/oa /oa/darticle.aspx?type=view&id=202607022 2026年09月05 00:00 2026年5期 1081 1083 434274 李德毅 /oa/darticle.aspx?type=view&id=202510041 复杂系统作为大量局部自治系统持续集成、相互耦合关联而成的大型系统，其智能演进的基本思想是利用智能技术实现系统持续赋能，以人工智能为驱动、以信息大数据为支撑下的复杂系统已实现了技术迭代和场景更新的多轮演进。本文聚焦人工智能复杂系统，首先从智能演进基础理论进行剖析，提炼智能演进概念，围绕复杂系统感知层、计算层、优化层提出演进技术融合框架；其次重点对大数据决策、边缘智能、多智能体协同、自适应演进四大智能关键技术进行总结，概述以上技术在复杂系统内部的关键支撑作用及技术发展演进路线；最后对未来人工智能驱动下的复杂系统演进方向进行了展望。本文可为下一代人工智能复杂系统的发展路径提供理论基础。 2026年09月05 00:00 2026年5期 1084 1105 5401358 张万鹏¹, 谭思雨², 谷学强¹, 王尧¹, 王笛咏², 朱莎莎² /oa/darticle.aspx?type=view&id=202511003 气候变化和城市化进程共同导致了极端天气事件频发，城市内涝风险日益严峻，传统方法却难以应对气候科学与城市内涝之间的割裂。本文通过系统综述与批判性分析现有文献，首次总结提炼出机器学习作为连接两大领域的3种核心“桥梁”模式：多尺度数据同化与特征转换的桥梁、物理机理与数据驱动融合的建模桥梁、不确定性量化与风险传递的评估桥梁。首先剖析了两者的耦合机制及关键挑战；继而综述了支撑桥梁模式的关键技术；并通过具体案例阐述了每种模式如何实质性解决相关核心问题。本文所归纳的研究框架为理解并应对气候变化下的城市内涝风险提供了新视角。 2026年09月05 00:00 2026年5期 1106 1129 6246021 齐小刚^1,2, 张旭¹, 李家慧^1,2 /oa/darticle.aspx?type=view&id=202508033 无源域自适应(source-free domain adaptation, SFDA)旨在源域数据不可访问的情况下，实现预训练模型从源域到目标域的有效迁移。现有SFDA方法大多采用自训练学习策略，但其易受噪声伪标签的影响，模型难以准确捕捉数据关键特征，导致性能下降。为此，本文提出一种基于原型引导与双重对比学习的无源域自适应方法(prototype guidance and dual-level contrastive learning, PDCL)。PDCL基于源模型提取源域各类特征，构建目标域初始类别级原型表示。通过特征融合策略对齐源域各类别特征与目标域样本特征，生成目标域伪标签。引入原型正交损失，通过最大化类间原型的正交性以增强判别性。PDCL采用双重对比学习策略：在决策空间进行实例级对比，拉近近邻样本并推远异类样本；在特征空间进行原型级对比，增强特征空间的结构一致性。在Office-31、Office-Home及DomainNet-126基准数据集上的实验结果表明，PDCL在SFDA中相较现有先进方法实现了性能提升，验证了其有效性。 2026年09月05 00:00 2026年5期 1130 1141 6344559 杨立然^1,2,3, 张小龙², 赵振兵^1,4, 翟永杰^1,2, 苏攀^2,5 /oa/darticle.aspx?type=view&id=202509002 针对输电线路巡检图像中螺栓等紧固件目标微小、细节易丢失、上下文信息利用不充分以及多尺度特征融合存在语义冲突的问题，本文提出一种融合解耦与引导思想的螺栓缺陷检测方法。该方法主要由以下3部分构成：1)高频细节引导的特征增强模块利用高频分量驱动门控机制增强微弱目标的细节表达，2)解耦上下文与显著性金字塔池化模块通过并行分支分别捕获峰值响应与区域统计特征以实现信息互补，3)非对称引导融合金字塔网络以非对称路径分流和细节引导融合策略缓解多尺度特征的语义冲突。