当期目录

2024年 第18卷 第4期 刊出日期：2024-04-01
简明目录
带摘要目录
上一期  

全选:

导出引用 EndNote Ris BibTeX

目次

2024年第4期目次

2024, 18(4):  0-0. 

摘要 ( )   PDF (700KB) ( )  

相关文章 | 计量指标

前沿·综述

动态场景的三维重建研究综述

孙水发, 汤永恒, 王奔, 董方敏, 李小龙, 蔡嘉诚, 吴义熔

2024, 18(4):  831-860.  DOI: 10.3778/j.issn.1673-9418.2305016

摘要 ( )   PDF (1324KB) ( )  

参考文献 | 相关文章 | 计量指标

随着静态场景三维重建算法的不断成熟，动态场景三维重建算法成为近年来的研究热点和研究难点。现有的静态场景三维重建算法对静止的对象有较好的重建效果，一旦场景中对象出现变形或者是相对运动，其重建效果不太理想，因此发展对动态场景的三维重建研究工作是相当重要的。简要介绍三维重建的相关概念及基本知识、静态场景三维重建和动态场景三维重建的研究分类及研究现状；全面总结了动态场景三维重建研究最新进展，将动态场景三维重建按照基于RGB数据源的动态三维重建和基于RGB-D数据源的动态三维重建进行分类，其中RGB数据源下又可划分为基于模板的动态三维重建、基于非刚性运动恢复结构的动态三维重建和RGB数据源下基于学习的动态三维重建，RGB-D数据源下主要总结归纳基于学习的动态三维重建，对各类典型重建算法进行了介绍和对比分析；介绍了动态场景三维重建在医学、智能制造、虚拟现实与增强现实、交通等领域的应用；提出了动态场景三维重建的未来研究方向，并对这个快速发展领域中的各个方向研究进行了展望。

深度学习的遥感图像旋转目标检测综述

蓝鑫, 吴淞, 伏博毅, 秦小林

2024, 18(4):  861-877.  DOI: 10.3778/j.issn.1673-9418.2308031

摘要 ( )   PDF (995KB) ( )  

参考文献 | 相关文章 | 计量指标

遥感图像中目标具有方向任意性和排列紧密性的特点，在检测任务中使用倾斜边界框可以更加精确定位和分离目标。目前遥感图像旋转目标检测已经广泛应用于民用和军事国防领域，具有重要的研究意义和应用价值，已逐步成为研究热点。鉴于此，对遥感图像中旋转目标检测方法进行了系统性总结。首先，介绍了三种常用的倾斜边界框的表示形式。其次，重点阐述全监督学习下的特征错位、边界不连续、度量值与损失不一致性、旋转目标定位四个挑战。然后，根据不同的动机和改进策略，详细阐述了每种方法的核心思想及其优缺点，归纳出旋转目标检测方法框架。接着，列举了旋转目标检测在遥感领域常用数据集，给出了经典方法在不同数据集上的实验结果，并对不同方法的性能进行了评估。最后，结合深度学习应用于遥感图像旋转目标检测任务中存在的挑战，对该方向的未来发展趋势进行了展望。

滚动轴承健康智能监测和故障诊断机制研究综述

王婧, 许志伟, 刘文静, 王永生, 刘利民

2024, 18(4):  878-898.  DOI: 10.3778/j.issn.1673-9418.2307005

摘要 ( )   PDF (779KB) ( )  

参考文献 | 相关文章 | 计量指标

轴承作为工业设备机械系统中最关键并且最容易发生故障的零件之一，长期处在高负荷的运行状态。当其发生故障时或者不可逆的磨损时，可能带来事故甚至造成巨大经济损失。因此，对其进行有效的健康监测和故障诊断，对于保障工业设备安全稳定运行有着重要的意义。为进一步促进轴承健康监测和故障诊断技术的发展，对当前现有的模型及方法进行分析与总结，并对现有技术进行划分、对比。从使用的振动信号数据分布出发，首先，对数据分布均匀下的相关方法进行整理，主要按照基于信号分析和基于数据驱动两方面进行研究现状的分类、分析与总结，对该情况下故障检测方法所存在的不足与缺陷进行概述。其次，考虑实际工况下数据采集通常具有不均衡特性的问题，对处理该类情况下的检测方法进行总结，并将现有研究中对该问题的不同处理技术根据其侧重点不同分为数据处理方法、特征提取方法、模型改进方法，并对所存在的问题进行分析。最后，对现有工业设备中轴承故障检测存在的挑战及未来发展方向进行了总结与展望。

