的退化和演变,并通过详尽的调研总结了常见像素级语义理解任务的发展现状;紧接着探究了当前像素级语义理解的难点和未来发展方向,针对亟待解决的问题给出了深入的分析思考以及可行的解决方案;最后重点反思了后深度学习时代像素级语义理解乃至人工智能领域所面对的机遇与挑战,提出知识的方向指导和数据的优化驱动是未来人工智能发展的重点关注目标.本文意图从像素级语义理解的定义与发展现状出发,延伸出对当前工作的思考以及对整个领域的反思,强调整个领域面临的风险;在介绍像素级语义理解基础认知的同时对相关技术的发展方向和路径进行深入的思考与深度的展望.

关键词 像素级语义理解; 人工智能; 深度学习; 分类; 回归; pixel level semantic understanding; artificial intelligence; deep learning; classification; regression;

摘要 测试是提高软件可靠性的重要方法.消息传递并行程序中存在的不确定通信语句,使得进程执行顺序具有不确定性,这增加了测试该类程序的难度.鉴于进程执行顺序对目标路径覆盖难易程度的影响,本文研究消息传递并行程序多路径覆盖调度序列排序方法,以提高多路径覆盖测试数据生成的效率.首先,在每个调度序列下,以每个采样的程序输入执行程序,生成路径覆盖矩阵;然后,针对每条目标路径,分别计算与路径覆盖矩阵中每条路径的相似度,生成多个路径相似度矩阵;接着,基于这些路径相似度矩阵的特征量,评价调度序列的性能,并依此对调度序列排序;最后,基于调度序列排序集,使用随机采样法,生成覆盖所有目标路径的测试数据,并使用缺陷检测平均百分比(average percentage of faults detected, APFD)指标评估调度序列排序集.将所提方法应用于9个基准并行程序中,并与随机方法和传统方法进行比较.实验结果表明,所提方法对路径覆盖率没有影响,但显著减少了被测程序执行次数和运行时间.

关键词 消息传递并行程序; 多路径覆盖; 测试; 调度序列排序; 路径相似度; message-passing parallel program; multi-path coverage; testing; scheduling sequence sorting; path similarity;

摘要 增量二分图优化问题(dynamic bipartite drawing problem, DBDP)是一个具有NP难度的组合优化问题,该问题在实际生产生活中有着广泛的应用.本文提出了一种新的动态规划驱动的局部搜索(DP-LS)算法来求解该问题.不同于文献中求解该问题和该类问题的所有启发式算法的邻域搜索方式(即每次邻域操作只对一个或两个节点进行插入或交换动作),本文提出的动态规划驱动的局部搜索算法能从邻域结构中挑选出并执行多个独立的邻域动作,大大提高了邻域搜索的效率. DP-LS算法从一个随机初始解出发,迭代地利用基于动态规划的局部搜索算法来寻找局部最优解,同时结合扰动机制跳出局部极值陷阱实现全局搜索.本文提出的增量评估方法能够快速评估基于插入和交换的邻域动作,可以大大提高算法的搜索效率.本文针对1120个公共算例进行了计算实验并同文献中已有算法(包括通用求解器Gurobi)进行对比,表明了所提出的动态规划驱动的局部搜索算法在解的优度和计算效率两方面的有效性.此外,通过对比实验表明了DP-LS算法中动态规划机制的有效性(提升近十倍的搜索效率).值得注意的是,本文提出的基于动态规划的局部搜索算法不仅能够用于求解DBDP问题,也能作为一种通用的启发式算法来求解其他组合优化问题,尤其是排序类优化问题.

关键词 增量二分图优化问题; 动态规划; 局部搜索; 增量评估机制; dynamic bipartite drawing problem; dynamic programming; local search; incremental evaluation technique;

摘要 生成式对抗网络(generative adversarial networks, GANs)训练的不稳定性问题一直是GANs研究领域最具挑战性的问题之一.目前,仍未从理论上找到影响GANs训练稳定性的根本原因及有效的解决办法.本文通过理论分析发现, GANs训练的不稳定性主要是由于训练最优判别器与最小化生成器之间相互矛盾所致.经逐步分析得出,控制判别器的Lipschitz常数是解决GANs不稳定性问题的关键,进而提出一种有针对性的梯度惩罚技术来解决此问题.最后,本文从损失函数的振荡幅度(收敛性)、梯度总体变化趋势,以及网络整体性能3个方面进行了全面对比实验.结果显示,本文所提出的惩罚技术对处理GANs训练的不稳定性问题具有显著的效果.

关键词 生成式对抗网络; 不稳定性分析; 惩罚技术; 梯度范数; Lipschitz常数; generative adversarial networks; instability analysis; penalty technique; gradient norm; Lipschitz constant;

摘要 针对一类具有传感器故障和不对称输入死区的非线性多输入多输出非严格反馈系统,本文提出一种自适应神经网络容错控制方案.控制器的设计以反步法为框架,采用自适应神经网络控制方法处理传感器故障,利用死区斜率的有界性补偿输入死区对系统性能造成的影响,同时引入动态面控制技术克服"计算爆炸"的问题.该控制方法不仅能够保证闭环系统中所有信号半全局一致最终有界,而且能使跟踪误差收敛至原点附近的紧集内.最后通过两个仿真实验验证该控制方法的有效性.

关键词 非线性系统; 传感器故障; 容错控制; 动态面控制; 输入死区; nonlinear systems; sensor faults; fault-tolerant control; dynamic surface control; dead zone inputs;

摘要 针对一类具有未知干扰和多约束的不确定纯反馈非线性系统,提出一种基于干扰观测器的鲁棒自适应抗干扰控制方案.该方法首先基于Butterworth低通滤波器和径向基神经网络设计非线性干扰观测器以实现对系统未知非线性函数和复合扰动的在线精确逼近,并消除"代数环"问题.其次,为确保系统在状态受限、预设性能和输入饱和等多重约束的综合影响下能够对期望轨迹进行稳定跟踪,构造了一种新型的障碍Lyapunov函数,结合辅助有界函数、Nussbaum函数和一阶滑模微分器设计Backstepping控制器,并通过Lyapunov稳定理论分析闭环系统稳定性.最后,仿真结果验证了所提控制方法的有效性.

关键词 径向基神经网络; 非线性干扰观测器; 障碍Lyapunov函数; 多约束; 纯反馈非线性系统; radial basis function neural network; nonlinear disturbance observers; barrier Lyapunov function; multiple constraints; pure feedback nonlinear systems;

摘要 航天继电器作为液体运载火箭等大型结构件复杂电子系统中的关键部件之一,其工作状态直接决定整个系统能否正常工作.本文针对航天继电器使用过程中所面临的高价值样本缺乏、系统复杂、复杂环境干扰等难题,基于考虑属性可靠度的置信规则库(belief rule base with attribute reliability,BRB-r)专家系统提出了一种新的考虑环境干扰的航天继电器故障诊断与容错控制框架.在所提出的新框架中,对航天继电器输出监测指标进行分析,基于BRB-r建立航天继电器故障诊断模型,通过其工作状态评估结果,分为功能正常、功能缺陷和功能丧失3种;然后,针对3种状态分别设计3种控制策略:保持原控制输入、重构控制率和切换备份继电器.本文所提方法通过实验室所搭建的JRC-7M航天继电器测试系统进行了实验验证.

关键词 故障诊断; 容错控制; 航天继电器; 置信规则库; fault diagnosis; tolerance control; aerospace relay; belief rule base;

摘要 针对复杂战场环境下确定无人机安全飞行区域的过程中面对的复杂性和不确定性问题,本文提出了一种基于变权理论和马尔可夫模型的无人机安全飞行区域确定方法.根据无人机相对于威胁区域距离的不同,引入变权理论对威胁指标权值进行调整,完成综合威胁大小计算.然后,利用马尔可夫模型对无人机飞行过程中受到的潜在威胁进行预测.接着,使用模糊评估方法评估无人机飞行区域的威胁等级,并引入云模型构建隶属度函数,以提高评估结果的可靠性.最后,根据威胁阈值确定无人机安全飞行区域.仿真结果表明所研究的无人机安全飞行区域确定方法在复杂战场环境下是有效的.

关键词 无人机; 威胁评估; 安全飞行区域; 变权理论; 马尔可夫模型; UAV; threat assessment; flight safety envelope; variable weight theory; Markov model;

摘要 新一轮科技革命和产业变革正在萌发,以深度学习和大数据为基础,以Alpha Go等为典型应用场景掀起了人工智能的第3次高潮.传统的基于统计线性化动态建模的人工智能,在处理复杂对象时遇到了可解释性、泛化性和可复现性等发展瓶颈,迫切需要建立基于复杂性与多尺度分析的新一代人工智能理论,我们称之为精准智能.针对复杂系统的非线性特征,精准智能构建内嵌领域知识和数学物理机理的系统学习理论,包括复杂数据科学感知、复杂系统精准构建、复杂行为智能分析3个层次.具体而言,通过复杂数据科学感知建立内嵌时空特征与数理规律等具有可解释性的科学数据系统;通过复杂系统精准构建反演具有非线性复杂逻辑关系的多层次、多尺度、可解释的人工智能动态学习模型;通过对系统复杂行为智能分析建立面向系统行为演进和全局动态分析的可解释可调控人工智能新理论和新方法.将上述精准智能理论应用于群体智能,提出了群体熵方法,实现了群体激发和汇聚行为复杂性度量与有效引导调控.

关键词 人工智能; 可解释性; 非线性; 复杂性; 精准智能; artificial intelligence; interpretability; nonlinearity; complexity; refined intelligence;

关键词 无人机通信; 无人机领域; 移动通信网络;

关键词 二维材料; 二维半导体; 器件应用;

摘要 视频数据是人们日常生活中最重要的信息载体之一.视频萃取(video distillation)通过研究视频数据的时空和语义特性,探索简洁高效的数据展示形式和信息感知模态,是计算机视觉和人工智能的重点研究内容.近年来,随着视频获取方式的快速革新和拍摄需求的多样化发展,视频数据的智能化分析任务面临着新的机遇与挑战,涌现出众多的视频萃取方法.本文创新性地从信息论的角度,解释了数据、信息和知识之间的关系,确立了视频萃取的核心是提高单位数据量的信息提供能力这一基本原则,并依据数据信容(information capacity)分析,从理论上对视频萃取中的各项任务进行了统一.进一步地,分类讨论了视频时空表征中的关键问题与解决方案,系统地分析了从内容、目标和语义角度进行视频萃取的方法,结合视频摘要、浓缩和描述任务,梳理出三条发展主线,展现了视频萃取的发展态势.更重要的是,本文对现有方法的优势与缺陷进行了深入的思考与讨论,指出了尚未解决的若干关键科学问题,并对解决方案进行了初步探讨.同时,本文对视频萃取研究所面临的挑战与未来发展趋势进行了系统的分析与展望.

关键词 视频萃取; 视觉表征; 视频摘要; 视频浓缩; 视频描述; 计算机视觉; 人工智能; video distillation; visual representation; video summarization; video synopsis; video captioning; computer vision; artificial intelligence;

摘要 多租户公有云是云计算的一种重要组成形式.近年来,多租户公有云数据中心在如火如荼发展的同时,其过低资源使用率所导致的巨大能耗浪费也引起了社会的高度关注.然而,由于多租户公有云的资源通常以"包年包月"的租赁形式预留给租户,云服务提供商无法通过关闭空闲服务器等常用能耗管理方法来降低数据中心能耗.针对这一难题,本文提出了面向多租户数据中心资源回收利用的激励机制来提升多租户数据中心能效.该机制以经济激励的形式来回收利用租户空闲预留型资源,即云服务提供商向租户支付合适的经济补偿,从而回收租户空闲预留型资源,并充分利用其运行其他云计算服务(如电商和搜索服务).基于Lyapunov方法,本文设计并分析了一种面向租户预留资源回收利用的动态定价算法,该算法无需预测系统未来信息便可作出在线定价决策,并且在保障系统稳定性的同时使得云服务提供商长期成本无限接近于理论最低值.通过严格的数学证明以及由真实数据驱动的仿真实验,本文验证了所提出的激励机制在回收利用租户空闲资源方面的有效性.

关键词 多租户数据中心; 能耗管理; 资源回收; 激励机制; 在线算法; multi-tenant datacenter; energy management; resource recycling; incentive mechanism; online algorithm;

摘要 除法运算是基本四则运算之一,如何进行快速除法一直是电子计算机、嵌入式系统和其他新型计算系统广受关注的问题.充分发挥三值光学处理器位数众多、运算功能可重构、按位可分配等优势,设计出高效并行MSD (modified signed digit)数除法器对提高大数据除法的运算效率、促进三值光学计算机(ternary optical computer, TOC)在数值计算领域的应用意义重大.本文首次提出MSD数的符号判定算法,并基于SRT算法首次提出利用一个并行无进位SJ-MSD加法器和一个MSD数比较器实现单组MSD整数除法或多组MSD整数并行除法方案——并行MSD整数除法,该算法对于被除数等长的多组与单组MSD整数除法需要的机器周期是相同的.实验表明,并行MSD整数除法方案是可行的,它将有效地提高大数据处理效率并加速TOC进入数值计算等实际应用领域.

