- 最新动态
- 推荐文章
快速检索
过刊检索
全选反选导出
显示模式：
2026,35(4):1-16, DOI: 10.15888/j.cnki.csa.010121, CSTR: 32024.14.csa.010121
摘要：
随着计算机辅助诊断技术快速发展, 对皮肤病变筛查的效率明显提高, 但皮肤镜图像中众多干扰因素, 致使皮肤病变区域自动分割成为难题. 由于Skip-Connecting模型在小目标和模糊边界分割、Atrous-Convolution模型在大范围和多尺度病变分割的良好表现, 成为皮肤病变图像分割的两大主流方向; Transformer模型凭借其强大的全局建模能力和对长距离依赖关系的捕捉能力, 未来将与传统深度学习模型进一步耦合, 以优化分割性能. 基于此, 本文系统梳理Skip-Connecting模型与Atrous-Convolution模型在皮肤病变分割中的应用进展及其衍生网络的改进策略; 重点分析Transformer模型在该领域的应用范式及其与传统模型的耦合方法; 并对视觉状态空间模型(Mamba)、生成对抗网络、扩散模型等新兴架构的探索性研究进行分析. 最后, 针对当前临床研究中存在的局限性及分割效果不佳的问题, 提出相应的解决思路, 并对未来的研究方向进行展望.
随着计算机辅助诊断技术快速发展, 对皮肤病变筛查的效率明显提高, 但皮肤镜图像中众多干扰因素, 致使皮肤病变区域自动分割成为难题. 由于Skip-Connecting模型在小目标和模糊边界分割、Atrous-Convolution模型在大范围和多尺度病变分割的良好表现, 成为皮肤病变图像分割的两大主流方向; Transformer模型凭借其强大的全局建模能力和对长距离依赖关系的捕捉能力, 未来将与传统深度学习模型进一步耦合, 以优化分割性能. 基于此, 本文系统梳理Skip-Connecting模型与Atrous-Convolution模型在皮肤病变分割中的应用进展及其衍生网络的改进策略; 重点分析Transformer模型在该领域的应用范式及其与传统模型的耦合方法; 并对视觉状态空间模型(Mamba)、生成对抗网络、扩散模型等新兴架构的探索性研究进行分析. 最后, 针对当前临床研究中存在的局限性及分割效果不佳的问题, 提出相应的解决思路, 并对未来的研究方向进行展望.
2026,35(4):17-29, DOI: 10.15888/j.cnki.csa.010123, CSTR: 32024.14.csa.010123
摘要：
随着不确定知识图谱(uncertain knowledge graph, UKG)在开放世界知识表示中的广泛应用, 其内部所建模的概率型关系日益复杂. 仅依赖嵌入表示或简单的模式匹配方法, 已难以满足对高质量推理结果的需求. 因此, 引入高置信、可解释的规则挖掘机制, 对于提升UKG的推理能力与知识可解释性具有重要意义. 为此本文提出了一种基于BERT语义建模与结构路径规则挖掘的不确定知识图谱补全模型UBERT-RM (uncertain knowledge graph BERT-rule mining). UBERT-RM构建了一个端到端的统一框架, 将子图建模、路径生成与置信度预测有机融合于一体. 模型利用BERT提取三元组的上下文语义表征, 路径生成模块采用Transformer解码器结构, 以自回归方式逐步生成高置信度的关系路径. 规则解析模块中引入动态置信度阈值机制, 对节点进行筛选与解析, 确保最终的推理路径在保持语义连贯的同时具备良好的可信度与可解释性. 在置信度预测部分, 模型将生成的规则与目标三元组共同编码, 通过多头自注意力机制进行深层语义交互与信息聚合, 并引入多层感知机实现对尾实体置信度的回归建模, 从而完成从路径挖掘到置信度预测的闭环推理过程. 在CN15k和NL27k数据集上的实验结果表明, UBERT-RM在链接预测任务中的效果都达到了最佳.
随着不确定知识图谱(uncertain knowledge graph, UKG)在开放世界知识表示中的广泛应用, 其内部所建模的概率型关系日益复杂. 仅依赖嵌入表示或简单的模式匹配方法, 已难以满足对高质量推理结果的需求. 因此, 引入高置信、可解释的规则挖掘机制, 对于提升UKG的推理能力与知识可解释性具有重要意义. 为此本文提出了一种基于BERT语义建模与结构路径规则挖掘的不确定知识图谱补全模型UBERT-RM (uncertain knowledge graph BERT-rule mining). UBERT-RM构建了一个端到端的统一框架, 将子图建模、路径生成与置信度预测有机融合于一体. 模型利用BERT提取三元组的上下文语义表征, 路径生成模块采用Transformer解码器结构, 以自回归方式逐步生成高置信度的关系路径. 规则解析模块中引入动态置信度阈值机制, 对节点进行筛选与解析, 确保最终的推理路径在保持语义连贯的同时具备良好的可信度与可解释性. 在置信度预测部分, 模型将生成的规则与目标三元组共同编码, 通过多头自注意力机制进行深层语义交互与信息聚合, 并引入多层感知机实现对尾实体置信度的回归建模, 从而完成从路径挖掘到置信度预测的闭环推理过程. 在CN15k和NL27k数据集上的实验结果表明, UBERT-RM在链接预测任务中的效果都达到了最佳.
2026,35(4):30-40, DOI: 10.15888/j.cnki.csa.010137, CSTR: 32024.14.csa.010137
摘要：
雷达回波外推被广泛用于降水预测和气象灾害预警等任务, 近年来结合深度学习的时序预测模型有效提升了预测效果, 但是仍然存在着全局依赖建模不足、预报图像模糊等问题. 为了提升预测精度, 提出一种融合动态窗口注意力与长短期记忆网络的雷达回波外推模型DMLSTM (dynamic window attention memory-enhanced LSTM). 首先, 通过动态双缩放窗口注意力精准捕捉多尺度气象结构; 同步采用记忆增强型滑动窗口维持时空连续演化; 再由自适应残差门控单元抑制长程特征衰减并增强突变响应; 最终, 借梯度对齐型多尺度注意力损失函数保持关键气象结构的物理运动约束. 实验结果表明, 在深圳雷达回波数据集上, 相较最优基线模型(SwinLSTM-B), 本研究模型参数量小幅增加, 经结构优化后, 单轮推理耗时增加5%, 但均方误差(MSE)降低了10.3%, 结构相似性(SSIM)提升了1.4%. 在Moving MNIST数据集上, MSE降低14.9%, SSIM达0.926. 实验结果验证了该模型在雷达回波外推任务的先进性及其泛化能力.
雷达回波外推被广泛用于降水预测和气象灾害预警等任务, 近年来结合深度学习的时序预测模型有效提升了预测效果, 但是仍然存在着全局依赖建模不足、预报图像模糊等问题. 为了提升预测精度, 提出一种融合动态窗口注意力与长短期记忆网络的雷达回波外推模型DMLSTM (dynamic window attention memory-enhanced LSTM). 首先, 通过动态双缩放窗口注意力精准捕捉多尺度气象结构; 同步采用记忆增强型滑动窗口维持时空连续演化; 再由自适应残差门控单元抑制长程特征衰减并增强突变响应; 最终, 借梯度对齐型多尺度注意力损失函数保持关键气象结构的物理运动约束. 实验结果表明, 在深圳雷达回波数据集上, 相较最优基线模型(SwinLSTM-B), 本研究模型参数量小幅增加, 经结构优化后, 单轮推理耗时增加5%, 但均方误差(MSE)降低了10.3%, 结构相似性(SSIM)提升了1.4%. 在Moving MNIST数据集上, MSE降低14.9%, SSIM达0.926. 实验结果验证了该模型在雷达回波外推任务的先进性及其泛化能力.
2026,35(4):41-51, DOI: 10.15888/j.cnki.csa.010132, CSTR: 32024.14.csa.010132
摘要：
内窥镜影像为胃癌的筛查与诊断提供重要依据. 然而, 传统内窥镜检查准确率有限. 为此, 多模态融合异常检测方法被引入内窥镜影像分析, 但仍面临模态偏差与配对数据稀缺等问题. 针对这些问题, 本文提出一种基于多模态增强融合与多分支蒸馏的内窥镜异常检测模型. 首先, 设计交叉掩码注意力跨模态融合模块, 通过局部特征重建与交叉注意力机制挖掘模态间的潜在关系. 其次, 提出一种多分支跨模态蒸馏架构, 由多模态教师网络和两个独立学生分支组成. 该架构仅教师网络需配对数据训练, 学生分支则完全无需配对数据. 这一设计降低模型对配对数据的依赖并有效缓解模态偏差. 最后, 引入全局余弦相似度损失以增强多模态特征的一致性表示. 在真实公开数据集上进行的大量实验表明, 本文方法在多模态内窥镜异常检测任务中取得领先的性能. 本文的源码已公开在: https://github.com/LuoYifei-xs/CEMD.
内窥镜影像为胃癌的筛查与诊断提供重要依据. 然而, 传统内窥镜检查准确率有限. 为此, 多模态融合异常检测方法被引入内窥镜影像分析, 但仍面临模态偏差与配对数据稀缺等问题. 针对这些问题, 本文提出一种基于多模态增强融合与多分支蒸馏的内窥镜异常检测模型. 首先, 设计交叉掩码注意力跨模态融合模块, 通过局部特征重建与交叉注意力机制挖掘模态间的潜在关系. 其次, 提出一种多分支跨模态蒸馏架构, 由多模态教师网络和两个独立学生分支组成. 该架构仅教师网络需配对数据训练, 学生分支则完全无需配对数据. 这一设计降低模型对配对数据的依赖并有效缓解模态偏差. 最后, 引入全局余弦相似度损失以增强多模态特征的一致性表示. 在真实公开数据集上进行的大量实验表明, 本文方法在多模态内窥镜异常检测任务中取得领先的性能. 本文的源码已公开在: https://github.com/LuoYifei-xs/CEMD.
2026,35(4):52-62, DOI: 10.15888/j.cnki.csa.010120, CSTR: 32024.14.csa.010120
摘要：
在复杂堆叠环境中, 引入推动动作辅助机械臂抓取可以提升抓取成功率. 然而, 现有推抓协同方法中存在网络特征提取能力不足与推动策略低效等问题. 针对上述问题, 本文提出一种改进的基于深度Q网络 (DQN)的推抓协同算法. 该方法在感知-动作策略网络中引入高效多尺度注意力(efficient multi-scale attention, EMA)机制, EMA模块通过通道分组与跨空间建模增强对物体边缘、物体表面等关键任务特征的提取能力; 同时, 设计基于图像频域能量变化与能量质心位移的推动有效性评估机制, 构建更具判别力的奖励函数, 以引导智能体学习有效的推抓协同策略. 在CoppeliaSim仿真环境平台上的实验表明, 本文方法相较于METOVPG等基线方法, 在抓取成功率和动作效率方面均有显著提升. 其中, 在仿真环境下测试抓取成功率提升21.2%, 验证了所提注意力机制与奖励设计在复杂场景下的有效性与协同优势.
在复杂堆叠环境中, 引入推动动作辅助机械臂抓取可以提升抓取成功率. 然而, 现有推抓协同方法中存在网络特征提取能力不足与推动策略低效等问题. 针对上述问题, 本文提出一种改进的基于深度Q网络 (DQN)的推抓协同算法. 该方法在感知-动作策略网络中引入高效多尺度注意力(efficient multi-scale attention, EMA)机制, EMA模块通过通道分组与跨空间建模增强对物体边缘、物体表面等关键任务特征的提取能力; 同时, 设计基于图像频域能量变化与能量质心位移的推动有效性评估机制, 构建更具判别力的奖励函数, 以引导智能体学习有效的推抓协同策略. 在CoppeliaSim仿真环境平台上的实验表明, 本文方法相较于METOVPG等基线方法, 在抓取成功率和动作效率方面均有显著提升. 其中, 在仿真环境下测试抓取成功率提升21.2%, 验证了所提注意力机制与奖励设计在复杂场景下的有效性与协同优势.