在自建螺栓缺陷数据集上的实验结果表明，所提方法性能优越，在mAP@50和mAP@.5:.95指标上达到93.9%和63.4%，较基线模型YOLOv11s分别提升了3.1和2.9百分点，并在公开数据集RSOD与DIOR上表现出良好的泛化能力。 2026年09月05 00:00 2026年5期 1142 1153 3690628 赵文清^1,2, 张乐¹ /oa/darticle.aspx?type=view&id=202510002 针对现有区块链异常交易检测方法在复杂交易结构建模与数据不平衡处理方面的不足，本文提出一种融合图神经网络多教师模型、motif结构特征、SMOTE(synthetic minority oversampling technique)采样与双学生模型知识蒸馏的检测方法——MGDD (multi-teacher GNN dynamic distillation)。该方法首先利用motif统计量增强节点结构表达，随后结合图卷积网络、图注意力网络、图同构网络、图采样与聚合网络构建多教师模型，通过动态蒸馏机制引导多层感知机与随机森林学生模型学习图中的高阶语义特征，并引入SMOTE进行过采样以缓解样本不均衡问题。在Elliptic数据集上的实验结果表明，MGDD在准确率、召回率与F1值等指标上全面优于现有典型方法，其中RF学生模型在蒸馏引导下准确率达到99.23%。消融与鲁棒性实验进一步验证了motif特征与知识蒸馏机制在提升检测性能与模型稳定性方面的重要作用。综上所述，MGDD为区块链异常交易检测任务提供了一种高效、可推广的建模范式，具备良好的应用前景。 2026年09月05 00:00 2026年5期 1154 1165 4476594 张铭泉^1,2, 贾文莉¹, 孟丽敏³, 赵峻贤¹ /oa/darticle.aspx?type=view&id=202509041 现有基于深度学习的视网膜血管分割方法因仅依赖逐像素掩码监督，难以有效建模血管网络的全局连通性和复杂分支结构，常导致分割结果中出现血管断裂等结构性误差。为此，本文提出了一种基于U-Net的图结构化辅助监督视网膜血管分割网络。通过血管骨架引导的结构编码算法，将关键分叉点与连通关系转换为结构化监督信号，引导网络学习视网膜血管的拓扑结构特征。设计了多层次信息流注意力融合模块，有效融合视觉语义特征和拓扑结构特征，提升网络的结构表达能力。利用辅助监督机制，引导网络同时学习拓扑结构特征和视觉语义特征，以兼顾分割精度与血管形态一致性。在CHASEDB1、DRIVE和STARE数据集上的实验结果表明，本文网络在精准分割视网膜血管的同时，可有效减少血管断裂问题，为保障分割结果的生物学一致性提供了参考。 2026年09月05 00:00 2026年5期 1166 1179 5543068 吕佳^1,2, 杨鸿强¹ /oa/darticle.aspx?type=view&id=202511006 针对传统Q-learning算法在智能配送车路径规划中存在收敛速度慢、路径质量不稳定以及动态环境适应性弱的问题，提出一种基于双阶段策略熵自适应Q-learning的路径规划算法(dual-phase policy entropy adaptive Q-learning，DPEA-QL)。该算法通过引入策略熵驱动的自适应学习率优化，采用softmax策略，实现在训练初期充分探索和后期高效利用，提升算法的学习效率和收敛速度；构建双阶段熵调控机制，利用sigmoid函数平滑过渡策略熵权重，有效提升策略平稳性和路径最优性；重塑基于曼哈顿距离的奖励函数，使奖励信号随配送车与目标点的距离动态变化，增强目标导向避免陷入局部收敛。在单一静态障碍、混合静态障碍和动态障碍3类仿真地图上的实验结果表明：DPEA-QL在3类地图中均能规划出一条最优路径，最短路径步数为58步，最短路径达成率较传统Q-learning算法提高24.28百分点，在收敛速度、路径质量与鲁棒性上明显优于传统Q-learning、Sarsa及SA-QL算法。 2026年09月05 00:00 2026年5期 1180 1193 5634119 熊刚^1,2, 蔡凯琪¹, 陈世超², 朱凤华², 郭超², 高超³, 陈德旺⁴ /oa/darticle.aspx?type=view&id=202511010 针对医学图像分割任务，传统单分支卷积神经网络(convolutional neural network, CNN)架构因感受野限制难以有效整合局部细节与全局语义，导致多尺度结构建模不足及模态泛化能力弱。