关键词 并行MSD整数除法器; SJ-MSD加法器; 比较器; SRT除法; 三值光学计算机; parallel MSD integer divider; SJ-MSD adder; comparator; SRT division; ternary optical computer(TOC);

摘要 针对池计算网络的构建问题,提出了一种稀疏连接的异步神经元池构造方法,该方法将多个子神经元池顺序连接,并在子神经元池之间设置滞后环节,以实现各子神经元池对输入信息的异步处理,进而构成串行的记忆.为实现信息高效传输,子神经元池之间采用稀疏的连接方式.实验表明,所提方法能够有效地提高神经元池的记忆容量,易于解决长时依赖问题.此外,该结构能够使神经元池产生丰富的动力学行为,对初始参数也有较好的鲁棒性.

关键词 人工神经网络; 池计算; 记忆; 鲁棒性; 动力学; artificial neural network; reservoir computing; memory; robustness; dynamics;

摘要 社交网络蕴含着丰富的多媒体信息,如何实现社交网络跨媒体信息的搜索已成为研究热点.基于深度学习的单一模态语义特征提取和学习在社交网络信息搜索上取得了较好的效果.在跨模态信息搜索时不同模态的数据特征不能直接比较,因此不同模态之间的语义鸿沟是亟待解决的关键问题.针对上述问题,本文提出了一种基于对抗学习和语义相似度的跨媒体搜索方法,实现了文本和图像之间的相互匹配、排序和搜索.该方法使用对抗学习方法框架构建训练特征映射网络和模态判别网络,其中特征映射网络使用多维语义分布向量将不同模态的数据映射到同一语义空间中,使得相同语义下的不同模态数据在该空间距离小,不同语义下相同模态数据距离大.使用语义分布及相似度作为特征映射网训练依据,模态判别网络负责判定空间中不同数据的模态.基于对抗学习交替训练两个网络,使得特征映射网络得到的数据和原数据语义一致,并消除模态特性,最终在同一空间内使用相似度来排序并得到搜索结果.实验结果表明本文提出的方法在文本和图像的相互搜索的map值比同类方法高,并验证了该方法在社交网络安全话题数据上的有效性.

关键词 跨媒体搜索; 对抗学习; 语义相似度; 社交网络; 搜索排序; cross-media retrieval; adversarial learning; semantic similarity; social network; search and rank;

摘要 光流(optical flow)为同一对象在视频中运动到下一帧的移动量.从视频中估计光流已广泛应用于各类移动智能系统,如运动估计和机器人导航.最近的研究表明,卷积神经网络(convolutional neural network, CNN)能提供可靠的光流估计结果.然而,现有的硬件加速器无法支持面向光流估计的CNN复杂计算.具体而言,这些类型的CNN不仅包括常规的卷积(convolution)和反卷积(deconvolution)运算,还包括双线性插值(bilinear interpolation)和/或关联(correlation)运算.双线性插值和关联操作主要探索两个连续图像帧之间的关联关系.为解决这一问题,本项工作提出面向光流的CNN硬件加速设计方案(称为Swan-AOE),即通过支持卷积、反卷积、双线性插值和关联操作解决这类神经网络的硬件加速计算问题. Swan-AOE包括可配置的硬件计算架构和自适应的调度策略,通过提供灵活的并行调度实现最优化吞吐量计算.此外, Swan-AOE还进行设计空间探索,探索可用片上缓存资源在提高能耗–面积效率的潜在能力.实验结果表明,与基准加速器相比,所提出的设计能有效提升性能、能效和面积效率.

关键词 加速器; 光流估计; 能效; 卷积神经网络; accelerator; optical flow estimation; energy efficiency; convolutional neural networks;

摘要 针对五次间接PH曲线的判别问题,本文结合高斯消元法与几何方法给出Bézier控制多边形满足的充分必要条件.间接PH曲线通过一个二次有理参数变换后,其等距线是有理形式的.间接PH曲线的代数充分必要条件本质是其一阶导数的因式分解满足特定条件,是一种积的形式.考虑到Bézier曲线的表示是Bernstein多项式形式,是一种和的形式.通过这两种形式的相容性引出待求解的非线性方程组并讨论求解问题,最后将所得结果应用在控制多边形上,得到五次间接PH曲线的几何特征.

关键词 Bézier曲线; 等距曲线; 几何特征; 有理参数化; Bézier curves; offsets; geometric characteristic; rational parameterization;

摘要 门控循环单元(gated recurrent unit, GRU)是一种有代表性的深度神经网络,它在众多序列学习任务中达到了国际领先的水平.然而,在门控循环单元的每个时间步之间,输入信息与隐含状态信息缺乏交互,这对更好地挖掘上下文语义信息带来了挑战.针对这个问题,本文提出了一个新颖的序列学习通用的语义特征提取模型:交互门控循环单元(interactive gated recurrent unit, InterGRU),可以让输入与隐含状态向量在各时间步间进行多轮充分的交互.并且,在到达时间估计(estimated time of arrival, ETA)这个有代表性、有挑战的时空序列预测任务上,本文提出了一套基于交互门控循环单元的深度学习框架(InterGRU-ETA).本文在来自滴滴出行平台真实场景下的海量数据集上充分地实验验证了InterGRU-ETA.结果表明,我们的框架在预测准确率上优于目前国际上最先进的方法.这反映了交互门控循环单元在捕获序列语义信息上的性能优势和广阔前景.

关键词 门控循环单元; 到达时间估计; 深度学习; 时空序列预测; 智能交通系统; gated recurrent unit; estimated time of arrival; deep learning; spatio-temporal forecasting; intelligent transportation systems;

摘要 本文针对挠性航天器执行器故障问题,提出了一种基于最小特征值的自适应故障补偿方法.首先,针对由故障和挠性模态引起的系统不确定性进行参数化;其次,为了解决由故障引起的控制增益矩阵的不确定性,构造了新的控制增益矩阵,并利用该矩阵的最小特征值设计标称控制信号;而后,设计自适应律对标称控制信号中的不确定参数进行估计,构成自适应控制信号,保证了系统稳定性和渐近跟踪性能;最后,仿真结果验证了本文提出的自适应控制方法的有效性.

关键词 执行器故障; 自适应补偿; 控制增益矩阵; 挠性航天器; 最小特征值; actuator faults; adaptive compensation; control gain matrix; flexible spacecraft; minimum eigenvalue;

摘要 与传统的基于接收信号强度(received signal strength, RSS)的室内Wi-Fi定位方法相比,信道状态信息(channel state information, CSI)包含了信号传输过程中更细粒度和更多样化的物理层信息(如信道中各个子载波的振幅和相位信息),故基于CSI的室内Wi-Fi定位方法通常具有更高的定位精度.在利用CSI进行定位时,发送端采用正交频分复用(orthogonal frequency division multiplexing,OFDM)技术在多个正交子载波上并行发送数据并在接收端进行解调,但由于异步效应(如载波频率偏差(carrier frequency offset, CFO)、采样时钟频率偏差(sampling frequency offset, SFO)和符号定时偏差(symbol timing offset, STO))的存在,接收端子载波的正交性难以得到保证,于是,基于CSI的室内Wi-Fi定位方法的性能会因为符号间干扰(inter symbol interference, ISI)和载波间干扰(inter carrier interference, ICI)的影响而下降.对此,本文从频域的角度推导了不同异步效应下的CSI定位误差界以评估基于CSI的室内Wi-Fi定位性能.

关键词 室内定位; 异步效应; 定位误差界; 正交频分复用; Wi-Fi; indoor localization; asynchronous effect; localization error bound; orthogonal frequency division multiplexing(OFDM); Wi-Fi;

关键词 约束求解; 人工智能; 优化算法;

摘要 互联网和物联网规模的迅速扩张促使全球数据存储总量呈现爆炸式的增长,导致数据系统从计算密集型向数据密集型方向发展.如何构建可靠高效的数据存储系统,成为大数据时代迫切需要解决的问题.相比传统磁盘,非易失主存具有性能高以及字节寻址等优点,这些独特的优势为高效存储系统的构建提供了新的机遇.然而,传统存储系统的构建方式不适用于非易失主存,无法发挥出非易失主存的性能优势,并且容易造成一致性开销高、空间利用率低、编程安全性低等问题.为此,本文分析了基于非易失主存构建存储系统面临的挑战,在系统软件层次分别综述了空间管理机制、新型编程模型、数据结构、文件系统和分布式存储系统等方面的研究进展,并展望了基于非易失主存构建存储系统的未来研究方向.

关键词 非易失主存, 系统软件, 空间管理机制, 编程模型, 数据结构, 文件系统, 分布式系统

摘要 联邦机器学习系统由于能够在多方之间训练联合模型而无需各方共享训练数据,因此在学术界和工业界都获得了越来越多的关注和应用.与传统的机器学习框架相比,这类系统被认为具有保护数据隐私的良好潜力.另一方面,训练阶段攻击是一种通过故意扰动训练数据,从而希望在测试时操纵相应的学习系统预测行为的攻击方法.例如, DeepConfuse是最近的一种高效生成对抗训练数据的方法,展示了传统监督学习范式在此类攻击下的脆弱性.在本文中,作者扩展了DeepConfuse方法,将其应用在联邦机器学习框架中.这是首次针对联邦学习系统的训练阶段攻击.实验结果表明,在δ–准确率损失的衡量标准下,相比于传统的机器学习框架,联邦学习系统在DeepConfuse攻击下更加脆弱.

关键词 联邦学习, 学件, 表示学习

摘要 在实时地震监测中,地震P波(primary wave)的初动拾取任务具有至关重要的作用,其有助于地震应急响应的及时实施.虽然此前在该领域已开展了大量的研究,但是如何从地震分布密集并且充满噪声的监测波形中有效地识别出P波仍然是一个具有挑战性的任务.例如对于大地震的余震监测,实践中使用的普遍方法仍依赖于专家辅助标注.本文针对地震实时监测任务,基于集成学习策略,提出一个全新的技术框架——EL-Picker,实现从连续地震波形中自主拾取P波的初动到时.具体而言,EL-Picker包含3个模块,即触发器、分类器和精化器.其中,分类器模块借鉴集成学习策略,实现对多个个体学习器的整合,提升整体模型性能.基于汶川Ms8.0地震的余震数据集进行的大量实验,我们发现EL-Picker不仅较好地实现P波初动拾取效果,并且多诊断出120%被人工遗漏的地震P波.同时,实验结果也启发我们探索如何针对不同的地震站台选取个性化的个体学习器构建分类器模块.此外,我们进一步地讨论了被人工遗漏的地震波形的规律特点,用于指导人工地震标注.这些发现清晰地验证了EL-Picker框架的鲁棒性、时效性、灵活性以及稳定性.

关键词 P波拾取, 机器学习, 集成学习, 汶川余震, 实时地震监测

摘要 环状RNA (circluar RNA, circRNA)在基因表达、剪切和转录的过程中扮演着重要角色.越来越多的证据表明, circRNA与疾病的产生与发展存在着重要的联系.本文提出了一种基于多数据融合的非负矩阵分解算法(EDNMF)预测circRNA–疾病关联关系.该方法首先对circRNA–疾病关联关系进行预处理,解决了circRNA–疾病关联关系过少对算法产生的负面影响的问题.然后, EDNMF算法将circRNA表达谱和癌症相似性数据转化为约束条件,基于预处理后的circRNA–疾病关联关系采用改进的非负矩阵分解算法得到最终的打分值,从而预测circRNA–疾病关联关系.五折和十折交叉验证结果表明, EDNMF算法相比其他算法能更有效地预测circRNA–疾病关联关系.此外,采用EDNMF算法预测新的circRNA–结肠直肠癌关联关系打分排名前10的结果中,大部分结果已经得到了佐证,表明了该算法可以有效地预测未知的circRNA–疾病关联关系.

关键词 circRNA, circRNA 表达谱, circRNA-疾病关联关系, 非负矩阵分解, 疾病相似性

摘要 脊髓电刺激作为一种有效的意识促醒手段已经在临床上得到了较为广泛的应用,但是其内在机制仍不完全明确.本文将正常人静息态脑电作为对照组,利用样本熵对微意识状态患者的脊髓电刺激前后的脑电信号进行计算,并分析了基于互样本熵构造的脑网络在刺激前后的变化.结果表明,脊髓电刺激提高了微意识状态患者额叶和中央区内的脑电信号复杂度;还提高了患者在额叶内、中央区内以及额叶与其他脑区间的高频段(α～γ, 8～45 Hz)的耦合模式复杂度,表明通道间信息交互作用的显著增强;同时,患者高频段脑网络平均聚类系数增加,平均特征路径长度减少,小世界特性显著提升(在α,β,和γ均为p <0.001).相对于健康对照组,这些指标变化的方向趋向于正常人静息态的脑功能.样本熵和互样本熵在脊髓电刺激后与健康对照组在某些脑区内或脑区间上无显著差异(比如,β和γ频段的样本熵值在额叶和中央区(p> 0.05)),但是高频段的脑网络参数仍有显著差异(比如,高频段小世界网络特征p <0.001).因此,我们认为这些变化是脊髓电刺激对大脑产生了一个"短时程效应".我们推测脊髓电刺激对脑功能的重塑有一定的促进作用.本研究对脊髓电刺激的内在机理提供了新的解释,同时也为微意识状态患者的脑功能评估提供了新的思路.

