English Version 武汉大学期刊中心

最新刊期

2019 年第 3 期

人工智能专题

一种欧椋鸟群协同算法
谢榕,顾村锋
2019, 65(3): 229-237. DOI: 10.14188/j.1671-8836.2019.03.001

摘要：针对当前基于控制策略解决群体协同问题的不足之处，受生物群集行为启发，提出一种欧椋鸟群协同算法（starling swarm coordination algorithm，SSCA）。该算法采用无中心自组织思想，利用智能体（agent）从其最邻近的6、7个邻居信息中寻找最优解，并通过智能体之间相互作用的10条简单行为规则，描述整个群体运动从无序行为到有序行为的演化过程。结合欧椋鸟群集行为最新研究成果，从局部感知、运动行为、安全规避、适应进化4个方面论述欧椋鸟群协同算法的基本机理。以无人机集群协同飞行为应用实例，分别采用粒子群算法和本文算法测试无人机集群执行任务效率，并采用本文算法模拟无人机集群聚合、分散、规避等行为。实验结果表明，本文算法在执行任务效率上优于传统粒子群算法，具有有效性与可靠性。
关键词：欧椋鸟群;智能体;局部感知;运动行为;安全规避;适应进化;无人机集群协同飞行

112

|

11

|

0

<HTML>
<网络PDF>

<引用本文> <批量引用> 4566930 false

发布时间：2020-11-28
集成两变异策略的差分进化算法
汪慎文,谢承旺,郭肇禄,王培崇,张翠军
2019, 65(3): 238-242. DOI: 10.14188/j.1671-8836.2019.03.002

摘要：在动态集成差分进化算法中，动态学习机制往往过于复杂且增加计算开销。为此，本文以传统差分进化算法框架为基础，提出集成DE/rand/1/bin和DE/best/1/bin两个优势互补的变异策略并设计动态执行机制，力求简化动态学习机制，且又能在全局搜索和局部搜索中寻找到平衡。实验结果表明：本文提出动态集成两个变异策略的差分进化算法（differential evolution algorithm integrated bi⁃mutation strategy， DE⁃BMS）缩放因子F选择为0.9，交叉概率C_r选择为0.1，算法具有更好的鲁棒性；与其他差分进化算法的收敛速度、成功次数解质量分别进行比较，DE⁃BMS在优化多峰函数问题时表现更佳。
关键词：差分进化算法;集成进化;动态集成

84

|

5

|

0

<HTML>
<网络PDF>

<引用本文> <批量引用> 4567338 false

发布时间：2020-11-28
基于自适应特征的遮挡人脸特征点定位算法
杨帆,熊盛武,周俊伟,刘晓赟
2019, 65(3): 243-249. DOI: 10.14188/j.1671-8836.2019.03.003

摘要：为了使人脸特征点定位算法在人脸被物体遮挡的情况下仍能快速、准确地检测特征点的位置，提出了一种基于自适应特征的遮挡人脸特征点定位算法。该方法首先检测每个特征点的遮挡状态，即先训练一个逻辑回归模型，通过所有特征点周围的纹理特征快速地估计出每个特征点被遮挡的概率值；然后根据每一个特征点被遮挡的概率自适应地调整该特征点纹理特征的权重，使得被遮挡概率较大的特征点获得较小的权重值，减小人脸遮挡对特征的影响，提高特征点定位的准确度。实验结果表明，本文算法的特征点定位的平均误差达到5.94%，遮挡检测准确率/召回率达到80%/72.84%。
关键词：人脸特征点定位;自适应特征;遮挡检测;级联回归

177

|

4

|

1

<HTML>
<网络PDF>

<引用本文> <批量引用> 4567619 false

发布时间：2020-11-28
基于时空优化长短期记忆网络与烟花算法的AQI预测
赵俭辉,董婷,蔡波
2019, 65(3): 250-262. DOI: 10.14188/j.1671-8836.2019.03.004

