首页期刊导航|计算机系统应用
期刊信息/Journal information
计算机系统应用
计算机系统应用

苏振泽

月刊

1003-3254

csa@iscas.ac.cn

010-62661041

100080

北京中关村南四街4号

计算机系统应用/Journal Computer Systems & ApplicationsCSCD北大核心CSTPCD
查看更多>>专业技术性刊物。推广计算机系统在各行各业的应用技术成果和运行管理经验。
正式出版
收录年代

    基于宽度网络架构的单模型主导联邦学习

    文家宝陈泯融
    1-10页
    查看更多>>摘要：联邦学习是一种分布式机器学习方法,它将数据保留在本地,仅将计算结果上传到客户端,从而提高了模型传递与聚合的效率和安全性.然而,联邦学习面临的一个重要挑战是,上传的模型大小日益增加,大量参数多次迭代,给通信能力不足的小型设备带来了困难.因此在本文中,客户端和服务器被设置为仅一次的互相通信机会.联邦学习中的另一个挑战是,客户端之间的数据规模并不相同.在不平衡数据场景下,服务器的模型聚合将变得低效.为了解决这些问题,本文提出了一个仅需一轮通信的轻量级联邦学习框架,在联邦宽度学习中设计了一种聚合策略算法,即FBL-LD.算法在单轮通信中收集可靠的模型并选出主导模型,通过验证集合理地调整其他模型的参与权重来泛化联邦模型.FBL-LD利用有限的通信资源保持了高效的聚合.实验结果表明,FBL-LD相比同类联邦宽度学习算法具有更小的开销和更高的精度,并且对不平衡数据问题具有鲁棒性.

    联邦学习宽度网络单轮通信隐私保护机器学习

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

    加入跳跃连接的深度嵌入K-means聚类

    李顺勇胥瑞李师毅
    11-21页
    查看更多>>摘要：现有的深度聚类算法大多采用对称的自编码器来提取高维数据的低维特征,但随着自编码器训练次数的不断增加,数据的低维特征空间在一定程度上发生了扭曲,这样得到的数据低维特征空间无法反映原始数据空间中潜在的聚类结构信息.为了解决上述问题,本文提出了一种新的深度嵌入K-means算法(SDEKC).首先,在低维特征提取阶段,在对称的卷积自编码器中相对应的编码器与解码器之间以一定的权重加入两个跳跃连接,以减弱解码器对编码器的编码要求同时突出卷积自编码器的编码能力,这样可以更好地保留原始数据空间中蕴含的聚类结构信息;其次,在聚类阶段,通过一个标准正交变换矩阵将低维数据空间转换为一个新的揭示聚类结构信息的空间;最后,本文以端到端的方式采用贪婪算法迭代优化数据的低维表示及其聚类,在6个真实数据集上验证了本文提出新算法的有效性.

    跳跃连接深度学习卷积自编码器嵌入K-means

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

    基于图像的野生动物检测与识别综述

    柯澳王宇聪胡博宇林琦...
    22-36页
    查看更多>>摘要：野生动物监测对于野生动物保护和生态系统维护至关重要,而野生动物的检测与识别是实现监测的核心技术.近年来,随着计算机视觉技术的迅速发展和广泛应用,基于图像的非接触式方法在野生动物监测领域引起了广泛的关注,研究人员提出了各种方法来解决该领域的不同问题.然而,野外环境的复杂性使得对野生动物进行精确检测和识别仍具有一定的挑战.为了推动该领域的研究,本文对现有的基于图像的野生动物监测方法进行了综述,主要包括3个部分:野生动物图像获取方法、野生动物影像预处理方法以及野生动物检测与识别算法.文章按照图像数据集和野生动物检测与识别算法的不同处理机制对这些方法进行了探讨和分类.最后,本文对基于深度学习的野生动物监测研究热点与存在问题进行了分析和总结,并对未来的研究重点提出了展望.

    野生动物监测目标检测图像分类综述机器视觉

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

    过程模拟研究进展

    骆敏高俊涛晏婷
    37-48页
    查看更多>>摘要：随着计算机技术的不断发展,过程模拟在各行各业中的应用越来越广泛.过程模拟使用模拟模型来模仿业务流程行为,它可以用于预测和优化系统的性能,评估决策的影响并向管理者提供决策依据,也可以用于减少实验成本和时间.目前,如何高效地去构建一个可以信任的仿真模型得到了广泛关注.本文通过追踪、归纳和分析关于构建业务过程模拟模型方法的相关研究文献,对基于过程模型、系统动力学和深度学习的3种仿真建模方法的流程、优缺点和研究进展进行了阐述,并探讨了过程模拟面临的挑战和未来的发展方向,以期为业务过程模拟未来的研究方向提供参考.

    过程模拟过程挖掘仿真模型

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

    基于非负矩阵分解的有向网络半监督社区检测

    杨士杰帅阳韩超张伟平...
    49-57页
    查看更多>>摘要：有向网络上的社区检测是网络科学领域一个重要的课题.针对这一问题,本文提出了一种基于非负矩阵分解的有向网络半监督社区检测算法,首先利用先验信息重构邻接矩阵,然后使用先验信息对节点的社区隶属度进行惩罚,并通过行归一化消除节点度异质性的影响,最后运用交替迭代更新给出了目标函数的求解方法.在真实网络数据上的对比实验验证了算法的有效性,相对于基于非负矩阵分解的现有方法,本文方法能显著提高社区发现的准确性.

