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

2020 Vol.21 No.6 P.809-962

Cover:

<509>

Contents:

<519>

<<< CONTENTS >>>

Special Feature on New Trends in Fractional Calculus for Information Science
(Editor-in-Chief: Yu-dong ZHANG, Deputy Editor-in-Chief: Guo-cheng WU)

Fractional-order global optimal backpropagation machine trained by an improved fractional-order steepest descent method

Yi-fei Pu, Jian Wang

DOI: 10.1631/FITEE.1900593 Downloaded: 3380 Clicked: 5829 Cited: 0 Commented: 0(p.809-833) <Full Text> <PPT> 1588

Chinese summary <33> 用改進的分(fēn)數階最速下(xià)降法訓練分(fēn)數階全局最優反向傳播機

蒲亦非¹，王健²
¹四川大(dà)學計算機學院，中(zhōng)國成都市，610065
²中(zhōng)國石油大(dà)學（華東）理學院，中(zhōng)國青島市，266580

摘要：本文介紹采用改進的分(fēn)數階最速下(xià)降法（FSDM）訓練分(fēn)數階全局最優反向傳播機。該反向傳播機是一(yī)種分(fēn)數階反向傳播神經網絡（FBPNN）。分(fēn)數階反向傳播神經網絡是反向傳播神經網絡（BPNNs）大(dà)家族中(zhōng)一(yī)個先進的分(fēn)數階分(fēn)支，它不同于絕大(dà)多數傳統一(yī)階最速下(xià)降法訓練的經典一(yī)階BPNNs。本文提出的FBPNN反向增量搜索在其均方誤差近似分(fēn)數階偏導數的負方向進行。首先，從數學上描述用改進FSDM訓練的FBPNN理論概念。然後，詳細給出FBPNN分(fēn)數階全局最優收斂性的數學證明，分(fēn)析神經網絡結構構建以及分(fēn)數階多尺度全局尋優問題。最後，通過實驗比較FBPNN和經典一(yī)階BPNN的性能：包括函數逼近、分(fēn)數階多尺度全局尋優以及基于實際數據的全局搜索和誤差拟合能力比對。相比經典一(yī)階BPNN，FBPNN最主要優點是具有更高效的全局尋優能力，能夠判定全局最優解。

關鍵詞組：分(fēn)數階微積分(fēn)；分(fēn)數階反向傳播算法；分(fēn)數階最速下(xià)降法；均方誤差；分(fēn)數階多尺度全局優化

Multi-focus image fusion based on fractional-order derivative and intuitionistic fuzzy sets

Xue-feng Zhang, Hui Yan, Hao He

DOI: 10.1631/FITEE.1900737 Downloaded: 5115 Clicked: 4658 Cited: 0 Commented: 0(p.834-843) <Full Text> <PPT> 1472

Chinese summary <27> 基于分(fēn)數階導數和直覺模糊集的多聚焦圖像融合

張雪峰，闫慧，何昊
東北(běi)大(dà)學理學院，中(zhōng)國沈陽市，110819

摘要：多聚焦圖像融合在圖像融合中(zhōng)日益重要，在圖像處理中(zhōng)扮演着關鍵角色。本文提出一(yī)種基于分(fēn)數階導數和直覺模糊集的多聚焦圖像融合方法。其将原始圖像分(fēn)解爲基礎層和細節層，建立一(yī)個新的分(fēn)數階空間頻(pín)率來反映圖像清晰度。采用分(fēn)數階空間頻(pín)率作爲細節層融合準則，并引入直覺模糊集對基礎層進行融合。實驗結果表明，該方法在多聚焦圖像融合方面優于已有先進方法。

關鍵詞組：圖像融合；分(fēn)數階導數；直覺模糊集；多聚焦圖像

Controllability of fractional-order damped systems with time-varying delays in control

Bin-bin He, Hua-cheng Zhou, Chun-hai Kou

DOI: 10.1631/FITEE.1900736 Downloaded: 2660 Clicked: 4281 Cited: 0 Commented: 0(p.844-855) <Full Text> <PPT> 1331

Chinese summary <24> 帶有時變時滞的分(fēn)數階阻尼系統可控性研究

何彬彬¹，周華成²，寇春海³
¹上海工(gōng)程技術大(dà)學城市軌道交通學院，中(zhōng)國上海市，201620
²中(zhōng)南(nán)大(dà)學數學與統計學院，中(zhōng)國長沙市，410075
³東華大(dà)學理學院，中(zhōng)國上海市，201620

