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

    基于图神经网络的代码抄袭检测方法

    陈昌奉赵宏州周恺卿
    1815-1824页
    查看更多>>摘要：随着数据开源的不断深化,代码抄袭成本降低,严重影响软件行业的健康发展.因此,针对现有抄袭检测方法无法深度挖掘源代码语义和结构信息导致语义抄袭检测效果不佳的问题,提出一种基于图神经网络的代码抄袭检测方法.该方法利用图神经网络对源代码包括语义和结构信息在内的特征进行有效表征,并利用图注意力网络进行特征强化,进一步利用神经张量网络得到不同源代码之间的相似向量.最后,利用全连接网络计算不同源代码之间的相似度.同时,加入dropout机制平衡神经元权重,优化模型设计,防止过拟合.为了验证所提方法的有效性,在OJ系统数据集上进行实验验证,并将此方法与当前流行的检测方法进行了对比.实验结果表明,所提方法具有更好的检测效果.

    代码抄袭检测深度语义和结构信息提取图神经网络图注意力网络特征强化

      原文链接:
    • 万方数据
    • 维普

    基于YOLOv8改进的打架斗殴行为识别算法:EFD-YOLO

    曹雨淇徐慧英朱信忠黄晓...
    1825-1834页
    查看更多>>摘要：在当今社会,打架斗殴检测技术对于防范暴力事件和冲突至关重要.结合监控摄像头和目标检测,能够实时监测人群活动,从而有效预防潜在威胁.因此,提出了一种基于YOLOv8改进的打架斗殴行为识别算法EFD-YOLO.EFD-YOLO采用EfficientRep替换主干网络,提高了特征提取的效率,并在监控范围内实现准确实时的特征提取.引入FocalNeXt焦点模块,通过深度卷积和跳跃连接的结合,解决了遮挡问题和多尺度特征需求问题.采用Focal-DIoU作为边界框回归损失函数,在复杂情况下减少了误检的问题.实验结果显示,EFD-YOLO算法相较于YOLOv8n在mAP@0.5指标上提升了4.2％,在mAP@0.5∶0.95指标上提升了2.5％,满足关键场所中实时检测打架斗殴行为的需求.

    目标检测打架斗殴YOLOv8EfficientRepFocalNeXtFocal-DIoU

      原文链接:
    • 万方数据
    • 维普

    基于改进蚁群算法的长航程无人船路径规划

    乔珍尹传忠仇鑫
    1835-1842页
    查看更多>>摘要：针对无人船续航能力不足问题,提出基于强化学习的角度优先改进蚁群算法,规划长航程无人船路径.采用Canny算子提取环境信息,应用像素的灰度加权平均及高斯滤波平滑处理的方法,分析图像中的梯度并提取边缘特征,采用ginput函数提取边缘坐标;基于MAKLINK图论原理,以边缘坐标为节点,定义节点之间的链接线与路径点表示航行环境的结构和连接关系,建立航行环境模型;对比航行环境中不同启发因子作用下取得的最短路径,确定算法最优启发因子组合;引入角度优先机制提高收敛速度、强化学习奖励与惩罚系数调节信息素浓度对算法流程进行优化,生成最优路径.实验结果显示,该改进算法得到的无人船航行路径拐角平滑,无人船续航能力提升4.6％,算法收敛速度提升68.9％.

    无人船续航能力路径规划环境建模改进蚁群算法

      原文链接:
    • 万方数据
    • 维普

    混合U型网络与Transformer的图像去模糊

    陈清江邵菲王炫钧
    1843-1851页
    查看更多>>摘要：针对现有去模糊方法不能有效地恢复图像精细细节的问题,提出了一种混合U型网络与Transformer的图像去模糊方法.首先,使用一个多尺度特征提取模块提取图像的浅层特征信息.然后,通过一个含逐级特征增强模块的层级嵌套U型子网络,在保留图像细节信息的同时获取图像深层特征信息.再次,构建了一个局部-全局残差细化模块,通过卷积神经网络和Swin Transformer之间的信息交互充分提取全局和局部信息,并实现特征信息的进一步细化.最后,使用一个1×1卷积层进行特征重建.所提方法在GoPro数据集上的实验结果显示,图像的峰值信噪比和结构相似度均值分别为32.92和0.964,均优于其他对比方法.实验结果表明,所提方法可以有效地去除模糊,重建出具有丰富细节的潜在清晰图像.

