/oa /oa/darticle.aspx?type=view&id=20250701 近年来,基于深度学习的光流估计方法在准确性和效率方面取得了显著进展。 然而,其仍面临着对训练数据依赖性强、对特定场景敏感、计算资源消耗大、物理约束利用不足以及可解释性差等问题。 该文提出了一种基于卷积神经网络的叠加融合方法,旨在提升光流特征的表达能力,提高预测精度并降低内存消耗。具体而言,设计了一种叠加融合模块即连续加法块(Continue-ADD-Block)。 连续加法块通过添加一个 Conv7 层并采用连续下采样进行融合,有效地整合了不同尺度下的信息,增强了对复杂场景和多尺度运动的处理能力。 在 Flying Chairs、KITTI Flow 2015 和 MPI-Sintel (clean 和 final)数据集上的实验结果表明,连续加法块在降低资源消耗和内存占用的同时,在复杂场景下取得了更高的精度,表现为更低的最大的平均端点误差(End Point Error,EPE) 即更高的精度,并且在 Flying Chairs 数据集中精度提升 2. 86% ,在 KITTI Flow 2015 数据集中精度提升 0. 70% ,在 MPI-Sintel (clean 和 final)数据集中精度分别提升 7. 40% 、2. 43% 。 这表明该方法在复杂场景下具有更强的鲁棒性,为光流估计领域提供了一种新的解决方案。 2025年07月10 00:00 2025年07期 1 7 2104771 王雅妮1,翟正军1,2,代巍1,申思远1 /oa/darticle.aspx?type=view&id=20250702 DeepLab V3+是一种具有 Encoder-Decoder 结构的语义分割模型,因其逐像素分类的特点适用于处理遥感图像的土地覆盖分类问题。 然而,下采样过程导致的特征图损失,会使连续大尺度地物的内部出现不连续无标签空洞区域,并且双线性插值算法会丢失分割边缘细节。 针对上述问题,该文提出了一种基于 DeepLab V3+改进的 V3plus-EN-TC 模型。将骨干网络替换为特征提取能力更强的 EfficientNet,引入 SE 模块和倒置残差链接,增强 Encoder 对通道信息和多尺度空间信息的感知与提取能力;融合三个层次的特征,并且采用转置卷积和双线性插值结合的上采样方法,提高 Decoder 的特征解释能力,抑制空洞区域的出现,提高边缘精度;利用 DiceFocal 联合损失函数,解决样本分布不平衡问题,并且进一步聚焦混合像元。 改进模型 V3plus-EN-TC 在预处理后的遥感数据集 GID 上,较 FCN、U-Net、SegNet、PSPNet、CBAM-DeepLab V3+、CRF-DeepLab V3+等模型,空洞区域显著减少,模型精度提升。 改进模型的平均交并比、 F1 分数、平均像素精度分别达到了 84. 74% 、88. 39% 、86. 64% 。 2025年07月10 00:00 2025年07期 8 15 2305816 于攀琳,吴旭*,张凌云,刘子涵 /oa/darticle.aspx?type=view&id=20250703 目标检测系统的测试数据生成对评估模型性能和发现潜在缺陷至关重要。 现有方法在生成数据的多样性和真实性方面仍存在局限。 该文提出了一种基于自动语义编辑的目标检测测试数据生成方法 SemaGen,通过构建高质量语义对象库并结合自动化语义编辑策略,实现对图像的插入、删除和替换等高级语义操作。具体而言,该方法首先通过多重筛选机制构建语义对象库,确保对象的语义完整性和场景适应性;其次,利用场景复杂度量化模型,综合考虑背景占比、实例数量和空间分布等因素,实现编辑策略的自适应选择;最后,提出基于对象重要性的替换策略、迭代式删除方法以及考虑语义相似度的智能插入机制,确保生成图像的真实性和多样性。 实验结果表明,SemaGen 在三种对象操作任务上显著优于现有方法,生成的图像质量更高,FID 得分更优,证实了该方法在生成数据质量方面的优越性。 在目标检测模型测试中,SemaGen 成功发现 YOLO v11、SSD 和 Mask R-CNN 等主流检测器在复杂场景下的性能缺陷,为目标检测测试用例生成提供了新的思路和工具。 2025年07月10 00:00 2025年07期 16 23 1954356 陈皓明1,桂智明1,刘艳芳2,范鑫鑫3,路云峰4 /oa/darticle.aspx?type=view&id=20250704 图相似搜索指根据图编辑距离,从图数据库中搜索与查询图满足阈值要求的数据图集合的过程。 