关键词 微意识状态, 脑电, 脊髓电刺激, 互样本熵, 脑网络

摘要 高分辨率的磁共振图像可以提供细粒度的解剖信息,但是获取数据需要较长的扫描时间.本文提出了一种基于自注意力机制生成对抗网络的超分辨率磁共振图像重构方法 (SA-SR-GAN),利用生成对抗网络从低分辨率磁共振图像生成高分辨率磁共振图像,将自注意力机制集成到超分辨率生成对抗网络框架中,用于计算输入特征的权重参数,同时引入了谱归一化处理,使判别器网络训练过程更加稳定.本文使用40组3D磁共振图像(每组图像包含256个切片)训练网络,并用10组图像进行测试.实验结果表明,所提出的超分辨率自注意力生成对抗网络方法生成的超分辨率的磁共振图像的PSNR和SSIM值高于同类比较方法.

关键词 磁共振图像, 超分辨率, 生成对抗网络, 自注意力, 谱归一化

摘要 脉冲星导航是一种极具潜力的深空自主导航技术,通常采用脉冲到达时间(time of arrival,TOA)作为量测信息.但脉冲星星历误差和星载原子钟误差等系统误差对导航性能有显著影响.为了解决上述问题,提出了一种基于TOA和时间差分TOA (TDTOA)的增广状态脉冲星组合导航误差抑制方法,通过将每个脉冲星的星历误差和时钟误差增加到状态向量,并利用TOA和TDTOA量测值对其进行估计和校正.仿真结果表明,该方法提高了脉冲星星历误差和时钟误差的可观测性,有效地消除了这些系统误差的影响,导航精度相比传统脉冲星导航提高了29%.

关键词 自主导航, 脉冲星导航, 系统误差, 时间差分, 可观测性分析

摘要 随着无人机应用领域的增多,多无人机协同航迹规划问题变得愈发重要.然而,现存的多无人机协同航迹规划问题大多将多个目标加权转换为单目标问题进行优化,为减少多目标加权的主观性,本文提出一种基于高维多目标优化的多无人机协同航迹规划模型,此模型可以同时优化多无人机航迹距离代价、多无人机航迹威胁代价、多无人机航迹能耗代价,以及多无人机协同性能.同时,为提高高维多目标优化算法在解决此模型时的性能,提出一种基于个体评估交叉策略的NSGA-Ⅲ算法(NSGAⅢ-ICO),可以根据算法运行代数综合评估个体优劣并指导种群交叉操作.仿真结果证明,此模型可以有效地提供多无人机协同航迹,且通过与其他高维多目标优化算法的比较,可以证明此改进算法可以有效地提高多无人机协同航迹规划的多种性能.

关键词 多无人机, 协同航迹规划, 高维多目标优化算法, 个体综合评估

摘要 高速列车牵引系统的微小渐变故障诊断是保障高速列车安全可靠运行的一项重要任务,传统的数据驱动方法通常难以在故障初期实现微小渐变故障的诊断.本文考虑到传感器时序信号的非平稳特性和微小渐变故障具有的慢时变特性,提出了一种基于改进长短期记忆网络(long short-term memory,LSTM)的微小渐变故障无监督诊断方法.首先,我们提出了一种基于LSTM的改进网络结构,并结合门控循环单元(gated recurrent unit, GRU)解码器,构造了一种对非平稳特性具有鲁棒性的自编码器模型以提取故障特征.进而,采用t-SNE (t-distributed stochastic neighbour embedding)对提取的故障特征向量进行降维,使用DBSCAN (density-based spatial clustering of applications with noise)进行故障聚类与识别,实现了对微小渐变故障的无监督诊断.最后,我们基于CRH_2牵引系统的半物理仿真平台数据对上述方案进行了验证.实验结果表明,该无监督诊断方法对同时包含已知和未知故障的情况能够达到95%以上的诊断准确率.

关键词 故障诊断, 微小渐变故障, 无监督学习, 改进的 LSTM 网络

摘要 隐私信息的泄露已成为密码系统当前的严重安全性隐患,因此抗泄露性将是密码机制必备的安全属性之一.目前,通常基于非交互式零知识论证系统、一次性损耗滤波器、强一次性签名等密码基础工具来实现选择密文攻击(chosen-ciphertext attack, CCA)安全的抗泄露身份基加密(identity-based encryption, IBE)机制的通用构造;然而,由于底层工具的计算效率较低,导致传统通用构造尚未达到理想的计算效率.针对上述不足,本文提出一个双封装密钥的身份基哈希证明系统(identity-based Hash proof system with two encapsulated key, T-IB-HPS)的新密码学原语,并详细介绍了T-IB-HPS的形式化定义及安全属性;同时,基于T-IB-HPS和消息验证码(message authentication code, MAC)设计了CCA安全的抗泄露IBE机制的新型通用构造,并基于T-IB-HPS和MAC的安全属性,对通用构造的CCA安全性进行了形式化证明;为进一步展示本文通用构造的实用性,在T-IB-HPS形式化定义的基础上,我们设计了T-IB-HPS的具体实例,并基于判定的双线性Diffie-Hellman假设证明了本文实例的安全性.相较于传统CCA安全的抗泄露IBE机制的通用构造而言,本文通用构造未使用计算效率低的密码学基础工具,表明了本文的通用构造方法具有较高的计算效率.

关键词 哈希证明系统, 身份基哈希证明系统, 身份基加密机制, 抗泄露攻击

摘要 由于触控侦测阶段的保持电荷损失和驱动晶体管的阈值电压漂移,传统的栅极驱动电路用于高触控侦测率的内嵌式(in-cell)电容触控屏时存在稳定性不佳的问题.本文提出了一种具有两级预充电结构的栅极驱动电路,可有效地减少触控侦测阶段的保持电荷损失量,并抑制驱动晶体管的阈值电压漂移.仿真结果表明,传统栅极驱动电路和新栅极驱动电路的邻近级输出波形延迟时间的差异分别是9.3%和1.6%.在关键晶体管的阈值电压正向漂移10 V后,传统栅极驱动电路和新栅极驱动电路输出波形延迟时间的增加比率分别为120%和2.4%.因此,本文提出的新型栅极驱动电路具有较好的稳定性,适用于高触控侦测率的in-cell电容触控屏.

关键词 内嵌式电容触控屏, 栅极驱动电路, 稳定性, 氢化非晶硅, 薄膜晶体管, 时分驱动

摘要 近年来随着图形硬件的快速发展,渲染技术和深度学习技术都飞速发展,可微渲染作为二者之间的桥梁受到了广泛关注.随着许多可微渲染方法的提出,逆渲染等借助可微渲染工具的应用也随之蓬勃发展.本文从传统渲染管线开始介绍,逐步引入可微渲染的主要思想、基本原理和方法,对它们进行介绍、分析和比较.并介绍基于路径跟踪的可微渲染,随后列出开源的可微渲染工具供大家参考并进行比较.本文后半部分介绍可微渲染的广泛应用,分为人脸、人体、人手和物体4个方面.最后列举了一些可微渲染可能的发展方向.

关键词 可微渲染, 逆渲染, 三维重建, 人脸重建, 渲染

摘要 中小企业贷款在促进技术创新、推动经济发展、改善民生和增加就业等方面有着重要的作用.为了满足商业银行的贷款评估标准,很多中小企业选择互相提供担保以获得授信,形成了结构复杂的担保网络.当借款方的贷款违约时,风险则沿着担保方向在网络中层层传播,由此造成的潜在系统性风险给国家的金融安全和监管带来了严峻的挑战.因此,迫切需要发展相应的方法从系统角度对复杂金融担保网络中的传染路径进行风险评估和预测.本文提出了一种基于深度学习的风险评估模型,该方法应用图神经网络和注意力机制直接从网络化的贷款行为数据中学习风险特征,无需依赖于金融领域专业知识的人工特征工程.实验结果表明,本文设计的方法在多数评价指标上均优于现有的7个对比的基准模型.在传染路径风险评估任务中,比基准方法在精确率和召回率的调和平均数(F1-score)方面平均提升了2%~15%.在新路径风险评估任务中,比最好的基准方法平均提升了3.5%.结果表明了本文设计方法在传染路径风险评估中的有效性,可为监管部门和金融机构对担保网络进行系统性风险评估提供方法理论基础.

关键词 风险评估, 传染路径, 担保网络, 图神经网络, 注意力机制

摘要 针对目标任务收集新类别的海量标注数据通常需要大量时间和人力成本,并已成为语义分割技术投入实际产业应用过程的主要瓶颈.本文旨在以"网络监督"的方式,在仅利用用户提供的目标类别关键词以及相应自动搜索到的网络数据的条件下实现语义分割模型的自主学习.该任务的核心挑战在于网络爬取的图像中存在一定量的类别噪声,从而影响自主学习的可靠性.为了解决类别噪声问题,本文设计了一种新颖的噪声擦除模型.该模型通过每次从小批次样本的置信注意力区域中以跨样本的方式学习语义信息来擦除训练图像中与搜索关键词无关的区域.基于该模型,本文同时提出了一种能够用于训练语义分割模型的高质量伪标注生成方法.在国际主流的公开数据集(PASCAL VOC2012)上的大量实验表明,基于该方法的语义分割模型在利用网络监督与弱监督的条件下均取得了良好结果 (mIoU=62.0%以及66.1%).

关键词 语义分割, 网络搜索, 类别噪声, 噪声擦除网络, 网络监督

摘要 移动设备的普及带来了移动应用程序市场的蓬勃发展,各类服务提供商通过移动应用程序的权限大量收集用户数据,而数据收集过程往往不为用户所知,因此给用户带来极大的隐私风险.对移动应用程序进行隐私风险评估,不仅有助于规范第三方移动应用市场,而且可帮助用户规避潜在的隐私风险,而如何评估移动应用程序可能带来的最大隐私风险则是当前面临的重大挑战.本文通过研究移动应用程序最大化的数据泄露场景,基于权限请求特征和权限分析原则构建隐私风险最大值量化模型.该模型基于权限敏感度、权限类别异常度、权限使用率和权限调用者数量4个参数,对移动应用程序的潜在隐私风险进行评估.在隐私风险量化和恶意应用检测中,对比当前同类型方法,该模型在真实数据集上效果均较优,说明模型的有效性.实验结果进一步表明,该模型可用于改善现有第三方移动应用市场的隐私风险预警机制,进而保护移动用户的隐私.

关键词 隐私保护, 移动应用程序, 隐私风险量化, 权限分析方法

摘要 链路预测任务是根据已知的网络结构和节点属性等信息来预测网络中产生新链路的可能性.它是网络科学中的一个基础性问题,具有重要的理论研究和实际应用价值.近年来,网络表示学习领域的学者利用深度学习提取网络复杂特征,大幅度提高了链路预测效果.实际网络中节点具有局部聚类现象,然而,当前的网络表示学习侧重于提取网络全局特征,忽略了局部信息特征.针对这个问题,我们提出了能够学习网络中节点在不同社区中局部特征表示的模型network-splitter.该模型利用重叠社区思想,在每个社区中创建节点的一个角色副本,并学习该角色副本的特征表示.最后将节点在不同社区中对应的角色副本信息通过神经网络综合,得到的综合向量包含网络全局特征和节点局部特征,并可应用到链路预测任务中.本文的实验结果表明, network-splitter模型与最新的网络学习表示方法相比具有很强的竞争力.

关键词 链路预测, 复杂网络, 网络表示学习, 局部节点特征, 重叠社区

摘要 在复杂网络研究领域,社区隐藏算法旨在破坏社区发现算法的有效性,从而隐藏用户之间的关系,达到保护用户隐私的目的.现有的社区隐藏算法寄希望于已有用户改变自己的社交关系实现该目标,这对用户影响较大,操作空间比较小.不同于此类算法,本文所提的算法从增加节点及其相应边的角度出发,即伪造用户及其关系,最大程度降低了对用户的影响,将社区隐藏问题转换为网络增长问题.首先基于ratio association和ratio cut,提出两种更适合社区隐藏的指标;然后基于强化学习框架,定义动作空间为不同的网络增长模型,将两个指标在l个阶段的一致性策略值作为网络的状态表示,并将指标值作为奖赏值;最后采用两种策略来对指标进行优化,即给每个Q函数赋予权重的标量化多目标Q-learning算法以及基于Pareto最优算法的多目标Q-learning算法.在真实数据集上的大量实验表明,相比于现有最新的社区隐藏算法,本文所提算法展现出更好的有效性.

