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

    多尺度特征融合的移动端单目深度估计研究

    陈磊梁正友孙宇蔡俊民...
    1616-1624页
    查看更多>>摘要：目前基于深度学习的深度估计模型参数量大,难以适应移动端设备.针对此问题,提出一种可以部署在移动端的多尺度特征融合轻量级深度估计方法.首先,以MobileNetV2为主干,提取出4个尺度的特征.然后,通过构建编码器到解码器的跳跃连接路径,将4个尺度的特征进行融合,充分利用融合低层的位置信息和高层的语义信息.最后,融合后的特征通过卷积层得出高精度的深度图像.在NYU Depth Dataset V2数据集上进行了训练和测试,结果表明,该模型的参数量在仅有1.6×106的情况下,评估指标δ1高达0.812,在移动端的麒麟980 CPU上推理一幅图像仅需要0.094 s,具有实际应用价值.

    深度学习深度估计多尺度特征轻量级网络移动端模型

      原文链接:
    • 万方数据
    • 维普

    基于图文关联与上下文引导的军事新闻图集描述生成方法

    梅运红刘茂福
    1625-1634页
    查看更多>>摘要：传统的图像描述生成方法由于缺少现实世界的先验知识,生成的描述文本不具有解释性,同时在某些专业领域生成的描述文本准确性不高.针对上述问题,提出了军事新闻图集描述生成任务,还构建了军事新闻图集数据集.该任务存在2个关键挑战:描述信息来源于整个图集和对应的新闻文本中,模型学习到的语义不够充分.进一步提出了一种基于图文关联与上下文引导的军事新闻图集描述生成方法ITRCG.基于ITRCG实现跨模态信息交互,引导模型学习更完整的语义,并通过标签清理辅助命名实体生成.在构建的军事新闻图集数据集上进行了验证实验,结果表明ITRCG能够有效提高描述文本的质量,在各项评价指标上均取得了提升.

    图像描述图文关联注意力上下文引导注意力图集新闻文本

      原文链接:
    • 万方数据
    • 维普

    基于多种策略改进的鲸鱼优化算法

    戴春雨马廉洁蒋涵存李红双...
    1635-1647页
    查看更多>>摘要：针对标准鲸鱼优化算法收敛速度慢、搜索与开发不平衡、种群之间信息交流匮乏、容易陷入局部最优的问题,提出了一种改进算法.首先,采用Tent混沌映射提高初始种群的分布均匀性,并引入非线性收敛因子,提升算法前期的全局搜索和中后期局部开发的能力,协调了搜索与开发的转换机制.然后,将种群的平均位置向量引入随机搜索过程中,有效改善个体与种群之间缺乏信息交流的问题.接着,将自适应惯性权重引入位置更新公式中,以加快算法的收敛速度,提高求解精度.最后,利用柯西算子对陷入局部最优的个体进行变异扰动.通过15个基准测试函数对改进算法进行仿真实验,实验结果表明,改进后的鲸鱼优化算法具有良好的性能,并通过Wilcoxon秩和检验证明了改进算法的有效性.

    Tent混沌映射非线性因子平均位置自适应权重柯西变异

      原文链接:
    • 万方数据
    • 维普

    神经网络增强的成对双线性因子分解机

    周祺周宁宁
    1648-1659页
    查看更多>>摘要：基于神经网络增强的因子分解机模型因可以捕捉更多高阶特征的交互,使预测结果愈加精准而成为了当前推荐算法的研究热点.针对现有模型在对用户与物品交互特征进行建模时,并没有综合考虑高阶交互特征和原始低阶特征的问题,同时为了提高模型对用户偏好的建模能力,采用深度神经网络,并且结合成对学习提出了新的深度神经网络增强的成对双线性因子分解机模型DeepPRBFM.该模型采用一对分别包含正样本和负样本输入的双线性结构,利用多层ResNet保留低阶特征,利用DNN增强高阶特征的交互,并采用了基于Pairwise Ranking的损失函数.此外,双线性结构中,通过增加负样本的比例,不仅能大大减缓推荐系统的冷启动问题,而且还能提升模型的预测效果.在2个真实数据集上的实验结果表明,所提出的模型获得了更高的推荐准确率,在HR和NDCG等客观指标上都优于其他对比模型.

    隐式反馈成对学习因子分解机神经网络冷启动

      原文链接:
    • 万方数据
    • 维普

    《计算机工程与科学》征文通知

    1659页
      原文链接:
    • 万方数据
    • 维普

    改进遗传算法与多目标优化模型的航班路径规划

    安园园马晓宁
    1660-1666页
    查看更多>>摘要：针对现有航线路径规划模型,单一成本规划难以解决不同机型及运输时间条件下最优路径规划的问题,将机型配置、运输时间和系统成本相结合,通过枢纽城市位置、非枢纽城市节点向枢纽城市节点的流量分配、机队飞行时间以及机队规模建立枢纽航线网络优化模型.以飞行时间与系统总成本为最小化求解目标,利用熵值法建立染色体选择机制,引入自适应交叉率改进遗传算法,通过改进算法(IGA)对最佳航线及枢纽节点位置分布优化求解,并与传统遗传算法、人工蜂群算法和灰狼算法进行对比.研究表明,将不同机型配置、运输时间进行组合,优于单一成本路径规划.以改进算法对枢纽航线网络模型进行优化求解,系统总成本降低了 3.41×1010,为机队资源的合理配置提供了借鉴.

