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

2021 Vol.22 No.7 P.915-1030

Cover:

<486>

Contents:

<358>

<<< CONTENTS >>>

Review Article

Review Article: A review of computer graphics approaches to urban modeling from a machine learning perspective

Tian Feng, Feiyi Fan, Tomasz Bednarz

DOI: 10.1631/FITEE.2000141 Downloaded: 3666 Clicked: 5059 Cited: 0 Commented: 0(p.915-925) <Full Text> <PPT> 1549

Chinese summary <27> 機器學習視角下(xià)的城市建模計算機圖形方法綜述

馮天¹，範非易²，Tomasz BEDNARZ^3,4
¹樂卓博大(dà)學計算機科學與信息技術系，澳大(dà)利亞維多利亞州，3086
²中(zhōng)國科學院計算技術研究所，中(zhōng)國北(běi)京市，100190
³新南(nán)威爾士大(dà)學擴展感知(zhī)與交互中(zhōng)心，澳大(dà)利亞新南(nán)威爾士州，2021
⁴聯邦科學與工(gōng)業研究組織Data61，澳大(dà)利亞新南(nán)威爾士州，2015
摘要：城市建模爲生(shēng)成城市不同場景下(xià)的虛拟環境提供了便利。城市建模需要專業知(zhī)識和考慮，并消耗大(dà)量時間和計算資(zī)源。即便如此，與之相關的任務有時仍以不滿意的結果甚至失敗告終。這些挑戰得到了計算機圖形學領域學者的大(dà)量關注。同時，人工(gōng)智能的蓬勃發展激勵人們充分(fēn)利用機器學習以改進現有解決方案。本文回顧了2010至2019年間發表的文獻，對計算機圖形領域中(zhōng)使用機器學習的城市建模方法進行綜述。本文可作爲機器學習視角下(xià)城市建模研究現狀的概述。

關鍵詞組：城市建模；計算機圖形學；機器學習；深度學習

Research Articles

A self-supervised method for treatment recommendation in sepsis

Sihan Zhu, Jian Pu

DOI: 10.1631/FITEE.2000127 Downloaded: 3265 Clicked: 4906 Cited: 0 Commented: 0(p.926-939) <Full Text> <PPT> 1621

Chinese summary <23> 自監督膿毒症治療推薦算法

朱思涵¹，浦劍²
¹華東師範大(dà)學計算機科學與技術學院，中(zhōng)國上海市，200062
²複旦大(dà)學類腦智能科學與技術研究院，中(zhōng)國上海市，200433
摘要：由于每個膿毒症患者治療反應可能不同，爲病人提供量身定制的治療建議來幫助醫生(shēng)有效、準确地做出決定，并采取有效治療方案，是降低醫院重症監護病房死亡率的一(yī)項極具挑戰性的工(gōng)作。本文将強化學習應用于個人治療推薦，采用對樣本不确定性進行建模并評估的方法，根據患者對治療的反應和狀态，将患者樣本分(fēn)爲兩個域，然後使用輔助遷移學習任務重建兩個域的樣本，使用特權學習的蒸餾方法與用于遷移學習的變分(fēn)自動編碼器框架關聯低質量域和高質量域間的任務。通過結合自監督方式獲得更好的狀态和動作表示，本文提出一(yī)種針對引起較高風險的不确定性進行控制的深度強化學習方法；模型提供一(yī)定的靈活性使之可以在不同場景對模糊樣本做出保守預測或明确判斷，并降低預期死亡率。在大(dà)規模公開(kāi)可用的真實醫療數據集MIMIC-III上的實驗表明，所提模型将總體(tǐ)估計死亡率降低了2.3%，并将主要估計死亡率降低到9.5%。

關鍵詞組：治療推薦；膿毒症；自監督學習；強化學習；電子病曆

Bio-inspired cryptosystem on the reciprocal domain: DNA strands mutate to secure health data

S. Aashiq Banu, Rengarajan Amirtharajan

DOI: 10.1631/FITEE.2000071 Downloaded: 3414 Clicked: 5093 Cited: 0 Commented: 0(p.940-956) <Full Text> <PPT> 1613

