ISSN 
2022年 第51卷 第4期
2022, 51(4): 482-487.
doi: 10.12178/1001-0548.2022068
摘要:
采用贝叶斯决策来区分单诱骗态量子密钥分发中的信号态和诱骗态。分析结果表明，仍然只能得到信号态和诱骗态拥有相同\begin{document}$ i $\end{document} ![]()
![]()
采用贝叶斯决策来区分单诱骗态量子密钥分发中的信号态和诱骗态。分析结果表明，仍然只能得到信号态和诱骗态拥有相同
2022, 51(4): 488-492.
doi: 10.12178/1001-0548.2022008
摘要:
针对已有互认证量子密钥协商协议需要可信或者半可信第三方参与造成的步骤繁琐且通信量大的问题，基于Bell态和其纠缠交换性质提出了一个新的两方量子密钥协商协议。该密钥协商协议无需可信或者半可信第三方的参与，就能实现参与者之间的身份互认证和公平的密钥协商，因此降低了协议的通信复杂度。安全性分析表明，该互认证的密钥协商协议能保证身份认证过程可以抵抗假冒攻击，密钥协商过程能抵抗外部攻击和参与者攻击。另外，与已有互认证量子密钥协商协议相比，该协议的量子比特效率较高，且其量子态制备和测量用现有技术更易实现。
针对已有互认证量子密钥协商协议需要可信或者半可信第三方参与造成的步骤繁琐且通信量大的问题，基于Bell态和其纠缠交换性质提出了一个新的两方量子密钥协商协议。该密钥协商协议无需可信或者半可信第三方的参与，就能实现参与者之间的身份互认证和公平的密钥协商，因此降低了协议的通信复杂度。安全性分析表明，该互认证的密钥协商协议能保证身份认证过程可以抵抗假冒攻击，密钥协商过程能抵抗外部攻击和参与者攻击。另外，与已有互认证量子密钥协商协议相比，该协议的量子比特效率较高，且其量子态制备和测量用现有技术更易实现。
2022, 51(4): 494-499.
doi: 10.12178/1001-0548.2021391
摘要:
细胞穿膜肽是一类特殊的多肽，具有独特的医学价值，因此如何通过计算方法高效地识别细胞穿膜肽是一个值得研究的重要问题。目前的主流方法是使用各种特征表示算法获取序列特征，然后使用机器学习分类器进行分类。提出了一种新的识别算法 ConvCPP，利用改进的卷积神经网络提取蛋白质序列特征。改进之处包括在卷积层之前添加注意力层，并且优化了池化层的池化方式。设计消融实验来验证改进的有效性，之后结合多种其他基于蛋白质序列特征的特征提取算法，并测试了两种特征选择算法，最终得到最优的向量表示。再根据得到的向量表示，结合多种机器学习分类器对蛋白质序列进行分类识别。在基准数据集上的实验表明，该算法比当前的细胞穿膜肽识别方法具有更好的预测性能。
细胞穿膜肽是一类特殊的多肽，具有独特的医学价值，因此如何通过计算方法高效地识别细胞穿膜肽是一个值得研究的重要问题。目前的主流方法是使用各种特征表示算法获取序列特征，然后使用机器学习分类器进行分类。提出了一种新的识别算法 ConvCPP，利用改进的卷积神经网络提取蛋白质序列特征。改进之处包括在卷积层之前添加注意力层，并且优化了池化层的池化方式。设计消融实验来验证改进的有效性，之后结合多种其他基于蛋白质序列特征的特征提取算法，并测试了两种特征选择算法，最终得到最优的向量表示。再根据得到的向量表示，结合多种机器学习分类器对蛋白质序列进行分类识别。在基准数据集上的实验表明，该算法比当前的细胞穿膜肽识别方法具有更好的预测性能。
2022, 51(4): 500-505.