由于图编辑距离的计算是 NP-hard 问题,因此目前主流的图相似搜索算法主要采用“过滤-验证”框架。 而其中的过滤算法也仍然是基于分区索引的思想,存在分区过滤过程中过滤下界不紧密、候选集规模大、过滤耗时长和分区大小不均衡等问题。 因此提出了对图相似搜索算法相应的改进策略。 首先,在整个过滤阶段采用多级过滤的方式,按照代价由低到高的顺序,依次采用图大小、标签,顶点和邻边标签组以及分区索引进行逐级过滤,逐步筛选掉不符合阈值要求的数据图,以减少候选集生成开销;其次,给出了一种启发式方法来指导分区的初始顶点选择,以确保最终的分区尽量均衡,提高分区过滤下界的紧密性。 实验结果表明,提出的改进策略不仅可以提高过滤下界的紧密性、降低分区索引构建代价及减少候选图的生成数量,而且缩短了过滤阶段时间及图相似搜索的总体时间。 2025年07月10 00:00 2025年07期 24 31 2762402 赵旭1,2,梁平1,2,顾进广1,2,高峰1,2 /oa/darticle.aspx?type=view&id=20250705 电力数据中台包含了涉及国家安全与民生安全的数据,需要在识别到异常后及时响应并得到有效处理。 电力数据中台现有的响应流程是多人、多系统、多界面的,在异常处理效率与自动化程度上均有待提升。 针对需要协同处置的安全任务场景,安全编排自动化与响应(SOAR)技术是一种解决方案。 当前 SOAR 技术在云平台、医疗、物联网等应用场景有较多实际应用,相关产品较为成熟。 然而当前对于 SOAR 技术的研究与应用未结合电力数据中台异常源多、异常种类多、异常之间关联关系复杂的特点。 该文基于 SOAR 技术与电力数据中台的特点,提出了一种针对电力数据中台的安全自动化响应方案,旨在结合异常间的关联性,对所有异常进行标准化、统一化处理。 该方案抽象化描述了数据中台异常的处理流程,提出了标准化的电力数据防护流程,依此设计了系统架构,并与现有响应方案进行了对比。 实验表明该安全自动化响应方案在及时性、准确性、灵活性上均有提升。 这证明该方案能够提升安全防护系统的处理效率,为电力数据中台及时响应并自动化处理异常提供了解决方案。 2025年07月10 00:00 2025年07期 32 40 1369826 周小明1,齐俊2,3,王磊1,罗晨4,郑福宇5,张文杰2 /oa/darticle.aspx?type=view&id=20250706 在蛋白质科学研究领域,蛋白质折叠模拟计算的速度和准确性一直是研究的热点和难点。 为了有效提升蛋白质折叠模拟计算的效率,该文提出了一种基于 OpenStack 云平台的蛋白质折叠模拟计算方法。 该方法首先利用 HP 格点模型对蛋白质折叠过程进行简化,将复杂的氨基酸链抽象为黑球和白球的组合形式,从而降低了计算的复杂性。 在计算过程中,采用了一种改进的 PERM 算法来计算每个球的权重,该算法能够更准确地评估折叠过程中的能量体系。 此外,借助 OpenStack 云平台的强大计算能力,将氨基酸链的折叠计算任务分配到多个计算节点上并行处理,从而大大提高了计算速度。 每个计算节点都会返回其临时结果,最终这些结果会被汇总并输出为最终的折叠结果。 实验表明,该方法计算的能量与最低能量相符,计算时间明显优于 PERM 算法,其折叠结果与已有的最佳折叠情况一致,且计算时间更短,提高了蛋白质折叠模拟计算效率。 2025年07月10 00:00 2025年07期 41 47 1061309 徐胜超1,周继鹏2,吕峻闽1 /oa/darticle.aspx?type=view&id=20250707 卫星通信在 6G 发展中具有举足轻重的地位,是实现全球无缝连接和提供多样化服务的重要途径。 其中,通感一体化(Integrated of Sensing and Communication,ISAC)作为 6G 的核心技术之一,能够实现通信与感知的融合,提升频谱利用率,能够在资源有限的卫星系统内最大化通信与感知性能。 该文提出了一个以卫星系统的最大化通信信噪比为目标的优化问题,通过求解该优化问题的最优解,构建由信道矩阵生产波束成形矩阵的求解方案。 特别地,通过所获得的联邦学习数据集,创新性地提出了一种面向卫星系统通感一体化波束成形矩阵的优化求解方案。 考虑联邦学习训练过程,模型训练的参数包括信道矩阵与波束成形矩阵和功率分配系数等因素。 