栏目文章

Select

1. 面向高维多目标优化的双阶段双种群进化算法

曹嘉乐, 杨磊, 田井林, 李华德, 李康顺

计算机工程与应用 2024, 60 (9): 159-171. DOI: 10.3778/j.issn.1002-8331.2307-0381

摘要（14）

PDF（pc）（1093KB）（18）

随着目标维度的上升，高维多目标优化问题的帕累托前沿越来越复杂，传统的基于分解的高维多目标进化算法难以挑选出多样性和收敛性良好的种群。针对以上问题提出了一种面向高维多目标优化的双阶段双种群进化算法。该算法将进化过程划分为两个阶段，在第一阶段判断帕累托前沿的形状是否规则，而在第二阶段则根据帕累前沿的形状选择是否对权重向量进行调整，以保证种群在规则及不规则帕累托前沿上都能获得良好的多样性。为了对权重向量进行调整且不影响算法的收敛性，该算法使用了两个种群进行进化，一个主种群正常进化，另一个辅种群作为权重向量。为了在不规则的帕累托前沿上获得一组适应种群分布的权重向量，引入了自然界中能量平衡的概念收集了多样性良好的辅种群作为权重向量。将提出的算法与其他算法在3-10目标的测试问题上进行比较。实验结果表明，提出的算法在大多数测试问题上性能优于比较的算法。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于邻域采样的多任务图推荐算法

张俊三, 肖森, 高慧, 邵明文, 张培颖, 朱杰

计算机工程与应用 2024, 60 (9): 172-180. DOI: 10.3778/j.issn.1002-8331.2308-0212

摘要（14）

PDF（pc）（3589KB）（12）

近年来，图神经网络（GNN）成为解决协同过滤的主流方法之一。它通过构建用户-物品图，模拟用户与物品的交互关系，并用GNN学习它们的特征表示。尽管现有在模型结构上的研究已取得了较大进展，但如何在图结构上更有效地进行负采样仍未有效解决。为此，提出一种基于邻域采样的多任务图推荐算法。该算法提出了一种基于GNN的邻域采样策略，该策略以每个用户为中心构建子图，将次高阶物品作为用户邻域采样的负样本，可以更有效地挖掘强负样本并提高采样质量。通过GNN对图结点进行信息聚合与特征提取，得到结点的最终嵌入表示。设计一种余弦边际损失来过滤部分冗余负样本，以有效减少采样过程中的噪声数据。同时，该算法引入了多任务策略对模型进行联合优化，以增强模型的泛化能力。在3个公开数据集上进行的大量实验表明，该算法在大多数情况下明显优于其他主流算法。

参考文献 | 相关文章 | 多维度评价

Select

3. 随机多属性子空间的ReliefF加权邻域粗糙集与属性约简

王莉

计算机工程与应用 2024, 60 (8): 69-77. DOI: 10.3778/j.issn.1002-8331.2307-0232

摘要（28）

PDF（pc）（572KB）（37）

属性约简是一种重要的数据降维预处理方法，然而现有的属性约简方法大多没有考虑信息系统中属性权重的信息。ReliefF算法是一种实现简单且运算效率高的属性权重评估方法，提出一种随机多属性子空间的ReliefF加权邻域粗糙集和属性约简算法。该方法生成了多组具有相同大小随机子空间的属性集划分，并对每组划分的随机子空间利用ReliefF算法计算得到属性的局部权重，将所有组得到的属性局部权重求取平均值，得到了信息系统每个属性最终的全局权重；基于属性权重的结果，提出一种新的加权邻域粗糙集模型，并证明了相关理论和性质；在该模型的基础上通过加权邻域依赖度提出一种信息系统的属性约简算法。在公开数据集上的属性约简实验结果表明，所提出的属性约简算法比已有的同类型算法整体上具有更优的约简性能。

参考文献 | 相关文章 | 多维度评价

Select

4. 混合驱动的粒子群算法

陈峰, 丁泉, 吴乐, 刘爱萍, 陈勋, 张云飞

计算机工程与应用 2024, 60 (8): 78-89. DOI: 10.3778/j.issn.1002-8331.2307-0368

摘要（63）

PDF（pc）（656KB）（68）

粒子群优化（particle swarm optimization，PSO）算法是一种在机器人运动规划、信号处理等领域有广泛应用的优化算法。然而该算法易陷入局部最优解，从而导致早熟问题。出现早熟问题的原因之一是粒子群仅依靠适应度值选择学习范例。为了克服上述问题，提出了一种基于适应度值、改进率和新颖性混合驱动的PSO算法（particle swarm optimization algorithm based on hybrid driven by fitness values，improvement rate，and novelty，FINPSO）。在该算法中，引入的新指标和遗传算法会平衡种群的探索与开发，降低粒子群早熟的可能性。适应度值、改进率和新颖性会作为粒子的评价指标。各指标独立地选择学习范例并保存到不同的档案中。粒子每一次速度更新都要确定各个指标的权重，并从每个档案中选择一个范例学习。该算法采用了遗传算法进行粒子间的信息交流。遗传算法中的交叉互换和突变会给种群带来更多的随机性，提升种群的全局搜索能力。以八个PSO算法变体作为对比算法，两个CEC测试套件作为基准函数进行实验。实验结果表明，FINPSO算法优于已有的PSO算法变体达到最先进水平。

参考文献 | 相关文章 | 多维度评价

Select

5. 混合多项自适应权重的混沌麻雀搜索算法

杜云, 周志奇, 贾科进, 丁力, 卢孟杨林

计算机工程与应用 2024, 60 (7): 70-83. DOI: 10.3778/j.issn.1002-8331.2307-0254

摘要（84）

PDF（pc）（1361KB）（113）

麻雀搜索算法具有原理简单、搜索能力强、快速寻优等优点，但是存在全局搜索不足、易陷入局部最优等缺点，针对其缺点提出了混合多项自适应权重的混沌麻雀搜索算法。增加改进Circle混沌映射提高种群多样性；在发现者引入自适应权重策略，提高发现者的全局搜索能力和搜索范围；在加入者引入改进鲸鱼优化算法的气泡网捕食策略，提高算法的局部搜索性能和跳出局部最优的能力；结合反向学习策略机制，对所有的个体进行最优选择，使每次迭代后的个体质量得到提升，以提高算法的寻优效率和寻优精度。将混合多项自适应权重的混沌麻雀搜索算法与4种经典基本算法和9种改进的麻雀搜索算法在12种测试函数和CEC2022测试函数上进行对比，改进算法有更好的寻优性能和收敛速度。

