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

2017 Vol.18 No.4 P.445-590

<<< CONTENTS >>>

Review Article

A systematic review of structured sparse learning

Lin-bo Qiao, Bo-feng Zhang, Jin-shu Su, Xi-cheng Lu

DOI: 10.1631/FITEE.1601489 Downloaded: 2570 Clicked: 6306 Cited: 0 Commented: 0(p.445-463) <Full Text> <PPT> 1859

Chinese summary <530> 結構化稀疏學習綜述

概要：稀疏學習由于其簡約特性和計算優勢而獲得了越來越多的關注，在具有稀疏性的條件下(xià)，許多計算問題可以在實踐中(zhōng)得到有效的處理。而結構化稀疏學習則進一(yī)步将結構信息進行編碼，在多個研究領域取得成功。随着各類型結構的發現，人們相繼提出了各種結構化正則函數。這些正則函數通過利用特定的結構信息極大(dà)提高了稀疏學習算法的性能。在本文中(zhōng)，我(wǒ)們從想法、形式化、算法和應用等方面系統的回顧了結構化稀疏學習。我(wǒ)們将這些算法置于最小(xiǎo)化損失函數和懲罰函數的統一(yī)框架中(zhōng)，總結了算法的開(kāi)源軟件實現，并比較了典型優化算法解決結構化稀疏學習問題時的計算複雜(zá)度。在實驗中(zhōng)，我(wǒ)們給出了無監督學習在結構化信号恢複和層次化圖像重建中(zhōng)的應用，以及具有圖結構引導的邏輯回歸的在監督學習中(zhōng)的應用。

關鍵詞組：結構化稀疏學習；算法；應用

Research Articles

Neuro-heuristic computational intelligence for solving nonlinear pantograph systems

Muhammad Asif Zahoor Raja, Iftikhar Ahmad, Imtiaz Khan, Muhammed Ibrahem Syam, Abdul Majid Wazwaz

DOI: 10.1631/FITEE.1500393 Downloaded: 2517 Clicked: 5992 Cited: 1 Commented: 0(p.464-484) <Full Text> <PPT> 1508

Chinese summary <29> 用于解決非線性受電弓系統的啓發式神經網絡計算

概要：本文提出了一(yī)種啓發式神經網絡計算平台，用于解決基于不同階數泛函微分(fēn)方程的非線性受電弓系統（Pantograph systems based on functional differential equations, P-FDEs）中(zhōng)的初值問題（Initial value problems, IVPs）。該方案利用了前饋人工(gōng)神經網絡（Artificial neural networks, ANNs）、基于遺傳算法（Genetical gorithms, GAs）的進化計算技術，以及内點技術（Interior-point technique, IPT）。通過設定一(yī)個無監督學習誤差，針對完全和不完全滿足初始條件兩種情況，利用ANNs創建了系統的兩種數學模型。采用GA-IPT混合算法，對ANN模型的設計參數進行了優化。在GA-IPT中(zhōng)，GA是有效的全局搜索工(gōng)具，IPT則用于快速的局部收斂。針對三種不同類型的1-3階P-FDEs的IVPs對該方案進行了測試。通過對比現有的精确解，确認了該方案的正确性。通過采用不同數量神經元的ANN模型進行了大(dà)量的數值實驗，進一(yī)步驗證了該方案的準确性和收斂性。

關鍵詞組：神經網絡；初值問題（IVP）；函微分(fēn)方程（FDE）；無監督學習；遺傳算法（GAs）；内點技術（IPT）

A space-saving steering method for underwater gliders in lake monitoring

Yu-shi Zhu, Can-jun Yang, Shi-jun Wu, Qing Li, Xiao-le Xu

DOI: 10.1631/FITEE.1500399 Downloaded: 2633 Clicked: 8952 Cited: 0 Commented: 0(p.485-497) <Full Text> <PPT> 1715

Chinese summary <24> 适用于湖水監測的水下(xià)滑翔機的空間高效轉向方法

概要：越來越多的水下(xià)滑翔機正在被應用到湖水監測中(zhōng)。由于湖水具有有限的豎直空間，爲了讓水下(xià)滑翔機能夠擴大(dà)不同監測點的間距，水下(xià)滑翔機應具有空間高效的轉向能力。本文提出一(yī)種使用小(xiǎo)俯仰角的轉向方法，以便讓外(wài)形固定的水下(xià)滑翔機能夠具有空間高效的轉向能力。使用小(xiǎo)俯仰角轉向可以提高水下(xià)滑翔機在單位豎直空間下(xià)的轉向角度。本文提出了一(yī)種同時适用于大(dà)小(xiǎo)攻角的水下(xià)滑翔機水動力模型，對小(xiǎo)俯仰角轉向過程中(zhōng)最優的淨浮力與橫滾角度展開(kāi)了研究。爲了驗證水動力模型和轉向方法的适用性，研制了小(xiǎo)型水下(xià)滑翔機原型機并進行了湖水試驗。試驗表明，水下(xià)滑翔機使用小(xiǎo)俯仰角進行轉向比使用大(dà)俯仰角轉向更能節省豎直方向消耗的空間。仿真結果與湖水試驗結果一(yī)緻。另外(wài)，多監測點連續監測試驗表明，與比不使用小(xiǎo)俯仰角轉向相比，水下(xià)滑翔機使用小(xiǎo)俯仰角進行轉向能夠覆蓋更大(dà)的監測區域。

