首页期刊导航|计算技术与自动化
期刊信息/Journal information
计算技术与自动化
湖南大学
计算技术与自动化

湖南大学

罗安

季刊

1003-6199

ljb9@vip.sina.com或jsjsyzdh@hnu.cn

0731-88639240

410082

湖南省长沙市岳麓区湖南大学期刊社行政办公室

计算技术与自动化/Journal Computing Technology and AutomationCSTPCD
查看更多>> 《计算技术与自动化》是由中国自动化学会、湖南省自动化学会、湖南省计算机学会和湖南大学联合主办的科技类期刊,创刊于1982年,国内外公开发行,季刊. 本刊稿件以高等院校、科研院所、工业企业等科研技术人员,在计算方法论、工业控制及自动化、计算机理论与应用的研究成果和科技成果为主要内容的科技论文为主。主要栏目有综述、算法及理论、自动控制理论与应用、计算机科学理论及应用、计算机网络技术、安全与保密等。
正式出版
收录年代

    基于融合蚁群-A*算法的多目标路径规划方法

    李永真黄学功张志安
    66-72页
    查看更多>>摘要：针对传统蚁群算法在二维栅格地图下存在搜索时间长、收敛速度慢、考虑因素单一等问题,提出了一种融合蚁群-A*算法.首先将启发式方法的思想融入到蚁群算法,优化蚁群算法的搜索效率;其次引入最大最小蚂蚁系统,提出一种精英蚂蚁信息素更新规则;同时增加考虑转向次数、转向角度等因素,在启发式信息中加入弯曲抑制算子,减少弯曲次数和累积弯曲角度,避免算法以优化路径长度作为单一目标;最后提出一种改进撤回机制,解决算法死锁问题.仿真表明,在相同地图环境中,改进的蚁群算法在路径长度、路径拐点以及收敛速度都有了显著提升,更适用于复杂环境.

    蚁群算法A*算法最大最小蚂蚁系统路径规划

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于虚拟关系知识图可自适应聚合的推荐算法

    李源杨谋均
    73-78页
    查看更多>>摘要：在信息爆炸的时代,推荐算法成为应对信息过载的有效手段.近年来,图神经网络(GNN)以其强大的建模能力和应对冷启动的优势被广泛应用于推荐算法.本文提出了一种基于深度强化学习与GNN-R的联合训练框架,解决GNN-R中固定层数和聚合策略的问题,通过间隔经验回放和延后奖励机制,优化了推荐模型的学习过程.在此基础上,提出了自适应优化GNN-R聚合层数和虚拟关系数量的两个优化算法,改进了 VRKG4Rec模型的性能.实验结果表明,两个优化算法对比VRKG4Rec模型都有较好的性能提升.

    推荐算法图神经网络深度强化学习知识图谱

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    电网运行事故预案知识图谱生成算法

    范展滔李志中陈兴望吴小刚...
    79-85页
    查看更多>>摘要：针对电网运行事故检测和预案生成的需求,为了提供全面内容的预案知识图谱并实现简洁有效的事故处理方式,提出了基于异常特征与潮流计算模型的电网运行事故预案知识图谱智能生成算法.提取包含波动性和变动性的电网运行异常特征,经相关向量机的异常特征分析实现最佳特征组合选择后,结合卷积神经网络检测电网运行事故;检测到运行故障发生后,建立潮流计算模型,通过节点之间的电流信息计算节点功率,以此为基础,构建以重要负荷优先恢复、开关操作次数最少为目标的电网运行事故恢复模型,经粒子群算法求解获取最佳事故恢复处置预案;并建立事故预案实体库和本体模型,通过本体模型抽取实体和关系,生成电网运行事故预案的知识图谱,辅助电网运行事故决策.实验结果表明:该算法可以检测电网运行事故,且生成的电网运行事故预案知识图谱包含内容广泛,事故处理方式简捷有效.

    异常特征潮流计算运行事故知识图谱智能生成事故恢复

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于ISD优化SSA-VMD算法的自适应英文语音增强

    高楠毛露露梁利利
    86-90页
    查看更多>>摘要：针对传统语音增强方法存在滤除有效信号且增强性能欠佳的问题,提出了一种基于ISD优化SSA-VMD算法的自适应英文语音信号增强方法.首先利用SSA-VMD算法自适应获取输入语音信号VMD关键参数的最优组合,再对其进行分解得到各模态分量,基于ISD原理对各模态分量与输入信号的相似度进行评估,进而筛选出噪声模态分量,通过小波阈值法对其进行降噪,最后重构信号得到增强后的语音.实验结果表明,利用所提方法处理英文语音信号,信噪比更高,均方误差更小,语音增强效果也更明显,具有较好的适用性.

    SSA-VMD算法ISD原理自适应语音增强

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于均值教师模型联合多级扰动的半监督遥感影像变化检测

    于松岩翟钰杰许叶彤赵伟强...
    91-96页
    查看更多>>摘要：目前深度学习方法在遥感影像变化检测方面取得了较大的进步,然而现有的遥感影像变化检测方法仍然以全监督网络为主,其网络性能严重依赖标签数据的数量和质量.为此,提出了一种基于均值教师模型联合多级扰动的半监督遥感影像变化检测网络(UniMTCD-Net).首先,将不同性质的强扰动分离到不同的分支分别进行学习并约束一致性,形成多样化的扰动空间,避免了单分支学习困难的问题,从而有效提升对无标签数据的利用效率;其次,采用均值教师模型,不仅扩展了教师模型生成的伪标签和学生模型输出的强预测之间的差异,同时教师模型参数通过指数移动平均(EMA)更新的方式,使得伪标签的生成更加准确.实验结果表明,与主流半监督方法相比,UniMTCD-Net具有更好的检测性能,尤其在5％的标签训练数据下检测性能更加优秀,进一步验证了 UniMTCD-Net在遥感影像变化检测中的有效性和优越性.