    图像去模糊细节信息层级嵌套U型子网络Transformer多尺度特征

      原文链接:
    • 万方数据
    • 维普

    基于时空Transformer的多空间尺度交通预测模型

    张悦张磊刘佰龙梁志贞...
    1852-1863页
    查看更多>>摘要：准确的交通预测对提高智能交通系统的效率至关重要.交通系统的空间依赖不仅体现在道路的相连关系上,更重要的是由道路属性、区域功能等因素形成的隐藏空间依赖.另外,交通数据之间的时间依赖具有严格的相对位置关系,忽略这一问题将难以实现准确的交通预测.为了解决这些问题,提出了一种基于时空Transformer的多空间尺度交通预测模型(MSS-STT).MSS-STT使用多个特定的Transformer网络对不同的空间尺度建模,以捕捉隐藏空间依赖,同时使用图卷积网络来学习静态空间特征.接着,使用门控机制将不同空间尺度的空间依赖与静态空间特征根据各自对预测的重要性进行融合.最后,根据时间序列中不同相对位置对预测的不同贡献来提取不同的时间依赖关系.在PeMS数据集上的实验结果表明,MSS-STT优于最先进的基线.

    交通数据预测时空依赖时空Transformer图神经网络

      原文链接:
    • 万方数据
    • 维普

    融合特征投影和负监督的文本分类

    冯兴杰曹若轩
    1864-1874页
    查看更多>>摘要：用于分类的文本往往存在语义模糊、特征稀疏的问题,并且句中的某些词语含义会与文本真实标签所代表的语义不一致,这都会导致分类错误.针对上述问题,提出一种融合特征投影和负监督的多任务文本分类模型,主任务利用特征投影网络提取类别特征明显的纯化向量并进行分类;辅助任务给予模型负监督,以扩大不同类别文本的向量差别,消除个别词语的负面影响.此外,使用RoBERTa和BiL-STM同时对正、负样本进行特征提取,捕捉丰富的语义信息.在THUCNews新闻标题分类和微粒贷语义相似度分析数据集上进行了实验,结果表明本文模型相比现有模型具有更好的效果.

    文本分类特征投影负监督多任务模型RoBERTaBiLSTM

      原文链接:
    • 万方数据
    • 维普

    多策略改进的猎人猎物优化算法

    王坤刘杰李伟谭伟...
    1875-1887页
    查看更多>>摘要：针对猎人猎物优化算法HPO存在收敛速度慢且易陷入局部最优的问题,提出一种多策略改进的猎人猎物优化算法IHPO.首先,利用佳点集初始化种群,增强种群的多样性;其次,引入非线性控制参数策略优化搜索与开发平衡参数,调整全局搜索和局部搜索权重,提高收敛速度;然后,引入莱维飞行策略和贪婪策略更新猎人位置,让种群跳出局部最优,再引入黄金正弦策略更新猎物位置,提升IHPO的局部开发能力.将IHPO和另外6种智能算法在测试函数集上进行寻优对比和 Wilcoxon秩和检验,检验结果表明IHPO有较好的寻优能力和收敛速度;将IHPO运用于2个实际工程优化问题的求解,仿真结果表明IHPO在解决工程优化问题有较好的适用性和求解稳定性.

    猎人猎物优化算法佳点集非线性搜索与开发平衡参数莱维飞行策略贪婪策略黄金正弦策略

      原文链接:
    • 万方数据
    • 维普

    面向多模态情感分析的低秩跨模态Transformer

    孙杰车文刚高盛祥
    1888-1900页
    查看更多>>摘要：多模态情感分析将基于文本的方法扩展到包含视觉和语音信号的多模态环境,已成为情感计算领域的热门研究方向.在预训练-微调的背景下,将预训练语言模型微调到多模态情感分析领域是必要的.然而,微调大规模预训练语言模型仍然很昂贵,而且跨模态交互不足会影响性能.因此,提出低秩跨模态Transformer(LRCMT)来解决这些问题.受大型预训练语言模型在适应不同的自然语言处理下游任务时所呈现的低秩参数更新现象启发,LRCMT在每个冻结层中注入可训练的低秩参数矩阵,这大大减少了可训练参数,同时允许动态单词表示.此外,设计了跨模态交互模块,其中视觉和语音模态在与文本模态交互之前首先相互交互,从而实现更充分的跨模态融合.在多模态情感分析基准数据集上的大量实验表明了LRCMT的有效性和高效性.仅微调约全参数量0.76％的参数,LRCMT实现了与完全微调相当或更高的性能.此外,它还在许多指标上获得了最先进或具有竞争力的结果.消融实验表明,低秩微调与充分的跨模态交互有助于提升LRCMT的性能.总之,本文的工作降低了预训练语言模型在多模态任务上的微调成本,并为高效和有效的跨模态融合提供了思路.

    多模态情感分析预训练语言模型跨模态Transformer

      原文链接:
    • 万方数据
    • 维普