摘要：针对传统深度学习模型在预测空气质量指数（air quality index，AQI）时，难以从时间角度建模、网络超参数选取困难等问题，提出一种基于长短期记忆（long short-term memory， LSTM）网络和烟花算法（fireworks algorithm， FWA）的AQI预测模型LSTM-FWA。首先，以武汉市历史空气质量和气象监测数据为研究对象，利用LSTM网络中隐含层节点之间相互连接的结构特点，对空气质量的时间变化特征进行建模；接下来，考虑到种群多样性和并发性，将烟花算法应用到超参数组合优化问题中；最后，对模型输入分别进行时间、空间、时空角度的优化，实验结果表明基于时空优化的LSTM-FWA模型预测性能提升最为明显。将LSTM-FWA与其他预测模型进行比较，并全面分析不同模型在各种优化策略下的性能。实验结果显示，本文提出的时空优化LSTM-FWA模型对于AQI预测具有最优的性能。
关键词：AQI预测;长短期记忆网络;烟花算法

103

|

7

|

0

<HTML>
<网络PDF>

<引用本文> <批量引用> 4566989 false

发布时间：2020-11-28
基于并行的F⁃LSTM模型及其在电力通信设备故障预测中的应用
杨济海,刘洋,刘杰,余伟,李石君
2019, 65(3): 263-268. DOI: 10.14188/j.1671-8836.2019.03.005

摘要：电力通信网设备时序故障预测的目标是通过过去设备告警数据，预测设备在下一个时间段是否发生故障，这对设备的管理和维护起着重要作用。为了预测电力设备未来的状态，提出一种Forward⁃LSTM（F⁃LSTM）学习模型，对设备故障的时序特征和非时序特征（静态信息）进行并行训练，探索出一种新的对静态⁃时序数据的训练方法，将其应用在电力通信网故障预测中。F⁃LSTM结合了两个组件，一个学习时序特征的长短期记忆神经网络（LSTM）与一个处理静态数据的前向全连接神经网络（forward full connection neural networks，FC），数据的静态/时序属性被自动判断并传递给FC或LSTM来并行训练。对于具有同时产生动态数据与静态数据的电力通信网络，Forward⁃LSTM（F⁃LSTM）模型能以较高速度与精度预测其故障发生的位置。此外，本文采用一种加权的损失函数，可以更好地捕捉设备故障的时序规律。选取某电力通信网络系统中2016—2017年设备故障数据，对本方法进行测试。实验结果显示，与Xgboost模型相比，F⁃LSTM模型对故障预测的召回率提高5%，同时F⁃LSTM模型较LSTM模型缩减了计算量，加快了模型的训练速度。
关键词：电力通信网;故障预测;LSTM;Xgboost;F⁃LSTM

127

|

4

|

0

<HTML>
<网络PDF>

<引用本文> <批量引用> 4567264 false

发布时间：2020-11-28
基于联合特征与Bi⁃LSTM模型的英汉双语文本情绪预测
张真练,刘茂福,胡慧君
2019, 65(3): 269-275. DOI: 10.14188/j.1671-8836.2019.03.006

摘要：英汉双语文本中的情绪可以通过英语和汉语的单语或者双语形式来表达。然而，以往的研究主要集中在单语文本的情绪分析，只有少数研究侧重于英汉双语文本。为提高英汉双语文本情绪预测效果，本文结合情绪词典方法与深度学习方法，使用联合特征与Bi⁃LSTM模型来对英汉双语文本进行情绪预测。首先基于情绪词典抽取出双语文本中包含的情绪词特征，然后联合情绪词特征与双语文本特征输入至Bi⁃LSTM模型进行特征学习，最后将学习到的深度语义特征输入到分类器中进行情绪预测。实验结果表明，该方法对英汉双语文本的情绪预测有良好的效果。
关键词：双向长短时记忆网络;英汉双语文本;双语种情绪预测

81

|

9

|

0

<HTML>
<网络PDF>

<引用本文> <批量引用> 4567575 false

发布时间：2020-11-28
基于AM⁃BiLSTM模型的情绪原因识别
夏林旭,刘茂福,胡慧君
2019, 65(3): 276-282. DOI: 10.14188/j.1671-8836.2019.03.007