doi: 10.12178/1001-0548.2022004
摘要:
心外科患者重症监护室ICU住院时间的影响因素分析和预测有利于住院患者的早期干预和成本控制，对心脏外科患者的治疗和护理具有重要意义。本文使用重症监护数据库MIMIC-IV作为实验数据集，纳入7567名患者数据，采用最小绝对收缩选择算子Lasso从126个影响因子中筛选出41个重要预测因子。基于梯度增强决策树GBDT算法构建了心外科重症监护室住院时间预测模型。实验结果显示，训练全部预测因子的GBDT模型平均准确率为0.688，高于传统逻辑回归LR算法平均准确率0.603，基于筛选出的重要预测因子的GBDT算法与基于全体因子的GBDT算法在最终平均准确率上效果相同，说明该方法可优化数据采集，准确预测住院时间，为临床决策支持系统提供算法支撑。
心外科患者重症监护室ICU住院时间的影响因素分析和预测有利于住院患者的早期干预和成本控制，对心脏外科患者的治疗和护理具有重要意义。本文使用重症监护数据库MIMIC-IV作为实验数据集，纳入7567名患者数据，采用最小绝对收缩选择算子Lasso从126个影响因子中筛选出41个重要预测因子。基于梯度增强决策树GBDT算法构建了心外科重症监护室住院时间预测模型。实验结果显示，训练全部预测因子的GBDT模型平均准确率为0.688，高于传统逻辑回归LR算法平均准确率0.603，基于筛选出的重要预测因子的GBDT算法与基于全体因子的GBDT算法在最终平均准确率上效果相同，说明该方法可优化数据采集，准确预测住院时间，为临床决策支持系统提供算法支撑。
2022, 51(4): 506-513.
doi: 10.12178/1001-0548.2021325
摘要:
在机载雷达信号处理中，高强度的地杂波严重影响信号检测性能，而空时自适应处理(STAP)是一种有效抑制杂波的技术。实际处理中，由于杂波的非均匀性，空时自适应处理往往面临着可用有效样本数较少的问题，同时机载雷达处理的信号维度极为庞大。为了解决这些问题，提出了一种基于稀疏恢复的降维STAP通道选择方法。利用少量样本通过稀疏恢复的方法估计出全维度的杂波协方差矩阵(CCM)，并以此为依据评估各个通道的重要性，选择合适的通道构造出降维后的杂波协方差矩阵并进行STAP处理，解决了有效样本较少的问题，同时保证了降维算法的性能。数值仿真验证了算法有效且比典型的稀疏STAP算法效果更好，讨论了在不同样本数下，输出性能与通道数的关系，结论具有工程应用意义。
在机载雷达信号处理中，高强度的地杂波严重影响信号检测性能，而空时自适应处理(STAP)是一种有效抑制杂波的技术。实际处理中，由于杂波的非均匀性，空时自适应处理往往面临着可用有效样本数较少的问题，同时机载雷达处理的信号维度极为庞大。为了解决这些问题，提出了一种基于稀疏恢复的降维STAP通道选择方法。利用少量样本通过稀疏恢复的方法估计出全维度的杂波协方差矩阵(CCM)，并以此为依据评估各个通道的重要性，选择合适的通道构造出降维后的杂波协方差矩阵并进行STAP处理，解决了有效样本较少的问题，同时保证了降维算法的性能。数值仿真验证了算法有效且比典型的稀疏STAP算法效果更好，讨论了在不同样本数下，输出性能与通道数的关系，结论具有工程应用意义。
2022, 51(4): 514-521.