参考文献 | 相关文章 | 多维度评价

Select

6. 非合作群系统编队问题的纳什均衡优化控制方法

陈宏伟, 张庆杰, 葛渊峥, 周文宏

计算机工程与应用 2024, 60 (7): 84-91. DOI: 10.3778/j.issn.1002-8331.2309-0140

摘要（32）

PDF（pc）（689KB）（45）

针对群系统编队控制问题，提出了一种分布式非合作优化控制方法。建立了群系统编队控制问题的数学模型和个体代价函数，采用一致性策略设计了分布式控制协议框架。基于纳什均衡理论设计了带参控制协议框架。给出了群系统形成时变编队的充要条件，并利用李雅普诺夫方法分析了系统的稳定性和参数选取方法。仿真实验验证了方法的有效性，以及在优化性能和收敛速度方面的改进效果。

参考文献 | 相关文章 | 多维度评价

Select

7. 基于问题特征变化引导的动态鲁棒优化算法

李二超, 赵凤凯

计算机工程与应用 2024, 60 (6): 130-146. DOI: 10.3778/j.issn.1002-8331.2306-0033

摘要（38）

PDF（pc）（1501KB）（45）

随着时间的推移，鲁棒优化是解决动态优化问题的一种新方法，其目标是找到在很长一段时间内仍然可以接受的解决方案。该领域中大多试图根据其未来预测适应度值来寻找新的鲁棒解决方案，然而，预测未来的适应度值的误差往往偏大，对其寻求较好的鲁棒解造成较大的困难。针对这一问题，提出了一个基于问题特征变化引导的算法框架（ROOT-PFCG）来进行动态鲁棒优化。其问题特征变化情况主要参考解在当前环境下的目标函数值和相应相邻环境下的目标函数浮动值，由此提出三个重要指标。在预测和非预测的情况下，基于指标分别提出了三种不同的适应度决策规则来选解，保证其所选解受预测误差影响较小或不受影响，以此寻找更优的鲁棒解，并在此基础上提出了新的性能评价指标。在基准问题上的实验结果表明，所提出的算法能更好地提升鲁棒解的性能，并对不同情况下的指标进一步分析了其对性能的影响，在此基础上分析了更好的指标结合方法。

参考文献 | 相关文章 | 多维度评价

Select

8. 基于改进和声搜索的自适应DBSCAN算法

孟祥辉, 魏照坤, 张笑菊, 韩志凤

计算机工程与应用 2024, 60 (6): 147-154. DOI: 10.3778/j.issn.1002-8331.2307-0184

摘要（51）

PDF（pc）（751KB）（53）

DBSCAN算法作为一种经典的聚类算法被广泛地应用于各领域，但由于其参数的自适应性较差，应用效果完全取决于参数的设置。基于此，提出了基于改进和声搜索的自适应DBSCAN算法，以提高DBSCAN算法的自适应性。算法采用K-平均最近邻算法优化初始种群，从而改善初始种群质量，为后续的进化计算提供优质解；设计了基于双差分的更新算子，提升算法的搜索能力；采用两种更新策略结构避免算法过早收敛，提高和声搜索算法的寻优能力进而全面提升DBSCAN算法的自适应性。采用多种数据集并设计对比实验验证提出的算法。实验结果表明，提出的算法具有更佳的识别能力和自适应性。

参考文献 | 相关文章 | 多维度评价

Select

9. 三阶段自适应采样和增量克里金辅助的昂贵高维优化算法

顾清华, 刘思含, 王倩, 骆家乐, 刘迪

计算机工程与应用 2024, 60 (5): 76-87. DOI: 10.3778/j.issn.1002-8331.2306-0252

摘要（60）

PDF（pc）（857KB）（83）

代理辅助进化算法已广泛应用于求解代价高昂的多目标优化问题，但大多数由于代理模型的局限性而仅限于解决决策变量低维的问题。为了解决高维的昂贵多目标优化问题，提出了一种基于三阶段自适应采样策略的改进增量克里金辅助的进化算法。该算法使用改进的增量克里金模型来近似每个目标函数，此模型的超参数根据预测的不确定性进行自适应更新，降低计算复杂度的同时保证模型在高维上的准确性；此外，在模型管理方面提出一种三阶段自适应采样的策略，将采样过程分为不同的优化阶段以更有针对性的选择个体，能够首先保证收敛性，提高算法的收敛速度。为了验证算法的有效性，在包含各种特征的两组测试问题DTLZ（deb-thiele-laumanns-zitzler）、MaF（many-objective function）和路径规划实际工程问题上与最新的同类型算法进行实验对比，结果表明该算法在解决决策变量高维的昂贵多目标优化问题上具有较强的竞争力。

参考文献 | 相关文章 | 多维度评价

Select

10. 一种改进的局部均值伪近邻算法

李毅, 张德生, 张晓

计算机工程与应用 2024, 60 (5): 88-94. DOI: 10.3778/j.issn.1002-8331.2307-0117

摘要（75）

PDF（pc）（500KB）（84）

针对基于局部均值的伪近邻分类算法（LMPNN）易受近邻参数[k]和噪声点影响的问题，提出了一种改进的局部均值伪近邻分类算法（IPLMPNN）。利用双层搜索规则确定待测样本的最近邻，提高近邻集的选择质量；为了克服主观赋权法的不利影响，并且加强每个局部均值向量对分类的作用，引入注意力机制计算距离加权系数；使用改进的调和平均距离计算待测样本与局部均值向量之间的加权多调和平均距离，由此查找伪近邻点对待测样本进行分类。利用UCI和KEEL中的多个数据集对IPLMPNN算法进行仿真实验，并与8种相关算法进行比较。实验结果表明，IPLMPNN算法取得了令人满意的分类结果。