为此提出了一种分组注意力并行融合编码的分割网络，采用Transformer和CNN并行双分支编码器，分别提取图像的全局语义信息与局部细节信息。编码器后设计分组注意力并行融合模块，解决了局部与全局语义割裂及多尺度结构冲突问题；解码器中提出的空间-通道双注意力门控模块，能够有效解决医学图像分割中的特征干扰问题，提升分割精度。在Synapse、ACDC和AVT等数据集上开展了大量实验，Dice相似系数分别为84.86%、91.66%和88.79%，95%豪斯多夫距离分别为13.54、1.20和4.02 mm。实验结果表明，与现有主流医学图像分割模型相比，所提方法在分割任务中表现出更高的分割精度和鲁棒性，尤其在处理复杂解剖结构的器官数据时优势显著。 2026年09月05 00:00 2026年5期 1194 1210 13999954 孟祥福¹, 杨雨卓¹, 张霄雁¹, 李帅² /oa/darticle.aspx?type=view&id=202511025 时间序列预测在电力、气象、交通等关键领域具有广泛的应用价值，传统预测模型受限于损失函数单一、实数域相位信息丢失及固定权重优化失衡，难以适配复杂时序特性。本文提出了一种基于复值多域损失融合的时间序列预测网络(complex-valued multi-domain loss fusion time series forecasting network, CFuseTS)，利用复值卷积与共轭复值注意力方法联合捕捉时序数据的幅度与相位特征，突破实数域建模的局限；同时构建多域协同损失模块对多元时间序列进行联合约束，依托动态梯度均衡算法实时调整各域权重，解决传统固定权重导致的优化偏差。在 8 个基准数据集上的实验表明，CFuseTS 与现有先进方法相比，在所有预测长度(96/192/336/720 时间步)上的均方误差平均降低了 6.51%，最多降低了14.78%，充分验证了其有效性与泛化能力。 2026年09月05 00:00 2026年5期 1211 1220 4513988 郝剑龙, 杜银焕, 薛令荣, 张卫, 李睿璞 /oa/darticle.aspx?type=view&id=202603037 网络黑灰产聊天记录作为地下产业链交互的直接载体，蕴含了大量潜在犯罪意图与组织脉络线索。如何从海量非结构化文本中精准识别黑话术语，深度挖掘犯罪类型与行为模式，成为突破传统研判瓶颈、实现黑灰产情报智能化感知的关键课题。为此，本文提出一种基于大模型的多智能体协同分析方法。方法采用工作流式编排与任务分工机制，将黑话识别、类别判定、模式挖掘、报告生成四大核心环节按预定流程串联协同，同时引入检索生成增强(retrieval-augmented generation, RAG)、思维链(chain-of-thought, CoT)、批处理、高层次模式提取等技术，突破了传统单一模型在处理长链路复杂逻辑时的能力瓶颈，实现从原始数据到智能分析报告的端到端转化，提升了黑灰产聊天记录分析研判的智能化水平。实验结果显示，该方法在网络黑灰产聊天记录数据集上具有良好表现，检索生成增强、思维链等相关技术的引入，有效提升了各智能体在子任务中的表现，具备良好的实际应用价值。 2026年09月05 00:00 2026年5期 1221 1236 4912979 韦科顺¹, 石磊², 石拓³, 田一帆⁴, 程刚⁵ /oa/darticle.aspx?type=view&id=202507031 无监督持续学习(unsupervised continual learning，UCL)是一种能够在无需人工标注的前提下，从动态变化的任务流中持续获取知识的学习范式，对于构建具备长期持续学习能力的智能系统具有重要意义。现有的无监督持续学习方法普遍存在早期任务性能不佳和灾难性遗忘的问题，主要原因在于特征信息的多样性不足和结构对齐能力薄弱。