doi: 10.12178/1001-0548.2021313
摘要:
大规模多输入多输出(massive MIMO)是5G系统的标志性技术，可利用大规模天线有效地提高频谱利用率。未来的5G-Advanced和6G演进massive MIMO将支持更多的天线和更复杂的算法，基带能效(EE)会成为持续提升网络能效的关键挑战之一。在MIMO系统中，基站计算架构可分为以ASIC为主的专用计算和以CPU为主的通用计算。由于缺乏对基带计算需求和EE的定量建模，选择最佳计算架构(专用或通用计算架构)是非常困难的。因此，有必要研究与组合逻辑单元及处理周期有关的不同计算架构的功耗模型。基于提出的功耗模型，得到每瓦特每秒单位浮点运算的EE方程式的封闭形式。数值结果表明，目前专用计算的EE分别比通用计算(带硬件加速)和CPU通用计算架构高30倍和200倍。
大规模多输入多输出(massive MIMO)是5G系统的标志性技术，可利用大规模天线有效地提高频谱利用率。未来的5G-Advanced和6G演进massive MIMO将支持更多的天线和更复杂的算法，基带能效(EE)会成为持续提升网络能效的关键挑战之一。在MIMO系统中，基站计算架构可分为以ASIC为主的专用计算和以CPU为主的通用计算。由于缺乏对基带计算需求和EE的定量建模，选择最佳计算架构(专用或通用计算架构)是非常困难的。因此，有必要研究与组合逻辑单元及处理周期有关的不同计算架构的功耗模型。基于提出的功耗模型，得到每瓦特每秒单位浮点运算的EE方程式的封闭形式。数值结果表明，目前专用计算的EE分别比通用计算(带硬件加速)和CPU通用计算架构高30倍和200倍。
2022, 51(4): 522-528, 534.
doi: 10.12178/1001-0548.2022006
摘要:
部署低轨导航卫星是对现有卫星导航系统的有效补充，是实现导航增强的重要途径。研究了低轨卫星的星座设计问题，面向区域导航增强的应用需求，采用基于椭圆轨道的星座设计方案，利用卫星在椭圆轨道远地点运动速度慢、覆盖区域大、相对地面滞留时间长等特点，提升其对局部区域的覆盖能力。此外，在Flower星座框架下优化每颗卫星的轨道参数，确保其星下点轨迹重复经过重点区域的中心，延长卫星相对于给定区域的过顶时间。有效改善了过顶时间、覆盖重数、空间几何分布等影响导航性能的关键指标。在以北斗3号系统为导航增强对象的仿真对比中发现，在低轨卫星数量相同的条件下，该文的卫星星座设计方案具有更好的导航增强性能。
部署低轨导航卫星是对现有卫星导航系统的有效补充，是实现导航增强的重要途径。研究了低轨卫星的星座设计问题，面向区域导航增强的应用需求，采用基于椭圆轨道的星座设计方案，利用卫星在椭圆轨道远地点运动速度慢、覆盖区域大、相对地面滞留时间长等特点，提升其对局部区域的覆盖能力。此外，在Flower星座框架下优化每颗卫星的轨道参数，确保其星下点轨迹重复经过重点区域的中心，延长卫星相对于给定区域的过顶时间。有效改善了过顶时间、覆盖重数、空间几何分布等影响导航性能的关键指标。在以北斗3号系统为导航增强对象的仿真对比中发现，在低轨卫星数量相同的条件下，该文的卫星星座设计方案具有更好的导航增强性能。
2022, 51(4): 529-534.
doi: 10.12178/1001-0548.2022050
摘要:
针对非合作环境下目标辐射源信号载频估计存在误差的问题，提出了一种基于多普勒频移的无源定位算法。该算法充分考虑目标辐射源信号载频估计误差的影响，推导了在存在载频估计误差下的克拉美罗界(Cramer-Rao lower bound，CRLB)，并将该算法与忽略载频估计误差的算法进行比较。仿真实验发现，在存在载频误差的情况下，即使对于CRLB的影响只是1.5 dB左右，但若在目标定位时忽略该影响因素，会导致定位精度急剧下降。当忽略载频估计误差的算法开始偏离CRLB时，该算法仍能达到CRLB，且当噪声增大近40 dB后，才开始偏离CRLB。证明该算法具有较强的鲁棒性，且定位精度较高。
针对非合作环境下目标辐射源信号载频估计存在误差的问题，提出了一种基于多普勒频移的无源定位算法。该算法充分考虑目标辐射源信号载频估计误差的影响，推导了在存在载频估计误差下的克拉美罗界(Cramer-Rao lower bound，CRLB)，并将该算法与忽略载频估计误差的算法进行比较。仿真实验发现，在存在载频误差的情况下，即使对于CRLB的影响只是1.5 dB左右，但若在目标定位时忽略该影响因素，会导致定位精度急剧下降。当忽略载频估计误差的算法开始偏离CRLB时，该算法仍能达到CRLB，且当噪声增大近40 dB后，才开始偏离CRLB。证明该算法具有较强的鲁棒性，且定位精度较高。
2022, 51(4): 535-541, 564.