模型的训练则被部署至用户侧执行,而卫星侧作为服务器端执行优化模型的聚合。 仿真结果表明,与常用的通感一体化波束成形方案相比,采用联邦学习的波束成形方案可以带来更好的通感一体化性能。 因此,提出一种基于联邦学习的卫星系统通感一体化波束成形方法,简化基于优化问题的下行通感一体化波束成形矩阵的计算,有效提高了卫星系统的通感一体化性能,具备较好的泛用性。 2025年07月10 00:00 2025年07期 48 54 1539557 赖海光1,2,朱邦兵1,沈金海1,万坤1,王泽渝2 /oa/darticle.aspx?type=view&id=20250708 在网络入侵检测领域,联邦学习(FL)作为一种保护数据隐私的分布式处理方法受到了广泛关注。 然而,由于参与节点间的数据异构性,传统的联邦学习方法在联合训练过程中往往难以实现高性能。 为了解决这一问题,该文提出了一种改进的联邦学习方法,即基于联邦全局知识蒸馏的异常网络入侵检测方法(FLGKD-ANIDS)。 该方法在中央服务器中设置了一个缓冲区,用于缓存客户端上传的多轮模型参数。 进一步地,这些缓存的参数被用于生成包含多轮全局知识的教师模型参数,指导客户端侧的知识蒸馏过程。 这一机制使得客户端能够在注入全局知识特征的情况下训练本地数据。实验在两个公开数据集 UNSW-NB15 和 CIC-IDS2017 上进行,结果显示 FLGKD-ANIDS 在各种数据异构场景下显著提升了模型性能,其性能更接近于集中训练模型的水平。 2025年07月10 00:00 2025年07期 55 62 2029600 石迎澳1,李润知1,2,姬怡1 /oa/darticle.aspx?type=view&id=20250709 随着软件的多样性和复杂性的不断增加,软件漏洞的数量也呈现出爆炸式的增长,同时,软件漏洞的修复也变得越来越困难。 漏洞自动修复方法近来得到了研究者的广泛关注,而大型语言模型(Large Language Model,LLM)的出现为漏洞自动修复开辟了新的道路。 目前的代码漏洞修复 LLM 的研究仅仅将漏洞修复归类为通用的文本生成任务,得到修复程序,并定义漏洞自动修复工具生成的修复程序当且仅当其和标准答案完全一致的情况下为有效修复程序。 然而,同一个漏洞程序可能对应着多个不同的修复程序,当前判定方法过于苛刻,且代码生成任务不同于一般的文本生成任务,在生成代码时不仅要考虑代码的功能正确性,还需要考虑代码的安全性。 由于 LLM 在预训练过程中使用的代码语料没有安全标签,在生成修复程序时是使用 Top-K 排序算法基于概率来进行生成,也没有考虑代码的安全性因素,所以,即使生成的修复程序修复了当前漏洞,也有可能会引入新的漏洞。 针对这些问题,该文提出了一种基于大模型的软件漏洞自动修复方法,包括提示工程、模型微调技术和关注生成代码安全性的重排序算法 SecRerank,从模型的输入、模型本身以及模型的输出等三个阶段来提升模型的漏洞修复性能。 实验结果表明,该方法的漏洞修复效果优于基线方法。 2025年07月10 00:00 2025年07期 63 70 1793933 陈霄萍1,李涛1,2,李琳1,2,郭佳雄1,伍章驰1,代雪晴1,李家攀3,覃阳青3,何柳4 /oa/darticle.aspx?type=view&id=20250710 针对传统云端数据访问控制方案中存在用户无法在不下载密文数据的情况下对存储在云服务器上的数据进行完整性验证和仲裁,以及验证流程中存在对第三方机构的可信依赖问题,提出一种去中心化密文属性基加密及审计方法(A decentralized ciphertext attribute-based encryption and auditing method,D-CPABEA)。 该方法利用同态签名技术,使用户能在不下载密文数据的情况下对云端数据进行完整性验证;通过基于区块链的多属性授权机构,实现去中心化用户密钥生成,可防止未授权用户与属性授权机构进行合谋攻击;采用基于密文属性基加密的访问控制机制实现了对云端数据的动态访问控制;采用链上智能合约技术,解决了现有云端数据审计方案完整性验证流程中对可信审计机构依赖的问题。 安全分析与实验验证结果表明该方法具有良好的安全性与可用性。 2025年07月10 00:00 2025年07期 71 78 1801980 唐杨1,田达2,唐寅1,徐志鹏1,朱柏魁1 /oa/darticle.aspx?type=view&id=20250711 随着大数据时代的到来,数据安全和隐私保护问题日益凸显。 