計(jì)算機(jī)應(yīng)用最新期刊目錄

基于自適應(yīng)梯度匹配追蹤算法的超大規(guī)模多輸入多輸出混合場信道估計(jì)————作者：劉占軍;宋云鵬;王盛寶;

摘要：針對第六代（6G）無線網(wǎng)絡(luò)中超大規(guī)模多輸入多輸出（XL-MIMO）系統(tǒng)在混合場信道估計(jì)中面臨的高復(fù)雜度，低精度問題，提出了一種自適應(yīng)梯度匹配追蹤算法（AGMP）。首先，該算法利用角域變換矩陣對遠(yuǎn)場分量進(jìn)行估計(jì)，然后通過極域變換矩陣估計(jì)近場分量，并將信道估計(jì)問題轉(zhuǎn)化為稀疏重構(gòu)問題；其次，在估計(jì)分量過程中，采用最小均方（LMS）算法，并結(jié)合自適應(yīng)梯度搜索策略，通過動(dòng)態(tài)調(diào)整步長參數(shù)優(yōu)化路徑分量估計(jì)，并迭...

基于QAR數(shù)據(jù)的飛行俯仰操作特征提取方法————作者：張秀艷;劉文濤;王新;

摘要：快速存取記錄器(Quick Access Recorder,QAR)數(shù)據(jù)分析效率低，對QAR數(shù)據(jù)進(jìn)行特征提取至關(guān)重要。針對QAR數(shù)據(jù)特征提取對于時(shí)序趨勢特征關(guān)注不足的問題，融合分段三次Hermite插值（PCHIP）和序關(guān)系分析法(G1)形成模型插值賦權(quán)部分PG，結(jié)合卷積自編碼器(CAE)構(gòu)建PG-CAE模型，提出一種基于PG-CAE模型的飛行俯仰操作特征提取方法，為飛行級(jí)異常檢測等分析提供支持。...

基于深度學(xué)習(xí)的函數(shù)體切片級(jí)的C/C++智能合約漏洞檢測工具————作者：李浴淑;邢穎;陸思奇;潘恒;柴森春;斯雪明;

摘要：針對智能合約漏洞問題導(dǎo)致的安全事件頻發(fā),現(xiàn)有智能合約漏洞檢測工具在語言種類上的不擇，特別是缺乏對C/C++智能合約源碼級(jí)別的漏洞檢測問題，提出了使用基于深度學(xué)習(xí)方法來對C/C++智能合約進(jìn)行漏洞檢測，并設(shè)計(jì)了一種基于深度學(xué)習(xí)的函數(shù)體切片級(jí)C/C++智能合約漏洞檢測工具。首先，該工具從源碼的角度入手，引入了深度學(xué)習(xí)在圖像處理領(lǐng)域中的目標(biāo)區(qū)域概念，并將其應(yīng)用于智能合約漏洞檢測。其次，該工具的實(shí)現(xiàn)主要分...

面向擴(kuò)散模型輸出的水印方法————作者：賈源;袁得崳;潘語泉;王安然;

摘要：為解決模型版權(quán)保護(hù)和深度偽造檢測中圖像真實(shí)性驗(yàn)證的問題，提出了高質(zhì)量和高魯棒的擴(kuò)散模型水印方法DeWM(Decoder-driven WaterMarking for Diffusion Model)。首先，提出了一種由解碼器驅(qū)動(dòng)的水印嵌入網(wǎng)絡(luò)，實(shí)現(xiàn)了編碼器和解碼器特征的直接共享，從而生成有高魯棒性和不可見性的水印；其次，設(shè)計(jì)了一種微調(diào)策略，對預(yù)訓(xùn)練擴(kuò)散模型的解碼器進(jìn)行微調(diào)，使生成的所有圖像隱含特...

