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

2018 Vol.19 No.6 P.699-814

<<< CONTENTS >>>

Research Articles

An intuitive general rank-based correlation coefficient

Divya Pandove, Shivani Goel, Rinkle Rani

DOI: 10.1631/FITEE.1601549 Downloaded: 2220 Clicked: 5946 Cited: 0 Commented: 0(p.699-711) <Full Text> <PPT> 1291

Chinese summary <24> 一(yī)種直觀的一(yī)般秩相關系數

概要：相關分(fēn)析是研究數據模式和預測的有效機制。在看似無關的數據中(zhōng)建立相關性可得到許多有趣發現。提出一(yī)種算法，用于量化相關性理論并得出一(yī)個直觀且更精确的相關系數。爲計算配對值之間相關性，提出一(yī)項預測指标，稱爲一(yī)般秩相關系數。其滿足預測指标的5個基本标準：樣本規模的獨立性、數值介于−1與1之間、測量單調性程度、對異常值不敏感性、直觀演示。此外(wài)，使用實時數據集和随機數模拟實驗對該指标進行驗證。同時，展示了所提方程的數學推導過程，并與斯皮爾曼等級相關系數比較。結果表明，該指标在所有預測度量标準上均優于現存指标。

關鍵詞組：一(yī)般秩相關系數；多變量分(fēn)析；預測指标；斯皮爾曼等級相關系數

Discovering optimal features using static analysis and a genetic search based method for Android malware detection

Ahmad Firdaus, Nor Badrul Anuar, Ahmad Karim, Mohd Faizal Ab Razak

DOI: 10.1631/FITEE.1601491 Downloaded: 3837 Clicked: 7070 Cited: 0 Commented: 0(p.712-736) <Full Text> <PPT> 1814

Chinese summary <21> 一(yī)種使用靜态分(fēn)析和遺傳搜索在Android惡意軟件檢測中(zhōng)搜索最優特征的方法

概要：移動設備制造商(shāng)在全球範圍内快速開(kāi)發各種Android版本。同時，網絡罪犯也在實施各種惡意行爲，例如跟蹤用戶活動、竊取個人數據以及實施銀行詐騙。由于在日常生(shēng)活中(zhōng)使用Android進行重要通信的人群數量龐大(dà)，這些網絡罪犯從中(zhōng)獲得了巨大(dà)非法收益。爲此，安全從業者通過靜态和動态分(fēn)析對惡意軟件進行識别。靜态分(fēn)析具有整體(tǐ)代碼覆蓋、低資(zī)源消耗和快速處理的優勢。然而，靜态分(fēn)析需要最少量的特征才能對惡意軟件進行有效分(fēn)類。因此，我(wǒ)們采用基于遺傳算法（GA）的遺傳搜索（GS）在106個字符串中(zhōng)選擇特征。爲評估由GS确定的最佳特征，我(wǒ)們使用了5種機器學習分(fēn)類器，分(fēn)别是Naïve Bayes（NB）、功能樹(shù)（FT）、J48、随機森(sēn)林（RF）和多層感知(zhī)器（MLP）。在這5種分(fēn)類器中(zhōng)，FT僅使用6種特征，獲得最高準确度（95％）和最高真正率（TPR）（96.7％）。

關鍵詞組：遺傳算法；靜态分(fēn)析；Android；惡意軟件；機器學習

An oversampling approach for mining program specifications

Deng Chen, Yan-duo Zhang, Wei Wei, Rong-cun Wang, Xiao-lin Li, Wei Liu, Shi-xun Wang, Rui Zhu

DOI: 10.1631/FITEE.1601783 Downloaded: 2005 Clicked: 5342 Cited: 0 Commented: 0(p.737-754) <Full Text> <PPT> 1542

