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

    基于加权非负矩阵分解的异常声音检测方法研究

    潘雨青于浩李峰
    1425-1432页
    查看更多>>摘要：异常声音检测方法多用强标签数据进行训练,而高质量的强标签音频数据标注难度较大、收集成本高昂.针对现有异常音频检测方法使用弱标签数据会受到非平稳和时变噪声的干扰,导致训练结果较差、准确率低的问题,提出一种基于音频频谱的加权非负矩阵分解WNMF方法.该方法使用WNMF对弱标签和无标签数据进行标记,并分离 目标声音事件和背景噪声.在适当的权值下,WNMF改变标记时不同频段音频信息的重要性,以抑制噪声,提高分离质量,使其逼近全监督模型训练的效果;之后使用卷积神经网络产生帧级预测和音频标签预测.仿真实验结果表明,该方法的准确率相比于传统NMF处理弱标签数据的方法提升了4.8％.

    异常声音检测弱标签和无标签数据加权非负矩阵分解卷积神经网络

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    多阶段特征蒸馏加权的轻量级图像超分辨率网络

    杨胜荣车文刚高盛祥赵云莱...
    1433-1443页
    查看更多>>摘要：针对在轻量化网络中提取底层特征感受野不足以及缺乏对局部关键特征强化的问题,提出一种多阶段特征蒸馏加权的轻量级图像超分辨率网络LMSWN.首先,通过类金字塔模块扩大对浅层特征提取时的感受野,融合不同尺度的特征信息,丰富网络的信息流;其次,设计多阶段残差蒸馏加权模块用于增强方形卷积提取局部关键特征的能力,以恢复更多细节信息提高重建性能,同时将通道分离与1×1卷积结合共同实现对特征的逐级蒸馏,减少网络参数量;最后,引入2个自适应参数对多阶段残差蒸馏加权模块的2条支路特征进行联合学习,提升对不同层次特征信息的关注度,进一步增强网络的表征能力.实验结果表明,在Set 5、Set 14、BSD 100、Urban 100和Manga 109这5个基准测试集上的实验充分验证了所提网络的有效性,其性能超过了当前主流轻量级网络.

    图像超分辨率轻量级特征蒸馏多尺度卷积

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    Bi-YOLO:-种基于YOLOv8n改进的轻量化目标检测算法

    刘子洋徐慧英朱信忠李琛...
    1444-1454页
    查看更多>>摘要：以YOLOv8为代表的单阶段目标检测算法,在骨干网络中有比较明显的优化,但在颈部网络未能高效地融合上下文信息,导致在小目标检测方面存在漏检、错检的问题,并且还存在模型参数量大、计算复杂度高的问题,无法满足端到端的工业部署需求.针对以上问题,引入基于Transformer结构的Bi-Former 注意力机制,加强对小目标的检测性能,提升算法的精度;引入GSConv模块,在保证算法性能不受到负面影响的前提下减小算法规模.为了平衡BiFormer带来的计算量和参数量的增加,设计了一种名为Bi-YOLO的目标检测算法,以达到轻量化和算法性能的平衡.实验结果表明,Bi-YOLO目标检测算法和YOLOv8n相比,算法精度提高了4.6％,DOTA数据集小目标检测精度提高了2.3％,参数量下降了12.5％.Bi-YOLO有效实现了模型轻量化和性能的平衡,为端到端的工业部署提供了新思路.

    YOLOv8BiFormer轻量化改进目标检测端到端工业部署

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于YOLOv8改进的室内行人跌倒检测算法FDW-YOLO

    陈晨徐慧英朱信忠黄晓...
    1455-1465页
    查看更多>>摘要：针对室内场景中由于光照变化、人体形态被遮挡以及在特殊视角下人体姿态变化等因素导致行人跌倒检测精度低、实时性差的问题,提出了一种基于YOLOv8改进的轻量级跌倒检测算法FDW-YOLO.将骨干网络中的C2f模块替换成FasterNext模块,增强有效特征复用的同时降低计算复杂度.根据人体跌倒姿势变化大的特点,设计了3种在颈部层不同位置添加动态可变形卷积模块的网络结构,并在自制的跌倒行为 目标检测数据集上进行实验比较,最终根据网络性能选择YOLOv8-C方案.在改进后的网络中引入边界框回归损失函数 WIoU取代原有的CIoU.实验结果表明,FDW-YOLO跌倒检测算法较YOLOv8n在mAP@0.5指标上从96.5％提升到97.9％,在mAP@0.5∶0.95指标上从72.5％提升到74.3％,同时参数量和计算量只有4.1×106和7.3×109,符合在低算力工业场景中部署的要求.

    目标检测跌倒FasterNextDDConvWIoU

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于健康码打卡数据的疫情轨迹描述模型研究

    万泽宇张飞舟
    1466-1472页
    查看更多>>摘要：疫情深刻改变了世界格局,在现有的疫情时空建模分析中,缺乏对个体及其群体轨迹的准确描述,难以满足精准防疫需求.针对此问题,在分析现有的疫情时空分析方法、轨迹描述模型基础上,结合健康码打卡数据,以经纬度和时间为轴建立时空三维坐标系,以健康码打卡数据作为轨迹节点,呈现携带者以及密接者的时空轨迹,依次对单人、双人以及多人的轨迹进行准确描述,进而构建融合时空拓扑关系的"山"型轨迹描述模型,从而在三维坐标系中准确定位需要防控的时空范围,以达到精准防疫的目的.在Foursquare Dataset仿真数据集上的实验表明,"山"型轨迹模型有效缩小了排查范围,减少了排查人员数量,具有广阔的应用情景.