关键词 社交网络分析, 社区发现, 社区隐藏, 多目标优化, 强化学习

摘要 大规模MIMO阵列是第五代移动通信(5G)的关键技术之一.然而,阵列在经历了长时间工作之后,会出现部分通道失效的情况,从而对大规模MIMO阵列的辐射性能造成不同程度的影响.本文针对5G毫米波大规模MIMO阵列中不同数量通道失效以及失效通道处于不同失效状态时的辐射特性进行了系统的仿真与实验研究,并在此基础上对MIMO阵列的辐射性能进行了统计分析.提出并建立了大规模MIMO阵列部分通道失效状态下的方向图参数概率模型,对概率模型的结果和统计分析的结果进行了对比,验证了概率模型的正确性和有效性,所给出的概率模型可以代替基于大量样本的仿真或实验结果进行统计分析的方法,对有不同比例的通道失效及不同失效状态时阵列的辐射特性进行快速评估,直接得出阵列主要辐射参数的期望值和方差.此外,本文还分析了不同失效比例和状态下主要辐射特性的概率分布.

关键词 5G, 大规模 MIMO, 毫米波, 有源天线阵列, 失效

摘要 围绕如何提高椭圆球面波(prolate spheroidal wave functions, PSWFs)多载波调制系统频带利用率,采用对PSWFs信号分组优化,利用信号索引与脉冲幅度调制进行两个维度的信息加载,在保证信号高能量聚集性的同时提高系统频带利用率的思路,提出了基于信号分组优化的PSWFs多载波调制方法.该方法依据信号路数、分组数,优选高能量聚集性PSWFs信号,保证信号波形具有高能量聚集性;采用I/Q 2个相互独立支路,同时利用信号索引、脉冲幅度调制进行信息加载,增加调制符号组合数,提高系统频带利用率.理论与仿真分析表明,本文所提方法相对于基于PSWFs的正交和非正交调制,在未明显降低信号功率谱、峰均功率比特性的前提下,能够有效提高系统频带利用率.如当误比特率为10~(-5)时,所提方法相对于基于PSWFs的正交调制,以牺牲0.05 dB的系统误码性能为代价,系统频带利用率可提升约18.2%;相对于基于PSWFs的非正交调制,系统频带利用率可提升约17%,同时系统误码性能提升约0.2 d B.此外,相对于经典的结合信号索引的正交频分复用,所提方法具有更高的系统频带利用率和系统误码性能,如当误比特率为10-5时,系统频带利用率可提升约9.1%,同时系统误码性能提升约0.13 dB.

关键词 椭圆球面波函数, 频带利用率, 波形设计, 多载波调制, 分组优化, 信号索引

摘要 天线交叉极化隔离度与全极化相控阵雷达极化信息精确获取密切相关.为提高交叉极化隔离度,基于三馈点微带贴片天线阵元提出了一种全极化相控阵极化状态配置方法.不同于传统的固定极化状态,如线极化和圆极化,该方法可根据波束指向动态调整辐射信号的极化状态.将交叉极化隔离度提高问题建模成一个多变量带约束非线性最优化问题,从而实现全极化阵元激励幅度和相位的最佳配置.同时,为实现全极化相控阵在极化散射特性测量中的统一化表示,推导了任意极化状态下标准散射体的固有和后向散射矩阵的通用表达式.利用全极化相控阵天线验证了所提极化状态配置方法的有效性和可行性.通过仿真分析,结果表明该方法能够获得更高的交叉极化隔离度,并且能够适应相控阵天线波束宽角扫描特性.经过极化状态配置后的隔离度参数可以显著提高全极化相控阵雷达极化测量精度.

关键词 交叉极化隔离度, 全极化相控阵雷达, 极化测量, 极化状态配置, 三馈点微带贴片天线

摘要 群智感知系统中针对数据流的实时发布和深度学习在极大方便人们日常生活的同时,也严重威胁了参与用户的隐私信息.现有隐私保护机制在处理动态性强、时空相关性复杂的数据流时,大都难以实现数据自适应性,从而导致较低的数据效用性.因此,基于ω-事件级差分隐私,本文提出了一种数据自适应的多维数据流隐私保护实时发布机制AdaPub.该机制通过集成基于多重哈希的维度划分策略和自适应累积回溯时间聚类策略分别学习数据流的空间和时间相关性,不需要预定义任何参数,能够根据数据流的动态变化趋势来自适应地调整隐私参数,从而保证了隐私保护机制的数据自适应性并有效提高了数据效用性.此外,本文进一步提出了一种面向层次数据流发布的隐私保护机制HierAdaPub,利用最优隐私预算分配策略来最小化扰动方差以保证数据效用性.大量仿真实验从不同角度均验证了所提出隐私保护机制能够在提供强隐私保护的同时,具有较高的数据效用性.

关键词 数据流发布, 数据自适应, 差分隐私, 时空相关性, 数据效用性

摘要 近年来,随着深度学习技术的广泛应用,人机对话研究取得了突破性进展.但是,目前的人机对话系统大多是在人机双方参与的假设下进行设计的,而更具挑战性的人机多方对话的研究和应用尚不成熟.本文将立足于自然语言处理领域,对近几年基于深度学习的多方对话研究进展进行综述.首先从人机对话角度出发,整理多方对话系统的关键问题和已有解决方案;然后,梳理基于多方对话的其他自然语言处理任务;之后,总结已有多方对话研究的数据集,并分析现有数据集的局限性和改进方案;最后,展望多方对话研究的未来发展趋势.

关键词 自然语言处理; 深度学习; 人机对话; 多方对话; natural language processing; deep learning; human-machine dialogue; multi-party dialogue;

摘要 随着信息技术创新日新月异,数字化、网络化、智能化深入发展,新应用层出不穷、新业态蓬勃发展,对业务系统的敏捷构造和持续运维提出了更高的要求.为此,本文提出了一种新的计算模式:方舱计算.所谓方舱计算,是通过网络访问的,面向IT任务全生命周期的跨域资源配置和协同的计算集成环境.其核心是"方舱专用机动、资源跨域伸缩、系统运维自治".本文给出了方舱计算系统结构及其工作原理,方舱计算系统主要由方舱生成与管理系统、跨域资源管理系统、虚拟数据中心系统和若干网关(方舱网关、虚拟数据中心网关、跨域资源网关等)组成.进而,给出了适于方舱计算的资源分配最优化问题定义,在兼顾数据资源、计算资源和存储资源等的基础上,实现最小化资源成本.通过规划求解器与近似优化算法仿真实验,表明本文的方法能够兼顾数据资源和物理资源的分布,实现方舱资源的优化配置.

关键词 方舱; 虚拟数据中心; 跨域资源管理; 资源分配; 资源分布图; 资源目录; cabin; virtual data center; cross-domain resource management; resource allocation; resource distribution map; resource directory;

摘要 圆弧样条普遍用于数控机床的刀具轨迹设计中,希望用尽可能少的圆弧段逼近曲线.现有方法大多是启发式的,圆弧样条曲率的分段常值性质还没有引起足够的重视.本文基于这个内在的稀疏性质,提出基于稀疏表示的G~1圆弧样条自动逼近方法,主要分两步:稀疏优化问题自动检测圆弧间连接点的全局初始化和重新调整连接点位置保证G~1连续性的局部修正.实验结果显示新方法对对称性比较敏感,部分尖锐特征、自交数据也可以逼近得很好,充分说明了新方法的优越性.

关键词 圆弧样条; 稀疏表示; 逼近; G~1连续; arc spline; sparse representation; approximation; G~1 continuity;

摘要 曲面拟合是最有效的图像放大方法之一,其关键是构造对图像拟合的曲面.图像细节和边缘等特征对图像的视觉效果起着关键作用,因此,构造拟合曲面的关键之一是保持图像细节和边缘.基于样条和多项式方法构造的拟合曲面不能有效地保持图像的边缘信息,从而使放大图像在边缘处锯齿状明显.本文提出了以边缘和距离为特征约束的图像放大新算法.算法以边缘和距离为约束,在每个像素的邻近区域上构造一张对邻域上像素点拟合的二次多项式曲面片,并在每个四边形网格上构造一张二次多项式中间曲面片.在每个四边形网格上由五张曲面片加权平均生成有理多项式曲面片.该曲面片具有二次多项式逼近精度,产生的图像具有较好的视觉效果.通过构造误差曲面片对二次多项式曲面片进行修正,提高了放大图像的精度和视觉效果.新算法把二次多项式的常数项、一次和二次项采用不同方法分别计算,为构造带约束的多项式函数提供了新技术.实验结果表明,相比于其他算法,本文算法不仅有较高的逼近精度,而且放大图像的视觉效果也较好.

关键词 二次多项式; 边缘和距离约束; 逼近曲面; 逼近精度; 图像放大; quadratic polynomial; edge and distance constraints; approximation surface; approximation accuracy; image magnification;

摘要 在计算机视觉中,群体分析越来越受到人们的关注,对图像中复杂人群进行分组是群体分析领域的基础技术需求.现有的人群社交分组方法只针对固定人数的小范围场景,不能处理真实世界中的大场景图像.本文提出首个面向十亿像素大场景图像的基于深度学习的细粒度人群社交分组框架,由一种图引导的全局到局部的划分策略与一个学习隐函数表示社交对交互模式的深度社交分组网络组成.该框架可在大范围场景图像上实现准确的人群分组.本文方法同样适用于小场景图像,在小场景图像数据集上的实验结果表明,本文提出的框架相比于现有方法取得了显著的性能提升.相关代码与训练数据即将开源.

关键词 群体; 大场景图像; 深度学习; 社交分组; 图引导; group; large-scene image; deep learning; social grouping; graph-guided;

摘要 本文针对一类时滞非线性信息物理系统,研究虚假数据注入攻击下基于记忆型事件触发的安全状态估计问题.不同于现有事件触发机制只考虑系统的瞬时信息,本文提出一种基于历史测量输出的记忆型事件触发机制.该机制可以有效减少输出信号随机波动导致的事件触发机制误触发次数,减少不必要的网络资源浪费.采用一个满足Bernoulli分布的随机变量来描述虚假数据注入攻击的随机过程.构造新的包含Legendre多项式的Lyapunov-Krasovskii泛函,采用Bessel-Legendre不等式技术,给出保证估计误差系统渐近稳定与状态估计器设计的充分条件.最后,通过仿真算例验证所提方法的有效性.

关键词 记忆型事件触发; 信息物理系统; 状态估计; 虚假数据注入攻击; memory-based event-triggering; cyber-physical systems; state estimation; false data injection attacks;

摘要 抑制无源互调干扰是确保新一代移动通信系统安全、稳定和经济运行的重要前提,也是推进我国电信基础设施共建共享的重要保证,对无源互调干扰的产生机理进行分析是抑制其干扰产生的最根本性手段.本文综合性地阐述了金属松散电接触对无源互调干扰的影响机理,包括金属电接触表面的微观特征分析、松散电接触等效电路模型建立、松散电接触面电流密度和阻抗等电特征量对互调干扰作用机制等内容.理论建模、软件仿真以及实验测试表明:松散电接触导致增大的面电流密度与接触阻抗是产生无源互调干扰的直接原因.

关键词 无源互调干扰; 松散电接触; 同轴连接器; 接触阻抗; 新一代移动通信系统; passive intermodulation; loose contact; coaxial connectors; contact impedance; next-generation communication system;

摘要 基于概率计算的Chase算法可以在保证译码性能的情况下,大幅度降低软译码的复杂度,使得RS软译码算法得到实际应用.然而,概率Chase算法的时间复杂度会随着测试码字个数的增加而增长;在高阶调制下, SSCA算法产生测试码字时的搜索范围会随着调制阶数的增加呈指数增长,从而增大了硬件存储开销.为降低时间复杂度,本文提出了提前输出算法,不需要产生所有的测试码字即可实现成功译码.仿真结果表明该算法可以在逼近原算法误帧率性能的同时将时间复杂度最多降低为原来的近1/τ(τ为测试码字个数).针对SSCA算法存储的压力,本文通过确定搜索半径辅助的选择方法来减小搜索范围.仿真结果表明,提出的3σ-SSCA算法仅以少量性能损失为代价可将测试码字单个符号的搜索范围由q (q为调制阶数)个缩小为个位数.

