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

    基于图卷积的无监督跨模态哈希检索算法

    龙军邓茜尹陈云飞杨展...
    2393-2399页
    查看更多>>摘要：为解决当前无监督跨模态哈希检索在全局相似性矩阵构建和异构数据语义信息融合中存在的困难,提出一种基于图卷积的无监督跨模态哈希检索算法(GCUH).采用分层次聚合的方式,将各个模态的相似性结构编码到全局相似性矩阵中,获得跨模态的成对相似性信息来指导学习.使用图卷积模块融合跨模态信息,消除邻居结构中的噪声干扰,形成完备的跨模态表征,提出两种相似性保持的损失函数约束哈希码的一致性.与基线模型相比,GCUH在NUS-WIDE数据集上使用64位哈希码执行文本检索图片任务的检索精度提升了 6.3％.

    哈希学习跨模态无监督深度学习图卷积网络相似度构建信息检索机器学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    联合度量指标损失和U-Net的文档图像二值化

    张晶周稻祥吴永飞冯姝...
    2400-2406页
    查看更多>>摘要：当前深度神经网络模型在图像分割时均采用交叉熵做训练损失函数,当损失值变小时评价指标不一定变得更优.为解决上述缺陷,提出一种基于度量指标损失的U-Net网络模型.由于错误接受率和错误拒绝率变小时度量指标F-Mea-sure会上升,因此构建半错误率损失函数.采用分治策略,将文档图像分割成固定大小的图像块,分别进行二值化.在文档图像竞赛数据集上进行大量对比实验,实验结果表明,该方法相比原始U-Net,在4个度量指标上均有提升,二值化结果图像的文字连通性更好、噪声更少.

    文档图像二值化卷积神经网络交叉熵度量指标损失打印图像手写图像深度学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    面向超分辨率重建的层次间局部特征增强网络

    王晓峰黄煜婷张文尉张轩...
    2407-2414页
    查看更多>>摘要：基于卷积神经网络的超分辨率重建模型以单项传播为主,层次越靠后感知信息的能力越微弱,导致层次间局部特征部分丢失,难以实质提升网络的特征表达能力.针对此问题,提出层次间局部特征增强网络.该方法由级联残差模块、层次间特征增强块和特征感知注意力机制组成.级联残差模块通过有效残差连接增加对残差分支信息的利用;层次间特征增强块提取不同深度特征的依赖关系,自适应调整中间层特征权值增强捕获关键信息的能力;特征感知注意力机制采用方向感知和位置判断的方式准确定位和识别感兴趣对象.多项标准数据集的实验结果表明,该方法能改善超分辨率的视觉重建效果,整体性能优于现有方法.

    卷积神经网络超分辨率局部特征增强级联残差模块注意力机制方向感知位置判断

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于增强型多尺度残差生成对抗网络的图像压缩

    马婷刘友鑫胡峰聂伟...
    2415-2422页
    查看更多>>摘要：为解决低码率下更符合人类视觉感知的图像压缩,提出一种基于增强型多尺度残差生成对抗网络的有损压缩方法.在网络框架的自动编码器中,使用一种结构上改进的增强型多尺度残差块,其可以扩大感受野,更容易获得图像的全局信息.引入简易注意力模块,帮助网络更加关注图像复杂的部分,减少简单部分的比特.判别器部分采用全新的相对平均判别器,在网络框架中使用LPIPS(learned perceptual image patch similarity)感知损失减轻图像伪影问题.采用两阶段训练的方式解决引入生成对抗网络导致训练不稳定的问题.实验结果表明了在低码率下所提模型的有效性,与之前的工作相比,所提方法在感知失真指标上表现更优,性能提升了 65％左右,重建图像更符合人类视觉感知.

    低码率图像压缩生成对抗网络多尺度残差块注意力模块相对平均判别器感知损失

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    任意大小图像的量子描述及双线性插值方法

    刘显德李笑
    2423-2432页
    查看更多>>摘要：为解决任意大小图像的量子描述及缩放问题,提出一种改进的量子图像描述方法.采用量子基态描述像素值,采用量子叠加态描述像素位置,该叠加态可包含任意数量的基态,描述任意大小的图像.提出一种基于量子傅里叶变换的图像双线性插值方法.基于量子傅里叶变换基本原理,设计实现加法和乘法的量子线路,利于这两个模块及其它辅助模块,研究实现图像双线性插值的量子线路设计方法,设计双线性插值放大和缩小两种具体的量子线路.基于线路中采用的量子基本门的数量,分析线路的复杂度,其结果表明,该方法可以实现对经典方法的指数加速.经典计算机上的仿真结果验证了提出方法的有效性.

