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

2023 Vol.24 No.9 P.1239-1374

Cover:

<87>

Contents:

<66>

<<< CONTENTS >>>

Special Feature on Intelligent Dynamics Optimization Methods and Their Applications (Guest Editors: Jun WANG, Yang LIU, Jianquan LU, Yang TANG, Luigi GLIELMO, Andrzej CICHOCKI, Yunpeng PAN)

Matrix-valued distributed stochastic optimization with constraints

Zicong XIA, Yang LIU, Wenlian LU, Weihua GUI

DOI: 10.1631/FITEE.2200381 Downloaded: 809 Clicked: 1008 Cited: 0 Commented: 0(p.1239-1252) <Full Text> <PPT> 180

Chinese summary <5> 帶約束的矩陣值分(fēn)布式随機優化

夏子聰^1,2，劉洋^1,2，盧文聯³，桂衛華⁴
¹浙江師範大(dà)學浙江省智能教育技術與應用重點實驗室，中(zhōng)國金華市，321004
²浙江師範大(dà)學數學科學學院，中(zhōng)國金華市，321004
³複旦大(dà)學數學科學學院，中(zhōng)國上海市，200433
⁴中(zhōng)南(nán)大(dà)學自動化學院，中(zhōng)國長沙市，410083
摘要：本文研究帶有不等式約束和等式約束的矩陣值分(fēn)布随機優化問題。其中(zhōng)，問題的目标函數是具有随機變量的多個矩陣值函數的和，并以分(fēn)布式方式解決了該問題。本文推導了處理約束的懲罰方法，并提出選擇可行懲罰函數和懲罰增益的原則。針對随機優化問題，提出一(yī)種基于gossip模型的分(fēn)布式優化算法，并對其收斂性進行證明和分(fēn)析。最後，爲驗證所提算法的可行性，本文提供了兩個數值示例。

關鍵詞組：分(fēn)布式優化；矩陣值優化；随機優化；罰函數法；Gossip模型

Distributed optimization based on improved push-sum framework for optimization problem with multiple local constraints and its application in smart grid

Qian XU, Chutian YU, Xiang YUAN, Mengli WEI, Hongzhe LIU

DOI: 10.1631/FITEE.2200596 Downloaded: 443 Clicked: 849 Cited: 0 Commented: 0(p.1253-1260) <Full Text>

Chinese summary <6> 帶多局部約束的改進push-sum框架分(fēn)布式優化及其在智能電網中(zhōng)的應用

徐謙¹，俞楚天¹，袁翔¹，韋夢立²，劉洪喆²
¹國網浙江省電力有限公司經濟技術研究院，中(zhōng)國浙江省杭州市，310008
²北(běi)京隐山科技有限公司，中(zhōng)國北(běi)京市，100871
摘要：本文研究了帶N個非一(yī)緻閉凸集約束的分(fēn)布式優化問題，目的是在固定的不平衡圖上設計一(yī)個相應的分(fēn)布式優化算法解決該問題。爲此，在改進的push-sum框架下(xià)，本文設計了新的分(fēn)布式優化算法，并在強連通圖的假設下(xià)給出了其嚴格的收斂分(fēn)析。最後，仿真結果證明了所提算法的良好性能。

關鍵詞組：分(fēn)布式優化；非一(yī)緻約束；改進push-sum框架

A home energy management approach using decoupling value and policy in reinforcement learning

Luolin XIONG, Yang TANG, Chensheng LIU, Shuai MAO, Ke MENG, Zhaoyang DONG, Feng QIAN

DOI: 10.1631/FITEE.2200667 Downloaded: 461 Clicked: 704 Cited: 0 Commented: 0(p.1261-1272) <Full Text> <PPT> 169