关键词 RS码; Chase算法; 概率计算; 提前输出算法; 搜索半径辅助的选择方法; RS codes; the chase algorithm; stochastic computing; early output algorithm; search-radius-determination assisted selection method;

摘要 区块链上的身份体制是不健全的.如何在区块链上认证某个用户的身份、如何确保身份的背书机构是真实的一直是一个挑战.运行在区块链上的分布式公钥基础设施可以在某种程度上解决上述问题,但是属性密码结合区块链可以提供更贴近于真实社会的身份模型.提出一种基于区块链和去中心属性密码的访问控制身份方案,利用用户和组织之间相互授权、背书身份属性实现信任成本的链接,利用属性密码对链上数据进行访问控制和共享达到细粒度的访问控制和隐私保护.设计了可多用户协同的属性密码,为身份模型中的机构提供背书能力.通过实验仿真和对比分析,该方案在安全性和性能上都满足当前通用区块链的需求,为其提供了一种通用基础的身份模型.

关键词 区块链; 属性密码; 访问控制; 身份认证; 隐私保护; blockchain; attributed-based encryption; access control; identity authentication; privacy protection;

摘要 为了实时且直观地评估当前隐蔽无线通信系统所面临的未知非法检测威胁,本文首次定义了隐蔽威胁区域并设计了相应轻量级算法.首先,在莱斯衰落信道和噪声不确定条件下构建了基于3D波束成形的下行隐蔽无线通信系统模型,分析了敌方最优检测性能,推导了系统最小平均隐蔽概率;然后,给出了通信速率及连接中断概率闭式表达式,求解了给定敌方位置时的系统最大化隐蔽吞吐量优化问题;最后,针对实际通信场景中无法获知敌方位置或分布规律的情形,定义了系统隐蔽威胁区域这一新的性能指标,并设计了相应轻量级算法.仿真结果验证了系统的隐蔽性能、总体性能,以及所提算法性能,揭示了背景噪声、信道环境、天线构造和系统要求等主要参数对隐蔽威胁区域的影响.

关键词 隐蔽无线通信; 隐蔽威胁区域; 3D波束成形; 莱斯衰落; 噪声不确定; covert wireless communication; covert threat region; 3D beamforming; Rician fading; noise uncertainty;

摘要 在可预见的未来,口令仍将是最主要的身份认证方法.口令认证密钥交换协议(password authenticated key exchange, PAKE)是口令认证的重要组成部分,它允许通信双方在不安全的通话信道上建立一个安全的会话密钥.为了缓解服务器被入侵后对存储在服务器上口令的影响,将口令散列之后再存储被广泛推荐,例如使用传统的口令散列函数,如PBKDF2, Bcrypt,和Scrypt.然而,这些口令散列函数依赖复杂的数学问题,安全性证明建立在随机预言机模型(random oracle model,ROM)之上,且需要较大内存支持.为解决上述问题,基于离散对数假设的口令散列方案陆续被提出,如Benhamouda-Pointceva方案(IACR ePrint2013/833)、Kiefer-Manulis方案(ESORICS’14)、Pointcheval-Wang方案(ASIACCS’17)与平滑投影散列函数(smooth projective hash function, SPHF)集成,但这些方案无法实现后量子安全且仍依赖于ROM模型.因此,本文着重研究如何在标准模型下设计后量子安全的口令散列方案,并给出可证明安全性分析.尽管所提方案尚不能应用于实际,但为构造实际的后量子安全的口令认证及密钥交换协议奠定了基础.

关键词 抗量子; 口令认证密钥交换; 口令散列方案; 平滑投影散列函数; 基于格的密码学; quantum resistant; password authenticated key exchange; password hashing scheme; smooth projective hash function; lattice-based cryptography;

摘要 在人工智能与"新基建"推动的技术变革背景下,面向灾害救援、突发公共事件、应急处理等高危行业,推进无人平台的智能化升级,对保障人民的健康安全,提升国家应急和治理能力具有重要的意义.本文对面向反恐、救灾、应急等高危行业的无人平台智能化发展的特点和现状进行分析,对基础理论、关键技术、重大装备和人才培养等4个方面的国内外现状和发展趋势进行总结,结合我国面向高危行业的无人平台智能化发展的现状、需求和不足,提出未来基础理论、关键技术、重大装备、人才培养等方面需要攻克和解决的挑战和问题,提出面向高危行业的无人平台智能化发展的战略规划与顶层设计的建议.

关键词 高危行业; 无人平台; 智能化发展; 人工智能; 对策建议; high-risk industry; unmanned platform; intelligent development; artificial intelligence; strategy and suggestion;

摘要 随着深度神经网络在机器学习的各个领域获得广泛成功,其自身所存在的问题也日益尖锐和突出,例如可解释性差、鲁棒性弱和模型训练难度大等.这些问题严重影响了神经网络模型的安全性和易用性.因此,神经网络的可解释性受到了大量的关注,而利用模型可解释性改进和优化模型的性能也成为研究热点之一.在本文中,我们通过几何中流形的观点来理解深度神经网络的可解释性,在通过流形视角分析神经网络所遇到的问题的同时,汇总了数种有效的改进和优化策略并对其加以解释.最后,本文对深度神经网络流形解释目前存在的挑战加以分析,提出将来可能的发展方向,并对今后的工作进行了展望.

关键词 深度学习; 对抗攻击; 可解释性; 流形; deep learning; adversarial attack; interpretability; manifold;

摘要 随着全球云计算产业规模的迅速增长,采用按需付费的方式,基于云服务组合实现大规模软件服务的动态集成和协同,从而构造复杂软件,已成为一种切实可行的方法.所构建的组合云系统运行在动态、不确定的环境下,如何应对系统运行可靠性数据流的概念漂移问题,保障系统运行质量,是一个亟待解决的挑战性问题.为给针对组合云系统的可靠性自适应提供早期指导,本文基于主动式缺陷管理思想,研究组合云系统运行风险的在线感知方法,提出基于Sinkhorn距离的可靠性概念漂移在线度量方法 RCDMeas.这一方法通过引入熵正则化和不动点迭代,计算系统历史累积的可靠性流数据和临近的可靠性流数据的分布距离,从而识别组合云系统可靠性概念漂移及系统潜在运行风险.大规模数据实验结果验证了本文方法的有效性.本文的工作对服务组合系统的自动化运维具有重要的理论意义与实际应用价值.

关键词 组合云系统; 可靠性; 概念漂移; 在线; 运行质量保障; composite cloud systems; reliability; concept drift; online; execution quality assurance;

摘要 随着深度学习技术在视频和图像生成领域的广泛应用,视频和图像中的可视身份伪造,特别是人脸伪造结果的逼真程度越来越高,对于身份伪造数据的检测在国家安全和社会稳定等方面均具有重要的研究和应用价值,近年来已成为研究的热点问题.本文从有目标身份伪造和无目标身份伪造两个方面归纳和介绍了可视身份深度伪造的研究方法,并从基于空域线索、时域线索的面向已知伪造类型检测方法、面向未知伪造类型的泛化能力研究,以及面向对抗样本攻击的可信伪造检测研究等多个方面阐述了伪造检测的关键技术,并在总结现有数据集和代表性算法的性能分析基础上,进一步讨论了可视身份深度伪造与检测的关键问题和面临的挑战.

关键词 深度伪造; 人脸替换; 人脸编辑; 表情重演; 人脸生成; 伪造检测; deepfake; face swap; face manipulation; expression reenactment; face generation; forgery detection;

摘要 物体分割技术是计算机视觉中的研究热点,在多个领域都有广泛的应用.本文从人类视觉系统对场景中的全局信息和局部细节非常敏感的角度出发,设计了一种新颖、高效且易于计算的增强匹配标准(E_ξ)来评估物体分割模型的性能. E_ξ将局部像素值与全局平均值有机结合,以便评估分割结果与标准结果在图像级和像素级的相似度.在国际主流的4个公开数据集上的大量实验表明, E_ξ在多个方面,如应用关联度、随机偏好度、噪声偏好度、感知度上相比现有广泛采纳的评价标准(IoU和F_β)均有大幅相对提升.通过利用加权二值交叉熵损失函数、本文的增强匹配损失函数以及加权交并比损失函数,本文进一步设计了一套组合损失函数(Hybrid-E_(loss))来促进网络学习到像素级、对象级和图像级的分割特征.定性和定量的结果表明,在3个不同领域的分割任务中使用这一组合损失函数能够进一步提高物体分割的精度.

关键词 物体分割技术; 评价标准; 视觉感知; 增强匹配标准; 损失函数; object segmentation; metric; cognitive vision; enhanced-alignment measure; loss function;

摘要 定量评估城市轨道交通站点的重要性有助于优化城市轨道交通网络,提升针对突发事件的应急管理能力.现有工作常根据轨道拓扑结构或静态客流的分布来识别关键站点,然而,由于居民日常出行行为展现时空变化特征,它们对关键站点的识别也有重要影响.为此,本文提出一种结合轨道网络拓扑结构和动态客流的拓扑–客流中心性指标来动态识别轨道交通关键站点.首先,将轨道交通网络拓扑结构抽象为节点负载网络,利用节点负载刻画客流时变特征.其次,利用级联失效模型对比拓扑–客流中心性指标与其他中心性指标对网络平均效率、极大连通系数和损失客流的影响.大量实验表明所提指标能有效识别轨道交通网络中的关键站点.同时,关键站点会随客流演变展现出动态变化特征,特别是当客流量波动剧烈时最为显著.

关键词 交通网络; 关键站点; 中心性指标; 动态客流; 级联故障; traffic networks; influential station; centrality measures; dynamic passenger flows; cascading failure;

摘要 无线短包通信是实现海量机器类通信(massive machine type communication, m MTC)和超可靠低延迟通信(ultra-reliable low latency communication, uRLLC)等5G物联网(Internet of Things,IoT)应用的关键技术之一.面向工业物联网、车联网等应用,无线通信的安全问题至关重要.本文从物理层安全角度研究了慢衰落信道下短包通信系统的安全传输.基于安全短包通信信息论结论定义了保密中断概率(secrecy outage probability, SOP),并以SOP约束下的可靠吞吐量作为短包通信系统的安全通信性能指标.在此基础上设计了自适应和非自适应编码传输方案,分别利用合法信道的精确/部分瞬时信道状态信息(channel state information, CSI)进行编码速率设计及传输门限优化以最大化吞吐量,并进一步分析了主要系统参数对最优吞吐量的影响.数值结果验证了传输方案的有效性,并验证了SOP约束下主要系统参数对系统安全传输性能的影响.

关键词 短包通信; 物理层安全; 保密中断概率; 传输方案设计; 性能评估; short-packet communications; physical layer security; secrecy outage probability; transmission scheme design; performance evaluation;

摘要 针对基于信号优化分组的椭圆球面波函数(prolate spheroidal wave functions, PSWFs)多载波调制系统频带利用率(spectral efficiency, SE)提升受信号激活路数固定限制的不足,引入广义索引调制(generalized index modulation, GIM),提出了基于GIM的PSWFs多载波调制解调方法,采用放宽对信号激活路数限制、增加调制符号组合数,有效提高系统频带利用率.在发射端,引入固定功率增益,本文提出了基于固定功率增益的调制信号功率控制方法,有效降低了GIM发射端系统复杂度,同时增加了调制符号间最小欧式距离.在接收端,基于不同支路信号激活状态相互独立的特点,引入局部最优,提出了基于局部最优的信号索引检测方法,将信号索引检测转换为相互独立的单支路信号激活状态检测,在相同误比特率(bit error rate, BER)下,能够将检测复杂度由经典GIM信号索引检测方法的O(m Mgn)降低为O(gn).理论与仿真结果表明,所提方法具有更高的系统频带利用率,如当BER为10~(-5)时,相对于基于信号优化分组的PSWFs多载波调制,所提方法 SE提升约14.5%,所需信噪比降低约2.73 d B;相对于经典GIM, SE提升约2.9%,所需信噪比降低约1.92 dB.

关键词 椭圆球面波函数; 频带利用率; 波形设计; 多载波调制; 索引调制; prolate spheroidal wave functions; spectral efficiency; waveform design; multi-carrier modulation; index modulation;

摘要 域间路由系统自治域间的交互缺乏可信认证,建立针对自治域行为模式的信誉模型可为域间路由管理提供约束与激励,提高整体安全水平.由于域间路由系统分布自治、局部路由信息不完整,现有信誉评价方法无法从全局视角感知自治域行为,难以准确反映自治域可信程度及其变化.本文提出一种基于自治域协同的域间路由信誉模型.首先通过分析自治域路由行为统计特征,建立基于贝叶斯(Bayes)后验概率分析的自治域信誉量化指标,用于对目标自治域进行本地信誉评价;然后通过研究自治域属性与本地路由信息完整程度的关系,设计信誉加权聚合算法,采用多域协同方式计算目标自治域的全局信誉评价;最后设计信誉动态更新方法,以对连续恶意行为的自治域进行惩罚.基于真实安全事件的实验结果表明,该模型能够有效聚合各自治域本地信誉评价,捕捉自治域行为在不同时间阶段的细微变化,可为域间路由系统中异常路由抑制、安全事件溯源和供应商选取提供参考.