摘要：本文研究線性與非線性分(fēn)數階阻尼系統的可控性。該系統具有多重時變時滞，且時滞位于控制函數中(zhōng)。對于線性系統，基于Mittag-Leffler函數，定義一(yī)個可控性Gramian矩陣，該矩陣對于判定線性系統是否可控具有重要作用。此外(wài)，對于兩種特殊線性系統，給出易于判别的若幹等價可控性條件。對于非線性系統，在相應線性系統可控前提下(xià)，給出充分(fēn)條件确保系統可控性。最後，給出兩個數值示例驗證結論有效性。

關鍵詞組：可控性；分(fēn)數階阻尼系統；時變時滞；Gramian矩陣

An improved ROF denoising model based on time-fractional derivative

Xing-ran Liao

DOI: 10.1631/FITEE.2000067 Downloaded: 2672 Clicked: 4501 Cited: 0 Commented: 0(p.856-865) <Full Text> <PPT> 1513

Chinese summary <22> 基于時間分(fēn)數階導數的改進ROF去(qù)噪模型

廖星冉
四川大(dà)學數學學院，中(zhōng)國成都市，610065

摘要：本文主要讨論圖像去(qù)噪和紋理保持問題。時間分(fēn)數階導數通常具有可調的分(fēn)數階控制擴散過程，應用于圖像去(qù)噪時，其記憶效果能很好保留圖像紋理。因此，在經典Rudin-Osher-Fatemi（ROF）模型基礎上，設計一(yī)個新的時間分(fēn)數階導數ROF模型，空間上的離(lí)散化基于整數階差分(fēn)格式，時間上的離(lí)散化是Caputo導數的近似（即，用類Caputo差分(fēn)法離(lí)散Caputo導數）。詳細分(fēn)析這種顯式格式的穩定性和收斂性，證明該模型的數值解以階數O(τ^2−α+h²)收斂于精确解，其中(zhōng)τ，α和h分(fēn)别爲時間步長、分(fēn)數階和空間步長。最後，采用信噪比、特征相似度、直方圖恢複度評價指标綜合評價新模型性能。數值試驗結果表明，改進的模型比現有模型具有更強去(qù)噪和紋理保持能力。

關鍵詞組：改進ROF去(qù)噪模型；時間分(fēn)數階導數；Caputo導數；圖像去(qù)噪

A novel color image encryption algorithm based on a fractional-order discrete chaotic neural network and DNA sequence operations

Li-ping Chen, Hao Yin, Li-guo Yuan, António M. Lopes, J. A. Tenreiro Machado, Ran-chao Wu

DOI: 10.1631/FITEE.1900709 Downloaded: 3620 Clicked: 5485 Cited: 0 Commented: 0(p.866-879) <Full Text> <PPT> 1507

Chinese summary <22> 一(yī)種基于離(lí)散分(fēn)數階混沌系統和DNA序列運算的新型彩色圖像加密算法

陳立平¹，尹昊¹，袁利國²，António M. LOPES³，J. A. Tenreiro MACHADO⁴，吳然超⁵
¹合肥工(gōng)業大(dà)學電氣與自動化工(gōng)程學院，中(zhōng)國合肥市，230009
²華南(nán)農業大(dà)學數學與信息學院，中(zhōng)國廣州市，510642
³波爾圖大(dà)學工(gōng)程學院，葡萄牙波爾圖市，4200-465
⁴波爾圖理工(gōng)學院電氣工(gōng)程系，葡萄牙波爾圖市，4249-015
⁵安徽大(dà)學數學科學學院，中(zhōng)國合肥市，230601

摘要：提出一(yī)種基于動态DNA編碼和混沌的新型彩色圖像加密算法。将一(yī)個三神經元分(fēn)數階離(lí)散Hopfield神經網絡作爲僞随機混沌序列發生(shēng)器。其初值由外(wài)部輸入的五位密鑰以及明文圖像的哈希值計算得來。外(wài)部密鑰包含分(fēn)數階離(lí)散Hopfield神經網絡的離(lí)散步長和階次。哈希值由SHA-2函數計算得到。在保證較大(dà)密鑰空間的同時，提高了算法對明文圖像的敏感性。在此基礎上，提出一(yī)種新型三維投影置亂方法，置亂圖像紅、綠、藍(lán)信号通道中(zhōng)像素位置。DNA編碼以及擴散被用于擴散圖像信息。使用離(lí)散分(fēn)數階Hopfield神經網絡生(shēng)成的僞随機數序列确定每個像素的編碼規則，用以保證編碼方式的多樣性。最後，運用置亂II和XOR提升算法的安全性。實驗結果和安全性分(fēn)析表明，該算法具有較好安全性，能夠抵禦多種典型攻擊。

