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

    基于关联分析的铁路旅客同行预测方法

    李思颖徐杨王欣赵若成...
    95-102页
    查看更多>>摘要：随着运输技术的快速发展,铁路已成为人们出差、度假、探亲时选择的主要出行方式之一.与此同时,旅客共同出行(以下简称同行)的行为特征也越来越普遍.依据旅客间的同行关系,可以构建同行关系网络;而对该网络中潜在的链接进行预测,将有助于提供个性化的服务和产品.为此,文中提出一种原创的方法,用于在旅客同行关系网络中发现潜在的同行关系.首先对传统的图模式关联规则进行扩展,提出了两类"同行图模式关联规则",用于预测新的同行关系和未来的同行频次.然后,将上述规则挖掘计算的问题分解为频繁同行模式挖掘、规则生成以及关联分析3个子问题,并设计了有效的分布式和集中式的算法.通过在大规模真实数据集上的测试,证明了所提方法能够高效且准确地预测旅客同行关系网络中潜在的同行关系,且两类规则的预测准确率均高于50％,远高于传统方法(如Jaccard的预测准确率为24％).

    同行预测同行网络关联分析图模式匹配同行模式

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

    融合偏置深度学习的距离分解Top-N推荐算法

    钱梦薇过弋
    103-109页
    查看更多>>摘要：针对传统矩阵分解算法大多是浅层的线性模型,难以学习到深层次的用户和物品的隐特征向量,且在数据稀疏的情况下容易产生过拟合的问题,文中提出一种融合偏置深度学习的矩阵分解算法,在解决数据稀疏问题的同时,还能学习到表征能力更强的距离特征向量.首先,通过用户与物品的显式和隐式数据构建用户与物品的交互矩阵,并将交互矩阵转化为相应的距离矩阵;其次,将距离矩阵分别按行和按列输入加入偏置层的深度神经网络,学习得到具有非线性特征的用户和物品的距离特征向量;最后,根据用户和物品的距离特征向量计算用户和物品之间的距离,用距离值对物品按升序排列,生成Top-N的推荐列表.在4个真实数据集上进行实验,采用Precision,Recall,MAP,MRR和NDCG指标进行评估,结果表明所提算法在上述指标方面相比其他主流推荐算法有明显提升.

    偏置层深度学习距离分解物品排序

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

    面向大数据分析的智能交互向导系统

    余乐章夏天宇荆一楠何震瀛...
    110-117页
    查看更多>>摘要：传统的大数据工具一般为专业数据分析人员打造,具有难以上手、操作交互性差以及不够智能化等特点.而智能交互向导系统是针对大数据交互式分析系统目前存在的问题而研制的一套大数据分析辅助工具.系统既研发了用户意图理解、数据抽样及列推荐、可视化推荐、分析方法推荐等核心关键技术,也拥有良好的图形化界面与人性化的智能交互体验.在满足用户多种交互式分析需求的同时,还具有极高的响应速度.不仅可以随时回溯到分析流程任意一步重新选择方法的执行流程,还可以通过接口与各种分析应用快速集成以部署应用于不同场景.经过实验测试,系统的平均交互时间均在3s以内,且与传统分析方法相比系统交互的执行时效加快了3倍左右.通过用户用例测试,系统的满意度相比传统工具更加优秀.智能交互向导系统通过在易用性、时效性、可交互性和智能性等方面的探索,让不同基础的用户群体都可以使用此系统完成所需的大数据分析目标.