隐私计算作为一种新兴技术,以其“可用不可见”的特性,为多方数据的安全协同计算提供了有效解决方案。 在隐私计算的众多技术路线中,同态加密凭借其能够在密文状态下直接进行计算的独特优势,成为实现数据隐私保护的关键技术之一。 然而,以 Paillier 算法为代表的传统同态加密方案在实际应用中面临着计算效率低下的瓶颈,严重制约了隐私计算的推广和落地。 该文聚焦 Paillier 同态加密算法的效率优化问题,针对 Paillier 算法存在的效率瓶颈,提出了 CRT-Paillier 快速同态加密算法。 该算法通过引入中国剩余定理对Paillier 的加密结构进行优化,同时设计了预加密算法,有效降低了加密过程中的计算复杂度。 为了验证 CRT-Paillier 算法的有效性和性能提升,进行了详细的仿真实验。 实验结果表明,与原始Paillier 算法相比,CRT-Paillier 算法在加密效率上提升了 76. 4% ,整体计算效率提升了 48. 45% ,进一步提升了同态加密算法在隐私计算领域的实用性。 2025年07月10 00:00 2025年07期 79 83 1282502 马培超1,赵德2,白松林3,李子臣1 /oa/darticle.aspx?type=view&id=20250712 时序知识图谱推理旨在借助时序信息,捕捉知识图谱演化过程,并补充知识图谱中的缺失链路。 针对大多数模型缺乏对新实体的考虑或未考虑不同数据集中重复事件的比例,该文提出了一种基于全局与历史对比的时序知识图谱推理模型。 为增强对新实体的识别与适应能力,设计了全局生成编码器,高效提取全局静态实体信息,并利用多头注意力机制精确聚焦相关实体。 同时,引入历史线索编码器,从直接历史线索和关联历史线索两个维度提取历史事实。 为准确区分全局信息与历史信息的差异,模型还集成了对比学习模块,促使模型关注全局依赖信息与历史依赖信息的不同。 模型在ICEWS14、GDELT、YAGO 以及 WIKI 等多个数据集上进行了链路预测实验,结果表明模型在 MRR、Hits@ 1、Hits@ 3、Hits@ 10 等评价指标上较次优模型获得了 2 百分点至 6 百分点的提升,有效提升了时序知识图谱的推理能力。 2025年07月10 00:00 2025年07期 84 92 1624180 田萍芳1,2,张冰1,2,黄涛1,2,齐凤亮1,3,光晓俐1,3,顾进广1,2 /oa/darticle.aspx?type=view&id=20250713 针对随机递归梯度法(SARAH)求解多核学习(MKL)的不足之处,如收敛速度缓慢以及计算成本高等问题,该文提出一种改进算法———基于随机 Polyak 步长(SPS)的小批量随机递归梯度下降算法(SPS-MSARAH)来求解多核学习优化问题。 首先将小批量方法引入随机方差缩减类算法中,选取一个固定大小的样本集代替单个训练样本计算 SARAH 的梯度,降低传统随机梯度下降算法使用单个样本计算梯度导致较大的波动和不稳定性所带来的方差。 在此基础上,使用随机 Polyak 步长自适应地更新小批量 SARAH 的步长,使得优化过程更加灵活和鲁棒,从而解决随机优化算法中步长选取的难题。 为了验证该算法的有效性,在标准数据集上进行了详细的数值实验。 实验结果显示,在求解大规模多核学习优化问题时,SPS-MSARAH 算法不仅显著提高了收敛速度,还有效降低了计算复杂度。 此外,对初始参数的敏感性问题也得到了很好的克服,展现出良好的鲁棒性。 2025年07月10 00:00 2025年07期 93 99 1741602 王梅1,2,任怡果1*,刘勇3,王志宝1,4 /oa/darticle.aspx?type=view&id=20250714 针对现有视听情绪识别方法在特征提取层级别的模态互补性研究不足以及传统的视听情绪识别方法通常难以充分挖掘音频与视频模态之间的互补性等问题,提出了一种基于 Kolmogorov-Arnold Networks(KAN)卷积、多尺度特征提取和跨模态注意力机制的情绪识别模型。 该模型在音视频特征提取过程中引入 KAN 卷积,通过多尺度卷积核捕捉不同层次的情绪特征,KAN 卷积通过可学习的 B 样条函数建模数据中的非线性模式,从而增强了模型对复杂情绪模式的学习能力。为了提升模态间信息的互补性,特征融合阶段采用了跨模态注意力机制。 能够有效地对音视频特征进行加权融合,使得模型能够更好地捕捉音视频模态的交互关系,从而提升情绪识别的性能。 