基于特征調(diào)控與顏色分離的凈標(biāo)簽多后門攻擊方法————作者：唐迎春;黃榮;周樹波;蔣學(xué)芹;

摘要：針對傳統(tǒng)的后門攻擊缺乏隱蔽性與靈活性的問題，提出一種基于特征調(diào)控與顏色分離的凈標(biāo)簽多后門攻擊方法，以信息隱藏框架為基礎(chǔ)，訓(xùn)練中毒網(wǎng)絡(luò)嵌入觸發(fā)器。首先以圖像邊緣作為觸發(fā)器，通過設(shè)計(jì)特征調(diào)控策略，結(jié)合對抗擾動(dòng)與代理模型輔助訓(xùn)練中毒網(wǎng)絡(luò)，以增強(qiáng)觸發(fā)器特征的顯著性；其次，通過提出顏色分離策略對觸發(fā)器進(jìn)行著色，賦予觸發(fā)器可區(qū)分的RGB空間顏色以及設(shè)置與顏色相對應(yīng)的one-hot目標(biāo)置信度引導(dǎo)訓(xùn)練，保證觸發(fā)器...

融合情感詞典的多視角語言特征方面情感三元組抽取模型————作者：張正悅;彭菊紅;丁子胥;范馨予;胡長玉;

摘要：在自然語言處理（NLP）任務(wù)中，方面情感三元組抽取（ASTE）旨在識(shí)別文本中方面詞，觀點(diǎn)詞和情感極性之間的聯(lián)系，是現(xiàn)實(shí)細(xì)粒度情感分析的關(guān)鍵步驟。在當(dāng)前的主流方法中，端到端模型普遍存在對語言特征理解不足和情感表達(dá)稀疏性處理不佳的問題，限制了模型的準(zhǔn)確性和魯棒性，管道式模型存在傳播錯(cuò)誤問題。針對上述問題，提出一種融合情感詞典的多視角語言特征方面情感三元組抽取模型（MVLF-SL）。多視角語言特征能夠幫...

基于關(guān)鍵點(diǎn)距離的全局特征位姿估計(jì)方法————作者：熊毅;王蔡琪;梅嶺;伍世虔;

摘要：為解決位姿估計(jì)中由于點(diǎn)云存在較多的相似特征和非對應(yīng)點(diǎn)導(dǎo)致位姿估計(jì)精度低的問題，提出一種基于關(guān)鍵點(diǎn)距離的全局特征位姿估計(jì)方法，該方法使用關(guān)鍵點(diǎn)之間的距離構(gòu)建全局特征，避免相似的局部特征對位姿估計(jì)精度的影響。同時(shí)，為提升全局特征匹配速度，提出了一種基于距離對照表的特征匹配策略，通過對照表對全局特征投票進(jìn)行相似度量，從而在避免非對應(yīng)點(diǎn)干擾的同時(shí)，有效地提高了通過全局特征找尋對應(yīng)關(guān)系的效率。最后，將這些對...

時(shí)間感知和空間增強(qiáng)的雙通道圖神經(jīng)網(wǎng)絡(luò)會(huì)話推薦模型————作者：楊興耀;齊正;于炯;張祖蓮;馬帥;沈洪濤;

摘要：為解決會(huì)話推薦模型忽略項(xiàng)目之間的時(shí)間信息和空間關(guān)系，導(dǎo)致無法準(zhǔn)確捕獲項(xiàng)目之間復(fù)雜轉(zhuǎn)換模式的問題，提出一種時(shí)間感知和空間增強(qiáng)的雙通道圖神經(jīng)網(wǎng)絡(luò)的會(huì)話推薦模型。首先，對于時(shí)間通道，采用自適應(yīng)的時(shí)間權(quán)重對項(xiàng)目處理，構(gòu)建時(shí)間感知的會(huì)話圖，并通過時(shí)間感知的圖神經(jīng)網(wǎng)絡(luò)捕獲用戶的興趣轉(zhuǎn)移模式。其次，對于空間通道，將項(xiàng)目之間的空間關(guān)系嵌入到一個(gè)圖注意力網(wǎng)絡(luò)中，從空間圖結(jié)構(gòu)的角度對信息聚合。最后，引入一種對比學(xué)習(xí)策...

