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.9 P.1153-1276

Cover:

<620>

Contents:

<570>

<<< CONTENTS >>>

Review Article

Review Article: A review on cyber security named entity recognition

Chen Gao, Xuan Zhang, Mengting Han, Hui Liu

DOI: 10.1631/FITEE.2000286 Downloaded: 4028 Clicked: 5508 Cited: 0 Commented: 0(p.1153-1168) <Full Text> <PPT> 1529

Chinese summary <25> 網絡空間安全命名實體(tǐ)識别綜述

高宸¹，張璇^1,2,3，韓夢婷¹，劉會¹
¹雲南(nán)大(dà)學軟件學院，中(zhōng)國昆明市，650091
²雲南(nán)省軟件工(gōng)程重點實驗室，中(zhōng)國昆明市，650091
³網絡空間工(gōng)程研究中(zhōng)心，中(zhōng)國昆明市，650091
摘要：随着互聯網技術飛速發展和大(dà)數據時代到來，越來越多網絡空間安全文本出現在互聯網上。這些文本不僅包括安全概念、事件、工(gōng)具、指南(nán)和政策，還包括風險管理方法、最佳實踐、保證和技術等。整合大(dà)規模、異構和非結構化的網絡空間安全信息，對網絡空間安全實體(tǐ)進行識别和分(fēn)類，有助于處理和解決網絡空間安全問題。由于網絡空間安全領域文本的複雜(zá)性和多樣性，使用傳統的命名實體(tǐ)識别（NER）方法難以識别該領域中(zhōng)的安全實體(tǐ)。本文介紹該領域NER的各種方法和技術，包括基于規則的方法、基于字典的方法和基于機器學習的方法，并讨論該領域NER研究面臨的問題，如實體(tǐ)詞組的結合與分(fēn)離(lí)、非标準化的命名約定、縮寫和大(dà)量嵌套等。最後，提出NER在網絡空間安全方面的3個研究方向：（1）應用無監督或半監督技術；（2）開(kāi)發更全面的網絡空間安全本體(tǐ)；（3）應用更加有效的深度學習模型。

關鍵詞組：命名實體(tǐ)識别（NER）；信息抽取；網絡空間安全；機器學習；深度學習

Research Articles

Learning-based parameter prediction for quality control in three-dimensional medical image compression

Yuxuan Hou, Zhong Ren, Yubo Tao, Wei Chen

DOI: 10.1631/FITEE.2000234 Downloaded: 3473 Clicked: 5525 Cited: 0 Commented: 0(p.1169-1178) <Full Text> <PPT> 1488

Chinese summary <23> 基于學習方法的三維醫學圖像壓縮質量控制參數預測

侯宇軒¹，任重¹，陶煜波¹，陳爲²
¹浙江大(dà)學計算機輔助設計與圖形學國家重點實驗室，中(zhōng)國杭州市，310058
²浙江大(dà)學醫學院第一(yī)附屬醫院，中(zhōng)國杭州市，310003
摘要：質量控制是三維醫學圖像壓縮過程至關重要的環節，需設定最佳圖像壓縮參數才能滿足特定的壓縮質量需求。高效視頻(pín)編碼（HEVC）是目前最先進的壓縮工(gōng)具。其中(zhōng)，量化參數（QP）對HEVC的壓縮質量控制起決定性作用，如能對其精确預測，就能完成質量控制的目标；然而，直接将視頻(pín)壓縮領域中(zhōng)的預測方法套用到三維醫學數據壓縮，精度和效率無法取得令人滿意的結果。爲此，提出一(yī)種基于學習的參數預測方法，用于實現三維醫學圖像壓縮中(zhōng)的高效質量控制。本文方法基于支撐向量回歸（SVR），可以直接利用從原始數據中(zhōng)提取的基于視頻(pín)的特征與基于結構的特征來預測最佳QP，無需經過耗時長的預編碼或叠代過程。在若幹數據集上的實驗結果證明，本文方法比現有方法在預測準确度和速度上表現更好。