参考文献 | 相关文章 | 多维度评价

Select

11. 采用动态相关度权重的特征选择算法

许华杰, 刘冠霆, 张品, 秦远卓

计算机工程与应用 2024, 60 (4): 89-98. DOI: 10.3778/j.issn.1002-8331.2306-0230

摘要（89）

PDF（pc）（2466KB）（90）

基于互信息的特征选择算法在考虑候选特征提供的新分类信息时，通常忽略了候选特征的加入会使得已选特征和类标签的相关性发生变化而带来额外的新增信息量，以及在计算冗余信息时采用累加求和的形式可能导致低估候选特征的冗余程度。针对以上问题，提出动态相关度权重的定义，以更全面地考虑候选特征带来的新信息量成分；提出改进冗余项的定义，采用取最大值和归一化策略，以解决传统算法存在的低估冗余问题；在此基础上提出一种采用动态相关度权重的特征选择算法（feature selection using dynamic relevance weight，FSDRW）。选取五种当前主流的基于互信息的过滤式特征选择算法进行对比实验，在来自加州大学尔湾分校UCI和亚利桑那州立大学ASU的机器学习测试数据集上的实验表明，所提出的算法在分类准确率及综合性能方面具有较好的表现。最后将所提出算法应用于广西某水库工程的微震、爆破信号识别中，算法选取出的特征用于微震信号识别可达到98.86%的分类准确率，验证了算法在实际应用中的有效性。

参考文献 | 相关文章 | 多维度评价

Select

12. 混合策略改进的金豺优化算法

朱兴淋, 汪廷华, 赖志勇

计算机工程与应用 2024, 60 (4): 99-112. DOI: 10.3778/j.issn.1002-8331.2306-0099

摘要（120）

PDF（pc）（2972KB）（91）

针对金豺优化算法（golden jackal optimization, GJO）在求解复杂优化问题时存在收敛速度慢和易陷入局部最优等不足，提出一种混合策略改进的金豺优化算法（improved golden jackal optimization, IGJO）。在算法的最优解停滞更新时，引入柯西变异策略，增强种群多样性和提升算法陷入局部最优的逃逸能力；提出一种基于权重的决策策略，通过对金豺个体赋予不同权重进行种群位置更新的决策，加快算法的收敛速度。对8个基准测试函数以及部分CEC2017测试函数进行寻优实验，结果表明改进算法具有更好的优化性能和收敛速度；进一步地，将改进算法应用于支持向量回归（support vector regression, SVR）模型的参数优化，并在选取的5个UCI（University of California, Irvine）数据集上进行实验，验证了改进算法的有效性。

参考文献 | 相关文章 | 多维度评价

Select

13. Bagging异构集成的代码异味检测与重构优先级划分

吴海涛, 蔡咏琦, 高建华

计算机工程与应用 2024, 60 (3): 138-147. DOI: 10.3778/j.issn.1002-8331.2305-0218

摘要（38）

PDF（pc）（683KB）（46）

代码异味是不良的设计和代码实现的症状，可能阻碍代码理解、增加代码更改和出错的可能性。以前的研究专注于单一模型在代码异味上的检测，并且无法为开发人员提供重构建议。针对上述问题，提出一种基于Bagging异构集成模型的代码异味检测与重构优先级划分方法，该方法利用分类器间的异质性，通过F1集成策略来检测Complex Class、Long Method、Spaghetti Code等三种代码异味，并将模型输出的异味概率转化为可能性分布后，为开发人员提供重构意见。实验在6个开源系统的32个版本上验证、评估：（1）基分类器的稳定性以及与代码异味的关系；（2）Bagging异构集成模型检测上述代码异味的性能；（3）将异味概率转化为可能性分布并作为重构优先级的有效性。实验结果表明，最佳基分类器因代码异味类型而异。同时，Bagging异构集成模型相较于基分类器，F1提高0.06~40.51个百分点，AUC提高0.45~28.37个百分点。最后将Bagging异构集成模型的重构优先级与6名受访者的重构优先级进行Kappa一致性检验，两者具有高度一致性。

参考文献 | 相关文章 | 多维度评价

Select

14. 粒向量驱动的随机森林分类算法研究

张锟滨, 陈玉明, 吴克寿, 侯贤宇

计算机工程与应用 2024, 60 (3): 148-156. DOI: 10.3778/j.issn.1002-8331.2305-0204

摘要（29）

PDF（pc）（554KB）（38）

粒计算是一种符合人类认知特性的计算范式，能够有效处理复杂数据。随机森林通过集成多个决策树来降低单个决策树的过拟合风险，但仍存在一定的过拟合问题。为了减少过拟合并提高分类性能，在随机森林中引入了粒向量表示，提出了基于粒向量的随机森林分类算法。粒向量具有表示高维特征的能力，可以捕捉更多的数据模式；参照样本选择的随机性有助于控制过拟合；不同决策树使用不同的粒向量可以增加模型的多样性。实验结果表明，与传统随机森林以及其他改进算法相比，基于粒向量表示的随机森林算法具有较好的泛化能力，有效提高了分类的准确率，表明了基于粒向量的随机森林分类算法的正确性与有效性。

参考文献 | 相关文章 | 多维度评价

Select

15. 结合判别分析和分布差异约束的领域适应方法

覃姜维, 唐德玉

计算机工程与应用 2024, 60 (2): 77-86. DOI: 10.3778/j.issn.1002-8331.2303-0035

摘要（49）

PDF（pc）（702KB）（38）

为解决领域适应过程中基于全局分布适配的特征变换造成的类别结构损失和局部特征损失问题，提出一种结合判别分析和分布差异约束的领域适应方法。构造领域数据分布均值距离度量用于领域间分布适配；构造类散度度量用于保持类别判别结构；基于数据局部分布信息设计不同类型的差异权重，分别用于约束域分布距离度量和类散度度量，实现判别保持和局部保持的联合优化；基于上述度量最优化的特征变换，将源域和目标域数据投影到子空间中实施分类任务。所提出的方法在领域适应过程中不仅能够缩小领域间分布差异，且兼顾类别判别保持和数据局部特征的保持，能有效提升域外数据重用的性能。在28组跨领域分类任务上的实验结果表明，所提出的方法在评价指标上优于已有的相关方法。

