Journal of Zhejiang University

Current Issue: <FITEE>

Frontiers of Information Technology & Electronic Engineering (former title: Journal of Zhejiang University SCIENCE C (Computers & Electronics), 2010-2014)

ISSN 2095-9184 (print); ISSN 2095-9230 (online); CN 33-1389/TP; Monthly.

FITEE is an international peer-reviewed journal indexed by SCI-E, Ei Compendex, DBLP, IC, Scopus, JST, CSA, etc. It covers research in Electrical and Electronic Engineering, including Computer Science, Information Sciences, Control, Automation, Telecommunications, and related disciplines.

Impact factor: 0.308 (2011), 0.297 (2012), 0.380 (2013), 0.415 (2014), 0.392 (2015), 0.622 (2016), 0.910 (2017), 1.033 (2018), 1.604 (2019), 2.161 (2020), 2.526 (2021).

Frontiers of Information Technology & Electronic Engineering

ISSN 2095-9184 (print), ISSN 2095-9230 (online), monthly

2015 Vol.16 No.7 P.519-616

<<< CONTENTS >>>

Special Part-Issue on Service Availability

Energy-aware scheduling with reconstruction and frequency equalization on heterogeneous systems

Yong-xing Liu, Ken-li Li, Zhuo Tang, Ke-qin Li

DOI: 10.1631/FITEE.1400399 Downloaded: 3271 Clicked: 6237 Cited: 2 Commented: 0(p.519-531) <Full Text> <PPT> 1742

Chinese summary <724> 面向異構系統的節能調度算法

目的：當前，異構計算系統面臨能量消耗巨大(dà)的嚴峻問題，降低系統運行過程中(zhōng)能量消耗成爲一(yī)個亟待解決的問題。任務調度作爲計算系統中(zhōng)的核心部分(fēn)，起着對計算資(zī)源進行全局管理和分(fēn)配的關鍵作用。本文結合調度算法與動态電壓調節技術來優化系統的總能量消耗。
創新點：本文用有向無環圖來表示應用模型，并對其進行重構，使得應用能夠被更加合理地調度和分(fēn)配。在優化系統能量消耗的過程中(zhōng)，本文通過均衡兩個任務間的處理器空閑時間來降低系統能量消耗，并以遞進方式處理剩餘任務。
方法：在建立計算系統模型和應用模型後，算法對應用中(zhōng)的路徑集進行提取，并基于路徑集對應用進行重構。爲優化系統的總能量消耗，算法采取遞進的方式來均衡任務的運行頻(pín)率。最後用實驗驗證算法性能。
結論：針對異構系統環境，提出一(yī)個基于動态電壓調節技術的節能調度算法。該算法通過優化任務分(fēn)配來減少應用的完成時間，并通過均衡任務間的處理器空閑時間來降低系統的總能量消耗。文中(zhōng)通過大(dà)量的實驗對算法的性能進行了評估，并分(fēn)析了實驗結果，實驗結果證明了算法的有效性（圖6-10）。

關鍵詞組：有向無環圖；動态電壓調節；節能調度；異構系統；任務調度

A microblog recommendation algorithm based on social tagging and a temporal interest evolution model

Zhen-ming Yuan, Chi Huang, Xiao-yan Sun, Xing-xing Li, Dong-rong Xu

DOI: 10.1631/FITEE.1400368 Downloaded: 2677 Clicked: 6888 Cited: 0 Commented: 0(p.532-540) <Full Text> <PPT> 1772

Chinese summary <22> 基于社會标簽和時間興趣演變模型的微博推薦算法

目的：微博推薦面臨用戶冷啓動和主題興趣變化的挑戰。研究考慮主題興趣變化的個性化微博推薦算法，可在一(yī)定程度上同時解決用戶冷啓動問題。
創新點：提出一(yī)種基于時間興趣演變模型和社會标簽預測的協同過濾推薦算法。該算法充分(fēn)利用社會網絡和标簽熱度随時間的演變模型，提高了推薦準确率。
方法：首先，用三個矩陣建模用戶、标簽和微博之間的關系（圖2）。然後根據标簽的興趣演變模型優化每個微博的标簽評分(fēn)（圖3）。對于用戶冷啓動問題，設計一(yī)種基于社區發現和最大(dà)标簽投票算法來預測用戶相關的标簽。最後，給用戶推薦具有最大(dà)候選标簽集概率的前n個微博（圖1）。
結論：在新浪微博數據集上的實驗驗證了所提算法在獲得好的招回率和準确率的同時，可以較好地符合時間演變性能。問卷調查也證明了在冷啓動發生(shēng)時推薦結果的用戶滿意度。

