特约专稿

• 基于少样本学习的表面缺陷检测方法综述

  陈丽;殷湘婷;靳启帆;姜晓恒;酒明远;徐明亮;

  工业场景中，缺陷样本少且标注缺陷耗时耗力，这限制了机器视觉方法应用于表面缺陷检测。首先对基于少样本学习的工业品缺陷检测方法进行梳理，从图像采集、图像处理、缺陷检测三个方面介绍了基于机器视觉的工业品缺陷检测技术。将缺陷检测方法分为传统表面缺陷检测方法和基于少样本深度学习的缺陷检测方法。传统表面缺陷检测方法基于人工提取的特征识别缺陷，分为缺陷分割、人工特征提取、缺陷识别三部分。基于少样本深度学习的工业品缺陷检测方法包括数据增强、迁移学习、模型微调、半监督学习、弱监督学习、无监督学习方法等。其次，介绍了常用的缺陷检测数据集和检测结果评价标准。最后，讨论了基于少样本学习的表面缺陷检测存在的问题和未来研究方向。

  2025年03期 v.57 1-11页 [查看摘要][在线阅读][下载 945K]
  [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：1340 ] |[阅读次数：0 ]

• 基于BGMA模型社交媒体虚假新闻检测研究

  王军;马小越;付红静;

  为了能够及时准确地识别社交媒体平台上的虚假新闻，构建了一种基于BGMA(BERT-GAT mulit-head attention, BGMA)的虚假新闻检测模型。BGMA模型首先利用BERT(bidirectional encoder representations from Transformer, BERT)模型提取文本内容的语义特征，其次，使用GAT(graph attention network, GAT)模型捕捉用户行为之间的复杂关联和动态变化。最后，通过引入多头注意力机制对两种特征进行加权融合。研究结果表明，BGMA模型检测性能与基于内容的多个模型中表现较好的BERT-LSTM模型相比，在PolitiFact数据集上准确率提升了4.06%,在GossipCop数据集上准确率提升了19.73%。与基于用户特征的多个模型中表现较好的GCNFC模型相比，在PolitiFact数据集上准确率提升了10.59%,在GossipCop数据集上准确率提升了10.47%。通过实际测试证明了BGMA模型能够有效结合文本特征和用户特征，并达到较好的虚假新闻检测效果。

  2025年03期 v.57 12-18页 [查看摘要][在线阅读][下载 955K]
  [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：260 ] |[阅读次数：0 ]

信息科学

• 面向时序SMART不平衡数据的硬盘故障预测算法

  李国;侯雪雪;李静;陈辉;

  针对数据存储中心硬盘故障数据稀少造成的故障预测效果不佳的问题，面向自我检测分析与报告技术(self-monitoring analysis and reporting technology, SMART)数据信息的时序特征，提出一种通过数据增强解决不平衡问题的硬盘故障预测算法。该算法利用长短期记忆网络改进传统的生成对抗网络，生成包含故障恶化趋势信息的序列段数据，解决了数据集不平衡问题。同时，为进一步提高预测性能，预测模型融合了时序注意力机制和特征注意力机制，挖掘不同SMART特征和时间步对硬盘故障恶化过程的敏感程度。此外，在特征选择阶段结合了多种典型特征选择算法来选取关键特征。在真实硬盘数据集上进行了实验验证，结果表明，所提算法的准确率、召回率和F1值均有较大提升。

  2025年03期 v.57 19-27页 [查看摘要][在线阅读][下载 1168K]
  [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：158 ] |[阅读次数：0 ]

• 基于RNN的标准单元延时预测方法

  游卉擎;黄鹏程;赵振宇;王斌;向凌云;

  在集成电路布线完成至确认阶段的迭代优化时序过程中，重复进行静态时序分析会带来高额的时间成本。为此，设计了标准单元特征提取算法，并对标准单元延时预测问题进行建模。以循环神经网络(recurrent neural network, RNN)为基础构建了标准单元延时预测模型(cell-delay prediction model, C-DPM),深入挖掘标准单元特性与延时之间存在的非线性映射关系，从而实现了快速预测标准单元延时。为了测试C-DPM对不同设计模块在不同工艺、电压、温度条件下的延时预测效果，对亚30 nm工艺下的6个设计模块进行了实验。实验结果显示，C-DPM的最大延时预测的平均绝对误差为0.519 ps～1.310 ps,最小延时预测的平均绝对误差为0.380 ps～1.016 ps,表明C-DPM能以极小的误差换取时间开销的减少，从而加快了物理设计的效率。

  2025年03期 v.57 28-34页 [查看摘要][在线阅读][下载 1192K]
  [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：560 ] |[阅读次数：0 ]

