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

2022 Vol.23 No.8 P.1139-1286

Cover:

<426>

Contents:

<218>

<<< CONTENTS >>>

Special Feature on Human‒Machine Collaboration and Cognitive Computation
(Guest Editor-in-Chief: Nanning ZHENG; Guest Executive Lead Editor: Jianru XUE; Guest Editors: Bin HU, Lingxi LI, Jose C. PRINCIPE, Fuchun SUN, Fei-Yue WANG, Junping ZHANG)

Editorial: Human-machine augmented intelligence: research and applications

Jianru XUE, Bin HU, Lingxi LI, Junping ZHANG

DOI: 10.1631/FITEE.2250000 Downloaded: 1270 Clicked: 1522 Cited: 0 Commented: 0(p.1139-1141) <Full Text>

Mutually trustworthy human-machine knowledge automation and hybrid augmented intelligence: mechanisms and applications of cognition, management, and control for complex systems

Fei-Yue WANG, Jianbo GUO, Guangquan BU, Jun Jason ZHANG

DOI: 10.1631/FITEE.2100418 Downloaded: 3473 Clicked: 3697 Cited: 0 Commented: 0(p.1142-1157) <Full Text> <PPT> 308

Chinese summary <26> 人機互信的知(zhī)識自動化與混合增強智能：複雜(zá)系統認知(zhī)管控機制及其應用

王飛躍¹，郭劍波²，蔔廣全³，張俊⁴
¹中(zhōng)國科學院自動化研究所複雜(zá)系統管理與控制國家重點實驗室，中(zhōng)國北(běi)京市，100190
²中(zhōng)國國家電網有限公司，中(zhōng)國北(běi)京市，100031
³中(zhōng)國電力科學研究院有限公司，中(zhōng)國北(běi)京市，100192
⁴武漢大(dà)學電氣與自動化學院，中(zhōng)國武漢市，430072
摘要：本文旨在闡述複雜(zá)系統認知(zhī)、管理和控制中(zhōng)人機互信的混合增強智能和知(zhī)識自動化機制與應用。本文從複雜(zá)系統研究的發展曆程出發，通過對複雜(zá)系統的特性、人工(gōng)智能科技、人機混合增強智能科技及其在複雜(zá)系統管控中(zhōng)的必要性闡述，分(fēn)析了人類智能、機器智能在複雜(zá)系統管控中(zhōng)的優勢與局限性，并提出"人機互信知(zhī)識自動化"的概念。以電力系統大(dà)電網調控爲背景，闡述了未來人機混合智能在大(dà)電網調度中(zhōng)可能的技術路徑和應用基礎，并以潮流校正控制爲例，說明人機知(zhī)識自動化任務流程的完成過程。通過本文内容的闡述，希望對基于人機混合增強智能的複雜(zá)系統管理和控制的理論方法提供一(yī)種新的機制和應用路徑，并對社會典型複雜(zá)系統管控的數字化、智能化建設起到積極作用。

關鍵詞組：複雜(zá)系統；人機知(zhī)識自動化；平行系統；大(dà)電網調度；人工(gōng)智能；智聯網

A personality-guided affective brain–computer interface for implementation of emotional intelligence in machines

Shaojie LI, Wei LI, Zejian XING, Wenjie YUAN, Xiangyu WEI, Xiaowei ZHANG, Bin HU

DOI: 10.1631/FITEE.2100489 Downloaded: 2117 Clicked: 1652 Cited: 0 Commented: 0(p.1158-1173) <Full Text> <PPT> 301

