首页期刊导航|计算机科学
期刊信息/Journal information
计算机科学
计算机科学

朱完元

月刊

1002-137X

jsjkx12@163.com

023-63500828

401121

重庆市渝北区洪湖西路18号

计算机科学/Journal Computer ScienceCSCD北大核心CSTPCD
查看更多>>本刊的读者对象是：大专院校师生，从事计算机科学与技术领域的科研、生产人员。办刊宗旨是：坚持“双百”方针，活跃计算机科学与技术领域的学术气氛，重点报导国内外计算机科学与技术的发展动态，为我国的计算机科学与技术立于世界之林、达到国际先进水平奋斗而矢志不渝。
正式出版
收录年代

    GBDEN:一种基于粒球的大规模数据快速聚类方法

    薛任煊伊士超王平心
    166-173页
    查看更多>>摘要：聚类用于将数据集中的对象划分为具有相似特征的组或类别,使得同一组内的对象之间的相似度较高,而不同组之间的相似度较低.密度聚类是无监督聚类方法之一,它不需要提前指定类簇的数量,而是根据数据的密度来自动确定.与K均值等方法相比,密度聚类对初始点的选择不敏感,因此更容易得到稳健的聚类结果.在众多的密度聚类算法中,DENCLUE(DENsity-based CLUstEring)算法采取了爬山策略,它具有坚实的数学基础,在大量噪声的数据集中具有良好的聚类性能,且在高维数据集中允许对任意形状进行聚类.但其在处理大规模数据集时,需要耗费大量的计算资源和时间.为此,使用粒计算的粒化模型来构建数据集.首先构建一个粗粒度的粒球,然后将粗粒度的粒球划分为细粒球,最后以粒球的形式作为DEN-CLUE 算法的输入,从而进行聚类.实验结果表明,该算法在多个数据集上具有有效性.

    聚类粒计算粒球DENCLUE核函数

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

    基于梯度幅值方向调整的心电信号多任务分类算法

    张雪田岚曾鸣刘俊晖...
    174-180页
    查看更多>>摘要：心血管疾病对人类生命健康安全的威胁日益严重,通过心电信号可进行相关疾病的诊断分类.现有的心电分类算法大多采用单任务学习模型,无法综合利用多个任务中的互补特征,而多任务学习模型可同时学习多个相关任务,共享相关任务特征,有助于提高多任务的分类表现.结合深度学习和多任务学习两种方法,提出了一种基于损失优化的心电信号多任务分类算法,将心电信号的多分类任务分解为多个二分类任务,从任务梯度的幅值和方向两方面进行损失优化,避免手动设置任务损失权重以及任务损失相互抵消而产生的负迁移,从而提升心电信号多分类任务的性能.在PTB-XL数据库上将心电信号23类分类任务分解为23个二分类任务来评估所提出的算法.实验结果表明,所提算法的宏观曲线下平均面积(AUC)达到0.950,准确率达到96.50％,基于标签的宏观F1分数达到0.583,基于样本的F1分数达到0.777.与单任务学习算法相比,所提算法在心电信号的多分类方面表现出良好的性能.

    心电信号分类多任务学习损失优化

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

    基于特征融合的毫米波雷达行为识别算法

    韩崇樊卫北郭澳
    181-189页
    查看更多>>摘要：基于毫米波雷达的人体行为识别方法以远程非接触的方式捕获人类活动的电磁波信号并进行识别,不受烟雾和光线等的干扰,具有一定的隐私保护性,是当前的一个研究热点.针对现有的算法存在特征输入单一、模型结构复杂、泛化能力验证性不够等问题,提出了基于双分支特征融合卷积神经网络(Two Steam Features Fusion Convolutional Neural Network,2S-FC-NN),使用搭载注意力机制的残差神经网络作为骨干网络,并行输入时间距离图和时间速度图,采用特征加权分数融合的方式融合特征后进行分类识别,实现了较高的识别准确率.在公开数据集和自建数据集上与现有的其他算法进行了深入的对比实验,实验结果表明所提算法在识别率和泛化能力方面都具有良好的性能.

