智能系统学报

算力网络助力元宇宙发展

王晓云 — 2024年03月05 00:00

远距离和遮挡下三维目标检测算法研究

陆军, 李杨, 鲁林超 — 2024年03月05 00:00

针对现有三维目标检测算法对存在遮挡及距离较远目标检测效果差的问题，以基于点云的三维目标检测算法(3D object proposal generation and detection from point cloud, PointRCNN)为基础，对网络进行改进，提高三维目标检测精度。对区域生成网络(region proposal network, RPN)获取的提议区域(region of interest, ROI)体素化处理，同时构建不同尺度的区域金字塔来捕获更加广泛的兴趣点；加入点云 Transformer 模块来增强对网格中心点局部特征的学习；在网络中加入球查询半径预测模块，使得模型可以根据点云密度自适应调整球查询的范围。最后，对所提算法的有效性进行了试验验证，在 KITTI 数据集下对模型的性能进行评估测试，同时设计相应的消融试验验证模型中各模块的有效性。

基于K-means聚类和特征空间增强的噪声标签深度学习算法

2024年03月05 00:00

深度学习中神经网络的性能依赖于高质量的样本，然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响，噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集，然后使用半监督学习算法对噪声样本集赋予伪标签。然而，错误的伪标签以及训练样本数量不足的问题仍然限制着噪声标签学习算法性能的提升。为解决上述问题，提出基于K-means聚类和特征空间增强的噪声标签深度学习算法。首先，该算法利用K-means聚类算法对干净样本集进行标签聚类，并根据噪声样本集与聚类中心的距离大小筛选出难以分类的噪声样本，以提高训练样本的质量；其次，使用mixup算法扩充干净样本集和噪声样本集，以增加训练样本的数量；最后，采用特征空间增强算法抑制mixup算法新生成的噪声样本，从而提高网络的分类准确率。并在CIFAR10、CIFAR100、MNIST和ANIMAL-10共4个数据集上试验验证了该算法的有效性。

AAR-Net：用于声学异质介质光声图像重建的深度神经网络

2024年03月05 00:00

在光声成像中，由于组织的吸收和扩散等引起的超声波衰减、由声速变化引起的相位偏差以及与声衰减相关的信号波形展宽都会降低图像的空间分辨率，针对该问题，提出一种基于深度学习的声学特性非均匀组织图像重建方法。通过将深度梯度下降（deep gradient descent，DGD）网络与U-Net相结合构建声伪影去除网络（acoustic artifacts removal network，AAR-Net）。DGD模块利用梯度信息减少非均匀声学特性对重建图像质量的影响，实现信号域到图像域的转换。U-Net模块实现对DGD模块输出的低质量图像的优化，实现图像域到图像域的转换。仿真、仿体和在体试验结果表明，与传统的非学习图像重建方法和最新的基于图像后处理的深度学习方法相比，采用该方法重建的图像结构相似度和峰值信噪比分别可提高约20%和10%。AAR-Net无需任何有关成像对象声学特性的先验知识，即可重建高质量图像。

基于改进Faster R-CNN的变电站设备外部缺陷检测

张铭泉, 邢福德, 刘冬 — 2024年03月05 00:00

针对变电站设备外部缺陷目标检测任务中目标形状多样，周围环境复杂，当前代表性算法识别准确度低，错检漏检严重的问题，对比了众多目标检测算法在变电站设备缺陷数据集上的检测结果，检测精度较高的是添加了特征融合金字塔结构的Faster R-CNN（faster region-based convolutional network）算法，但其对小目标物体和设备渗漏油的检测精度仍有提升空间，为此设计一种基于Faster R-CNN的改进算法。改进算法通过对输入图像进行数据增强，在网络中添加SPP（spatial pyramid pooling）结构以及改进特征融合方式，对分类以及边界框回归损失函数进行改进的方式来提高缺陷的检测精度。与原Faster R-CNN算法进行对比，改进算法在变电站设备缺陷目标检测数据集的检测结果中AP（average precision）（0.5∶0.95）提高了2.7个百分点，AP(0.5)提高了4.3个百分点，对小目标物体的检测精度也提高了1.8个百分点，试验结果验证了该方法的有效性。