基于深度学习的红外可见光图像融合综述

王恩龙, 李嘉伟, 雷佳, 周士华

2024, 18(4):  899-915.  DOI: 10.3778/j.issn.1673-9418.2306061

摘要 ( )   PDF (1203KB) ( )  

参考文献 | 相关文章 | 计量指标

如何将多张图像中的互补信息保存到一张图像中用于全面表征场景是具有挑战性的课题。基于此课题，大量的图像融合方法被提出。红外可见光图像融合（IVIF）作为图像融合中一个重要分支，在语义分割、目标检测和军事侦察等实际领域都有着广泛的应用。近年来，深度学习技术引领了图像融合的发展方向，研究人员利用深度学习针对IVIF方向进行了探索。相关实验工作证明了应用深度学习方法来完成IVIF相较于传统方法有着显著优势。对基于深度学习的IVIF前沿算法进行了详细的分析论述。首先，从网络架构、方法创新以及局限性等方面报告了领域内的方法研究现状。其次，对IVIF方法中常用的数据集进行了简要介绍并给出了定量实验中常用评价指标的定义。对提到的一些具有代表性的方法进行了图像融合和语义分割的定性评估、定量评估实验以及融合效率分析实验来全方面地评估方法的性能。最后，给出了实验结论并对领域内未来可能的研究方向进行了展望。

深度学习的三维模型识别研究综述

周燕, 李文俊, 党兆龙, 曾凡智, 叶德旺

2024, 18(4):  916-929.  DOI: 10.3778/j.issn.1673-9418.2309010

摘要 ( )   PDF (763KB) ( )  

参考文献 | 相关文章 | 计量指标

随着三维扫描仪、LiDAR等三维视觉感知设备的快速发展，三维模型识别方向正逐渐引起越来越多的研究者的关注。该领域的核心任务是三维模型的分类与检索。深度学习技术在二维视觉任务方面已经取得显著的成就，将这一技术引入三维视觉领域不仅突破了传统方法的限制，还在自动驾驶、智能机器人等领域取得了引人瞩目的进展。然而，将深度学习技术应用于三维模型识别任务仍然面临着多项挑战。鉴于此，对深度学习在三维模型识别任务中的应用进行综述。首先，论述了常用的评价指标和公开数据集，介绍每个数据集的相关信息和来源。接着，从多个角度出发，包括点云、视图、体素以及多模态融合等，详细介绍现有具有代表性的方法，并梳理了近年来的相关研究工作。通过在数据集上对这些方法的性能进行对比，分析各个方法的优势和局限性。最后，基于各类方法的利弊，总结当前亟待解决的三维模型识别任务中的挑战，并展望了未来在该领域的发展趋势。

理论·算法

多策略改进的蜣螂优化算法及其应用

郭琴, 郑巧仙

2024, 18(4):  930-946.  DOI: 10.3778/j.issn.1673-9418.2308020

摘要 ( )   PDF (1072KB) ( )  