在 RAVDESS 数据集上的实验结果表明,该模型的准确率和 F1 值分别达到了 75. 62% 和 77. 23% ,相较于传统方法取得了显著提升。研究表明,该模型在多模态情绪识别任务中表现出更强的鲁棒性和适应性,为视听情绪识别应用提供了新的有效方案。 2025年07月10 00:00 2025年07期 100 107 1141709 罗志鑫1,刘知贵1,2,唐荣1,潘志祥3,李理1,2 /oa/darticle.aspx?type=view&id=20250715 随着工业领域中传感器技术的发展,数据量和复杂性迅速增加,传统的异常检测方法在面对噪声干扰和复杂数据模式时,显得力不从心。 该文提出一种多元时序异常检测模型 AE-STCN,结合了自动编码器(AE)和对称时域卷积网络(STCN)的优势,联合使用预测与重构的方法进行优化,以更准确地捕捉异常模式。 其中自动编码器通过学习数据的内在结构进行时间序列重构,改进的对称时域卷积网络对输入序列进行镜像翻转预测未来时刻的值,进一步捕捉时间序列中的时序依赖性。考虑到训练数据中的噪声污染问题,该文还提出了一种基于 Transformer 的滤波器模块,有效减弱了噪声对模型训练的负面影响,增强了对正常模式的学习能力。为验证模型的性能,在 3 个公开数据集对 AE-STCN 进行了实验,并在 AUC、 F1 和 Fc1 指标的综合评估下实现了最佳性能。 结果表明 AE-STCN 优于所有基线模型,充分证明了 AE-STCN 在处理多元时间序列数据时的有效性和优越性,为多元时序异常检测提供了一种新的、可靠的解决方案。 2025年07月10 00:00 2025年07期 108 116 1595750 洪培林1,曾碧卿2,刘馨瑶1 /oa/darticle.aspx?type=view&id=20250716 在本体演化过程中,尽管领域专家的参与至关重要,但也同时存在着知识局限、成本高昂、效率低下等问题。 为此,该文提出了一种利用大语言模型来指导本体演化的方法,旨在降低本体演化过程对领域专家的依赖。 方案共设计六种提示范式:二元决策完型范式、二元决策前缀范式、多元决策完型范式、多元决策前缀范式、整体输入范式、分步输入范式。 通过四种方式(二元决策、多元决策、完整输入和分步输入)将待删除的实体三元组等信息输入到大模型中,根据模型输出结果重新构建本体,比较本体演化前后的结构相似率来衡量模型效果。 研究使用了 ChatGPT-V3. 5 和 Llama-7B 两种模型,并对民航客服本体(CACSO)、天气预测本体(SENSOR)和中文糖尿病本体(CDMO)三个领域的数据集进行了零样本实验。 实验结果表明,与传统的专家驱动方法相比,基于大语言模型的本体演化方法显著提升了效率,降低了对专家资源的依赖,验证了大语言模型在本体演化中的可行性,为本体演化领域提供了一种创新的智能化决策方法。 2025年07月10 00:00 2025年07期 117 124 1782259 廖光忠1,2,方锤1,2,陆晨阳1,2,顾进广1,2 /oa/darticle.aspx?type=view&id=20250717 为了解决光伏功率预测中存在的不稳定性和波动性问题,以及长短期记忆网络(LSTM)在参数确定方面的困难,该文提出了一种基于改进蜣螂优化算法(IDBO)、时间卷积网络(TCN)和长短期记忆网络相结合的短期光伏功率组合预测模型。 首先,利用 Tent 混沌反向学习策略对蜣螂算法的种群进行初始化,以提高算法的探索能力和多样性;引入莱维飞行和动态权重因子更新解决原始算法收敛慢和易陷入局部最优的问题;引入高斯-柯西变异对最优个体进行扰动,增强全局搜索能力。其次,选择获得感受野更大的 TCN 作为特征提取层,以捕捉更加复杂的时间序列模式。 最后,采用改进蜣螂优化算法优化 LSTM 网络模型的参数设置,建立 IDBO-TCN-LSTM 组合预测模型并在澳大利亚光伏数据集上进行仿真实验。对比结果显示,该模型在处理短期光伏预测任务的预测精度上优于其他模型。 2025年07月10 00:00 2025年07期 125 132 1496535 周新宇,姜志航,白峻铭,梁宏涛 /oa/darticle.aspx?type=view&id=20250718 为了实现对危化品事故案例的有效管理,首先需要对事故案例文本进行精确分类。 尽管当前的大语言模型(LLMs)在经过简单微调后能够在特定领域的中长文本分类任务中表现良好,但却忽视了生成式大语言模型强大的推理能力对于此类任务的重要促进作用。 