關鍵詞組：推薦系統；協同過濾；社會化标簽；興趣演變模型

BUEES: a bottom-up event extraction system

Xiao Ding, Bing Qin, Ting Liu

DOI: 10.1631/FITEE.1400405 Downloaded: 2241 Clicked: 5453 Cited: 0 Commented: 0(p.541-552) <Full Text> <PPT> 1628

Chinese summary <23> 自底向上事件抽取系統

目的：本文研究自底向上的事件抽取方法。在無需預先人工(gōng)給定事件類型體(tǐ)系的基礎上，實現事件類型體(tǐ)系的自動構建及事件類型識别和事件元素的抽取。
創新點：本文首次提出基于聚類的事件類型自動發現方法。和傳統事件抽取技術相比，該方法無需預先定義事件類型，無需先驗的領域知(zhī)識。因此，該方法是對領域移植的一(yī)個嘗試，尤其适用于知(zhī)識和資(zī)源有限的領域。
方法：該方法依據謂語動詞是對領域事件刻畫的重要單元的特點，利用依存句法信息抽取領域事件詞，利用«知(zhī)網»(HowNet)對領域事件詞進行聚類從而獲取不同的事件類型（圖2），随後進行事件元素的抽取。本文提出基于Bootstrapping的事件元素抽取框架，該框架核心有三部分(fēn)：（1）模式獲取：該模塊負責将事件種子放(fàng)在互聯網上去(qù)檢索，獲得事件實例，并根據事件實例，按照一(yī)定的規則生(shēng)成初始的事件模式（圖3）；（2）模式泛化：初始事件模式由于過于死闆，導緻遺漏掉很多事件的匹配，因此，本文設計模式泛化方法，将原有的事件模式按照一(yī)定規則，進行一(yī)定程度上的泛化，使其在保證準确率不變的情況下(xià)盡量提高召回率（算法3）；（3）模式過濾：經泛化後的模式會在一(yī)定程度上引入噪聲，因此，本文提出一(yī)套過濾規則，盡量減少泛化帶來的噪聲（表3）。
結論：提出自底向上的事件抽取系統。該系統在公開(kāi)的ACE語料數據集上取得了優于當前最好基線方法的結果。同時在我(wǒ)們手工(gōng)構造的音樂領域和金融領域數據集上也取得了優秀的實驗結果。這表明該方法可以很好地進行領域自适應。

關鍵詞組：事件抽取；無監督學習；自底向上

Analyzing the service availability of mobile cloud computing systems by fluid-flow approximation

Hong-wu Lv, Jun-yu Lin, Hui-qiang Wang, Guang-sheng Feng, Mo Zhou

DOI: 10.1631/FITEE.1400410 Downloaded: 2354 Clicked: 6558 Cited: 2 Commented: 0(p.553-567) <Full Text> <PPT> 1954

Chinese summary <24> 基于流近似的移動雲計算系統服務可用性分(fēn)析方法

目的：爲提供持續性的按需服務，移動雲計算系統必須确保在任何時間和任何地點的可用性。然而當系統規模巨大(dà)、關聯關系複雜(zá)時，如何實現移動雲計算系統可用性的快速分(fēn)析，是本領域一(yī)項富有挑戰性的工(gōng)作。本文目的是利用最近提出的流近似（fluid-flow approximation）技術來實現一(yī)種能應用于移動雲計算系統部署之前的、快速的服務可用性分(fēn)析方法。
創新點：由于移動雲計算系統負載水平不同、配置部署不同和随機幹擾因素，基于實測的方法很難具有代表性；基于随機模拟的方法會随着模拟規模增大(dà)和精度提升而計算時間劇增；基于狀态空間的方法在系統規模巨大(dà)時将面臨嚴重的狀态空間爆炸問題。本文方法通過将狀态空間轉化爲常微分(fēn)方程組求解，可以避免狀态空間爆炸，實現移動雲計算系統可用性的快速分(fēn)析。
方法：定義了包括服務反應時間（response time of service）、節點最小(xiǎo)感知(zhī)時間（minimum sensing time of devices）、最少選取節點數量（minimum number of nodes chosen）、動作吞吐量（action throughput）等四個關鍵指标。通過上述指标來分(fēn)析移動雲計算系統服務可用性的變化，并對系統初始條件、模型核心參數的影響進行讨論。
結論：本文提出的服務可用性分(fēn)析方法能夠适用于移動雲計算系統完全部署之前，可以用于系統設計階段的改進。并且與基于随機模拟方法和狀态空間方法相比，時耗更低。