Chinese summary <7> 基于解耦價值和策略強化學習的家庭能源管理方法

熊珞琳¹，唐漾¹，劉臣勝¹，毛帥²，孟科³，董朝陽⁴，錢鋒¹
¹華東理工(gōng)大(dà)學能源化工(gōng)過程智能制造教育部重點實驗室，中(zhōng)國上海市，200237
²南(nán)通大(dà)學電氣工(gōng)程學院，中(zhōng)國南(nán)通市，226019
³新南(nán)威爾士大(dà)學電氣工(gōng)程與通信學院，澳大(dà)利亞新南(nán)威爾士州，2052
⁴南(nán)洋理工(gōng)大(dà)學電氣與電子工(gōng)程學院，新加坡南(nán)洋大(dà)道50号，639798
摘要：由于電動汽車(chē)的普及性和家用電器的靈活性，在動态電價下(xià)對家庭能源系統進行能源調度優化電力成本和保障居民舒适度是可行的。本文提出一(yī)種基于數據驅動的深度強化學習家庭能源管理方法。首先，爲揭示影響電動汽車(chē)充電行爲的多種不确定因素，引入一(yī)種結合駕駛員(yuán)經驗、突發事件和交通狀況的改進數學模型描述電動汽車(chē)在家庭能源系統中(zhōng)的動态能量需求。其次，提出一(yī)種解耦優勢演員(yuán)-評論家(DA2C)算法，通過緩解策略和價值共享網絡導緻的過拟合問題提升能源優化性能。此外(wài)，策略函數和價值函數的解耦網絡确保了所提方法在不可見場景中(zhōng)的泛化性。最後，将所提方法與現有方法進行綜合實驗比較。結果表明，該方法能在不同場景下(xià)優化用電成本并兼顧居住舒适度。

關鍵詞組：家庭能源系統；電動汽車(chē)；強化學習；泛化性

Regular Papers

Exploring nonlinear spatiotemporal effects for personalized next point-of-interest recommendation

Xi SUN, Zhimin LV

DOI: 10.1631/FITEE.2200304 Downloaded: 483 Clicked: 774 Cited: 0 Commented: 0(p.1273-1286) <Full Text> <PPT> 115

Chinese summary <6> 一(yī)種基于非線性時空效應的個性化下(xià)一(yī)個興趣點推薦方法

孫曦，呂志(zhì)民
北(běi)京科技大(dà)學鋼鐵共性技術協同創新中(zhōng)心，中(zhōng)國北(běi)京市，100083
摘要：下(xià)一(yī)個興趣點（POI）推薦是基于位置的社交網絡（LBSN）的一(yī)項重要任務，其目标是使用曆史簽到數據在特定情境下(xià)爲用戶推薦下(xià)一(yī)個興趣點。現有研究将用戶時空信息線性離(lí)散化，然後使用基于循環神經網絡（RNN）的方法進行建模。但是這些研究忽略了時空信息對用戶偏好的非線性影響以及用戶軌迹和候選興趣點之間的時空相關性。爲解決這些問題，本文提出一(yī)種時空軌迹（STT）模型。該模型使用具有注意力機制的長短期記憶網絡（LSTM）作爲基本框架，并将時空信息以編碼形式引入模型。在編碼信息過程中(zhōng)，使用指數型衰減因子刻畫用戶興趣随時間和距離(lí)的非線性漂移特性。此外(wài)，本文在目标召回過程中(zhōng)設計一(yī)個時空匹配模塊，該模塊通過測量用戶曆史軌迹與候選集之間的相關性來爲用戶篩選最有可能的下(xià)一(yī)個興趣點。本文使用4個真實數據集評估STT模型性能。實驗結果表明，本文所提方法的推薦效果比主流的推薦模型有顯著提升。

關鍵詞組：興趣點推薦；時空效應；長短期記憶網絡；注意力機制

LDformer: a parallel neural network model for long-term power forecasting

Ran TIAN, Xinmei LI, Zhongyu MA, Yanxing LIU, Jingxia WANG, Chu WANG

DOI: 10.1631/FITEE.2200540 Downloaded: 576 Clicked: 959 Cited: 0 Commented: 0(p.1287-1301) <Full Text> <PPT> 132

Chinese summary <5> LDformer：面向長期電力預測的并行神經網絡模型

田冉，李新梅，馬忠彧，劉顔星，王晶霞，王楚
西北(běi)師範大(dà)學計算機科學與工(gōng)程學院，中(zhōng)國蘭州市，730070
摘要：準确的長期電力預測對電網決策運行和用戶用電管理非常重要，可保證電力系統的可靠供電和電網經濟的可靠運行。然而，大(dà)多數時間序列預測模型在數據量大(dà)、預測精度高的長時間序列預測任務中(zhōng)表現不佳。爲了應對這一(yī)挑戰，提出名爲LDformer的并行時間序列預測模型。首先，将Informer與長短期記憶網絡相結合，以獲得時間序列的深度表達能力。其次，提出并行編碼器模塊提高模型魯棒性，并将卷積層與注意力機制相結合，以避免注意力機制中(zhōng)的值冗餘。最後，提出結合UniDrop的概率稀疏注意力機制，以減少計算開(kāi)銷并減輕序列中(zhōng)一(yī)些關鍵連接丢失的風險。在5個真實數據集上的實驗結果顯示，在不同的長時間序列預測任務中(zhōng)，LDformer大(dà)部分(fēn)結果都優于最先進的基線結果。