摘要：文本情绪原因识别是情感分析中一个新的研究方向，旨在从文本中自动检测出导致某一情绪产生的原因。针对循环神经网络在长文中出现的长期依赖问题，本文提出了一种基于注意力机制和双向长短时记忆（attention model and bi⁃directional long short⁃term memory，AM⁃BiLSTM）神经网络模型的情绪原因识别方法。该方法采用字符向量表示文本语义信息，使用BiLSTM模型提取文本特征，该过程结合了人工提取的子句特征，在训练模型时，引入了注意力机制来优化模型性能，使用softmax对子句进行分类。实验结果表明本文方法对情绪原因的识别是有效的。
关键词：情绪原因识别;注意力机制;双向长短时记忆网络;特征提取

101

|

5

|

1

<HTML>
<网络PDF>

<引用本文> <批量引用> 4567659 false

发布时间：2020-11-28
基于改进RRT⁃Connect的快速路径规划算法
王坤,黄勃,曾国辉,李晓斌
2019, 65(3): 283-289. DOI: 10.14188/j.1671-8836.2019.03.008

摘要：针对双向快速扩展随机树（RRT⁃Connect）算法的路径规划效率较低且采样具有随机性，提出了基于RRT⁃Connect的改进算法（DRRT⁃Connect）。该算法在起始点与目标点中间选取一个第三节点作为扩展点，使算法可以同时从起始点、目标点和第三节点生成四棵随机树；同时在改进算法中引入自适应步长调节函数，当探索无障碍空间时，算法使用步长调节函数增大扩展步长，从而提高随机树探索空间的速度；在RRT⁃Connect算法的基础上引入目标偏置策略，使DRRT⁃Connect在探索无障碍空间时可以朝目标点进行快速扩展，在探索障碍物空间时则调用随机采样函数，使算法可以快速摆脱障碍物，防止陷入局部最优。将DRRT⁃Connect算法分别与RRT、RRT⁃Connect、RRT*算法进行仿真对比，结果表明DRRT⁃Connect在路径规划效率与迭代次数上均明显优于其他对比算法，其中相较于RRT⁃Connect算法，DRRT⁃Connect在路径规划速度上提高了50%，迭代次数上降低了32.3%。
关键词：路径规划;快速扩展随机树;RRT⁃Connect算法;自适应步长;目标偏置策略

75

|

4

|

5

<HTML>
<网络PDF>

<引用本文> <批量引用> 4567767 false

发布时间：2020-11-28
基于ABC⁃RNN算法的机器嗅觉系统
朱煜枫,王宁诚,许磊,吴枫
2019, 65(3): 290-296. DOI: 10.14188/j.1671-8836.2019.03.009

摘要：为了解决对短采集时间水果产地进行快速识别的问题，提出一种基于人工蜂群算法优化的循环神经网络（ABC⁃RNN）。该算法利用人工蜂群（ABC）算法对循环神经网络（RNN）的初始权重和偏置进行全局最优搜索，同时RNN以时序信号作为输入信号，降低了网络的复杂度。实验结果表明，ABC⁃RNN算法具有更快的训练速率和更高的精度，在甜橙和猕猴桃两种水果的产地分类问题上取得了很好的分类结果。
关键词：产地溯源;循环神经网络;人工蜂群算法;参数优化;机器嗅觉;快速识别

119

|

4

|

2

<HTML>
<网络PDF>

<引用本文> <批量引用> 4567735 false

发布时间：2020-11-28
Item2vec与改进DDPG相融合的推荐算法
刘文竹,黄勃,高永彬,姜晓燕,张娟,余宇新
2019, 65(3): 297-302. DOI: 10.14188/j.1671-8836.2019.03.010