關鍵詞組：分(fēn)數階離(lí)散系統；神經網絡；DNA加密；彩色圖像加密

Correspondence: Discrete fractional watermark technique

Zai-rong Wang, Babak Shiri, Dumitru Baleanu

DOI: 10.1631/FITEE.2000133 Downloaded: 2374 Clicked: 4493 Cited: 0 Commented: 0(p.880-883) <Full Text> <PPT> 1409

Chinese summary <23> 離(lí)散分(fēn)數階水印技術

汪在榮¹，Babak Shiri²，Dumitru Baleanu^3,4
¹内江師範學院計算機學院，數據恢複四川省重點實驗室，中(zhōng)國内江市，641100
²内江師範學院數學與信息科學學院，數據恢複四川省重點實驗室，中(zhōng)國内江市，641100
³詹卡亞大(dà)學數學系，土耳其安卡拉，06530
⁴空間科學研究所，羅馬尼亞馬格勒布加勒斯，011254

摘要：分(fēn)數階logistic映射具有豐富的動力學行爲，用于産生(shēng)混沌序列。基于分(fēn)數階logistic映射進行圖像加密，嵌入原始圖像，獲得水印圖像。在圖像加密中(zhōng)，分(fēn)數階階數介于0、1之間，被用作加密密碼，提升了圖像加密時的密碼空間，加大(dà)了黑客攻擊難度。離(lí)散分(fēn)數階水印技術提供了一(yī)種有效保護硬件、圖像及其他電子文件的方法。

關鍵詞組：離(lí)散分(fēn)數階微積分(fēn)；圖像加密；水印

Regular Papers

Review Article: Development of space-based diffractive telescopes

Wei Zhao, Xin Wang, Hua Liu, Zi-feng Lu, Zhen-wu Lu

DOI: 10.1631/FITEE.1900529 Downloaded: 3763 Clicked: 4047 Cited: 0 Commented: 0(p.884-902) <Full Text> <PPT> 1416

Chinese summary <24> 空間衍射望遠系統發展現狀

趙維^1,3,4，王新¹，劉華^2,4，陸子鳳^2,4，盧振武⁵
¹長春理工(gōng)大(dà)學理學院，中(zhōng)國長春市，130022
²東北(běi)師範大(dà)學物(wù)理學院，中(zhōng)國長春市，130024
³吉林警察學院，中(zhōng)國長春市，130117
⁴中(zhōng)國科學院西安光學精密機械研究所光譜成像技術重點實驗室，中(zhōng)國西安市，710119
⁵中(zhōng)國科學院長春光學精密機械與物(wù)理研究所，中(zhōng)國長春市，130024

摘要：基底微結構制作的薄膜衍射光學元件具備超輕質量（面密度小(xiǎo)于0.1 kg/m²）和寬松表面形狀公差（厘米級表面精度需求）兩個重要特性，将其作爲大(dà)口徑望遠鏡的主鏡可實現超大(dà)口徑，超輕量化，同時降低發射成本。本文對國内外(wài)基于衍射光學的空間大(dà)口徑望遠系統的研究進展進行歸納和總結。首先闡述衍射望遠系統的成像理論與組成結構，然後介紹衍射望遠系統研究進展，最後總結衍射技術作爲未來高分(fēn)辨率空間偵查系統的發展趨勢，提出我(wǒ)國應着重開(kāi)展的相關工(gōng)作。

關鍵詞組：薄膜衍射光學元件；衍射望遠系統；超大(dà)口徑

Learning to select pseudo labels: a semi-supervised method for named entity recognition

Zhen-zhen Li, Da-wei Feng, Dong-sheng Li, Xi-cheng Lu

DOI: 10.1631/FITEE.1800743 Downloaded: 4842 Clicked: 6048 Cited: 0 Commented: 0(p.903-916) <Full Text> <PPT> 1519