Chinese summary <22> 互易域上的仿生(shēng)密碼系統：DNA鏈變異以保護健康數據

S. AASHIQ BANU, Rengarajan AMIRTHARAJAN
山姆哈人文與科學技術研究院電氣與電子工(gōng)程學院，印度坦賈武爾，613401
摘要：醫療保健和遠程醫療行業依賴于互聯網技術，數字健康數據更易受到網絡攻擊，因其中(zhōng)包含大(dà)量個人數據，因而，有必要保護數字醫療圖像以及保證其安全傳輸。本文采用基于洛倫茲和呂混沌吸引子突變的DNA加密技術生(shēng)成強僞随機密鑰流。爲增強混淆與擴散階段的近似性系數，所提的混沌DNA加密系統在整數小(xiǎo)波變換域和一(yī)個生(shēng)物(wù)啓發的交叉變異單元上運行。進而，使用組合演化吸引子中(zhōng)的量化混沌集進行異或運算。該算法可以獲得平均信息熵7.9973，幾乎接近于零相關性的像素變化率（number of pixel change rate, NPCR）99.642%，歸一(yī)平均強度變化（unified average change in intensity, UACI）33.438%，以及密鑰空間10²⁰³。此外(wài)，實驗分(fēn)析和基于美國國家标準與技術研究院（NIST）的統計測試套件測試證實，所提醫療圖像加密技術具有抵禦任何統計、差分(fēn)和暴力攻擊的能力。

關鍵詞組：醫學圖像加密；DNA；混沌吸引子；交叉；突變；電子醫療

Analyzing close relations between target artifacts for improving IR-based requirement traceability recovery

Haijuan Wang, Guohua Shen, Zhiqiu Huang, Yaoshen Yu, Kai Chen

DOI: 10.1631/FITEE.2000126 Downloaded: 3580 Clicked: 4635 Cited: 0 Commented: 0(p.957-968) <Full Text> <PPT> 1428

Chinese summary <22> 通過分(fēn)析目标制品間的緊密關系改進基于信息檢索的需求追蹤恢複

汪海娟¹，沈國華^1,2,3，黃志(zhì)球^1,2,3，喻垚慎¹，陳凱¹
¹南(nán)京航空航天大(dà)學計算機科學與技術學院，中(zhōng)國南(nán)京市，211106
²軟件新技術與産業化協同創新中(zhōng)心，中(zhōng)國南(nán)京市，211106
³高安全系統的軟件開(kāi)發與驗證技術工(gōng)信部重點實驗室，中(zhōng)國南(nán)京市，211106
摘要：需求追蹤是一(yī)項重要且昂貴的任務，它創建了從需求到不同軟件制品的追蹤鏈。這些追蹤鏈可以幫助工(gōng)程師節約軟件維護時間并降低維護複雜(zá)性。信息檢索技術在需求追蹤中(zhōng)應用廣泛。它使用軟件制品之間的文本相似性來創建鏈接。然而，如果兩個制品不共享或僅共享少量單詞，信息檢索性能可能非常差。已有一(yī)些方法通過考慮目标制品之間的關系來增強信息檢索，但它們僅限于代碼，而無法應用于其他類型的目标制品。爲克服這一(yī)局限，本文提出一(yī)種将信息檢索方法與目标制品間的緊密關系相結合的自動化方法。具體(tǐ)地，我(wǒ)們增加了對目标制品間緊密關系的考慮，而不僅僅是從需求到目标制品的文本匹配。此外(wài)，在考慮目标制品間的關系時，該方法并不局限于目标制品的類型。我(wǒ)們在5個公共數據集上進行了實驗，并考慮了需求和不同類型的軟件制品之間的追蹤鏈。結果表明，在相同的查全率下(xià)，5個數據集的查準率較之基線方法分(fēn)别提高40%、8%、20%、4%和6%。5個數據集的查準率平均提高15.6%，這表明在相同條件下(xià)，本文所提方法優于基線方法。

關鍵詞組：需求追蹤；信息檢索；緊密關系；目标制品

Discovering semantically related technical terms and web resources in Q&A discussions

Junfang Jia, Valeriia Tumanian, Guoqiang Li

DOI: 10.1631/FITEE.2000186 Downloaded: 3766 Clicked: 4295 Cited: 0 Commented: 0(p.969-985) <Full Text> <PPT> 1454