關鍵詞組：服務可用性；移動雲計算；流近似；常微分(fēn)方程

Computer & Automation

Using heterogeneous patent network features to rank and discover influential inventors

Yong-ping Du, Chang-qing Yao, Nan Li

DOI: 10.1631/FITEE.1400394 Downloaded: 3744 Clicked: 7760 Cited: 5 Commented: 0(p.568-578) <Full Text> <PPT> 1925

Chinese summary <23> 基于異構專利網絡特征的有影響力發明人員(yuán)的排名與發現

目的：專利是發現新技術信息獨特的信息源,也是競争情報重要的信息源之一(yī)。目前，如何評估科學研究人員(yuán)的貢獻及其研究價值逐漸成爲一(yī)個新興的研究熱點。本文提出一(yī)種利用專利數據異構網絡對專利發明人員(yuán)進行影響力排序的算法。
創新點：傳統對發明人員(yuán)進行分(fēn)析的方法是對發明人的專利數量進行統計分(fēn)析，但這種方法不夠全面。本文提出的基于規則的方法，設計結合網絡拓撲結構和專利數據特點，排序過程不斷叠代直至符合收斂條件。與傳統方法相比，該方法充分(fēn)利用異構網絡中(zhōng)的信息。實驗結果表明本算法不僅能有效挖掘具有高影響力的發明人員(yuán)，而且收斂速度更快、效率更高。
方法：不同于傳統的排序方法，本文提出的Inventor-Ranking排序算法是一(yī)種基于規則的實體(tǐ)排序方法。該方法通過叠代使用這些規則得到排序結果。排序模型建立在發明人員(yuán)和專利的相互影響進行排序的基礎上（圖3）。使用本算法和PageRank算法排序Top 10的發明人員(yuán)（表2）。實驗結果表明，Inventor-Ranking算法比PageRank算法收斂更快（圖10）。
結論：本文針對專利數據組成的異構網絡，提出異構網絡中(zhōng)實體(tǐ)的排序算法。制定了用于影響力排序的規則集合并進行叠代求解。同時，利用LDA主題模型實現發明人實體(tǐ)的興趣分(fēn)布與發現。在真實專利數據集上的實驗表明，本文提出的算法具有較好的性能與靈活性。

關鍵詞組：專利異構網絡；影響力；基于規則排序

Push recovery for the standing under-actuated bipedal robot using the hip strategy

Chao Li, Rong Xiong, Qiu-guo Zhu, Jun Wu, Ya-liang Wang, Yi-ming Huang

DOI: 10.1631/FITEE.14a0230 Downloaded: 2320 Clicked: 5392 Cited: 0 Commented: 0(p.579-593) <Full Text> <PPT> 1735

Chinese summary <23> 基于髋策略的欠驅動雙足機器人站立抗擾動恢複控制

目的：穩定站立和姿态保持是雙足機器人正常作業的前提，但各種不确定的外(wài)部擾動不可避免。機器人需要通過協調關節運動使其快速恢複到原先的穩定站立狀态。
創新點：本文提出一(yī)種開(kāi)環bang-bang-bang控制方法，根據擾動情況設計髋關節力矩曲線，可以同時恢複欠驅動雙足機器人的平衡狀态和身體(tǐ)姿态。與閉環控制相比，本方法恢複更爲迅速。
方法：首先，将外(wài)力擾動情況分(fēn)爲3類：1）外(wài)力通過質心，擾動僅改變平衡狀态不改變身體(tǐ)姿态；2）外(wài)力矩擾動，擾動僅改變身體(tǐ)姿态不改變平衡狀态；3）外(wài)力不通過質心，擾動同時改變平衡狀态和身體(tǐ)姿态（圖2）。然後，針對不同擾動情況提出對應的3種開(kāi)環bang-bang-bang控制方法以及對應的髋關節力矩曲線：1）針對擾動情況1的STB控制（式14），在恢複水平穩定狀态的同時不改變原先的身體(tǐ)直立姿态；2）針對擾動情況2的ATB控制（式18），在恢複身體(tǐ)直立姿态的同時不改變水平穩定狀态；3）針對擾動情況3的UTB控制（式32），可以同時恢複水平穩定狀态以及原先的身體(tǐ)直立姿态。并證明了針對最大(dà)可恢複範圍内的擾動，本文的控制方法都可以同時恢複雙足機器人的平衡狀态和身體(tǐ)姿态。最後，通過4組仿真實驗驗證了本文方法的有效性和相比閉環控制的快速性。
結論：針對欠驅動雙足機器人站立的擾動恢複問題，提出一(yī)種基于髋策略的bang-bang-bang控制方法。該方法可迅速同時恢複機器人的平衡狀态及身體(tǐ)姿态。