结合矩阵补全的宽度协同过滤推荐算法

史加荣, 何攀 — 2024年03月05 00:00

协同过滤是推荐系统中最经典的方法之一，能够满足人们对个性化推荐任务的需求，但许多协同过滤算法在面对评分数据稀疏性问题时推荐效果不佳。为解决此问题，提出一种结合矩阵补全的宽度协同过滤推荐算法。先使用矩阵补全技术对用户项目评分矩阵进行补全，再利用补全后的矩阵对已评分的用户和项目分别寻找其近邻项，进而构造用户与项目的评分协同向量，最后使用宽度学习系统来构建用户项目与评分之间的复杂的非线性关系。在MovieLens和filmtrust数据集上对所提出算法的有效性进行检验。试验结果表明，与当前最先进的方法相比，该方法能够有效地缓解数据稀疏性问题，具有较低的计算复杂度，在一定程度上提升了推荐系统的性能。

比例融合与多层规模感知的人群计数方法

孟月波, 张娅琳, 王宙 — 2024年03月05 00:00

针对密集场景下人群图像拍摄视角或距离多变造成的多尺度特征获取不足、融合不佳和全局特征利用不充分等问题，提出一种比例融合与多层规模感知的人群计数网络。首先采用骨干网络VGG16提取人群密度初始特征；其次，设计多层规模感知模块，获得人群多尺度信息的丰富表达；再次，提出比例融合策略，根据卷积层捕获的特征权重重构多尺度信息，提取显著性人群特征；最后，采用卷积回归策略进行密度图的回归。同时，提出一种局部一致性损失函数，通过区域化密度图的方式增强生成密度图与真实密度图的相似度，提高计数性能。在多个人群数据集上的试验结果表明，所提模型优于近年人群计数的先进方法，且在车辆计数上有较好推广性。

交互关系超图卷积模型的双人交互行为识别

2024年03月05 00:00

为提高学校、商场等公共场所的安全性，实现对监控视频中的偷窃、抢劫和打架斗殴等异常双人交互行为的自动识别，针对现有基于关节点数据的行为识别方法在图的创建中忽略了2个人之间的交互信息，且忽略了单人非自然连接关节点间的交互关系的问题，提出一种基于交互关系超图卷积模型用于双人交互行为的建模与识别。首先针对每一帧的关节点数据构建对应的单人超图以及双人交互关系图，其中超图同时使多个非自然连接节点信息互通，交互关系图强调节点间交互强度。将以上构建的图模型送入时空图卷积对空间和时间信息分别建模，最后通过SoftMax分类器得到识别结果。该算法框架的优势是在图的构建过程中加强考虑双人的交互关系、非自然连接点间结构关系以及四肢灵活的运动特征。在NTU数据集上的测试表明，该算法得到了97.36%的正确识别率，该网络模型提高了双人交互行为特征的表征能力，取得了比现有模型更好的识别效果。

基于YOLOv4改进特征融合及全局感知的目标检测算法

2024年03月05 00:00

YOLOv4算法在检测速度和精度上达到了很好的平衡，但仍存在着定位框不准确、检测率低的问题，尤其是在检测目标较小、尺度变化大的情况下。针对以上问题，提出一种新的基于YOLOv4改进的目标检测算法。该算法采用改进的特征融合模块（path aggregation network combined with bi-directional feature pyramid network，P-Bifpn）代替PANet（path aggregation network），增加跨尺度连接的同时在输出端引入权重，增强重要特征的表现力，解决由多尺度变化而引起的精度下降。然后，采用新的全局注意力机制（global association network，GANet），在减少平均池化与计算量的同时增强Sigmoid函数输出，加强模型对目标上下文关系的学习，减少噪声干扰和全局信息的损失。试验采用RSOD、NWPU VHR-10数据集，平均检测精度分别提升了约5%和3%；泛化试验采用VOC2007+2012公共数据集, 平均检测精度提升了约0.6%。试验结果表明改进的算法能够有效提高模型的检测能力。