關鍵詞組：水下(xià)滑翔機；湖水監測；空間高效；轉向方法；小(xiǎo)俯仰角；水動力

An incremental ant colony optimization based approach to task assignment to processors for multiprocessor scheduling

Hamid Reza Boveiri

DOI: 10.1631/FITEE.1500394 Downloaded: 2518 Clicked: 6732 Cited: 1 Commented: 0(p.498-510) <Full Text>

Chinese summary <25> 基于漸進式蟻群優化的多處理器任務分(fēn)配

概要：任務調度優化是多處理器環境（如并行和分(fēn)布式系統）取得良好性能所面臨的最重要挑戰之一(yī)。目前大(dà)多數任務調度算法基于列表調度法，該方法的基本思路是，以列表的形式準備一(yī)系列待調度的節點，賦予這些節點不同優先級，然後不斷去(qù)除列表中(zhōng)優先級最高的節點，并将其分(fēn)配給具有最早開(kāi)始時間（Earliest start ime,EST）的處理器。由此可見，該算法的完成時間主要由兩大(dà)因素決定：（1）任務分(fēn)配順序的選擇（次序子問題）；（2）選定順序的任務如何分(fēn)配給處理器（分(fēn)配子問題）。已有文獻提出了許多解決次序子問題的好辦法，但分(fēn)配子問題少有人涉及。本文研究結果顯示：傳統的按照最早開(kāi)始時間分(fēn)配任務的方法并非最優；基于蟻群優化算法，得到一(yī)種新的方法，可以獲得高效得多的調度方案。

關鍵詞組：蟻群優化；列表調度；多處理器任務圖調度；并行與分(fēn)布式系統

Side-channel attacks and learning-vector quantization

Ehsan Saeedi, Yinan Kong, Md. Selim Hossain

DOI: 10.1631/FITEE.1500460 Downloaded: 2761 Clicked: 7146 Cited: 0 Commented: 0(p.511-518) <Full Text>

Chinese summary <24> 邊信道攻擊和學習向量量化

概要：盡管加密算法已得到改進，加密系統的安全性仍然是密碼系統設計者關注的重點。邊信道攻擊可利用加密系統的物(wù)理漏洞來獲取秘密信息。目前提出的多種邊信道信息分(fēn)析方法中(zhōng)，機器學習被認爲是一(yī)種有前景的方法。基于神經網絡的機器學習可獲得指令标志(zhì)（功耗與電磁輻射），并自動識别。本文對橢圓曲線加密（Elliptic curve cryptography, ECC）的現場可編程門陣列（field-programmable gate array, FPGA）實現展開(kāi)了新的實驗研究，探讨了基于學習向量量化（Learning vector quantization, LVQ）神經網絡的邊信道信息表征的效率。LVQ作爲多類分(fēn)類器的主要特點是它具有學習複雜(zá)非線性輸入-輸出關系、使用順序訓練程序和适應數據的能力。實驗結果表明基于LVQ的多類分(fēn)類是邊信道數據表征的強大(dà)且有前景的方法。

關鍵詞組：邊信道攻擊；橢圓曲線加密；多類分(fēn)類；學習向量量化

NIPAD: a non-invasive power-based anomaly detection scheme for programmable logic controllers

Yu-jun Xiao, Wen-yuan Xu, Zhen-hua Jia, Zhuo-ran Ma, Dong-lian Qi

DOI: 10.1631/FITEE.1601540 Downloaded: 2865 Clicked: 6415 Cited: 0 Commented: 0(p.519-534) <Full Text> <PPT> 2009