参考文献 | 相关文章 | 多维度评价

Select

16. 基于邻域K-shell分布的关键节点识别方法

吴亚丽, 任远光, 董昂, 周傲然, 吴学金, 郑帅龙

计算机工程与应用 2024, 60 (2): 87-95. DOI: 10.3778/j.issn.1002-8331.2305-0181

摘要（61）

PDF（pc）（838KB）（47）

复杂网络中关键节点的精准识别对于网络结构稳定和信息传播起着至关重要的作用。传统K-shell方法仅通过节点在网络中所处位置对节点的重要性进行评估，导致区分度不高。基于此，综合考虑了节点的全局信息和局部信息对节点重要性的影响，提出一种基于邻域K-shell分布的关键节点识别方法。该方法通过节点邻域[Ks]值定义节点的熵，从而反映邻居节点的K-shell分布特征。通过11个网络数据集上的仿真实验，验证了所提方法能够更准确地识别并区分复杂网络中的关键节点。

参考文献 | 相关文章 | 多维度评价

Select

17. 带冲突图的着色旅行商问题模型与算法

徐文强, 周扬名, 王喆

计算机工程与应用 2024, 60 (1): 135-144. DOI: 10.3778/j.issn.1002-8331.2302-0306

摘要（42）

PDF（pc）（746KB）（39）

着色旅行商问题是多旅行商问题的一个重要变种，它被广泛地应用于带有重叠区域的多机工程系统。现有的着色旅行商问题难以有效应对带冲突的场景，这种冲突通常表现为两个城市不允许被同一旅行商访问。受带冲突图的组合优化问题的启发，提出了带冲突图的着色旅行商问题，且给出了其形式化的表达。带冲突图的着色旅行商问题是一个NP难问题，精确算法求解器CPLEX仅能在小规模问题实例上获得问题的最优解。为了求解更大规模的实例，提出了一个有效的模因算法。该模因算法采用了自适应大规模邻域搜索算子。对比模因算法和精确算法，模因算法在20个小规模实例中的9个结果更好，在18个实例上展现了其远超精确算法的求解速度。而比较模因算法和其他启发式算法，模因算法在全部14个中等规模实例上均取得了更好结果。此外，消融实验结果验证了模因算法中自适应大规模领域搜索算子的有效性。

参考文献 | 相关文章 | 多维度评价

Select

18. 求解TSP的离散野马优化算法

蔡延光, 方春城, 吴艳林, 陈华君

计算机工程与应用 2024, 60 (1): 145-153. DOI: 10.3778/j.issn.1002-8331.2303-0012

摘要（42）

PDF（pc）（616KB）（55）

针对求解TSP问题，提出一种新的元启发式算法离散野马优化算法（DWHO），应用最小位置匹配值法（MPMV）对求解结果进行离散化解码；为提高算法搜索能力，结合野马放牧、交配、领导者交流与选拔行为，引入变邻域搜索策略，增强了算法的局部搜索能力、加快算法收敛速度。选取TSPLIB标准库33个算例进行实验，并与交换序列人工蜂群算法（ABCSS）、离散蜘蛛猴优化算法（DSMO）两种算法进行比较。实验结果表明，DWHO求得的最优解与ABCSS、DSMO两种算法的最优解相比，最优解改进率最大值分别达到4.52%和3.41%。同时，将离散野马优化算法求解TSP收敛速度与以上两种算法进行比较，其收敛速度具有一定的优势。结果表明离散野马优化算法求解能力和精度具有优势。

参考文献 | 相关文章 | 多维度评价

Select

19. 联合三元组嵌入的实体对齐

李凤英, 黎家鹏

计算机工程与应用 2023, 59 (24): 70-77. DOI: 10.3778/j.issn.1002-8331.2302-0087

摘要（40）

PDF（pc）（757KB）（43）

实体对齐是从不同知识图谱中识别出指向相同实体的任务，对于知识图谱融合十分重要。现有的实体对齐方法大多基于图神经网络，通过建模实体的邻域信息，学习实体的嵌入表示。该方法难以学习知识图谱中的三元组信息，三元组信息利用不充分。为了解决该问题，提出了联合三元组嵌入的实体对齐模型。该模型先计算出每个实体的三元组嵌入，之后使用此三元组嵌入进行实体对齐。考虑到知识图谱中的关系具有不同的类型，为利用这些关系类型，提出了一种关系类型感知的三元组嵌入计算方法；同时在模型中加入了基于关系类型的约束，以学习关系映射属性。通过在三个公开的数据集上进行实验，实验数据优于同类实体对齐方法，验证了提出的方法的有效性。

参考文献 | 相关文章 | 多维度评价

Select

20. k近邻密度支配域代表团密度峰值聚类算法

吕鸿章, 杨易扬, 杨戈平, 巩志国

计算机工程与应用 2023, 59 (24): 78-87. DOI: 10.3778/j.issn.1002-8331.2302-0037

摘要（66）

PDF（pc）（634KB）（75）

密度峰值聚类（clustering by fast search and find of density peaks，DPC）算法在应对大规模聚类时效率不高。[k]近邻密度支配域小团簇加速技巧可以很好地改善该短板，但存在代表点代表能力不足的问题，从而影响聚类质量。代表团采样策略可作为上述问题的改进方式。由此形成的新算法不仅继承了原有密度支配域小团簇加速技巧的高效特性，还保证了聚类的质量。算法构建[k]近邻图。再利用[k]近邻图进行核密度估计并构建若干个密度支配域。对各密度支配域分别从高低密度区域采样支配域代表团。利用代表团的近邻关系计算域间相似度。将各支配域视为新样本点，执行DPC算法完成聚类。实验证明，引入代表团策略对DPC算法有一定的提升，聚类效果比部分密度聚类算法更好。