参考文献 | 相关文章 | 计量指标

蜣螂优化算法（DBO）是近年提出的智能优化算法，与其他优化算法一样，DBO也存在收敛精度低、易陷入局部最优等缺点。针对DBO的这些局限性，提出一种多策略改进的蜣螂优化算法（MIDBO）。首先，改进雏球和偷窃蜣螂对局部最优解和全局最优解的接受程度，使其根据自身搜索能力动态变化，既提升了种群质量又保持了适应度高的个体的良好搜索能力；其次，融合麻雀搜索算法中的追随者位置更新机制对算法进行扰动，并用贪婪策略更新位置，提升了算法的收敛精度；最后，当算法陷入停滞时引入柯西高斯变异策略，提高了算法跳出局部最优解的能力。仿真实验基于20个基准测试函数和CEC2019测试函数，验证了3种改进策略的有效性，将所改进算法和对比算法的优化结果进行收敛性分析和Wilcoxon秩和检验，证明了MIDBO具有良好的寻优性能和鲁棒性。将MIDBO运用在汽车碰撞优化问题的求解上，进一步验证了MIDBO在求解实际工程问题中的有效性和可靠性。

基于路径相似表与个体迁移策略的多路径覆盖测试

钱忠胜, 孙志旺, 俞情媛, 秦朗悦, 蒋鹏, 万子珑, 王亚惠

2024, 18(4):  947-962.  DOI: 10.3778/j.issn.1673-9418.2301018

摘要 ( )   PDF (925KB) ( )  

参考文献 | 相关文章 | 计量指标

将遗传算法用于多路径覆盖测试中是个研究热点，在新旧种群迭代过程中，旧种群中可能包含其他子种群的优秀个体，这部分个体未被充分利用，造成资源浪费；同时，种群中的个体数会远大于可达路径数，而每个个体都会经过某一条可达路径，这样会有多个个体经过同一条路径，导致重复计算个体与目标路径的相似度。基于此，提出结合路径相似表与个体迁移的多路径覆盖测试方法以提高测试效率。通过路径相似表存储已计算得到的路径相似度值，避免该值被重复计算，减少测试时间。在进化过程中，将个体路径与其他目标路径进行比较，若相似度达到阈值，则将此优秀个体迁移至该路径对应的子种群中，提高个体利用率并减少进化代数。由实验可知，该方法与其他六种同类经典方法在八个程序上的平均生成时间降低最高达44.64%，最低为2.64%，平均进化代数降低最高达35.08%，最低为6.13%，故该方法有效地提高了测试效率。

图形·图像

预加权调制密集图卷积网络三维人体姿态估计

马金林, 崔琦磊, 马自萍, 闫琦, 曹浩杰, 武江涛

2024, 18(4):  963-977.  DOI: 10.3778/j.issn.1673-9418.2302065

摘要 ( )   PDF (833KB) ( )  

参考文献 | 相关文章 | 计量指标

图卷积网络（GCN）日益成为三维人体姿态估计（3D HPE）的主要研究热点之一，使用GCN对人体关节点之间的关系建模的方法使三维人体姿态估计获得了良好的性能。然而，基于GCN的三维人体姿态估计方法存在过平滑和未区分关节点与相邻关节点重要性的问题。为解决这些问题，设计了调制密集连接模块（MDC）和预加权图卷积模块，并基于这两个模块提出了预加权调制密集图卷积网络的三维人体姿态估计方法（WMDGCN）。针对过平滑问题，调制密集连接通过超参数[α]和[β]更好地实现特征重用（超参数[α]表示第[l]层和之前各层总特征的权重比例，超参数[β]表示之前各层特征到第[l]层的传播策略），从而有效地提高特征的表达能力。针对未区分关节点与相邻关节点重要性的问题，使用预加权图卷积为当前关节点赋予更高的权重，并对当前关节点及其相邻关节点使用不同的权重矩阵，更有效地捕获人体关节点特征。Human3.6M数据集上的对比实验结果表明，该方法在参数量和性能上均取得了最佳性能，WMDGCN的参数量、MPJPE和P-MPJPE值分别为0.27 MB、37.46 mm和28.85 mm。

王龙业，肖越，曾晓莉，张凯信，马傲

王龙业, 肖越, 曾晓莉, 张凯信, 马傲

2024, 18(4):  978-989.  DOI: 10.3778/j.issn.1673-9418.2303122

摘要 ( )   PDF (1321KB) ( )  

