首页期刊导航|计算机时代
期刊信息/Journal information
计算机时代
计算机时代

陈纯

月刊

1006-8228

computer_era@21cn.com

0571-87054111

310006

浙江省杭州市环城西路33号-省计算所大楼

计算机时代/Journal Computer Era
查看更多>>本刊1983年创刊，由中国工程院院士潘云鹤主编，全国公开发行。主要栏目有学术论坛、技术广角、网络天地、信息安全、应用实践、经验技巧、考试园地、市场纵览、企业信息化等，丰富的内容使您能够自由地遨游在电脑信息的海洋里，了解最新趋势，掌握最新技术，领略精彩纷呈的数字生活。
正式出版
收录年代

    基于不确定性增强的RGB-IR双波段图像语义分割算法

    陈定律
    44-48页
    查看更多>>摘要：语义分割广泛应用于机器人、医学成像和自动驾驶等领域,但当前语义分割主要针对可见光图像.可见光图像在光照不足或天气差的情况下成像效果较差,而红外图像受光照影响较小.因此,将可见光图像和红外图像联合使用可以提升模型的鲁棒性.通过预测前景轮廓的不确定性并将其作为注意力机制,可以有效地提高模型在前景物体和边缘轮廓部分的分割能力.本文模型在公开数据库上取得了57.2的分割精度,综合性能优秀.

    语义分割不确定性注意力机制红外图像

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

    基于LSTM-XGBoost和多模型算法的短期负荷预测

    邵必林庄雪莉曾卉玢
    49-54页
    查看更多>>摘要：针对负荷数据波动性强、特征存在冗余而导致使用单一模型预测短期负荷时精度较低的问题,提出一种融合梯度提升树(GBDT)、自适应噪声完备集合经验模态分解(CEEMDAN)、长短期记忆(LSTM)和极端梯度提升(XGBoost)的短期负荷预测组合方法.首先利用GBDT对负荷数据集进行特征选择,筛选出重要特征;然后使用CEEMDAN将负荷序列分解后合并为低频分量和高频分量;再将低频分量输入到LSTM中进行预测,将高频分量输入到XGBoost中进行预测;最后,短期负荷的最终预测结果由两个模型的预测结果进行叠加而成.与单一预测模型相比,所提方法在短期负荷方面具有更高的准确性.

    长短期记忆极端梯度提升短期负荷预测自适应噪声完备集合经验模态分解梯度提升树

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

    基于大核注意力循环网络的医学图像超分辨率重建

    孙乐贤端木春江
    55-58,63页
    查看更多>>摘要：医学影像在医生的临床诊断中发挥着重要的作用.由于成像原理和设备的限制,很多时候获得的图片成像效果都不理想.将超分辨率技术引入医学图像领域,在超分辨率任务中使用大核分解和注意力机制,可以使卷积神经网络取得类似于基于Transformer方法的效果.于是提出一种基于循环生成对抗网络的医学图像超分辨率方法,使用大核注意力机制来提升成像质量,使用循环生成对抗网络来提升图片的细节恢复的质量和准确性.

    大核分解循环生成对抗网络医学图像超分辨率重建注意力机制

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

    非平衡数据集下基于XGBoost模型的财务舞弊识别研究

    王琦熊莎丽娜詹柔张露...
    59-63页
    查看更多>>摘要：针对现实中舞弊样本与非舞弊样本存在的数量不平衡情况,通过25个财务指标与2个非财务指标,运用过采样、欠采样技术及XGBoost模型进行财务报表舞弊识别研究.结果表明,SMOTE过采样方法与XGBoost模型的结合在非平衡数据集下具有较好的整体识别效果,对上市公司财务报表舞弊的智能识别有一定参考意义.