    大数据系统智能交互数据分析方法推荐用户意图

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

    基于Spark的舆情情感大数据分析集成方法

    戴宏亮钟国金游志铭戴宏明...
    118-124页
    查看更多>>摘要：随着移动互联技术的不断发展,社交媒体成为了公众分享观点和抒发情感的主要平台,在重大社会事件下对社交媒体文本进行情感分析能够有效监控舆情.针对现有中文社交媒体情感分析算法的准确性能和运行效率较低的问题,提出了一种基于Spark分布式系统的集成情感大数据分析方法(Spark Feature Weighted Stacking,S-FWS).该方法首先基于Jieba库预分词和PMI关联度完成新词发现;然后考虑词语重要度混合提取文本特征,并使用Lasso进行特征选择;最后改进传统Stacking框架忽略特征重要度的缺点,使用初级学习器的准确率信息对类概率特征进行加权处理并构造多项式特征,进而训练次级学习器.分别在单机模式和Spark平台下引入多种算法进行对比实验,实验结果证明所提S-FWS方法的准确性能和耗时性能具备一定优势,并且分布式系统能够大幅提高算法的运行效率,同时随着集群工作节点的增加,算法耗时逐渐降低.

    情感分析舆情中文社交媒体SparkStacking

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

    基于深度学习的人群异常行为检测综述

    徐涛田崇阳刘才华
    125-134页
    查看更多>>摘要：随着安防需求的日益增长,人群异常行为检测已经成为计算机视觉的研究热点.人群异常行为检测旨在对监控视频中行人的行为进行建模和分析,区分出人群中的正常行为和异常行为,及时发现灾难和意外事件.文中对基于深度学习的人群异常行为检测算法进行了梳理总结.首先,针对人群异常行为检测任务及其现状进行介绍;其次,重点探讨卷积神经网络、自编码网络和生成对抗网络在人群异常行为检测任务中的研究进展;然后,列举该领域常用的数据集,并比较和分析了深度学习方法在UCSD行人数据集上的性能;最后,总结人群异常行为检测的任务难点,并对该领域的未来发展趋势进行了展望.

    异常行为检测深度学习卷积神经网络自编码网络生成对抗网络

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

    基于双目视觉的车辆速度测量方法

    常子霆施雨晴王俊于明鹤...
    135-139页
    查看更多>>摘要：为配合高速公路入口处的货车称重工作,需要测量车辆通过称重台时的实时速度.利用双目视觉技术测速具有成本低、部署简单、稳定性高的优点,具有广阔的应用前景.双目视觉测速的技术难点是目标的位移测量,其核心问题是目标在多帧图像间的精准匹配.文中提出了一种基于空间位置的匹配区域对齐算法与基于模板匹配的空间位移计算方法.具体地,利用车轮的空间位置关系来限制车轮的匹配区域,可有效降低相似车轮的误匹配问题;使用模板匹配的方法追踪车轮的关键点,进而获得多帧之间车轮的空间位移.使用某高速公路入口的真实通行视频数据进行实验验证,结果表明,与其他双目测速方法相比,所提方法使得测速结果的RMSE下降了20％～40％,且更加适用于车辆以较快速度(10～20 km/h)通过高速公路入口测速点的实际场景.

    车速测量匹配区域对齐双目视觉模板匹配

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

    基于边缘特征融合的高分影像建筑物目标检测

    赫晓慧邱芳冰程淅杰田智慧...
    140-145页
    查看更多>>摘要：高分辨率遥感图像建筑物目标检测在国土规划、地理监测、智慧城市等领域有着广泛的应用价值,但是由于遥感图像背景复杂,建筑物目标的部分细节特征与背景区分度较低,在进行检测任务时,容易出现建筑物轮廓失真、缺失等问题.针对这一问题,设计了自适应加权边缘特征融合网络(VAF-Net).该方法针对遥感图像建筑物检测任务,对经典编解码器网络U-Net进行拓展,通过融合RGB特征图和边缘特征图,弥补了基础网络学习中的细节特征缺失;同时,借助网络的学习自动更新融合权重,实现自适应加权融合,充分利用不同特征的互补信息.该方法在Massachusetts Buildings数据集上进行了实验,其准确率、召回率和F1-score分别达到了82.1％,82.5％和82.3％,综合指标F1-score相比于基础网络提升了约6％.VAF-Net有效提高了编解码器网络对于高分影像建筑物目标检测任务的表现性能,具有良好的实用价值.