Chinese summary <27> 一(yī)種面向機器情感智能的人格引導型情感腦機接口

李少傑，李偉，邢澤健，袁文傑，韋香玉，張曉炜，胡斌
蘭州大(dà)學信息科學與工(gōng)程學院，中(zhōng)國蘭州市，730099
摘要：情感腦機接口（brain–computerinterfaces, BCIs）已成爲在人機協作中(zhōng)實現情感智能的一(yī)個重要途徑。然而，由于腦電圖（electroencephalogram, EEG）信号的複雜(zá)性和情緒反應的個體(tǐ)差異性，設計一(yī)個可靠和有效的模型仍然是一(yī)個巨大(dà)挑戰。考慮到不同人格特征的個體(tǐ)在情緒感知(zhī)和反應過程中(zhōng)的差異，整合人格信息和腦電信号對情緒識别是有幫助的。鑒于此，提出一(yī)種人格引導的注意力神經網絡，其可以利用人格信息學習更爲有效的EEG表征以用于情感識别。具體(tǐ)來說，我(wǒ)們首先利用卷積神經網絡提取腦電信号的時域和空域表征，進而設計一(yī)種特殊的卷積核同時學習大(dà)腦頭皮不同區域間和區域内的EEG導聯相關關系。其次，考慮到不同大(dà)腦頭皮區域在情緒識别中(zhōng)可能發揮不同的作用，提出一(yī)種人格引導的區域注意力機制，以進一(yī)步探索區域内和區域間EEG導聯的貢獻。最後，設計一(yī)種基于注意力的長短期記憶網絡（long short-term memory, LSTM）建模EEG信号的時域動态特征。在AMIGOS數據集（一(yī)個用于個人和群體(tǐ)的情感、人格特征和情緒多模态研究的數據集）的實驗結果表明，本研究所提方法可以顯著提升被試獨立策略下(xià)情感識别的性能，并優于現有情感識别方法。

關鍵詞組：腦電圖；情感識别；注意力機制；人格特征

Behavioral control task supervisor with memory based on reinforcement learning for human–multi-robot coordination systems

Jie HUANG, Zhibin MO, Zhenyi ZHANG, Yutao CHEN

DOI: 10.1631/FITEE.2100280 Downloaded: 3429 Clicked: 1994 Cited: 0 Commented: 0(p.1174-1188) <Full Text> <PPT> 278

Chinese summary <28> 面向人–多機器人協同系統的帶記憶強化學習行爲控制任務管理器

黃捷^1,2,3，莫智斌^1,2,3，張祯毅^1,2,3，陳宇韬^1,2,3
¹福州大(dà)學電氣工(gōng)程與自動化學院，中(zhōng)國福州市，350108
²福州大(dà)學5G+工(gōng)業互聯網研究院，中(zhōng)國福州市，350108
³福州大(dà)學工(gōng)業自動化控制技術與信息處理福建省高校重點實驗室，中(zhōng)國福州市，350108
摘要：針對人–多機器人協同系統提出一(yī)種基于行爲控制框架的帶記憶強化學習任務管理器（RLTS）。由于重複的人工(gōng)幹預，現有人–多機器人協同系統決策時間成本高、任務跟蹤誤差大(dà)，限制了多機器人系統的自主性。此外(wài)，基于零空間行爲控制框架的任務管理器依賴手動制定優先級切換規則，難以在多機器人和多任務情況下(xià)實現最優行爲優先級調整策略。提出一(yī)種帶記憶強化學習任務管理器，基于零空間行爲控制框架融合深度Q-網絡和長短時記憶神經網絡知(zhī)識庫，實現任務沖突時最優行爲優先級調整策略以及降低人爲幹預頻(pín)率。當機器人在緊急情況下(xià)置信度不足時，所提帶記憶強化學習任務管理器會記憶人類幹預曆史，在遭遇相同人工(gōng)幹預情況時重新加載曆史控制信号。仿真結果驗證了該方法的有效性。最後，通過一(yī)組受外(wài)界噪聲和幹擾的移動機器人實驗，驗證了所提帶記憶強化學習任務管理器在不确定現實環境中(zhōng)的有效性。

關鍵詞組：人–多機器人協同系統；基于零空間行爲控制；任務管理器；強化學習；知(zhī)識庫

Regular Papers

Focused crawling strategies based on ontologies and simulated annealing methods for rainstorm disaster domain knowledge

Jingfa LIU, Fan LI, Ruoyao DING, Zi’ang LIU

DOI: 10.1631/FITEE.2100360 Downloaded: 2152 Clicked: 1725 Cited: 0 Commented: 0(p.1189-1204) <Full Text> <PPT> 267