生成式大语言模型不仅具有生成分类结果的能力,还具有生成推理过程的能力。 基于此,该文提出了一种基于推理模式的大语言文本分类模型,具体构建流程如下:首先,利用大型 LLMs“通义千问 2. 5”的推理能力,模拟生成连接案例文本和真实标签的中间推理过程;然后,将生成的推理过程编码为结构化的提示信息,并嵌入到用于分类任务的提示模板中;最后,在低资源条件下,选择小型 LLMs“Qwen1. 5-4B”作为该文采用的文本分类器,利用“通义千问 2. 5”LLMs 构建的提示模板进行微调。 实验证明,该方法在危化品事故案例的小样本数据集中表现优异,其F1 值达到了 90. 22% 。 此外,在公开新闻数据集上验证了该方法的泛化性能,其 F1 值也达到了 88. 04% 。 2025年07月10 00:00 2025年07期 133 139 1594938 张又元1,2,马新春1,2,赵军3 /oa/darticle.aspx?type=view&id=20250719 标签分层分类方法从根节点出发,选择不同路径逐步细化分类。 针对现有方法忽略了分类时选择不同长度路径会面临不同风险的问题,提出了一种融合路径长度的多路径层次标签分类方法(MCPL)。 首先,采用自顶向下的递归方法,通过逻辑回归获得到达不同节点路径的概率;其次,根据节点的位置信息计算不同节点间的路径长度,利用路径长度为路径赋权,使用赋权后的父节点路径概率和当前节点路径概率以更新当前节点的路径概率;最后,在不同层级,依照节点间的兄弟关系在每个层级选择多个可能的粒度类别,将最后选择的多个类别经过分类器进行再次分类。 在 DD、F194、Car196、VOC、CLEF 和 Bridges 数据集上进行实验,相较于六种分层分类方法中最好的结果,MCPL 的样本分类准确率指标平均提高了 2. 4% ,层次分类指标平均提高了 0. 36% ,层次结构诱导误差指标平均降低了 1. 4%。 实验结果表明,MCPL能够有效提高分类性能。 2025年07月10 00:00 2025年07期 140 147 1943443 程玉胜1,2,孙鸿飞2,余钟萍2 /oa/darticle.aspx?type=view&id=20250720 该文研究了全自动代客泊车系统中的轨迹规划,并提出了一种创新的基于深度强化学习的方法。 当前的路径规划技术主要依赖几何算法,这些方法在复杂停车环境中面临诸多限制,尤其是在处理动态障碍物和环境变化不确定性时。此外,基于优化的策略虽然理论上有效,但其计算复杂度较高,难以实现实时响应,限制了其在实际应用中的可行性。 该文提出了一种数据与规则混合驱动泊车轨迹规划方法。 该方法通过利用历史数据和经验规则,显著提高了系统的可扩展性和泛化能力。 值得注意的是,该方法不依赖于实时交互获取其他车辆的精确物理信息,使其更加适合当前实际应用场景中信息不完全或传感器受限的情况。 此外,采用课程学习和混合 A*算法来加速强化学习模型的收敛速度,通过逐步增加任务复杂度,提升模型对环境变化的适应能力。 实验结果显示,该方法在复杂自动泊车任务中的表现优异,能够有效实现高效、安全的泊车操作,充分展现了其在全自动代客泊车系统中的应用潜力。 2025年07月10 00:00 2025年07期 148 155 1863650 赵花蕊1,曹仰杰2 /oa/darticle.aspx?type=view&id=20250721 停机位分配问题需要将有限的资源(即机场的停机位)合理分配给需要这些资源的任务(即到达和离港的航班),属于高维离散多目标优化问题。 现阶段研究方法主要是建立数学模型,并使用各种智能算法来求解获得最优解集。 然而,针对停机位问题中高维离散化的特征,多数算法在进化过程中,使用非支配排序和精英策略来筛选后代,可能导致种群的多样性变差、帕累托前沿的不均匀分布等问题,从而降低解集的质量。 该文提出了一种基于种群密度自适应变异策略的算法,通过智能地调节变异操作的方向和方位,有效维护并增强目标搜索空间内的探索广度与深度,用于保持目标空间和种群的多样性。 将该算法与多种具有代表性的遗传算法和智能算法进行比较。 实验结果表明,在有限时间内该算法在决策空间中能找到更多有效的解,并且能更好地保持决策空间和目标空间多样性和收敛性的平衡,有效指导停机位分配,整体效果要好于现有遗传算法和智能算法。 