Chinese summary <23> 學習挑選僞标簽：一(yī)種用于命名實體(tǐ)識别的半監督學習方法

李真真，馮大(dà)爲，李東升，盧錫城
國防科技大(dà)學計算機學院，中(zhōng)國長沙市，410073

摘要：深度學習模型在命名實體(tǐ)識别（NER）中(zhōng)實現了最先進的性能；然而，其良好性能很大(dà)程度上依賴于大(dà)量标記數據。在某些特定領域，例如醫學、金融和軍事領域，标記數據非常稀缺，而未标記數據則很容易獲得。過往研究使用未标記數據豐富詞的表示，卻忽略了未标記數據中(zhōng)對NER任務很可能有幫助的大(dà)量實體(tǐ)信息。本文提出一(yī)種用于NER任務的半監督方法，其通過學習一(yī)個判别模塊篩除錯誤僞标簽，以創建高質量标注數據。僞标簽是爲未标記數據自動生(shēng)成的标簽，并被當作真實标簽用來訓練模型。該半監督框架包括3個步驟：爲特定NER任務構建最佳單神經網絡模型，學習一(yī)個評價僞标簽的模塊，以及叠代創建新的标記數據和改進NER模型。兩個英語NER任務和一(yī)個中(zhōng)文醫療命名實體(tǐ)識别任務的實驗結果表明，該方法進一(yī)步提高了最佳單神經模型的性能。當僅使用預訓練的靜态詞嵌入且不依賴任何外(wài)部知(zhī)識時，該方法可獲得與CoNLL-2003和OntoNotes 5.0英語NER任務上最先進模型相當的性能。

關鍵詞組：命名實體(tǐ)識别；無标注數據；深度學習；半監督學習方法

MEACC: an energy-efficient framework for smart devices using cloud computing systems

Khalid Alsubhi, Zuhaib Imtiaz, Ayesha Raana, M. Usman Ashraf, Babur Hayat

DOI: 10.1631/FITEE.1900198 Downloaded: 3693 Clicked: 5466 Cited: 0 Commented: 0(p.917-930) <Full Text> <PPT> 1537

Chinese summary <20> MEACC：一(yī)種基于雲計算的智能設備節能架構

Khalid ALSUBHI¹, ZuhaibI MTIAZ², Ayesha RAANA³, M. Usman ASHRAF³, Babur HAYAT⁴
¹阿蔔杜勒阿齊茲國王大(dà)學計算機科學系，沙特阿拉伯
²錫亞爾科特大(dà)學計算機科學系，巴基斯坦錫亞爾科特，51310
³管理技術大(dà)學計算機科學系，巴基斯坦錫亞爾科特，51310
⁴拉合爾大(dà)學計算機科學系，巴基斯坦古吉拉特，50700

摘要：随着智能設備存儲容量快速增長，價格不斷降低，以及算力、存儲和通信技術的提升，APP應用程序得到快速發展，在全球網絡基礎設施上耗費(fèi)的流量亦越來越多。智能設備引領着新興技術發展，并在其快速演進中(zhōng)發揮至關重要的作用，已成爲信息技術時代全天候的基本需求。智能設備運行着廣泛的處理密集型APP，APP在智能設備上的大(dà)量使用導緻其複雜(zá)性不斷增加，資(zī)源大(dà)量消耗，包括智能設備的電池電量、處理器、RAM等，阻礙了智能設備正常運行。資(zī)源的限制極大(dà)增加了用戶處理任務的難度，因此合理的資(zī)源利用和能效是智能設備的基本考慮因素。本文提出一(yī)種基于雲計算的移動端能效增強模型(MEACC)，緻力于解決智能設備中(zhōng)功耗大(dà)、資(zī)源利用率低等關鍵問題。MEACC能有效篩選出需在智能設備上運行或卸載至雲端處理的APP。此外(wài)，可有效計算出移動端以及雲端所需的運行開(kāi)銷，包括通信成本。在作出卸載決定前，MEACC持續監測資(zī)源情況。MEACC既能實現負載均衡又(yòu)能降低功耗，是新興移動計算領域十分(fēn)具有前景的應用架構。

關鍵詞組：卸載；智能設備；雲計算；移動計算；能耗

Coherence analysis and Laplacian energy of recursive trees with controlled initial states

Mei-du Hong, Wei-gang Sun, Su-yu Liu, Teng-fei Xuan

DOI: 10.1631/FITEE.1900133 Downloaded: 4053 Clicked: 5121 Cited: 0 Commented: 0(p.931-938) <Full Text> <PPT> 1456

Chinese summary <18> 具有受控初始狀态遞歸樹(shù)的一(yī)緻性分(fēn)析及其拉普拉斯能量

洪美都，孫偉剛，劉蘇雨，軒騰飛
杭州電子科技大(dà)學理學院，中(zhōng)國杭州市，310018

摘要：本文研究一(yī)類具有受控初始狀态遞歸樹(shù)的一(yī)緻性問題。由拉普拉斯譜定義的網絡一(yī)緻性用于刻畫含有噪聲線性系統的一(yī)緻性動力學。基于這類遞歸樹(shù)的規則結構，得到拉普拉斯特征值連續兩次叠代的遞歸關系，并由此得到一(yī)階和二階一(yī)緻性的精确解。它們由所有非零拉普拉斯特征值的倒數和與平方和來定義。一(yī)階和二階一(yī)緻性的幂律關于網絡規模N分(fēn)别爲lnN和NN。研究表明遞歸樹(shù)初始節點數目越少，其一(yī)緻性表現越好。最後，用數值例子研究一(yī)緻性和拉普拉斯能量之間的關系，結果表明一(yī)階和二階一(yī)緻性分(fēn)别随拉普拉斯能量以指數和線性速率增長。