關鍵詞組：醫學圖像壓縮；高效視頻(pín)編碼（HEVC）；質量控制；基于學習方法

Forecasting traffic flows in irregular regions with multi-graph convolutional network and gated recurrent unit

Dewen Seng, Fanshun Lv, Ziyi Liang, Xiaoying Shi, Qiming Fang

DOI: 10.1631/FITEE.2000243 Downloaded: 3604 Clicked: 5078 Cited: 0 Commented: 0(p.1179-1193) <Full Text> <PPT> 1402

Chinese summary <21> 基于多圖卷積網絡和門控循環單元的不規則區域交通流量預測

僧德文，呂凡順，梁紫怡，史曉穎，方啓明
杭州電子科技大(dà)學計算機學院，中(zhōng)國杭州市，310018
摘要：區域交通流量預測對智能交通系統的交通控制和管理十分(fēn)重要。借助深度神經網絡，采用僅适用于規則網格的循環神經網絡或殘差神經網絡捕獲流量預測的空間依賴性。但是，考慮到路網和行政邊界得到的區域通常是不規則的。因此将城市劃分(fēn)成網格進行預測是不準确的。提出一(yī)種基于多圖卷積網絡和門控循環單元（MGCN-GRU）的不規則區域交通流量預測模型。首先，構建一(yī)個城市異質區域間關聯圖反映各區域間的關聯。在每個圖中(zhōng)，節點表示不規則區域，邊代表區域間的關聯類型。然後，提出一(yī)個多圖卷積網絡融合不同區域間關聯圖和附加屬性。進一(yī)步采用門控循環單元捕獲時序依賴并預測未來交通流量。實驗結果表明，基于3個真實大(dà)數據集（公共自行車(chē)系統數據集、出租車(chē)數據集和無樁共享自行車(chē)數據集），所提MGCN-GRU模型性能優于多個現有方法。

關鍵詞組：交通流量預測；多圖卷積網絡；門控循環單元；不規則區域

Associative affinity network learning for multi-object tracking

Liang Ma, Qiaoyong Zhong, Yingying Zhang, Di Xie, Shiliang Pu

DOI: 10.1631/FITEE.2000272 Downloaded: 3244 Clicked: 5238 Cited: 0 Commented: 0(p.1194-1206) <Full Text> <PPT> 1417

Chinese summary <22> 面向多目标跟蹤的關聯相似度神經網絡學習

馬良，鍾巧勇，張營營，謝迪，浦世亮
杭州海康威視數字技術股份有限公司，中(zhōng)國杭州市，310000
摘要：爲解決視頻(pín)多目标跟蹤問題，提出一(yī)種特征和度量聯合學習的深度神經網絡架構，稱爲關聯相似度網絡。關聯相似度網絡以端到端的方式學習跟蹤軌迹和檢測結果之間的關聯相似度。針對有缺陷的檢測結果，關聯相似度網絡同時學習矩形框回歸、目标分(fēn)類和相似度回歸3個任務。不同于現有基于對比排序思想的方法，我(wǒ)們直接訓練一(yī)個二分(fēn)類器來學習跟蹤軌迹與檢測結果的關聯相似度，同時設計了損失函數來約束匹配集合元素的個數。得益于上述設計，關聯相似度網絡不僅能夠解決多目标跟蹤問題中(zhōng)的匹配問題，還可以進行單目标跟蹤。基于提出的關聯相似度網絡，設計了一(yī)個簡單的多目标跟蹤算法，在MOT16和MOT17測試集上的實驗結果表明其有效性。

關鍵詞組：多目标跟蹤；深度神經網絡；相似度學習

Robust and accurate optimal transportation map by self-adaptive sampling

Yingshi Wang, Xiaopeng Zheng, Wei Chen, Xin Qi, Yuxue Ren, Na Lei, Xianfeng Gu

DOI: 10.1631/FITEE.2000250 Downloaded: 4384 Clicked: 4619 Cited: 0 Commented: 0(p.1207-1220) <Full Text> <PPT> 1424