2025年07月10 00:00 2025年07期 156 164 1465654 蹇文康1,2,李涛1,2,吕林3,项鹏4,何柳5 /oa/darticle.aspx?type=view&id=20250722 苗族蜡染是贵州省非物质文化遗产的重要组成部分,它是苗族人民历史、图腾、民俗、远古神话等族群文化的原始记录,具有深厚的文化内涵和独特的艺术价值。 为了更好地保护和传承蜡染文化,该文在深入探索蜡染图案中纹样内涵和审美取向的基础上,揭示了苗族人民独特的崇拜意识和以对称为美的特点,并提出了一种基于分割一切模型( Segment Anything Model,SAM)和对称群的蜡染图案设计方法。 首先,采用 SAM 提取原始蜡染图像中的基础纹样;其次,采用对称群的 17 种基本法则对提取的纹样进行推演与创新,设计出既符合苗族人民审美又富有艺术多样性的蜡染图案;然后,基于对称群的蜡染图案设计流程,开发了设计辅助原型系统,包括类型选择、参数设置、基本纹样、基本信息等关键模块,为用户提供了便捷的设计支持;最后,将设计的蜡染图案应用于产品设计领域。 设计结果表明,该方法不仅增加了蜡染图案的多样性,还提升了图案设计的创新水平,对推动贵州苗族文化的活态传承和保护有积极的促进作用。 2025年07月10 00:00 2025年07期 165 172 2423683 全华凤1,李宜汀1*,刘大帅2,刘征宏3,胡建军4 /oa/darticle.aspx?type=view&id=20250723 多模态磁共振成像(MRI)在脑肿瘤分割中具有重要应用,但模态缺失问题在临床中普遍存在,导致肿瘤区域细节丢失及模态间关联性遭到破坏等问题,显著降低分割性能。 为此,该文提出一种基于图卷积与 Transformer 融合的缺失模态脑肿瘤分割模型。 模型首先采用三维卷积与 MBConv 结合的编码器模块提取局部特征,并利用三维适配器捕获脑肿瘤的空间信息,增强模态内特征表达能力。 随后,设计了动态图卷积-Transformer 融合模块:其中,动态图卷积用于生成模态相关性矩阵,捕获模态间局部依赖关系,并结合掩码机制有效处理模态缺失;同时,Transformer 模块则通过自注意力机制建模模态与肿瘤区域的全局相关性与上下文信息,从而显著提升特征融合鲁棒性。 在 BraTS2018 和 BraTS2020 数据集上的实验结果表明,该模型在完整肿瘤、肿瘤核心及增强肿瘤区域的平均 Dice 系数较M2FTrans 分别提升 1. 36 百分点、1. 28 百分点和 1. 39 百分点,验证了其在模态缺失场景下的优越性。 2025年07月10 00:00 2025年07期 173 181 1308964 王彩莲,郑文斌 /oa/darticle.aspx?type=view&id=20250724 在电力巡检领域,电力设备红外图像检测的重要性不言而喻,其准确性直接关系到电力系统的稳定运行与安全性。 针对当前复杂场景下红外图像目标检测存在的识别精度不足、分类混淆以及漏检误检等问题,该文提出了一种基于 YOLOv9 的改进检测方法。 该方法首先通过引入空间到深度卷积层(SPD-Conv),实现了模型主干网络的轻量化设计,有效提升了计算效率与实时性。 随后,结合卷积块注意力模块(CBAM),进一步优化了模型对关键特征的提取能力,增强了检测的准确性。 此外,还采用 Focal-IoU 作为损失函数,强化了模型的判别能力,减少了定位误差。 实验结果表明,在南方电网电力设备红外数据集上,该算法取得了显著的成效,mAP 值达到了94. 4% ,同时推理速度也达到了59. 5 f/ s,充分展示了该方法在检测精度与计算效率方面的双重优势。 与现有方法相比,该模型在各类电力设备上的检测能力均有所提升,为电力巡检领域提供了一种更为可靠、高效的解决方案。 2025年07月10 00:00 2025年07期 182 189 2172351 贺强1*,刘洋1,游鑫1,张瑞亮1,王玉峰1,黄谦1,何雨非2 /oa/darticle.aspx?type=view&id=20250725 数字孪生技术在城市、文旅、能源、工业和教育等多个领域应用广泛,高效完成其渲染任务成为核心挑战。 随着5G-A/ 6G 网络和智能设备的普及,云边端协同计算通过资源的高效缓存、快速传输和就近计算,显著缩短渲染任务的执行时间。 该文围绕着云边端协同技术在数字孪生渲染任务中的应用需求,探讨云边端协同网络架构下的分布式缓存和分布式计算的优化问题。 首先,分析了面向数字孪生渲染云边端协同的技术架构特点,并总结了云边端协同渲染的典型流程;其次,针对数字孪生渲染对高质量、低延时性能的需求,提出了一种集分布式缓存和分布式计算为一体的云边端协同的技术方案;最后,分别从任务分解、资源在边和端的缓存策略以及云边端分布式渲染的调度策略等角度讨论云边端协同优化技术。 