首页期刊导航|计算机工程与科学
期刊信息/Journal information
计算机工程与科学
国防科学技术大学计算机学院
计算机工程与科学

国防科学技术大学计算机学院

王志英

月刊

1007-130X

jsjgcykx@163.net

0731-84576405

410073

湖南省长沙市开福区德雅路109号国防科技大学计算机学院

计算机工程与科学/Journal Computer Engineering and ScienceCSCD北大核心CSTPCD
查看更多>>本刊系国防科技大学计算机学院主办的计算机类综合性学术刊物，属中国计算机学会会刊，已先后被列为中文核心期刊、中国科技核心期刊、中国学术期刊（光盘版）全文入编期刊、中国科学引文数据库来源期刊（CSCD核心）、中国学术期刊综合评价数据库来源期刊。
正式出版
收录年代

    基于改进Deformable DETR的无人机视频流车辆目标检测算法

    江志鹏王自全张永生于英...
    91-101页
    查看更多>>摘要：针对无人机视频流检测中小目标数量多、因图像传输质量较低而导致的上下文语义信息不充分、传统算法融合特征推理速度慢、数据集类别样本不均衡导致的训练效果差等问题，提出一种基于改进Deformable DETR的无人机视频流车辆目标检测算法。在模型结构方面，该算法设计了跨尺度特征融合模块以增大感受野，提升小目标检测能力，并采用针对object query的挤压-激励模块提升关键目标的响应值，减少重要目标的漏检与错检率;在数据处理方面，使用了在线困难样本挖掘技术，改善数据集中类别样本分布不均的问题。在UAVDT数据集上进行了实验，实验结果表明，改进后的算法相较于基线算法在平均检测精度上提升了 1。5％，在小目标检测精度上提升了 0。8％，并在保持参数量较少增长的情况下，维持了原有的检测速度。

    DeformableDETR目标检测跨尺度特征融合模块objectquery挤压-激励在线难样本挖掘

      原文链接:
    • 万方数据
    • 维普

    光流法修正的时序图像语义分割模型

    邱晓梦王琳谷文俊宋伟...
    102-110页
    查看更多>>摘要：医学成像技术的发展带来了海量的医学图像数据，这些图像反映了生物体的内部结构特征，医学图像分割技术可以提高医疗人员的诊断效率，从而成为现代医疗诊断的重要辅助手段之一。然而成像过程中不可避免地会出现噪声或伪影，它们给分割工作带来了极大的挑战。现有的分割模型中，单帧医学图像语义分割模型未考虑图像帧与帧之间的关系，视频语义分割模型虽利用了时序信息，但在边缘提取上有所欠缺。为了解决以上问题，提出了一种以U-Net为骨干，用光流法进行修正的时序语义分割模型。该模型能够提取视频前后帧之间的光流信息，并对当前帧与光流进行特征提取与权重分配，以达到修正的效果。实验结果表明，在果蝇电镜图、腹部综合器官图和冠状动脉造影图这些不同类型的数据集上，该模型在相似性系数、像素准确率和交并比这3个评价指标上都获得了最优结果，验证了所提模型的有效性和泛化性。

    U-Net光流医学图像语义分割深度学习

      原文链接:
    • 万方数据
    • 维普

    基于LoRa设备的人体活动识别研究

    崔浩万亚平钟华聂明星...
    111-121页
    查看更多>>摘要：近年基于LoRa设备建立的诸多传感模型验证了 LoRa设备的长距离传感潜力，但使用特征模糊的LoRa无线信号识别人体活动仍然需要进一步研究。分析了 LoRa信号受人体活动影响的传播规律，提出了一种LoRa信号处理方法来提取信号变化特征。随后采集数据创建了 2个记录人体活动的Lo-Ra数据集，通过当前先进的深度学习网络检验所提方法的效果。对1个房间内活动种类、活动人员，4个房间内活动人员、活动发生房间的识别准确率均达到了 90％以上，对比使用卷积循环神经网络直接进行训练的方法也更节省时间和空间资源。