Chinese summary <24> 基于本體(tǐ)和模拟退火(huǒ)算法的暴雨災害主題爬蟲策略

劉景發^1,2，李帆³，丁若堯^1,2，劉子昂⁴
¹廣東外(wài)語外(wài)貿大(dà)學廣州市非通用語種智能處理重點實驗室，中(zhōng)國廣州市，510006
²廣東外(wài)語外(wài)貿大(dà)學信息科學與技術學院，中(zhōng)國廣州市，510006
³南(nán)京信息工(gōng)程大(dà)學計算機與軟件學院，中(zhōng)國南(nán)京市，210044
⁴阿爾伯塔大(dà)學理學院，加拿大(dà)埃德蒙頓市，T6G2H6

摘要：目前，主題爬蟲是從海量異構網絡中(zhōng)獲取有效領域知(zhī)識的重要方法。目前大(dà)多數主題爬蟲技術難以獲得高質量爬行結果。主要難點包括主題基準模型的建立、超鏈接主題相關性的評估和爬行策略的設計。本文采用領域本體(tǐ)爲特定主題構建主題基準模型，并提出一(yī)種新的基于局部本體(tǐ)和全局本體(tǐ)的多重篩選策略（MFSLG）。爲提高待訪問超鏈接主題相關性計算精度，提出一(yī)種基于網頁文本和鏈接結構的綜合優先度評估方法（CPEM），同時，采用模拟退火(huǒ)（SA）算法避免主題爬蟲陷入局部最優搜索。本文首次設計融合SA算法、MFSLG策略和CPEM策略實現主題爬蟲，提出兩種新的基于本體(tǐ)和SA主題爬蟲策略（FCOSA），包括基于全局本體(tǐ)的FCOSA策略（FCOSA_G）和基于局部本體(tǐ)和全局本體(tǐ)的FCOSA策略（FCOSA_LG），以從網絡中(zhōng)獲取與暴雨災害主題相關的網頁。實驗結果表明，針對不同性能指标，所提爬蟲策略優于其他主題爬蟲策略。

關鍵詞組：主題爬蟲；本體(tǐ)；優先度評估；模拟退火(huǒ)；暴雨災害

Fast code recommendation via approximate sub-tree matching

Yichao SHAO, Zhiqiu HUANG, Weiwei LI, Yaoshen YU

DOI: 10.1631/FITEE.2100379 Downloaded: 2263 Clicked: 1679 Cited: 0 Commented: 0(p.1205-1216) <Full Text> <PPT> 264

Chinese summary <25> 基于近似子樹(shù)匹配的快速代碼推薦方法

邵宜超^1,2,3，黃志(zhì)球^1,2,3，李偉湋^1,2,3，喻垚慎^1,2,3
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，211100
²工(gōng)業和信息化部安全關鍵軟件重點實驗室，中(zhōng)國南(nán)京市，211100
³軟件新技術與産業化協同創新中(zhōng)心，中(zhōng)國南(nán)京市，210016
摘要：軟件開(kāi)發人員(yuán)通常需編寫與已有代碼具有類似功能的代碼，而幫助開(kāi)發人員(yuán)重用這些代碼片段的代碼推薦工(gōng)具可顯著提高軟件開(kāi)發效率。近年來許多研究者開(kāi)始關注這一(yī)領域，并提出多種代碼推薦方法。一(yī)些研究者使用序列匹配算法得到相關代碼，這些方法往往效率較低，且隻能利用代碼中(zhōng)的文本信息。另一(yī)些研究者從代碼中(zhōng)提取特征并形成特征向量，從而計算代碼間相似性并得到推薦結果。然而特征向量相似往往不代表原始代碼相似，在将抽象語法樹(shù)轉換爲向量的過程中(zhōng)存在結構信息丢失問題。對此，我(wǒ)們提出一(yī)種基于近似子樹(shù)匹配的代碼推薦方法。與現有基于特征向量匹配的方法不同，該方法在匹配過程中(zhōng)保留了查詢代碼的樹(shù)型結構，從而找到與當前查詢在結構上最爲相似的代碼片段。此外(wài)，通過哈希思想将子樹(shù)匹配問題轉化爲樹(shù)與列表間的匹配，使得抽象語法樹(shù)信息可以用于對時間要求較高的代碼推薦任務。爲評估方法的有效性，構建了多個涵蓋不同語言和粒度的代碼數據集。實驗結果表明，該方法在所有數據集上的召回率均優于兩種對比方法—SENSORY和Aroma，且可以應用于大(dà)型數據集。