关键词 域间路由安全; 自治域行为; 信誉模型; 贝叶斯估计; inter-domain routing security; autonomous system behaviors; reputation model; Bayesian estimation;

摘要 随着互联网和移动终端的普及,数字内容产业正成为文化产业主要经济增长点.本文从数字内容产业面临的版权、质量和产业壁垒问题入手,分析区块链技术对于建设数字内容生态价值链的意义和优势,提出以基于区块链的数字内容平台重塑生态价值链的方案.然后分析新型平台中的关键元素、价值流转、平台架构,设计平台价值流转过程中的基础方案,最后从成本和性能角度证明联盟链适合并且可以支撑平台构建.

关键词 数字内容; 价值链; 区块链; 价值流转; 联盟链; digital content; value chain; blockchain; value transfer; consortium blockchain;

摘要 本文研究了一种用于微波真空电子器件的锑铯光电阴极的新型制备方法.首先采用钨海绵扩散阻挡层作为发射材料的蒸发源,代替传统的镍管加热提供发射物质的方法,使发射材料蒸发缓慢而均匀,提供受控的光电发射层.然后利用纳米粒子薄膜对阴极基体表面进行改性,提高其吸附性能和光的吸收率.研究了作为发射物质扩散阻挡层的钨海绵基体的新型处理工艺,将钨铜合金基体直接放入真空室内高频加热到1900 K,从而使其中的铜迅速蒸发而沉积到冷凝器上.结果表明去铜后的钨海绵表面非常光洁,避免了传统方法去铜不彻底、时间长、污染环境等缺点.利用直流磁控溅射的方法,在光电阴极基体表面制备出直径为50 nm金属锇纳米粒子薄膜,研制出带有钛泵的光电阴极发射实验二极管,管内真空度可以达到5×10~(-8) Pa.对基体上沉积锇金属膜和锇金属纳米粒子薄膜光电阴极发射性能进行了对比测试.实验中获得稳定发射的最大激光功率分别为0.416和0.193 W,测试的光电发射电流密度分别为40.8和53.9 mA/cm~2,并计算出量子效率分别为1.80×10~(-3)和5.13×10~(-3).由此可以推断覆Os纳米粒子薄膜光电阴极的光吸收率是覆Os金属薄膜的2.16倍,量子效率是2.85倍,由此分析认为覆Os纳米粒子薄膜光电阴极的量子效率提高的主要原因来自于光吸收率的提高.

关键词 微波真空电子器件; 光电阴极; 纳米粒子薄膜; 钨海绵; 激光驱动; 量子效率; microwave vacuum electronic devices; photocathode; nanoparticle film; tungsten sponge; driven by laser; quantum yield;

摘要 本文综述了运载火箭上升段自主制导方法 (autonomous guidance method, AGM)的发展. AGM是指一类不依赖离线规划的参考轨迹,而是实时规划满足后续飞行复杂过程约束和终端条件的飞行轨迹,从而动态计算当前制导指令的方法.该方法结合了轨迹规划和传统制导方法的优点,具有在线、动态、全局和滚动的特点.分析了不同运动体在制导控制上面临的主要挑战,提出了长征运载火箭上升段自主制导方法的两大技术体系.一是针对确定目标轨道的制导方法,也称迭代制导(iterative guidance mode, IGM);介绍了迭代制导的基本理论、基础型及增强型算法,及其在型号中应用的飞行结果.二是目标轨道与飞行轨迹的联合优化方法,主要应对推力下降的典型故障;介绍了基于目标函数触发(state triggered indices, STI)的在线优化方法,以及以STI和IGM为基础进行自主任务重构的算法.论文还提出了未来的研究方向,包括多级分层优化,以及基于自主制导方法的新型闭环控制系统架构,以进一步增强上升段飞行的自主性和故障适应性.

关键词 迭代制导; 自主制导; 在线规划; 自主任务重构; 多级分层优化; iterative guidance mode(IGM); autonomous guidance method(AGM); online planning; autonomous mission reconstruction; multiple graded optimization(MGO);

摘要 迁移学习利用不同但相关的源域标记数据来解决目标领域的学习问题,大多数减小域间分布差异的方法依赖于最大均值差异距离,但其仅仅能匹配域间数据分布的各阶矩.此外,隐私保护意识的增强限制了对数据源的访问,对迁移学习的发展提出了新的挑战.本文提出一种基于联合分布核适配的迁移学习及其隐私保护方法,直接在再生核希尔伯特空间中同时减小域间边缘分布和条件分布的差异,从而学习一个域不变核矩阵.此外,我们设置数据源双方首先访问一个相同的随机投影函数,然后聚合器发布基于目标扰动的差分隐私核分类器,在实现基于核的联合分布适配的同时,避免了数据源与聚合器直接共享原始特征数据.在多个文本和图像迁移学习基准数据集上进行了对比实验和参数分析,结果显示本文方法具有良好的有效性.

关键词 迁移学习; 隐私保护; 分布适配; 谱学习; 差分隐私; transfer learning; privacy protection; distribution adaptation; spectral learning; differential privacy;

摘要 大数据时代,针对高维数据的聚类分析已成为数据挖掘的热点和难点问题,与此同时,近年来数据获取方式的重大变革推动了多视角研究快速兴起.多视角子空间聚类能够针对高维数据进行聚类,已成为目前聚类研究的一个重要分支.然而,现有部分方法直接从原始数据学习相似度矩阵,极易受到数据中噪声的影响.因此,本文提出了一种基于本质自表示的多视角子空间聚类方法 (intrinsic self-representation for multi-view subspace clustering, ISMSC),从数据的潜在表示中学习相似度矩阵,并利用数据的自表达特性将所有视角的特征融合成本质表示.然后,本文使用交替方向乘子法(alternating direction method of multipliers, ADMM)设计了有效的求解策略对模型进行优化.最后,将ISMSC在人造数据集和8个真实基准数据集上的实验结果与9种基准方法进行了对比,结果表明了模型的鲁棒性和有效性.

关键词 多视; 聚类; 子空间; 谱聚类; 稀疏; multi-view; clustering; subspace; spectral clustering; sparse;

摘要 在传统的特征选择方法中,为了保证行的稀疏性,经常采用l_1范数或者l_(2,1)范数来约束评价矩阵.作为凸正则项,它们在多数情况下可以发挥良好的作用.然而在处理冗余性特征时,一些非凸正则项有望表现出更好的性能.借助自适应流形学习与非凸约束的优点,本文提出了一种新的算法,叫做基于自适应对偶图与非凸约束的嵌入特征选择(adaptive dual graphs and non-convex constraint based embedded feature selection, DNEFS).借助稀疏回归框架, DNEFS同时保留了数据空间与特征空间的流形结构信息.通过运用信息熵原理,对偶图中的局部流形信息可以自适应的学习与更新,因此可以获得更好的特征选择效果.不同于传统的凸约束,本文引入了一个新的非凸正则项,这一正则项由l_(2,1)范数与Frobenius范数的差分构成,并记为l_(2,1-2)范数.通过使用这一新正则项, DNEFS可以更好地处理冗余性的特征.本文运用交替迭代更新的方式来优化目标函数,并在6个基准数据集上测试DNEFS算法的性能.通过与6种对比算法做对比,实验结果表明提出的DNEFS优于对比算法的性能.

关键词 对偶图; 流形结构; 非凸约束; 嵌入; 特征选择; dual graphs; manifold structure; non-convex constraint; embedded; feature selection;

摘要 数字图像抠像与合成问题是虚拟现实中的经典问题.抠像问题需要根据抠像公式,从输入图像准确地提取出前景物体的透明度(α)和前景物体的颜色值,而合成问题仅使用抠像结果与新背景图像进行结合,使其成为新的合成图像.然而,目前很多抠像算法仅局限于抠像部分的α值的计算,忽略了用于后续合成步骤的前景颜色的计算.这实际上仅限于理论研究,脱离了抠像问题的合成应用层面.同时,其他一些兼顾计算前景颜色算法的效果仍然不理想,而且也仍然缺乏合成图像数据集和对合成图像的比较.本文充分利用仿射类方法中搜索范围灵活可变的优势,采用实体像素与混合像素进行分级处理的3层次结构,联合求解出最终的α值和前景颜色.其中,每个层次均利用前向层次的先验,结合仿射类方法的像素相关性以及颜色拟合性约束,采用闭合形式进行求解.在实验中,本文不仅针对α层面进行比较,而且在数字抠像领域中首次引入针对合成图像层面的比较.在合成层面中,本文针对输入图像及各型号的三分模板(Trimap),均引入了白色背景和相应的自然图像背景.同时各方法的真实的α值和前景颜色不仅与这些背景进行了常规合成,而且也进行了一种单纯α层面的合成.实验结果表明,在数值评价结果和视觉效果方面,本文方法的最终α结果与上述各种合成效果均优于目前已有的抠像与合成方法及一些新生成的方法.

关键词 图像抠像; 图像合成; 仿射类抠像; 闭合形式解; 实体像素与混合像素; image matting; image compositing; affinity-based matting; closed form solution; opaque and mixed pixels;

摘要 全切片数字成像(whole slide imaging, WSI)是病理切片数字化的核心技术,其自动对焦的速度和精度决定了WSI系统的性能.然而,传统的自动对焦方法需要拍摄多张离焦子图像创建图像堆栈,或者需要复杂的硬件调制光学系统,从而限制了WSI在实际场景中的应用.本文设计了基于深度学习的数字病理扫描系统单次曝光自动对焦方法,对子图像逐个进行网络虚拟自动对焦,将单张离焦子图像通过网络直接生成准焦子图像.本方法仅需要在任意离焦距离下的单次曝光拍照即可,从原理上避免了重复的对焦运动和相机曝光过程.实验结果表明,本方法具有高通量、高速度、低成本、实用性强、可线下处理等优点.

关键词 数字病理扫描系统; 自动对焦; 深度学习; 光学显微镜; 计算成像; digital pathological systems; autofocusing; deep learning; optical microscopes; computational imaging;

摘要 近年来,深层卷积神经网络在图像超分辨率重建任务中取得了巨大成功,然而复杂的深度神经网络会消耗大量存储空间以及计算资源,严重限制了其在资源有限的移动端设备上的部署.因此降低模型的资源消耗将有助于扩展深度超分辨率网络的实际应用范围.二值神经网络占用存储空间小、计算效率高,激励我们将二值化算法应用于目前的深度超分辨率重建领域,满足现有移动设备对于超分辨率的实际应用需求.因此,本文关注于二值图像超分辨率重建网络的研究.为此,我们首先总结了现有二值化方法,并针对其技术细节和算法特点进行了详细介绍.随后,我们探索了目前二值化方法在超分辨率领域的实际应用效果,并面向图像超分辨率重建任务提出一种新的二值化算法,主要通过提高网络前向过程表达能力和减少网络反向过程训练损失提升二值超分辨率网络的性能.实验表明,无论对比现有基于分类任务的二值化算法还是对比基于超分辨率任务的二值化算法,我们的方法均可以取得最优的性能.

关键词 二值卷积神经网络; 图像超分辨率重建; 二值化; 量化; 模型压缩; binary neural network; single image super-resolution; binarization; quantization; model compression;

摘要 信息技术的发展以及人们对于个人隐私安全重视程度的提升对传统互联网应用的身份认证机制提出了更高的要求,既要实现用户的身份认证,同时也要最大程度地保护用户的隐私信息.与传统的数字签名方案相比,基于属性的数字签名方案天然具有匿名的特点,即属性签名可以隐藏签名者的身份信息,其他用户无法将一个签名链接到签名者的身份(属性集).而在实际应用场景当中,我们通常还需要对用户的身份进行监管,以防止匿名滥用和失信行为的发生.因此,为了平衡这两种看似矛盾的需求,本文提出了一个基于区块链和去中心可追踪属性签名的可控匿名认证方案,通过对已有的可追踪属性签名方案进行适当改进,在不影响效率的前提下实现了去中心化的属性授权机构,以防止单个属性授权机构的腐败对系统安全性造成影响.实验及对比分析结果表明,本方案适用于电子投票系统和其他具有去中心可控匿名认证需求的场景.

关键词 区块链; 属性签名; 可追踪性; 可控匿名; 隐私保护; blockchain; attribute-based signature; traceability; controllable anonymity; privacy protection;

摘要 针对移动边缘计算下查询的效率和安全问题,本文开展了面向位置信息的移动边缘计算安全skyline查询的研究.首先,提出了移动边缘计算场景下的安全skyline查询框架;其次,针对边缘服务器资源受限的特性,设计了新颖且统一的轻量级安全索引结构;然后,考虑云边协同中的隐私问题,提出了基于移动边缘计算的安全skyline查询协议.安全性分析表明该协议在半诚实模型下是安全的.同时,实验评估发现其比现有协议具有更高的查询效率.