基于改進(jìn)YOLOv11的無人機(jī)目標(biāo)檢測算法————作者：趙子杰;王毅;唐瑞卿;楊晨;李娟;

摘要：針對無人機(jī)空對地檢測中存在的尺度不一、小目標(biāo)檢測效果不佳及檢測框密集重疊等問題，提出了一種改進(jìn)YOLOv11目標(biāo)檢測網(wǎng)絡(luò)。該網(wǎng)絡(luò)將YOLOv11網(wǎng)絡(luò)的C3K2結(jié)構(gòu)替換為C3K2＿D結(jié)構(gòu)，增強(qiáng)了網(wǎng)絡(luò)對不規(guī)則物體的提取能力，另外在Yolov11網(wǎng)絡(luò)中引入雙線性自注意力機(jī)制，雙線性自注意力機(jī)制通過融合局部注意力和非局部注意力，增強(qiáng)了主干網(wǎng)絡(luò)的特征提取能力；針對檢測框密集重疊的問題，設(shè)計(jì)了MPDCIoU ...

基于自適應(yīng)擾動(dòng)的網(wǎng)絡(luò)防測繪方法————作者：王誠熠;徐磊;陳晉音;邱洪君;

摘要：基于深度強(qiáng)化學(xué)習(xí)（Deep Reinforcement Learning, DRL）的智能化網(wǎng)絡(luò)測繪方法通過將網(wǎng)絡(luò)測繪過程建模為馬爾可夫決策過程（Markov Decision Process, MDP），利用試錯(cuò)學(xué)習(xí)的方式訓(xùn)練攻擊智能體以尋找網(wǎng)絡(luò)關(guān)鍵路徑，從而獲取網(wǎng)絡(luò)拓?fù)湫畔ⅰＨ欢�，傳統(tǒng)的網(wǎng)絡(luò)防測繪方法通常基于固定的規(guī)則，難以應(yīng)對DRL智能體在測繪過程中不斷變化的行為策略。為此，提出了一種基于自...

基于信道先驗(yàn)多尺度跨軸注意YOLO的無人機(jī)視角下多尺度小目標(biāo)檢測算法————作者：肖海林;田波;胡彬;孔祥婷;吳媛媛;馬仁煜;張中山;

摘要：針對當(dāng)前無人機(jī)視角下小目標(biāo)檢測存在準(zhǔn)確率低問題，提出一種基于信道先驗(yàn)多尺度跨軸注意YOLO(CPMS-YOLO)的無人機(jī)視角下多尺度小目標(biāo)檢測算法。首先，該算法在骨干網(wǎng)絡(luò)中融入能在復(fù)雜背景下更好地提取和強(qiáng)化有用特征的多尺度注意力模塊CPMS(Channel-Prior-Multi-Scale Cross-Axis Attention)，模塊使算法能夠更容易的學(xué)習(xí)到感興趣區(qū)域的位置細(xì)節(jié)并提高對不同尺...

基于NOMA的無人機(jī)輔助數(shù)據(jù)收集的安全能效優(yōu)化————作者：薛建彬;盧慧慧;陳慶斗;張寒;吳明葉;

摘要：針對無人機(jī)(UAV)在安全數(shù)據(jù)收集場景中的能量受限問題，通過聯(lián)合優(yōu)化信道關(guān)系、地面?zhèn)鞲衅靼l(fā)射功率和UAV飛行軌跡，以最大化系統(tǒng)安全能效(SEE)為目標(biāo)，提出一種基于UAV的安全高效數(shù)據(jù)收集優(yōu)化方案。由于目標(biāo)函數(shù)具有分式優(yōu)化特性，使問題難以直接求解。為解決上述難題，設(shè)計(jì)了一種基于交替優(yōu)化的迭代算法，通過引入輔助變量并利用泰勒級(jí)數(shù)展開方法求解信道關(guān)系和地面?zhèn)鞲衅鞴?jié)點(diǎn)發(fā)射功率的優(yōu)化問題，同時(shí)采用強(qiáng)化學(xué)習(xí)...