Chinese summary <21> 一(yī)種用于程序約束挖掘的過采樣方法

概要：自動協議挖掘是獲取精确而完備的API使用協議的有效方法。然而，與其它數據挖掘應用類似，自動協議挖掘方法需要足夠多訓練數據（即對象使用場景）作爲輸入。雖然通過增加程序的規模可提取更多數量的對象使用場景，但這會導緻程序分(fēn)析運行時開(kāi)銷較大(dà)。本文針對面向對象程序提出一(yī)種基于繼承關系的對象使用場景過采樣方法。給定一(yī)個面向對象程序p，一(yī)般情況下(xià)，執行p所能獲得的對象使用場景數不超過運行時實例化的對象數。而本文方法可獲得多達上述n倍的對象使用場景，其中(zhōng)n爲程序p中(zhōng)一(yī)般對象使用場景的平均父類數。爲了驗證效果，在前期API使用協議動态挖掘原型工(gōng)具ISpecMiner中(zhōng)集成上述方法并開(kāi)展實驗研究。實驗采用擴展後的ISpecMiner從多個實際的程序中(zhōng)挖掘API使用協議。結果顯示，采用本文方法獲得的對象使用場景數是一(yī)般化方法的1.95倍。不僅如此，對比實驗結果表明本文方法有利于挖掘更加精确而完備的API使用協議。特别值得關注的是，本文方法适用于無法實例化的類并挖掘出其API使用協議。這類API使用協議對于驗證軟件架構、程序說明和理解具有重要意義。雖然本文方法會增加一(yī)定的運行開(kāi)銷，但其仍在可接受範圍内。

關鍵詞組：對象使用場景；API協議挖掘；程序時序約束挖掘；過采樣

Stochastic extra-gradient based alternating direction methods for graph-guided regularized minimization

Qiang Lan, Lin-bo Qiao, Yi-jie Wang

DOI: 10.1631/FITEE.1601771 Downloaded: 2203 Clicked: 7614 Cited: 0 Commented: 0(p.755-762) <Full Text> <PPT> 1536

Chinese summary <22> 圖引導正則最小(xiǎo)化的随機超梯度的交替方向方法

概要：提出并比較額外(wài)梯度交替方向的幾種随機變體(tǐ)方法，稱爲帶拉格朗日函數（SEGL）的随機超梯度交替方向法和帶增廣拉格朗日函數（SEGAL）的随機超梯度交替方向法。這些方法由兩個大(dà)規模凸目标函數組成，可最小(xiǎo)化圖形引導的優化問題。機器學習中(zhōng)一(yī)些重要應用遵循圖導引優化公式等作爲線性回歸、邏輯回歸、Lasso結構化擴展以及結構化正則化邏輯回歸的原則。通過融合邏輯回歸和圖形引導正則化回歸，在幾類數據集上進行了試驗。試驗結果表明所提算法優于其他競争算法，且在實際應用中(zhōng)，SEGAL比SEGL性能更好。

關鍵詞組：随機優化；圖形引導最小(xiǎo)化；超梯度法；融合邏輯回歸；圖導向正則化邏輯回歸

TIE algorithm: a layer over clustering-based taxonomy generation for handling evolving data

Rabia Irfan, Sharifullah Khan, Kashif Rajpoot, Ali Mustafa Qamar

DOI: 10.1631/FITEE.1700517 Downloaded: 2111 Clicked: 6282 Cited: 0 Commented: 0(p.763-782) <Full Text> <PPT> 1627

Chinese summary <20> TIE算法：一(yī)種用于處理演化數據的聚類分(fēn)層分(fēn)類法生(shēng)成技術上層算法

概要：分(fēn)類法可實現對大(dà)量數據的有效組織和訪問。分(fēn)類法是表示數據概念的一(yī)種方法，其需要通過不斷演進來反映數據變化。現有分(fēn)類法自動生(shēng)成技術無法處理數據演化，因此，所生(shēng)成的分(fēn)類法不能真實反映數據。爲反映數據演變，可從頭對分(fēn)類法進行再生(shēng)，或根據數據變化随時對分(fēn)類法進行增量演進。其中(zhōng)，前者的時間和資(zī)源成本較高。提出一(yī)種新穎的分(fēn)類增量進化（TIE）算法，用于處理随時間演變的數據。TIE是一(yī)種現有聚類分(fēn)層分(fēn)類法生(shēng)成技術的上層算法，它允許現有分(fēn)類法增量地演進。在計算機領域的研究論文中(zhōng)對該算法進行了評估。結果表明，與從頭再生(shēng)分(fēn)類法相比，随數據演化的分(fēn)類法生(shēng)成算法耗時非常短，且在單位時間下(xià)性能更佳。

關鍵詞組：分(fēn)類法；聚類算法；信息科學；知(zhī)識管理；機器學習

Affective rating ranking based on face images in arousal-valence dimensional space