2026,35(4):63-71, DOI: 10.15888/j.cnki.csa.010041, CSTR: 32024.14.csa.010041
摘要：
多智能体强化学习是多智能体系统研究的重要组成部分, 在复杂协同任务中成效显著. 然而, 在需要长期决策的场景下, 由于长期回报的估计难度更大, 且难以对环境中的不确定性进行精准建模, 多智能体的表现往往不佳. 为解决上述问题, 本文提出了一种基于分位数回归的多智能体记忆强化学习模型. 该模型不仅选择性地将历史决策经验用于辅助长期决策, 还通过分位数函数对回报分布进行建模, 从而有效地捕捉了回报的不确定性. 该模型由记忆索引模块、隐式分位数决策网络和值分布分解模块这3部分组成, 其中记忆索引模块利用历史决策经验生成内在奖励, 促进智能体充分利用已有经验. 隐式分位数决策网络通过分位数回归, 对奖励分布进行建模, 为长期决策提供有力支持. 值分布分解模块将整体的回报分布分解为单个智能体的回报分布, 用于辅助单个智能体策略的学习. 本文的算法在星际争霸环境SMAC (StarCraft multi-agent challenge)中进行了广泛的实验, 实验结果表明, 本文提出的方法提升了智能体在长期决策任务中的表现, 并具有较快的收敛速度.
多智能体强化学习是多智能体系统研究的重要组成部分, 在复杂协同任务中成效显著. 然而, 在需要长期决策的场景下, 由于长期回报的估计难度更大, 且难以对环境中的不确定性进行精准建模, 多智能体的表现往往不佳. 为解决上述问题, 本文提出了一种基于分位数回归的多智能体记忆强化学习模型. 该模型不仅选择性地将历史决策经验用于辅助长期决策, 还通过分位数函数对回报分布进行建模, 从而有效地捕捉了回报的不确定性. 该模型由记忆索引模块、隐式分位数决策网络和值分布分解模块这3部分组成, 其中记忆索引模块利用历史决策经验生成内在奖励, 促进智能体充分利用已有经验. 隐式分位数决策网络通过分位数回归, 对奖励分布进行建模, 为长期决策提供有力支持. 值分布分解模块将整体的回报分布分解为单个智能体的回报分布, 用于辅助单个智能体策略的学习. 本文的算法在星际争霸环境SMAC (StarCraft multi-agent challenge)中进行了广泛的实验, 实验结果表明, 本文提出的方法提升了智能体在长期决策任务中的表现, 并具有较快的收敛速度.
快速检索
过刊检索
全选反选导出
显示模式：
优先出版日期: 2026-04-03
,DOI: 10.15888/j.cnki.csa.010170
摘要：
现阶段, 随着机动车数量的不断增加导致道路负荷的增大, 道路病害问题日益严重, 道路病害检测对于确保道路的安全性和可持续性至关重要. 目前, 无人机航拍道路病害检测面临着小目标检测困难、图像背景复杂以及道路病害结构复杂等问题, 导致检测效果较差. 为此, 本文提出了一种基于YOLO11n改进的航拍道路病害检测算法YOLO11-DPSS. 首先, 引入动态蛇形卷积 (dynamic snake convolution, DSConv) 模块, 利用其自适应形变能力精准感知裂缝、坑洼等病害的细长与弯曲拓扑特征; 其次, 构建高分辨率 P2 微小目标检测层, 解决高空俯拍视角下极小病害特征丢失的问题, 并结合 Slim-neck 架构优化特征融合效率, 在降低计算复杂度的同时保留边缘细节; 最后, 采用 Shape-IoU 损失函数, 将形状与尺度因子纳入回归计算, 强化模型对极端长宽比病害的几何感知能力, 提升定位精度. 实验结果表明, 改进后的YOLO11-DPSS网络模型较原来的YOLO11n网络模型在UAV-PDD2023数据集上mAP@0.5值提高了4.4%, mAP@0.5: 0.95值提高了2.5%, 精度提高了3%, 召回率提高了7.8%, 同时参数量 (Params) 和计算量 (GFLOPS) 均不变, 提高检测精度的同时保持了较低的计算开销, 展示出了良好的综合检测性能.
现阶段, 随着机动车数量的不断增加导致道路负荷的增大, 道路病害问题日益严重, 道路病害检测对于确保道路的安全性和可持续性至关重要. 目前, 无人机航拍道路病害检测面临着小目标检测困难、图像背景复杂以及道路病害结构复杂等问题, 导致检测效果较差. 为此, 本文提出了一种基于YOLO11n改进的航拍道路病害检测算法YOLO11-DPSS. 首先, 引入动态蛇形卷积 (dynamic snake convolution, DSConv) 模块, 利用其自适应形变能力精准感知裂缝、坑洼等病害的细长与弯曲拓扑特征; 其次, 构建高分辨率 P2 微小目标检测层, 解决高空俯拍视角下极小病害特征丢失的问题, 并结合 Slim-neck 架构优化特征融合效率, 在降低计算复杂度的同时保留边缘细节; 最后, 采用 Shape-IoU 损失函数, 将形状与尺度因子纳入回归计算, 强化模型对极端长宽比病害的几何感知能力, 提升定位精度. 实验结果表明, 改进后的YOLO11-DPSS网络模型较原来的YOLO11n网络模型在UAV-PDD2023数据集上mAP@0.5值提高了4.4%, mAP@0.5: 0.95值提高了2.5%, 精度提高了3%, 召回率提高了7.8%, 同时参数量 (Params) 和计算量 (GFLOPS) 均不变, 提高检测精度的同时保持了较低的计算开销, 展示出了良好的综合检测性能.
优先出版日期: 2026-04-02
,DOI: 10.15888/j.cnki.csa.010125
摘要：
现有的文档图像阴影去除方法常依赖严格配对数据或依赖人工掩膜, 导致易过拟合且泛化性差, 难以适应真实场景. 为此, 本文提出了一种背景感知的半监督文档图像阴影去除方法. 该方法采用监督与无监督相结合的双阶段框架: 利用监督训练的图像分解单元将输入图像分解为无阴影的反射图和含阴影的光照图, 其中反射图用于约束无监督训练以保持结构一致性, 光照图则凸显阴影的亮度差异以降低学习难度. 同时, 在监督阶段引入背景颜色估计模块与阴影注意力图以提供全局颜色与区域约束, 并通过偏移估计模块校正光照与颜色偏差, 增强结构恢复与阴影建模能力. 在无监督阶段, 以分解单元为约束, 结合未配对数据训练去阴影网络, 引入通用对抗损失、颜色亮度损失和反射一致性损失, 以提升鲁棒性与泛化性. 实验结果表明, 该方法在文档图像阴影数据集上取得了优异表现, 同时在真实文档场景中生成了更自然、细腻的去阴影效果.
现有的文档图像阴影去除方法常依赖严格配对数据或依赖人工掩膜, 导致易过拟合且泛化性差, 难以适应真实场景. 为此, 本文提出了一种背景感知的半监督文档图像阴影去除方法. 该方法采用监督与无监督相结合的双阶段框架: 利用监督训练的图像分解单元将输入图像分解为无阴影的反射图和含阴影的光照图, 其中反射图用于约束无监督训练以保持结构一致性, 光照图则凸显阴影的亮度差异以降低学习难度. 同时, 在监督阶段引入背景颜色估计模块与阴影注意力图以提供全局颜色与区域约束, 并通过偏移估计模块校正光照与颜色偏差, 增强结构恢复与阴影建模能力. 在无监督阶段, 以分解单元为约束, 结合未配对数据训练去阴影网络, 引入通用对抗损失、颜色亮度损失和反射一致性损失, 以提升鲁棒性与泛化性. 实验结果表明, 该方法在文档图像阴影数据集上取得了优异表现, 同时在真实文档场景中生成了更自然、细腻的去阴影效果.
优先出版日期: 2026-04-02
,DOI: 10.15888/j.cnki.csa.010129
摘要：
联邦学习在保护用户数据隐私方面具有巨大潜力, 而差分隐私为其提供了严格的隐私保障. 然而, 在非独立同分布(Non-IID)场景下, 差分隐私引入的噪声与数据异质性相互作用, 常导致模型性能显著下降. 现有方法多采用统一隐私策略, 忽略客户端间异质性差异, 难以兼顾隐私与效用. 为此, 本文提出一种面向异质性的自适应差分隐私联邦学习方法(HA-DPFL). 该算法以Jensen-Shannon (JS)散度量化客户端与全局的数据异质性, 并据此设计双重自适应机制: (1)依据全局异质性调整客户端采样率, 以适应不同分布特征; (2)为每个客户端分配与其个体异质性匹配的个性化梯度裁剪阈值, 从而在保障隐私的同时减轻性能损失. 在MNIST和CIFAR-10数据集的多种Non-IID设置下, 实验结果表明, HA-DPFL在提供同等差分隐私保护的前提下, 显著提升了模型准确率, 实现了更优的隐私-效用权衡.
联邦学习在保护用户数据隐私方面具有巨大潜力, 而差分隐私为其提供了严格的隐私保障. 然而, 在非独立同分布(Non-IID)场景下, 差分隐私引入的噪声与数据异质性相互作用, 常导致模型性能显著下降. 现有方法多采用统一隐私策略, 忽略客户端间异质性差异, 难以兼顾隐私与效用. 为此, 本文提出一种面向异质性的自适应差分隐私联邦学习方法(HA-DPFL). 该算法以Jensen-Shannon (JS)散度量化客户端与全局的数据异质性, 并据此设计双重自适应机制: (1)依据全局异质性调整客户端采样率, 以适应不同分布特征; (2)为每个客户端分配与其个体异质性匹配的个性化梯度裁剪阈值, 从而在保障隐私的同时减轻性能损失. 在MNIST和CIFAR-10数据集的多种Non-IID设置下, 实验结果表明, HA-DPFL在提供同等差分隐私保护的前提下, 显著提升了模型准确率, 实现了更优的隐私-效用权衡.
优先出版日期: 2026-04-02
,DOI: 10.15888/j.cnki.csa.010142
摘要：
多变量时间序列预测面临的核心挑战在于刻画变量间复杂的依赖关系及其随时间的动态演化. 现有方法往往依赖静态相关性或黑箱式注意力机制, 难以有效建模因果交互并适应非平稳特征. 为解决这一问题, 本文提出了一种因果约束与动态演化相结合的图结构预测模型. 具体而言, 我们首先引入因果约束机制, 利用基于约束的因果发现方法识别关键先导变量, 并将因果关系矩阵转化为图结构, 由图卷积网络(graph convolution network, GCN)聚合因果父变量信息以形成增强特征表示. 同时, 我们提出动态演化机制, 通过对因果图结构与权重的时间更新实现因果关系的非平稳建模, 并与预测目标联合优化, 从而确保因果推理与预测性能的一致性. 实验结果在8个公开多变量时间序列基准数据集上表明, 该模型在MSE和MAE上均有提升, 相较于现有强基线方法表现更为优越. 本文工作不仅推动了可解释且自适应的时间序列预测研究, 也为复杂时序系统中的因果驱动动态预测提供了新思路.
多变量时间序列预测面临的核心挑战在于刻画变量间复杂的依赖关系及其随时间的动态演化. 现有方法往往依赖静态相关性或黑箱式注意力机制, 难以有效建模因果交互并适应非平稳特征. 为解决这一问题, 本文提出了一种因果约束与动态演化相结合的图结构预测模型. 具体而言, 我们首先引入因果约束机制, 利用基于约束的因果发现方法识别关键先导变量, 并将因果关系矩阵转化为图结构, 由图卷积网络(graph convolution network, GCN)聚合因果父变量信息以形成增强特征表示. 同时, 我们提出动态演化机制, 通过对因果图结构与权重的时间更新实现因果关系的非平稳建模, 并与预测目标联合优化, 从而确保因果推理与预测性能的一致性. 实验结果在8个公开多变量时间序列基准数据集上表明, 该模型在MSE和MAE上均有提升, 相较于现有强基线方法表现更为优越. 本文工作不仅推动了可解释且自适应的时间序列预测研究, 也为复杂时序系统中的因果驱动动态预测提供了新思路.