基于空間注意力的氣溫預(yù)報(bào)誤差訂正網(wǎng)絡(luò)————作者：趙學(xué)良;張渝淋;孫啟龍;劉林春;朱峰;劉曉莉;

摘要：氣溫預(yù)報(bào)誤差的訂正方法對社會(huì)發(fā)展和個(gè)人生活都具有重要意義。以U-Net為基礎(chǔ)的模型受本身歸納偏置限制，對具備顯著地理差異的氣象數(shù)據(jù)訂正存在一定局限性。為解決該問題，采用全連接網(wǎng)絡(luò)對格點(diǎn)獨(dú)立訂正，并添加空間注意力層，對不同區(qū)域進(jìn)行權(quán)值動(dòng)態(tài)調(diào)整，提出了基于空間注意力的格點(diǎn)氣溫訂正網(wǎng)絡(luò)SAGTCN。在內(nèi)蒙古自治區(qū)氣象數(shù)據(jù)集上，將SAGTCN模型與基于U-Net和Attention U-Net的訂正模型進(jìn)...

基于混合索引的鏈上數(shù)據(jù)查詢優(yōu)化————作者：張瑞陽;趙明潔;郭兵;江平洪;

摘要：針對區(qū)塊鏈系統(tǒng)在鏈上數(shù)據(jù)查詢上查詢效率低、查詢類型少的問題，提出一種區(qū)塊間索引模型。首先，對于區(qū)塊中離散型屬性，提出倒排布隆過濾器(Inverted Bloom Filters,IBFS)索引。使用該索引查詢數(shù)據(jù)時(shí)無需遍歷全部區(qū)塊，可以在O(1)時(shí)間復(fù)雜度內(nèi)定位到目標(biāo)區(qū)塊。其次，對于連續(xù)型屬性，使用聚類算法計(jì)算區(qū)塊內(nèi)數(shù)據(jù)細(xì)粒度分布區(qū)間，結(jié)合區(qū)塊內(nèi)數(shù)據(jù)的最大最小值構(gòu)建雙層聚類鏈表(Dual-Laye...

基于一次性環(huán)簽名的區(qū)塊鏈混幣方案————作者：陳依林;李曉宇;

摘要：針對當(dāng)前區(qū)塊鏈混幣系統(tǒng)在保護(hù)用戶交易隱私的同時(shí)存在的難以抵御用戶重復(fù)轉(zhuǎn)賬攻擊和混幣中心泄露信息、偽造轉(zhuǎn)賬攻擊等問題，提出了一種基于一次性環(huán)簽名的區(qū)塊鏈混幣方案。首先，用戶向混幣中心存款并請求加入環(huán)組，其次在混幣中心驗(yàn)證通過后用戶使用一次性環(huán)簽名申請轉(zhuǎn)賬，最后混幣中心對簽名及轉(zhuǎn)賬指令進(jìn)行驗(yàn)證并轉(zhuǎn)賬。一次性環(huán)簽名的性質(zhì)使混幣中心只能確認(rèn)簽名是否來自用戶環(huán)組內(nèi)，而無法獲知具體來自哪位用戶，且一次性環(huán)簽名...

基于多尺度感知的多維空間融合水下圖像增強(qiáng)————作者：郭偉;王曼婷;曲海成;

摘要：針對深海拍攝會(huì)導(dǎo)致水下圖像色彩偏移、對比度過低和結(jié)構(gòu)不清晰等問題，結(jié)合空間、通道和三維特征的角度提出一種多尺度并行增強(qiáng)型網(wǎng)絡(luò)(MPENet)。MPENet是將圖像信息并行傳入多維特征提取網(wǎng)絡(luò)和編碼器中。在多維特征提取網(wǎng)絡(luò)中引入多尺度特征精煉模塊進(jìn)一步處理提取到的特征信息，使網(wǎng)絡(luò)更準(zhǔn)確學(xué)習(xí)不同尺度的信息。然后在編碼器中引入多維色彩增強(qiáng)模塊，增強(qiáng)圖像細(xì)節(jié)色彩。最后設(shè)計(jì)自適應(yīng)增強(qiáng)網(wǎng)絡(luò)對特征信息進(jìn)一步處理...