为了有效捕获数据的层次结构语义信息并增强特征信息的多样性，提出了一种新颖的无监督持续学习方法——基于双曲乘积量化的无监督持续学习方法(unsupervised continual learning based hyperbolic product quantization，HPQUCL)，首次在UCL范式中引入双曲空间中的乘积量化机制。该方法利用双曲几何的层次结构特性增强了特征表示的多样性，有效缓解了模型早期任务性能不佳的问题。此外，设计了一种基于双曲距离的混合重放策略，基于洛伦兹距离选择结构上具有代表性的样本进行重放，有效减缓了灾难性遗忘问题。为了进一步提升模型的判别能力，提出了一种在双曲空间中原始表示与量化表示之间的对比学习损失。在多个基准数据集上实验证明，HPQUCL在知识保持和早期任务性能方面显著优于主流的无监督持续学习方法。结果表明，引入双曲量化与结构感知重放机制为提升无监督持续学习的性能提供了有效途径。 2026年09月05 00:00 2026年5期 1237 1248 4972258 朱广泽, 刘兴波, 聂秀山, 王少华 /oa/darticle.aspx?type=view&id=202509028 为克服现有红外与可见光图像融合方法在无人机航拍环境下的亮度自适应融合及互补特征挖掘不充分的问题，提出一种基于环境亮度动态感知的红外与可见光航拍图像融合方法。设计环境亮度感知模块，实现可见光特征的动态重组，减轻环境亮度变化对网络学习的干扰。构建高低频信息协同注意力，增强模型对红外图像边缘细节特征的捕捉能力，突出融合图像中的显著目标。设计离散小波交叉注意力块，通过让两种模态交叉关注，实现红外与可见光图像互补特征的高效融合。在公开数据集上使用多种评价指标对所提模型进行实验验证，实验结果表明，所提方法能够在无人机航拍环境下实现红外与可见光图像亮度自适应融合，并在定性和定量评价上取得了较好的融合效果，此外，通过实验证明，所提方法生成的融合图像能有效适用于无人机对地目标检测任务。 2026年09月05 00:00 2026年5期 1249 1259 6118471 田枫^1,2, 韩卓翰^1,2, 刘芳^1,2, 张岩^1,2, 解红涛^1,2, 高帆^1,2, 黄彬^1,2, 刘宗堡² /oa/darticle.aspx?type=view&id=202512029 随着深度神经网络(deep neuralnetworks，DNN)在自动驾驶感知任务(如目标跟踪、语义分割等)中的广泛应用，DNN 推理对实时性的要求与车载计算资源受限之间的矛盾日益突出，已成为制约智能驾驶系统性能提升的重要瓶颈。针对该问题，本文提出一种面向车队云协同计算环境的 DNN 推理任务拆分与卸载策略。以最小化推理时延为目标，构建层间-层内双维度协同拆分与卸载模型：在层间维度，结合车辆异构计算能力与链路状态，对 DNN 任务进行自适应拆分；在层内维度，针对单层计算负载较重的部分，进一步进行空间划分并分配给多辆车并行处理，以缓解局部计算瓶颈。将动态任务拆分与卸载联合优化问题建模为分布式部分可观测马尔可夫决策过程(decentralized partially observable Markov decision process，Dec-POMDP)，并设计基于多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient，MADDPG)的求解方法，实现车队协同环境下的动态决策优化。仿真结果表明，在不同车队规模、计算能力和带宽条件下，所提方法均能有效降低 DNN 推理时延；与全本地计算、整体卸载和传统层间拆分方案相比，所提方法在资源受限场景下表现出更优的时延性能。 2026年09月05 00:00 2026年5期 1260 1267 4234716 邓贻香¹, 张玉林¹, 柏龙² /oa/darticle.aspx?type=view&id=202606023 随着人工智能技术的快速发展，无人艇自主航行与作业技术成为当前学术界的研究热点之一，海上船舶目标检测与环境感知是保障无人艇自主决策与安全航行的关键技术。激光雷达可提供稳定的三维几何信息，使船舶点云目标检测成为海上环境感知的重要技术路径。