基于抽象关系场景图的图像情感识别

康博, 钱艺, 文益民 — 2024年03月05 00:00

图像情感识别是通过分析视觉刺激来预测人类情感的抽象过程。现有方法大多缺乏对对象间关系以及对象与场景间相互作用的关注，并且对象间复杂多样的关系难以得到充分利用，进而导致难以正确对图像情感进行预测。为解决上述问题，提出一种基于抽象关系场景图的图像情感识别方法。首先，构建对象和属性检测器来提取图像中对象及其属性的特征。其次，使用对象特征推理对象间的亲密度和抽象关系特征，进而构建抽象关系场景图。再次，提出抽象关系图卷积网络来推理抽象关系场景图。最后，设计渐进式注意力机制对多个对象特征进行融合，以得到图像的整体对象特征。在FI、EmotionRoI和Twitter I公开数据集上的试验结果表明，该方法的分类准确率优于现有方法。

基于扩张状态观测器的双摆吊车分层滑模控制

姚鑫亚, 陈鹤 — 2024年03月05 00:00

吊车系统在大尺寸货物运送过程中会呈现出双摆效应，同时更易受到外部干扰影响，导致控制难度更大。针对双摆吊车系统控制难题，提出一种基于扩张状态观测器的分层滑模控制方法，在保证负载快速平稳运送的同时有效抑制吊钩和负载的摆动。基于吊车系统的动力学模型设计扩张状态观测器对系统的状态变量和干扰集合项进行估计，利用系统的状态误差和观测器的估计信号设计分层滑模控制器。此外，控制方法通过在滑模面中引入干扰补偿项，进一步提高系统的抗干扰能力。通过数值仿真，与已有方法进行对比，充分验证该研究方法在工作效率和鲁棒性方面均具有良好的控制性能。

Stewart平台神经网络非奇异终端滑模控制

2024年03月05 00:00

针对Stewart平台的六自由度（six degrees of freedom, 6-DOF）轨迹跟踪问题，提出一种基于神经网络的非奇异终端滑模控制方法并应用于Stewart平台的位置姿态控制中。通过分析Stewart平台的位置反解和速度反解，建立运动学方程，利用牛顿?欧拉方程建立动力学方程，并结合加速度反解得到了平台的状态空间表达式；基于非奇异滑模面函数，设计非奇异终端滑模控制律。考虑到径向基函数（radial Basis function, RBF）神经网络的逼近特性，采用RBF神经网络对模型未知部分进行自适应逼近，并利用Lyapunov第二法设计了自适应律；通过仿真证明控制器设计的有效性。仿真结果表明，相比于比例积分微分（proportional integral derivative, PID）控制器，提出的RBF神经网络非奇异终端滑模控制器具有更好的轨迹跟踪精度和动态特性。

融合用户传播风险和节点影响力分析的虚假信息传播控制方法

2024年03月05 00:00

在线社交网络中虚假信息传播蔓延成为当前网络空间安全治理面临的重要挑战。提出一种融合用户传播风险和节点影响力分析的虚假信息传播控制方法DDC-UPRNI (disinformation diffusion control method integrating user propagation risk and node influence analysis)。综合考虑虚假信息传播特征空间的多样性和复杂性，通过自注意力机制实现用户传播虚假信息行为维度、时间维度和内容维度特征的嵌入表示，运用改进的无监督聚类K-means++算法实现不同用户传播风险等级的自动划分；设计一种自适应加权策略实现对离散粒子群优化算法的改进，进而提出一种基于离散粒子群优化的虚假信息传播关键节点选取方法，用于从具有特定传播风险等级的用户节点集合中选取若干个具有影响力的控制驱动节点，从而实现精准、高效的虚假信息传播控制；基于现实在线社交网络平台上开展试验，结果表明，所提出的DDC-UPRNI方法与现有算法相比，在控制效果和时间复杂度等重要指标上具有明显优势。该方法为社会网络空间中的虚假信息管控治理提供重要参考。