    量子图像处理量子图像描述量子均衡叠加态量子线路设计量子图像插值量子傅里叶变换双线性插值

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    自适应初始光子收集半径的卡方渐进光子映射

    贺怀清元林刘浩翰惠康华...
    2433-2441页
    查看更多>>摘要：卡方渐进光子映射(chi-squared progressive photon mapping,CPPM)使用 K 近邻法(K nearest neighbor,KNN)为命中点确定初始半径,导致图像中光照均匀区域的噪点及明暗交界区域和焦散区域的模糊.针对此问题,提出一种计算光子映射初始半径的算法,自适应地为各命中点确定初始半径:为CPPM算法增加预处理环节,根据对光子分布的均匀程度的检验及对高频区域的筛选为命中点设置初始半径,以保证光照均匀区域的命中点保持在大半径上,光照变化区域的命中点半径快速下降.实验结果表明,改进算法减少了光子映射算法的方差和偏差,提高了渲染效果.

    渐进光子映射K近邻法卡方检验自适应初始半径焦散光子分布

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于大津阈值的量子图像分割方法

    李盼池张亚奇
    2442-2453页
    查看更多>>摘要：为解决量子计算机上图像分割的问题,研究一种基于大津阈值的量子图像分割方法.设计量子加法器、量子减法器、量子乘法器、量子除法器和直方图的基本模块,在此基础上,设计累积直方图、累积平均值、类间方差等子模块,通过对每个灰度级所对应的类间方差进行排序,选取所有类间方差的最大值作为大津阈值,对得到的大津阈值进行图像二值化量子线路设计.通过在经典计算机上的仿真验证了方法的执行效果,基于所用基本量子门数量,分析量子线路的复杂度,其结果表明,所提方法可以实现对经典方法的加速.

    图像处理量子图像处理大津阈值量子图像分割量子乘法器量子除法器量子线路设计

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    面向癌症亚型预测的多组学AI模型

    曹云芳李东喜
    2454-2460页
    查看更多>>摘要：针对癌症亚型预测中仅使用单组学数据信息有限的问题,提出一种基于稀疏自编码器和相似网络融合的多组学癌症分型预测模型(multi-omics sparse auto-encoder,MOSAE).利用稀疏自编码器提取患者特征向量,应用相似网络融合方法构建患者的相似度网络.基于患者特征向量和患者相似度网络利用残差图卷积网络构建预测模型.实验结果表明,在乳腺癌和卵巢癌数据上,所提模型识别亚型的准确率比现有方法分别提高了 2.74％和19.74％.在TCGA的肺鳞状细胞癌和头颈部癌症数据上验证了 MOSAE模型的优越性.

    稀疏自编码器残差图卷积网络相似网络融合多组学数据癌症亚型多模态特征提取

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    改进PU-GAN的点云上采样网络

    艾国方立冯站银
    2461-2467页
    查看更多>>摘要：针对点云分类问题,提出一种改进点云上采样网络,从低密度点云生成密集点云,提高点云分类准确率.针对点云上采样网络PU-GAN细节表示能力不足的问题,在生成器网络中引入Transformer模块,整合提取的特征信息;在特征扩张模块加入门控循环单元和分层上采样单元,重构细粒度特征;以PU-GAN数据集进行训练,构建闽南古建筑数据集作为测试.实验结果表明,改进后网络的上采样效果获得了提升,具有良好的鲁棒性.通过对ModelNet40数据集进行上采样,在PointNet上进行分类实验,验证了该网络对分类准确率的提升.

    点云分类点云上采样PU-GAN网络Transformer模块门控循环单元古建筑数据集PointNet网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    结合句法结构和语义信息的方面情感三元组抽取

    石恽本苟刚
    2468-2474页
    查看更多>>摘要：为解决先前方面情感三元组抽取方法中忽略句法结构和语义信息的问题,提出一种结合句法结构和语义信息的抽取模型.使用BERT预训练模型编码输入语句,同时编码句法结构特征.通过注意力层学习词对间的语义信息.将句法结构特征和语义信息输入图卷积网络,增强对单词间句法结构的学习.通过网格解码生成情感三元组.在lap14、res14、res15、res16数据集上的实验结果表明,该模型在精确率、召回率和F1值上相较其它基线模型有显著提升,有效提升方面情感三元组抽取效果.

    方面情感三元组句法结构语义信息BERT预训练模型注意力图卷积网络网格

      原文链接:
    • NETL
    • NSTL
    • 万方数据