针对海上船舶点云目标检测中高质量数据集构建困难、远距离目标回波稀疏以及海面动态杂波干扰强等问题，提出了一种自监督异构双教师对比网络指导的蒸馏方法，以缓解船舶点云目标检测网络对船舶点云数据集的依赖，并提升其在稀疏目标表征和复杂海面背景干扰条件下的检测鲁棒性。实验验证基于“海豚1号”智能船采集的海上船舶点云数据集开展，结果表明，该方法较基线方法平均精度均值(mean average precision，mAP)提升6.4百分点，在稀疏点云和强杂波场景下保持较稳定的检测性能，并具备面向无人艇船载感知平台部署与优化的应用潜力。 2026年09月05 00:00 2026年5期 1268 1281 8413688 夏桂华¹, 柏隽¹, 李诗洋², 梁兆伟³, 李玲亚⁴ /oa/darticle.aspx?type=view&id=202512045 为实现高速公路主干–匝道网联车辆协同编队，针对合流区车辆轨迹规划问题，本文提出融合动力学稳定性约束与碰撞检测的轨迹优化方法。选用五阶多项式作为基础模型，实现对纵横向运动的协同规划。引入二自由度车辆模型，推导横摆角速度与质心侧偏角的稳定界限，结合Trucksim仿真拟合得到最小换道时长表达式(拟合优度为0.992)，建立动力学约束体系。采用分离轴定理(separating axis theorem，SAT)实现快速碰撞检测，并构建安全风险与换道效率的综合成本函数，通过权重调节(0.4，0.5，0.6)优化最佳换道时长，考虑车辆动力学稳定性风险和换道效率综合成本获得最佳换道时长为5.16 s。仿真验证主干道与匝道车辆轨迹无冲突，换道过程平滑，纵横向运动协同，验证了模型有效性。 2026年09月05 00:00 2026年5期 1282 1291 5192367 杨志发^1,2, 施嘉琪^1,3, 于卓⁴, 王龙² /oa/darticle.aspx?type=view&id=202601011 为提高复杂气象环境下智能交通系统的交通目标识别精度，提出基于多接入边缘计算(multi-access edge computing，MEC)架构的增强型YOLOv5模型(a lightweight multi-scale feature fusion-based model for adverse weather object detection，M-YOLO)。设计双阶段图像增强机制，实现雾/雨/雪多源气象特征的融合；引入通道与空间协同的卷积块注意力机制(convolutional block attention module，CBAM)以提升模型在复杂背景下的目标识别和定位能力；在YOLOv5架构基础上新增P2/4小目标检测层，提高对小尺寸目标的检测精度；同时，M-YOLO还采用了MPDIoU(minimum point distance intersection over union)损失函数优化边界框回归。最后，通过Foggy-Cityscapes、Rain-Cityscapes和Snow-Cityscapes数据集进行实验验证，结果表明M-YOLO均表现出更优的平均检测精度。在混合天气条件下，M-YOLO模型的mAP50达到0.485，相比于基准模型(0.415)大幅提高，为边缘计算环境下的实时交通监控提供了高效解决方案。 2026年09月05 00:00 2026年5期 1292 1299 5808528 应雨洁^1,2, 丁飞^1,2, 余耀元^1,2, 曾宇^1,2, 吉韵^1,2 /oa/darticle.aspx?type=view&id=202601028 在通信感知一体化(integrated sensing and communication, ISAC)系统中，研究人员一直希望能够同时实现高频谱效率和低能量消耗。对于ISAC系统，为了提高能量效率，本文引入智能反射面(intelligent reflecting surface, IRS)技术。为了平衡IRS辅助ISAC系统的传输速率和能量消耗，通过联合优化ISAC基站处发射波束成形和IRS处反射波束成形，本文提出一种IRS辅助ISAC系统联合资源分配方法。本文提出全新的膜量子蜣螂优化算法(membrane-inspired quantum dung beetle optimizer algorithm, MQDBO)，以获取最优联合资源分配方法。