Chinese summary <23> 從問答讨論中(zhōng)發現語義相關的技術術語和網絡資(zī)源

賈俊芳¹，Valeriia TUMANIAN²，李國強²
¹山西大(dà)同大(dà)學計算機與網絡工(gōng)程學院，中(zhōng)國大(dà)同市，037009
²上海交通大(dà)學軟件學院，中(zhōng)國上海市，200240
摘要：目前網絡上擁有大(dà)量可用于軟件工(gōng)程實踐的技術和網絡資(zī)源，并且這個數量還在持續增長。發現語義相似或相關的技術術語和網絡資(zī)源，可以設計吸引人的服務，以促進信息檢索和信息發現的機會。本文從問答（Q&A）讨論的社區中(zhōng)提取技術術語和網絡資(zī)源，并提出一(yī)種基于神經網絡語言模型的技術術語和網絡資(zī)源在聯合低維向量空間中(zhōng)的語義表示方法。方法僅基于讨論線程中(zhōng)技術術語（或網絡資(zī)源）的周圍技術術語和web資(zī)源，将技術術語和網絡資(zī)源映射到語義向量空間，而不需挖掘讨論的文本内容。将方法應用于2018年3月的堆棧溢出數據轉儲。對聚類、搜索和語義推理任務的定量和定性分(fēn)析表明，所學習的技術術語和網絡資(zī)源向量表示可以捕獲技術術語和網絡資(zī)源的語義相關性，通過簡單的K近鄰搜索和在嵌入空間中(zhōng)對學習的向量表示作簡單的代數運算，可以支持各種搜索和語義推理任務。

關鍵詞組：技術術語；網絡資(zī)源；詞語嵌入；問答網站；聚類任務；推薦任務

Adaptive tracking control of high-order MIMO nonlinear systems with prescribed performance

Xuerao Wang, Qingling Wang, Changyin Sun

DOI: 10.1631/FITEE.2000145 Downloaded: 3904 Clicked: 6093 Cited: 0 Commented: 0(p.986-1001) <Full Text> <PPT> 1699

Chinese summary <22> 帶有預設性能的高階多輸入多輸出非線性系統自适應跟蹤控制

王雪娆^1,2，王慶領^1,2，孫長銀^1,2
¹東南(nán)大(dà)學自動化學院，中(zhōng)國南(nán)京市，210096
²東南(nán)大(dà)學複雜(zá)工(gōng)程系統測量與控制教育部重點實驗室，中(zhōng)國南(nán)京市，210096
摘要：本文針對一(yī)類不确定多輸入多輸出非線性系統提出一(yī)種基于觀測器的自适應預設性能跟蹤控制策略，同時考慮了系統中(zhōng)可能存在的不确定性。爲估計被控系統中(zhōng)的不确定性以及外(wài)部擾動，本文構建了一(yī)類新穎的有限時間神經網絡幹擾觀測器。此外(wài)，爲保證系統可以達到預設性能，采用一(yī)類誤差轉換方法，可以将時變約束轉換爲一(yī)種等價的非時變約束。随後，基于障礙李雅普諾夫函數以及反步方法，提出一(yī)種基于觀測器的跟蹤控制策略。經證明，本文所設計的控制方法可以使閉環系統所有信号實現有界，跟蹤誤差滿足預設的時變性能指标。最後，無人機系統數值仿真結果驗證了所提控制策略的有效性。

關鍵詞組：自适應跟蹤控制；預設性能；輸入飽和；幹擾觀測器；神經網絡

Motor speed estimation and failure detection of a small UAV using density of maxima

Jefferson S. Souza, Moises C. Bezerril, Mateus A. Silva, Frank C. Veras, Abel Lima-Filho, Jorge Gabriel Ramos, Alisson V. Brito

DOI: 10.1631/FITEE.2000149 Downloaded: 4201 Clicked: 4894 Cited: 0 Commented: 0(p.1002-1009) <Full Text> <PPT> 1728