    毫米波雷达行为识别特征融合注意力机制

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

    产学研专家秀湖论剑,共话生成式可视媒体未来之路

    CCF微信公众号
    189页
      原文链接:
    • NETL
    • NSTL
    • 万方数据

    适于高动态视频场景下的城市道路违停检测算法

    程梁华黄瑞雪沈鑫
    190-198页
    查看更多>>摘要：日益突出的停车矛盾导致城市道路违停现象严重,给城市交通带来巨大安全隐患.因此,及时有效地监测并处理违停事件对于保障城市交通安全至关重要.然而,现有基于人工巡检和固定摄像头的违停监测方式存在效率低、监测范围受限等缺点,难以满足大规模城市违停监管的需求.群车感知作为一种新兴感知范式,通过激励用户在行车过程中采集道路视频并上传至云端进行监测,能为大规模、低成本的城市违停监管提供重要手段.然而车载视频场景十分复杂,这导致了车辆追踪目标的高丢失性和违停判断的高复杂性,给实现精准违停检测提出了严峻挑战.为应对上述挑战,提出适于高动态视频场景下的城市道路违停检测算法.具体地,首先通过对车载视频进行多车辆目标追踪,以跨视频帧追踪获取车辆图像信息;然后通过动态视觉测距将目标车辆图像信息转换为真实场景中的相对距离变化,并结合车间相互运动实现违停判断;最后,基于重庆市道路数据集对所提算法进行性能评估.实验结果表明,所提算法的违停车辆检测精度为87.1％,相比3种对比算法平均提高21.9％,且在不同违停场景下均表现出优异检测性能.

    违章停车检测群车感知车载视频多目标追踪动态视觉测距

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

    联合群稀疏和代表系数双向空间光谱全变分的高光谱图像去噪

    司伟纳叶军姜斌
    199-208页
    查看更多>>摘要：高光谱图像去噪是遥感领域的一个基本问题,也是预处理的重要步骤.基于代表系数全变分的去噪方法在高光谱图像(HSI)去噪中有着广泛的应用.代表系数矩阵U继承了干净HSI的先验信息,能够实现全局低秩并降低计算复杂度,但由于一阶全变分的引入,该类方法在去噪过程中产生了很强的阶梯效应并且忽略了不同波段间的共同特征,因此去噪效果很差.针对此问题,提出了一种新的联合群稀疏和代表系数双向空间光谱全变分(RCBGS)的正则化去噪模型.高阶全变分的引入缓解了阶梯效应,并在子空间的差分上引入加权l2,1范数,充分挖掘不同波段除全局低秩外的共同特征,提高了 HSI的内在群稀疏性和整体光滑性.最后,通过交替方向乘子法(ADMM)给出了所提方法的迭代规则,且所提方法的评价指标峰值信噪比相对于对比方法平均提升了 8.79％.在模拟和真实数据集上的实验表明,所提方法在视觉质量和定量评估方面都优于相关方法.

    高光谱图像去噪双向变分低秩先验阶梯效应群稀疏

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

    文本人格检测研究综述

    朱洋甫李美玲谭嘉辰吴斌...
    209-222页
    查看更多>>摘要：文本人格检测是人格计算领域一项重要的研究内容,旨在分析用户生成文本中隐含的人格特质.随着社交网络的发展,人们习惯于在线发布蕴含心理活动的内容,这为文本人格检测提供了新的机遇.准确地检测用户人格特质在心理健康诊断、舆情监控、人机交互系统设计以及大语言模型构建等方面具有重要意义.文中对文本人格检测的相关研究和新颖方法进行了深入调研和全面综述.首先介绍了人格检测相关背景知识、任务模式;其次从心理语言学统计方法、特征工程方法、深度学习方法、预训练语言模型4个方面梳理了现有方法;然后对当前广泛使用的评测数据集及模型效果进行了总结;最后从人格检测的可靠性、公平性、伦理与隐私、数据集和评价指标统一以及大语言模型与人格5个方面分析了本领域存在的问题和未来研究方向.