优先出版日期: 2026-04-02
,DOI: 10.15888/j.cnki.csa.010143
摘要：
联邦学习(federated learning, FL)作为一种新兴的分布式机器学习范式, 通过在客户端本地存储数据并仅共享模型参数或梯度, 实现跨机构和跨设备的数据协同训练. 然而, 现有的客户端选择方法在大规模异构环境中存在明显不足, 随机选择导致收敛速度慢且波动大, 基于数据量或资源的加权策略难以保证全局最优性, 传统隐私保护机制在量子计算威胁下可能失效, 且难以在效率、安全性与公平性之间取得平衡. 为了解决这些问题, 本文提出了一种基于量子近似优化算法(quantum approximate optimization algorithm, QAOA)的客户端选择机制, 将客户端选择问题建模为量子组合优化问题, 并通过量子-经典混合优化框架高效求解近似最优解. 同时, 结合量子安全多方计算(quantum secure multi-party computation, QSMPC)协议, 保障梯度更新过程中的信息安全, 有效防止梯度反演与窃听攻击. 实验结果表明, 所提方法在多个标准数据集上, 相较于经典基线方法, 模型精度提高约2%–5%、收敛速度提升27%–44%、客户端公平性显著改善, 验证了量子优化在FL中的应用潜力. 本研究不仅为异构环境中的高效客户端选择提供了新的方法学思路, 也为量子安全隐私保护机制在分布式机器学习中的实际应用奠定了理论与实践基础, 具有重要的科研价值与工程推广意义.
联邦学习(federated learning, FL)作为一种新兴的分布式机器学习范式, 通过在客户端本地存储数据并仅共享模型参数或梯度, 实现跨机构和跨设备的数据协同训练. 然而, 现有的客户端选择方法在大规模异构环境中存在明显不足, 随机选择导致收敛速度慢且波动大, 基于数据量或资源的加权策略难以保证全局最优性, 传统隐私保护机制在量子计算威胁下可能失效, 且难以在效率、安全性与公平性之间取得平衡. 为了解决这些问题, 本文提出了一种基于量子近似优化算法(quantum approximate optimization algorithm, QAOA)的客户端选择机制, 将客户端选择问题建模为量子组合优化问题, 并通过量子-经典混合优化框架高效求解近似最优解. 同时, 结合量子安全多方计算(quantum secure multi-party computation, QSMPC)协议, 保障梯度更新过程中的信息安全, 有效防止梯度反演与窃听攻击. 实验结果表明, 所提方法在多个标准数据集上, 相较于经典基线方法, 模型精度提高约2%–5%、收敛速度提升27%–44%、客户端公平性显著改善, 验证了量子优化在FL中的应用潜力. 本研究不仅为异构环境中的高效客户端选择提供了新的方法学思路, 也为量子安全隐私保护机制在分布式机器学习中的实际应用奠定了理论与实践基础, 具有重要的科研价值与工程推广意义.
优先出版日期: 2026-04-02
,DOI: 10.15888/j.cnki.csa.010147
摘要：
针对图像分类领域中存在的复杂纹理特征提取能力薄弱、局部信息关联性挖掘不足及聚焦关键特征欠缺等问题, 提出基于多尺度纹理感知与类激活分块注意力的图像分类网络MTCANet. MTCANet以ResNet-34残差网络为基础. 首先, 设计多尺度纹理感知卷积单元MTPC (multi-scale texture perception convolution), 基于参数化Gabor函数对卷积核进行初始化, 并结合3种尺度深度分离卷积, 实现通道独立处理与感受野多样化, 有效提升图像多尺度纹理特征的表达能力. 其次, 提出分块类激活特征提取模块BCAF (block-wise class-activated feature extraction), 以类激活机制为基础, 并基于分块操作计算块级与块内像素级置信度, 构建双层加权机制, 强化显著区域特征并抑制背景干扰, 从而生成具有更强判别力的局部特征表示. 最后, 设计类激活分块特征交互注意力模块CAPI (class-activated block feature interaction attention), 建模分块语义交互增强局部细节一致性, 聚合局部特征生成全局语义, 并利用注意力机制实现局部-全局特征的深度融合, 有效提升模型在复杂背景中的目标感知与判别能力. 实验结果显示, MTCANet在Imagenette、Imagewoof和Flowers-102数据集上的分类准确率分别达到89.99%、80.12%和91.69%, 较现有先进方法平均提升2.37%、1.90%和1.11%, 有效提升了图像分类性能.
针对图像分类领域中存在的复杂纹理特征提取能力薄弱、局部信息关联性挖掘不足及聚焦关键特征欠缺等问题, 提出基于多尺度纹理感知与类激活分块注意力的图像分类网络MTCANet. MTCANet以ResNet-34残差网络为基础. 首先, 设计多尺度纹理感知卷积单元MTPC (multi-scale texture perception convolution), 基于参数化Gabor函数对卷积核进行初始化, 并结合3种尺度深度分离卷积, 实现通道独立处理与感受野多样化, 有效提升图像多尺度纹理特征的表达能力. 其次, 提出分块类激活特征提取模块BCAF (block-wise class-activated feature extraction), 以类激活机制为基础, 并基于分块操作计算块级与块内像素级置信度, 构建双层加权机制, 强化显著区域特征并抑制背景干扰, 从而生成具有更强判别力的局部特征表示. 最后, 设计类激活分块特征交互注意力模块CAPI (class-activated block feature interaction attention), 建模分块语义交互增强局部细节一致性, 聚合局部特征生成全局语义, 并利用注意力机制实现局部-全局特征的深度融合, 有效提升模型在复杂背景中的目标感知与判别能力. 实验结果显示, MTCANet在Imagenette、Imagewoof和Flowers-102数据集上的分类准确率分别达到89.99%、80.12%和91.69%, 较现有先进方法平均提升2.37%、1.90%和1.11%, 有效提升了图像分类性能.
优先出版日期: 2026-04-02
,DOI: 10.15888/j.cnki.csa.010150
摘要：
合同文本通常具有篇幅长、结构复杂、语义耦合紧密等特征, 模糊的字段边界和结构归属问题使信息抽取任务面临较大挑战. 监督式抽取方法依赖大量标注数据, 构建成本高且领域适应性不足. 为此, 本文提出一种基于大语言模型的零样本合同信息抽取方法. 该方法结合合同的自然结构单元设计边界约束滑窗, 以增强输入上下文的完整性与结构一致性; 在正向阶段生成候选字段, 在反向阶段引入思维链推理机制, 对结果进行结构归属与逻辑一致性验证; 最后基于语义相似度与生成稳定性建立置信度评分体系, 实现抽取结果的自动化质量评估. 在私有企业合同数据集A和公开CCKS保险合同数据集B上进行的实验结果表明, 该方法能够显著提升大语言模型在不同合同场景下的抽取性能, 其中GPT-4o模型在数据集A和数据集B上的F1值分别提升7.73和9.05个百分点, 验证了所提方法的可靠性与实用价值.
合同文本通常具有篇幅长、结构复杂、语义耦合紧密等特征, 模糊的字段边界和结构归属问题使信息抽取任务面临较大挑战. 监督式抽取方法依赖大量标注数据, 构建成本高且领域适应性不足. 为此, 本文提出一种基于大语言模型的零样本合同信息抽取方法. 该方法结合合同的自然结构单元设计边界约束滑窗, 以增强输入上下文的完整性与结构一致性; 在正向阶段生成候选字段, 在反向阶段引入思维链推理机制, 对结果进行结构归属与逻辑一致性验证; 最后基于语义相似度与生成稳定性建立置信度评分体系, 实现抽取结果的自动化质量评估. 在私有企业合同数据集A和公开CCKS保险合同数据集B上进行的实验结果表明, 该方法能够显著提升大语言模型在不同合同场景下的抽取性能, 其中GPT-4o模型在数据集A和数据集B上的F1值分别提升7.73和9.05个百分点, 验证了所提方法的可靠性与实用价值.
优先出版日期: 2026-04-02
,DOI: 10.15888/j.cnki.csa.010167
摘要：
随着当代网络视频的盛行, 视频版权纠纷愈发严峻. 针对数字视频版权保护问题中水印鲁棒性薄弱、存证可信度低的核心痛点, 本文提出一种融合双通道盲水印与区块链存证的视频版权保护机制 DCW-BCPS. 该机制通过二维码驱动的双通道盲水印(QR-driven dual-stream watermarking mechanism, QDSWM)在视频与音频流中同步嵌入版权标识, 双域协同既保障视频主观质量, 又结合区块链存证实现版权信息不可篡改, 实现全方位视频版权保护与多方位视频版权纠纷处理. 系统支持原创性审核、双通道联合验证及分级纠纷处置, 实验表明其水印在剪裁、帧交换、音频滤波等攻击下具备强鲁棒性, 水印提取NC值 (normalized correlation)值仍保持高位(视频帧交换攻击下NC达0.9902, 剪裁10%攻击下NC值达0.6414), 区块链存证吞吐量达1125 TPS, 且GPU加速下单帧嵌入耗时低至12 ms, 适配高并发实时处理场景的工业落地需求, 为视频版权确权与侵权追溯提供有效技术支撑.
随着当代网络视频的盛行, 视频版权纠纷愈发严峻. 针对数字视频版权保护问题中水印鲁棒性薄弱、存证可信度低的核心痛点, 本文提出一种融合双通道盲水印与区块链存证的视频版权保护机制 DCW-BCPS. 该机制通过二维码驱动的双通道盲水印(QR-driven dual-stream watermarking mechanism, QDSWM)在视频与音频流中同步嵌入版权标识, 双域协同既保障视频主观质量, 又结合区块链存证实现版权信息不可篡改, 实现全方位视频版权保护与多方位视频版权纠纷处理. 系统支持原创性审核、双通道联合验证及分级纠纷处置, 实验表明其水印在剪裁、帧交换、音频滤波等攻击下具备强鲁棒性, 水印提取NC值 (normalized correlation)值仍保持高位(视频帧交换攻击下NC达0.9902, 剪裁10%攻击下NC值达0.6414), 区块链存证吞吐量达1125 TPS, 且GPU加速下单帧嵌入耗时低至12 ms, 适配高并发实时处理场景的工业落地需求, 为视频版权确权与侵权追溯提供有效技术支撑.
优先出版日期: 2026-04-02
,DOI: 10.15888/j.cnki.csa.010169
摘要：
论点对抽取旨在从跨文本中识别具有对应关系的论点单元对, 是论辩挖掘领域的核心任务. 针对论点对抽取任务中跨文档语义交互建模的层级混淆、细粒度关联信息难以捕捉和论点识别与配对推理的割裂式建模等问题, 提出一种基于层次化交叉与多粒度混合注意力机制的论点对联合抽取模型(HMA-APE). 该模型通过层次化交叉注意力编码器, 从“段落→句子”两级建模跨文本交互, 过滤非论点噪声; 设计三重注意力协同机制构成多粒度混合注意力, 分别捕捉内容相关性、序列依赖性与立场对比性, 全面挖掘多维关联信息; 采用双路径交互解码器, 通过边界特征约束配对推理与配对特征修正边界识别的双向迁移, 提升任务间信息交互效率, 实现论点识别与配对推理的深度协同. 实验结果显示, 该模型在两个公开数据集上总体性能优于所有对比基线模型, 验证了其有效性.
论点对抽取旨在从跨文本中识别具有对应关系的论点单元对, 是论辩挖掘领域的核心任务. 针对论点对抽取任务中跨文档语义交互建模的层级混淆、细粒度关联信息难以捕捉和论点识别与配对推理的割裂式建模等问题, 提出一种基于层次化交叉与多粒度混合注意力机制的论点对联合抽取模型(HMA-APE). 该模型通过层次化交叉注意力编码器, 从“段落→句子”两级建模跨文本交互, 过滤非论点噪声; 设计三重注意力协同机制构成多粒度混合注意力, 分别捕捉内容相关性、序列依赖性与立场对比性, 全面挖掘多维关联信息; 采用双路径交互解码器, 通过边界特征约束配对推理与配对特征修正边界识别的双向迁移, 提升任务间信息交互效率, 实现论点识别与配对推理的深度协同. 实验结果显示, 该模型在两个公开数据集上总体性能优于所有对比基线模型, 验证了其有效性.
优先出版日期: 2026-04-01
,DOI: 10.15888/j.cnki.csa.010149
摘要：
复杂环境下的交通标志检测易受强光、雨雪遮挡等因素干扰, 导致检测精度下降和目标漏检. 为提升模型在此类场景下的鲁棒性, 本文提出一种基于YOLOv8n的改进算法RDCM-YOLO. 首先, 在主干网络中引入感受野动态卷积(receptive-field dynamic convolution, RFDConv), 通过将感受野注意力与自适应卷积核相结合, 在降低冗余计算的同时增强模型在复杂环境下的特征感知能力. 其次, 设计了一种倒置上下文锚点注意力(inverted context anchor attention, iCAA), 将上下文锚点注意力(context anchor attention, CAA)模块嵌入倒置残差结构中, 引导模型聚焦关键区域, 并优化局部与全局信息的交互融合. 此外, 本文还引入了混合聚合网络(mixed aggregation network, MAN), 采用多分支特征聚合策略, 以强化模型整合跨尺度语义信息的能力. 在增强后的$ {\text{TT100K}}_{\text{aug}} $数据集上的实验结果表明, 与基准模型YOLOv8n相比, RDCM-YOLO的精确率、召回率、mAP@0.5和mAP@0.5:0.95分别提升了3.9%、5.4%、5.4%和4.5%, 其综合性能优于当前面向复杂环境的主流交通标志检测算法.