Chinese summary <21> 基于自适應采樣的魯棒精确最優傳輸映射

王應時¹，鄭曉朋²，陳偉^2,3，齊鑫⁴，任玉雪³，雷娜^2,3，顧險峰⁴
¹内蒙古财經大(dà)學計算機系，中(zhōng)國呼和浩特市，010010
²大(dà)連理工(gōng)大(dà)學軟件學院，中(zhōng)國大(dà)連市，116620
³首都師範大(dà)學北(běi)京成像理論與技術高精尖創新中(zhōng)心，中(zhōng)國北(běi)京市，100048
⁴石溪大(dà)學計算機系，美國紐約州石溪鎮，11794
摘要：最優傳輸在工(gōng)程、醫療等各領域扮演着重要角色，包括圖形學中(zhōng)的曲面參數化、計算機視覺中(zhōng)的注冊、深度學習中(zhōng)的生(shēng)成模型等。對于平方距離(lí)傳輸成本，最優傳輸映射是Brenier勢的梯度，可通過求解Monge-Ampère方程得到。此外(wài)，最優傳輸映射可歸結爲幾何凸優化問題。Monge-Ampère方程高度非線性，在求解過程中(zhōng)，中(zhōng)間解需要始終保持嚴格凸。特别地，離(lí)散解的精确性嚴重依賴于目标測度的采樣。因此，提出一(yī)種自适應采樣算法，極大(dà)減少采樣偏差，同時提高離(lí)散解的精确性和魯棒性。實驗結果驗證了所提算法的有效性和高效性。

關鍵詞組：最優傳輸；Monge-Ampère方程；自适應采樣

Design and verification of a transfer path optimization method for an aircraft on the aircraft carrier flight deck

Weichao Si, Tao Sun, Chao Song, Jie Zhang

DOI: 10.1631/FITEE.2000251 Downloaded: 2994 Clicked: 4688 Cited: 0 Commented: 0(p.1221-1233) <Full Text>

Chinese summary <23> 航母飛行甲闆上飛機轉運路徑優化方法的設計與驗證

司維超，孫濤，宋超，張傑
海軍航空大(dà)學岸防兵學院，中(zhōng)國煙台市，264001
摘要：研究了在能見度較低或夜間情況下(xià)，航母飛行甲闆上飛機安全轉運的路徑規劃問題。首先，分(fēn)析了艦載機在飛行甲闆上的轉運路徑規劃問題，定義了優化目标和約束條件。其次，爲解決這一(yī)問題，建立了飛行甲闆、艦載機實體(tǐ)、實體(tǐ)擴展、實體(tǐ)姿态、實體(tǐ)沖突檢測和路徑平滑的數學支持模型，爲航母上飛機的轉運路徑規劃提供了必要基礎。再次，爲實現轉運路徑自動規劃，設計了一(yī)種多生(shēng)境并行混沌算法（KCMPSO），并将其作爲轉運路徑規劃的優化方法。最後，以庫茲涅佐夫号航空母艦爲例進行仿真模拟。仿真結果表明，與粒子群算法相比，該方法能較好解決航母飛行甲闆上飛機的轉運路徑規劃問題。

關鍵詞組：艦載機；飛行甲闆；轉運路徑規劃；KCMPSO算法；方法設計與驗證

Yuxue Xu, Yun Wang, Tianhong Yan, Yuchen He, Jun Wang, De Gu, Haiping Du, Weihua Li

DOI: 10.1631/FITEE.2000426 Downloaded: 3936 Clicked: 4566 Cited: 0 Commented: 0(p.1234-1246) <Full Text> <PPT> 1352

