首页期刊导航|计算机工程与应用
期刊信息/Journal information
计算机工程与应用
华北计算技术研究所
计算机工程与应用

华北计算技术研究所

陶小雪

半月刊

1002-8331

ceaj@vip.163.com

010-89055542

100083

北京619信箱26分箱

计算机工程与应用/Journal Computer Engineering and ApplicationsCSCD北大核心CSTPCD
查看更多>>《计算机工程与应用》是由中国电子科技集团公司主管，华北计算技术研究所主办的面向计算机全行业的综合性学术刊物，中国计算机学会会刊，中国科技核心期刊、北大中文核心期刊、RCCSE中国核心学术期刊、中国科学引文数据库（CSCD）来源期刊、中国学术期刊综合评价数据库（CAJCED）统计源期刊、中国科技论文与引文数据库（CSTPCD）统计源期刊、中文科技期刊数据库（VIP）收录期刊、《中国学术期刊文摘》首批收录源期刊，被收录在英国《科学文摘》（SA/INSPEC）、俄罗斯《文摘杂志》（AJ）、美国《剑桥科学文摘》（CSA）、美国《乌利希期刊指南》（Ulrich’s PD）、《日本科学技术振兴机构中国文献数据库》（JST）、波兰《哥白尼索引》（IC），中国期刊方阵双效期刊、中国精品科技期刊、工业和信息化部精品期刊、中国最具国际影响力学术期刊、中国“百强科技期刊”、中国“期刊数字影响力100强”，入选“庆祝中华人民共和国成立70周年精品期刊展”。办刊方针：坚持走学术与实践相结合的道路，注重理论的先进性和实用技术的广泛性，在促进学术交流的同时，推进了科技成果的转化。覆盖面宽、信息量大、报道及时是本刊的服务宗旨。报导范围：行业最新研究成果与学术领域最新发展动态；具有先进性和推广价值的工程方案；有独立和创新见解的学术报告；先进、广泛、实用的开发成果。主要栏目：热点与综述，理论与研发，大数据与云计算，网络、通信与安全，模式识别与人工智能，图形图像处理，工程与应用，其他热门栏目。
正式出版
收录年代

    基于威布尔飞行和警戒机制的沙猫群优化算法及应用

    杨宇鸽郝杨杨王逸文
    145-157页
    查看更多>>摘要：针对沙猫群优化算法收敛速度慢、寻优精度低等问题，提出了一种多策略改进的沙猫群优化算法。利用拉丁超立方抽样进行初始化，提升种群多样性;在搜索猎物阶段提出威布尔飞行，增强算法搜索能力;提出一种警戒机制，进一步提升算法的寻优能力与收敛速度。使用具有挑战性的CEC2017函数进行函数测试，基于基准函数定性分析、寻优精度分析、改进策略有效性分析、收敛曲线分析以及Wilcoxon秩和检验、Friedman检验进行综合评价。实验结果表明，相比于其他3种沙猫群算法以及6种元启发式算法，所提出的算法在复杂函数上的寻优精度和收敛方面具有显著优越性。将该算法应用至变压器故障诊断实例中，进一步验证了ESCSO算法的有效性。

    元启发式算法沙猫群算法拉丁超立方抽样威布尔飞行警戒机制变压器故障诊断

      原文链接:
    • 万方数据
    • 维普

    面向不平衡医疗数据的多阶段混合特征选择算法

    刘佳璇李代伟任李娟张海清...
    158-169页
    查看更多>>摘要：为解决医疗数据中存在的特征高维和类别不平衡问题，在基于简单、快速和有效高维特征选择算法SFE(simple，fast and effective high-dimensional feature selection)的基础上，提出了一种面向不平衡医疗数据的多阶段混合特征选择算法HFSIM(hybrid feature selection for imbalanced medical data)。HFSIM算法采用改进的自适应边界SMOTE过采样技术，生成符合边界条件的新少数类实例以解决医学数据中类不平衡问题。同时，为了改善搜索空间多样性不足的问题，优化了SFE算法中的非选择操作符率参数UR(unselected rate)，有效避免了算法过早收敛及易陷入局部最优的问题。将过滤式Fisher Score方法与优化UR参数后的算法有效结合，使算法能以较低的计算成本获得较好寻优能力。经实验验证，相比于SFE算法，HFSIM算法在Ovarian数据集上准确率达到99。67%，提升了2。11个百分点，G-means和F1分别提升了5。13和2。30个百分点。此外，通过对比特征数量和运行时间，证明了HFSIM算法既能保证算法精度又有效降低了计算成本。

