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

    基于双分支编码的闭环分割网络

    任玉涛程远志
    110-118页
    查看更多>>摘要：Transformer模型中,卷积视觉转换器(CvT)具备同时提取图像的局部和全局特征的能力而受到关注.对于腹部器官分割问题,为了解决CNN模型分割目标边界轮廓模糊不清的问题,提出了一种新颖的基于CvT和CNN的双分支闭环分割模型DBLNet.模型利用形状先验和预测结果的分割轮廓显式监督并指导网络学习过程.模型包括:轮廓提取编码模块(CEE)、边界形状分割网络(BSSN)和闭环结构.CEE模块首次利用改造的3D CvT和3D门控卷积层(GCL)捕获多层级轮廓特征,并辅助BSSN训练.BSSN模块设计形状特征融合模块(SFF)同时捕获目标区域和轮廓特征,推动CEE训练拟合.闭环结构使得双分支的分割结果互相反馈并辅助对方的训练.DBLNet在BTCV排行榜上测试,平均Dice得分为0.878,排名第13位;在临床医院数据进行应用测试,表现出强大的性能.

    腹部器官边缘轮廓双分支编码器闭环结构卷积视觉转换器医学影像处理特征融合图像分割

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

    跨模态融合的双注意力脑肿瘤分割算法

    张鹏跃马巧梅
    119-126页
    查看更多>>摘要：针对脑肿瘤多模态信息融合不充分以及肿瘤区域细节信息丢失等问题,提出了一种跨模态融合的双注意力脑肿瘤图像分割网络(CFDA-Net).在编码器-解码器的基础结构上,首先在编码器分支采用密集块与大内核注意力并行的新卷积块,可以使全局和局部信息有效融合且可以防止反向传播时梯度消失的问题;其次在编码器的第2、3和4层的左侧加入多模态深度融合模块,有效地利用不同模态间的互补信息;然后在解码器分支使用Shuffle Attention注意力将特征图分组处理后再聚合,其中分组的子特征一分为二地获取空间与通道的重要注意特征.最后使用二进制交叉熵(binary cross entropy,BCE)、Dice Loss与L2 Loss组成新的混合损失函数,缓解了脑肿瘤数据的类别不平衡问题,进一步提升分割性能.在BraTS2019脑肿瘤数据集上的实验结果表明,该模型在整体肿瘤区域、肿瘤核心区域和肿瘤增强区域的平均Dice系数值分别为0.887、0.892和0.815.与其他先进的分割方法ADHDC-Net、SDS-MSA-Net等相比,该模型在肿瘤核心区域和增强区域具有更好的分割效果.

    脑肿瘤多模态深度融合注意力机制图像分割

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

    UMTS-Mixer:基于时间相关性和通道相关性的时间序列异常检测

    孙怡阳陈志德冯晨朱可欣...
    127-133页
    查看更多>>摘要：多变量时间序列的异常检测是一个具有挑战性的问题,要求模型从复杂的时间动态中学习信息表示,并推导出一个可区分的标准,该标准能从大量正常时间点识别出少量的异常点.但在时间序列分析中仍存在多变量时间序列复杂的时间相关性和高维度使得异常检测性能较差的问题,针对上述问题,本文提出了一种基于MLP(multi-layer perceptron)架构的模型(UMTS-Mixer),由于MLP的线性结构对顺序敏感,将其用来捕获时间相关性和跨通道相关性.大量实验表明UMTS-Mixer能够有效地检测时间序列异常,并在4个基准数据集上的表现更好,同时,在MSL和PSM两个数据集上取得了最高的F1,分别为91.35％,92.93％.

    异常检测时间相关性通道相关性MLP

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

    基于YOLO的钢缆表面损坏检测

    刘际驰吕后坤李伟
    134-140页
    查看更多>>摘要：为了解决检测钢缆表面损坏时检测设备资源有限、时间过长等问题,将深度学习的先进技术以及卷积神经网络(CNN)应用于钢缆表面损坏检测.提出了一种基于YOLO的缺陷检测网络模型,将GhostNet融入主干网络,并基于ShuffleNet及注意力机制提出了新的特征提取模块(ShuffleC3),再对Head部分进行剪枝改进.实验结果表明,改进后网络相比基线YOLOv5s的平均精度提高1.1％,参数量和计算量分别降低了 43.4％和31％,模型大小减少了42.3％.可以在降低网络计算成本的同时,保持较高的识别精确度,更好地满足了对钢缆材料表面损坏检测的要求.