关键词 安全skyline查询; 位置信息; 移动边缘计算; 安全索引; 半诚实模型; secure skyline queries; location-based data; mobile edge computing; secure index; semi-honest model;

摘要 随着物联网技术的快速发展,不同应用在通信范围、能耗、时延等方面的需求推动各种无线通信技术的产生.由于无线通信技术的多样性,异构设备间存在通信壁垒不能进行直接通信.由于信息交互能力的缺失,广泛部署的异构物联网设备相互竞争频谱资源并导致通信干扰日益严重.此外,异构设备间的通信障碍限制了信息共享和资源整合.传统的利用网关实现异构设备间的通信需要额外的开销.研究人员提出了不需要网关设备进行协议间转换的异构物联网直联通信技术,使得异构设备能够进行直接通信.本文首先分析和总结异构物联网直联通信技术的研究现状;在此基础上,提出了实现异构物联网直联通信的关键技术:数据包级、信号级和符号级的异构物联网直联通信技术;之后,介绍了所提相关技术在异构物联网设备共存场景下的抗干扰协调应用;最后,总结全文并展望了异构物联网直联通信技术的未来发展方向.

关键词 物联网; 无线网络; 异构物联网直联通信; 无线通信协议; 数字调制; Internet of Things; wireless network; cross-technology communication; wireless communication protocol; digital modulation;

摘要 联邦学习能够在保障本地数据隐私前提下利用分布式数据和计算资源实现机器学习模型联合训练.现有异步联邦学习有效解决了同步联邦学习所存在的计算资源浪费、训练效率低等问题.然而,现有异步联邦学习通过聚合不同节点训练得到局部模型,并通过中心服务器完成全局模型更新,内生性地受制于中心化信用模式,存在单点失效、隐私泄露等问题.为此,提出了一种基于区块链的隐私保护异步联邦学习,通过上链局部模型并通过共识算法生成全局模型,保证异步联邦学习的可信性.为了保证联邦学习的隐私性,同时提高模型效用,提出利用差分隐私中的指数机制以高概率选择贡献度高的模型梯度,并分配较低的隐私预算以保证局部模型的隐私性.另一方面,针对异步联邦学习时钟不同步问题,提出了双因子调整机制进一步提高全局模型效用.最后,理论分析与实验结果表明所提出的方案能有效保证异步联邦学习的可信性和隐私性,同时提高了模型效用.

关键词 联邦学习; 区块链; 差分隐私; 模型效用; 异步训练; federated learning; blockchain; differential privacy; model utility; asynchronous training;

关键词 随机系统; 线性参数变化系统; 控制与分析;

摘要 随着人工智能技术的突破性进展,人工智能与可视化的交叉研究成为当前的研究热点之一,为人工智能和大数据分析领域的若干核心难题提供了启发式的理论、方法和技术.一方面,人工智能技术的创新应用提升了可视化的分析效率,拓展了分析功能,为大数据可视分析提供了强有力的工具.另一方面,可视化技术增强了以深度学习为代表的人工智能的可解释性和交互性,为可解释人工智能提供了可靠的技术基础.本文从面向人工智能的可视化技术和人工智能驱动的可视化技术两个方向,分别介绍了数据质量改善、可解释机器学习、智能特征提取、可视化自动布局与生成、智能交互、智能故事叙述等6个重要问题.对国内外的研究进展进行了分析,并对发展趋势进行了展望.

关键词 可视化; 可视分析; 人工智能; 可解释机器学习; 自动可视化; visualization; visual analytics; artificial intelligence; explainable machine learning; automatic visualization;

摘要 三元空间是由信息空间、物理世界、人类社会所构成,三元空间大数据由信息空间所产生的互联网数据、物理空间所产生的物联网数据和人类社会空间所产生的数据所构成.本文介绍了三元空间大数据的关联复杂性,并针对三元空间大数据关联复杂性这一本质困难,提出解决三元空间异构数据的关联表征这一关键科学问题.传统信息科学往往依据既有的先验信息进行特征表达,并在先验表征空间内分析信息语义及其关联关系.然而,在表征层面所引入的先验偏见,极大限制了信息理解和关联的广度和深度,使得蕴含于三元空间大数据之中的超出人类现有经验的知识难以被发掘.为解决上述难题,本文提出将三元空间数据关联关系通过拓扑图理论表征成网络或图以实现三元空间大数据的关联表征和融合分析.具体地,利用数据驱动的深层网络表征对三元空间异构数据的弱先验关联关系进行深度建模以保持原始数据间的异构关联关系,通过对非线性、非凸异构数据关联表达进行深度解离化计算以提升深层关联表征的鲁棒性与可解释性,借助拓扑图理论挖掘三元空间大数据中蕴含的异构关联关系以达到对三元空间异构关系的精准刻画.最后,本文从知识与数据双驱动、自适应,以及可推理三元空间大数据分析的角度对三元空间大数据关联表征的未来研究方向进行展望.

关键词 三元空间; 大数据; 关联表征; 深层表征; 网络表征; cyber-physical-human space; big data; correlational representation; deep representation; network representation;

摘要 LEO巨型星座因其广覆盖、高通量及低延时的通信潜力而受到越来越多的关注.然而由于所处空间环境复杂及自身特点等原因, LEO巨型星座容错问题亟待研究.为此,本文关注如下问题:如何保证卫星失效后,网络流量依然无拥塞正常转发?本文提出了基于流量工程的主动容错方法 SN-FFC,主要思想是通过合理的链路冗余,使得对于至多k (k为可调参数)个卫星失效,网络流量依然能无拥塞正常转发. SN-FFC首先设计基于流量工程的容错建模方法,随后针对模型计算复杂度高的问题,提出基于对偶理论的算法,使得复杂度从O(C_n~k)降低到O(n).基于Starlink第一阶段星座模型的仿真实验表明SN-FFC相较现有方案,能实现故障下的无拥塞转发,并且计算时间和吞吐量开销较低.

关键词 LEO巨型星座; 容错; 流量工程; 对偶理论; 线性规划; LEO mega-constellation; fault tolerance; traffic engineering; duality theory; linear programming;

摘要 意图识别是对话系统的一个重要组成部分.现有的工作主要集中在使用充足的标记数据进行意图识别.然而,这些方法不能识别训练数据中不存在的意图.为了解决这个问题,我们提出了一种基于隐式网络和显式网络的相似性学习模型,用于零样本意图识别,该模型能够从词级和句子级学习用户话术和意图描述之间的相似性.为了增强意图的表示,我们引入槽位类型作为意图描述.并依据表达方式的不同将意图分为显式意图和隐式意图,分别从词级和句子级构建显式网络和隐式网络.同时,为了更好地结合这两部分信息,我们还设计了关系层来融合不同层级的信息.在两个基准数据集上的实验结果表明,我们的模型明显优于现有的最先进的模型,并展示了从词级和句子级同时学习相似性的有效性.

关键词 零样本意图识别; 隐式网络; 显式网络; 关系层; 选择门; zero-shot intent detection; implicit network; explicit network; relation layer; switch gate;

摘要 针对目前社交网络上信息传播动力学的研究成果中,未能从社会物理学层面揭示微观个体上的随机性和无序性与宏观群体上的可知性和可控性之间的关系问题,本文提出了一种基于时变阻尼运动的信息传播动力学模型(time-varying damped motion, TVDM).首先,深入分析社交网络中信息传播现象,从时间、空间、主体(行为人)、客体(信息) 4个维度提取关键特征;然后,从带阻尼的简谐运动视角、内外力系合力作用视角、信息能量转化视角、时变系统与信号变换视角,揭示了社交网络上信息传播的物理学本质规则和作用机制;最后,通过数值模拟实验验证了网络上个体行为服从统计规律性.实验结果表明:提出的时变阻尼运动信息传播动力学模型精度为91%,构建的社交网络信息传播动力学模型TVDM是合理有效的.

关键词 社交网络; 动力学; 信息能量; 阻尼运动; 时变系统; social network; dynamics; information energy; damping motion; time-varying system;

摘要 随着COVID-19在全球肆虐,传染病监测有利于阻止传染病传播.而保护监测系统中病人以及数据提供者的隐私能免除他们对隐私信息泄露的顾虑,从而提高系统的数据采集能力.本文提出了一个基于区块链的传染病监测数据聚合方案(lightweight-blockchain based privacy-preserving data aggregation scheme, LBPDA),可以在不依赖可信第三方的情况下对数据进行聚合.特别地,为了保护数据聚合过程中数据隐私,采用基于Paillier密码系统的加法同态性来聚合病例数据.此外,为了减少时间开销和存储开销,对使用的Hyperledger Fabric联盟区块链平台进行了改进,从而轻量化数据聚合过程.我们对提出的方案进行了仿真,并进行安全性和性能分析以验证提出方案的可行性和有效性.结果显示,提出的方案能满足政府部门在聚合病例数据用于传染病监测的同时保护病人和数据提供者的隐私的需求.此外,通过对比也证明本文对区块链的轻量化是有效的.

关键词 区块链; 传染病监测; 隐私保护数据聚合; Paillier密码系统; Hyperledger Fabric; blockchain; epidemic disease surveillance; privacy-preserving data aggregation; Paillier cryptosystem; Hyperledger Fabric;

摘要 安全性分析为密码方案的安全性提供重要依据和有力保障.我国自主设计的商用标识密码SM9已成为国家标准,其中, SM9数字签名算法和加密算法已成为ISO/IEC国际标准.然而,现有关于SM9标识密码算法安全性分析的公开发表研究成果较少. Cheng在Inscrypt 2018基于Gap-q-BCAA1假设,给出了SM9密钥交换协议、密钥封装机制和公钥加密算法的安全性证明.本文首先基于q-SDH假设和随机谕言模型,证明SM9数字签名算法具有EUF-CMIA的安全性.其次,为了消除对Gap类困难假设的依赖,采用Twin-Hash-ElGamal技术,提出基于SM9密钥封装机制的新型密钥封装机制Twin-SM9.与SM9密钥封装机制相比, Twin-SM9的系统公钥和用户私钥分别增加了一个群元素,而封装密文长度保持不变.在随机谕言模型中证明,若q-BDHI假设成立,则Twin-SM9密钥封装机制满足IND-CCA.然后进一步阐明了SM9标识密码的安全性,研究结果有助于基于SM9的高级密码协议和算法的设计与分析.

关键词 SM9; 安全性分析; 数字签名; 密钥封装; CCA; SM9; security analysis; digital signature; key encapsulation; CCA;

摘要 针对低阻尼柔性机构运动中的振动问题,本文提出了一种综合最优双S形轨迹规划法和输入整形法优点的串联抑振轨迹规划方法,其优势是可以有效抑制匀速运动时段的振动.论文从理论分析和数字仿真两个方面对该方法的正确性进行了证明.最后,对该方法在FAST馈源支撑系统的应用结果进行分析,表明其可有效提高并联柔索机构的运动精度,特别在匀速运动时可提高位置跟踪精度超过20%.

关键词 柔性机构; 五百米口径球面射电望远镜; 振动抑制; 轨迹跟踪; 运动规划; soft mechanism; five-hundred-meter aperture spherical telescope; vibration control; trajectory tracking; motion planning;

摘要 多层网络的结构和动力学是目前网络科学研究中的前沿方向.在多层网络中单层之间的连接方式直接影响整个多层网络的动力学、传播、扩散和同步.对于多层网络的一般结构,目前还没有系统的理论和方法,人们只能从简单的多层网络结构入手,来探索层间连接如何影响多层整体动力学行为.本文的工作针对单层是链状结构的双层网络,通过图论理论和数值计算探讨这一问题,寻找层间连接的优化方式.首先,根据主稳定函数方法,在同步域无界的条件下证明了各层结构相同的多层网络在任意层间部分连边方式下,均存在层间耦合强度阈值,使得整个网络同步能力达到最大,且最大同步能力就是其单层网络的同步能力.其次,仿真得到双层链状网络在层间两条连边下的最优连边位置分别为各条链的1/4和3/4处;最差连边位置分别为其端点及相邻次端点处.本文还分别利用主稳定函数方法以及"网络最短距离"结构指标,细致地讨论了单层节点数分别为4N, 4N+1, 4N+2, 4N+3情况下的层间最优连边方式.结果表明:单层节点数4N对应有4种层间最优连边方式,其他3种情况下层间最优连边方式均唯一.最后,本文提出了最优层间耦合强度的表达式,并通过计算不同节点数情况下网络的最优层间耦合强度,验证了该表达式的正确性.