    人格计算社交网络用户生成文档大语言模型

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

    基于大语言模型的移动应用可访问性增强方法

    马琦珉李向民周雅倩
    223-233页
    查看更多>>摘要：移动应用可访问性(Mobile Application Accessibility)是指移动应用程序设计和实现的程度,目的是确保任何用户都能够轻松地访问和使用该应用.国内移动应用市场上的海量应用中支持无障碍功能的应用少之又少,与数量庞大且与日俱增的老年群体和视觉障碍群体追求享受数字时代红利、打破数字鸿沟的愿景产生矛盾.大规模语言模型(Large Language Model,LLM)在实现人类水平的智能方面表现出了巨大的潜力,通过提示词工程引导可以进行简单的逻辑推理和决策判断.此外,缩短交互路径是一种最为直观的移动应用可访问性增强方法.受到上述事实的启发,提出一种基于大规模语言模型的移动应用可访问性增强方法,创新性地应用可访问性服务和大语言模型,兼顾安全性、自动化和智能化.实现了一种移动应用可访问性辅助工具AccessLink,在非侵入式和用户授权的前提下,感知和操作移动应用的图形化用户界面,由此实现了基于自动化方法的数据集构建方法,并在构建的数据集上使用大模型GPT-3.5、GPT-4.0、通义千问和百川进行实验,证明了所提方法的有效性.

    大语言模型安卓移动应用可访问性自然语言处理

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

    DE-AA:基于词对距离嵌入和轴向注意力机制的实体关系联合抽取模型

    张梦赢沈海龙
    234-241页
    查看更多>>摘要：实体关系联合抽取为知识图谱的构建提供了关键的技术支持,而重叠关系问题一直都是联合抽取模型研究的重点.现有的方法大多采用多步骤的建模方法,虽然在解决重叠关系问题上取得了很好的效果,但产生了曝光偏差问题.为同时解决重叠关系和曝光偏差问题,提出了一种基于词对距离嵌入和轴向注意力机制的实体关系联合抽取方法(DE-AA).首先,构建代表词对关系的表特征,加入词对距离特征信息优化其表示;其次,应用基于行注意力和列注意力的轴向注意力模型去增强表特征,在融合全局特征的同时能够降低计算复杂度;最后,将表特征映射到各关系空间中,生成特定关系下的词对关系表,并使用表格填充法为表中各项分配标签,以三重分类的方式进行三元组的抽取.在公开数据集NYT和WebNLG上评估了所提出的模型,实验结果表明其与其他基线模型相比取得了更好的性能,且在处理重叠关系或多重关系问题上优势显著.

    实体关系联合抽取轴向注意力机制词对距离嵌入表格填充法

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

    基于多模态双协同Gather Transformer网络的虚假信息检测方法

    向旺王金光王一飞钱胜胜...
    242-249页
    查看更多>>摘要：社交媒体网站是人们在日常生活中分享信息、表达和交换意见的便捷平台.随着用户数量的不断增加,社交媒体网站上出现了大量的信息数据.然而,由于用户没有检查共享信息的可靠性,这些信息的真实性难以保证,从而导致大量虚假信息在社交媒体上广泛传播.然而,现有方法大多存在以下局限性:1)大多数方法通过简单提取文本与视觉特征,将其拼接后得到多模态特征来进行虚假信息判断,忽略了模态间和模态内细粒度内在联系,缺乏对关键信息的检索和筛选;2)多模态信息间缺乏指导性的特征提取,文本和视觉等特征之间缺乏交互增强,对多模态信息的理解不足.为了应对这些挑战,提出了一种新颖的基于多模态双协同 Gather Transformer 网络(Multimodal Dual-Collaborative Gather Transformer Network,MDCGTN)的虚假信息检测方法.在MDCGTN模型中,通过文本-视觉编码网络对文本和视觉信息的特征表示进行提取,将获得的视觉和文本特征表示输入多模态Gather Transformer网络进行多模态信息融合,使用Gather机制提取关键信息,充分捕捉和融合模态内和模态间细粒度关系.此外,设计了一个双协同机制对社交媒体帖子的多模态信息进行整合,以实现模态之间信息的交互和增强.在两个公开可用的基准数据集上进行了大量实验,结果表明,与现有的先进基准方法相比,所提方法准确率明显提升,证明了其对于虚假信息检测的优越性能.

    多模态虚假信息检测社交媒体GatherTransformer网络

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