關鍵詞組：代碼複用；代碼推薦；樹(shù)相似度；結構信息

A modified YOLOv4 detection method for a vision-based underwater garbage cleaning robot

Manjun TIAN, Xiali LI, Shihan KONG, Licheng WU, Junzhi YU

DOI: 10.1631/FITEE.2100473 Downloaded: 1954 Clicked: 1981 Cited: 0 Commented: 0(p.1217-1228) <Full Text> <PPT> 298

Chinese summary <25> 基于改進YOLOv4的水下(xià)垃圾清理機器人視覺檢測算法

田滿軍^1,2，李霞麗²，孔詩涵³，吳立成²，喻俊志(zhì)^3,4
¹公安部第一(yī)研究所，中(zhōng)國北(běi)京市，100048
²中(zhōng)央民族大(dà)學信息工(gōng)程學院，中(zhōng)國北(běi)京市，100081
³北(běi)京大(dà)學工(gōng)學院先進制造與機器人系，中(zhōng)國北(běi)京市，100871
⁴中(zhōng)國科學院自動化研究所複雜(zá)系統管理與控制國家重點實驗室，中(zhōng)國北(běi)京市，100190
摘要：爲解決水環境污染問題，依托基于視覺的水下(xià)垃圾自主清理機器人，提出一(yī)種基于改進YOLOv4的垃圾檢測方法，可實現高速、高精度的目标檢測。具體(tǐ)而言，選擇YOLOv4算法作爲執行目标檢測的基本神經網絡框架。爲進一(yī)步提高檢測精度，将傳統YOLOv4改進爲四尺度檢測算法；爲提高檢測速度，對新模型進行模型剪枝操作。同時，将所提方法應用于水下(xià)機器人，實現了自主垃圾收集作業。檢測速度可達66.67 幀/秒，平均準确率可達95.099%；實驗結果表明，改進後的YOLOv4算法在檢測速度和精度方面均表現優秀。

關鍵詞組：目标檢測；水環境；垃圾清理機器人；改進YOLOv4

Adaptive neural network based boundary control of a flexible marine riser system with output constraints

Chuyang YU, Xuyang LOU, Yifei MA, Qian YE, Jinqi ZHANG

DOI: 10.1631/FITEE.2100586 Downloaded: 2491 Clicked: 1729 Cited: 0 Commented: 0(p.1229-1238) <Full Text> <PPT> 281

Chinese summary <24> 輸出受限的柔性海洋立管自适應神經網絡邊界控制

餘初陽¹，樓旭陽¹，馬藝飛¹，葉倩²，張今旗³
¹江南(nán)大(dà)學輕工(gōng)業先進過程控制教育部重點實驗室，中(zhōng)國無錫市，214122
²無錫職業技術學院物(wù)聯網技術學院，中(zhōng)國無錫市，214121
³無錫佳雲豐物(wù)聯網科技有限公司，中(zhōng)國無錫市，214196
摘要：針對具有未知(zhī)非線性擾動和輸出限制的柔性海洋立管系統，提出一(yī)種基于自适應神經網絡的邊界控制方法抑制振動。首先，通過偏微分(fēn)方程分(fēn)布參數系統描述柔性海洋立管系統的動态特性。爲補償非線性擾動對系統影響，利用徑向基神經網絡構造一(yī)個基于神經網絡的邊界控制器以減少振動。在所提邊界控制器下(xià)，基于李亞普諾夫方法，保證柔性海洋立管系統一(yī)緻有界。該方法爲其他柔性機器人系統的邊界控制提供了一(yī)種集成神經網絡的思路。最後，通過數值仿真驗證所提方法的有效性。

