首页期刊导航|计算机工程与设计
期刊信息/Journal information
计算机工程与设计
计算机工程与设计

刘恩德

月刊

1000-7024

ced@china-ced.com

010-68389884

100039

北京142信箱37分箱

计算机工程与设计/Journal Computer Engineering and DesignCSCD北大核心CSTPCD
查看更多>>《计算机工程与设计》创刊于1980年,是中国航天科工集团主管、中国航天科工集团二院706所主办的国内外公开发行的计算机专业技术类刊物。该刊是中国计算机学会会刊、北京计算机学会会刊、中国宇航学会会刊,是全国中文核心期刊、中国科技核心期刊。办刊宗旨:努力提高计算机技术水平,为我国航天和国防科技服务,实现广泛的科研成果汇聚和知识传播,促进学术交流和科技成果的商品化、产业化和国际化,引导和推动我国计算机技术和国防科技的发展。刊载内容:覆盖计算机工程与设计领域的各个层面,主要刊登各型计算机及其系统的研究、研制、设计、开发应用等各方面的学术论文、技术报告和专题综述,主要刊登博士论文、基金项目论文、学术会议优秀论文和获奖课题论文。征稿范围:计算机网络与通信、CAD/CAM、计算机图形学、多媒体技术、数据库、并行处理、人工智能、计算机软件工程、计算机硬件体系结构及其他计算机相关领域。读者对象:大专院校师生、计算机专业科研人员、工程项目决策、设计开发和应用人员等。
正式出版
收录年代

    多视野精细分析下的弱监督目标定位算法

    张英俊贾聪聪谢斌红
    1750-1756页
    查看更多>>摘要:针对多尺度目标定位精度较差,难以捕获完整目标边界的问题,设计一种多视野精细分析模块并融入通道与空间注意力机制抑制背景噪声的干扰,获取多尺度目标的高分辨率特征.利用随机特征选取模块获取特征图随机位置的组合,聚合多个位置图获取最具辨别性的位置及其它位置的信息,融合浅层生成的类激活图与聚合类激活图获取细粒度位置信息,捕获完整的目标边界.与现有的弱监督定位方法相比,在解决多尺度目标定位效果差和局部最优问题上具有一定的优势.

    弱监督学习目标定位多尺度特征融合注意力机制全局平均池化类激活图正则化

    融合词汇边界信息的合同实体识别方法

    王浩畅和婷婷郑冠彧
    1757-1763页
    查看更多>>摘要:针对合同中实体表达形式复杂多变、识别粒度细的特点,及合同文本中实体较长问题,提出一种融合词汇边界信息的合同实体识别方法.利用预训练语言模型动态生成语义向量作为模型输入;运用相对位置编码对Transformer结构进行改进,使其在编码过程中融合词汇信息,进一步丰富语义特征;通过条件随机场(CRF)结构进行解码,得到输入序列的标签预测.实验结果表明,该方法可以有效确定合同文本中的实体边界,具有良好的泛化性能.

    实体识别合同文本预训练语言模型相对位置编码转换器结构词汇边界信息条件随机场

    基于离散哈里斯鹰算法求解车辆路径问题

    郭玉洁徐洪智
    1764-1770页
    查看更多>>摘要:针对带容量约束车辆路径问题,提出一种离散哈里斯鹰算法.在哈里斯鹰算法的基础上,根据车辆路径的编解码特点,重新定义算法在全局搜索和局部开发阶段的更新策略;在全局搜索阶段利用随机插入和反转策略更新哈里斯鹰个体的位置,提高算法的全局开发能力;在局部开发阶段利用转移算子和移除算子设计哈里斯鹰个体的更新机制,提高算法的局部精细化搜索能力;通过改进逃逸能量平衡全局搜索和局部开发能力.实验结果表明,重定义的更新策略均能有效提升算法效率,将该算法和其它启发式算法的结果相比较,所提算法在求解精度和稳定性方面更具优势.

    离散哈里斯鹰算法容量约束车辆路径问题随机反转插入操作转移算子移除算子改进逃逸能量

    基于改进ViBe的自适应运动目标检测算法

    费莉梅田翔郑博仑
    1771-1779页
    查看更多>>摘要:针对ViBe算法无法去除动态背景,易出现鬼影及不能自适应光照变化的问题,提出一种复杂环境自适应的ViBe改进算法.通过计算区域的复杂度、闪烁波动度,对分类半径R和更新率T进行动态调整,对样本点进行有效性权重的计算,更高效地过滤背景噪声和适应光照渐变;在检测物体状态变化时,动态调整R和T,通过融合前景点计数和帧差法优化鬼影消除;通过识别最小外接矩阵区域差异加快去除鬼影;利用帧差法实时检测光照突变,及时进行重新初始化,避免大量误检.实验结果表明,改进ViBe算法在适应动态背景、光照变化及抑制鬼影等方面比原算法均有更好检测效果,检测精度平均提升了 40.7%.