改进蚁群算法的送餐机器人路径规划

蔡军, 钟志远 — 2024年03月05 00:00

蚁群算法拥有良好的全局性、自组织性、鲁棒性，但传统蚁群算法存在许多不足之处。为此，针对算法在路径规划问题中的缺陷，在传统蚁群算法的状态转移公式中，引入目标点距离因素和引导素，加快算法收敛性和改善局部最优缺陷。在带时间窗的车辆路径问题（vehicle routing problem with time windows，VRPTW）上，融合蚁群算法和遗传算法，并将顾客时间窗宽度以及机器人等待时间加入蚁群算法状态转移公式中，以及将蚁群算法的解作为遗传算法的初始种群，提高遗传算法的初始解质量，然后进行编码，设置违反时间窗约束和载重量的惩罚函数和适应度函数，在传统遗传算法的交叉、变异操作后加入了破坏?修复基因的操作来优化每一代新解的质量，在Solomon Benchmark算例上进行仿真，对比算法改进前后的最优解，验证算法可行性。最后在餐厅送餐问题中把带有障碍物的仿真环境路径规划问题和VRPTW问题结合，使用改进后的算法解决餐厅环境下送餐机器人对顾客服务配送问题。

改进鱼优化算法和熵测度的图像多阈值分割

2024年03月05 00:00

针对传统图像多阈值分割方法存在效率低、分割质量差等问题，提出一种改进?鱼优化算法并结合熵测度(weight lens remora optimization algorithm, WLROA)的图像多阈值分割方法。针对?鱼优化算法易陷入局部极值等缺陷，引入透镜成像反向学习策略，生成透镜反向解来增加种群多样性，进而提高算法跳出局部极值能力；提出一种自适应权重因子，对个体位置进行自适应扰动，提高算法探索能力。以最小化交叉熵作为优化目标，利用WLROA确定最小交叉熵并获得相应分割阈值。选取部分伯克利大学分割数据集图像和遥感图像测试提出算法的分割性能，测试结果表明，WLROA与其他知名算法相比具有更好的分割效果，能够有效实现复杂图像的精确处理。

融合交叉注意力的突发事件多模态中文反讽识别模型

2024年03月05 00:00

网民在社交媒体参与突发事件讨论时，时常会采用反讽修辞方式表达对事件的看法，此举导致情感分析的难度增加，且已有中文反讽识别对社交媒体中网民发布的多模态评论研究较少，有必要对图文多模态中文反讽识别进行深入研究。运用交叉注意力机制捕捉模态间的不一致性表达，提出融合交叉注意力的多模态中文反讽识别模型(fuse cross attention model, FCAM)。在模型中，首先运用TextCNN(text convolutional neural networks) 和ResNet(deep residual network)分别提取中文文本浅层特征和图像特征，再运用交叉注意力机制分别得到文本层和图像层的注意力特征，按照残差方式分别实现文本浅层特征和文本层注意力特征的连接、图像特征和图像层注意力特征的连接，使用注意力机制融合2个特征表示，经过分类层得到反讽分类结果。基于某一地区新冠疫情期间相关话题的微博评论数据，构建出突发公共卫生事件多模态中文反讽数据集，在该数据集上试验验证，相较于基准模型，FCAM具有一定的优越性。

基于局部Transformer的泰语分词和词性标注联合模型

2024年03月05 00:00

泰语分词和词性标注任务二者之间存在高关联性，已有研究表明将分词和词性标注任务进行联合学习可以有效提升模型性能，为此，提出了一种针对泰语拼写和构词特点的分词和词性标注联合模型。针对泰语中字符构成音节，音节组成词语的特点，采用局部Transformer网络从音节序列中学习分词特征；考虑到词根和词缀等音节与词性的关联，将用于分词的音节特征融入词语序列特征，缓解未知词的词性标注特征缺失问题。在此基础上，模型采用线性分类层预测分词标签，采用线性条件随机场建模词性序列的依赖关系。在泰语数据集LST20上的试验结果表明，模型分词F₁、词性标注微平均F₁和宏平均F₁分别达到96.33%、97.06%和85.98%，相较基线模型分别提升了0.33%、0.44%和0.12%。

面向医学影像报告生成的门归一化编解码网络

2024年03月05 00:00

医学影像报告的自动生成可以减轻医生的工作强度，减少误诊或漏诊的情况发生。由于医学影像的独特性，通常病灶比较小，与正常区域灰度差异难以分辨，导致文本生成时关键词的缺失，报告不够准确。对此提出一种面向医学影像报告生成的门归一化编解码网络，通过门控通道变换单元优化视觉特征提取，加强特征间的差异，自动筛选关键特征；提出门归一化算法，沿通道维度整合上下文信息，在浅层网络激活、深层网络抑制通道间神经元活性，过滤无效特征，使文本和视觉语义充分交互，提高报告生成质量。在2种广泛使用的基准数据集IU X-Ray和MIMIC-CXR上的试验结果表明，模型能够取得先进的性能，生成的影像报告也具有更好的视觉语义一致性。