参考文献 | 相关文章 | 计量指标

针对皮肤镜图像病变区域存在形状大小各异、边界不连续且模糊、病灶区域与背景相似度高的问题，提出了一种融合密集编码器与双路径注意力的皮肤病变分割网络（DEDA-Net）。首先，运用密集编码模块进行多尺度信息融合增强网络特征提取能力，缓解皮肤镜图像中边缘模糊的问题，并采用跳跃连接与残差路径减少网络编解码之间的语义鸿沟；其次，根据特征图内每个特征点关联性程度大小进行加权提出了全局正态池化层，设计了在空间与通道两个维度提取特征信息的双路径注意力模块，避免因全局信息获取不足导致难以区分病灶区域与背景的问题；最后，利用辅助损失函数思想，在网络中间与最后的输出层两侧使用加权损失函数来提升网络泛化能力。实验结果表明，该算法在ISIC2017数据集上分割精度为96.45%，特异性为97.82%，Dice系数为93.16%，IoU为86.61%，比基线U-Net分别提高了5.93个百分点、6.45个百分点、6.53个百分点和5.63个百分点，能够有效分割皮肤病变区域。

采用特征图增强原型的小样本图像分类方法

许华杰, 梁书伟

2024, 18(4):  990-1000.  DOI: 10.3778/j.issn.1673-9418.2302015

摘要 ( )   PDF (949KB) ( )  

参考文献 | 相关文章 | 计量指标

在基于度量学习的小样本图像分类方法中，由于标注样本的稀缺，仅用支持集样本得到的类原型往往难以代表整个类别的真实分布；同时，同类样本间也可能在多个方面存在较大差异，较大的类内差异可能使样本特征偏离类别中心。针对上述可能严重影响图像分类性能的问题，提出一种采用特征图增强原型的小样本图像分类方法（FMEP）。首先，用余弦相似度从查询集样本特征图中选择部分相似特征加入类原型中，得到更具代表性的特征图增强原型；其次，对相似的查询集样本特征进行聚合，缓解类内差异大导致的问题，使同类样本的特征分布更接近；最后，用在特征空间中与真实类别分布都更接近的特征图增强原型和聚合查询特征进行相似度比较得到更优的分类结果。所提方法在MiniImageNet、TieredImageNet、CUB-200和CIFAR-FS等常用的小样本图像分类数据集上进行了实验，结果表明所提方法获得了比基线模型更优的分类性能，同时也优于同类型的小样本图像分类方法。

人工智能·模式识别

融合多视图对比学习的知识图谱补全算法

乔梓峰, 秦宏超, 胡晶晶, 李荣华, 王国仁

2024, 18(4):  1001-1009.  DOI: 10.3778/j.issn.1673-9418.2301038

摘要 ( )   PDF (629KB) ( )  

参考文献 | 相关文章 | 计量指标

知识图谱补全是基于知识图谱中已有的实体和关系，推理新的三元组的过程。现有的方法通常使用编码器-解码器框架，在编码器中使用图卷积神经网络将三元组中的实体和关系编码为嵌入向量，在解码器中根据实体关系的嵌入计算各个尾实体的评分，评分最高的尾实体作为推理结果。解码器部分都是独立地对三元组进行推理，很少考虑图级别的嵌入信息。因此提出了融合对比学习的图谱补全算法，在模型中加入了多视图对比学习，对图级别的嵌入信息进行了约束。模型中多个视图的互相对比为三元组关系构造了不同的分布空间，不同关系分布互相拟合，更适合补全任务的学习。对比学习对实体和子图的嵌入向量的约束，增强了模型的补全效果。在两个基准数据集上进行了实验，结果表明，在数据集FB15k-237中，MRR比方法A2N提高了12.6%，比InteractE提高了0.8%。在数据集WN18RR上，MRR比A2N提高了7.3%，比InteractE提高了4.3%。实验结果表明，该方法优于已有补全算法。

融合BERT多层次特征的短视频网络舆情情感分析研究

韩坤, 潘宏鹏, 刘忠轶

2024, 18(4):  1010-1020.  DOI: 10.3778/j.issn.1673-9418.2311023

摘要 ( )   PDF (912KB) ( )  