    无线传感长距离传感人体活动识别LoRa信号特征提取深度学习

      原文链接:
    • 万方数据
    • 维普

    结合坐标注意力与生成式对抗网络的图像超分辨率重建

    彭晏飞孟欣李泳欣刘蓝兮...
    122-131页
    查看更多>>摘要：针对现有生成式对抗网络GAN的图像超分辨率重建模型中存在着特征信息利用不充分、VGG式判别器对局部细节的判断能力较弱以及训练不稳定的问题，提出了一种结合坐标注意力与生成式对抗网络的图像超分辨率重建模型。首先，以嵌有坐标注意力的残差块构建生成器，沿通道和空间2个维度聚合特征，更充分地提取特征。然后，调整Dropout加入网络的方式使其作用于生成器中，提高模型的泛化能力。接着，以U-Net结构构造判别器，输出详细的逐像素反馈，以获取真假图像间的局部差异。最后，在判别器中引入谱归一化正则化，稳定GAN的训练。实验结果表明，当放大因子为4时，在基准测试集Set5和Set14上取得的峰值信噪比平均提高了 1。75 dB，结构相似性平均提高了 0。038，能够重建出更加清晰且真实的图像，重建图像具有良好的视觉效果。

    超分辨率重建生成式对抗网络坐标注意力U-Net式判别器

      原文链接:
    • 万方数据
    • 维普

    局部判别损失无监督域适应方法

    王姗姗汪梦竹骆志刚
    132-141页
    查看更多>>摘要：在无监督域适应任务中，源域和目标域的分布不同，源域数据标签已知，但是目标域的数据标签未知。最大平均差异MMD是一种具有代表性的分布度量方法，广泛应用于源域与 目标域之间的分布差异度量。然而，MMD度量及其变种方法通常忽略了样本的类内紧凑性和类间可分离性，降低了特征表达的可判别性。因此，提出局部判别损失无监督域适应方法，从2个方面提升域适应方法的判别能力:(1)重新设计MMD度量方法的权重，解决类别不均衡问题，使难对齐类别在域间分布上保持一致;(2)探索局部对比损失，平衡正样本对和负样本对之间的关系，从而学习到更好的判别性特征。结合域间损失和类间损失，可使同一类样本靠近，不同类样本之间远离。该方法简单有效，即插即用，可扩展至注意力机制的网络结构上。在多个域适应数据集上，该方法的有效性均得到了验证。

    无监督域适应基于类的最大平均差异局部对比损失注意力机制

      原文链接:
    • 万方数据
    • 维普

    基于拟合优先搜索的多场景自适应改进A*算法

    沈克宇游志宇刘永鑫
    142-149页
    查看更多>>摘要：针对传统A*算法存在遍历节点数多、转折角度大和搜索速度慢的问题，提出基于拟合优先搜索的多场景自适应改进A*算法。首先，引入父节点的启发距离以减少遍历节点数和提高搜索速度，并量化场景地图信息，利用自适应控制原理实现启发权重的适时调整，以增强算法鲁棒性;其次，采用拟合优先搜索策略，进一步增强算法的启发性;接着，通过局部剪枝和冗余节点删除对路径进行平滑处理，减少遍历节点数和转折角度;最后，进行仿真测试。测试结果表明，所提算法遍历节点数更少、转折角度更小、搜索速度更快。

    A*算法路径规划自适应拟合优先路径平滑

      原文链接:
    • 万方数据
    • 维普

    基于代数粒的聚类方法

    肖振国陈林书孙少杰梅本霞...
    150-158页
    查看更多>>摘要：聚类，是机器学习的主要任务之一，也是粒计算理论的核心任务，即信息粒化。目前，基于粒计算的聚类算法中，大多数只基于粒属性进行聚类，而没有考虑粒结构，尤其是在代数结构应用广泛的信息领域。从粒计算的角度，提出一种基于代数粒的聚类方法。基于二元代数运算定义代数粒;提出一种基于代数粒的聚类方法，通过粒集的同余划分和粒结构的同态映射进行粒度聚类;将提出的聚类方法与容差邻域模型和商空间模型进行对比分析。结果表明，该新型方法具有更好的结构完备性和应用鲁棒性。基于代数粒的聚类方法从结构上丰富和扩展了粒度计算理论，为粒计算与机器学习的融合研究提供了理论依据。

