首页期刊导航|吉林大学学报（信息科学版）
期刊信息/Journal information
吉林大学学报（信息科学版）
吉林大学
吉林大学学报（信息科学版）

吉林大学

刘大有

双月刊

1671-5896

nhxb@jlu.edu.cn

0431-85152552;85152551

130012

长春市南湖大路5372号

吉林大学学报（信息科学版）/Journal Journal of Jilin University(Information Science Edition)CSTPCD
查看更多>>本刊主要刊登信息与通信工程、控制科学与工程，计算机科学与工程、仪器科学与工程，电子科学与技术、管理科学与工程，电器工程等方面的学术论文及研究报告。本刊既反映基础理论研究又反映应用技术研究，并注意报道技术开发工作的最新成果，在理论与实践相结合，促进科技成果转化方面具有自己的特色。
正式出版
收录年代

    基于人体关键点的滑雪动作评分方法研究

    梅健孙珈玥邹青宇
    866-873页
    查看更多>>摘要：针对使用传统方法识别评估滑雪运动员的训练动作存在人为主观、准确率低等问题，提出了一种基于改进OpenPose 和 YOLOv5(You Only Look Once version 5)的动作分析算法。利用 CSP-Darknet53(Cross Stage Paritial-Network 53)作为OpenPose外部网络将输入图片降维处理并提取特征图。融合优化YOLOv5算法，提取人体骨骼关键点构成人体骨架与标准动作进行对比，根据角度信息评分，并在模型中加入损失函数，量化实际检测动作与标准动作的误差。该模型可对运动员动作即时监控，能完成初步的动作评估。实验结果表明，检测识别准确率达到95％，可满足日常滑雪训练需求。

    OpenPose算法YOLOv5算法深度学习滑雪动作分析损失函数

      原文链接:
    • 万方数据
    • 维普

    OCC系统目标LED阵列解码算法研究

    孙铁刚蔡雯李志军
    874-880页
    查看更多>>摘要：针对强日光环境下OCC(Optical Camera Communication)系统接收端解码困难的问题，提出了基于分段式线性灰度变换的Gradient-Harris解码算法。首先搭建一套OCC实验系统，接收端相机采集原始图像，利用标准相关系数匹配方法提取目标LED阵列区域。其次通过分段式线性灰度变换对目标LED阵列区域进行图像增强，利用Gradient-Harris解码算法进行目标LED阵列的形状提取和状态识别。实验结果表明，应用基于分段式线性灰度变换的Gradient-Harris解码算法，强日光环境下OCC实验系统的平均解码速率为128。08 bit/s，平均误码率为4。38 ×10-4，最大通信距离为55 m。

    可见光相机通信目标LED阵列图像增强Gradient-Harris解码算法

      原文链接:
    • 万方数据
    • 维普

    基于对比学习的医学图像分类改进方法

    刘世峰王欣
    881-888页
    查看更多>>摘要：针对医学图像进行标记需要相关专业知识，导致很难获取大规模的医学图像分类标记，使基于深度学习的医学图像分类发展受到限制的问题，笔者将自监督对比学习应用于医学图像分类任务，利用对比学习方法进行医学图像分类的预训练，在预训练阶段从无标记的医学图像中学习特征，为后续的医学图像分类提供先验知识。实验表明，笔者提出的基于自监督对比学习的医学图像分类改进方法，有效提高了ResNet的分类性能。

    医学图像图像分类自监督学习深度学习

      原文链接:
    • 万方数据
    • 维普

    基于多维特征的通信网络异常数据识别算法

    姜宁
    889-893页
    查看更多>>摘要：为解决现有方法存在的异常数据识别精度较低的问题，提出一种基于多维特征的通信网络异常数据识别算法。调整粒子群优化算法中粒子的当前速度和位置，获取通信网络多维数据样本;通过数据挖掘中的聚类分析法提取数据特征，确定密度指标，获取数据多维特征;将提取的多维特征引入深度信念网络中进行识别，根据特征频谱幅值变化，实现对通信网络数据异常识别。实验结果表明，该算法能有效识别通信网络异常数据特征，具有较高的识别准确性。

    多维特征数据识别粒子群优化算法聚类分析深度信念网络

      原文链接:
    • 万方数据
    • 维普

    基于改进ID3算法的非结构化大数据分类优化方法

    唐锴令郑皓
    894-900页
    查看更多>>摘要：针对非结构化大数据在分类过程中，由于其数据中存在大量的冗余数据，若不能及时清洗大数据中的冗余数据，会降低数据分类精度的问题，提出一种基于改进ID3(Iterative Dichotomiser 3)算法的非结构化大数据分类优化方法。该方法针对非结构化大数据集合中冗余数据多以及维度繁杂的问题，对数据进行清洗处理，并结合有监督辨识矩阵完成数据降维;根据数据降维结果，采用改进ID3算法建立用于数据分类的决策树分类模型，通过该模型对非结构化大数据进行分类处理，从而实现数据的精准分类。实验结果表明，使用该方法对非结构化大数据分类时，分类效果好，精度高。