Chinese summary <21> 基于含隐變量的貝葉斯網絡質量相關局部加權的非平穩過程軟測量方法

徐玉雪¹，王雲²，嚴天宏¹，何雨辰¹，王君¹，顧德³，杜海平⁴，李衛華⁵
¹中(zhōng)國計量大(dà)學機電工(gōng)程學院，中(zhōng)國杭州市，310018
²浙江同濟科技職業學院機電工(gōng)程系，中(zhōng)國杭州市，311231
³江南(nán)大(dà)學自動化研究所輕工(gōng)過程先進控制教育部重點實驗室，中(zhōng)國無錫市，214122
⁴伍倫貢大(dà)學電氣、計算機和電信工(gōng)程學院，澳大(dà)利亞伍倫貢市，NSW2522
⁵伍倫貢大(dà)學機械、材料、機電和生(shēng)物(wù)醫學工(gōng)程學院，澳大(dà)利亞伍倫貢市，NSW2522
摘要：在工(gōng)業過程中(zhōng)，軟測量技術被廣泛用于預測難以測量的質量變量。構建一(yī)個應對過程非平穩性的自适應模型非常必要。本文針對非平穩過程，設計了一(yī)種基于含有隐變量貝葉斯網絡的質量相關局部加權軟測量方法。提出一(yī)種有監督貝葉斯網絡提取質量相關的隐變量，并應用于一(yī)種雙層相似度測量算法。所提軟測量方法試圖通過質量相關信息爲非平穩過程尋找到一(yī)般方法，且詳細解釋了局部相似度和窗口置信度的概念。通過一(yī)個數值算例和脫丁烷塔的應用驗證了所提方法的性能。結果表明所提方法預測關鍵質量變量的精确度優于競争方法。

關鍵詞組：軟測量；有監督貝葉斯網絡；隐變量；局部加權建模；質量預測

A cooperative heterogeneous vehicular clustering framework for efficiency improvement

Iftikhar Ahmad, Rafidah Md Noor, Zaheed Ahmed, Umm-e-Habiba , Naveed Akram, Fausto Pedro García Márquez

DOI: 10.1631/FITEE.2000260 Downloaded: 4123 Clicked: 5036 Cited: 0 Commented: 0(p.1247-1259) <Full Text>

Chinese summary <22> 一(yī)種高效的異構車(chē)輛集群協同框架

Iftikhar AHMAD^1,2，Rafidah Md NOOR²，Zaheed AHMED³，Umm-e-HABIBA³，Naveed AKRAM^{4, 5}，Fausto Pedro GARCíA MáRQUEZ⁶
¹米爾布爾科技大(dà)學計算機科學與信息技術學院，巴基斯坦米爾布爾，10250
²馬來亞大(dà)學計算機科學與信息技術系，馬來西亞吉隆坡，50603
³科特利大(dà)學軟件工(gōng)程學院，巴基斯坦AJK，11100
⁴米爾布爾科技大(dà)學機械工(gōng)程學院，巴基斯坦米爾布爾，10250
⁵馬來亞大(dà)學機械工(gōng)程學院機械工(gōng)程系，馬來西亞吉隆坡，50603
⁶卡斯蒂利亞拉曼查大(dà)學Ingenium研究組，西班牙
摘要：異構車(chē)輛集群集成了多種類型通信網絡，可在各種車(chē)輛應用中(zhōng)高效運行。長期演進（LTE）和專用短程通信的集成是異構網絡的一(yī)種普遍形式。這種網絡基礎設施的異構性和成本/數據共享的不合作性是需要解決的潛在問題。車(chē)輛集群框架是解決這些問題的一(yī)種方案，但是該框架在部署到現實世界前應經過形式驗證。爲解決這些問題，提出一(yī)種異構的車(chē)輛集群框架，稱爲目标和興趣感知(zhī)集群框架。該框架集成了車(chē)載自組織網絡與LTE網絡，以提高道路交通效率。在此基礎上，給出該框架的模型系統。使用模型檢測技術對該模型進行形式驗證，在功能層面評估其性能。爲在微觀層面評估該框架性能，通過整合最先進的工(gōng)具創建異構仿真環境。仿真結果表明，與其他方法相比，該框架具有更好性能。