参考文献 | 相关文章 | 多维度评价

Select

21. CRCLA编译前端中代码检测与DFG生成技术研究

杨晨光, 李伟, 杜怡然

计算机工程与应用 2023, 59 (23): 63-72. DOI: 10.3778/j.issn.1002-8331.2301-0102

摘要（38）

PDF（pc）（725KB）（37）

针对密码算法自动映射到可重构密码逻辑阵列（CRCLA）的需求，并为给后端映射提供准确、精简的数据流图，提出了一种数据流图生成与优化的前端设计。该前端以Flex、Bison为编译框架，对高级语言C++编写的代码进行词法、语法分析得到语法树，并依据密码算法指令特点和CRCLA硬件结构进行语义分析生成数据流图；源代码中存在不同方式实现的功能如S盒替换、比特置换，但其在CRCLA中可用单算子代替实现。设计了基于注意力机制的图嵌入模型进行检测识别，并进行图结构替换；同时函数展开、冗余节点消除与数据流图分层等操作优化了数据流图。实验结果表明，该设计经代码识别、优化后，实现了精简的数据流图自动化生成，与其他编译器的编译前端相比性能提高了约37%。

参考文献 | 相关文章 | 多维度评价

Select

22. 自适应多密度峰值子簇融合聚类算法

陈迪, 杜韬, 周劲, 仵匀政, 王心耕

计算机工程与应用 2023, 59 (23): 73-85. DOI: 10.3778/j.issn.1002-8331.2212-0234

摘要（56）

PDF（pc）（887KB）（75）

经典的密度峰值聚类算法在计算局部密度时过分依赖截断距离，在分配非中心点时易出现连锁效应，且人工选取聚类中心点的方式难以识别出密度不均匀簇的聚类中心。针对该问题，提出一种自适应多密度峰值子簇融合聚类算法。考虑样本的邻域信息，将自然邻居的思想引入密度峰值聚类中，实现了样本点局部密度的自适应计算；为发现稀疏密度簇的中心，提出一种簇中心自动选取策略用于确定初始子簇中心，并使用一种两阶段分配策略降低连锁效应发生的概率；提出一种基于K近邻相似度的度量准则，将相似度高的子簇进行融合，得到最终的聚类结果。在二维合成数据集以及UCI数据集上，相较经典的密度峰值聚类算法以及近年来对其改进的算法，该算法表现出更优异的性能。

参考文献 | 相关文章 | 多维度评价

Select

23. 高斯过程回归泊松多伯努利衍生滤波器

宋营营, 宋骊平

计算机工程与应用 2023, 59 (22): 84-91. DOI: 10.3778/j.issn.1002-8331.2301-0086

摘要（46）

PDF（pc）（681KB）（55）

针对伽马高斯逆威舍特混合泊松多伯努利（Gamma Gaussian inverse Wishart mixed Poisson multi-Bernoulli，GGIW-PMB）滤波器无法估计非椭圆形状目标的问题，提出了将泊松多伯努利滤波器与高斯过程回归模型结合的方法，可对非椭圆形状目标进行准确估计。考虑到衍生存在情形下无法有效提取衍生目标及其扩展形状的问题，提出了一种衍生目标检测及建模方法，通过量测数的变化来对衍生事件做出假设，根据真实场景关系计算衍生目标状态，实现衍生目标的检测和跟踪。在泊松多伯努利滤波器的基础上，采用高斯过程回归模型作为量测模型，结合所提衍生模型，提出了基于高斯过程回归的泊松多伯努利衍生（Gaussian process regression Poisson multi-Bernoulli filter with target spawning，GPR-PMBS）滤波器。仿真结果表明，GPR-PMBS滤波器相比于GGIW-PMB滤波器能更为准确地估计非椭圆形状目标，并且在衍生存在的情形下，也可以有效提取出衍生目标及其形状，在有衍生情况的扩展目标跟踪场景中表现出良好性能。

参考文献 | 相关文章 | 多维度评价

Select

24. 改进正弦算法引导的蜣螂优化算法

潘劲成, 李少波, 周鹏, 杨贵林, 吕东超

计算机工程与应用 2023, 59 (22): 92-110. DOI: 10.3778/j.issn.1002-8331.2305-0021

摘要（128）

PDF（pc）（922KB）（120）

蜣螂优化器（dung beetle optimizer，DBO）是一种有效的元启发式算法。蜣螂优化算法虽然具有寻优能力强，收敛速度快的特点，但同时也存在全局探索和局部开发能力不平衡，容易陷入局部最优，且全局探索能力较弱的缺点。提出了一种改进的DBO算法来解决全局优化问题，命名为MSADBO。受改进正弦算法（improved sine algorithm，MSA）的启发，赋予蜣螂MSA的全局探索和局部开发能力，扩大其搜索范围，提高全局探索能力，减少陷入局部最优的可能性。同时加入了混沌映射初始化和变异算子进行扰动。为了验证MSADBO的有效性，对该算法采用23个基准测试函数进行了测试，并与其他知名的元启发式算法进行了比较。结果表明，该算法具有良好的性能。为了进一步阐述MSADBO算法的实际应用潜力，将该算法成功地应用于3个工程设计问题。实验结果表明，所提出的MSADBO算法可以有效地处理实际应用问题。

参考文献 | 相关文章 | 多维度评价

Select

25. 多任务下的特征分布蒸馏算法研究

葛海波, 周婷, 黄朝锋, 李强

计算机工程与应用 2023, 59 (21): 83-90. DOI: 10.3778/j.issn.1002-8331.2301-0064

摘要（56）

PDF（pc）（655KB）（61）

卷积神经网络性能的快速提升是以不断堆叠的网络层数以及成倍增长的参数量和存储空间为代价，这不仅会使模型在训练过程中出现过拟合等问题，也不利于模型在资源受限的嵌入式设备上运行，因而提出模型压缩技术来解决上述问题，主要对模型压缩技术中的特征蒸馏算法进行了研究。针对特征蒸馏中利用教师网络特征图指导学生网络并不能很好地锻炼学生网络特征拟合能力的问题，提出基于特征分布蒸馏算法。该算法利用条件互信息的概念构建模型特征空间的概率分布，并引入最大平均差异（maximum mean discrepancy，MMD）设计损失函数以最小化教师网络和学生网络特征分布间的距离。在知识蒸馏的基础上利用toeplitz矩阵对学生网络进行权重共享操作，进一步节省了模型的存储空间。为验证在特征分布蒸馏算法训练下学生网络的特征拟合能力，在图像分类、目标检测和语义分割三种图像处理任务上进行了实验验证，实验表明所提算法在以上三种学习任务中的表现均优于对比算法且实现了不同网络架构间的蒸馏。