關鍵詞組：海洋立管系統；偏微分(fēn)方程；神經網絡；輸出限制；邊界控制；未知(zhī)擾動

A matrix-based static approach to analysis of finite state machines

He DENG, Yongyi YAN, Zengqiang CHEN

DOI: 10.1631/FITEE.2100561 Downloaded: 1690 Clicked: 1924 Cited: 0 Commented: 0(p.1239-1246) <Full Text> <PPT> 286

Chinese summary <22> 一(yī)種基于矩陣的有限狀态機靜态分(fēn)析方法

鄧鶴¹，闫永義¹，陳增強²
¹河南(nán)科技大(dà)學信息工(gōng)程學院，中(zhōng)國洛陽市，471000
²南(nán)開(kāi)大(dà)學人工(gōng)智能學院，中(zhōng)國天津市，300071
摘要：在有限狀态機研究領域，傳統矩陣法首先構造狀态轉移矩陣，然後利用狀态轉移矩陣的幂來表示系統動态轉移過程。這一(yī)過程是有限狀态機系統分(fēn)析的基石。本文提出一(yī)種基于矩陣的靜态方法。該方法從拓撲結構的視角審視有限狀态機，而非傳統動态轉移過程的視角，因此能夠避免現有方法中(zhōng)存在的"維度爆炸"問題。基于這種靜态方法，本文重新分(fēn)析确定有限狀态機的閉環檢測與可控性問題。此外(wài)，我(wǒ)們提出可控等價型與最小(xiǎo)可控等價型概念，并給出相關算法。

關鍵詞組：邏輯系統；有限值系統；矩陣的半張量積；有限狀态機；矩陣方法

Training time minimization for federated edge learning with optimized gradient quantization and bandwidth allocation

Peixi LIU, Jiamo JIANG, Guangxu ZHU, Lei CHENG, Wei JIANG, Wu LUO, Ying DU, Zhiqin WANG

DOI: 10.1631/FITEE.2100538 Downloaded: 2656 Clicked: 1814 Cited: 0 Commented: 0(p.1247-1263) <Full Text> <PPT> 326

Chinese summary <25> 基于聯邦邊緣學習的梯度量化和帶寬分(fēn)配優化策略

劉沛西^1,3，江甲沫²，朱光旭³，程磊^4,5，蔣偉¹，羅武¹，杜滢²，王志(zhì)勤²
¹北(běi)京大(dà)學電子學院區域光纖通信網與新型光通信系統國家重點實驗室，中(zhōng)國北(běi)京市，100871
²中(zhōng)國信息通信研究院，中(zhōng)國北(běi)京市，100191
³深圳市大(dà)數據研究院，中(zhōng)國深圳市，518172
⁴浙江大(dà)學信息與電子工(gōng)程學院，中(zhōng)國杭州市，310027
⁵浙江省信息處理與通信網絡重點實驗室，中(zhōng)國杭州市，310027
摘要：由于邊緣設備有限算力和邊緣網絡有限的無線資(zī)源，利用聯邦邊緣學習（federated edge learning, FEEL）訓練機器學習模型通常非常耗時。本文研究了量化FEEL系統中(zhōng)訓練時間最小(xiǎo)化問題，其中(zhōng)異構邊緣設備通過正交信道向邊緣服務器發送量化後的梯度。采用随機量化對上傳的梯度進行壓縮，可減少每輪通信的開(kāi)銷，但可能會增加通信輪數。綜合考慮通信時間、計算時間和通信輪數對訓練時間進行建模。基于所提出的訓練時間模型，描述了通信輪數和每輪延遲之間的内在權衡。具體(tǐ)地，分(fēn)析了量化FEEL的收斂性。提出一(yī)種基于數據模型雙驅動的拟合方法以得到精确的最優間隔，并在此基礎上得到通信輪數和總訓練時間的閉式表達式。在總帶寬限制下(xià)，将訓練時間最小(xiǎo)化問題建模爲量化級數和帶寬分(fēn)配的優化問題。本文通過交替求解量化優化子問題（通過連續凸近似方法求解）和帶寬分(fēn)配子問題（通過二分(fēn)查找方法求解）解決這個問題。在不同學習任務和模型下(xià)，仿真結果證明了本文分(fēn)析的有效性和所提優化算法性能接近最優。