    改进遗传算法多目标优化航线网络路径规划

      原文链接:
    • 万方数据
    • 维普

    一种基于超图的多模态多标签分类方法

    陆斌范强周晓磊严浩...
    1667-1674页
    查看更多>>摘要：标签分类旨在从若干标签中选取最相关的标签子集来标注一个实例,现已成为人工智能领域的热点问题.传统的多标签学习方法主要针对单一模态数据进行识别,针对多模态数据之间的高阶关联挖掘研究较少.为解决多标签场景下多模态数据之间高阶关联表示不充分的问题,提出了一种基于超图的多模态多标签分类方法.引入超图模型对多模态数据的高阶关联进行建模,利用多模态特征融合和超边卷积操作,实现多模态数据关系挖掘和特征识别,提高了多模态多标签分类的性能.采用电影体裁分类任务进行实验,并与传统方法进行了比较.实验结果表明,所提出的方法在准确率、精度、F1值上优于对比方法,证明了该方法的有效性.

    多标签学习数据关联超图多模态

      原文链接:
    • 万方数据
    • 维普

    基于元学习的图神经网络冷启动推荐

    吴斯琦赵清华于雨晨
    1675-1684页
    查看更多>>摘要：为解决推荐过程中冷启动问题对新用户或新项目场景性能的限制,提出了一种基于元学习的图神经网络冷启动推荐模型MetaNGCF,以提高推荐的准确性和多样性.首先,提出具有自适应的感知元学习结构来构建用户与项目交互图和神经图混合的模型,将用户行为与项目知识统一表达,融合自适应加权损失策略来实时校正元学习路径,以避免噪声任务对模型造成的损害;其次,运用聚类算法将高维特征空间转化为低维低秩特征空间,并利用用户偏好学习任务聚合层梯度对协作信号进行编码,自动归纳出用户与项目之间的高阶连通性,进而捕捉NGCF通用知识语义;最后,与现有的MetaHIN算法进行对比验证,实验结果表明MetaNGCF在Recall@20和NDCG@20上具有更佳的性能.

    元学习冷启动推荐协同过滤图神经网络

      原文链接:
    • 万方数据
    • 维普

    基于双重自表达与最大熵原理的深度子空间聚类算法

    李猛刘姿邑宋宇航
    1685-1692页
    查看更多>>摘要：深度子空间聚类算法使用深度神经网络将原始输入数据映射至潜在空间,并利用数据的自表达性作为数据相似程度的度量,从而实现对高维数据的有效聚类.然而,这类算法仅关注潜在空间中的自表达关系,导致其性能严重依赖于深度神经网络所提取特征的质量.此外,正则化过程忽略各空间内的连通性,影响谱聚类算法的性能.针对这些问题,提出了基于双重自表达与最大熵原理的深度子空间聚类算法.该算法同时学习潜在空间与输入空间的自表达关系,以引导深度神经网络获得适合于子空间聚类的数据表示.通过最大化相似度矩阵的熵,确保同一子空间的元素分布均匀且密集,从而提升数据聚类性能.在5个数据集上进行大量实验,验证了所提算法的有效性.

    子空间聚类自表达深度神经网络最大熵原理

      原文链接:
    • 万方数据
    • 维普

    基于用户轨迹和好友关系的兴趣点推荐

    刘国岐何廷年荣艺煊李卓然...
    1693-1701页
    查看更多>>摘要：连续兴趣点(POI)推荐是基于地理位置社交网络(LBSN)的重要应用之一,已有研究提出采用兴趣点信息和时空信息进行推荐的方法,但没有充分地利用相关辅助信息,因此无法解决用户短轨迹签到导致的信息不足问题.针对这些问题,提出一种整合好友关系和自注意力的兴趣点推荐模型ATFR.该预测模型包含3个部分:首先,通过图嵌入的方法得到好友关系的向量表示并利用GRU得到用户兴趣偏好向量;其次,利用自注意力机制对用户签到序列的顺序影响和社交影响建模,有选择地关注签入序列中相关的历史签入记录;最后,根据兴趣点排序列表进行未来兴趣点推荐.在2个真实数据集上的实验结果表明ATFR模型有更好的表现,可以用来提高网站应用和个性化兴趣点推荐服务的质量.

    兴趣点推荐好友关系社交网络自注意力机制

      原文链接:
    • 万方数据
    • 维普