    高维不平衡特征选择多阶段混合医疗数据

      原文链接:
    • 万方数据
    • 维普

    PLSGA:阶段式长文本摘要生成方法

    方缙李宝安游新冬吕学强...
    170-178页
    查看更多>>摘要：针对现有方法在处理长文本时，存在冗余信息处理困难和无法筛选出最高质量摘要的问题，提出了一种阶段式长文本摘要生成方法(PLSGA)。将样本数据的文本和参考摘要分割，利用Sentence-BERT获取语义向量并进行相似度比对，从中抽取文本的关键信息;通过关键信息和非关键信息训练抽取模型，以尽可能地保留原文本的语义信息;将抽取的关键信息和参考摘要作为样本输入骨干模型BART进行生成模型训练;通过生成模型生成多条候选摘要，并使用无参考摘要评分模型筛选出质量最好的摘要。提出的阶段式长文本摘要生成方法在多个中文长文本数据集上进行实验，结果表明相对于目前主流的方法以及ChatGPT，其效果均有提升，具有领域优势，生成的摘要质量更好，更具可读性。

    文本摘要Sentence-BERT关键信息BART无参考摘要评分模型

      原文链接:
    • 万方数据
    • 维普

    基于多模态信息融合的中文隐式情感分析

    张换香李梦云张景
    179-190页
    查看更多>>摘要：隐式情感表达中缺乏显式情感词，给隐式情感分析带来一定的挑战。为有效解决此问题，借助外部信息是有效解决隐式情感分析的方法之一。与现有的主要借助单一文本信息的研究不同，提出一种融合多模态信息(包括语音和视频)的隐式情感分析方法。通过从语音中提取音调、强度等声学特征，以及从视频中捕捉面部表情等视觉特征，辅助理解隐式情感。利用BiLSTM网络挖掘各单模态内部的上下文信息;结合多头互注意力机制分别捕捉与文本相关的语音和视觉特征，并通过迭代优化，减少非文本模态的低阶冗余信息。此外，通过设计以文本为中心的交叉注意融合模块，强化隐式文本特征表示，并处理模态间的异质性，增强隐式情感分析的综合性能。在CMU-MOSI、CMU-MOSEI、MUMETA数据集上的实验结果表明，所提出的模型优于其他基线模型。这种针对隐式情感分析的多模态处理策略，充分利用语音和视觉外部知识，更全面、准确地捕捉隐式情感表达，有效提升了隐式情感分析的准确率。

    隐式情感分析深度神经网络多模态注意力机制特征融合

      原文链接:
    • 万方数据
    • 维普

    多分支加权的Transformer霍克斯过程

    高腾达任兆亭孙铁军吴春雷...
    191-199页
    查看更多>>摘要：时序点过程作为一种异步事件序列建模的重要方法，目前已经在地震、医疗等领域得到了广泛的应用。Transformer等深度学习模型的引入使得模型的预测性能得到了突破性进步，为了解决基于Transformer的霍克斯过程模型在对事件序列建模时出现的学习偏差问题，提出了多分支加权的Transformer霍克斯过程模型(multi-branch weighted transformer Hawkes process，MWTHP)。基于多分支的思想，通过为不同角度下学习到的依赖关系赋予差异化的重要性，提高模型对事件序列的建模能力;为了应对基于Transformer的霍克斯过程模型的局部感知能力较差问题，构建了一种基于因果卷积的局部感知增强网络，改善了模型对事件序列局部上下文信息的关注能力。通过在多个合成数据集和真实世界数据集上进行实验，采用对数似然值、时间均方根误差、事件类型准确率等指标进行综合评价。实验结果验证了所提模型的性能优于其他基准模型;通过消融实验，证明了局部感知增强网络的有效性。

    时序点过程霍克斯过程深度学习转换器多分支加权

      原文链接:
    • 万方数据
    • 维普

    结合多尺度注意力和动态构建的非均匀超图聚类模型

    朱峰冉王慧颖林晓丽李全鑫...
    200-207页
    查看更多>>摘要：单个较大非均匀超图聚类旨在将非均匀超图包含的节点划分为多个簇，使得同一簇内的节点更相似，而不同簇中的节点更不相似，具有广泛的应用场景。目前，最优的基于超图神经网络的非均匀超图聚类方法CIAH(co-cluster the interactions via attentive hypergraph neural network)虽然较好地学习了非均匀超图的关系信息，但仍存在两点不足:(1)对于局部关系信息的挖掘不足;(2)忽略了隐藏的高阶关系。因此，提出一种基于多尺度注意力和动态超图构建的非均匀超图聚类模型MADC(non-uniform hypergraph clustering combining multi-scale atten-tion and dynamic construction)。一方面，使用多尺度注意力充分学习了超边中节点与节点之间的局部关系信息;另一方面，采用动态构建挖掘隐藏的高阶关系，进一步丰富了超图特征嵌入。真实数据集上的大量实验结果验证了MADC模型在非均匀超图聚类上的聚类准确率(accuracy，ACC)、标准互信息(normalized mutual information，NMI)和调整兰德指数(adjusted Rand index，ARI)均优于CIAH等所有Baseline方法。