    非负矩阵分解有向网络社区检测先验信息

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

    结合改进注意力的肠胃镜图像深度估计

    林飞凡李凌徐强
    58-67页
    查看更多>>摘要：针对肠胃镜诊疗系统存在图像关键信息模糊和适应性差等问题,提出一种结合改进注意力机制的循环生成对抗网络,以实现对消化道深度信息的准确估计.该网络以CycleGAN为基础网络,结合双重注意力机制,并引入残差门控机制和非局部模块来更全面地捕捉和理解输入数据的特征结构和全局相关性,从而提高深度图像生成的质量和适应性;同时采用双尺度特征融合网络作为判别器,以提升其判别能力并平衡与生成器之间的工作性能.实验结果表明,在肠胃镜场景中预测效果良好,相比其他无监督方法,在胃道、小肠和结肠数据集上平均准确度分别提升了 7.39％、10.17％和10.27％.同时,在实验室人体胃道器官模型上也能够准确地估计出相对深度信息,并提供精确的边界信息.

    肠胃镜图像深度估计生成对抗网络注意力机制双尺度特征

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

    基于多模态的实验室科研工效分析系统

    廖龙龙郑志伟张煜朋方鑫...
    68-75页
    查看更多>>摘要：为实现实验室科研管理过程中的成员工时和工效分析、任务分配的合理性评估等需求,研究一种基于摄像头视频、考勤机记录、Web系统记录等的多模态工效分析系统MASRE.该系统通过实验室科研人员工时及其玩手机行为导致的无效工时、工效实时对比与展示,激励实验室成员投入更多的时间开展学术研究.依据系统计算的工效变化趋势,实验室负责人可分析科研任务分配的合理性,科研人员也可分析影响其科研效率的因素.MASRE系统由负责工时工效统计的Web系统模块和支持无效工时自动识别的AI分析模块构成,采用PyTorch、VUE 3、MySQL等技术实现.以该系统研发及其研究报告撰写的工时工效分析为例进行实验分析,结果表明MASRE系统可有效识别无效工时并进行工时统计与工效分析.同时,该系统已免费向实验室研究团队开放申请注册使用,网址为 https://icnc-fskd.fzu.edu.cn/htower/.

    科研工效分析多模态采样科研团队任务分配玩手机行为识别注意力机制检测方法

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

    交叉特征融合和RASPP驱动的场景分割方法

    朱新杰熊风光谢帅康宋宁栋...
    76-86页
    查看更多>>摘要：本文针对场景中目标多样性和尺度不统一等现象造成的边缘分割错误、特征不连续问题,提出了一种交叉特征融合和RASPP驱动的场景分割方法.该方法以交叉特征融合的方式合并编码器输出的多尺度特征,在融合高层语义信息时使用复合卷积注意力模块进行处理,避免上采样操作造成的特征信息丢失以及引入噪声的影响,细化目标边缘分割效果.同时提出了深度可分离残差卷积,在此基础上设计并实现了结合残差的金字塔池化模块——RASPP,对交叉融合后的特征进行处理,获得不同尺度的上下文信息,增强特征语义表达.最后,将RASPP模块处理后的特征进行合并,提升分割效果.在Cityscapes和CamVid数据集上的实验结果表明,本文提出方法相比现有方法具有更好的表现,并且对场景中的目标边缘有更好的分割效果.

    语义分割交叉特征融合金字塔池化注意力机制深度可分离卷积

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

    基于场矩阵分解机和CNN的点击率预测模型

    王志格李汪根夏义春高坤...
    87-98页
    查看更多>>摘要：点击率预测是在线广告和推荐系统的基本任务之一.主流模型通常通过对高阶和低阶特征进行特征交互建模来提升性能和泛化能力.然而,许多模型往往仅学习每个特征的固定表示,而忽视了特征在不同上下文中的重要性,并且一些模型结构过于简单.因此,本文提出了特征细化卷积神经网络融合场矩阵分解机(FRCNN-F)模型,以解决这些问题.首先,在特征细化网络(FRNet)中融合了卷积神经网络的特征生成模块,利用其在局部模式下重新组合生成新特征的优势,提升了重要特征选择能力.其次,设计了场矩阵分解机,使模型能够感知上下文并通过不同场的交互进行显示建模,从而增加了子模型的组合方式.最后,通过在Frappe和MovieLens两个公开数据集上对比实验,实验结果表明,FRCNN-F模型相比基线FRNet在AUC得分分别提升了 0.32％和0.40％,交叉熵损失函数Logloss分别降低了 1.50％和1.11％.该研究对于实现广告的精准投放和个性化推荐具有实际应用的价值.

    点击率预测特征交互特征细化网络卷积神经网络场矩阵分解机

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

    基于并行双通道时空网络的流量数据修复技术

    陈清钰张艳艳赵伟毓
    99-109页
    查看更多>>摘要：流量数据丢失是网络系统中常见的问题,通常由传感器故障、传输错误和存储丢失引起.现有的数据修复方法无法学习流量数据的多维特征,因此本文提出了一种结合双向长短期记忆网络与多尺度卷积网络的双通道并行架构(ST-MFCN)用于填补流量数据的缺失值,同时设计了一种新的对抗性损失函数进一步提高预测精度,该模型有效地学习流量数据的时间特征和动态空间特征.本文在Web traffic time series数据集上对模型进行测试,并与现有的修复方法进行对比,实验结果表明,ST-MFCN能够减少数据恢复的误差,提升了数据修复的精确度,为网络系统中的流量数据修复提供了一种稳健高效的解决方案.

    流量数据时间序列数据缺失并行架构流量识别数据挖掘

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