摘要：传统的推荐算法能够有效解决信息过载问题，但在冷启动和数据稀疏的情况下，传统方法仍有其局限性。针对以上问题本文提出一种基于深度强化学习理论的推荐算法，该算法使用深度确定性策略梯度（DDPG，deep deterministic policy gradient，DDPG）算法来解决推荐问题，使用Item2vec将离散的动作空间转换为连续的表示，同时提出了一种余弦距离和欧氏距离相结合的奖励函数，能够保障神经网络不会过早的收敛于局部最优。应用该算法进行电影的推荐，实验结果表明本文提出的算法能够产生较好的推荐并能缓解冷启动所带来的影响。
关键词：推荐系统;深度强化学习;冷启动

109

|

6

|

0

<HTML>
<网络PDF>

<引用本文> <批量引用> 4567812 false

发布时间：2020-11-28
基于循环生成对抗网络的道路场景语义分割
李智,张娟,方志军,黄勃,姜晓燕,黄正能
2019, 65(3): 303-308. DOI: 10.14188/j.1671-8836.2019.03.011

摘要：在无人驾驶技术中，道路场景语义分割是一个非常重要的环境感知任务。传统的基于深度学习方法需要大量像素级标注样本，限制了应用范围。本文提出一种基于循环生成对抗网络的道路场景语义分割方法，无需成对数据也可实现图像语义分割，降低对数据集的要求；使用 $L 2$ 范数和最小二乘损失方法解决训练过程中出现的模式崩溃现象，增加了训练过程的稳定性，并提高了图像分割的质量。为了验证本文方法的有效性，在常用的道路场景数据集进行实验，结果显示该方法的分割精确度有明显提高。
关键词：无人驾驶;道路场景语义分割;深度学习;循环生成对抗网络

122

|

3

|

2

<HTML>
<网络PDF>

<引用本文> <批量引用> 4567859 false

发布时间：2020-11-28
基于粒子群优化算法的多S盒相关性能量分析方法
陈林,张帅伟,钟卫东,杨晓元,刘文超
2019, 65(3): 309-315. DOI: 10.14188/j.1671-8836.2019.03.012

摘要：为提高能量曲线与数据加密标准（data encryption standard，DES）密钥之间的相关性，同时解决传统相关性能量分析方法在攻击多个S盒对应轮密钥过程中猜测密钥数目成指数增长造成的计算量过大的问题，提出一种基于粒子群优化（particle swarm optimization，PSO）算法的多S盒相关性能量分析方法。该方法利用PSO算法结构简单、搜索速度快的特点，同时实现对DES算法多个S盒的攻击，增强能量曲线与密钥之间的相关性，降低攻击DES算法多S盒的计算复杂度。采用经DES算法加密的数据，对本文方法和传统相关性能量分析方法进行性能分析实验。由实验结果可知，与传统相关性能量分析方法相比，本文方法有效增强了信号的信噪比，对能量信息的利用率提高约55%；在能量曲线数目有限（600条）的情况下进行密钥恢复，正确率提高了约30%。
关键词：相关性能量分析;DES;多S盒;粒子群优化

68

|

3

|

0

<HTML>
<网络PDF>

<引用本文> <批量引用> 4566792 false

发布时间：2020-11-28
基于SVM土壤重金属污染评价的训练数据集构建
鄢文苗,任东,黄应平,熊彪,董方敏
2019, 65(3): 316-322. DOI: 10.14188/j.1671-8836.2019.03.013

摘要：支持向量机（support vector machine，SVM）用于土壤重金属污染评价时，其训练数据集的构建对模型准确性影响重大。本文对依据土壤环境质量国家标准生成数据集的方法（国标法）进行改进，提出实际测量数据集生成方法（实测法），并在实测法样本中添加国标法样本扩大训练数据集，进一步提高模型分类准确率。结果表明：对同一组实测样本进行分类，国标法模型准确率（53.33%）低于实测法模型准确率（75.56%）；扩大后的数据集训练所得模型与实测法模型相比，分类60个实测样本时，准确率由88.33%提高至98.33%，分类45个实测样本时，准确率由75.56%提高至82.22%。
关键词：支持向量机;数据集构建;分类;土壤重金属

57

|

7

|

2

<HTML>
<网络PDF>

<引用本文> <批量引用> 4567296 false

发布时间：2020-11-28

加载中...

批量引用

⁰