Chinese summary <24> 基于最大(dà)密度的小(xiǎo)型無人機電機速度估計與故障檢測

Jefferson S. SOUZA¹，Moises C. BEZERRIL¹，Mateus A. SILVA¹，Frank C. VERAS²，
Abel LIMA-FILHO³，Jorge Gabriel RAMOS⁴，Alisson V. BRITO¹
¹帕拉伊巴聯邦大(dà)學系統工(gōng)程與機器人技術實驗室，巴西若昂佩索阿
²皮奧伊聯邦大(dà)學信息系統系，巴西皮庫斯
³帕拉伊巴聯邦大(dà)學機械工(gōng)程系，巴西若昂佩索阿
⁴帕拉伊巴聯邦大(dà)學物(wù)理系，巴西若昂佩索阿
摘要：介紹了基于混沌的最大(dà)密度信号分(fēn)析技術在無刷直流電機分(fēn)析中(zhōng)的應用。利用了從電流信号最大(dà)密度估計得出的相關系數。通過實驗實現了無刷電機在試驗台上的速度估計以及在小(xiǎo)型無人機上的故障檢測。實驗結果表明，在97.8%的案例中(zhōng)可估計電機速度，在82.75%的分(fēn)析案例中(zhōng)可檢測故障。

關鍵詞組：無人機；速度識别；故障檢測；混沌

An improved Merkle hash tree based secure scheme for bionic underwater acoustic communication

Masoud Kaveh, Abolfazl Falahati

DOI: 10.1631/FITEE.2000043 Downloaded: 4106 Clicked: 4859 Cited: 0 Commented: 0(p.1010-1019) <Full Text>

Chinese summary <23> 基于改進Merkle哈希樹(shù)的仿生(shēng)水聲通信安全方案

Masoud KAVEH，Abolfazl FALAHATI
伊朗科技大(dà)學電氣工(gōng)程系，伊朗德黑蘭市，13114-16846
摘要：近來，在傳輸系統中(zhōng)仿生(shēng)信号已用于實現具有高信噪比的隐蔽水聲通信。高信噪比使得攻擊者能實行惡意計劃，導緻傳輸系統易受惡意攻擊。提出一(yī)種基于改進Merkle哈希樹(shù)的安全方案，能夠抵禦當前水下(xià)攻擊，具體(tǐ)包含重放(fàng)攻擊、僞造消息攻擊、消息篡改攻擊和分(fēn)析攻擊。進行安全性分(fēn)析，證明所提方案能夠抵抗這些類型的攻擊。性能評估表明，該方案在能量消耗、通信開(kāi)銷和計算開(kāi)銷方面的效率可滿足水聲通信的限制要求。

關鍵詞組：海豚哨音；改進Merkle哈希樹(shù)；安全水聲通信（UWAC）

A data-driven method for estimating the target position of low-frequency sound sources in shallow seas

Xianbin Sun, Xinming Jia, Yi Zheng, Zhen Wang

DOI: 10.1631/FITEE.2000181 Downloaded: 3339 Clicked: 4725 Cited: 0 Commented: 0(p.1020-1030) <Full Text> <PPT> 1593

Chinese summary <23> 一(yī)種基于數據驅動的淺海低頻(pín)聲源目标位置估計方法

孫顯彬^1,2，賈鑫明¹，鄭轶²，王振²
¹青島理工(gōng)大(dà)學機械與汽車(chē)工(gōng)程學院，中(zhōng)國青島市，266000
²山東省科學院海洋儀器儀表研究所，中(zhōng)國青島市，266000
摘要：由于水聽(tīng)器的布置成本高且水下(xià)聲音傳播模型複雜(zá)，在淺海環境中(zhōng)進行低頻(pín)聲源目标位置估計較爲困難。提出一(yī)種基于數據驅動的壓縮循環神經網絡（compressed recurrent neural network, C-RNN）模型。該模型首先将矢量水聽(tīng)器接收到的聲源信号壓縮爲動态聲強信号，然後将聲源位置進行GeoHash編碼用于該模型的先驗訓練，最後使用訓練好的模型進行淺海低頻(pín)聲源目标的位置估計。與傳統數學模型相比，所提C-RNN模型能在複雜(zá)聲場環境和地形條件下(xià)以低參數工(gōng)況實時估計聲源位置。實驗結果表明，該模型對淺海環境中(zhōng)低頻(pín)聲源目标位置的平均定位精度爲56米。

關鍵詞組：矢量水聽(tīng)器；淺海；低頻(pín)；位置估計；循環神經網絡