复杂环境下的交通标志检测易受强光、雨雪遮挡等因素干扰, 导致检测精度下降和目标漏检. 为提升模型在此类场景下的鲁棒性, 本文提出一种基于YOLOv8n的改进算法RDCM-YOLO. 首先, 在主干网络中引入感受野动态卷积(receptive-field dynamic convolution, RFDConv), 通过将感受野注意力与自适应卷积核相结合, 在降低冗余计算的同时增强模型在复杂环境下的特征感知能力. 其次, 设计了一种倒置上下文锚点注意力(inverted context anchor attention, iCAA), 将上下文锚点注意力(context anchor attention, CAA)模块嵌入倒置残差结构中, 引导模型聚焦关键区域, 并优化局部与全局信息的交互融合. 此外, 本文还引入了混合聚合网络(mixed aggregation network, MAN), 采用多分支特征聚合策略, 以强化模型整合跨尺度语义信息的能力. 在增强后的$ {\text{TT100K}}_{\text{aug}} $数据集上的实验结果表明, 与基准模型YOLOv8n相比, RDCM-YOLO的精确率、召回率、mAP@0.5和mAP@0.5:0.95分别提升了3.9%、5.4%、5.4%和4.5%, 其综合性能优于当前面向复杂环境的主流交通标志检测算法.
优先出版日期: 2026-04-01
,DOI: 10.15888/j.cnki.csa.010139
摘要：
针对三维医学图像分割中存在的解剖结构差异显著、类别不平衡以及边界模糊等挑战, 本文提出了一种基于标签感知编码与组特异性特征增强(即针对不同类别进行差异化特征强化)的三维医学图像分割方法. 该方法构建了统一的多模块分割框架, 将动态标签语义建模与类别特异性特征优化有机结合. 首先, 在特征提取阶段引入动态聚类与证据累积机制, 通过多次聚类计算稳定的类别中心嵌入, 实现对语义标签的自适应建模, 从而增强小体积或低对比度器官的特征表达. 随后, 设计组特异性特征增强与解耦模块, 利用语义标签嵌入生成空间与通道维度的权重图, 对不同类别的特征进行显式分离与重标定, 显著提升模型对细粒度结构的辨识能力. 整个网络采用基于 Transformer 的编码器实现全局上下文建模, 并通过渐进式解码器融合多尺度特征, 实现高分辨率的结构恢复. 在公开数据集 WORD和BTCV上进行了大量实验, 结果表明该方法在多器官分割任务中取得了优于现有主流模型的性能. 本文方法在 Dice 相似系数(DSC)和 95% Hausdorff 距离(HD95)等指标上均展现出显著优势.
针对三维医学图像分割中存在的解剖结构差异显著、类别不平衡以及边界模糊等挑战, 本文提出了一种基于标签感知编码与组特异性特征增强(即针对不同类别进行差异化特征强化)的三维医学图像分割方法. 该方法构建了统一的多模块分割框架, 将动态标签语义建模与类别特异性特征优化有机结合. 首先, 在特征提取阶段引入动态聚类与证据累积机制, 通过多次聚类计算稳定的类别中心嵌入, 实现对语义标签的自适应建模, 从而增强小体积或低对比度器官的特征表达. 随后, 设计组特异性特征增强与解耦模块, 利用语义标签嵌入生成空间与通道维度的权重图, 对不同类别的特征进行显式分离与重标定, 显著提升模型对细粒度结构的辨识能力. 整个网络采用基于 Transformer 的编码器实现全局上下文建模, 并通过渐进式解码器融合多尺度特征, 实现高分辨率的结构恢复. 在公开数据集 WORD和BTCV上进行了大量实验, 结果表明该方法在多器官分割任务中取得了优于现有主流模型的性能. 本文方法在 Dice 相似系数(DSC)和 95% Hausdorff 距离(HD95)等指标上均展现出显著优势.
优先出版日期: 2026-04-01
,DOI: 10.15888/j.cnki.csa.010145
摘要：
小样本学习(few-shot learning, FSL)的目的是希望通过少量标注的样本实现高效的学习, 但是在研究中发现, 在处理类内差异和类间相似性的时候仍存在着挑战, 尤其是在处理复杂数据分布和细粒度分类的任务中表现得差强人意. 针对小样本学习存在的类内差异大、类间相似性高的问题, 本文提出了一个模型, 即AQH-GCN模型. 该模型提出了3个关键技术来提升小样本学习的性能, 针对类内差异性和类间相似性问题, 提出了优化方法. (1)设计动态权重调节的自适应聚合机制, 从而有效地提高类内特征一致性并抑制了类间干扰; (2)融合了对比学习的节点池化策略, 提高模型保留判别性节点的能力; (3)为实现多层次特征表达的动态优化, 构建出多层次特征融合框架, 从而实现特征表达的动态优化. 在多个标准数据集上通过对比实验验证了本文方法的优越性, 特别是在细粒度分类任务中性能得到了显著的提升. 例如, 本文方法在MiniImageNet数据集上的准确率相比主流基线模型CAN, 在5-way 1-shot任务中提升了4.38个百分点, 在5-way 5-shot任务中提升了4.52个百分点.
小样本学习(few-shot learning, FSL)的目的是希望通过少量标注的样本实现高效的学习, 但是在研究中发现, 在处理类内差异和类间相似性的时候仍存在着挑战, 尤其是在处理复杂数据分布和细粒度分类的任务中表现得差强人意. 针对小样本学习存在的类内差异大、类间相似性高的问题, 本文提出了一个模型, 即AQH-GCN模型. 该模型提出了3个关键技术来提升小样本学习的性能, 针对类内差异性和类间相似性问题, 提出了优化方法. (1)设计动态权重调节的自适应聚合机制, 从而有效地提高类内特征一致性并抑制了类间干扰; (2)融合了对比学习的节点池化策略, 提高模型保留判别性节点的能力; (3)为实现多层次特征表达的动态优化, 构建出多层次特征融合框架, 从而实现特征表达的动态优化. 在多个标准数据集上通过对比实验验证了本文方法的优越性, 特别是在细粒度分类任务中性能得到了显著的提升. 例如, 本文方法在MiniImageNet数据集上的准确率相比主流基线模型CAN, 在5-way 1-shot任务中提升了4.38个百分点, 在5-way 5-shot任务中提升了4.52个百分点.
优先出版日期: 2026-04-01
,DOI: 10.15888/j.cnki.csa.010159
摘要：
针对皮肤病灶分割中存在的边界模糊、形态不规则及尺度多变等挑战, 本文提出一种融合自适应注意力与多尺度特征融合的皮肤病变分割方法. 该方法核心由自适应协同注意力(adaptive synergistic attention, ASA)模块和增强型分组聚合桥接(enhanced group aggregation bridge, EGAB)模块构成. ASA模块通过通道-空间注意力协同机制、频域全局上下文建模和显式边界增强, 实现对多层次特征的精细化校准; EGAB模块则利用跨尺度注意力机制与分组多尺度膨胀卷积, 有效提升特征融合质量. 在ISIC-2017和ISIC-2018数据集上的实验表明, 本文方法在分割精度上优于多种主流算法, 在保持模型效率的同时, 对模糊边界和复杂形态病变的分割性能显著提升.
针对皮肤病灶分割中存在的边界模糊、形态不规则及尺度多变等挑战, 本文提出一种融合自适应注意力与多尺度特征融合的皮肤病变分割方法. 该方法核心由自适应协同注意力(adaptive synergistic attention, ASA)模块和增强型分组聚合桥接(enhanced group aggregation bridge, EGAB)模块构成. ASA模块通过通道-空间注意力协同机制、频域全局上下文建模和显式边界增强, 实现对多层次特征的精细化校准; EGAB模块则利用跨尺度注意力机制与分组多尺度膨胀卷积, 有效提升特征融合质量. 在ISIC-2017和ISIC-2018数据集上的实验表明, 本文方法在分割精度上优于多种主流算法, 在保持模型效率的同时, 对模糊边界和复杂形态病变的分割性能显著提升.
优先出版日期: 2026-04-01
,DOI: 10.15888/j.cnki.csa.010160
摘要：
安全多项式逼近是隐私保护计算中的关键基础操作. 然而, 传统安全多方计算协议依赖计算复杂性假设, 面临量子计算威胁且高维数据处理效率不足的问题. 为此, 本文构建了一种半量子与量子融合的安全多项式逼近方案, 支持多方在保护私有函数的前提下协同求解最优逼近多项式. 该框架包含两个核心协议: (1)针对传统安全切比雪夫距离计算协议易受到量子计算威胁的问题, 本文首先提出一种半量子安全多方切比雪夫距离计算协议, 通过量子密钥分发与量子态操作, 构建三重加密机制, 实现任意两方间切比雪夫距离的安全计算; (2)进一步提出多维量子隐私查询协议, 突破了传统单值查询的局限. 理论分析表明, 该框架满足信息论安全, 攻击者成功概率上界可控, 且具备可行的通信与计算效率.
安全多项式逼近是隐私保护计算中的关键基础操作. 然而, 传统安全多方计算协议依赖计算复杂性假设, 面临量子计算威胁且高维数据处理效率不足的问题. 为此, 本文构建了一种半量子与量子融合的安全多项式逼近方案, 支持多方在保护私有函数的前提下协同求解最优逼近多项式. 该框架包含两个核心协议: (1)针对传统安全切比雪夫距离计算协议易受到量子计算威胁的问题, 本文首先提出一种半量子安全多方切比雪夫距离计算协议, 通过量子密钥分发与量子态操作, 构建三重加密机制, 实现任意两方间切比雪夫距离的安全计算; (2)进一步提出多维量子隐私查询协议, 突破了传统单值查询的局限. 理论分析表明, 该框架满足信息论安全, 攻击者成功概率上界可控, 且具备可行的通信与计算效率.
优先出版日期: 2026-04-01
,DOI: 10.15888/j.cnki.csa.010141
摘要：
提升大语言模型的数学推理能力是当前研究重点, 其中思维链技术通过提示词优化显著增强了模型性能. 然而, 现有方法多依赖超大模型的蒸馏, 却忽视了模型自身的潜力. 本文提出了MCTS-EF推理增强框架, 利用大模型自身的验证反馈能力与蒙特卡洛树搜索(Monte Carlo tree search, MCTS)实现动态纠错, 并通过模型的自一致性缓解幻觉并增强模型推理能力, 无需依赖蒸馏、微调或外部奖励模型. 该框架通过自我奖励、验证反馈和上下文学习的协同机制, 结合MCTS与评估-反馈循环优化推理路径, 充分激发模型内在的数学推理潜力. 实验结果表明, Qwen2-7B在MATH-500数据集上的准确率从44%提升至68%, 超越Qwen2-72B模型性能, 其他模型的性能也有较大提升. 本文还系统分析了相关模型在该框架中不同情况下的表现, 为未来研究提供了方法论指导和技术路径.
提升大语言模型的数学推理能力是当前研究重点, 其中思维链技术通过提示词优化显著增强了模型性能. 然而, 现有方法多依赖超大模型的蒸馏, 却忽视了模型自身的潜力. 本文提出了MCTS-EF推理增强框架, 利用大模型自身的验证反馈能力与蒙特卡洛树搜索(Monte Carlo tree search, MCTS)实现动态纠错, 并通过模型的自一致性缓解幻觉并增强模型推理能力, 无需依赖蒸馏、微调或外部奖励模型. 该框架通过自我奖励、验证反馈和上下文学习的协同机制, 结合MCTS与评估-反馈循环优化推理路径, 充分激发模型内在的数学推理潜力. 实验结果表明, Qwen2-7B在MATH-500数据集上的准确率从44%提升至68%, 超越Qwen2-72B模型性能, 其他模型的性能也有较大提升. 本文还系统分析了相关模型在该框架中不同情况下的表现, 为未来研究提供了方法论指导和技术路径.