doi: 10.12178/1001-0548.2022052
摘要:
首先，针对智能车载域控制器的多任务信息特点，提出了基于多任务网络通信的数据导出系统。该系统将任务管理所需绝对路径分解为低耦合度的子目录字段，把单文件断点续传功能扩展到多任务场景，提高数据传输效率。其次，根据行车数据存储特点提出变步长数据提取方法，利用时间戳信息实现有效数据的快速检索定位。实验结果表明，该方法实现了数据的高效传输和准确提取，证明了该方法的有效性。
首先，针对智能车载域控制器的多任务信息特点，提出了基于多任务网络通信的数据导出系统。该系统将任务管理所需绝对路径分解为低耦合度的子目录字段，把单文件断点续传功能扩展到多任务场景，提高数据传输效率。其次，根据行车数据存储特点提出变步长数据提取方法，利用时间戳信息实现有效数据的快速检索定位。实验结果表明，该方法实现了数据的高效传输和准确提取，证明了该方法的有效性。
2022, 51(4): 542-549.
doi: 10.12178/1001-0548.2021402
摘要:
针对目标电力系统发起的网络攻击能够以较少的攻击资源造成极大的破坏效果，从攻击者视角出发，提出一种针对电力系统薄弱状态的网络攻击策略。首先基于电网拓扑数据建立关联矩阵，通过线性规划模型计算不同信息获取量下攻击造成的减载量；然后提出以最大化攻击效果为目的的自动攻击策略。通过在不同场景下的仿真分析验证了该策略的有效性。
针对目标电力系统发起的网络攻击能够以较少的攻击资源造成极大的破坏效果，从攻击者视角出发，提出一种针对电力系统薄弱状态的网络攻击策略。首先基于电网拓扑数据建立关联矩阵，通过线性规划模型计算不同信息获取量下攻击造成的减载量；然后提出以最大化攻击效果为目的的自动攻击策略。通过在不同场景下的仿真分析验证了该策略的有效性。
2022, 51(4): 550-557.
doi: 10.12178/1001-0548.2021347
摘要:
准确的电力负荷预测对于保证电力系统的稳定运行起着重要作用。针对传统短期电力负荷预测方法预测精度低，模态分解后未考虑子序列融合等问题，提出一种基于变分模态分解(VMD)和时域卷积网络(TCN)的多尺度短期电力负荷预测方法。首先利用VMD将电力负荷数据分解为若干个子序列，解决电力负荷数据的非线性和随机性等问题；再利用TCN对若干个序列采用不同时间尺度进行训练；最后利用全连接网络(FC)对各时间尺度的子序列进行融合，实现短期电力负荷预测，提升预测精度。实验结果表明，该方法相较于VMD和改进的长短时记忆网络(LSTM)相结合的传统预测方法，其均方根误差下降40%，曲线拟合程度提升1.1%。
准确的电力负荷预测对于保证电力系统的稳定运行起着重要作用。针对传统短期电力负荷预测方法预测精度低，模态分解后未考虑子序列融合等问题，提出一种基于变分模态分解(VMD)和时域卷积网络(TCN)的多尺度短期电力负荷预测方法。首先利用VMD将电力负荷数据分解为若干个子序列，解决电力负荷数据的非线性和随机性等问题；再利用TCN对若干个序列采用不同时间尺度进行训练；最后利用全连接网络(FC)对各时间尺度的子序列进行融合，实现短期电力负荷预测，提升预测精度。实验结果表明，该方法相较于VMD和改进的长短时记忆网络(LSTM)相结合的传统预测方法，其均方根误差下降40%，曲线拟合程度提升1.1%。
2022, 51(4): 558-564.