最后给出一些开放性研究问题和未来的研究方向。 2025年07月10 00:00 2025年07期 190 195 1561378 王乐1,张小磊1,张磊2 /oa/darticle.aspx?type=view&id=20250726 区块链技术的快速发展推动了去中心化账户管理的广泛应用,尤其在数字资产和身份管理方面,然而,传统的私钥管理模式存在着私钥丢失或泄露风险,用户一旦丢失私钥便永久失去对资产的控制权。 近年来,智能合约抽象账户已成为一种新型的去中心化数字身份管理方式,不仅提高了用户数据的隐私保护,还允许用户自主掌控身份信息,提供了去信任、不可篡改的身份验证手段。 智能合约账户通过智能合约与用户身份绑定,能够自动化执行身份验证和资产管理任务,赋予用户对数字资产的自主控制权。 现有的许多方案使用安全多方计算技术将私钥分割成多个片段分布存储,防止了单点故障,且仅在满足一定数量的参与方协作时才能重建私钥。 这种方法提高了安全性,但在实际应用中,当门限无法达成时,私钥恢复往往面临失败的风险。 为了解决这个问题,文中方案结合多方计算技术和基于域名识别邮件协议的社交恢复,通过引入邮件验证和零知识证明为私钥恢复提供了备用路径。 这样,即使门限条件无法满足,用户也可以通过安全的社交恢复方式重获对合约账户的访问权。 该方案提高了私钥管理的灵活性和安全性,为区块链生态中的数字资产管理提供了新的思路。 2025年07月10 00:00 2025年07期 196 206 1523071 黄世龙,周迅,梁培利 /oa/darticle.aspx?type=view&id=20250727 为了及时发现云网设备运维过程中的不合规操作,保障云网设备安全稳定,设备日志分析技术备受关注,特征提取是该技术的基本方法,特征质量直接影响着最终结果。 针对电信场景,提出了一种将先验知识和无监督学习相融合的特征提取方法。 该方法首先以华为、中兴通讯、烽火通信、新华三等市场主流通信设备制造商的产品手册,中国电信云网设备变更操作管理办法,运维案例库为基础,人工筛选出符合目标要求的特征;然后为日志中的每个操作条目提取操作摘要,即主题词,以 TF-IDF 思想为基础,计算出每个操作摘要的权重值,从而实现无监督学习的特征提取;最后将先验知识和无监督学习两种方法提取的特征相融合,组成变更操作特征库,增强了特征在电信企业管理要求和未知场景预测两方面的代表性。 测试结果表明,该方法能对设备操作日志进行高效分析,实现合规性检查,用户自定义特征的日志信息提取,子日志划分等功能,且对机器硬件要求低,部署便捷、成本低廉,为电信运营商的设备运维安全检查提供支持。 2025年07月10 00:00 2025年07期 207 213 0 杜佳*,樊琳卓 /oa/darticle.aspx?type=view&id=20250728 针对传统光伏输出功率预测模型准确度不高、训练效率较低的问题,提出一种基于时域卷积网络(TCN)与双重注意力机制(DAM)的光伏功率预测模型。 首先,利用时域卷积网络中的第一个因果扩张卷积层对输入序列数据进行因果扩张卷积运算,初步提取数据短期依赖关系;随后,采用多头注意力机制对重要时间步进行加权,从而捕捉序列数据的长期依赖关系;接着,通过时域卷积网络的第二个因果扩张卷积层进一步提取数据深层次特征,以增强模型对数据短期依赖特征的提取能力;然后,利用外部注意力机制将外部信息及第二个因果扩张卷积层的输出映射到隐藏特征空间,并通过非线性函数生成注意力权重分布,实现特征相关性权重的动态分配;最后,结合残差连接实现对光伏功率的高效预测。 算例分析结果表明,在实际测试中该模型的平均绝对误差、均方根误差和绝对系数分别为 473. 58 kW、828. 77 kW 和 98. 27% ,相较于传统光伏功率预测模型具有更高的预测精度,且模型训练耗时短,计算效率优良。 2025年07月10 00:00 2025年07期 214 220 0 张蕾1,2,季媛媛1,2,李娜1,2,朱俊澎3 /oa/darticle.aspx?type=view&id=20250729 2025年07月10 00:00 2025年07期 221 224 0 /oa/darticle.aspx?type=view&id=20250730 2025年07月10 00:00 2025年07期 225 228 0