优先出版日期: 2026-03-31
,DOI: 10.15888/j.cnki.csa.010126
摘要：
针对软件定义网络(software-defined networking, SDN)用户身份认证过程中存在验证开销较大、身份粒度较粗的问题, 提出基于属性标识的数据面认证方法. 根据用户属性信息, 改进Schnorr算法为用户生成属性标识, 添加到其数据包中, 利用P4可编程交换机解析数据包, 验证属性标识, 从而进行用户身份认证. 认证通过后, 控制器根据用户属性匹配专属访问策略, 下发交换机执行. 通过数据面的属性认证, 降低控制器负载, 实现SDN用户的快速身份认证和细粒度访问管理. 实验结果表明, 该方法的网络时延和通信开销优于现有同类型方法.
针对软件定义网络(software-defined networking, SDN)用户身份认证过程中存在验证开销较大、身份粒度较粗的问题, 提出基于属性标识的数据面认证方法. 根据用户属性信息, 改进Schnorr算法为用户生成属性标识, 添加到其数据包中, 利用P4可编程交换机解析数据包, 验证属性标识, 从而进行用户身份认证. 认证通过后, 控制器根据用户属性匹配专属访问策略, 下发交换机执行. 通过数据面的属性认证, 降低控制器负载, 实现SDN用户的快速身份认证和细粒度访问管理. 实验结果表明, 该方法的网络时延和通信开销优于现有同类型方法.
优先出版日期: 2026-03-31
,DOI: 10.15888/j.cnki.csa.010127
摘要：
大语言模型(LLM)凭借先进的推理能力和海量数据训练展现出优异的性能, 但其庞大的规模会导致高计算成本与部署挑战. 知识蒸馏, 尤其是思维链蒸馏(chain-of-thought distillation, CoTD), 通过用教师模型的推理过程指导学生模型, 能有效压缩模型并保持推理能力. 然而, 传统CoTD方法存在两个关键问题: 一是步骤级监督不足, 仅以完整推理链作为监督信号会忽略推理过程的中间决策, 导致学生模型难以全面掌握教师的推理逻辑; 二是暴露偏差, 即训练阶段依赖教师提供的推理链作为输入, 而推理阶段需基于自身生成的结果进行预测, 训练与推理分布的不一致会导致误差累积, 显著降低模型性能. 为此本文提出一种渐进式思维链蒸馏方法, 将教师模型思维链分解为细粒度语义推理单元, 提供步骤级监督, 同时采用渐进式调度方法, 逐步从教师生成输入过渡到学生自生成输入, 弥合训练与推理分布的差异. 我们还设计了灵活的调度函数确保平滑过渡, 并通过调整最大学生输入概率和增长动态进行优化. 实验结果表明, 所提方法在StrategyQA和ARC等多个数据集上优于多个现有的CoTD方法, 提升了学生模型的性能.
大语言模型(LLM)凭借先进的推理能力和海量数据训练展现出优异的性能, 但其庞大的规模会导致高计算成本与部署挑战. 知识蒸馏, 尤其是思维链蒸馏(chain-of-thought distillation, CoTD), 通过用教师模型的推理过程指导学生模型, 能有效压缩模型并保持推理能力. 然而, 传统CoTD方法存在两个关键问题: 一是步骤级监督不足, 仅以完整推理链作为监督信号会忽略推理过程的中间决策, 导致学生模型难以全面掌握教师的推理逻辑; 二是暴露偏差, 即训练阶段依赖教师提供的推理链作为输入, 而推理阶段需基于自身生成的结果进行预测, 训练与推理分布的不一致会导致误差累积, 显著降低模型性能. 为此本文提出一种渐进式思维链蒸馏方法, 将教师模型思维链分解为细粒度语义推理单元, 提供步骤级监督, 同时采用渐进式调度方法, 逐步从教师生成输入过渡到学生自生成输入, 弥合训练与推理分布的差异. 我们还设计了灵活的调度函数确保平滑过渡, 并通过调整最大学生输入概率和增长动态进行优化. 实验结果表明, 所提方法在StrategyQA和ARC等多个数据集上优于多个现有的CoTD方法, 提升了学生模型的性能.
优先出版日期: 2026-03-31
,DOI: 10.15888/j.cnki.csa.010128
摘要：
针对目前图像语义分割任务中小目标分割精度不足、分割边界模糊以及相似类别语义混淆等问题, 本文提出了一种基于通道注意力与渐进式频率感知融合的语义分割方法. 该方法基于SegFormer模型, 采用MiT-B0作为主干网络, 通过动态调整通道权重来增强关键语义特征表达, 同时为多尺度特征融合降低对噪声的敏感性; 在解码器阶段通过自适应高低通滤波策略和Carafe上采样算子, 在对高层特征进行平滑上采样的同时增强低层特征的高频细节, 进而提出渐进式频率感知特征融合策略, 改善小目标分割精度、边界清晰度, 增强对相似类别的语义区分能力. 实验结果表明, 在参数量仅增加0.15M的情况下, 该方法在Cityscapes和ADE20K数据集上的mIoU分别达到了76.67%和37.85%, 有效提升了小目标识别、边界恢复以及易混淆类别区分的能力, 在性能与轻量化之间实现了良好的平衡.
针对目前图像语义分割任务中小目标分割精度不足、分割边界模糊以及相似类别语义混淆等问题, 本文提出了一种基于通道注意力与渐进式频率感知融合的语义分割方法. 该方法基于SegFormer模型, 采用MiT-B0作为主干网络, 通过动态调整通道权重来增强关键语义特征表达, 同时为多尺度特征融合降低对噪声的敏感性; 在解码器阶段通过自适应高低通滤波策略和Carafe上采样算子, 在对高层特征进行平滑上采样的同时增强低层特征的高频细节, 进而提出渐进式频率感知特征融合策略, 改善小目标分割精度、边界清晰度, 增强对相似类别的语义区分能力. 实验结果表明, 在参数量仅增加0.15M的情况下, 该方法在Cityscapes和ADE20K数据集上的mIoU分别达到了76.67%和37.85%, 有效提升了小目标识别、边界恢复以及易混淆类别区分的能力, 在性能与轻量化之间实现了良好的平衡.
优先出版日期: 2026-03-27
,DOI: 10.15888/j.cnki.csa.010140
摘要：
现代软件部署已由单一步骤演进为涉及网络、存储与计算等多类资源的复杂过程, 各资源间存在多层次依赖关系. 为保证部署后系统的正确性与可靠性, 有必要从依赖关系视角刻画并生成可运行的部署方案, 即在满足全部依赖约束条件下能够自初始组件有序执行至终止组件的方案. 然而, 现有低代码平台及主流部署技术在系统化建模与自动化支持方面仍存在不足, 成为制约应用部署灵活性与可靠性的关键因素之一. 针对上述问题, 本文采用一种名为“统一结构”的形式化模型, 对软件部署进行系统建模与分析, 详细探讨了部署过程中各成分之间的依赖关系及云场景下安装方案的可行性, 并提出一种自动生成可运行安装方案的方法, 最后开发了一个自动部署的原型工具并通过实验验证本文方法的有效性与正确性.
现代软件部署已由单一步骤演进为涉及网络、存储与计算等多类资源的复杂过程, 各资源间存在多层次依赖关系. 为保证部署后系统的正确性与可靠性, 有必要从依赖关系视角刻画并生成可运行的部署方案, 即在满足全部依赖约束条件下能够自初始组件有序执行至终止组件的方案. 然而, 现有低代码平台及主流部署技术在系统化建模与自动化支持方面仍存在不足, 成为制约应用部署灵活性与可靠性的关键因素之一. 针对上述问题, 本文采用一种名为“统一结构”的形式化模型, 对软件部署进行系统建模与分析, 详细探讨了部署过程中各成分之间的依赖关系及云场景下安装方案的可行性, 并提出一种自动生成可运行安装方案的方法, 最后开发了一个自动部署的原型工具并通过实验验证本文方法的有效性与正确性.
优先出版日期: 2026-03-27
,DOI: 10.15888/j.cnki.csa.010122
摘要：
针对安全知识库构建的网络安全知识图谱存在完整性不足、信息利用不充分的问题, 本文提出一种融合语义信息、结构信息及类型信息的补全模型SynerKGC, 用于改善网络安全知识图谱补全任务的性能. 使用TransE建模三元组结构特征, GCN提取融合实体类型信息的拓扑结构特征, 通过门控机制融合两类结构信息, 增强类型相关的结构表达. 此外, 使用SecBERT提取实体和关系描述的语义向量, 作为其语义表示, 再将其构造成三元组序列表示, 输入有Adapter模块的SecBERT提取上下文语义特征, 然后与结构特征拼接融合. 最后, 引入InfoNCE对齐语义与结构表示, 增强实体的综合特征表示. 在自建网络安全数据集与通用数据集WN18RR上的实验结果表明, SynerKGC在链接预测任务中表现优异, 优于当前多数对比模型.
针对安全知识库构建的网络安全知识图谱存在完整性不足、信息利用不充分的问题, 本文提出一种融合语义信息、结构信息及类型信息的补全模型SynerKGC, 用于改善网络安全知识图谱补全任务的性能. 使用TransE建模三元组结构特征, GCN提取融合实体类型信息的拓扑结构特征, 通过门控机制融合两类结构信息, 增强类型相关的结构表达. 此外, 使用SecBERT提取实体和关系描述的语义向量, 作为其语义表示, 再将其构造成三元组序列表示, 输入有Adapter模块的SecBERT提取上下文语义特征, 然后与结构特征拼接融合. 最后, 引入InfoNCE对齐语义与结构表示, 增强实体的综合特征表示. 在自建网络安全数据集与通用数据集WN18RR上的实验结果表明, SynerKGC在链接预测任务中表现优异, 优于当前多数对比模型.
优先出版日期: 2026-03-27
,DOI: 10.15888/j.cnki.csa.010135
摘要：
为了提高系统服务的可用性, 软件系统通常会记录存储运行时的日志, 并通过日志检测是否存在异常. 已有的日志异常检测方案大多需要通过日志解析来构建模型的结构化输入. 然而, 本文发现基于日志解析的异常检测容易出现两个问题, 即提取有效性和解析不匹配. 因此, 本文提出了一种无日志解析的日志异常检测方法IncreBERT. 在IncreBERT中, 日志经预处理后, 经增量预训练的 BERT 编码器帮助提取日志的语义信息. 然后, 利用最大池获取会话级别的语义特征. 最后, 应用全连接层得到最终的异常检测结果. 在性能评估中, 本文在3个基准数据集上将IncreBERT与6种基准方法(DeepLog、LogAnomaly、LogRobust、PLELog、NeuralLog和LogBERT)进行比较, 实验结果表明IncreBERT平均提高了10.17%的检测性能.
为了提高系统服务的可用性, 软件系统通常会记录存储运行时的日志, 并通过日志检测是否存在异常. 已有的日志异常检测方案大多需要通过日志解析来构建模型的结构化输入. 然而, 本文发现基于日志解析的异常检测容易出现两个问题, 即提取有效性和解析不匹配. 因此, 本文提出了一种无日志解析的日志异常检测方法IncreBERT. 在IncreBERT中, 日志经预处理后, 经增量预训练的 BERT 编码器帮助提取日志的语义信息. 然后, 利用最大池获取会话级别的语义特征. 最后, 应用全连接层得到最终的异常检测结果. 在性能评估中, 本文在3个基准数据集上将IncreBERT与6种基准方法(DeepLog、LogAnomaly、LogRobust、PLELog、NeuralLog和LogBERT)进行比较, 实验结果表明IncreBERT平均提高了10.17%的检测性能.
优先出版日期: 2026-03-13
,DOI: 10.15888/j.cnki.csa.010130
摘要：
皮肤病灶图像分割在智能诊断与疗效评估中具有重要意义, 然而常面临病灶形态复杂、边界模糊及对比度低等挑战. 为此, 提出一种基于混合架构的高效分割模型FECNet (feature enhancement and contrastive semantic network), 设计多个关键模块提升模型在复杂病灶场景下的结构表达、边界建模和语义判别能力. 特征增强模块强化多层级局部纹理与全局结构的建模能力, 多尺度特征融合模块将增强后的特征进行跨层级整合, 形成更加全面且具有结构一致性的表征, 从而有效应对病灶形态多变的问题; 特征解耦模块显式区分前景、背景与不确定区域, 增强边界表达一致性; 进一步引入对比语义上下文调制模块, 动态建模语义差异, 有效提升前景响应并抑制背景干扰, 从而增强模型在低对比复杂场景下的判别能力. 实验结果表明, FECNet在多个公开数据集上均取得领先性能, 尤其在结构模糊和对比度低的图像中表现出更高的分割精度与鲁棒性.