    变化检测半监督一致性均值教师模型

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于像素紧密程度的多源遥感影像信息提取方法

    洪倩李志斌陈晓枫李本良...
    97-103页
    查看更多>>摘要：遥感影像在采集过程中,地面覆盖种类数量庞大且采集影像清晰度低、分辨率较差,关键像素特征之间的阈值衡量标准模糊,导致信息提取难度增大,从而降低信息利用率.为此,提出了基于像素紧密程度的多源遥感影像信息提取方法.利用Contourlet变换,实现遥感影像空间域、变换域的多角度增强,优化遥感影像整体清晰度.利用简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)超像素算法计算像素聚类中心与邻近像素紧密程度,摆脱固定阈值影响.引入灰度共生矩阵(Gray-level Co-occurrenceMa-trix,GLCM),提取主体特征信息;构建相关向量机分类模型,结合拉普拉斯二次逼近回归算法将提取问题转化为噪声回归问题,并对其展开求解,进而实现遥感影像的信息提取.实验结果表明:所提方法对遥感信息主体的分类与真实遥感信息主体分类基本一致,在信息提取过程中的错提取率和漏提取率低,总体提取精度保持在99％以上,且对道路信息提取清晰度高,表明该方法提高了遥感信息的解译水平.

    Contourlet变换SLIC超像素分割法CIELAB色彩空间GLCM灰度共生矩阵相关向量机分类模型

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于域通道知识鉴别框架的跨域少样本图像分类

    余悦沈维杰陈楠
    104-109页
    查看更多>>摘要：现有的跨领域少样本分类模型受限于域特定因素的干扰,限制了其有效性.为此,提出了一种基于高斯仿射的通道鉴别网络.具体来讲,所提出的学习框架包含随机高斯仿射模块和域通道鉴别模块,在随机高斯仿射模块中,通过对特征的充分统计量进行高斯扰动以生成区别于源域数据分布的全新特征分布,从而显著化训练数据特征中域不变信息;在域通道鉴别模块中,将经过增强前后的特征图输入到域鉴别器中引导模型区分和提取其中的域不变特征,以达到提高模型泛化能力的目的.最后,在两个目标数据集进行实验,结果验证了所提出方法的可行性和有效性.

    跨域少样本图像分类少样本学习域泛化深度学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于形状引导和不确定性估计的半监督三维医学图像分割

    宋文彪许叶彤王毅杜晓刚...
    110-116页
    查看更多>>摘要：在基于深度学习方法的医学图像分割任务中,通常需要大量的标记数据.然而,获得可靠的标注是昂贵且耗时的.为此,提出了一种新的框架,采用具有形状约束和不确定性估计的双一致性正则化半监督方法,用于3D医学图像分割.首先,引入了一种基于学习目标区域的形状约束,通过联合学习两个网络的输出,加强几何形状约束,从而学习更可靠的信息.其次,设计了一种分割网络,以生成不同尺度的特征图,并引入了多尺度一致性损失来增强其稳定性.然而,由于这些特征图的空间分辨率不同,直接在每个像素上强制一致性可能导致不可靠的结果和信息丢失.因此,进一步提出了一种基于不确定性估计的多尺度一致性学习,以逐步学习有意义和可靠的特征区域,并增强模型的鲁棒性.实验结果表明,由于强大的无标记数据的知识挖掘能力,本文所提出的方法优于流行的半监督医学图像分割方法.

    3D医学图像分割半监督学习形状约束不确定性估计

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于深度学习的动态差分隐私保护算法

    何佳阳
    117-122页
    查看更多>>摘要：深度学习中使用的训练的数据集中可能存在一些用户的敏感信息,在模型训练过程中,这些敏感信息将会隐含地存在于模型参数中,从而存在隐私泄露的风险.本文在AdamP优化器的基础上引入高斯机制的差分隐私,提出了一种基于一次幂函数的动态隐私预算分配算法来更合理地分配差分隐私的隐私预算,即DP-AdamP,以更好地平衡隐私性和模型准确性.实验结果表明,本文的DP-AdamP算法相比于传统的DP-SGD算法,在相同隐私预算下具有更好的准确性,低隐私预算情况下高出约7.7％,高隐私预算情况下高出约3.9％,并且针对更具有实际意义的低隐私预算的情况进行单独实验,进一步验证了 DP-AdamP算法的有效性.

    深度学习差分隐私动态隐私预算AdamP算法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于改进关联规则的报送信息大数据特征隐匿性加密算法

    陈威宇王泷何建锋苏怀振...
    123-128页
    查看更多>>摘要：报送信息大数据的安全性直接关系到"数字化纪检云平台"数据挖掘的准确性,一旦泄露或者被篡改,纪检工作可靠性将大大降低,由此,提出一种基于改进关联规则的报送信息大数据特征隐匿性加密算法.手工获取报送信息大数据,通过连接转换器实时连通异构数据库,对不符合规范要求的数据进行自动修正,包括缺失数据填补、离群值处理和数据标准化.利用改进遗传算法改进Apriori算法,挖掘数据项或属性之间隐含的关联规则,通过关联规则识别报送信息大数据特征.以报送信息大数据特征为输入,利用神经网络层级之间的权重矩阵作为密钥,将明文数据转变为密文数据.结果表明:所研究加密算法应用下,"三公经费"开支数据加密后的密文和明文相关性均在0～0.2之间,说明所研究算法的加密效果较好,保证了报送信息大数据安全.

    改进关联规则Apriori算法报送信息大数据特征识别神经网络隐匿性加密算法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据