關鍵詞組：一(yī)緻性；網絡一(yī)緻性；拉普拉斯能量

OHTMA: an optimized heuristic topology-aware mapping algorithm on the Tianhe-3 exascale supercomputer prototype

Yi-shui Li, Xin-hai Chen, Jie Liu, Bo Yang, Chun-ye Gong, Xin-biao Gan, Sheng-guo Li, Han Xu

DOI: 10.1631/FITEE.1900075 Downloaded: 3151 Clicked: 4942 Cited: 0 Commented: 0(p.939-949) <Full Text> <PPT> 1454

Chinese summary <22> OHTMA：面向天河三号E級原型機的一(yī)種啓發式優化拓撲感知(zhī)映射算法

李翊誰，陳新海，劉傑，楊博，龔春葉，甘新标，李勝國，徐涵
國防科技大(dà)學計算機學院并行與分(fēn)布處理國家重點實驗室，中(zhōng)國長沙市，410073

摘要：随着應用程序規模和超級計算機體(tǐ)系結構複雜(zá)性的迅速增加，拓撲映射的重要性愈加凸顯。高通信成本已成爲超級計算機上運行的應用程序性能的主要限制因素。爲避免不合适的映射策略可能帶來的較差通信性能，提出一(yī)種啓發式優化拓撲感知(zhī)映射算法（OHTMA）。該算法旨在最小(xiǎo)化用于測量映射結果的字節跳躍度量。OHTMA結合貪婪啓發式算法和基于對交換的優化方法，減少了遠程通信數量，有效增強了通信局部性。在天河三号E級原型機的實驗結果表明，OHTMA算法可顯著降低通信成本。

關鍵詞組：高性能計算；拓撲映射；啓發式算法

Dynamic analysis, FPGA implementation, and cryptographic application of an autonomous 5D chaotic system with offset boosting

Sifeu Takougang Kingni, Karthikeyan Rajagopal, Serdar Çiçek, Ashokkumar Srinivasan, Anitha Karthikeyan

DOI: 10.1631/FITEE.1900167 Downloaded: 3696 Clicked: 5962 Cited: 0 Commented: 0(p.950-961) <Full Text>

Chinese summary <21> 偏置增強自主五維混沌系統動态分(fēn)析、FPGA實現及加密應用

Sifeu TAKOUGANG KINGNI¹, Karthikeyan RAJAGOPAL², Serdar ÇIÇEK³, Ashokkumar SRINIVASAN⁴, Anitha KARTHIKEYAN²
¹馬魯阿大(dà)學礦山與石油工(gōng)業學院機械、石油與天然氣工(gōng)程系，喀麥隆馬魯阿市，46号信箱
²孫德勝大(dà)學電氣電子工(gōng)程學院，越南(nán)胡志(zhì)民市，758307
³内夫謝希爾哈吉貝克塔什大(dà)學哈吉貝克塔什職業學院電氣自動化系，土耳其哈吉貝克塔什，50800
⁴國防大(dà)學非線性動力學中(zhōng)心，埃塞俄比亞德布雷塞特，6020

摘要：通過改進著名的三維自主Liu&Chen系統，建立偏置增強的自主五維系統。找到該自主五維系統平衡點，并分(fēn)析其穩定性。該系統包含霍普夫分(fēn)岔、周期吸引子、準周期吸引子、單渦旋混沌吸引子、雙渦旋混沌吸引子、共存吸引子、雙穩現象、部分(fēn)幅度控制偏置增強、逆周期倍增和間歇性混沌路徑。利用現場可編程門陣列（FPGA）實現該自主五維系統，并給出相圖驗證數值仿真結果。由FPGA實現的混沌吸引子及共存吸引子與數值仿真的混沌吸引子性質吻合較好。最後，設計一(yī)個基于該自主五維混沌系統的聲音數據加密和通信系統，通過數值示例展示其性能。

關鍵詞組：混沌系統；霍普夫分(fēn)岔；共存吸引子；偏置增強；FPGA實現；聲音加密

Erratum

Erratum to: Efficient keyword search over graph-structured data based on minimal covered r-cliques

Asieh Ghanbarpour, Abbas Niknafs, Hassan Naderi

DOI: 10.1631/FITEE.18e0133 Downloaded: 3736 Clicked: 3792 Cited: 0 Commented: 0(p.962-962) <Full Text>