關鍵詞組：車(chē)輛集群；異構性；協同；形式驗證；系統模型

A microstrip filter direct-coupled amplifier based on active coupling matrix synthesis

Yang Gao, Fan Zhang, Yingying Qiao, Jiawei Zang, Lei Li, Xiaobang Shang

DOI: 10.1631/FITEE.2000292 Downloaded: 3546 Clicked: 5024 Cited: 0 Commented: 0(p.1260-1269) <Full Text> <PPT> 1422

Chinese summary <22> 基于有源耦合矩陣的一(yī)種微帶直接耦合式濾波放(fàng)大(dà)器

高楊¹，張帆²，喬瑩瑩¹，臧家偉³，李磊¹，商(shāng)小(xiǎo)邦⁴
¹鄭州大(dà)學物(wù)理與微電子學院，中(zhōng)國鄭州市，450001
²電子科技大(dà)學物(wù)理學院，中(zhōng)國成都市，610054
³中(zhōng)國信息通信研究院泰爾實驗室，中(zhōng)國北(běi)京市，100191
⁴英國國家物(wù)理實驗室，英國特丁頓市，TW11 0LW
摘要：提出一(yī)種基于有源耦合矩陣的微帶集成濾波放(fàng)大(dà)器的設計理論。通過消除匹配結構，微帶濾波器可直接與放(fàng)大(dà)器耦合，同時實現濾波和匹配功能。通過引入附加的行和列表示有源晶體(tǐ)管，該放(fàng)大(dà)器的拓撲結構可用耦合矩陣綜合和表達。該有源耦合矩陣可用于計算S參數（回波損耗和增益）和集成器件的初始物(wù)理尺寸。該集成設計方法有效降低了電磁波損耗，并且使器件結構更爲緊湊。由于微帶線易加工(gōng)、低成本、易于與有源器件集成等優點，本文設計、加工(gōng)并測量了基于微帶線工(gōng)藝的X波段放(fàng)大(dà)器。

關鍵詞組：放(fàng)大(dà)器；濾波-放(fàng)大(dà)器集成；微帶線；耦合矩陣

Electrically tunable liquid crystal coplanar waveguide stepped-impedance resonator

Xingye Fan, Ruozhou Li, Jing Yan, Yuming Fang, Ying Yu

DOI: 10.1631/FITEE.2000278 Downloaded: 3003 Clicked: 4628 Cited: 0 Commented: 0(p.1270-1276) <Full Text> <PPT> 1412

Chinese summary <21> 電可調液晶共面波導階梯阻抗諧振器

樊星葉¹，李若舟^1,2，嚴靜¹，方玉明^1,2，于映^1,2
¹南(nán)京郵電大(dà)學電子與光學工(gōng)程學院、微電子學院，中(zhōng)國南(nán)京市，210023
²南(nán)京郵電大(dà)學射頻(pín)集成與微組裝國家地方聯合工(gōng)程實驗室，中(zhōng)國南(nán)京市，210023
摘要：提出一(yī)種液晶可調階梯阻抗諧振器。該諧振器分(fēn)别在3.367 GHz和7.198 GHz處諧振，這兩個頻(pín)點可通過對液晶層加載電壓實現連續調節。實驗表明僅需施加14 V的外(wài)加電壓，即可實現52 MHz和210 MHz的調諧範圍，并與仿真結果吻合；在此基礎上，研究了驅動過程中(zhōng)電壓帶來的遲滞效應。該器件在兩個頻(pín)點處的插入損耗分(fēn)别爲−2.9 dB和−4 dB，回波損耗均小(xiǎo)于−21.5 dB。該諧振器可應用于需要頻(pín)率連續可調的各類通信系統中(zhōng)。

關鍵詞組：軟測量；有監督貝葉斯網絡；隐變量；局部加權建模；質量預測