参考文献 | 相关文章 | 计量指标

自媒体时代与网络社交软件的广泛普及，导致短视频平台极易成为舆情事件起源和发酵的“孵化器”。分析短视频平台中的舆情评论信息，对于舆情事件的预警、处置和引导具有重要意义。鉴于此，结合BERT与TextCNN模型，提出一种融合BERT多层次特征的文本分类模型（BERT-MLFF-TextCNN），并对抖音短视频平台中的相关评论文本数据进行情感分析。首先，利用BERT预训练模型对输入文本进行编码。其次，提取各编码层中的语义特征向量进行融合。然后，融入自注意力机制突出其关键特征，从而实现特征的有效利用。最后，将所得特征序列输入TextCNN模型中进行分类。实验结果表明，与BERT-TextCNN、GloVe-TextCNN和Word2vec-TextCNN模型相比，BERT-MLFF-TextCNN模型表现更优，[F1]值达到了0.977。通过该模型能够有效识别短视频平台舆情的情感倾向，在此基础上利用TextRank算法进行主题挖掘，实现舆情评论情感极性的主题词可视化，为相关部门的舆情管控工作提供决策参考。

自监督混合图神经网络的会话推荐模型

章淯淞, 夏鸿斌, 刘渊

2024, 18(4):  1021-1031.  DOI: 10.3778/j.issn.1673-9418.2212043

摘要 ( )   PDF (923KB) ( )  

参考文献 | 相关文章 | 计量指标

基于会话的推荐旨在利用匿名会话预测用户行为。现有基于图神经网络（GNN）的会话推荐算法大多仅针对当前会话提取用户偏好，却忽略了来自其他会话的高阶多元关系从而影响推荐精度。此外，由于会话推荐所采用的短时交互序列包含的信息非常有限，使其更容易受到数据稀疏性的影响。针对上述问题，提出了自监督混合图神经网络会话推荐模型（SHGN）。该模型首先通过将原始数据构建为三个视图来描述会话与物品关系，然后通过多头图注意力网络捕获会话内部物品的低阶转换信息，提出了残差图卷积网络捕获物品和会话的高阶转换信息；最后融合自监督学习（SSL）作为辅助任务，通过最大化不同通道学习到的会话嵌入的互信息，对原始数据进行数据增强从而提升推荐性能。为了验证该方法的有效性，在Tmall、Diginetica、Nowplaying、Yoochoose四个基准数据集上与SR-GNN、GCE-GNN、DHCN等主流基线模型进行了对比实验，实验结果在P@20、MRR@20等性能指标上均取得了一定提升。

潜在空间中的策略搜索强化学习方法

赵婷婷, 王莹, 孙威, 陈亚瑞, 王嫄, 杨巨成

2024, 18(4):  1032-1046.  DOI: 10.3778/j.issn.1673-9418.2211106

摘要 ( )   PDF (1012KB) ( )  

参考文献 | 相关文章 | 计量指标

策略搜索是深度强化学习领域中一种能够解决大规模连续状态空间和动作空间问题的高效学习方法，被广泛应用在现实问题中。然而，此类方法通常需要花费大量的学习样本和训练时间，且泛化能力较差，学到的策略模型难以泛化至环境中看似微小的变化。为了解决上述问题，提出了一种基于潜在空间的策略搜索强化学习方法。将学习状态表示的思想拓展到动作表示上，即在动作表示的潜在空间中学习策略，再将动作表示映射到真实动作空间中。通过表示学习模型的引入，摒弃端到端的训练方式，将整个强化学习任务划分成大规模的表示模型部分和小规模的策略模型部分，使用无监督的学习方法来学习表示模型，使用策略搜索强化学习方法学习小规模的策略模型。大规模的表示模型能保留应有的泛化性和表达能力，小规模的策略模型有助于减轻策略学习的负担，从而在一定程度上缓解深度强化学习领域中样本利用率低、学习效率低和动作选择泛化性弱的问题。最后，在智能控制任务CarRacing和Cheetah中验证了引入潜在空间中的状态表示和动作表示的有效性。

