目录与摘要|软件工程与应用 2024年8月13卷4期

01

摘要

联邦学习在AI图像处理领域的设计与应用

作者：杨丁宇, 陈 萌, 周俊豪, 朱浩宇：宁波工程学院网络空间安全学院，浙江 宁波

摘要：在过去十年中，数据量、算法和高性能计算的巨大进步已将人工智能(AI)推向了高效用前沿。尤其是在医学影像和数字病理领域，AI的辅助诊疗系统成为了学术与医疗界共同关注的焦点。然而，随着对隐私保护问题的日益重视、政策法规的完善，数据共享成为亟待解决的问题。联邦学习作为一种“数据不动模型动”的范式，为数据的隐私保护与共享提供了一种新思路。本文提出一种联邦学习框架，在确保医疗影像数据本地化及安全性的同时，充分利用多中心肺炎影像数据集，训练高精度的人工智能模型，辅助肺炎影像诊断。通过本地化模型训练和参数服务器的梯度聚合，在不违反数据隐私的前提下，实现了模型的优化与更新。本研究的成果不仅提高了肺炎诊断的准确性和效率，而且扩大了系统的样本量和数据维度，为医疗大数据应用中高精度模型的构建提供了有力支撑，进而有助于提供更丰富和高质量的医疗服务，为社会公共医疗事业的发展贡献重要价值。

关键词：人工智能；医疗影像；联邦学习；图像处理；隐私保护；肺炎影像

（长按二维码阅读全文）

基于邻域中心性和重力模型的关键节点识别算法

作者: 白乙涵, 李子臣：北京印刷学院，信息工程学院，北京；孙德志：北京城市学院，信息学部，北京；周 峰：山东商业职业技术学院，信创与网络安全产业学院，山东 济南

摘要: 识别复杂网络中的关键节点对促进信息传播、阻断谣言传播、管理交通运输和预防电网灾难性破坏等都具有很强的理论意义和应用价值。在对现有关键节点识别算法的研究分析基础上，受K-shell分解方法和重力模型的启发，本文提出了一种基于邻域中心性和重力模型的改进算法NCGM。NCGM算法不仅考虑了节点与处于核心位置节点之间的连接程度，还考虑了节点与其他节点之间的最短路径长度。为了评估所提出的NCGM算法，本文在7个常用数据集上使用易感–感染–恢复(SIR)传播动力学模型进行了实验仿真，将所提出的NCGM算法和5个对比算法的传播范围和肯德尔相关系数进行了比较分析。实验结果表明，所提出的NCGM算法能够更准确地识别不同类型网络中的关键节点。

关键词: 复杂网络；关键节点；最短路径距离；邻域中心性；重力模型

（长按二维码阅读全文）

基于启发式算法和遗传算法的三维装箱问题混合算法研究

作者: 刘城霞, 王 萌, 徐 倩：北京信息科技大学计算机学院，北京

摘要: 在三维装箱问题中，启发式算法和遗传算法都能够较好地解决问题。本文在可放置点生成的启发式算法和遗传算法的基础上，将二者结合生成了新的混合算法来研究三维装箱问题，并通过真实应用场景数据对新的混合算法进行测试，混合算法的装载率和原传统算法相比稳中有增，尤其是针对货物规格种类较多的情况下，混合算法的优势更为明显。

关键词: 可放置点；启发式算法；遗传算法；混合算法；装载率

（长按二维码阅读全文）

基于STM32的智能送药小车系统的设计与实现

作者: 杨汶翰, 张鑫睿：重庆邮电大学传媒艺术学院，重庆

摘要: 针对医疗机构中药品配送效率低下和人工送药存在的差错问题，本文提出了一种基于STM32F103C8T6单片机的智能送药小车系统。该系统采用L298N电机驱动模块、语音模块和红外模块，通过语音控制小车实现药品配送任务。用户只需发出语音指令，如“小药小药，进入一号房间”，小车便会自动前往指定房间并返回。在行驶过程中，红外模块实时监测障碍物并进行避障操作，确保小车的安全行驶。系统通过STM32单片机对语音指令进行解析，结合路径规划和实时避障功能，有效解决了传统人工送药效率低、易出错的问题，提升了医疗机构的药品配送效率和准确性，适用于医院和护理院等多房间场景。该系统设计合理，操作简便，具备智能化和高效化的特点，极大地改善了药品配送服务的质量。