doi: 10.12178/1001-0548.2022061
摘要:
提出了一种基于梯度相似性的自动加权方法，用于作文评分的多主题联合预训练。在预训练阶段同时使用多个主题的数据，通过计算外部主题的训练样本的梯度向量与目标主题的梯度向量之间的相似度作为该样本的损失权重。将深度学习与特征工程相结合，手工设计了3类特征。在公开数据集上进行对比实验表明，与现有的基线模型相比，提出的多主题联合预训练方法和手工特征均能有效提升作文评分模型的评分准确性。
提出了一种基于梯度相似性的自动加权方法，用于作文评分的多主题联合预训练。在预训练阶段同时使用多个主题的数据，通过计算外部主题的训练样本的梯度向量与目标主题的梯度向量之间的相似度作为该样本的损失权重。将深度学习与特征工程相结合，手工设计了3类特征。在公开数据集上进行对比实验表明，与现有的基线模型相比，提出的多主题联合预训练方法和手工特征均能有效提升作文评分模型的评分准确性。
2022, 51(4): 565-571.
doi: 10.12178/1001-0548.2021350
摘要:
中文电子病历数据专业性强，语法结构复杂，用于自然语言处理(NLP)的命名实体识别(NER)难度大。为了从电子病历数据中精确识别出医疗实体，提出了一种融合语义及边界信息的命名实体识别算法。首先，利用卷积神经网络(CNN)结构提取汉字图形信息，并与五笔特征拼接来丰富汉字的语义信息；然后，利用FLAT模型中的Lattice将医学词典作为字符潜在词组匹配文本信息；最后，将融入语义信息的Lattice模型用于中文电子病历命名实体识别。实验结果表明，该方法在Yidu-S4K数据集上的识别性能超过现有多种算法，且在Resume数据集上F1值可达到96.06%。
中文电子病历数据专业性强，语法结构复杂，用于自然语言处理(NLP)的命名实体识别(NER)难度大。为了从电子病历数据中精确识别出医疗实体，提出了一种融合语义及边界信息的命名实体识别算法。首先，利用卷积神经网络(CNN)结构提取汉字图形信息，并与五笔特征拼接来丰富汉字的语义信息；然后，利用FLAT模型中的Lattice将医学词典作为字符潜在词组匹配文本信息；最后，将融入语义信息的Lattice模型用于中文电子病历命名实体识别。实验结果表明，该方法在Yidu-S4K数据集上的识别性能超过现有多种算法，且在Resume数据集上F1值可达到96.06%。
2022, 51(4): 572-579.
doi: 10.12178/1001-0548.2022001
摘要:
在面向目标监测的有向传感器网络中，为满足监测目标的不同监测要求，并保持网络连通前提下网络寿命最大化，提出了一种基于增强珊瑚礁算法的节点调度算法。受集合覆盖的启发，以增强珊瑚礁算法为工具求解满足连通覆盖要求的集合。增强珊瑚礁算法采用SOBOL序列和反向学习策略对种群进行初始化，同时在非性繁殖过程中，借鉴和声搜索、生物地理学算法和自适应变异策略的差分进化算法达到继承种群的优秀解和增强子代的优化能力的目的。再者，对种群的最差个体执行随机反向学习和与最优个体差分策略以提升最差个体的优化能力。在数值测试以及在传感器网络节点调度方面的仿真结果表明，改进珊瑚礁算法的性能优于其他算法，证明了改进算法的有效性。
在面向目标监测的有向传感器网络中，为满足监测目标的不同监测要求，并保持网络连通前提下网络寿命最大化，提出了一种基于增强珊瑚礁算法的节点调度算法。受集合覆盖的启发，以增强珊瑚礁算法为工具求解满足连通覆盖要求的集合。增强珊瑚礁算法采用SOBOL序列和反向学习策略对种群进行初始化，同时在非性繁殖过程中，借鉴和声搜索、生物地理学算法和自适应变异策略的差分进化算法达到继承种群的优秀解和增强子代的优化能力的目的。再者，对种群的最差个体执行随机反向学习和与最优个体差分策略以提升最差个体的优化能力。在数值测试以及在传感器网络节点调度方面的仿真结果表明，改进珊瑚礁算法的性能优于其他算法，证明了改进算法的有效性。
2022, 51(4): 580-585, 607.