• 长尾分布下基于层内相似关系的认知诊断模型

  王冕;张玉红;刘菲;卜晨阳;胡学钢;

  已有的认知诊断模型大多基于充分的学生做题记录进行诊断。然而现实中学生的做题记录、题目与知识点等的层间关联呈现长尾分布，即部分学生做题数量少、部分习题仅包含少量知识点，给模型的训练带来挑战。为此，提出一个基于层内相似关系的认知诊断模型，通过学生作答记录使用简单匹配系数分别计算学生、习题、知识点的相似系数，并构建层内相似关系。利用这种层内相似关系通过关系图卷积网络将头节点信息传递给尾节点，改善尾节点层间关系的稀疏性，通过融合知识点表示的诊断函数进行诊断。

  2025年03期 v.57 35-41+48页 [查看摘要][在线阅读][下载 1069K]
  [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：101 ] |[阅读次数：0 ]

• 基于跨层级注意力学习的RGB-T显著目标检测

  魏明军;魏帅;刘亚志;李辉;

  RGB-热成像显著目标检测(RGB-T SOD)旨在分割可见光图像和相应热红外图像中的常见突出区域。针对现有方法中没有充分利用多模态间的跨层级互补信息的问题，提出了一种用于RGB-T SOD任务的跨层级特征注意力学习网络(CALNet)。具体来说，该网络中包含一个跨层级注意力学习模块(CAL),CAL使用非局部注意力对多模态间的跨层级信息进行交互，能够充分探索不同模态和不同层级间的全局位置与局部细节线索。此外，网络还引入了全局信息模块(GIM)与多交互模块(MIB),二者能够在逐层级解码中建模和挖掘多类型信息，以实现更精准的RGB-T SOD。在公共数据集RGB-T上进行的广泛实验表明，所提出的网络与领域内先进的算法相比，取得了优异的性能。

  2025年03期 v.57 42-48页 [查看摘要][在线阅读][下载 1135K]
  [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：170 ] |[阅读次数：0 ]

• 基于几何平均犹豫度的概率犹豫模糊多属性决策方法

  张艳娜;张丽霞;王拥兵;

  针对属性权重完全未知的概率犹豫模糊多属性决策问题，提出了基于几何平均犹豫度的概率犹豫模糊多属性决策方法。首先，针对概率犹豫模糊元中元素之间隶属度差异和元素个数的不同，定义了概率犹豫模糊元的几何平均犹豫度。其次，在传统的概率犹豫模糊元的距离测度基础上，提出了基于几何平均犹豫度的概率犹豫模糊元距离测度。进一步，根据提出的距离测度构建概率犹豫模糊元熵测度，并结合熵权法来确定属性权重。最后，结合TOPSIS方法，给出了相应的多属性决策模型。通过具体案例分析，对相应的参数进行灵敏度分析，验证了所提方法的可行性和实用性。

  2025年03期 v.57 49-56页 [查看摘要][在线阅读][下载 820K]
  [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：230 ] |[阅读次数：0 ]

• 基于三支区间集前概念的知识提取及应用

  毛华;胥德华;刘川;郑博雅;袁晓垒;杨兰珍;

  前概念，作为形式概念“弱化”的知识表达形式，常用来提取对象共有的属性与属性所共有的对象这两类知识。区间集概念格是将区间集理论与形式概念相结合后产生的，利用区间集能够反映不确定信息的特性把形式概念拓展为区间集概念。将前概念理论结合三支决策引入区间集概念，提出了对象诱导的三支区间集前概念，即OE-区间集前概念。在此基础上，讨论了OE-区间集前概念的格结构，并与已有成果进行比较，给出了相应的构造算法。这些所得理论成果，通过医生总结病例的实践内容加以验证，说明了所定义知识表示形式的有效性和实用性。这将有助于拓展区间集概念理论以及前概念理论的研究深度和应用范围，同时也为知识提取和信息挖掘提供了一种可行的方法。

  2025年03期 v.57 57-64页 [查看摘要][在线阅读][下载 827K]
  [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：72 ] |[阅读次数：0 ]

• 结合ResNet和CBAM的静态图像行为识别方法

  高晗;万方杰;马明旭;

  针对静态图像行为识别缺乏大规模训练数据集和无法利用时空特征所导致的识别效果不佳问题，提出一种结合残差神经网络(residual neural network, ResNet)和卷积注意力模块(convolutional block attention module, CBAM)的静态图像行为识别方法。使用特定数据增强技术对数据集进行扩充，采用迁移学习方法对模型初始化，并进行微调训练提升对静态图像行为识别的特征表达能力。通过将CBAM嵌入ResNet的第1个卷积层后来调整模型注意力，利用Grad-CAM方法提取模型识别图像时关注区域并进行可视化，对精度提升进行了解释。在PPMI数据集上，所提方法在演奏乐器类、持有乐器类和总类的平均识别精度分别达到88.30%、81.94%和77.93%,验证了方法的有效性。