    目标检测特征融合神经网络边缘特征U-Net

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

    一种基于改进三元组损失和特征融合的行人重识别方法

    张新峰宋博
    146-152页
    查看更多>>摘要：行人重识别旨在跨摄像头条件下,从目标数据库中检索出特定的行人目标,其在视频监控领域有重要的应用价值.目前其研究难点为样本图像类内差异大、类间差异小,因此如何设计并训练深度神经网络对行人图片提取一个判别力更强的特征成为了其关键.针对以往研究只单独进行全局特征或局部特征学习的不足,提出了一种联合全局特征和局部特征学习的网络结构,该结构能够同时提取全局特征和具有较强区分力的局部细节特征;针对每部分局部特征对行人特征描述的重要性不同,文中提出了一种局部特征的融合方式,该方法能够自适应地生成各个局部特征的权重,最后将融合后的局部特征和全局特征结合使行人特征得到更全面的表征;另外,针对以往的基于难样本挖掘的三元组损失具有优化目标模糊的特点,提出了一种改进的基于难样本挖掘的三元组损失函数.文中分别在行人重识别主流数据集Market-1501和DukeMTMC-reID上验证了所提方法的有效性,其mAP值分别达到了82.16％和74.02％,Rank-1值分别达到了92.75％和86.8％.

    行人重识别检索三元组损失特征融合深度学习

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

    光谱重建约束非负矩阵分解的高光谱与全色图像融合

    官铮邓扬琳聂仁灿
    153-159页
    查看更多>>摘要：基于光谱重建约束的非负矩阵分解,提出了一种高光谱与全色图像的有效解混方法.首先在高光谱图像的非负矩阵分解中引入光谱重建误差最小化的正则项,通过多目标寻优寻找最佳的正则项参数,以鼓励分解的光谱特征矩阵包含更真实的光谱特征;然后对全色图像进行非负矩阵分解,以获得描述图像细节的丰度矩阵;最后利用光谱特征矩阵和丰度矩阵重建得到融合结果.实验仿真结果表明,所提方法的融合结果能在较好地保留全色图像细节的同时,有效地避免光谱畸变,在视觉效果和客观评价方面均优于传统方法.

    图像融合高光谱与全色图像非负矩阵分解光谱重建约束多目标寻优

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

    基于非局部相似及加权截断核范数的高光谱图像去噪

    郑建炜黄娟娟秦梦洁徐宏辉...
    160-167页
    查看更多>>摘要：受仪器噪声干扰,高光谱图像(Hyperspectral Image,HSI)往往会受到高斯噪声的破坏,严重影响图像后续处理的精度,因此图像去噪是一项重要的预处理工作.此外,由于高光谱数据维度极高,因此算法效率成为模型应用能力的重要指标.为实现高效H SI去噪,文中首先将高维高光谱图像投影到低维光谱子空间上,从中学习一个正交基矩阵,然后结合高光谱的空间非局部相似性与全局光谱低秩性对低维子空间进行去噪,最后将复原后的低维图像与正交基结合恢复成原始数据维度.其中,非局部去噪过程要先通过图像的非局部相似性以邻域匹配方法寻找相似张量块组成具有强低秩属性的张量群组.针对各张量群组,文章联合加权核范数与截断核范数各自的优势,提出加权截断核范数作为低秩约束正则项,能更好地逼近本质秩属性.进一步,为快速获取模型的最优解,提出改进的近端加速梯度(Accelerated Proximal Gradient,APG)算法对低秩项进行优化求解.通过两组高光谱图像和一组多光谱图像对所提算法进行实验验证,结果表明,所提方法在视觉效果和时间效率上取得了良好的平衡,综合性能明显优于其他基于非局部去噪的对比算法.

    高光谱图像高斯噪声核范数低秩正则化非局部相似性

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