doi: 10.12178/1001-0548.2021314
摘要:
针对无标签高维图像分类问题，常用的深度网络在无标签的情况下难以产生好的分类结果。为此，提出一种面向特征生成的无监督域适应模型(Feature-GAN)，它以一种无监督的方式在特征层面学习从一个域到另一个域转换，将源域图像特征映射为目标域图像特征并保持标签信息，生成的带标签特征可用于目标域特征的分类训练。该模型在复杂图像域适应上避免了图像本身的生成过程，而专注于特征生成，易训练且稳定性高。实验表明，该方法可以广泛应用于复杂图像分类的场景，相比于传统基于样本生成的无监督域适应算法，该算法在精确度、收敛速度以及稳定性上均有提高。
针对无标签高维图像分类问题，常用的深度网络在无标签的情况下难以产生好的分类结果。为此，提出一种面向特征生成的无监督域适应模型(Feature-GAN)，它以一种无监督的方式在特征层面学习从一个域到另一个域转换，将源域图像特征映射为目标域图像特征并保持标签信息，生成的带标签特征可用于目标域特征的分类训练。该模型在复杂图像域适应上避免了图像本身的生成过程，而专注于特征生成，易训练且稳定性高。实验表明，该方法可以广泛应用于复杂图像分类的场景，相比于传统基于样本生成的无监督域适应算法，该算法在精确度、收敛速度以及稳定性上均有提高。
2022, 51(4): 586-591.
doi: 10.12178/1001-0548.2021333
摘要:
传统异常事件检测方法面临着视频中物体大小变化、背景等问题的影响。为了解决该问题，提出了一种基于多尺度特征预测的异常事件检测方法。首先，利用空洞卷积提取不同大小感受野的特征并进行融合以解决物体大小变化的问题。然后，使用一种轻量化的通道注意力方法来减少无效背景信息的影响。最后，为了充分利用视频帧之间的上下文信息，采用深度特征预测模块根据历史时刻的特征预测当前时刻的特征，并根据预测特征与真实特征之间的差异进行异常判断。在USCD Ped2，UMN两个基准数据集上进行了实验，实验结果表明了该文方法的有效性。
传统异常事件检测方法面临着视频中物体大小变化、背景等问题的影响。为了解决该问题，提出了一种基于多尺度特征预测的异常事件检测方法。首先，利用空洞卷积提取不同大小感受野的特征并进行融合以解决物体大小变化的问题。然后，使用一种轻量化的通道注意力方法来减少无效背景信息的影响。最后，为了充分利用视频帧之间的上下文信息，采用深度特征预测模块根据历史时刻的特征预测当前时刻的特征，并根据预测特征与真实特征之间的差异进行异常判断。在USCD Ped2，UMN两个基准数据集上进行了实验，实验结果表明了该文方法的有效性。
2022, 51(4): 592-599.
doi: 10.12178/1001-0548.2021377
摘要:
针对触发词定义标准模糊、语料标注成本高等问题，提出一种基于事件模式及类型的事件检测深度学习模型(PTNN)。首先基于实体的语法及语义特征获取潜在论元；其次将潜在论元抽象为角色，结合语法、语义、角色特征构建嵌入表示，增强输入对事件模式的体现；最后利用Bi-LSTM和基于事件类型的注意力机制，完成事件及类型判定。模型在不识别触发词的前提下，通过强化事件模式特征实现事件检测，避免了触发词标注困难的问题，证明了事件模式在神经网络上对事件检测的积极作用，将同类方法的最优效果提升了3%，且达到了基于触发词的检测效果。
针对触发词定义标准模糊、语料标注成本高等问题，提出一种基于事件模式及类型的事件检测深度学习模型(PTNN)。首先基于实体的语法及语义特征获取潜在论元；其次将潜在论元抽象为角色，结合语法、语义、角色特征构建嵌入表示，增强输入对事件模式的体现；最后利用Bi-LSTM和基于事件类型的注意力机制，完成事件及类型判定。模型在不识别触发词的前提下，通过强化事件模式特征实现事件检测，避免了触发词标注困难的问题，证明了事件模式在神经网络上对事件检测的积极作用，将同类方法的最优效果提升了3%，且达到了基于触发词的检测效果。
2022, 51(4): 600-607.