    轨迹描述模型精准防疫健康码打卡

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    一种基于多特征融合嵌入的中文命名实体识别模型研究

    刘晓华徐茹枝杨成月
    1473-1481页
    查看更多>>摘要：为解决中文字形上存在差异以及中文词语边界模糊的问题,提出了一种多特征融合嵌入的中文命名实体识别模型.在提取语义特征的基础上,基于卷积神经网络和多头自注意力机制捕获字形特征,并参考词语向量嵌入表获取词语特征,同时利用双向长短期记忆神经网络学习长距离的上下文表示,最后结合条件随机场学习句子序列标签中的约束条件,实现中文命名实体识别.在Resume、Weibo和People Daily数据集上的F1值分别达到了96.66％,70.84％和96.15％,证明提出的模型有效地提高了中文命名实体识别任务的性能.

    命名实体识别特征融合多头自注意力机制

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于Fuch映射的改进白鲸优化算法及应用

    陈心怡张孟健王德光
    1482-1492页
    查看更多>>摘要：针对标准白鲸优化算法(BWO)存在收敛精度低、自适应能力有限和抗停滞能力弱等缺点,从混沌初始化、参数混沌和非线性控制策略3个角度,提出2种基于Fuch映射和动态反向学习的改进白鲸优化算法(CIOEBWO和CPOEBWO).采用Fuch混沌初始化,提高算法初始化种群的遍历性,从而提升算法寻优精度和收敛速度;在开发阶段,引入Fuch混沌映射对参数C1进行动态调节,协调算法的全局搜索和局部搜索,有效提高算法自适应能力;基于上述2种改进方式,分别引入动态反向学习策略,丰富优质个体数量,提升算法整体抗停滞能力.根据8种基本测试函数仿真实验和Friedman秩检验结果可得,改进算法的收敛精度、自适应能力和抗停滞能力均得到了有效提升.与BWO和CIOEBWO相比,CPOEB-WO显现出较为优异的性能.此外,从CPOEBWO与常见的6种对比算法的寻优结果可知,CPOEBWO算法有较强的寻优能力和鲁棒性.最后,为展示CPOEBWO算法的适用性和有效性,将其应用于工程优化问题.

    白鲸优化算法Fuch映射动态反向学习参数混沌策略工程优化问题

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    一种模糊时间序列概率预测方法

    董文超郭强张彩明
    1493-1502页
    查看更多>>摘要：在时序预测任务中,历史观测值的不确定性给预测带来了困难.而模糊时间序列预测方法在处理数据不确定性方面具有独特的优势.概率预测则能够提供预测目标的分布情况,从而量化预测结果的不确定性.因此,为了减少不确定性对预测任务的影响,提出了一种基于概率加权策略的模糊时间序列概率预测方法.该方法利用预测目标的历史观测值建立概率加权的模糊时间序列预测模型,通过引入额外的观测值对预测模型的模糊规则库进行细化.在细化过程中,使用2种计算成本较低的算子重构模糊逻辑关系.具体地,交算子用于剔除干扰的信息,并算子则融合所有信息,从而得到2个不同的模糊逻辑关系组集合.当前时刻观测值在2个集合中对应的模糊逻辑关系组即为对下一时刻模糊集的预测,最后经过解模糊输出下一时刻的概率分布.在公开时间序列数据集上验证了该方法的准确性和有效性,与近期提出的PWFTS预测方法相比,预测精度有显著提高.

    模糊时间序列概率预测模糊逻辑关系交算子并算子

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    一种基于注意力机制的轻量级语义分割

    马冬梅王鹏宇郭智浩
    1503-1512页
    查看更多>>摘要：语义分割是一种计算机视觉技术,它需要从大量的图像中提取出重点信息,然后通过掩膜的方式,将这些信息转化成更加清晰、易于理解的表达形式.研究人员正在努力寻求一种平衡,在保证模型精度的同时,尽可能减小模型的体积,这也是当前设计轻量级网络模型的热门话题.当前,图像语义分割技术存在许多挑战,如分割不连续、错误分割和模型复杂度过高.为了解决这些问题,提出了一种基于注意力机制的轻量级语义分割模型.该模型采用冻结解冻训练,特征提取网络是MobileNetV2,为了恢复较清晰的目标边界,在空洞金字塔池化(ASPP)输出部分引入轻量级的卷积注意力(CBAM)模块或在解码部分引入通道注意力(ECA-Net);为了解决样本不均衡的问题,引入了focal_loss损失函数;使用了混合精度和替换了输出端的标准卷积——DO-Conv卷积,在PASCAL VOC 2012和Cityscapes数据集上进行实验和验证,模型的大小为23.6 MB,平均交并比分别为73.91％和74.89％,类别平均像素准确率分别82.88％和84.87％,成功地在精确分割和计算效率之间取得了平衡.

    语义分割DeepLabV3+MobileNetV2CBAM通道注意力

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    结合混合特征提取与深度学习的长文本语义相似度计算

    徐捷邵玉斌杜庆治龙华...
    1513-1520页
    查看更多>>摘要：文本语义相似度计算是自然语言处理中一项非常重要的任务,但是目前对于文本语义相似度的研究多集中在短文本领域,而不是长文本.相较于短文本,长文本语义信息丰富,但同时语义信息容易分散.针对长文本语义信息分散的问题,提出一种特征提取模型,提取出长文本的主要语义信息;对提取的语义信息使用滑窗重叠的方法输入BERT预训练模型得到文本向量表示;然后,通过双向长短期记忆网络建模长文本的前后语义联系,将其映射到语义空间内;再通过线性层增加模型表示能力;最后,通过相似语义向量内积最大化和交叉熵损失函数进行微调.实验结果表明,该模型在CNSE和CNSS数据集上F1分数分别为0.84和0.91,性能优于基线模型.

    长文本语义相似度特征提取BERT预训练模型语义空间

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据