参考文献 | 相关文章 | 多维度评价

Select

26. 自适应聚类中心策略优化的密度峰值聚类算法

徐童童, 解滨, 张喜梅, 张春昊

计算机工程与应用 2023, 59 (21): 91-101. DOI: 10.3778/j.issn.1002-8331.2207-0446

摘要（64）

PDF（pc）（1889KB）（76）

密度峰值聚类算法（DPC）是一种简单高效的无监督聚类算法，能够快速找到聚类中心完成聚类。该算法通过截断距离定义局部密度未考虑样本点的空间分布特征；通过决策图选择聚类中心点，具有较强人为主观性；在分配样本点时采用单一分配策略，易产生连带错误。因此提出一种自适应聚类中心策略优化的密度峰值聚类算法（ADPC），采用共享近邻定义两点之间的相似性度量，重新定义了局部密度，使局部密度反应样本间的空间分布特征；通过相邻点之间斜率差分确定样本密度[ρ]与相对距离[δ]的乘积[γ]值的“拐点”，并对[γ]进行幂函数变换，以提高潜在聚类中心与非聚类中心的区分度，利用决策函数确定潜在的聚类中心，再通过潜在聚类中心之间距离均值自适应确定真实聚类中心；优化了非聚类中心点的分配策略。通过在UCI以及人工数据集上进行实验，该算法都可以自适应准确选定聚类中心，且在一定程度上提高了聚类性能。

参考文献 | 相关文章 | 多维度评价

Select

27. 一种融合近似马尔科夫毯的随机森林优化算法

罗计根, 熊玲珠, 杜建强, 聂斌, 熊旺平, 李郅琴

计算机工程与应用 2023, 59 (20): 77-84. DOI: 10.3778/j.issn.1002-8331.2207-0443

摘要（107）

PDF（pc）（671KB）（104）

特征的相关和冗余，会直接影响随机森林随机抽取特征的质量，导致随机森林的收敛性减弱，降低随机森林模型的准确度、泛化能力及性能。基于此，提出一种融合近似马尔科夫毯的随机森林优化算法，该算法利用近似马尔科夫毯构建相似特征组，再从每个相似组中按比例抽取特征形成单棵决策树的特征子集，重复上述过程直至达到随机森林规模。该算法可以在保证随机森林特征的多样性前提下，利用近似马尔科夫毯消除特征间的相关性和冗余性，提高随机抽取特征的质量。通过在12组不同维度UCI数据集实验对比表明：融合近似马尔科夫毯的随机森林在一定程度上可以消除特征相关性和冗余性，提高模型的各项评价指标，泛化能力增强，更适用于高维数据。

参考文献 | 相关文章 | 多维度评价

Select

28. 三维复合混沌系统及其在图像加密的应用

于万波, 黄蓉荣, 王文晋

计算机工程与应用 2023, 59 (20): 85-93. DOI: 10.3778/j.issn.1002-8331.2301-0104

摘要（47）

PDF（pc）（2884KB）（60）

混沌是非线性学的一个重要学科，在信息安全、物理学和经济学等领域得到了广泛应用，持续构造新的混沌系统是有意义的。针对这一情况，构造了一类包含迭代次数[t]的三维三角函数复合混沌系统，对系统的动力学行为进行测试和分析，通过对系统分岔图、Lyapunov指数、周期点导数、谱熵等进行分析，确定其具有较强的混沌特性和较大的混沌区间，同时证明了混沌系统满足Devaney混沌定义，通过对系统随机生成的混沌序列进行0-1测试和NIST测试确定其混沌序列质量良好。因此基于该系统的混沌序列对图像进行加密，实现简单，加密速度快，同时对加密结果的各项指标系数进行了计算和分析，测试结果均非常接近理论最优值。其中，密钥空间很大，可达10252。与最近的其他方法进行对比，结果表明，基于该系统的加密方案可以具有较强的安全性和可靠性。

参考文献 | 相关文章 | 多维度评价

Select

29. 利用节点传播熵识别超网络重要节点

吴英晗, 田阔, 李明达, 胡枫

计算机工程与应用 2023, 59 (19): 66-74. DOI: 10.3778/j.issn.1002-8331.2212-0020

摘要（73）

PDF（pc）（947KB）（49）

超网络中识别重要节点是一项基础且具有挑战性的重要课题，相关研究对进一步分析网络拓扑结构和功能特性具有广泛的应用价值。为了突破已有的重要节点识别方法评估的局限性，利用超图及信息熵理论，提出一种基于节点传播熵的超网络重要节点识别方法。该方法兼顾节点的局部和全局拓扑信息，利用节点聚集系数和邻居数目表征节点信息的局部传播影响，通过节点间最短路径和K壳中心性反映节点信息的全局传播影响，充分考虑节点自身及其邻域节点的影响，最终利用节点传播熵来表征节点在网络中的重要性。并通过单调性、鲁棒性以及SIR传播模型评价标准，在六个来自不同领域的真实网络上与其他方法进行比较，实验结果表明，该方法能够准确有效地识别网络中的重要节点。

参考文献 | 相关文章 | 多维度评价

Select

30. 改进Informed-RRT*的移动机器人路径规划算法研究

靳午煊, 马向华, 赵金良

计算机工程与应用 2023, 59 (19): 75-81. DOI: 10.3778/j.issn.1002-8331.2212-0131

摘要（132）

PDF（pc）（1075KB）（90）

针对目前Informed-RRT*算法在路径规划时速度慢，目的性差且所得路径不平滑的特点，提出了一种基于节点优化的改进Informed-RRT*路径规划算法。引入自适应t-分布函数改变随机点在不同环境下的分布概率，提高算法的效率。采用椭圆的焦距偏置策略，将单个偏置点扩展为整个椭圆焦距，使随机树的生长贴近起始点与目标点的最小距离，增加了算法的目的性。采用重选祖辈节点策略对整条路径减冗余，对于路径转折处采用对称多极式曲线法进行平滑处理。通过多组实验对比表明，改进后的Informed-RRT*算法搜索效率更高，目的性更强，且规划所得路径更为平滑。