    改进ID3算法数据清洗数据降维非结构化大数据数据分类方法

      原文链接:
    • 万方数据
    • 维普

    基于SIFT特征点提取算法的三维数字影像重建方法

    李静
    901-907页
    查看更多>>摘要：针对在数字影像三维重建过程中，由于原始数据中存在噪声和失真等不足，导致特征匹配效率和精度较低的问题，提出基于SIFT(Scale-Invariant Feature Transform)特征点提取算法的三维数字影像重建方法。采用双边滤波算法对数字影像中的环境噪声实施消除处理，并保留数字影像的边缘信息，提高特征点提取精度;通过尺度不变特征转换(SIFT)算法对其提取特征点，得到数字影像的特征点对;将该特征点对作为初始面片，利用空间目标多视影像密集匹配方法，实现对数字影像的三维重建。实验结果表明，所提方法特征匹配效率和匹配精度高，且降噪能力强，生成的三维重建影像所需平均时间为26。74 ms。

    SIFT算法双边滤波去噪特征匹配三维重建

      原文链接:
    • 万方数据
    • 维普

    基于深度生成模型的医院网络异常信息入侵检测算法

    吴风浪李晓亮
    908-913页
    查看更多>>摘要：为保障医院信息网络的安全管理，避免医疗信息泄露，提出了基于深度生成模型的医院网络异常信息入侵检测算法。采用二进制小波变换方法，多尺度分解医院网络运行数据，结合自适应软门限去噪系数提取有效数据。运用最优运输理论中的Wasserstein距离算法与MMD(Maximun Mean Discrepancy)距离算法，在深度生成模型中，对医院网络数据展开降维处理。向异常检测模型中输入降维后网络正常运行数据样本，并提取样本特征。利用深度学习策略中的Adam算法，生成异常信息判别函数，通过待测网络运行数据与正常网络运行数据的特征对比，实现医院网络异常信息入侵检测。实验结果表明，算法能实现对医院网络异常信息入侵的高效检测，精准检测多类型网络入侵行为，为医疗机构网络运行提供安全保障。

    二进制小波变换深度生成模型Wasserstein距离算法MMD距离算法医院网络异常信息入侵检测

      原文链接:
    • 万方数据
    • 维普

    基于改进G-O模型的软件可靠性测试方法

    刘早高钦旭邓阿北辛士界...
    914-920页
    查看更多>>摘要：为克服传统G-O(Goel-Okumoto)软件可靠性模型中缺陷发现率过于简化处理的局限性，提出了一种以更精准的方式描述缺陷发现率随时间实际变化的模型。改进模型不同于常规假设将其视为恒定或单调的函数，并考虑了测试人员的学习和排错能力的进步，以及软件固有的缺陷发现率随时间递减的趋势，从而假设缺陷发现率呈现先上升后下降的动态变化趋势。通过在两组公开的软件缺陷检测数据集上的应用，并与多种经典的模型进行了对比验证，验证了模型的有效性。实验结果表明，改进后的G-O模型在拟合能力和预测能力方面都显示出优异的性能，证明其在软件可靠性评估中的适用性和优越性。

    软件可靠性模型缺陷发现率G-O模型参数估计

      原文链接:
    • 万方数据
    • 维普

    基于多源数据融合的电建知识图谱构建研究

    陈正非席皛李志勇杨航...
    921-929页
    查看更多>>摘要：为解决电力建设公司在向全过程咨询业务转型过程中遇到的多源异构数据问题，以及因意外情况导致的设计管理人员需进行远程协同工作的挑战，提出以企业私有云为基础环境，结合多源异构数据融合技术，构建知识图谱。该系统通过集成来自全国各地的多样化数据源，优化了数据管理流程，确保了数据的一致性和可用性。最终实现了全过程咨询业务的分布式协同管理，显著提升了企业的核心竞争力。同时，有效解决了数据种类繁多、来源广泛且协议多样化不统一的问题，改善了数据的质量与准确性，并统一了存储架构，提升了整体数据管理效率，增强了决策支持能力。

    知识图谱多源异构数据数据融合分布式存储

      原文链接:
    • 万方数据
    • 维普

    金融交易反欺诈人工智能建模方法研究

    钱亮宏王福德宋海龙
    930-936页
    查看更多>>摘要：为解决金融交易反欺诈和维护金融安全，针对金融交易数据不平衡、类别离散的特点，提出一套端到端的建模流程、方法和模型结构。该流程涵盖数据预处理、模型训练和预测。同时比较了不同模型在不同特征数量情况下的效果和效率，并基于真实数据集进行验证，从而为金融机构根据自身的优化目标和资源限制选用不同类别和特征数量的模型提供参考。特征数较大(200以上)的基于树的模型适用于资源较充裕切追求极致模型效果的场景，中等规模(特征数100～200)的神经网络模型适用于资源一般的场景，而特征数较小的决策树模型或逻辑回归模型适用于资源有限且模型效果要求不高的长尾场景。

    金融交易反欺诈人工智能模型选择机器学习深度学习

      原文链接:
    • 万方数据
    • 维普