Guo-peng Xu, Hai-tang Lu, Fei-fei Zhang, Qi-rong MAO

DOI: 10.1631/FITEE.1700270 Downloaded: 1990 Clicked: 5628 Cited: 0 Commented: 0(p.783-795) <Full Text> <PPT> 1502

Chinese summary <19> 激活-效價維度空間中(zhōng)基于臉部圖像的情感等級排序方法

概要：在維度情感識别領域，分(fēn)類和回歸通常被用來對情感的機器學習進行建模和預測。然而，在維度情感空間中(zhōng)，情感标注通常是一(yī)個連續的實數值，擁有有序屬性。而前面所提的兩種方法并沒有考慮并利用這一(yī)重要信息。因此，我(wǒ)們提出一(yī)個在激活和效價維度空間下(xià)的基于臉部圖像的情感等級排序框架。我(wǒ)們的方法能夠通過離(lí)散化連續的情感标注得到情感等級，并恰當地利用它們之間的有序信息。确切地說，首先訓練一(yī)系列基本誤差敏感二分(fēn)類器，每個二分(fēn)類器都使用經過二值重新标注的全部樣本。依據樣本對應的情感等級與給定二分(fēn)類器對應的情感等級的比較結果，對二值進行重新标注。然後通過聚合所有二分(fēn)類器的輸出結果，可以得到樣本最終的情感等級預測結果。在AVEC 2015挑戰賽标準數據集和SEMAINE子集數據集上對所提方法與基本的和基于深度學習的分(fēn)類和回歸方法進行比較。實驗結果表明，所提出的基于排序的情感識别方法在激活和效價兩個維度上都是有效的。

關鍵詞組：有序排序；維度情感識别；效價度；激活度；臉部圖像處理

Assembly variation analysis of flexible curved surfaces based on Bézier curves

Zhen-yu Liu, Shi-en Zhou, Jin Cheng, Chan Qiu, Jian-rong Tan

DOI: 10.1631/FITEE.1601619 Downloaded: 2177 Clicked: 5917 Cited: 0 Commented: 0(p.796-808) <Full Text> <PPT> 1531

Chinese summary <18> 基于Bézier曲線的柔性曲面裝配變動分(fēn)析

概要：在裝配過程中(zhōng)，柔性零件表面特征會發生(shēng)形狀變化，相比剛性體(tǐ)，其變動分(fēn)析複雜(zá)許多。現有柔性裝配變動分(fēn)析方法大(dà)多未考慮零件表面鄰近點的相互關系，或者将零件表面上所有特征點的概率分(fēn)布情況視爲統一(yī)。本文将柔性曲面零件裝配簡化爲邊側線匹配問題，提出基于Bézier曲線來表征曲面零件邊側線的方法，解決了柔性零件裝配中(zhōng)考慮表面連續性的曲面零件裝配變動分(fēn)析問題。該方法利用控制點變動來獲取零件邊側線上特征點的偏差，并将它們作爲輸入參數進行有限元分(fēn)析，從而計算出最終産品變形量。通過天線表面裝配的兩個實例，對所提方法進行了驗證。

關鍵詞組：裝配變動分(fēn)析；特征點；邊側線；柔性曲面；Bézier曲線

A general method of designing phase-shifting algorithms for grating lateral shearing interferometry

Chao Fang, Yang Xiang, Ke-qi Qi

DOI: 10.1631/FITEE.1601692 Downloaded: 1774 Clicked: 5239 Cited: 0 Commented: 0(p.809-814) <Full Text> <PPT> 1330

Chinese summary <19> 一(yī)種用于抑制相移誤差和零級串擾的相移算法通用設計方法

概要：爲降低零級串擾和相移誤差對光栅橫向剪切幹涉儀波前複原精度的影響，進一(yī)步提升光栅橫向剪切幹涉儀檢測光刻鏡頭系統波像差精度，推導出一(yī)種設計光栅剪切幹涉相移算法的一(yī)般表達式，給出相移算法的具體(tǐ)設計方法。根據該表達式和設計方法，可以針對不同的零級串擾和相移誤差建立相應的4種相移算法，實現高精度系統波像差檢測。同時設計和評價了一(yī)種新的13步相移算法，結果證明所推導的一(yī)般表達式的有效性和先進性。

關鍵詞組：測量；橫向剪切幹涉儀；相移算法；相位複原