为了对本文所提出的全新方法进行评估，通过仿真实验有效验证了该方法在平衡传输速率和能量消耗方面的优越性和有效性。对于IRS辅助ISAC系统，这种全新方法显著提高了总速率和能量效率。针对不同仿真场景，本文提出的基于MQDBO的联合资源分配方法可以实现最优的总速率和能量效率，在无线通信领域中具有广阔应用前景。 2026年09月05 00:00 2026年5期 1300 1312 6747366 赵琳, 崔闻, 程建华 /oa/darticle.aspx?type=view&id=202509018 为进一步实现系统故障演化过程(system fault evolution process, SFEP)的可拓表示，实现SFEP的对立统一分析，论文建立了事件间逻辑关系的可拓表示方法。给出了SFEP的可拓学原理，经历事件、影响因素和演化条件的可拓表示方法；实现了事件间逻辑关系和柔性逻辑的可拓表示及系统故障概率计算；讨论了研究意义。研究表明SFEP具有矛盾统一性；逻辑关系与演化条件具有本质差异；将原因与结果事件的“与或”逻辑关系分为4种类型，得到了它们的可拓表示方法及系统故障概率计算方法；20种柔性逻辑均能通过“与/或”逻辑叠加得到，并实现了可拓表示和系统故障概率计算。研究实现了多原因-结果事件的多样性逻辑关系描述；意义在于通过形式化、定量化方法揭示事件间作用机制，为系统故障分析提供方法和技术。 2026年09月05 00:00 2026年5期 1313 1322 3469762 崔铁军^1,2, 李莎莎^1,2 /oa/darticle.aspx?type=view&id=202510022 下肢外骨骼技术在康复医疗与日常助行领域展现出广阔应用前景，但其在复杂地形下的自适应控制智能性不足。针对现有下肢外骨骼在复杂地形中控制策略迁移性差、动态适应性弱等问题，提出一种融合可拓门控网络与时间卷积专家的混合专家模型。该模型利用可拓距函数动态量化地形特征与专家模块的匹配度，实现多源步态信息的智能路由与自适应决策，并通过时间卷积专家系统的时序建模能力，生成符合人体运动特征的精准辅助力矩。在包含平地、斜坡等多种地形的实验中，模型髋关节力矩预测平均误差较LSTM(long short-term memory)降低18.71%，平均推理时间仅为37.09 ms。在场景转换实验中，模型平均误差较LSTM降低17.75%。该模型有效提升了外骨骼系统的跨场景适应能力，其可拓门控网络路由机制与信息融合架构对多模态机器人决策系统、神经网络路由优化等研究领域均有一定参考价值。 2026年09月05 00:00 2026年5期 1323 1334 5016770 余昊阳^1,2, 李兴森^1,2, 颜伊庆^1,2 /oa/darticle.aspx?type=view&id=202511002 快速搜索密度峰值的时空聚类(spatial-temporal clustering by fast search and find of density peaks, ST-CFSFDP)算法在处理时空数据时未充分考虑样本间密度差异，导致样本的局部密度不能正确反映样本的密度分布；通过欧氏距离计算样本的相对距离，无法将时间邻近的簇进行区分。针对以上问题，提出相对密度和马氏距离的时空密度峰值聚类(spatial-temporal density peaks clustering algorithm with relative density and mahalanobis distance, ST-DPC-RDMD)算法。ST-DPC-RDMD算法在局部密度中引入时空近邻概念，并结合相对密度思想重新定义样本局部密度，提高近邻样本的影响程度；使用空间与时间属性的马氏距离替代欧氏距离，综合分析各维度的协方差关系实现空间与时间距离权重的合理分配，以准确识别具有特征差异的簇。在模拟数据集和真实地震数据集上的实验结果表明，ST-DPC-RDMD算法的聚类效果优势显著。 2026年09月05 00:00 2026年5期 1335 1347 6214881 赵嘉^1,2, 李辉^1,2, 肖人彬³, 支妍力⁴, 韩龙哲¹, 欧清海⁵, 熊小舟⁶