關鍵詞組：擾動恢複；平衡控制；雙足機器人；髋策略

Building a dense surface map incrementally from semi-dense point cloud and RGB images

Qian-shan Li, Rong Xiong, Shoudong Huang, Yi-ming Huang

DOI: 10.1631/FITEE.14a0260 Downloaded: 2266 Clicked: 6331 Cited: 0 Commented: 0(p.594-606) <Full Text> <PPT> 1794

Chinese summary <23> 一(yī)種利用半稠密點雲及RGB圖像構建稠密表面模型地圖的方法

目的：針對僅能通過輕型激光測距儀獲取半稠密點雲的環境地圖構建問題，提出一(yī)種構建稠密表面模型的方法。該方法使機器人能夠利用所構建的稠密表面模型地圖完成定位、導航及目标搜索等任務。
創新點：提出一(yī)種基于點雲分(fēn)割的點雲表面重采樣方法及一(yī)種基于點雲概率模型的表面模型融合方法。對半稠密點雲進行保留表面結構特性的重采樣來獲取觀測數據的稠密表面模型。并遞增式地将新獲得的稠密表面模型融合進已有的稠密表面地圖中(zhōng)，從而獲得幾何一(yī)緻性較好的環境表面模型地圖。
實驗效果：圖6、7展示了基于本文方法所構建的稠密表面模型地圖的效果。其幾何結構精确且表面紋理清晰。此外(wài)，圖8、9分(fēn)别重點展示了表面重采樣的作用以及本文提出的重采樣方法的效果。圖11則展示了本文方法對表面模型動态更新的較好支持。
結論：使用本文所提方法，機器人可攜帶輕便式激光測距儀，獲取半稠密點雲後再進一(yī)步處理和融合得到幾何一(yī)緻性較高、表面精細的稠密表面問題模型地圖，更好地實現定位、導航及目标搜索等任務。

關鍵詞組：仿生(shēng)機器人；地圖構建；表面融合

A hybrid biogeography-based optimization method for the inverse kinematics problem of an 8-DOF redundant humanoid manipulator

Zi-wu Ren, Zhen-hua Wang, Li-ning Sun

DOI: 10.1631/FITEE.14a0335 Downloaded: 2114 Clicked: 6069 Cited: 2 Commented: 0(p.607-616) <Full Text> <PPT> 1715

Chinese summary <23> 基于混合生(shēng)物(wù)地理學優化的8自由度冗餘臂逆運動學求解

目的：針對多自由度且關節結構複雜(zá)并帶有關節位置物(wù)理約束的冗餘仿人臂系統，研究其逆運動學問題的求解。
創新點：提出一(yī)種BBO和DE算法相融合的混合生(shēng)物(wù)地理學優化方法（HBBO），并将其應用于8自由度冗餘臂逆運動學問題求解中(zhōng)，并取得了良好的求解效果。
方法：冗餘臂逆運動學問題可以轉化爲等效的最小(xiǎo)化問題，并可采用數值方法求解。首先，提出一(yī)種BBO和DE算法相融合的混合生(shēng)物(wù)地理學優化方法（算法3）。該方法使用混合遷移策略，即标準BBO遷移與DE/best/1/bin差分(fēn)策略，生(shēng)成新栖息地（算法1），并采用高斯變異操作改善群體(tǐ)的多樣性（算法2）。然後，以冗餘仿人臂末端位姿誤差和“遠離(lí)限位度”指标構建優化目标函數，采用混合生(shēng)物(wù)地理學優化方法求解8自由度冗餘臂逆運動學問題。與SGA、DE及BBO方法比較，本文方法求解該問題所獲得的結果更優（圖2、表3），仿人臂連杆構型也驗證了其末端位姿滿足期望要求（圖4）。
結論：提出了基于混合生(shēng)物(wù)地理學優化（HBBO）的8自由度冗餘仿人臂逆運動學問題數值求解方法。與常規方法比較，該方法求解精度更高。

關鍵詞組：逆運動學；8自由度冗餘仿人臂；生(shēng)物(wù)地理學優化；差分(fēn)進化