基于潜在关系的实体关系联合抽取模型

彭晏飞, 张睿思, 王瑞华, 郭家隆

2024, 18(4):  1047-1056.  DOI: 10.3778/j.issn.1673-9418.2301061

摘要 ( )   PDF (713KB) ( )  

参考文献 | 相关文章 | 计量指标

实体关系联合抽取的作用是从特定文本中识别出实体和对应关系，同时它也是知识图谱构建和更新的基础。目前的联合抽取方法在追求性能的同时都忽略了抽取过程中的信息冗余。针对此问题，提出基于潜在关系的实体关系联合抽取模型，通过设计一种新的解码方式来减少预测过程中关系、实体和三元组的冗余信息，从整体上分为提取潜在实体对、解码关系两步来完成从句子中抽取三元组的任务。首先通过潜在实体对提取器预测实体间是否存在潜在关系，同时筛选出置信度高的实体对作为最终的潜在实体对；其次将关系解码视作多标签二分类任务，通过关系解码器预测每个潜在实体对之间全部关系的置信度；最后通过置信度确定关系数量和类型，以完成三元组的抽取任务。在两个通用数据集上的实验结果表明，所提模型相比基线模型在准确率和[F1]指标上的效果更好，验证了所提模型的有效性，消融实验也证明了模型内部各部分的有效性。

多特征交互的方面情感三元组提取

陈林颖, 刘建华, 郑智雄, 林杰, 徐戈, 孙水华

2024, 18(4):  1057-1067.  DOI: 10.3778/j.issn.1673-9418.2302077

摘要 ( )   PDF (731KB) ( )  

参考文献 | 相关文章 | 计量指标

方面情感三元组提取是方面级情感分析的子任务之一，旨在提取句子中的方面词、其对应的意见词和情感极性。先前研究集中于设计一种新范式以端到端的方式完成三元组提取任务。然而，这些方法忽略外部知识在模型中的作用，没有充分挖掘和利用语义信息、词性信息以及局部上下文信息。针对上述问题，提出了多特征交互的方面情感三元组提取（MFI-ASTE）模型。首先，该模型通过BERT预训练模型学习句子中的上下文语义特征信息，并使用自注意力机制加强语义特征；其次，使语义特征与所提取到的词性特征交互，二者相互学习，加强词性的组合能力与语义信息；再次，使用多个不同窗口的卷积神经网络提取每个单词的多重局部上下文特征并使用多分门控机制筛选这些多重局部特征；然后，采用双线性层融合提取到的三类外部知识特征；最后，利用双仿射注意力机制预测网格标记并通过特定的解码方案解码三元组。实验结果表明，该模型在四个数据集上的F1值比现有的主流模型分别提升了6.83%、5.60%、0.54%和1.22%。

网络·安全

结合扩散模型图像编辑的图文检索后门攻击

杨舜, 陆恒杨

2024, 18(4):  1068-1082.  DOI: 10.3778/j.issn.1673-9418.2305032

摘要 ( )   PDF (1079KB) ( )  

参考文献 | 相关文章 | 计量指标

深度神经网络在模型训练阶段易受到后门攻击，在训练图文检索模型时，如有攻击者恶意地将带有后门触发器的图文对注入训练数据集，训练后的模型将被嵌入后门。在模型推断阶段，输入良性样本将得到较为准确的检索结果，而输入带触发器的恶意样本会激活模型隐藏后门，将模型推断结果恶意更改为攻击者设定的结果。现有图文检索后门攻击研究都是基于在图像上直接叠加触发器的方法，存在攻击成功率不高和带毒样本图片带有明显的异常特征、视觉隐匿性低的缺点。提出了结合扩散模型的图文检索模型后门攻击方法（Diffusion-MUBA），根据样本图文对中文本关键词与感兴趣区域（ROI）的对应关系，设计触发器文本提示扩散模型，编辑样本图片中的ROI区域，生成视觉隐匿性高且图片平滑自然的带毒训练样本，并通过训练模型微调，在图文检索模型中建立错误的细粒度单词到区域对齐，把隐藏后门嵌入到检索模型中。设计了扩散模型图像编辑的攻击策略，建立了双向图文检索后门攻击模型，在图-文检索和文-图检索的后门攻击实验中均取得很好的效果，相比其他后门攻击方法提高了攻击成功率，而且避免了在带毒样本中引入特定特征的触发器图案、水印、扰动、局部扭曲形变等。在此基础上，提出了一种基于目标检测和文本匹配的后门攻击防御方法，希望对图文检索后门攻击的可行性、隐蔽性和实现的研究能够抛砖引玉，推动多模态后门攻防领域的发展。