    非平衡数据集财务报表舞弊识别SMOTEXGBoost

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

    基于EasyEnsemble和XGBoost的冠心病预测模型研究

    彭昊申艳光李焰
    64-67页
    查看更多>>摘要：针对医疗样本不平衡的问题,使用集成采样EasyEnsemble算法和XGBoost算法结合,搭建冠心病预测模型,来提高患病样本识别准确率.选用公开弗雷明翰冠心病数据集,对数据预处理后,先采用EasyEnsemble算法平衡数据集,后采用极端梯度提升算法XGBoost作为基分类器进行训练,调整各项实验参数,并采用准确率、召回率、ROC曲线下面积(AUC)等指标评价模型.实验结果表明,相较于XGBoost、过采样SMOTE+XGBoost、欠采样TomekLinks+XGBoost三种方法,EasyEnsemble+XGBoost模型极大地提高了召回率.

    冠心病疾病预测XGBoostSMOTEEasyEnsemble

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

    基于混沌变异MOPSO的儿童座椅优化设计

    黄驰涵
    68-71,76页
    查看更多>>摘要：为了提高儿童座椅的安全性,建立了儿童安全座椅的有限元模型,利用LS-DYNA进行碰撞仿真.选取靠背倾角、头枕倾角和安全带中心高度作为设计变量构建响应面模型.提出混沌变异理论在粒子群优化中的应用,并利用基于混沌变异的分组MOPSO算法得到儿童座椅的参数最优解.最后利用最优解再次进行仿真实验,并与原始性能对比,得到的结果在儿童各个部位的损伤、防护都有明显改善.

    儿童座椅混沌理论多目标粒子群优化仿真

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

    基于机器视觉的阀芯座毛刺检测研究

    王姚灿刘宜胜朱玉华王伟东...
    72-76页
    查看更多>>摘要：节流阀的阀芯座通孔处毛刺极易划伤阀芯,导致节流效果削弱,直接影响产品质量.为了准确检出毛刺不合格工件,提出一种基于机器视觉的毛刺检测方法.经过图像采集、图像预处理后得到毛刺图像,而后对毛刺图像进行边缘检测,利用最小二乘法拟合圆,得到圆心坐标和半径,扫描毛刺边缘轮廓,找到离圆心最近的像素点,即为毛刺最大高度点,检出不合格工件.实验表明,该检测方法能准确检测出毛刺不合格的工件,具有一定的应用价值.

    机器视觉毛刺检测改进滤波边缘检测最小二乘法拟合

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

    智能车辆管理中的驾驶行为检测

    徐翔陈震
    77-80页
    查看更多>>摘要：在智能交通系统的背景下,车辆管理模式的创新对于提高交通安全和管理效率至关重要.针对驾驶中的不良行为,提出一种基于深度学习的检测方法.通过引入并改进YOLOV5算法,能够实时检测驾驶员的不良行为,从而降低交通事故的风险.实验结果显示,所提算法有效提高了不良驾驶行为的检测精度.这种车辆管理模式创新可以为未来智能交通系统的发展提供参考与借鉴.

    深度学习驾驶行为车辆管理模式注意力机制

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

    混合特征的涉诈类APP分析模型的构建与研究

    夏艺丹李乔宇施俊帆
    81-84页
    查看更多>>摘要：针对涉诈类APP分类难的问题,通过N-gram、主成分分析法等方法对Dalvik字节码与权限特征形成的特征码进行降维,利用K-Means++聚类算法构建APK涉诈家族分析模型,实现对涉诈类APP进行分类的目的.

    涉诈类APPDalvik字节码权限K-Means++

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

    基于无锚解耦头的航空图像旋转目标检测方法研究

    康宇哲冯桂林张易诚康逸云...
    85-88,95页
    查看更多>>摘要：航空图像目标具有面积比例较小、排列密集、倾斜角度任意等特点.为了达到航空图像目标精确检测的要求,改进了特征提取网络,同时使用椭圆中心采样方法,优化标签采样策略以解决采样不足问题.最后使用无锚点解耦合目标检测头将边界框回归任务与目标分类任务分离以提高检测精度.实验表明,所提方法在DOTA和HRSC2016数据集上分别达到了75.2%和89.1%的mAP,满足了精确检测的要求.

    无锚点深度学习椭圆中心采样解耦合检测

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