基于數(shù)據(jù)增強(qiáng)的子圖感知對比學(xué)習(xí)————作者：李玟;李開榮;楊凱;

摘要：圖神經(jīng)網(wǎng)絡(luò)(GNN)是處理圖結(jié)構(gòu)數(shù)據(jù)的有效圖表示方法。然而在實(shí)際應(yīng)用中，GNN的性能受限于信息缺失問題。一方面，圖結(jié)構(gòu)通常較為稀疏，導(dǎo)致模型難以充分學(xué)習(xí)節(jié)點(diǎn)特征；另一方面，監(jiān)督學(xué)習(xí)依賴的標(biāo)簽數(shù)據(jù)通常稀缺，使得模型訓(xùn)練受限，難以獲得魯棒的節(jié)點(diǎn)表示。針對以上問題，提出了一種基于數(shù)據(jù)增強(qiáng)的子圖感知對比學(xué)習(xí)模型SCLDA。首先，通過鏈路預(yù)測學(xué)習(xí)原始圖得出節(jié)點(diǎn)之間的關(guān)系得分，并將得分最高的邊添加到原始圖中以...

代理原型蒸餾的小樣本目標(biāo)檢測算法————作者：謝斌紅;王瑞;張睿;張英俊;

摘要：針對現(xiàn)有小樣本目標(biāo)檢測算法中類級(jí)原型生成精度不足、細(xì)節(jié)信息缺失導(dǎo)致目標(biāo)區(qū)域特征表達(dá)能力受限的問題，提出了一種基于代理原型聚合（APA）的小樣本目標(biāo)檢測算法（APA-FSOD），該算法通過代理注意力將支持特征蒸餾為細(xì)節(jié)豐富的原型，并基于相關(guān)性實(shí)現(xiàn)原型向量在查詢特征圖上的精準(zhǔn)分配，顯著強(qiáng)化了目標(biāo)實(shí)例區(qū)域的特征表達(dá)能力。此外，還設(shè)計(jì)了小波卷積增強(qiáng)模塊（WCEM）和自適應(yīng)多關(guān)系融合模塊（AMRF），分別用...

面向聯(lián)邦學(xué)習(xí)的投毒攻擊檢測與防御機(jī)制————作者：鐘琪;張淑芬;張鎮(zhèn)博;菅銀龍;景忠瑞;

摘要：為了解決聯(lián)邦學(xué)習(xí)中惡意客戶端通過上傳惡意更新破壞全局模型可靠性的問題，提出了一種面向聯(lián)邦學(xué)習(xí)的投毒攻擊檢測與防御算法FedDyna。首先，設(shè)計(jì)一種異常客戶端檢測方案，利用余弦相似度與歐幾里得距離的歷史標(biāo)準(zhǔn)差初步檢測異常更新，并結(jié)合多視角模型評估機(jī)制進(jìn)一步檢測可疑的客戶端，接著，提出一種自適應(yīng)調(diào)整策略，根據(jù)權(quán)重調(diào)整因子逐步降低被判定為異常客戶端的參與權(quán)重，直至將惡意更新從模型訓(xùn)練過程中剔除。在EMN...

考慮激光天線對準(zhǔn)開銷的LEO衛(wèi)星低延遲數(shù)據(jù)傳輸路由方法————作者：何梓芬;曾德澤;田厲鋒;李躍鵬;張佳宇;

摘要：近年來，隨著低地球軌道（LEO）衛(wèi)星數(shù)量的增加和性能的提升，LEO衛(wèi)星星座承擔(dān)更廣泛的在軌任務(wù)，導(dǎo)致衛(wèi)星數(shù)據(jù)的傳輸量呈指數(shù)級(jí)增長。新興的激光通信（LC）技術(shù)憑借更高帶寬的優(yōu)勢顯著提升了星間鏈路（ISL）數(shù)據(jù)通信效率。然而，基于激光通信的星間通信必須首先進(jìn)行發(fā)射天線和接收天線的對準(zhǔn)，且該對準(zhǔn)過程會(huì)產(chǎn)生較高的時(shí)間開銷。不僅如此，衛(wèi)星上的激光收發(fā)天線數(shù)量有限，不合理的激光路由通信鏈路規(guī)劃策略還將進(jìn)一步增...

提交