首页期刊导航|长江信息通信
期刊信息/Journal information
长江信息通信
长江信息通信

李国淼（兼）

双月刊

2096-9759

xxtx@263.net xxtxbjb@163.com

027-85586786，88615253

430022

武汉市汉口发展大道180号6楼

长江信息通信/Journal Changjiang Information &Communications
查看更多>>本刊为全国创办较早的行业期刊，曾多次获得国家科技期刊各类奖项，多年来深受通信领域专家学者、经营管理及工程技术人员的肯定与支持。
正式出版
收录年代

    一种基于空间位置的地理实体空间身份编码方法

    石喜阳
    36-39页
    查看更多>>摘要：基础地理实体空间身份编码是适用于基础地理实体管理和应用的一种标识代码,具有可实现基础地理实体全球专有标识、唯一标识以及信息关联共享等特性.文章结合某地级市地理实体采集制作提出了由位置码、类别代码、时间码和顺序码四部分构成,为29位字母数字混合编码的地理实体空间身份编码,并在一个实体多图元情况下进行编码部件级扩编,从而在地理实体采集构建中满足"一码多态"和按需组装的要求.

    位置空间地理实体空间身份编码位置码一码多态

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    嵌入CBAM的改进Faster RCNN眼底微动脉瘤检测方法

    杨丽邵虹崔文成
    40-43页
    查看更多>>摘要：眼底微动脉瘤检测可以有效地预防和控制糖尿病性视网膜病变,在临床应用中具有重要的意义,但该病灶的目标区域较小且存在眼底出血和其他结构的干扰,同时眼底图像存在亮度、对比度不均的问题,给检测任务带来了巨大挑战.针对此问题提出一种基于Faster RCNN网络的微动脉瘤小 目标检测方法,先对数据集进行以病灶为中心的分块处理,提升目标区域的占比;再将主干网络替换为特征表达能力强的ResNet网络,并引入注意力机制,结合加入融合因子的特征金字塔模块进行多尺度特征融合,改善主干网络提取小目标特征信息的能力,增加其对目标区域的关注程度.实验结果表明,算法在E-Ophtha MA数据集上取得了良好的检测效果,精确率为91.3％,召回率为80.2％,较原模型精确率提高了 13.1％,召回率提高了8％,且与其他方法相比检测效果更好.

    小目标检测FasterRCNN微动脉瘤注意力机制多尺度特征融合

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    多源遥感影像河道参数修正SWAT模型的径流模拟

    王佩瑜
    44-47页
    查看更多>>摘要：径流模拟在水资源管理、洪水预测及农业灌溉等领域具有重要意义,通过模拟和预测水文过程,可以促进可持续的水资源利用和管理.以澧水流域为研究区,利用多源遥感影像数据提取澧水流域主河道参数,将修正后的河道参数应用于SWAT模型并进行径流模拟实验.通过对比分析原始模型与改进模型的径流模拟结果,发现修正后的SWAT模型在径流模拟中表现出更好的准确性和精度,其中津市站和石门站径流模拟值在验证期的NSE为0.84和0.80,R2为 0.78 和 0.83.

    径流模拟河道参数澧水流域SWAT模型

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    传感器网络簇间通信自适应均衡数学模型构建

    李婧彬段晓辉
    48-50页
    查看更多>>摘要：针对传感器网络簇间通信存在传输信号受外界干扰因素影响严重,码间串扰可能性大,导致信号波形幅度较低,最终影响通信质量的问题,开展传感器网络簇间通信自适应均衡数学模型构建研究.为得到传感器网络中每个节点的不同数据通信半径,划分传感器网络簇间通信节点.对传感器网络中每个簇首节点能耗计算,并设置半径标识码.对通信增益控制校正,并完成动态盲均衡自适应模型建立.通过实例证明,新的数学模型应用下传输信号码间串扰可能性显著降低,信号波形幅度增大,有效促进通信质量的提升.

    传感器通信数学模型均衡自适应网络簇

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于最小生成树的数字图像多层次分割方法研究

    畅含笑刘慧
    51-53页
    查看更多>>摘要：如今,由于图像离散化造成分割的误差大,因此,提出基于最小生成树的数字图像多层次分割方法的研究.首先,基于最小生成树进行数字图像预处理,对图像进行整体特征提取,其次,构建出图像多层次分割标准,以不同的场景需求为依据,来对权值进行定义,确保最终的分割结果在内部具有高度的相似性,最后,实现数字图像多层次分割.为验证文章方法的有效性需要进行对比测试,实验结果:基于最小生成树的数字图像多层次分割方法的区域数目较少更符合人类视觉特征,分割效果更加理想,具有较好的性能.