    粒计算聚类粒化粗糙集商空间模型

      原文链接:
    • 万方数据
    • 维普

    基于混合启发式算法的快递末端选址路径优化研究

    孙睿男初翔陈昱闫明宁...
    159-169页
    查看更多>>摘要：传统快递末端配送模式存在快递网点建设冗余、派送路径重叠等问题，而共同配送模式可有效解决此类问题，因此对共同配送模式下同时收派件且收件需求为不确定情形的快递末端网点选址路径问题进行研究。首先，建立了两阶段数学优化模型，引入随机机会约束来处理收件量不确定的问题。其次，设计基于遗传算法和自适应大邻域搜索算法的混合启发式算法。最后，通过数值实验表明:所设计的混合算法比传统遗传算法具有较快的收敛速度和较好的求解质量;决策者对随机需求下的优化方案风险接受程度过高或过低都会导致成本上升;随客户收派量之比的增加，快递末端配送成本呈先降低后增高的趋势;采用最近网点返回策略可有效降低企业配送成本。

    共同配送选址路径问题遗传算法自适应大邻域搜索算法快递网点

      原文链接:
    • 万方数据
    • 维普

    基于无监督预训练的跨语言AMR解析

    范林雨李军辉孔芳
    170-178页
    查看更多>>摘要：抽象语义表示AMR是将给定文本的语义特征抽象成一个单根的有向无环图。由于缺乏非英文语言的AMR数据集，跨语言AMR解析通常指给定非英文目标语言文本，构建其英文翻译对应的AMR图。目前跨语言AMR解析的相关工作均基于大规模英文-目标语言平行语料或高性能英文-目标语言翻译模型，通过构建(英文，目标语言和AMR)三元平行语料进行目标语言的AMR解析。与该假设不同的是，本文探索在仅具备大规模单语英文和单语目标语言语料的情况下，实现跨语言AMR解析。为此，提出基于无监督预训练的跨语言AMR解析方法。具体地，在预训练过程中，融合无监督神经机器翻译任务、英文和目标语言AMR解析任务;在微调过程中，使用基于英文AMR 2。0转换的 目标语言AMR数据集进行单任务微调。基于AMR 2。0和多语言AMR测试集的实验结果表明，所提方法在德文、西班牙文和意大利文上分别获得了 67。89％，68。04％和67。99％的Smatch F1值。

    跨语言AMR语义解析序列到序列模型预训练模型

      原文链接:
    • 万方数据
    • 维普

    基于prompt tuning的中文文本多领域情感分析研究

    赵文辉吴晓鸰凌捷HOON Heo...
    179-190页
    查看更多>>摘要：不同领域的情感文本表达方式不一样，通常需要为各个领域训练相应的情感分析模型。针对无法用一个模型进行高效多领域情感分析的问题，提出了基于提示微调(prompt tuning)的多领域文本情感分析方法MSAPT。借助hard prompt，指示情感文本的所属领域和待选的情感标签，调动不同领域情感分析相关的知识，再为情感分析预训练一个统一的"通才模型"，在下游的各领域文本学习中，保持模型冻结，通过prompt tuning使模型学习到下游各领域情感文本的特征。MSAPT仅需保存一个模型和一些参数量远远小于模型的prompt，实现了多领域情感分析。在多个属于不同领域的情感文本数据集上进行实验，结果表明仅进行prompt tuning时，MSAPT效果优于模型微调(model tuning)的。最后，分别对适应特定领域的prompt tuning、hard prompt、soft prompt的长度和中间训练数据集的大小进行消融实验，从证明其对情感分析效果的影响。

    多领域情感分析提示微调预训练语言模型T5

      原文链接:
    • 万方数据
    • 维普