关键词: STM32F103C8T6；循迹；送药；避障

（长按二维码阅读全文）

基于SDU-Net网络的视网膜血管分割

作者: 刘伯成, 何利文：南京邮电大学物联网学院，江苏 南京

摘要: 当前的分割算法在处理眼底图像时存在的主要问题是特征细节的丢失。由于眼底图像中的血管形态学结构复杂多变，且受到伪影、噪声和病灶等多种因素的干扰，给分割过程带来了极大的困难。本文提出基于注意力机制以及双路上采样的眼底血管分割算法(Self-Attention Dual Path Upsampling U-Net, SDU-Net)，该算法引入两个模块，旨在提升视网膜血管分割的效率和准确率。注意力模块(Self-Attention, SEM)，能够充分捕捉图像的上下文信息，减少信息损失，提高图像特征提取的准确性。同时，采用双路上采样(Dual Path Upsampling, DPUS)模块提高图像分辨率，对空间和信道信息进行补偿。在DRIVE/CHASE_DB1数据集上的实验表明，SDU-Net在灵敏度、特异性、AUC和F1-score指标方面优于其他方法。与原始U-Net相比，在DRIVE数据集上的实验中，Se提高了3.99%，Sp提高了0.3%，AUC提高了2.03%，F1提高了3.61%。在CHASE_DB1数据集上的实验中，Se提高了4.00%，Sp提高了1.06%，AUC提高了2.03%，F1提高了3.61%。这些结果表明，SDU-Net在视网膜血管分割任务中具有显著的优势。

关键词: U-Net；医学图像分割；DPUS；视网膜

（长按二维码阅读全文）

基于鞭打试验的安全座椅神经网络优化设计

作者: 方建军：浙江格普光能科技有限公司，浙江 金华；徐 佳：浙江领盛科技有限公司，浙江 金华；王 起：金华集群科技有限公司，浙江 金华；周建行：金华市凌意贸易有限公司，浙江 金华；顾怡红：衢州职业技术学院机电工程学院，浙江 衢州

摘要: 在新版C-NCAP管理规则中，增加了颈部保护测试(鞭打测试)。汽车座椅的安全设计对乘员的安全至关重要，因此后碰撞已成为汽车被动安全的重要组成部分。本文提出了一种神经网络与遗传算法相结合的安全座椅整体优化设计方法，以防止颈部扭伤。该方法优化后的座椅在头部加速度、颈部剪切力、颈部损伤指标等方面均有改善，避免了传统安全座椅优化方法求解离散点的缺陷。与正交试验优化结果相比，NIC降低了9.0%，Nkm降低了12.5%。

关键词: 防挥鞭伤；参数优化；安全设计；仿真实验；神经网络

（长按二维码阅读全文）

基于GGSAGCformer的多区域短期电荷负载预测

作者: 贾艳红, 何利文：南京邮电大学物联网学院，江苏 南京

摘要: 为确保电力系统的安全与稳定，需对未来一天内各时段的电力需求进行精准预测。然而，随着可再生能源的增加，电荷预测变得更加复杂和不可预测。因此，本文介绍了一个基于GCformer构建的新模型GGSAGCformer，通过图卷积神经网络和门控循环单元提取数据中的空间和时序特征，再引入多头注意力机制(Multi-head Attention Mechanism Layer)。在此层中加入了地理相似空间自注意力模块(Geographically Similar Spatial Self-Attention, GSSA)和气候自注意力模块(Climate Self-Attention, CSA)，旨在深入探索数据中的潜在关联，输出层使用GCformer来处理预测结果，以提升预测的准确性。实验结果显示，本文模型在输出步长为192的情况下，与传统模型GCformer、Informer和Reformer相比，MSE分别降低了15.3%、25%和29.3%。

关键词: 时间序列预测；多头自注意力机制；多区域电荷短期预测；GCformer

（长按二维码阅读全文）

融合时间特征的联邦矩阵分解推荐算法

作者: 贾毅恒, 何利文：南京邮电大学物联网学院，江苏 南京

摘要: 目前矩阵分解推荐系统在集中环境下存在隐私泄露的风险，且更多的数据拥有者不愿提供自身的数据，应用于分布式环境下的联邦矩阵分解推荐系统应用而生。传统的联邦矩阵分解模型在数据稀疏的情况下推荐准确率低，没有考虑用户的兴趣随时间变化的动态性。本文针对以上问题，引入联邦矩阵分解模型与时间隐语义模型相结合，提出一种融合时间特征的联邦矩阵分解推荐算法TF-FedMF (Federated Matrix Factorization Recommendation Algorithm with Temporal Feature Integration)。该算法在联邦矩阵分解框架中加入时间特征，用于捕捉用户行为随时间变化的趋势，提高了推荐系统的时效性和准确性；同时，结合同态加密对上传的梯度信息进行加密，增强算法的安全性。通过MovieLens数据集进行实验对比，实验结果表明，所提出的算法较其它算法在兼顾用户隐私安全性的同时，具有较高的推荐准确性。

关键词: 矩阵分解；联邦学习；同态加密；时间特征；隐语义模型

（长按二维码阅读全文）