语义图支持的阅读理解型问题的自动生成

2024年03月05 00:00

问题自动生成是人工智能领域的一项技术，其目标是根据输入的文本模拟人类的能力，自动生成相关问题。目前的问题自动生成研究主要基于通用数据集生成问题，缺乏专门针对教育领域的问题生成研究。为此，专注于面向中学生的问题自动生成进行研究。构建一个专门为问题生成模型训练需求而设计的数据集RACE4QG，以满足中学生教育领域的独特需求；开发一个端到端的问题自动生成模型，该模型训练于数据集RACE4Q，并采用改进型“编码器?解码器”方案，编码器主要采用两层双向门控循环单元，其输入为单词和答案标记的嵌入表示，编码器的隐藏层采用门控自注意力机制获得“文章和答案”的联合表示后，再输入到解码器生成问题。试验结果显示，该模型优于最优基线模型，3个评价指标BLEU-4、ROUGE-L和METEOR分别提高了3.61%、1.66%和1.44%。

特征融合的装修案例跨模态检索方法

亢洁, 刘威 — 2024年03月05 00:00

目前家装客服系统中主要依靠人工方式进行装修案例检索，导致该系统不能满足用户对咨询服务快捷、及时的需求而且人力成本高，故提出一种基于特征融合的装修案例跨模态检索算法。针对多模态数据的语义信息挖掘不充分，模型检索精度低等问题，对现有的风格聚合模块进行改进，在原始模块中引入通道注意力机制，以此来为每组装修案例中不同图片的特征向量添加合适的权重，从而增强包含更多有用信息的重要特征并削弱其他不重要的特征。同时，为充分利用多模态信息，设计一种适用于检索场景下的多模态特征融合模块，该模块能够自适应地控制2种不同模态的特征向量进行一系列的融合操作，以实现跨模态数据间的知识流动与共享，从而生成语义更丰富、表达能力更强的特征向量，进一步提升模型的检索性能。在自建的装修案例多模态数据集上将该方法与其他方法进行比较，试验结果表明本文方法在装修案例检索上具有更优越的性能。

求解电动汽车车辆路径问题的双种群协同进化算法

王朝, 秦芳, 刘蓉蓉, 江浩 — 2024年03月05 00:00

绿色物流领域新兴的电动汽车车辆路径问题，由于需要对车辆路径和充电决策同时优化，搜索空间急剧增大，且需要同时满足容量和电量双重约束，现有方法难以快速找到质量较优的可行解。为此，提出一种基于双种群的协同进化算法，通过忽略电量约束构造简单带容量约束的车辆路径问题，辅助原始复杂问题的快速求解。为实现其间信息交互，设计一种基于改进距离邻接矩阵的解序列特征表示方法，旨在同时获取客户访问顺序和车辆指派信息；利用降噪自编码器构建2个问题解之间转换关系，以实现问题域间知识迁移。将该算法与目前常用的3种启发式算法和2种进化算法在不同规模测试集上进行对比，试验结果表明所提算法具有更快收敛速度且所获解集具有更好收敛性。

结合多尺度注意力机制和双向门控循环网络的视频摘要模型

闫河, 刘灵坤, 黄俊滨, 张烨, 段思宇 — 2024年03月05 00:00

针对视频摘要任务中全局注意力在长距离视频序列上注意力值分布的方差较大，生成关键帧的重要性分数偏差较大，且时间序列节点边界值缺乏长程依赖导致的片段语义连贯性较差等问题，通过改进注意力模块，采用分段局部自注意力和全局自注意力机制相结合来获取局部和全局视频序列关键特征，降低注意力值的方差。同时通过并行地引入双向门控循环网络（bidirectional recurrent neural network, BiGRU），二者的输出分别输入到改进的分类回归模块后再将结果进行加性融合，最后利用非极大值抑制（non-maximum suppression, NMS）和核时序分割方法（kernel temporal segmentation, KTS）筛选片段并分割为高质量代表性镜头，通过背包组合优化算法生成最终摘要，从而提出一种结合多尺度注意力机制和双向门控循环网络的视频摘要模型(local and global attentions combine with the BiGRU, LG-RU)。该模型在TvSum和SumMe的标准和增强数据集上进行了对比试验，结果表明该模型取得了更高的F-score，证实了该视频摘要模型保持高准确率的同时可鲁棒地对视频完成摘要。