doi: 10.12178/1001-0548.2020383
摘要:
为了克服传统变换函数在低照度情况下的局限性，在间接对比度增强领域，提出了一种基于人眼亮度感知对比度灵敏性的S型函数。对于不同的图像亮度，存在不同的视网膜响应值，因此将人眼视网膜的对比度灵敏性建模为对数参数的指数函数。该方法以灵敏度模型作为Steven幂律的指数，推导出一个感知亮度的转换函数。同时还提出了一种参数优化方法，在保持输入图像的平均亮度和直方图的同时，保持信息损失最小。实验结果表明，该方法在保持输入图像平均亮度的情况下，具有更少的信息损失和更低的计算复杂度。在对比度增强、平均亮度保持和细节保持方面具有优势。
为了克服传统变换函数在低照度情况下的局限性，在间接对比度增强领域，提出了一种基于人眼亮度感知对比度灵敏性的S型函数。对于不同的图像亮度，存在不同的视网膜响应值，因此将人眼视网膜的对比度灵敏性建模为对数参数的指数函数。该方法以灵敏度模型作为Steven幂律的指数，推导出一个感知亮度的转换函数。同时还提出了一种参数优化方法，在保持输入图像的平均亮度和直方图的同时，保持信息损失最小。实验结果表明，该方法在保持输入图像平均亮度的情况下，具有更少的信息损失和更低的计算复杂度。在对比度增强、平均亮度保持和细节保持方面具有优势。
2022, 51(4): 608-614.
doi: 10.12178/1001-0548.2021219
摘要:
以源推特文本为研究对象，深度挖掘推特正文内容的语义信息，并强调谣言在具有异质性的社交网络传播过程中存在的结构特征，以达到提升谣言检测效果的目的。采取基于One-Hot Encoding的词嵌入方法，结合Multi-head attention机制实现推特正文内容初级语义特征的提取，并进一步基于胶囊网络(CapsNet)构建内容胶囊(content-capsule)模块实现对正文内容深度语义特征的提取，结合图卷积胶囊(GCN-Capsule)模块实现谣言在社交网络中传播结构特征的提取，将两种胶囊向量采用一种动态路由机制进行融合，进一步丰富输入特征，之后输出源推特的分类结果，进而实现源推特的谣言检测。实验结果显示，该模型对谣言识别的正确率达93.6%。
以源推特文本为研究对象，深度挖掘推特正文内容的语义信息，并强调谣言在具有异质性的社交网络传播过程中存在的结构特征，以达到提升谣言检测效果的目的。采取基于One-Hot Encoding的词嵌入方法，结合Multi-head attention机制实现推特正文内容初级语义特征的提取，并进一步基于胶囊网络(CapsNet)构建内容胶囊(content-capsule)模块实现对正文内容深度语义特征的提取，结合图卷积胶囊(GCN-Capsule)模块实现谣言在社交网络中传播结构特征的提取，将两种胶囊向量采用一种动态路由机制进行融合，进一步丰富输入特征，之后输出源推特的分类结果，进而实现源推特的谣言检测。实验结果显示，该模型对谣言识别的正确率达93.6%。
2022, 51(4): 615-622, 629.
doi: 10.12178/1001-0548.2021280
摘要:
提出了一种基于深度图卷积神经网络的社交机器人识别方法。首先，在元数据特征的基础上，引入RoBERTa模型进行博文情绪分类，进一步提取更能区分社交机器人和普通人的情绪多样性特征；同时采用single-pass进行博文聚类，构造博文相似图；在此基础上，提出了在GCNII模型上增加Attention机制的A-GCNII模型，通过捕捉用户元数据特征和社交网络中同一话题下的用户关系结构特征识别社交机器人。在真实新浪微博数据集上进行对比实验的结果表明，该方法在识别准确性和效果上均表现良好。
提出了一种基于深度图卷积神经网络的社交机器人识别方法。首先，在元数据特征的基础上，引入RoBERTa模型进行博文情绪分类，进一步提取更能区分社交机器人和普通人的情绪多样性特征；同时采用single-pass进行博文聚类，构造博文相似图；在此基础上，提出了在GCNII模型上增加Attention机制的A-GCNII模型，通过捕捉用户元数据特征和社交网络中同一话题下的用户关系结构特征识别社交机器人。在真实新浪微博数据集上进行对比实验的结果表明，该方法在识别准确性和效果上均表现良好。
2022, 51(4): 623-629.