    图像分割最小生成树多层次数字

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于联合隐式特征的多模态情感分析模型

    董学祎宫义山
    54-57页
    查看更多>>摘要：图文多模态情感分析的任务中,大部分研究专注于图像文本对的显示特征提取而忽略了多模态数据中高层次的隐式语义级特征关联,针对这一问题提出基于联合隐式特征的多模态情感分析模型.在使用RoBERTa和VGG16模型构建显式特征提取模块的同时引入隐式特征提取模块,采用CLIP模型的强泛化能力和高级语义特征学习能力,提取多模态隐式特征;通过对多模态数据的显式特征和隐式特征进行加权融合得到多层次特征向量,最后完成情感分类.在MVSA-Single和MVSA-Multiple两个数据集上进行实验验证了模型的有效性.

    多模态深度学习情感分析

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    多种无人机的卷积网络识别方法

    阮中波廖小文
    58-60,64页
    查看更多>>摘要：传统的无人机信号识别方法存在着识别精度不高、对复杂环境下信号的适应性差、速度慢等问题,采用基于卷积神经网络(CNN)的无人机信号自动识别方法对无人机采集信号的真实数据进行预处理,进而建立了卷积神经网络的多层模型.通过实验结果表明,在7dB时除了御2以外,所有信号的准确率都在90％以上,在10dB时,御2识别率也到达了 90％.因此,使用CNN在识别6种无人机信号方面表现出了较高的准确性和鲁棒性.相比之前的识别方法,这种方法提高了识别精度、适应复杂环境下信号的能力,并加快了识别速度.

    卷积神经网络信号处理调制识别

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于点云密度感知的三维目标检测方法

    张秀清赵泽洋许云峰
    61-64页
    查看更多>>摘要：目前的三维目标检测方法大多采用最远点采样进行特征提取,但忽略了点云密度信息所带来的作用.为了进一步增强稀疏卷积能力与提升目标特征信息量,提出一种动态稀疏卷积与点密度感知融合的网络(DS-PDP),首先对点云体素化经过动态稀疏卷积下采样,通过体素点质心定位从动态稀疏卷中定位体素特征信息,其次利用核密度估计方法,使感兴趣区域网格池对点质心密度特征多尺度聚合,最后对目标置信度预测,并在KITTI数据集上取得了有竞争力的结果.

    动态稀疏卷积体素点质心点密度RoI

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于深度学习的直播弹幕情感多分类研究

    焦科元
    65-69页
    查看更多>>摘要：在网络直播场景下为提高弹幕分析的准确性与高效客观性,文章提出了一种结合MacBERT预训练语言模型与BIL-STM-CNN模型的弹幕情感多分类模型MacBERT-BILSTM-CNN,将情感按照乐、好、怒、愁、惊、恶和惧7种情感维度进行分类;同时考虑到颜文字和表情等情感符号所蕴含的内在信息对弹幕情感分析的影响,进行了颜文字和表情符号的替换.经过对比实验,MacBERT-BILSTM-CNN 模型在相同数据集上的评价指标与CNN、BILSTM-CNN和 MacBERT模型相比都有不同程度的提升,表明了该模型在弹幕情感多分类任务中具有更好的效果;替换情感符号后相比与原始数据集的评价指标有一定提高,证明了充分考虑情感符号蕴含的内在信息能提升弹幕情感倾向判断的准确性.

    弹幕情感多分类预训练语言模型颜文字表情符号

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于弱监督的细胞核图像分割算法

    阮启胜
    70-72页
    查看更多>>摘要：细胞核分割在组织病理学图像分析中扮演着重要的角色.基于像素级别标注的细胞核图像分割算法已经取得了显著的效果,但由于细胞核数量众多且体积较小,标注工作量大,很难获取高质量数据集.因此,提出了一种基于弱监督的细胞核图像分割算法,仅对部分细胞核进行点标注就可以完成细胞核图像的分割任务.为了能够利用部分点进行分割,首先训练一个检测模型来获取所有细胞核的位置,然后基于检测结果生成两种伪标签用于细胞核分割.实验结果表明,与基于像素级别标注的细胞核图像分割算法相比,文章的方法在保证分割性能的同时大大降低了标签标注工作量.

    细胞核分割弱监督学习点标注病理学分析

      原文链接:
    • NETL
    • NSTL
    • 万方数据