系统故障演化过程中事件状态联系数构建研究

李莎莎, 崔铁军 — 2024年03月05 00:00

由于故障数据提取、表示、分析和处理过程存在不确定性，给系统故障演化过程研究带来困难，为此，提出一种基于集对分析联系数的系统故障演化过程事件状态联系数构建方法。基于联系数对多语义状态划分及同异反状态的表示分析能力，以系统安全为目标进行研究。分析已有精确系统故障演化过程分析方法的不足；将事件发生概率分布划分为安全、不确定、不安全三状态等效同异反状态，进而确定状态分项系数得到事件状态联系数；通过同异反真值表确定结果事件状态联系数。结果表明，得到的事件状态联系数符合联系数构造条件和逻辑真值关系，进而获得系统故障演化过程的事件演化表示方法，也可使用集对分析的已有方法进行相关研究。研究搭建集对分析理论与系统安全分析的桥梁，将蕴含不确定数据的定量分析发展为不确定性分析，化简分析过程并体现同异反特征。

双关系预测与特征融合的实体关系抽取模型

2024年03月05 00:00

现有分阶段解码的实体关系抽取模型仍存在着阶段间特征融合不充分的问题，会增大曝光偏差对抽取性能的影响。为此，提出一种双关系预测和特征融合的实体关系抽取模型（entity relation extraction model with dual relation prediction and feature fusion，DRPFF），该模型使用预训练的基于Transformer的双向编码表示模型（bidirectional encoder representation from transformers, BERT）对文本进行编码，并设计两阶段的双关系预测结构来减少抽取过程中错误三元组的生成。在阶段间通过门控线性单元（gated linear unit，GLU）和条件层规范化（conditional layer normalization，CLN）组合的结构来更好地融合实体之间的特征。在NYT和WebNLG这2个公开数据集上的试验结果表明，该模型相较于基线方法取得了更好的效果。

高低频通道特征交叉融合的低光人脸检测算法

2024年03月05 00:00

低光条件下捕获的人脸图像存在着噪声严重、对比度低等不足，极大影响了现有人脸检测器的准确性，另外，现有的低光图像检测算法欠缺小区域人脸信息的提取能力。为此，提出一种基于深度学习的两阶段人脸检测算法，即利用现有的低光图像增强算法对人脸图像进行增强后再进行检测。为提升检测算法对人脸信息的提取能力，设计一种新型的高低频通道特征交叉融合方法，该方法首先使用高低频通道特征可分离模块分离出不同尺度特征的高低频信息，然后对上述信息进行交叉融合，提升网络提取高频细节信息和低频色域信息的能力，进而提高检测网络的性能。对比试验和消融试验验证了该研究方法的有效性，试验结果表明该方法优于基准方法4.0% mAP。

结合聚类边界采样的主动学习

胡峰, 李路正, 代劲, 刘群 — 2024年03月05 00:00

主动学习是一种机器学习方法，需要选择最有价值的样本进行标注。目前，主动学习在应用时面临着一些挑战，其依赖分类器的先验假设，这容易导致分类器性能意外下降，同时需要一定规模的样本作为启动条件。聚类可以降低问题规模，是主动学习的一种有效手段。为此，结合密度聚类边界采样，开展主动学习方法的研究。针对容易产生分类错误的聚类边界区域，通过计算样本密度，提出一种密度峰值聚类边界点采样方法；在此基础上，给出密度熵的定义，并利用密度熵对聚类边界区域进行启发式搜索，提出一种基于聚类边界采样的主动学习方法。试验结果表明，与文献中的5种主动学习算法相比，该算法能够以更少标记量获得同等甚至更高的分类性能，是一种有效的主动学习算法；在标记不足，无标签样本总量20%的情况下，算法在Accuracy、F-score等指标上取得较好的结果。