参考文献 | 相关文章 | 多维度评价

Select

31. 面向3D-CNN的算法压缩-硬件设计协同优化

钱佳明, 娄文启, 宫磊, 王超, 周学海

计算机工程与应用 2023, 59 (18): 74-83. DOI: 10.3778/j.issn.1002-8331.2212-0011

摘要（70）

PDF（pc）（1216KB）（61）

近年来，三维卷积神经网络（3D-CNN）在计算机视频分类领域的优异表现使其受到了广泛关注。然而，相比于2D-CNN，3D-CNN显著增大的计算、存储需求不可避免地带来了部署时的性能与能效问题，严重限制了其在硬件资源受限场景下的适用性。为了应对该挑战，提出了一种面向3D-CNN高效部署的算法-硬件协同设计与优化方法3D FCirCNN。在算法优化层面，首次使用分块循环矩阵对3D-CNN进行压缩并且进一步通过快速傅里叶变换（fast Fourier transform，FFT）进行加速，在保证模型规则性的前提下显著降低了模型的计算和存储开销。在此基础上，引入了频域内的激活、批归一化以及池化操作，通过实现全频域推理有效消除了由于FFT所带来的时域/频域切换开销。在硬件设计层面，为分块循环矩阵压缩后的3D-CNN设计了一个专用的硬件加速架构，并作出了一系列面向硬件资源和内存带宽的优化。在Xilinx ZCU102 FPGA上的实验表明，相较于以往最先进的工作，3D FCirCNN在可接受的精度损失范围内（<2%）取得了16.68倍的性能提升和16.18倍的计算效率提升。

参考文献 | 相关文章 | 多维度评价

Select

32. 多类属性加权与正交变换融合的朴素贝叶斯

刘海涛, 陈春梅, 庞忠祥, 梁志强, 李晴

计算机工程与应用 2023, 59 (18): 84-97. DOI: 10.3778/j.issn.1002-8331.2211-0411

摘要（29）

PDF（pc）（618KB）（31）

由于朴素贝叶斯算法忽略了数据多维属性的相关性，从而导致分类算法的极大应用局限。对此提出多类属性加权与正交变换融合的朴素贝叶斯改进算法。利用贡献度与相关互信息去量化离散属性以及离散属性值之间的相关程度，以获得其权重；利用正交变换方法消除连续属性之间的线性关系；将加权后的离散属性和正交变换后的连续属性的条件概率进行区分计算，从而得到较高的分类精度并提高算法的泛化能力。通过在公开数据集以及校园一卡通数据集上的[k]折交叉验证，实验结果表明，与最新的5种改进朴素贝叶斯算法相比，该算法的准确率高了7.19~9.94个百分点，加权平均F1值高了6.4~11.64个百分点。

参考文献 | 相关文章 | 多维度评价

Select

33. 引入Circle映射和正弦余弦因子的改进粒子群算法

徐福强, 邹德旋, 李灿, 罗鸿赟, 章猛

计算机工程与应用 2023, 59 (17): 80-90. DOI: 10.3778/j.issn.1002-8331.2211-0290

摘要（146）

PDF（pc）（5088KB）（113）

针对粒子群算法在搜索寻优过程中存在收敛速度慢、精度低和易陷入局部最优等问题，提出了引入Circle映射和正弦余弦因子的改进粒子群算法。采用引入Circle映射的种群初始化操作，能获得更加均匀和多样的初始种群，有利于提高算法的收敛速度和精度。采用非线性递减的惯性权重并引入正弦余弦算法中的正弦余弦因子的策略，更好地平衡了算法全局探索能力和局部开发能力。受鲸鱼优化算法启发，提出并采用带有淘汰制的随机搜索策略，增强了算法跳出局部最优和全局探索的能力。在16个基准测试函数上对该算法进行了仿真实验，并与4种粒子群相关算法及其他4种群智能优化算法进行了比较和分析，验证了所提出的改进算法具有更强的收敛性能和稳定性。

参考文献 | 相关文章 | 多维度评价

Select

34. 结合柯西分布和蚁狮算法改进的模糊聚类算法

吴辰文, 王莎莎, 曹雪同

计算机工程与应用 2023, 59 (17): 91-98. DOI: 10.3778/j.issn.1002-8331.2205-0436

摘要（65）

PDF（pc）（4057KB）（57）

针对模糊聚类对初始聚类中心依赖性较强且易陷入局部最优解的问题，提出了一种结合柯西分布和蚁狮算法改进的模糊聚类算法（CALOFCM）。引入柯西分布函数变异蚁狮算法，使得个体受局部极值点的约束力下降，从而增加跳出局部最优解的概率。使用优化后的蚁狮算法生成的精英蚁狮作为模糊[C]均值（fuzzy C-means，FCM）算法的初始聚类中心。分别在人工数据集和UCI数据集上进行了实验验证，并与K-means、DBSCAN、FCM、ALOFCM算法以及提出的算法进行实验对比。结果表明改进的算法获得了较好的聚类结果且在准确率、调整兰德系数和标准化互信息等评价指标上具有良好的聚类性能。

参考文献 | 相关文章 | 多维度评价

Select

35. 二分k-means锚点提取的快速谱聚类

罗兴隆, 贺兴时, 杨新社

计算机工程与应用 2023, 59 (16): 74-81. DOI: 10.3778/j.issn.1002-8331.2205-0036

摘要（78）

PDF（pc）（607KB）（65）

光谱聚类（spectral clustering，SC）由于在无监督学习中的有效性而受到越来越多的关注。然而其计算复杂度高，不适用于处理大规模数据。近年来提出了许多基于锚点图方法来加速大规模光谱聚类，然而这些方法选取的锚点通常不能很好地体现原始数据的信息，从而导致聚类性能下降。为克服这些缺陷，提出了一种二分[k]-means锚点提取的快速谱聚类算法（fast spectral clustering algorithm based on anchor point extraction with bisecting [k]-means，FCAPBK）。该方法利用二分[k]-means从原始数据中选取一些具有代表性的锚点，构建基于锚点的多层无核相似图；然后通过锚点与样本间的相似关系构造层次二部图。最后在5个基准数据集上分别进行实验验证，结果表明FCAPBK方法能够在较短的时间内获得良好的聚类性能。

