近期，我校计算机科学与工程学院教师在著名学术期刊上发表多篇高水平研究论文。
谢从华博士（第一作者）在《Information Sciences》（中国科学院一区论文，IF=8.1）上发表题为“Multi-similarity reconstructing and clustering-based contrastive hashing for cross-modal retrieval”的研究论文。在计算机视觉和检索领域中，图文跨模态哈希存在原始空间和汉明空间模态间和模态内相似性矩阵缺乏足够邻域信息和语义一致性问题，且实例级相似性矩阵无法有效捕捉训练样本的全局内在相关性和复杂结构。为此，论文提出了重构多重相似性矩阵和聚类级对比哈希的跨模态检索方法MSRCCH。通过重构原始空间和汉明空间的图像特征、文本特征和联合语义特征的多重相似性矩阵增强模态间和模态内的语义一致性。构造聚类对比哈希捕捉图像-文本对的全局内在相关性和复杂结构。研究表明，MSRCCH方法有效提高了图文跨模态检索的性能。
论文链接：https://www.sciencedirect.com/science/article/pii/S0020025523011283?via%3Dihub
周立凡博士（第一作者）在《IEEE Transactions on Geoscience and Remote Sensing》（中国科学院一区论文，IF=8.2）上发表题为“A Novel Mathematical Framework for Multibaseline InSAR Phase Unwrapping”的研究论文。多基线（MB）干涉合成孔径雷达（InSAR）是传统InSAR的延伸，旨在提高相位解缠（PU）的准确性，而不受Itoh条件的限制。中国剩余定理（CRT）是大多数MB PU算法的数学基础，用于确定不同MB干涉图之间的关系。然而，CRT只利用干涉相位与地形高度或表面变形之间的关系，即在传统处理链中，地形和变形的相位被视为彼此的测量偏差。换句话说，传统MB InSAR无法直接从包含地形和变形相位的干涉图中获取InSAR产品，而无需外部信息或假设。为解决这一问题，与CRT不同，本文提出了一种新的MB PU数学框架，为联合估计地形和变形速度梯度提供了一个似然函数。基于这一框架，提出了一种新颖的MB PU方法，可同时从干涉图中获取数字高程模型（DEM）和变形信息。研究表明，所提方法对DEM重建和变形监测是有效且高效的。
论文链接：https://ieeexplore.ieee.org/document/10214350
赵海童博士（第一作者）在《IEEE Transactions on EvolutionaryComputation》（中国科学院一区论文，Top期刊，IF= 14.3）上发表题为“A Two-Stage Differential Evolutionary Algorithm for Deep Ensemble Model Generation”的研究论文。深度集成模型是对单体深度模型的扩展，能够有效提高深度学习模型的泛化能力，通过调整深度集成模型包含的各单体模型的超参数能够令各模型提取不同尺度特征，从而提高深度集成模型的准确性。然而，深度集成模型在平衡各单体模型的准确性和超参数多样性时面临较大挑战，难以在二者间达成优质的平衡。本研究提出了一种两阶段差分进化算法。研究将问题的第一阶段建模为多目标单体神经网络超参数搜索问题，设计了神经网络多样性目标函数和准确率目标函数，由多目标差分进化算法求解得到一组超参数互异的候选神经网络。第二阶段利用差分进化算法求解神经网络选择和权重计算问题，从第一阶段产生的神经网络中选择代表性模型并赋予不同权重，从而通过加权投票法构建深度集成模型。研究表明，所提方法能够在保证模型训练效率和控制模型规模的前提下，得到准确度有竞争力的深度集成模型。
论文链接：https://ieeexplore.ieee.org/document/9997107
王晓喃博士（第一作者，通讯作者）在《IEEE Wireless Communications》（中国科学院一区论文，IF=12.9）、《IEEE Transactions on Intelligent Transportation Systems》（中国科学院一区论文，IF=8.5）上发表题为“Towards Information-Centric Vehicular Cloud: Technologies, Challenges, and Opportunities” “Social Attributes based Content Delivery for Sparse Vehicular Content-centric Network”系列车联网研究论文。针对日益复杂的路况信息引起的通信低效问题，提出了信息车载云（Information-Centric Vehicular Cloud）概念，并讨论了信息车载云通信面临的挑战以及可能的解决方法；定义了车辆的社会属性，并利用内置缓存技术实现数据传输，从而有效提高车联网中数据传输成功率。