關鍵詞組：長期電力預測；長短期記憶網絡；UniDrop；自注意力機制

Mixture test strategy optimization for analog systems

Wenjuan MEI, Zhen LIU, Ouhang LI, Yuanzhang SU, Yusong MEI, Yongji LONG

DOI: 10.1631/FITEE.2200512 Downloaded: 468 Clicked: 736 Cited: 0 Commented: 0(p.1302-1315) <Full Text> <PPT> 125

Chinese summary <7> 模拟系統的混合測試優化方法

梅文娟¹，劉震¹，李歐行³，蘇元章^1,2，梅渝松¹，龍泳吉⁴
¹電子科技大(dà)學自動化學院，中(zhōng)國成都市，611731
²電子科技大(dà)學外(wài)國語學院，中(zhōng)國成都市，611731
³電子科技大(dà)學格拉斯哥學院，中(zhōng)國成都市，611731
⁴電子科技大(dà)學集成電路科學與工(gōng)程學院（示範性微電子學院），中(zhōng)國成都市，611731
摘要：由于模拟系統在現代電子設備中(zhōng)起着至關重要作用，模拟系統測試優化已引起學術界和工(gōng)業界廣泛關注。盡管現有方法能實現測試策略的自動生(shēng)成，但是由于複雜(zá)結構和多變的運行環境的影響，模拟系統難以有效生(shēng)成診斷策略。因此，受到系統拓撲結構和冗餘信息的影響，生(shēng)成的測試策略在實際應用中(zhōng)缺乏可行性。此外(wài)，現有方法假設相互獨立的測試項需要串行執行，增加了測試時間消耗。爲解決上述問題，本文提出用于生(shēng)成混合測試策略的啓發式規劃方法。實驗證明，相較現有方法生(shēng)成的策略，啓發式規劃方法和卷展啓發式規劃方法生(shēng)成的策略具有更少層數和更低測試代價。通過對混合"或"節點的自适應優化和測試代價更新，該方法能提供更可行的優化方案并降低測試産生(shēng)的代價。因此，本文提出的方法具有更高的優化效率。

關鍵詞組：故障診斷；啓發式搜索；動态規劃；測試優化

A distributed EEMDN-SABiGRU model on Spark for passenger hotspot prediction

Dawen XIA, Jian GENG, Ruixi HUANG, Bingqi SHEN, Yang HU, Yantao LI, Huaqing LI

DOI: 10.1631/FITEE.2200621 Downloaded: 444 Clicked: 1117 Cited: 0 Commented: 0(p.1316-1331) <Full Text> <PPT> 148

Chinese summary <7> 基于Spark面向分(fēn)布式EEMDN-SABiGRU模型的乘客熱點預測

夏大(dà)文¹，耿建¹，黃瑞曦¹，申冰琪¹，胡楊²，李豔濤³，李華青⁴
¹貴州民族大(dà)學數據科學與信息工(gōng)程學院，中(zhōng)國貴陽市，550025
²貴州交通技師學院汽車(chē)工(gōng)程系，中(zhōng)國貴陽市，550008
³重慶大(dà)學計算機科學學院，中(zhōng)國重慶市，400044
⁴西南(nán)大(dà)學電子與信息工(gōng)程學院，中(zhōng)國重慶市，400715
摘要：針對出租車(chē)與乘客之間的供需不平衡問題，本文提出一(yī)種基于Spark的分(fēn)布式歸一(yī)化集合經驗模态分(fēn)解和面向空間注意力機制的雙向門控循環單元（EEMDN-SABiGRU）模型，實現乘客熱點的精準預測，旨在于降低盲目巡航開(kāi)支、提高載客效率和實現收益最大(dà)化。首先，提出一(yī)種歸一(yī)化的集合經驗模态分(fēn)解方法（EEMDN），處理網格中(zhōng)乘客熱點數據，解決非平穩序列問題和數值差異過大(dà)造成的預測精度下(xià)降問題，避免EMD本征模态函數（IMF）存在的模态混疊現象。其次，構建一(yī)種基于乘客上下(xià)車(chē)熱點的權重和乘客的空間規律性的空間注意力機制，捕捉每個網格中(zhōng)的乘客熱點特征。再次，融合一(yī)種雙向門控循環單元（GRU）算法，解決GRU僅能獲取前向信息而忽略後向信息問題，提高特征提取的準确性。最後，在Spark并行計算框架下(xià)，采用真實的出租車(chē)GPS軌迹數據，基于EEMDN-SABiGRU模型實現了乘客熱點的準确預測。實驗結果表明，在00網格4個數據集上，與LSTM、EMDL-STM、EEMD-LSTM、GRU、EMD-GRU、EEMD-GRU、EMDN-GRU、CNN和BP相比，EEMDN-SABiGRU的平均絕對百分(fēn)比誤差、平均絕對誤差、均方根誤差和最大(dà)誤差值分(fēn)别降低了43.18%、44.91%、55.04%和39.33%。