    ViBe算法运动目标检测复杂背景自适应阈值动态场景鬼影消除背景建模自适应

    基于潜层关系增强的实体和关系联合抽取

    王鹏刘小明杨关刘杰...
    1780-1788页
    查看更多>>摘要:为充分发掘文本序列中潜层语义关系信息,提出一种实体和关系联合抽取的潜层关系增强模型SREM(text sub-text relationship enhancement model).在潜层关系表示层利用结构化对齐的方式,获取并保持文本序列中的语义信息结构.在融合注意力机制的关系网络层中对数据进行建模,提高模型对文本词汇间关系信息的捕获能力.结合注意力机制获取细粒度语义信息,对上下文信息进行选择过滤.实验结果表明,在数据集NYT和WebNLG上取得的F1值分别为92.40%和92.52%,验证了模型的有效性.

    联合抽取语义关系结构化知识潜层表示注意力机制关系网路信息过滤

    在线社交网络中基于多态信任融合的信任估计

    任蓓蓓陈玉泉陈芸
    1789-1796页
    查看更多>>摘要:为提高大型在线社交网络中信任计算方法的准确性和鲁棒性,采用共被引和转置信任传播操作,提出一种基于多态信任融合的信任估计方法估计连续信任/不信任值.结合信任者、被信任者的相邻用户的信息以及被信任者对信任者的信任,平均估计出两个用户信任或被其它用户信任的差异,以及一个用户信任另一个用户和被该用户信任的差异;利用这些差异,计算4种部分信任估计值,将这些部分估计值加权平均,得到信任者对被信任者的最终信任估计值.仿真结果表明,所提方法比其它最新的现有信任计算算法更准确和鲁棒,对应用于大型网络更高效.

    在线社交网络信任传播操作信任计算加权有向图部分信任估计均方根误差鲁棒性

    基于粒子群和改进蚁群算法的云计算任务调度

    任小强聂清彬王浩宇林慧琼...
    1797-1804页
    查看更多>>摘要:针对目前云计算任务调度方法的效率较低和日益多样化的用户服务质量需求等问题,提出一种将粒子群算法和改进蚁群算法结合的混合粒子群蚁群算法(HPSO-ACO),包括建立云计算任务调度模型、用户服务质量模型及虚拟资源节点模型.利用离散型粒子群算法,得到初始解集,转化为蚁群算法信息素的初始值,通过改进蚁群算法的寻径规则和信息素更新规则,得到最终解.通过仿真实验将粒子群算法、蚁群算法和HPSO-ACO算法进行比较,其结果表明,HPSO-ACO算法有效且可行,能够减少任务完成时间和降低完成成本,满足用户服务质量要求.

    云计算有向无环图用户服务质量蚁群算法信息素粒子群算法任务调度方案

    MEC-Net:基于运动捕捉和通道注意力的行为识别方法

    郭志鑫冯秀芳
    1805-1811页
    查看更多>>摘要:针对视频行为识别过程中面临的特征信息利用不充分、计算量过大的问题,提出一种基于运动捕捉和通道注意力的行为识别模型.模型利用卷积和池化层提高关键特征的利用率,利用空间通道注意力模块在通道维度利用自适应学习参数聚合信息,降低背景冗余信息的影响,引入时空注意力机制融合特征信息获得分类结果.所提模型在公开数据集UCF101、Kinetics-400以及HMDB51上分别获得了 94.5%、80.2%和61.9%的精确度,对比其它模型具有更加精准的识别结果以及更少的计算量,验证了模型的有效性.

    行为识别视频混合模型注意力机制时空特征自适应通道

    结合密集残差块和注意力的真实图像去噪网络

    余卓璞周冬明周联敏赵倩...
    1812-1821页
    查看更多>>摘要:为有效去除真实图像噪声并保留图像边缘信息,提出一种结合密集网络思想和并行极化自注意力机制的真实去噪算法.使用3条并行结构处理不同尺度的特征信息,其中每条分支由两个密集注意力块串联而成,形成残差结构.使用选择性核融合机制,获取不同深度下的特征信息,将其融合并使用注意力机制去除冗余信息,获取干净图像.实验结果表明,该算法在SIDD、DND、PolyU测试集上的峰值信噪比分别为39.32 dB、39.52 dB和37.36 dB,结构相似性分别为0.908、0.951和0.952,在SIDD和PolyU测试集上的图像通用质量指标值为0.992和0.982,在去噪任务上可以达到较好的性能,提高了图像视觉的质量.

    真实图像去噪深度学习卷积神经网络密集残差网络多尺度注意力机制深度卷积

    CAG-YOLO:轻量级网球检测

    赵雨欣杨武李迎江卢玲...
    1822-1828页
    查看更多>>摘要:为实现智能网球回收机器人的高精度实时网球检测,提出一种轻量级网球检测算法CAG-YOLO.提出融合坐标注意力的Ghost残差块(coordinate attention ghostbottleneck,CAG),构建轻量型骨干网络CAG-Backbone,采用加权双向特征金字塔网络加强特征融合.采用SCYLLA-IoU计算坐标回归损失,改进非极大值抑制的后处理方法解决网球重叠问题.算法在Wtennis数据集上的实验结果表明,CAG-YOLO较基线方法的精度提高8.6%且模型体积减少31.7%,检测速度为21 ms,性能优于其它算法.CAG-YOLO能够用小规模参数提升检测精度,易于移植至移动智能设备.

    目标检测网球回收深度学习鬼影残差块坐标注意力机制双向特征金字塔非极大值抑制