doi: 10.12178/1001-0548.2022031
摘要:
采用数据互补的方法，融合智能卡数据和公交车GPS轨迹数据，获取了公交和地铁乘客在地铁新线路开通前后的乘客个体出行信息。利用居民空间行为指标——“出行质心”对地铁乘客的公交出行质心定位，并分析了地铁站点与乘客公交出行质心之间的距离对乘客地铁站点选择的影响。结果表明有86.15%的乘客选择距离他们公交出行质心更近的地铁站点，地铁站点与乘客公交出行质心之间的距离是影响乘客出行站点选择的重要因素。基于这一发现，建立Logit模型对乘客是否会选择新地铁站点进行预测，预测准确率、精确率、召回率和特异性分别为83.87%、 84.23%、83.66%和84.09%，预测结果表现良好。研究结果可用于评估计划新建的地铁站点对邻近既有站点的影响，有助于地铁营运计划的设计。
采用数据互补的方法，融合智能卡数据和公交车GPS轨迹数据，获取了公交和地铁乘客在地铁新线路开通前后的乘客个体出行信息。利用居民空间行为指标——“出行质心”对地铁乘客的公交出行质心定位，并分析了地铁站点与乘客公交出行质心之间的距离对乘客地铁站点选择的影响。结果表明有86.15%的乘客选择距离他们公交出行质心更近的地铁站点，地铁站点与乘客公交出行质心之间的距离是影响乘客出行站点选择的重要因素。基于这一发现，建立Logit模型对乘客是否会选择新地铁站点进行预测，预测准确率、精确率、召回率和特异性分别为83.87%、 84.23%、83.66%和84.09%，预测结果表现良好。研究结果可用于评估计划新建的地铁站点对邻近既有站点的影响，有助于地铁营运计划的设计。
2022, 51(4): 630-640.
doi: 10.12178/1001-0548.2021336
摘要:
以成都、重庆、昆明、贵阳和拉萨的公交站点网络为例，研究了节点依据站点线路数(途经某车站的公交线路总数)失效后网络的鲁棒性，并将所得结果与随机失效、度值选择性失效和介数值选择性失效进行了比较。首先分析了网络的拓扑特性；然后研究了不同节点失效方式下网络的静态鲁棒性；最后基于负载−容量级联失效模型，研究了网络的动态鲁棒性。结果显示：1) 各城市累积度分布和累积站点线路数分布近似服从指数分布；2) 公交站点网络的静态鲁棒性与网络的拓扑结构密切相关，累积度分布的指数越大，度值选择性失效下的网络越脆弱；3) 与静态鲁棒性的结果相反，在考虑级联失效时，动态度值选择性失效对网络的破坏性弱于静态度值选择性失效。
以成都、重庆、昆明、贵阳和拉萨的公交站点网络为例，研究了节点依据站点线路数(途经某车站的公交线路总数)失效后网络的鲁棒性，并将所得结果与随机失效、度值选择性失效和介数值选择性失效进行了比较。首先分析了网络的拓扑特性；然后研究了不同节点失效方式下网络的静态鲁棒性；最后基于负载−容量级联失效模型，研究了网络的动态鲁棒性。结果显示：1) 各城市累积度分布和累积站点线路数分布近似服从指数分布；2) 公交站点网络的静态鲁棒性与网络的拓扑结构密切相关，累积度分布的指数越大，度值选择性失效下的网络越脆弱；3) 与静态鲁棒性的结果相反，在考虑级联失效时，动态度值选择性失效对网络的破坏性弱于静态度值选择性失效。