關鍵詞組：乘客熱點預測；集合經驗模态分(fēn)解（EEMD）；空間注意力機制；雙向門控循環單元（BiGRU）；GPS軌迹；Spark

Interactive medical image segmentation with self-adaptive confidence calibration

Chuyun SHEN, Wenhao LI, Qisen XU, Bin HU, Bo JIN, Haibin CAI, Fengping ZHU, Yuxin LI, Xiangfeng WANG

DOI: 10.1631/FITEE.2200299 Downloaded: 446 Clicked: 688 Cited: 0 Commented: 0(p.1332-1348) <Full Text> <PPT> 121

Chinese summary <7> 基于自适應置信度校準的交互式醫療圖像分(fēn)割框架

沈楚雲¹，李文浩¹，徐琪森(sēn)¹，胡斌²，金博¹，蔡海濱³，朱鳳平²，李郁欣²，王祥豐¹
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)學附屬華山醫院，中(zhōng)國上海市，200040
³華東師範大(dà)學軟件工(gōng)程學院，中(zhōng)國上海市，200062
摘要：基于人機交互的醫療圖像分(fēn)割方法是一(yī)種新的範式，其通過引入專家交互信息來指導算法完成圖像分(fēn)割任務。然而，現有醫療圖像分(fēn)割模型往往容易産生(shēng)"交互誤解"，即無法合理權衡短期和長期交互信息的重要性。爲更好地利用不同時間尺度上的交互信息，本文提出一(yī)種基于自适應置信度校準的交互式醫療圖像分(fēn)割框架MECCA，其結合了基于分(fēn)割決策的置信度學習技術和多智能體(tǐ)強化學習技術，并通過預測分(fēn)割決策與短期交互信息的對齊水平來學習一(yī)個新穎的置信度網絡。随後，提出一(yī)種基于置信度的獎勵塑造機制，在策略梯度計算中(zhōng)引入置信度，從而直接糾正模型産生(shēng)的交互誤解。MECCA還通過标簽生(shēng)成和交互指導來降低交互強度和難度，從而實現用戶友好交互。實驗結果表明，MECCA在不同分(fēn)割任務中(zhōng)可以顯著提高短期和長期交互信息的利用效率，且僅需較少的标注樣本。演示視頻(pín)可通過https://bit.ly/mecca-demo-video訪問。

關鍵詞組：醫療圖像分(fēn)割；交互式分(fēn)割；多智能體(tǐ)強化學習；置信度學習；半監督學習

Impact of distance between two hubs on the network coherence of tree networks

Daquan LI, Weigang SUN, Hongxiang HU

DOI: 10.1631/FITEE.2200400 Downloaded: 370 Clicked: 700 Cited: 0 Commented: 0(p.1349-1356) <Full Text> <PPT> 112

Chinese summary <7> 中(zhōng)心節點距離(lí)對樹(shù)狀網絡一(yī)緻性的影響

李達權，孫偉剛，胡鴻翔
杭州電子科技大(dà)學理學院，中(zhōng)國杭州市，310018
摘要：本文研究了兩個中(zhōng)心節點之間的距離(lí)對網絡一(yī)緻性的影響。網絡一(yī)緻性由拉普拉斯特征值所量化，可用來衡量線性系統對外(wài)部噪聲的一(yī)緻性程度。爲獲得網絡一(yī)緻性關于距離(lí)的精确表達式，選取一(yī)類由網絡參數控制的具有兩個中(zhōng)心節點的樹(shù)狀網絡。利用其規則的拓撲結構，得到一(yī)緻性關于網絡參數和網絡規模的解析表達式。證明兩個中(zhōng)心節點距離(lí)越短，度的差異性越大(dà)，網絡一(yī)緻性越好。在相同網絡規模和距離(lí)下(xià)，最大(dà)的中(zhōng)心節點度差異會導緻最優的一(yī)緻性。最後，建立了網絡一(yī)緻性與平均路徑長度之間的聯系，發現它們呈線性關系。