关键词 多层网络; 同步能力; 链状网络; 层间连边方式; 层间耦合强度; multi-layer networks; synchronizability; chain networks; inter-layer connection modes; inter-layer coupling strength;

摘要 随着各类丰富的移动应用普及,可以预见,未来的无线通信系统将需要满足更为苛刻的服务要求,为无线通信技术的发展带来挑战.另一方面,大数据在众多领域的应用取得了令人瞩目的成功.大数据如何赋能无线通信成为学术界和工业界关注的焦点.过去5年,我们承担了国家自然科学基金"无线通信大数据基础理论与技术研究"重点项目群,致力于研究基于大数据的无线通信技术,探索使用大数据突破无线通信发展瓶颈的新理论和新方法.我们将这类在无线通信中产生、能够服务于无线通信的大数据定义为无线大数据.本文是对项目群的研究和实践结果的总结.具体地,我们首先分析了无线大数据的来源和特征,然后构建了与之匹配的无线知识学习范式、智能无线网络框架以及跨地域、跨机构、多用途、一体化的无线大数据平台,最后提出并验证了基于大数据的无线传播环境分析、无线传输以及无线接入技术,从而为基于大数据的无线通信技术的进一步发展提供基础理论支撑和应用范式.

关键词 无线大数据; 无线通信系统; 智能网络; 资源优化; 接入控制; wireless big data; wireless communication systems; intelligent networks; resource optimization; access control;

关键词 可视计算; 机器学习; 深度神经网络;

摘要 本文提出并阐述人工智能研究与应用中亟待解决的10个重大数理基础问题:(1)大数据的统计学基础;(2)大数据计算的基础算法;(3)数据空间的结构与特性;(4)深度学习的数学机理;(5)非正规约束下的最优输运;(6)如何学习学习方法论;(7)如何突破机器学习的先验假设;(8)机器学习的自动化;(9)知识推理与数据学习的融合;(10)智能寻优与人工智能芯片问题.

关键词 人工智能; 数理基础; 统计学; 大数据算法; 数据空间; 深度学习; 最优传输; 学习学习方法论; 机器学习假设; 机器学习自动化; AI芯片; artificial intelligence; mathematical and physical foundation of AI; statistics; big data algorithms; data spaces; deep learning; optimal transportation problem; simulate learning methodology; hypotheses on machine learning; machine learning automation; AI chips;

摘要 行人再识别(person re-identification, ReID)旨在解决跨摄像头跨场景下目标行人的关联与匹配,作为智能视频监控系统的关键环节,对维护社会公共秩序具有重大作用.为了深入了解行人再识别研究现状和加速推进国内行人再识别相关研究及技术落地,本文对该领域国家自然科学基金申报数量、资助力度以及地理分布情况进行统计,并针对近年来发表在国际顶级会议和期刊上的行人再识别研究进行全面梳理.具体地,首先阐述一个标准行人再识别算法流程,并总结其中3个关键技术:表征学习、度量学习和重排序优化.随后,列举了实际开放场景中面临的主要难点与挑战,并据此概括了7种开放行人再识别任务:遮挡、无监督、半监督、跨模态、场景行人搜索、对抗鲁棒和快速检索.此外,本文整理了标准行人再识别和开放行人再识别的代表性数据集,并且对一些代表性行人再识别算法进行比较.最后本文对行人再识别的未来发展趋势进行展望.

关键词 行人再识别; 智能视频分析; 深度学习; 表征学习; 度量学习; person re-identification; intelligent video analysis; deep learning; feature representation learning; metric learning;

摘要 分子通信是一种利用信息粒子的特性来传递信息的通信方式,可用于常规信号载体(如电磁波)受限的场景.目前的研究以理论分析为主,而用于验证理论成果并推进实际应用的原型机实验仍然较少.本文首先介绍了分子通信系统的定义,描述了发射机、信道和接收机模型;着重按信道类型回顾了现有的宏观尺度原型机研究及其对应理论成果;最后,根据理论模型与原型机实验结果的区别,指出理论研究的局限、原型机实验的必要性,以及未来研究方向.

关键词 扩散; 流体力学; 宏观尺度; 分子通信; 原型机; diffusion; fluid dynamics; macro-scale; molecular communication; prototype;

摘要 多视图数据广泛存在于现实,而异常也不可避免地伴随其中.现有的多视图异常检测方法针对的都是对齐的多视图场景,无法胜任更具挑战的非对齐多视图场景.为此,本文提出了4种基于单簇可能性C–均值(possibilistic C-means, PCM),即P1M (PCM, C=1)算法的非对齐多视图异常检测算法.不同于对齐的多视图场景,非对齐特性造成了样本在各视图间对应关系的缺失,以致我们无法利用在对齐场景下示例级的局部关键信息.为此,我们设法通过各视图的全局信息进行学习.本文的关键之处在于借助交替优化法为各视图分别学得一个变换矩阵,用其将各视图投影到一个公共子空间,进而在该公共子空间中用P1M学得所有训练数据对目标类的隶属度,并设置隶属度阈值,从而实现异常检测.在多个UCI数据集上的实验结果表明,本文方法能够有效应对非对齐多视图场景中的异常检测.

关键词 可能性C–均值; 非对齐多视图; 异常检测; 公共子空间; 单簇; possibilistic C-means; non-aligned multi-view; anomaly detection; the common subspace; one-cluster;

摘要 跨媒体哈希检索将不同媒体数据编码到公共二值哈希空间中,从而可以有效地测量不同模态样本之间的相关性.为了进一步提高检索性能,提出基于多头注意力网络的无监督跨媒体哈希检索方法.首先,利用多头注意力网络生成哈希码矩阵,使图像和文本能获得更好的匹配.其次,构造一个辅助相似度矩阵,用以整合来自不同模态的原始邻域信息.通过辅助相似度矩阵与哈希码矩阵的协同学习,能够捕获不同模态之间和相同模态内部的潜在联系.此外,设计了两种损失函数训练网络模型,并使用批量归一化和更换哈希码生成函数的策略对模型进行优化,使模型的训练速度得到大幅提升.在3个数据集上的实验表明,本方法的平均性能比目前国际上先进的无监督方法有显著提升,充分证明了本方法的有效性和优越性.

关键词 卷积神经网络; 多头注意力网络; 跨媒体哈希检索; 无监督学习; 协同学习; 辅助相似度矩阵; 批量归一化; convolutional neural network; multi-head attention network; cross-media Hashing retrieval; unsupervised learning; collaborative learning; auxiliary similarity matrix; batch normalization;

摘要 针对传统点云场景重建中由于场景区域缺乏纹理、场景物体遮挡等导致重建结果不准确的局限性,借助场景包含的几何特性和线结构信息,有效利用RGB-D数据的梯度信息和邻域点云分布信息,本文提出了一种针对点云场景的3D线特征提取、匹配和配准方法.首先,通过场景RGB图的梯度信息确定梯度方向相似的3D直线段支持域.然后,借助场景深度图呈现的邻域几何特性,根据当前点与其邻近点之间的分布关系判断点云中的直线型边界线点云和直线型折边线点云并拟合得到场景3D线特征.其次,以点云场景提取的3D线特征为轴线,构造等厚度同轴圆柱区域作为3D线段支持域,并统计支持域中各层圆柱壁内点云梯度作为描述符实现3D线特征匹配.最后,利用基于线–线的迭代最近线配准算法,迭代计算得到帧间场景的旋转与平移,从而实现帧间点云场景的高效配准.实验结果表明,与已有的点云场景线特征提取及点特征配准方法比较,本文直接基于线特征的方法配准效率高、计算量小、配准精准,方法具有较强的鲁棒性.

关键词 点云场景; 3D线特征; 线特征提取; 线特征配准; 三维重建; point cloud scenes; 3D lines; line feature extraction; line registration; 3D reconstruction;

摘要 高效准确的相似神经元检索方法是神经元形态分析的重要支撑.随着高精度显微成像、神经元示踪、人工智能等技术的发展,近些年出现了若干基于机器学习的神经元形态计算与分析方法,这些研究主要包括对传统神经元形态度量指标的统计分析,以及将神经元形态二维投影与深度学习结合的神经元量化表征方法,在神经元的特征提取、分类、相似检索等任务中均取得了不错的效果.不过随着越来越多的三维神经元数据被重建出来,以上方法都无法满足当前背景下对大规模神经元形态数据的细粒度表征、检索与分类需求.为此,本文提出了基于三维深度神经网络的大规模神经元形态表征与检索方法.首先,为了将神经元的三维空间拓扑结构转换成适用于深度神经网络的形式,我们设计了神经元空间形态的体素转换方法,将原始的神经元重构文件转换成三维体素的形式,极大地保留了神经元的三维空间拓扑结构.随后,考虑到当前神经元数据缺乏精细的分类标准,本文设计了基于三维卷积自动编码器的神经元形态表征算法,应用深度神经网络无监督地学习神经元体素数据的结构特点,得到神经元形态的量化表征,并以此设计端到端的相似神经元快速检索算法.最后通过实验验证本文所提出的方法,在9万余神经元数据中检索形态相似的神经元,实验结果显著优于其他基于神经元量化表征的检索方法.实验表明,本文方法可以更高效准确地检索相似神经元,为神经元的形态学分析、神经元单细胞分类等相关研究的关键问题提供支持.

关键词 神经元形态学; 深度神经网络; 三维体素; 特征表达; neuron morphology; deep neural networks; 3D voxels; feature representation;

摘要 预防性保护是国际广泛认可并努力持续追求的先进保护理念,代表了文物保护的发展方向.预防性保护通过精细监测病征,识别病因,精准控制相关致病因素,从而达到有效抑制文物本体劣化的目的.整个过程,监测是起点和根本.目前,国内外对环境风险源感知已有很多技术和数据的积累.然而,由于文物本体劣化具有发展缓慢、变化细微、赋存环境多样等特点,目前国内外尚缺乏面向真实赋存环境下文物本体细微变化的快速、精准、可靠的监测方法,严重阻碍了文物预防性保护的发展和推广.本文聚焦该问题,首次提出了基于相机位姿主动式重现的原位监测思路,并在此基础上设计研发了功能完善、适用面广的文物本体智能原位监测系统.通过物理真实地重现相机六自由度位姿,实现了基于图像导引的文物本体真实细微变化的准确检测.目前该系统已成功在敦煌莫高窟、故宫、颐和园等10多个文化遗产地的多种保护业务中推广应用.

关键词 预防性保护; 成像条件原位重现; 相机重定位; 细微变化检测; 主动视觉; 原位监测; preventive conservation; imaging condition reproduction; camera relocalization; fine-grained change detection; active vision; in-situ inspection;

摘要 泄露攻击的出现,导致在传统理想安全模型下已证明安全的密码机制在实际应用中不再保持其所声称的安全性;并且现有基于双线性映射构造的抗泄露无证书密钥封装机制(certificateless keyencapsulation mechanism, CL-KEM)的计算效率较低.针对上述不足,在不使用双线性映射的前提下本文设计了抗连续泄露的CL-KEM,并基于经典的判定性Diffie-Hellman假设对构造的安全性进行形式化证明.在我们的CL-KEM实例中,封装密文的所有元素对敌手而言是随机的,确保任意敌手均无法从封装密文中获知关于用户私钥的泄露信息;并且泄露参数是固定的常数,不受封装密钥空间大小的限制.为了进一步增强CL-KEM的抗泄露攻击的能力,本文构造了一个泄露量达到l_(sk)(1-O(1))的新颖抗泄露CL-KEM,其中l_(sk)表示私钥的长度,分析表明该机制在具有上述优势的同时,将抵抗泄露攻击的能力提升到最佳.最后,基于抗泄露CL-KEM提出抗泄露无证书混合加密机制和抗泄露无证书密钥协商协议的通用构造方法.

关键词 无证书公钥密码; 密钥封装机制; 泄露容忍; 连续泄露容忍; DDH安全性假设; certificateless public-key cryptography; key-encapsulation mechanism; leakage resilience; continuous leakage resilience; DDH security assumption;

摘要 雷达频段的逐渐拓宽以及5G通信的广泛应用使得频谱资源越发拥挤,宽带雷达在提高距离分辨率的同时,使得目标散射特征由原来的点特征向距离扩展特征转变.本文立足于频谱拥挤环境下的扩展目标探测波形设计问题,以输出信干噪比(signal to interference pulse noise ratio, SINR)为准则,通过建立极小极大(minimax)优化模型,研究在距离扩展目标冲击响应(target impulse response,TIR)非准确已知情况下,具有良好的频谱兼容与脉冲压缩性能的雷达波形设计问题,确保检测性能对TIR的偏差具有稳健性.在波形优化过程中,借鉴Minorization Maximization (MM)算法的思想,构造序列的子minimax问题对原波形设计问题进行逼近.针对子minimax问题,给出了基于拉格朗日(Lagrange)对偶的求解算法,并对算法复杂度和收敛性进行了分析.仿真结果表明,依照所提算法设计的波形能够满足频谱兼容性且具有较好的脉冲压缩性能,是一种稳健的检测波形,相比当前其他算法,所提算法能够确保迭代的收敛性,而且在TIR先验偏差较大时获得更高的SINR.

关键词 扩展目标探测; 频谱兼容; 极小极大优化; Minorization Maximization算法; 拉格朗日对偶; extended target detection; spectral compatibility; minimax optimization; Minorization Maximization algorithm; Lagrange duality;