關鍵詞組：聯邦邊緣學習；量化優化；帶寬分(fēn)配；訓練時間最小(xiǎo)化

Introducing scalable 1-bit full adders for designing quantum-dot cellular automata arithmetic circuits

Hamideh KHAJEHNASIR-JAHROMI, Pooya TORKZADEH, Massoud DOUSTI

DOI: 10.1631/FITEE.2100287 Downloaded: 2671 Clicked: 4139 Cited: 0 Commented: 0(p.1264-1276) <Full Text> <PPT> 308

Chinese summary <23> 用于設計量子點元胞自動機算術電路的可擴展1位全加器

Hamideh KHAJEHNASIR-JAHROMI,Pooya TORKZADEH,Massoud DOUSTI
伊斯蘭阿紮德大(dà)學科學與研究部電氣與計算機工(gōng)程系，伊朗德黑蘭市，1477893855
摘要：近年來，在納米尺度上使用互補金屬氧化物(wù)半導體(tǐ)（CMOS）技術設計邏輯電路面臨着各種挑戰。漏電流、短效應溝道和高能量耗散是一(yī)些亟待解決的問題。量子點元胞自動機（QCA）代表了未來可能替代CMOS的一(yī)種合适選擇，因爲與标準CMOS相比，它消耗的能量微不足道。設計算術電路關鍵是基于1位全加器的結構。低複雜(zá)度的全加器模塊有利于開(kāi)發各種複雜(zá)結構。本文介紹了基于單元交互的可擴展1位QCA全加器結構。我(wǒ)們提出的全加器包含QCA設計偏好，例如使用的單元數量少、延遲低和占用面積小(xiǎo)。此外(wài)，所提結構已擴展到更大(dà)的電路，包括4位行波進位加法器（RCA）、4位行波借位減法器（RBS）、加/減電路和2位陣列乘法器。所有設計均使用QCA Designer-E 2.2版軟件進行仿真和驗證。該工(gōng)具可以估計能量消耗以及評估電路的性能。仿真結果表明，所提設計在複雜(zá)度、面積、延遲、成本和能量消耗方面都是有效的。

關鍵詞組：量子點元胞自動機（QCA）；全加器；行波進位加法器（RCA）；加/減電路；乘數

Correspondence: Causality fields in nonlinear causal effect analysis

Aiguo WANG, Li LIU, Jiaoyun YANG, Lian LI

DOI: 10.1631/FITEE.2200165 Downloaded: 2023 Clicked: 1555 Cited: 0 Commented: 0(p.1277-1286) <Full Text> <PPT> 260

Chinese summary <23> 非線性因果效應分(fēn)析中(zhōng)的因果域

王愛國¹，劉禮²，楊矯雲³，李廉³
¹佛山科學技術學院電子信息工(gōng)程學院，中(zhōng)國佛山市，528225
²重慶大(dà)學大(dà)數據與軟件學院，中(zhōng)國重慶市，400044
³合肥工(gōng)業大(dà)學計算機與信息學院，中(zhōng)國合肥市，230009
摘要：與線性因果相比，非線性因果具有更複雜(zá)的特點和内涵。本文主要讨論非線性因果中(zhōng)的若幹個問題，并着重強調因果域的概念。本文基于廣泛應用的計算模型和方法，圍繞非線性因果分(fēn)析與計算以及因果域的識别問題提出相應觀點和建議，并通過幾個具體(tǐ)案例揭示非線性因果在處理複雜(zá)因果推斷問題中(zhōng)的重要性和現實意義。

關鍵詞組：非線性因果效應；因果域；z-特異性因果效應；正向因果；負向因果；空因果