Chinese summary <160> 一(yī)種非侵入式的基于功耗的可編程邏輯控制器異常檢測方案

概要：工(gōng)業控制系統廣泛應用于關鍵基礎設施的建設中(zhōng)，關系到國計民生(shēng)，因此，攻擊者越來越多地将其作爲攻擊目标，并造成嚴重的破壞。可編程邏輯控制器（Programmable logic controller, PLC）作爲工(gōng)業控制系統中(zhōng)的核心組件，能夠直接控制現場設備，一(yī)旦PLC中(zhōng)運行了惡意程序，則可能直接造成重大(dà)财産損失甚至是人員(yuán)傷亡。近些年來，針對PLC的攻擊事件顯著增加，這表明PLC存在很大(dà)的脆弱性，同時也提醒人們保護PLC安全的重要性。不幸的是，傳統的入侵檢測系統和殺毒軟件并不能很好地保護PLC的安全，因此，針對PLC的有效的安全防護方案有待被研究。基于上述背景，本文提出了一(yī)種非侵入式的基于功耗的PLC異常檢測方案。該方案通過分(fēn)析PLC運行時的功耗變化來檢測PLC中(zhōng)是否運行異常程序，分(fēn)爲功耗信息獲取與功耗分(fēn)析兩部分(fēn)。采集功耗信息是通過在PLC的供電線上串入一(yī)個電阻實現的，當PLC運行時，測量電阻兩端的電壓即可獲取CPU的功耗信息。爲了更好的分(fēn)析功耗信息，本文首先從原始功耗數據中(zhōng)提取有效的特征值組合，然後利用正常樣本來訓練一(yī)個基于長短記憶（long short-term memory, LSTM）單元的神經網絡模型，利用該模型對後續正常樣本進行預測，通過比較測量到的功耗信息與預測的功耗信息，可以确定當前PLC中(zhōng)運行的程序是否爲正常程序。該方案的優點是無需對原工(gōng)控系統的封裝部分(fēn)進行軟硬件的修改，且無需負樣本即可實現對未知(zhī)攻擊的檢測。我(wǒ)們在實驗室測試平台上對該方法進行了評估，實驗表明，對于原程序，隻需改動0.63%即可達到99.83%的準确率。

關鍵詞組：工(gōng)業控制系統；可編程邏輯控制器；邊信道；異常檢測；基于長短記憶單元的神經網絡模型

Attention-based encoder-decoder model for answer selection in question answering

Yuan-ping Nie, Yi Han, Jiu-ming Huang, Bo Jiao, Ai-ping Li

DOI: 10.1631/FITEE.1601232 Downloaded: 2394 Clicked: 5842 Cited: 0 Commented: 0(p.535-544) <Full Text> <PPT> 1676

Chinese summary <27> 基于注意機制編碼解碼模型的答案選擇方法

概要：問答技術的重要挑戰之一(yī)就是解決問題與答案之間的語義空白(bái)。機器翻譯模型已經被證明能有效的提升解決問題與答案之間的語義空白(bái)。本文提出了一(yī)種基于注意機制的深度神經網絡模型來解決問答系統中(zhōng)的答案選擇任務。該模型采用了基于雙向長短時記憶（Long short-term memory, LSTM）的編碼解碼模型，編碼解碼模型是一(yī)個被證明再機器翻譯領域取得了突出的成績。我(wǒ)們還在模型中(zhōng)應用了注意力機制來提升模型的效果。本文在一(yī)個公開(kāi)數據集上驗證了實驗的有效性，同時通過結合該模型顯著提高了問答系統的性能在TREC 2015 liveQA的任務中(zhōng)。

關鍵詞組：問答技術；答案選擇；注意機制；深度學習

A robust object tracking framework based on a reliable point assignment algorithm

Rong-Feng Zhang , Ting Deng , Gui-Hong Wang , Jing-Lun Shi , Quan-Sheng Guan

DOI: 10.1631/FITEE.1601464 Downloaded: 2076 Clicked: 6044 Cited: 0 Commented: 0(p.545-558) <Full Text> <PPT> 1590

Chinese summary <25> 基于可靠特征點分(fēn)配算法的魯棒性跟蹤框架

概要：視覺跟蹤是近年來計算視覺最活躍的研究課題之一(yī)，已被廣泛應用于許多視覺領域。然而，視覺跟蹤技術仍然存在挑戰，如目标發生(shēng)光照變化、遮擋、外(wài)觀形變等。爲克服這些技術困難，本文提出基于小(xiǎo)波變換的可靠特征點分(fēn)配（Reliable point assignment, RPA）算法。通過搜索局部最大(dà)小(xiǎo)波系數（Local maximal wavelet coefficients, LMWC）的位置，獲得可靠特征點。在圖像中(zhōng)，具有局部最大(dà)小(xiǎo)波系數之處，表明該處圖像信号發生(shēng)了較大(dà)變化，因此，可靠特征點對圖像噪聲、光照變化和外(wài)觀形變等情況都具有魯棒性。此外(wài)，在檢測中(zhōng)應用卡爾曼濾波器，以提高處理速度并減少誤檢率。最後，将所提出的RPA與卡爾曼濾波器集成到跟蹤-學習-檢測（Tracking-learning-detection,TLD）算法框架中(zhōng)，提高了跟蹤精度，且降低了誤檢率。實驗結果表明，新框架在精度、f值（f-measure）和平均重疊率（%）等方面均優于TLD和核化相關濾波器（KCF）這兩個跟蹤算法。