皮肤病灶图像分割在智能诊断与疗效评估中具有重要意义, 然而常面临病灶形态复杂、边界模糊及对比度低等挑战. 为此, 提出一种基于混合架构的高效分割模型FECNet (feature enhancement and contrastive semantic network), 设计多个关键模块提升模型在复杂病灶场景下的结构表达、边界建模和语义判别能力. 特征增强模块强化多层级局部纹理与全局结构的建模能力, 多尺度特征融合模块将增强后的特征进行跨层级整合, 形成更加全面且具有结构一致性的表征, 从而有效应对病灶形态多变的问题; 特征解耦模块显式区分前景、背景与不确定区域, 增强边界表达一致性; 进一步引入对比语义上下文调制模块, 动态建模语义差异, 有效提升前景响应并抑制背景干扰, 从而增强模型在低对比复杂场景下的判别能力. 实验结果表明, FECNet在多个公开数据集上均取得领先性能, 尤其在结构模糊和对比度低的图像中表现出更高的分割精度与鲁棒性.
优先出版日期: 2026-03-13
,DOI: 10.15888/j.cnki.csa.010116
摘要：
在物联网环境中, 由于资源受限, 设备采用随机的节能策略, 如动态睡眠机制, 导致协议交互时序出现不可预测的断开/重连行为. 这种行为使得传统的有限状态机模型难以充分描述状态转换路径, 进而降低了协议一致性偏差的检测率, 并增加了级联漏洞检测的漏检率. 为了解决这一问题, 本文提出了一种轻量级双向安全认证协议级联漏洞检测方法. 该方法利用图卷积网络对物联网环境中轻量级双向安全认证协议的交互图进行建模, 并结合漏洞特征向量计算余弦相似度以进行状态关联检测. 通过动态图建模, 捕获间断通信特征, 并结合余弦相似度量化协议状态与漏洞模式之间的时空关联, 有效克服了节能策略对漏洞检测造成的时间不确定性影响. 基于关联检测结果, 使用马尔可夫决策过程量化漏洞传播的依赖关系, 并构建状态转移概率矩阵来表征拓扑动态. 基于依赖关系, 采用图注意力网络将传播概率转化为节点属性, 并使用多头注意力机制聚合邻居信息. 最终, 结合全局池化实现级联漏洞分类. 实验结果表明, 本文提出的方法在漏洞检测方面具有良好的准确性, 协议一致性偏差稳定在0.12–0.21范围内, 漏检率始终低于0.5%, 展现出理想的检测效果.
在物联网环境中, 由于资源受限, 设备采用随机的节能策略, 如动态睡眠机制, 导致协议交互时序出现不可预测的断开/重连行为. 这种行为使得传统的有限状态机模型难以充分描述状态转换路径, 进而降低了协议一致性偏差的检测率, 并增加了级联漏洞检测的漏检率. 为了解决这一问题, 本文提出了一种轻量级双向安全认证协议级联漏洞检测方法. 该方法利用图卷积网络对物联网环境中轻量级双向安全认证协议的交互图进行建模, 并结合漏洞特征向量计算余弦相似度以进行状态关联检测. 通过动态图建模, 捕获间断通信特征, 并结合余弦相似度量化协议状态与漏洞模式之间的时空关联, 有效克服了节能策略对漏洞检测造成的时间不确定性影响. 基于关联检测结果, 使用马尔可夫决策过程量化漏洞传播的依赖关系, 并构建状态转移概率矩阵来表征拓扑动态. 基于依赖关系, 采用图注意力网络将传播概率转化为节点属性, 并使用多头注意力机制聚合邻居信息. 最终, 结合全局池化实现级联漏洞分类. 实验结果表明, 本文提出的方法在漏洞检测方面具有良好的准确性, 协议一致性偏差稳定在0.12–0.21范围内, 漏检率始终低于0.5%, 展现出理想的检测效果.
-
全文下载排行(总排行，年度排行，各期排行)
摘要点击排行(总排行，年度排行，各期排行)
快速检索
过刊检索
全选反选导出
显示模式：
2000,9(2):38-41
摘要：
本文详细讨论了VRML技术与其他数据访问技术相结合 ,实现对数据库实时交互的技术实现方法 ,并简要阐述了相关技术规范的语法结构和技术要求。所用技术手段安全可靠 ,具有良好的实际应用表现 ,便于系统移植。
本文详细讨论了VRML技术与其他数据访问技术相结合 ,实现对数据库实时交互的技术实现方法 ,并简要阐述了相关技术规范的语法结构和技术要求。所用技术手段安全可靠 ,具有良好的实际应用表现 ,便于系统移植。
1993,2(8):41-42
摘要：
本文介绍了作者近年来应用工具软件NU清除磁盘引导区和硬盘主引导区病毒、修复引导区损坏磁盘的 经验，经实践检验，简便有效。
本文介绍了作者近年来应用工具软件NU清除磁盘引导区和硬盘主引导区病毒、修复引导区损坏磁盘的 经验，经实践检验，简便有效。
1995,4(5):2-5
摘要：
本文简要介绍了海关EDI自动化通关系统的定义概况及重要意义，对该EDI应用系统下的业务运作模式所涉及的法律问题，采用EDIFACT国际标准问题、网络与软件技术问题，以及工程管理问题进行了结合实际的分析。
本文简要介绍了海关EDI自动化通关系统的定义概况及重要意义，对该EDI应用系统下的业务运作模式所涉及的法律问题，采用EDIFACT国际标准问题、网络与软件技术问题，以及工程管理问题进行了结合实际的分析。
2016,25(8):1-7
,DOI: 10.15888/j.cnki.csa.005283
摘要：
从2006年开始，深度神经网络在图像/语音识别、自动驾驶等大数据处理和人工智能领域中都取得了巨大成功，其中无监督学习方法作为深度神经网络中的预训练方法为深度神经网络的成功起到了非常重要的作用. 为此，对深度学习中的无监督学习方法进行了介绍和分析，主要总结了两类常用的无监督学习方法，即确定型的自编码方法和基于概率型受限玻尔兹曼机的对比散度等学习方法，并介绍了这两类方法在深度学习系统中的应用，最后对无监督学习面临的问题和挑战进行了总结和展望.
从2006年开始，深度神经网络在图像/语音识别、自动驾驶等大数据处理和人工智能领域中都取得了巨大成功，其中无监督学习方法作为深度神经网络中的预训练方法为深度神经网络的成功起到了非常重要的作用. 为此，对深度学习中的无监督学习方法进行了介绍和分析，主要总结了两类常用的无监督学习方法，即确定型的自编码方法和基于概率型受限玻尔兹曼机的对比散度等学习方法，并介绍了这两类方法在深度学习系统中的应用，最后对无监督学习面临的问题和挑战进行了总结和展望.
2022,31(5):1-20
,DOI: 10.15888/j.cnki.csa.008463
摘要：
深度学习方法的提出使得机器学习研究领域得到了巨大突破, 但是却需要大量的人工标注数据来辅助完成. 在实际问题中, 受限于人力成本, 许多应用需要对从未见过的实例类别进行推理判断. 为此, 零样本学习(zero-shot learning, ZSL)应运而生. 图作为一种表示事物之间联系的自然数据结构, 目前在零样本学习中受到了越来越多的关注. 本文对零样本图学习方法进行了系统综述. 首先概述了零样本学习和图学习的定义, 并总结了零样本学习现有的解决方案思想. 然后依据图的不同利用方式对目前零样本图学习的方法体系进行了分类. 接下来讨论了零样本图学习所涉及到的评估准则和数据集. 最后指明了零样本图学习进一步研究中需要解决的问题以及未来可能的发展方向.
深度学习方法的提出使得机器学习研究领域得到了巨大突破, 但是却需要大量的人工标注数据来辅助完成. 在实际问题中, 受限于人力成本, 许多应用需要对从未见过的实例类别进行推理判断. 为此, 零样本学习(zero-shot learning, ZSL)应运而生. 图作为一种表示事物之间联系的自然数据结构, 目前在零样本学习中受到了越来越多的关注. 本文对零样本图学习方法进行了系统综述. 首先概述了零样本学习和图学习的定义, 并总结了零样本学习现有的解决方案思想. 然后依据图的不同利用方式对目前零样本图学习的方法体系进行了分类. 接下来讨论了零样本图学习所涉及到的评估准则和数据集. 最后指明了零样本图学习进一步研究中需要解决的问题以及未来可能的发展方向.
2008,17(5):122-126
摘要：
随着Internet的迅速发展，网络资源越来越丰富，人们如何从网络上抽取信息也变得至关重要，尤其是占网络资源80%的Deep Web信息检索更是人们应该倍加关注的难点问题。为了更好的研究Deep Web爬虫技术，本文对有关Deep Web爬虫的内容进行了全面、详细地介绍。首先对Deep Web爬虫的定义及研究目标进行了阐述，接着介绍了近年来国内外关于Deep Web爬虫的研究进展，并对其加以分析。在此基础上展望了Deep Web爬虫的研究趋势，为下一步的研究奠定了基础。
随着Internet的迅速发展，网络资源越来越丰富，人们如何从网络上抽取信息也变得至关重要，尤其是占网络资源80%的Deep Web信息检索更是人们应该倍加关注的难点问题。为了更好的研究Deep Web爬虫技术，本文对有关Deep Web爬虫的内容进行了全面、详细地介绍。首先对Deep Web爬虫的定义及研究目标进行了阐述，接着介绍了近年来国内外关于Deep Web爬虫的研究进展，并对其加以分析。在此基础上展望了Deep Web爬虫的研究趋势，为下一步的研究奠定了基础。
2011,20(11):80-85
摘要：
在研究了目前主流的视频转码方案基础上,提出了一种分布式转码系统。系统采用HDFS(HadoopDistributed File System)进行视频存储,利用MapReduce 思想和FFMPEG 进行分布式转码。详细讨论了视频分布式存储时的分段策略,以及分段大小对存取时间的影响。同时,定义了视频存储和转换的元数据格式。提出了基于MapReduce 编程框架的分布式转码方案,即Mapper 端进行转码和Reducer 端进行视频合并。实验数据显示了转码时间随视频分段大小和转码机器数量不同而变化的趋势。结
在研究了目前主流的视频转码方案基础上,提出了一种分布式转码系统。系统采用HDFS(HadoopDistributed File System)进行视频存储,利用MapReduce 思想和FFMPEG 进行分布式转码。详细讨论了视频分布式存储时的分段策略,以及分段大小对存取时间的影响。同时,定义了视频存储和转换的元数据格式。提出了基于MapReduce 编程框架的分布式转码方案,即Mapper 端进行转码和Reducer 端进行视频合并。实验数据显示了转码时间随视频分段大小和转码机器数量不同而变化的趋势。结
1999,8(7):43-46
摘要：
用较少的颜色来表示较大的色彩空间一直是人们研究的课题，本文详细讨论了半色调技术和抖动技术，并将它们扩展到实用的真彩色空间来讨论，并给出了实现的算法。
用较少的颜色来表示较大的色彩空间一直是人们研究的课题，本文详细讨论了半色调技术和抖动技术，并将它们扩展到实用的真彩色空间来讨论，并给出了实现的算法。
2019,28(6):1-12
,DOI: 10.15888/j.cnki.csa.006915
摘要：
知识图谱是以图的形式表现客观世界中的概念和实体及其之间关系的知识库，是语义搜索、智能问答、决策支持等智能服务的基础技术之一.目前，知识图谱的内涵还不够清晰；且因建档不全，已有知识图谱的使用率和重用率不高.为此，本文给出知识图谱的定义，辨析其与本体等相关概念的关系.本体是知识图谱的模式层和逻辑基础，知识图谱是本体的实例化；本体研究成果可以作为知识图谱研究的基础，促进知识图谱的更快发展和更广应用.本文罗列分析了国内外已有的主要通用知识图谱和行业知识图谱及其构建、存储及检索方法，以提高其使用率和重用率.最后指出知识图谱未来的研究方向.