基于AECD词嵌入的挖矿恶意软件早期检测方法

曹传博, 郭春, 李显超, 申国伟

2024, 18(4):  1083-1093.  DOI: 10.3778/j.issn.1673-9418.2307023

摘要 ( )   PDF (697KB) ( )  

参考文献 | 相关文章 | 计量指标

挖矿恶意软件会损害系统安全，缩减硬件寿命，以及造成大量电力消耗，实施对挖矿恶意软件的早期检测以及时阻止其损害对于维护系统安全至关重要。现有的基于动态分析的挖矿恶意软件早期检测方法未能兼顾检测的及时性和准确率。为及时且准确地检测挖矿恶意软件，将挖矿恶意软件运行初期所调用的一定长度的API（application programming interface）名称、API操作类别和调用API的DLL（dynamic link library）进行融合以更充分地描述其在运行初期的行为信息，提出AECD（API embedding based on category and DLL）词嵌入方法并进一步提出基于AECD词嵌入的挖矿恶意软件早期检测方法（CEDMA）。CEDMA以软件在运行初期所调用的一定长度的API序列为检测对象，使用AECD词嵌入和TextCNN（text convolutional neural network）建立检测模型来实施对挖矿恶意软件的早期检测。实验结果显示，CEDMA以软件运行后首次调用的长度为3 000的API序列作为输入时，可分别以98.21%、96.76%的Accuracy值检测实验中已知和未知的挖矿恶意软件样本。

高性能计算

TEB：GPU上矩阵分解重构的高效SpMV存储格式

王宇华, 张宇琪, 何俊飞, 徐悦竹, 崔环宇

2024, 18(4):  1094-1108.  DOI: 10.3778/j.issn.1673-9418.2304039

摘要 ( )   PDF (1249KB) ( )  

参考文献 | 相关文章 | 计量指标

稀疏矩阵向量乘法（SpMV）是科学与工程领域中一个至关重要的计算过程，CSR（compressed sparse row）格式是最常用的稀疏矩阵存储格式之一，在图形处理器（GPU）平台上实现并行SpMV的过程中，其只存储稀疏矩阵的非零元，避免零元素填充所带来的计算冗余，节约存储空间，但存在着负载不均衡的问题，浪费了计算资源。针对上述问题，对近年来效果良好的存储格式进行了研究，提出了一种逐行分解重组存储格式——TEB（threshold-exchangeorder block）格式。该格式采用启发式阈值选择算法确定合适分割阈值，并结合基于重排序的行归并算法，对稀疏矩阵进行重构分解，使得块与块之间非零元个数尽可能得相近，其次结合CUDA（computer unified device architecture）线程技术，提出了基于TEB存储格式的子块间并行SpMV算法，能够合理分配计算资源，解决负载不均衡问题，从而提高SpMV并行计算效率。为了验证TEB存储格式的有效性，在NVIDIA Tesla V100平台上进行实验，结果表明TEB相较于PBC（partition-block-CSR）、AMF-CSR（adaptive multi-row folding of CSR）、CSR-Scalar（compressed sparse row-scalar）和CSR5（compressed sparse row 5）存储格式，在SpMV的时间性能方面平均可提升3.23、5.83、2.33和2.21倍；在浮点计算性能方面，平均可提高3.36、5.95、2.29和2.13倍。