關鍵詞組：一(yī)緻性；距離(lí)；平均路徑長度

Pattern reconfigurable antenna array for 5.8 GHz WBAN applications

Lingsheng YANG, Bin WANG, Yajie LI

DOI: 10.1631/FITEE.2200542 Downloaded: 146 Clicked: 395 Cited: 0 Commented: 0(p.1357-1365) <Full Text> <PPT> 111

Chinese summary <7> 用于5.8 GHz WBAN應用的方向圖可重構天線陣列

楊淩升¹，王斌¹，李雅潔²
¹南(nán)京信息工(gōng)程大(dà)學電子與信息工(gōng)程學院，中(zhōng)國南(nán)京市，210044
²東南(nán)大(dà)學附屬中(zhōng)大(dà)醫院，中(zhōng)國南(nán)京市，210009
摘要：本文提出一(yī)種适用于5.8 GHz WBAN應用的方向圖可重構天線陣列。天線陣列由輻射組件和控制網絡組件組成。輻射組件包括4個平面F型天線，它們位于上層的4個角上，彼此逆時針旋轉90°。控制網絡組件位于底層，包括一(yī)個4端口可控網絡。通過控制集成在可控網絡中(zhōng)的PIN二極管，可以獲得與人體(tǐ)表面相切的全向輻射圖和與人體(tǐ)表面垂直的定向輻射圖。我(wǒ)們測量了陣列安裝在人體(tǐ)或前臂假體(tǐ)上時的阻抗帶寬、輻射模式和增益，實驗結果與仿真結果一(yī)緻。同時仿真了兩種輻射模式下(xià)的電磁波吸收比值（SAR）和波束切換能力，以确保該陣列的實用性。

關鍵詞組：無線體(tǐ)域網；方向圖可重構；PIN二極管；控制網絡；比吸收率

Compact millimeter-wave air-filled substrate-integrated waveguide crossover employing homogeneous cylindrical lens

Chun GENG, Jiwei LIAN, Dazhi DING

DOI: 10.1631/FITEE.2200454 Downloaded: 372 Clicked: 787 Cited: 0 Commented: 0(p.1366-1374) <Full Text> <PPT> 125

Chinese summary <6> 基于均勻柱面透鏡的緊湊型毫米波空氣填充基片集成波導交叉電橋

耿淳^1,3，連繼偉^2,3，丁大(dà)志(zhì)²
¹南(nán)京理工(gōng)大(dà)學錢學森(sēn)學院，中(zhōng)國南(nán)京市，210094
²南(nán)京理工(gōng)大(dà)學微電子學院（集成電路學院），中(zhōng)國南(nán)京市，210094
³東南(nán)大(dà)學毫米波國家重點實驗室，中(zhōng)國南(nán)京市，210096
摘要：提出一(yī)種利用嵌入式均勻柱面透鏡設計交叉電橋的新方法。與傳統交叉電橋設計相比，該方法在空氣填充的基片集成波導交叉腔内引入一(yī)個均勻柱面透鏡，将入射波導向指定方向。根據射線追蹤法，引入的均勻柱面透鏡可以在不提高加工(gōng)複雜(zá)度和面積的前提下(xià)，有效束縛從輸入端傳輸到輸出端的電磁波。詳細闡述了該方法的工(gōng)作機理，并通過電場分(fēn)布進一(yī)步予以驗證。利用空氣填充基片集成波導技術，研制了工(gōng)作在毫米波頻(pín)段的二、三、四通道交叉電橋，驗證了所提方法的可行性。同時引入過渡結構，便于實驗測量。研究發現二、三、四通道空氣填充基片集成波導交叉電橋仿真帶寬分(fēn)别爲33%、14%和10%，其核心尺寸分(fēn)别爲0.74λ×0.74λ、1.43λ×1.43λ和1.90λ×1.90λ。最後，爲進一(yī)步闡述本文方法的優勢，将其與公開(kāi)文獻中(zhōng)的類似方法進行了比較。