知识图谱是以图的形式表现客观世界中的概念和实体及其之间关系的知识库，是语义搜索、智能问答、决策支持等智能服务的基础技术之一.目前，知识图谱的内涵还不够清晰；且因建档不全，已有知识图谱的使用率和重用率不高.为此，本文给出知识图谱的定义，辨析其与本体等相关概念的关系.本体是知识图谱的模式层和逻辑基础，知识图谱是本体的实例化；本体研究成果可以作为知识图谱研究的基础，促进知识图谱的更快发展和更广应用.本文罗列分析了国内外已有的主要通用知识图谱和行业知识图谱及其构建、存储及检索方法，以提高其使用率和重用率.最后指出知识图谱未来的研究方向.
2012,21(3):260-264
摘要：
开放平台的核心问题是用户验证和授权问题,OAuth 是目前国际通用的授权方式,它的特点是不需要用户在第三方应用输入用户名及密码,就可以申请访问该用户的受保护资源。OAuth 最新版本是OAuth2.0,其认证与授权的流程更简单、更安全。研究了OAuth2.0 的工作原理,分析了刷新访问令牌的工作流程,并给出了OAuth2.0 服务器端的设计方案和具体的应用实例。
开放平台的核心问题是用户验证和授权问题,OAuth 是目前国际通用的授权方式,它的特点是不需要用户在第三方应用输入用户名及密码,就可以申请访问该用户的受保护资源。OAuth 最新版本是OAuth2.0,其认证与授权的流程更简单、更安全。研究了OAuth2.0 的工作原理,分析了刷新访问令牌的工作流程,并给出了OAuth2.0 服务器端的设计方案和具体的应用实例。
2002,11(10):70-73
摘要：
2011,20(7):184-187,120
摘要：
针对智能家居、环境监测等的实际要求，设计了一种远距离通讯的无线传感器节点。该系统采用集射频与控制器于一体的第二代片上系统CC2530 为核心模块，外接CC2591 射频前端功放模块；软件上基于ZigBee2006 协议栈，在ZStack 通用模块基础上实现应用层各项功能。介绍了基于ZigBee 协议构建无线数据采集网络，给出了传感器节点、协调器节点的硬件设计原理图及软件流程图。实验证明节点性能良好、通讯可靠,通讯距离较TI 第一代产品有明显增大。
针对智能家居、环境监测等的实际要求，设计了一种远距离通讯的无线传感器节点。该系统采用集射频与控制器于一体的第二代片上系统CC2530 为核心模块，外接CC2591 射频前端功放模块；软件上基于ZigBee2006 协议栈，在ZStack 通用模块基础上实现应用层各项功能。介绍了基于ZigBee 协议构建无线数据采集网络，给出了传感器节点、协调器节点的硬件设计原理图及软件流程图。实验证明节点性能良好、通讯可靠,通讯距离较TI 第一代产品有明显增大。
2007,16(9):22-25
摘要：
本文结合物流遗留系统的实际安全状态,分析了面向对象的编程思想在横切关注点和核心关注点处理上的不足,指出面向方面的编程思想解决方案对系统进行分离关注点处理的优势,并对面向方面的编程的一种具体实现AspectJ进行分析,提出了一种依据AspectJ对遗留物流系统进行IC卡安全进化的方法.
本文结合物流遗留系统的实际安全状态,分析了面向对象的编程思想在横切关注点和核心关注点处理上的不足,指出面向方面的编程思想解决方案对系统进行分离关注点处理的优势,并对面向方面的编程的一种具体实现AspectJ进行分析,提出了一种依据AspectJ对遗留物流系统进行IC卡安全进化的方法.
2016,25(7):8-16
,DOI: 10.15888/j.cnki.csa.005241
摘要：
软件是基于Visual C++ 6.0和Access 2003工具来完成的，在Unicode字符集模式下进行软件设计，解决当前民族文字软件开发时的系统使用兼容性以及字符的输出乱码等问题.本开发模式使用简单、操作稳定、接口灵活，在便于用户对词汇和语音数据库进行统一处理（备份、打印）的同时，也为其它民族文字翻译软件的开发提供了初期技术指导.目前面向傣族地区的翻译辅助工具还尚未推出，“傣泐文-汉文互译有声电子词典”是傣文信息化领域的一个重要“应用创新”成果，是开展少数民族语言文化信息元表示与提取研究的基础支撑，其作用主要是负责傣文的查询、翻译、朗读等工作.傣汉互译电子词典设计实现了傣汉对照互译、傣语真人朗读、傣语音标显示等常用功能，同时还支持对词库进行添加、修改、删除自定义操作，实现了良好的人机交互功能.
软件是基于Visual C++ 6.0和Access 2003工具来完成的，在Unicode字符集模式下进行软件设计，解决当前民族文字软件开发时的系统使用兼容性以及字符的输出乱码等问题.本开发模式使用简单、操作稳定、接口灵活，在便于用户对词汇和语音数据库进行统一处理（备份、打印）的同时，也为其它民族文字翻译软件的开发提供了初期技术指导.目前面向傣族地区的翻译辅助工具还尚未推出，“傣泐文-汉文互译有声电子词典”是傣文信息化领域的一个重要“应用创新”成果，是开展少数民族语言文化信息元表示与提取研究的基础支撑，其作用主要是负责傣文的查询、翻译、朗读等工作.傣汉互译电子词典设计实现了傣汉对照互译、傣语真人朗读、傣语音标显示等常用功能，同时还支持对词库进行添加、修改、删除自定义操作，实现了良好的人机交互功能.
2004,13(10):7-9
摘要：
本文介绍了车辆监控系统的组成,研究了如何应用Rockwell GPS OEM板和WISMOQUIKQ2406B模块进行移动单元的软硬件设计,以及监控中心 GIS软件的设计.重点介绍嵌入TCP/IP协议处理的Q2406B模块如何通过AT指令接入Internet以及如何和监控中心传输TCP数据.
本文介绍了车辆监控系统的组成,研究了如何应用Rockwell GPS OEM板和WISMOQUIKQ2406B模块进行移动单元的软硬件设计,以及监控中心 GIS软件的设计.重点介绍嵌入TCP/IP协议处理的Q2406B模块如何通过AT指令接入Internet以及如何和监控中心传输TCP数据.
2008,17(1):113-116
摘要：
排序是计算机程序设计中一种重要操作，本文论述了C语言中快速排序算法的改进，即快速排序与直接插入排序算法相结合的实现过程。在C语言程序设计中，实现大量的内部排序应用时，所寻求的目的就是找到一个简单、有效、快捷的算法。本文着重阐述快速排序的改进与提高过程，从基本的性能特征到基本的算法改进，通过不断的分析，实验，最后得出最佳的改进算法。
排序是计算机程序设计中一种重要操作，本文论述了C语言中快速排序算法的改进，即快速排序与直接插入排序算法相结合的实现过程。在C语言程序设计中，实现大量的内部排序应用时，所寻求的目的就是找到一个简单、有效、快捷的算法。本文着重阐述快速排序的改进与提高过程，从基本的性能特征到基本的算法改进，通过不断的分析，实验，最后得出最佳的改进算法。
2008,17(8):87-89
摘要：
随着面向对象软件开发技术的广泛应用和软件测试自动化的要求，基于模型的软件测试逐渐得到了软件开发人员和软件测试人员的认可和接受。基于模型的软件测试是软件编码阶段的主要测试方法之一，具有测试效率高、排除逻辑复杂故障测试效果好等特点。但是误报、漏报和故障机理有待进一步研究。对主要的测试模型进行了分析和分类，同时，对故障密度等参数进行了初步的分析；最后，提出了一种基于模型的软件测试流程。
随着面向对象软件开发技术的广泛应用和软件测试自动化的要求，基于模型的软件测试逐渐得到了软件开发人员和软件测试人员的认可和接受。基于模型的软件测试是软件编码阶段的主要测试方法之一，具有测试效率高、排除逻辑复杂故障测试效果好等特点。但是误报、漏报和故障机理有待进一步研究。对主要的测试模型进行了分析和分类，同时，对故障密度等参数进行了初步的分析；最后，提出了一种基于模型的软件测试流程。
2008,17(8):2-5
摘要：
本文介绍了一个企业信息门户中单点登录系统的设计与实现。系统实现了一个基于Java EE架构的结合凭证加密和Web Services的单点登录系统，对门户用户进行统一认证和访问控制。论文详细阐述了该系统的总体结构、设计思想、工作原理和具体实现方案，目前系统已在部分省市的广电行业信息门户平台中得到了良好的应用。
本文介绍了一个企业信息门户中单点登录系统的设计与实现。系统实现了一个基于Java EE架构的结合凭证加密和Web Services的单点登录系统，对门户用户进行统一认证和访问控制。论文详细阐述了该系统的总体结构、设计思想、工作原理和具体实现方案，目前系统已在部分省市的广电行业信息门户平台中得到了良好的应用。
2004,13(8):58-59
摘要：
本文介绍了Visual C++6.0在对话框的多个文本框之间,通过回车键转移焦点的几种方法,并提出了一个改进方法.
本文介绍了Visual C++6.0在对话框的多个文本框之间,通过回车键转移焦点的几种方法,并提出了一个改进方法.
-
全文下载排行(总排行，年度排行，各期排行)
摘要点击排行(总排行，年度排行，各期排行)
快速检索
过刊检索
全选反选导出
显示模式：
2007,16(10):48-51
摘要：
论文对HDF数据格式和函数库进行研究,重点以栅格图像为例,详细论述如何利用VC++.net和VC#.net对光栅数据进行读取与处理,然后根据所得到的象素矩阵用描点法显示图像.论文是以国家气象中心开发Micaps3.0(气象信息综合分析处理系统)的课题研究为背景的.
论文对HDF数据格式和函数库进行研究,重点以栅格图像为例,详细论述如何利用VC++.net和VC#.net对光栅数据进行读取与处理,然后根据所得到的象素矩阵用描点法显示图像.论文是以国家气象中心开发Micaps3.0(气象信息综合分析处理系统)的课题研究为背景的.
2002,11(12):67-68
摘要：
本文介绍非实时操作系统Windows 2000下,利用VisualC++6.0开发实时数据采集的方法.所用到的数据采集卡是研华的PCL-818L.借助数据采集卡PCL-818L的DLLs中的API函数,提出三种实现高速实时数据采集的方法及优缺点.
本文介绍非实时操作系统Windows 2000下,利用VisualC++6.0开发实时数据采集的方法.所用到的数据采集卡是研华的PCL-818L.借助数据采集卡PCL-818L的DLLs中的API函数,提出三种实现高速实时数据采集的方法及优缺点.