    非均匀超图超图聚类超图神经网络多尺度注意力

      原文链接:
    • 万方数据
    • 维普

    心电特征引导下的自监督房颤异常检测方法

    陈鹏邓淼磊樊好义张德贤...
    208-218页
    查看更多>>摘要：心电异常检测旨在发现心电数据中异常的模式，例如房颤特征或无效干扰信号特征。针对心房颤动心电异常，提出了一种简单有效的自监督房颤异常检测方法，称为心电特征引导下的房颤异常检测器(electrocardiogram feature induced atrial fibrillation detector，EFAFD)，通过引入P波掩码和心率变异性指标预测多任务学习策略，指导模型学习房颤心电P波消失和RR间期绝对不齐等医学特征，提高模型对房颤异常心电模式的判别能力。具体地，将P波掩码心电数据通过自编码器重构原始的心电数据，学习房颤心电P波易消失的特征。同时，将心率变异性指标的预测任务整合到自编码器框架中，学习房颤心电RR间期绝对不齐的节律特征。通过度量心电的重构误差，实现房颤心电的检测。在真实的动态心电数据集上评估了所提出的方法，包括CPSC2021数据集和Icentia11k数据集。EFAFD模型的AUC分别达到了81。85%和92。46%。实验结果表明，所提出的方法在房颤异常检测方面优于现有的方法。

    心电图时间序列异常检测自监督学习房颤检测自编码器

      原文链接:
    • 万方数据
    • 维普

    基于MVBCN-FLW的中文法律文书命名实体识别

    杨书新刘天扬黄伟东
    219-226页
    查看更多>>摘要：中文法律文书命名实体识别是智慧司法的基础性任务。目前的中文法律文书命名实体识别研究中已经取得一些成果，但其中大部分方法依赖于已标注的法律语料而未有效利用未标注的法律语料，且不能深入获取法律文书的特征。针对上述问题，提出一种中文法律文书命名实体识别框架。该框架使用基于双向编码器的转换器模型来学习中文法律文书的向量表示，并使用能够融合法律术语特征的双向长短时记忆网络语言模型来捕捉法律文书序列的上下文特征向量。该框架将中文法律文书的向量表示和上下文特征向量进行融合，融合后的特征向量被输入到一个由双向门控循环单元、自注意力机制和条件随机场组成的模块中进行训练。此外，为了使框架在缺少已标注的法律语料时也能得到更加充分的训练，使用未标注的法律语料进行自训练，生成新标注的法律语料并将其与初始标注的法律语料合并，通过进行迭代训练来提升框架性能。实验结果表明，该框架优于其他基于主流神经网络的命名实体识别模型。

    法律文书实体命名识别半监督学习

      原文链接:
    • 万方数据
    • 维普

    联合判别区域特征的细粒度视觉分类方法

    康宇郝晓丽
    227-233页
    查看更多>>摘要：细粒度视觉分类方法的核心是定位图像中的判别区域。现有研究通过利用与改进视觉Transformer方法增强了判别区域特征的远距离依赖关系，但是大多数方法仅局限于增强显著判别区域的注意力，忽略了次显著的判别区域中可以联合提取的特征信息，导致具有相似局部特征的不同类别区分难度大，分类准确率较低。因此，提出了一种联合判别区域的提取特征方法，在自注意力模块的前端划分特征图的候选判别区域，引导模型提取不同显著程度的判别区域特征;通过双线性融合自注意力模块对多个不同显著程度的判别区域进行联合特征的提取，获取更加全面的判别区域特征信息。实验结果表明，引入联合判别区域方法的视觉Transformer网络在CUB-200-2011数据集上的准确率达92。7%，较标准视觉Transformer方法提升了2。4个百分点，并且在其余的基准数据集上均超越了当前最优的细粒度视觉分类方法。

    细粒度视觉分类判别区域视觉Transformer自注意力机制

      原文链接:
    • 万方数据
    • 维普

    改进RHGSO-FC算法的RGB-D图像GMM聚类分割

    郭培岩范九伦刘恒
    234-246页
    查看更多>>摘要：随着低成本深度图像传感器的引入，在RGB-D图像中进行可靠的图像分割是计算机视觉的一个目标，而如何对杂乱的场景进行图像分割具有挑战性。基于随机亨利气体溶解度优化算法的模糊聚类(RHGSO-FC)，提出一种新的RGB-D图像分割方法。对亨利气体溶解度优化算法(HGSO)进行改进，提出改进的亨利气体溶解度优化算法(LRHGSO)，并利用基于改进亨利气体溶解度优化算法的核模糊聚类(LRHGSO-KFC)生成初始化标签。将初始化标签传入到高斯混合(GMM)聚类中，得到多个聚类结果。最后对这些聚类结果通过聚集超像素方法进行分割合并，得到最终分割结果。实验数据集采用NYU depth V2室内图像，与现有的一些分割方法:阈值分割算法、硬C-均值、模糊C-均值、高斯混合聚类、核模糊聚类、模糊子空间聚类、混沌Kbest引力搜索算法和随机亨利气体溶解度优化算法进行比较，结果表明提出的RGB-D分割算法优于其他比较的算法。

    RGB-D图像分割核模糊聚类亨利气体溶解度优化算法高斯混合模型聚集超像素

      原文链接:
    • 万方数据
    • 维普