参考文献 | 相关文章 | 多维度评价

Select

36. 融合学习行为策略的改进黑猩猩优化算法

贾鹤鸣, 林建凯, 吴迪, 力尚龙, 文昌盛, 饶洪华

计算机工程与应用 2023, 59 (16): 82-92. DOI: 10.3778/j.issn.1002-8331.2211-0024

摘要（87）

PDF（pc）（857KB）（81）

针对黑猩猩优化算法收敛速度慢、寻优精度低以及容易陷入局部最优的问题，提出融合学习行为策略的改进黑猩猩优化算法（modified chimp optimization algorithm，MChOA）。采用准反向学习策略更新种群，增加种群的多样性和随机性，提高算法全局搜索能力，同时避免算法陷入局部最优。基于黑猩猩学习行为策略，通过随机选择“模仿学习”算子或“情绪感应”算子更新黑猩猩个体位置，增强算法局部开发能力，加快算法的收敛速度。选取16个基准函数以及12个CEC2014进行仿真实验测试，结果表明MChOA与传统ChOA相比具有较高的求解精度和较好的寻优性能。通过两个工程设计问题的求解，证明了MChOA在实际工程问题上也具有较高的实际应用价值。

参考文献 | 相关文章 | 多维度评价

Select

37. 自适应近邻局部比值和线性判别分析算法

张家乐, 林浩申, 周科艺, 孙博, 杨晓君

计算机工程与应用 2023, 59 (15): 115-122. DOI: 10.3778/j.issn.1002-8331.2204-0348

摘要（62）

PDF（pc）（594KB）（40）

在机器学习和模式识别中，降维能够显著提升分类器的判别性能与效率。比率和（ratio sum，RS）是线性判别分析（linear discriminant analysis，LDA）的一种全新变体，它试图使投影矩阵在每个维度上都达到最优。但RS并没有考虑到数据的局部几何结构，这就可能导致无法求得最优解。为了克服RS的这一缺点，提出了一种自适应近邻局部比值和线性判别分析算法（adaptive neighbor local ratio sum linear discriminant analysis，ANLRSLDA）。该算法使用自适应近邻的构图方法构建邻接矩阵，保留数据的局部几何结构完成了数据类间及类内矩阵的构建，从而更好地找到数据的最优表示；并且该方法采用有效的无核参数邻域分配策略来构造邻接矩阵，避免调整热核参数的需要。在UCI数据集及人脸数据集进行了对比实验，验证了该算法的有效性。

参考文献 | 相关文章 | 多维度评价

Select

38. 基于空间向量搜索的密度峰值聚类算法

马振明, 安俊秀

计算机工程与应用 2023, 59 (15): 123-131. DOI: 10.3778/j.issn.1002-8331.2204-0179

摘要（59）

PDF（pc）（874KB）（42）

针对密度峰值聚类(DPC)算法因构建全局样本点间的相似度矩阵，而导致时间开销过大的问题，提出了一种基于空间向量搜索的密度峰值聚类(VS-DPC)算法。在[n]维正交坐标系中将数据点映射为以原点为起点的空间向量，计算向量的模和与统一坐标轴正方向间的夹角；利用截断距离和截断映射角确定相似范围搜索相似向量；利用相似向量确定有效密度点从而构建稀疏相似度矩阵，降低时间复杂度。在UCI数据库中7个真实数据集和7个形状复杂的人工数据集上的实验结果表明，所提的VS-DPC算法保持了DPC的聚类精度，相较DPC算法减少了约60%的时间开销。并对比于CDPC和GDPC两种提升DPC聚类效率的算法，算法参数更少，且在聚类精度和时间上分别平均提升6和18个百分点。

参考文献 | 相关文章 | 多维度评价

Select

39. 融合柯西变异的鸟群与算术混合优化算法

卢梦蝶, 鲁海燕, 侯新宇, 赵金金, 徐杰

计算机工程与应用 2023, 59 (14): 62-75. DOI: 10.3778/j.issn.1002-8331.2208-0463

摘要（112）

PDF（pc）（767KB）（97）

针对鸟群优化算法迭代初期种群多样性不足、迭代后期收敛速度慢、易陷入局部最优解等问题，提出一种融合柯西变异的鸟群与算术混合优化算法（hybrid algorithm of bird swarm algorithm and arithmetic optimization algorithm based on Cauchy mutation，HBSAAOA）。利用算术优化算法中乘除算子的高分布性对BSA中生产者的位置进行更新，以提高种群多样性，增强全局搜索能力。引入随机搜索策略和柯西变异策略来生成候选解，对后期局部开发阶段进行扰动，以增强算法跳出局部最优解的能力并提高收敛速度。利用贪婪策略对最优个体进行选择并替代较差的个体，从而提高解的质量。通过对23个经典测试函数以及部分CEC2014基准函数进行仿真实验，并将HBSAAOA应用到两个工程应用问题上，结果表明改进策略有效，改进算法的收敛速度更快、寻优精度更高，并且鲁棒性更好。

参考文献 | 相关文章 | 多维度评价

Select

40. 融合牵引变异和透镜成像的花授粉算法及应用

李大海, 伍兆前, 王振东

计算机工程与应用 2023, 59 (14): 76-85. DOI: 10.3778/j.issn.1002-8331.2209-0332

摘要（54）

PDF（pc）（862KB）（64）

针对花授粉算法收敛速度较慢、容易陷入局部最优解等问题，提出结合牵引变异和改进型透镜成像的增强花授粉算法LMFPA（lens learning and traction mutation based enhanced flower pollination algorithm）。LMFPA算法利用改进型透镜成像机制优化算法的种群分布。通过增加观测因子的牵引变异机制增加算法收敛速度和跳出局部最优的能力。以CEC2013中的12个测试函数作为性能评测函数集，将LMFPA与FPA（follower pollination algorithm）、TMFPA（T-distribution mutation-based flower pollination algorithm）、t-GSSA（improved sparrow search algorithm based on adaptive t-distribution and golden sine and its application）和PCSPSO（particle compaction and scheduling based particle swarm optimization）4个改进型FPA算法进行评测。实验结果表明LMFPA算法无论是收敛速度还是收敛精度上都占优。将LMFPA应用于在无人机三维路径规划问题，实验结果表明LMFPA也能取得更优的三维路径规划结果。

参考文献 | 相关文章 | 多维度评价

栏目文章信息