關鍵詞組：局部最大(dà)小(xiǎo)波系數；可靠特征點分(fēn)配；目标跟蹤；跟蹤-學習-檢測（TLD）；卡爾曼濾波器

DGTM: a dynamic grouping based trust model for mobile peer-to-peer networks

Mei-juan Jia, Hui-qiang Wang, Jun-yu Lin, Guang-sheng Feng, Hai-tao Yu

DOI: 10.1631/FITEE.1601535 Downloaded: 2116 Clicked: 5876 Cited: 0 Commented: 0(p.559-569) <Full Text> <PPT> 1520

Chinese summary <26> DGTM：基于動态分(fēn)組的移動P2P網絡信任模型

概要：移動對等網絡的特征，如有限帶寬、動态拓撲、對等節點的異質性、有限資(zī)源等，給其帶來了額外(wài)挑戰。爲促進移動對等網中(zhōng)節點之間的交易，信任管理成爲一(yī)個重要研究内容。然而，在移動對等網絡中(zhōng)，節點頻(pín)繁地加入和離(lí)開(kāi)網絡，網絡拓撲經常發生(shēng)變化，節點之間很難建立長期有效的信任關系。爲解決這個問題，我(wǒ)們首次提出基于動态分(fēn)組的信任管理模型（Dynamic grouping based trust model, DGTM），該模型通過節點的興趣對節點進行分(fēn)類，具有相同或者相似興趣的節點被分(fēn)在同一(yī)組内，保持穩定的信任關系且彼此分(fēn)享資(zī)源。模拟實驗驗證表明，我(wǒ)們提出的基于動态分(fēn)組的信任管理模型能夠獲得較高的成功交易率和較好的通信開(kāi)銷。

關鍵詞組：移動對等網；信任管理；動态分(fēn)組；超級節點

Optimal array factor radiation pattern synthesis for linear antenna array using cat swarm optimization: validation by an electromagnetic simulator

Gopi Ram , Durbadal Mandal , Sakti Prasad Ghoshal , Rajib Kar

DOI: 10.1631/FITEE.1500371 Downloaded: 3713 Clicked: 6341 Cited: 0 Commented: 0(p.570-577) <Full Text> <PPT> 1731

Chinese summary <31> 使用貓群算法優化線性天線陣列的最佳陣因子輻射方向圖：電磁仿真驗證

概要：本研究進行了微帶貼片天線線性陣列的優化設計。通過貓群算法（Cat swarm optimization, CSO）優化天線陣列輻射方向圖的各控制參數。通過優化每個單元的激勵電流權重和陣元間隙獲得各向同性天線單元陣列的最佳輻射方向圖。以12、16和20單元的天線陣列爲例，運用MATLAB進行陣列優化設計，采用CST-MWS對設計結果進行仿真驗證。由仿真結果可見，CSO能給出微帶貼片天線線性陣列的最優設計。

關鍵詞組：貼片天線；線性天線陣列；貓群優化（CSO）；旁瓣水平（SLL）

Ergodic secrecy capacity of MRC/SC in single-input multiple-output wiretap systems with imperfect channel state information

Hui Zhao, You-yu Tan, Gao-feng Pan, Yun-fei Chen

DOI: 10.1631/FITEE.1500430 Downloaded: 2875 Clicked: 6778 Cited: 1 Commented: 0(p.578-590) <Full Text> <PPT> 1790

Chinese summary <162> 存在信道狀态估計誤差的最大(dà)比合并/選擇合并分(fēn)集技術在單輸入多輸出竊密系統中(zhōng)的遍曆保密容量分(fēn)析

概要：在物(wù)理層中(zhōng)，本文研究了存在信道估計誤差的最大(dà)比合并/選擇合并的保密容量性能。在一(yī)個單輸入多輸出竊密信道中(zhōng)，信源向一(yī)個裝備M根接收天線并采用最大(dà)比合并/選擇合并技術處理多徑信号的信宿發送保密信息。與此同時，一(yī)個竊密者裝備N根接收天線并采用最大(dà)比合并/選擇合并技術來提高竊密的成功率。我(wǒ)們分(fēn)别推導了兩種情況下(xià)遍曆保密容量的精确和近似閉式表達式：（1）最大(dà)比合并帶有信道估計誤差；（2）選擇合并帶有信道延遲。此外(wài)，本文得到了高信噪比斜率和高信噪比功率補償兩個重要的參數，它們在高信噪比條件下(xià)決定了遍曆保密容量。最後，本文通過仿真分(fēn)析驗證了所得到的閉式表達式的準确性。

關鍵詞組：遍曆保密容量，最大(dà)比合并，加權誤差，物(wù)理層保密，選擇合并，單輸入多輸出