2008,17(1):113-116
摘要：
排序是计算机程序设计中一种重要操作，本文论述了C语言中快速排序算法的改进，即快速排序与直接插入排序算法相结合的实现过程。在C语言程序设计中，实现大量的内部排序应用时，所寻求的目的就是找到一个简单、有效、快捷的算法。本文着重阐述快速排序的改进与提高过程，从基本的性能特征到基本的算法改进，通过不断的分析，实验，最后得出最佳的改进算法。
排序是计算机程序设计中一种重要操作，本文论述了C语言中快速排序算法的改进，即快速排序与直接插入排序算法相结合的实现过程。在C语言程序设计中，实现大量的内部排序应用时，所寻求的目的就是找到一个简单、有效、快捷的算法。本文着重阐述快速排序的改进与提高过程，从基本的性能特征到基本的算法改进，通过不断的分析，实验，最后得出最佳的改进算法。
2008,17(5):122-126
摘要：
随着Internet的迅速发展，网络资源越来越丰富，人们如何从网络上抽取信息也变得至关重要，尤其是占网络资源80%的Deep Web信息检索更是人们应该倍加关注的难点问题。为了更好的研究Deep Web爬虫技术，本文对有关Deep Web爬虫的内容进行了全面、详细地介绍。首先对Deep Web爬虫的定义及研究目标进行了阐述，接着介绍了近年来国内外关于Deep Web爬虫的研究进展，并对其加以分析。在此基础上展望了Deep Web爬虫的研究趋势，为下一步的研究奠定了基础。
随着Internet的迅速发展，网络资源越来越丰富，人们如何从网络上抽取信息也变得至关重要，尤其是占网络资源80%的Deep Web信息检索更是人们应该倍加关注的难点问题。为了更好的研究Deep Web爬虫技术，本文对有关Deep Web爬虫的内容进行了全面、详细地介绍。首先对Deep Web爬虫的定义及研究目标进行了阐述，接着介绍了近年来国内外关于Deep Web爬虫的研究进展，并对其加以分析。在此基础上展望了Deep Web爬虫的研究趋势，为下一步的研究奠定了基础。
2026,35(4):1-16, DOI: 10.15888/j.cnki.csa.010121
摘要：
2026,35(3):1-12, DOI: 10.15888/j.cnki.csa.010090
摘要：
2026,35(2):23-39, DOI: 10.15888/j.cnki.csa.010061
摘要：
2026,35(2):1-22, DOI: 10.15888/j.cnki.csa.010058
摘要：
2026,35(1):1-18, DOI: 10.15888/j.cnki.csa.010074
摘要：
2026,35(1):39-51, DOI: 10.15888/j.cnki.csa.010055
摘要：
2026,35(1):19-38, DOI: 10.15888/j.cnki.csa.010029
摘要：
2025,34(12):1-15, DOI: 10.15888/j.cnki.csa.010033
摘要：
2025,34(11):1-19, DOI: 10.15888/j.cnki.csa.010002
摘要：
2025,34(10):16-31, DOI: 10.15888/j.cnki.csa.009979
摘要：
2025,34(10):1-15, DOI: 10.15888/j.cnki.csa.009975
摘要：
2025,34(8):1-13, DOI: 10.15888/j.cnki.csa.009907
摘要：
2025,34(7):1-13, DOI: 10.15888/j.cnki.csa.009942
摘要：
2025,34(6):1-11, DOI: 10.15888/j.cnki.csa.009903
摘要：
2025,34(5):1-13, DOI: 10.15888/j.cnki.csa.009879
摘要：
2025,34(4):18-33, DOI: 10.15888/j.cnki.csa.009865
摘要：
2025,34(4):1-17, DOI: 10.15888/j.cnki.csa.009839
摘要：
2025,34(1):1-10, DOI: 10.15888/j.cnki.csa.009782
摘要：
2025,34(1):26-36, DOI: 10.15888/j.cnki.csa.009733
摘要：
2025,34(1):11-25, DOI: 10.15888/j.cnki.csa.009709
摘要：
2024,33(12):1-15, DOI: 10.15888/j.cnki.csa.009708
摘要：
2024,33(11):38-47, DOI: 10.15888/j.cnki.csa.009702
摘要：
2024,33(10):26-36, DOI: 10.15888/j.cnki.csa.009646
摘要：
2024,33(6):16-27, DOI: 10.15888/j.cnki.csa.009559
摘要：
2024,33(6):1-15, DOI: 10.15888/j.cnki.csa.009531
摘要：
2024,33(4):50-59, DOI: 10.15888/j.cnki.csa.009486
摘要：
2024,33(4):26-38, DOI: 10.15888/j.cnki.csa.009466
摘要：
2024,33(3):1-11, DOI: 10.15888/j.cnki.csa.009433
摘要：
2024,33(3):12-23, DOI: 10.15888/j.cnki.csa.009421
摘要：
2024,33(1):37-48, DOI: 10.15888/j.cnki.csa.009377
摘要：
2024,33(1):22-36, DOI: 10.15888/j.cnki.csa.009369
摘要：
2023,32(12):32-42, DOI: 10.15888/j.cnki.csa.009356
摘要：
2023,32(11):36-47, DOI: 10.15888/j.cnki.csa.009269
摘要：
2023,32(9):1-18, DOI: 10.15888/j.cnki.csa.009226
摘要：
2023,32(8):1-18, DOI: 10.15888/j.cnki.csa.009208
摘要：
2023,32(4):1-15, DOI: 10.15888/j.cnki.csa.009038
摘要：
2023,32(4):16-41, DOI: 10.15888/j.cnki.csa.009037
摘要：
2023,32(3):25-47, DOI: 10.15888/j.cnki.csa.008980
摘要：
2023,32(3):1-14, DOI: 10.15888/j.cnki.csa.008976
摘要：
2023,32(2):1-12, DOI: 10.15888/j.cnki.csa.008743
摘要：
2023,32(1):12-28, DOI: 10.15888/j.cnki.csa.008914
摘要：
2023,32(1):29-40, DOI: 10.15888/j.cnki.csa.008909
摘要：
2023,32(1):1-11, DOI: 10.15888/j.cnki.csa.008848
摘要：
2023,32(1):41-49, DOI: 10.15888/j.cnki.csa.008805
摘要：
2022,31(12):20-28, DOI: 10.15888/j.cnki.csa.008838
摘要：
2022,31(12):1-9, DOI: 10.15888/j.cnki.csa.008825
摘要：
2022,31(11):49-59, DOI: 10.15888/j.cnki.csa.008847
摘要：
2022,31(11):31-48, DOI: 10.15888/j.cnki.csa.008811
摘要：
2022,31(10):44-50, DOI: 10.15888/j.cnki.csa.008776
摘要：
2022,31(10):25-35, DOI: 10.15888/j.cnki.csa.008734
摘要：
2022,31(10):36-43, DOI: 10.15888/j.cnki.csa.008711
摘要：
2022,31(9):57-69, DOI: 10.15888/j.cnki.csa.008661
摘要：
2022,31(8):1-16, DOI: 10.15888/j.cnki.csa.008713
摘要：
2022,31(7):12-22, DOI: 10.15888/j.cnki.csa.008641
摘要：
2022,31(7):35-45, DOI: 10.15888/j.cnki.csa.008595
摘要：
2022,31(7):46-54, DOI: 10.15888/j.cnki.csa.008590
摘要：
2022,31(7):23-34, DOI: 10.15888/j.cnki.csa.008566
摘要：
2022,31(7):1-11, DOI: 10.15888/j.cnki.csa.008545
摘要：
2022,31(5):40-51, DOI: 10.15888/j.cnki.csa.008476
摘要：
2022,31(5):1-20, DOI: 10.15888/j.cnki.csa.008463
摘要：
2022,31(5):21-29, DOI: 10.15888/j.cnki.csa.008426
摘要：
2022,31(4):14-32, DOI: 10.15888/j.cnki.csa.008419
摘要：
2022,31(4):1-13, DOI: 10.15888/j.cnki.csa.008418
摘要：
2022,31(4):47-58, DOI: 10.15888/j.cnki.csa.008403
摘要：
2022,31(3):1-8, DOI: 10.15888/j.cnki.csa.008415
摘要：
2022,31(3):48-55, DOI: 10.15888/j.cnki.csa.008377
摘要：
2022,31(2):13-21, DOI: 10.15888/j.cnki.csa.008319
摘要：
2022,31(2):1-12, DOI: 10.15888/j.cnki.csa.008303
摘要：
2022,31(1):1-10, DOI: 10.15888/j.cnki.csa.008323
摘要：
2021,30(12):28-36, DOI: 10.15888/j.cnki.csa.008289
摘要：
2021,30(12):10-17, DOI: 10.15888/j.cnki.csa.008252
摘要：
2021,30(12):1-9, DOI: 10.15888/j.cnki.csa.008245
摘要：
2021,30(10):21-30, DOI: 10.15888/j.cnki.csa.008137
摘要：
2021,30(9):12-23, DOI: 10.15888/j.cnki.csa.008086
摘要：
2021,30(9):24-40, DOI: 10.15888/j.cnki.csa.008079
摘要：
2021,30(9):41-52, DOI: 10.15888/j.cnki.csa.008078
摘要：
2021,30(8):14-21, DOI: 10.15888/j.cnki.csa.008003
摘要：
2021,30(7):13-21, DOI: 10.15888/j.cnki.csa.007992
摘要：
2021,30(7):1-12, DOI: 10.15888/j.cnki.csa.007973
摘要：
2021,30(6):18-27, DOI: 10.15888/j.cnki.csa.007956
摘要：
2021,30(5):21-30, DOI: 10.15888/j.cnki.csa.007916
摘要：
2021,30(3):1-13, DOI: 10.15888/j.cnki.csa.007839
摘要：
2021,30(1):10-18, DOI: 10.15888/j.cnki.csa.007776
摘要：
2020,29(12):13-25, DOI: 10.15888/j.cnki.csa.007701
摘要：
2020,29(11):29-39, DOI: 10.15888/j.cnki.csa.007705
摘要：
2020,29(9):16-25, DOI: 10.15888/j.cnki.csa.007632
摘要：
2020,29(9):26-31, DOI: 10.15888/j.cnki.csa.007617
摘要：
2020,29(9):1-15, DOI: 10.15888/j.cnki.csa.007489
摘要：
2020,29(8):1-8, DOI: 10.15888/j.cnki.csa.007478
摘要：
2020,29(6):56-63, DOI: 10.15888/j.cnki.csa.007460
摘要：
2020,29(6):1-12, DOI: 10.15888/j.cnki.csa.007431
摘要：
2020,29(6):13-21, DOI: 10.15888/j.cnki.csa.007430
摘要：
2020,29(3):29-38, DOI: 10.15888/j.cnki.csa.007315
摘要：
2020,29(3):1-10, DOI: 10.15888/j.cnki.csa.007301
摘要：
2020,29(3):11-19, DOI: 10.15888/j.cnki.csa.007261
摘要：
2020,29(2):1-8, DOI: 10.15888/j.cnki.csa.007275
摘要：
2020,29(2):9-27, DOI: 10.15888/j.cnki.csa.007262
摘要：
2020,29(1):14-21, DOI: 10.15888/j.cnki.csa.007243
摘要：
2020,29(1):22-28, DOI: 10.15888/j.cnki.csa.007237
摘要：
2019,28(12):1-8, DOI: 10.15888/j.cnki.csa.007195
摘要：
2019,28(11):1-9, DOI: 10.15888/j.cnki.csa.007156
摘要：
2019,28(9):1-8, DOI: 10.15888/j.cnki.csa.007037
摘要：
2019,28(7):1-8, DOI: 10.15888/j.cnki.csa.006988
摘要：
2019,28(6):1-12, DOI: 10.15888/j.cnki.csa.006915
摘要：
2019,28(4):205-211, DOI: 10.15888/j.cnki.csa.006739
摘要：
2019,28(3):1-9, DOI: 10.15888/j.cnki.csa.006812
摘要：
2019,28(3):10-17, DOI: 10.15888/j.cnki.csa.006806
摘要：
2019,28(1):1-9, DOI: 10.15888/j.cnki.csa.006720
摘要：
2019,28(1):10-16, DOI: 10.15888/j.cnki.csa.006707
摘要：
2018,27(10):39-45, DOI: 10.15888/j.cnki.csa.006591
摘要：
2018,27(10):33-38, DOI: 10.15888/j.cnki.csa.006560
摘要：
2018,27(9):47-51, DOI: 10.15888/j.cnki.csa.006542
摘要：
2018,27(8):10-18, DOI: 10.15888/j.cnki.csa.006456
摘要：
2018,27(7):1-10, DOI: 10.15888/j.cnki.csa.006451
摘要：
2018,27(5):1-9, DOI: 10.15888/j.cnki.csa.006336
摘要：
2018,27(4):1-9, DOI: 10.15888/j.cnki.csa.006273
摘要：
2018,27(1):1-9, DOI: 10.15888/j.cnki.csa.006169
摘要：
2017,26(12):32-36, DOI: 10.15888/j.cnki.csa.006129
摘要：
2017,26(12):25-31, DOI: 10.15888/j.cnki.csa.006096
摘要：
2017,26(6):36-39, DOI: 10.15888/j.cnki.csa.005807
摘要：
2017,26(4):1-8, DOI: 10.15888/j.cnki.csa.005773
摘要：
2017,26(2):30-36, DOI: 10.15888/j.cnki.csa.005626
摘要：
2016,25(9):17-26, DOI: 10.15888/j.cnki.csa.005354
摘要：
2016,25(9):10-16, DOI: 10.15888/j.cnki.csa.005330
摘要：
2016,25(8):1-7, DOI: 10.15888/j.cnki.csa.005283
摘要：
2016,25(6):9-16, DOI: 10.15888/j.cnki.csa.005173
摘要：
2016,25(6):1-8, DOI: 10.15888/j.cnki.csa.005206
摘要：
摘要：
摘要：
摘要：
摘要：
摘要：
摘要：
摘要：
摘要：
摘要：
您是第位访问者
版权所有：中国科学院软件研究所 京ICP备05046678号-3
地址：北京市海淀区中关村南四街4号,邮政编码：100190
电话：010-62661041 传真： Email：csa@iscas.ac.cn
技术支持：北京勤云科技发展有限公司
版权所有：中国科学院软件研究所 京ICP备05046678号-3
地址：北京市海淀区中关村南四街4号,邮政编码：100190
电话：010-62661041 传真： Email：csa@iscas.ac.cn
技术支持：北京勤云科技发展有限公司