  2025年03期 v.57 65-71页 [查看摘要][在线阅读][下载 1609K]
  [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：321 ] |[阅读次数：0 ]

• 基于改进遗传算法的可信边缘计算任务卸载方法

  王亚丽;娄世豪;

  针对边缘服务器可信性无法保证的问题，提出一种基于改进遗传算法的可信边缘计算任务卸载方法。首先，为激励边缘服务器参与任务卸载竞争，采用一种声誉机制激励边缘服务器，并以已有声誉作为评估边缘服务器可信度的依据。其次，使用基于声誉和分布式一致性协议的拜占庭共识机制来选举边缘服务器领导者。最后，边缘服务器领导者采用一种改进的遗传算法来决策边缘服务器的任务卸载行为，以选出满足用户时延和能耗需求约束的可信边缘服务器来执行终端设备的卸载任务。仿真实验结果表明，与基准测试方案相比，所提方法的成本降低5.46%～59.26%。

  2025年03期 v.57 72-80页 [查看摘要][在线阅读][下载 1267K]
  [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：359 ] |[阅读次数：0 ]

• 一种基于双模态的睡眠分期研究

  王亚群;杨青;文斗;王莹;王翔宇;

  现有研究普遍专注于单个信号，忽略了多模态信号在特定睡眠阶段提供的睡眠信息，以及提取睡眠信号时，随着网络的加深导致重要信息丢失，从而降低模型分类的能力。针对上述问题，设计了一种基于脑电图(electroencephalogram, EEG)、眼电图(electrooculogram, EOG)的深度神经网络模型，以端到端的方式进行睡眠分期，称为MCNN-LSTMs模型。多尺度卷积神经网络(multiscale convolutional neural network, MCNN)用于提取脑电信号和眼电信号的特征，双层长短期记忆(long short-term memory, LSTM)神经网络对提取到的特征进行融合，然后输入分类器进行睡眠分期。在公共数据集Sleep-EDF上评估了所设计的方法在睡眠分期上的性能。实验表明，使用两种通道(EEG-EOG)时，在Sleep-EDF-20数据集上的分类准确率最高为92.60%,在Sleep-EDF-78数据集上的分类准确率最高为91.10%,优于单通道信号以及其他对比方法。所提方法验证了多种信号对睡眠分期的有效性，并为研究睡眠分期提供了重要思路。

  2025年03期 v.57 81-87页 [查看摘要][在线阅读][下载 975K]
  [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：242 ] |[阅读次数：0 ]

• 基于属性约简的多标准案例知识纳新研究

  张建华;张淑唯;贺龙飞;李良辰;

  案例知识库规模的不断扩大导致知识应用水平逐渐降低。为缓解此问题，提出了一种基于信息增益属性约简的多标准案例知识纳新方法。首先，采用信息增益算法约简案例属性集，实现对计算空间的压缩与纳新效果的改善；而后，依次通过基于改进VSM与环境变量的时效性判断、基于FA-KM与KVS的稀缺性判断与基于RF的一致性判断，得到纳新案例知识集合，将其保存至案例库中。基于UCI数据库的算例结果表明，该纳新方法能显著提高案例知识库的应用效率与有效性。

  2025年03期 v.57 88-94页 [查看摘要][在线阅读][下载 791K]
  [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：78 ] |[阅读次数：0 ]

• 《郑州大学学报(理学版)》征稿简则

  <正>《郑州大学学报(理学版)》(原刊名《郑州大学学报(自然科学版)》)是郑州大学主办的自然科学综合性学术刊物(双月刊,国内外公开发行),中文核心期刊,主要刊登信息与计算机科学、数学、物理学、化学、生物工程科学、材料科学、电气工程科学等自然科学的基础研究及应用研究方面的学术论文。1要求及注意事项1.1来稿应具有创新性、科学性、准确性和可读性。稿件必须包括(按顺序):题名、作者姓名、作者单位(具体到院系)及省份、城市邮政编码、中英文摘要(100～300字)、关键词(3～8个)、中图分类号、文献标志码、正文、参考文献。请在文稿首页地脚处依次注明基金项目、作者简介(内容包括姓名、出生年、性别、职称、学位、主要研究方向及E-mail)。

  2025年03期 v.57 95页 [查看摘要][在线阅读][下载 470K]
  [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：0 ] |[阅读次数：0 ]
下载本期数据