    深度学习卷积神经网络YOLO钢缆注意力机制表面损坏检测目标检测

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

    IUINet:基于Shift的双流映射3D医学分割模型

    朱庚鑫程远志刘豪
    141-147页
    查看更多>>摘要：为了提高特征融合,我们设计了动态全连接层(DyFC),该方法重新定义了权重和偏置,使用基向量来代表新的权重和偏置,基向量的系数是根据每一个输入特征进行学习得到的,权重和偏置不再是共享的,而是特有的,这对于每一个特征的表达更具有专向性.在本文中,我们提出了一种双流映射结构模型IUINet.IUINet是通过3DShift操作、空间可分离卷积的组合来实现医学图像分割任务,同时保持精度和效率之间的平衡.所提出来的IUINet遵循编码器-解码器结构,其中编码器一部分包含Shift操作、逐点Conv1×1操作,另一部分包含空间可分离卷积操作.IUINet运用了多尺度输入以及多尺度特征映射层,提高反向传播速度,降低反向传播的平均距离.提高模型的精确度,增加模型泛化能力,减少过拟合.

    Shift基向量动态全连接层医学图像分割

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

    增强蒲公英算法优化乳腺癌图像多阈值分割

    王正红王丹胡容俊
    148-156页
    查看更多>>摘要：针对显微镜下乳腺癌病理组织图像结构复杂,细胞边界模糊等情况,基于传统的阈值分割在乳腺癌图像的分割应用中不能很好地实现把病灶区准确分离开来的问题,提出一种基于增强蒲公英优化算法(IDO)的乳腺癌图像多阈值分割方法.该方法引入IDO计算类间方差的最大值(Otsu)作为目标函数寻找最佳阈值,IDO建立回守策略解决传统蒲公英算法(DO)无限制搜索,超出像素范围的问题;引入对立式学习(OBL)避免算法陷入局部最优.实验结果表明,与哈里斯鹰算法(HHO)、人工猩猩部队优化算法(GTO)、传统蒲公英优化算法(DO)、海洋捕食者算法(MPA)相比,在相同阈值个数情况下IDO算法适应度值最大、收敛最快,并且在峰值信噪比(PSNR)、结构相似度(FSIM)、特征相似度(SSIM)这3个性能指标上也比其他对比算法更具有优势.

    增强蒲公英优化算法多阈值分割乳腺癌图像对立式学习回守策略

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

    无人机辅助MEC系统中面向用户公平性的三维部署和卸载优化

    林诚章吴涛周启钊陈曦...
    157-166页
    查看更多>>摘要：针对无人机辅助移动边缘计算系统存在的用户公平性不足问题,本文提出了一种面向用户公平性的三维部署和卸载优化算法.该算法综合考虑用户匹配、无人机三维部署、计算资源分配、卸载因子对系统总时延及用户公平性的影响,建立了一个最小化系统总时延的多元优化问题,并针对该问题提出了一种两阶段联合优化算法,其中第1阶段使用带有平衡约束的聚类算法解决用户匹配和无人机的水平部署问题,第2阶段使用凸优化算法迭代求解无人机高度部署,资源分配和卸载因子优化问题.实验结果表明,与4种基准算法相比,所提算法在系统总时延和用户公平性两方面具有更好的性能.

    无人机移动边缘计算计算卸载三维部署凸优化

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

    大数据环境下多模态融合的大学生异常行为预警

    王玉标陶八梅李珩陶志红...
    167-176页
    查看更多>>摘要：针对"校园大数据"累积的海量数据呈现出离散性、稀疏性等问题,如何从基数大、活动广、个性强的校园学生群体中检测出潜在的、有异常行为的学生,已成为学生异常行为分析亟需解决的问题.本文提出了一种大数据环境下基于多模态融合的大学生异常行为预警方法(early warning method for abnormal behavior of college students based on multi-modal fusion in big data environment,EWMAB).首先,针对学生行为画像的表征不够丰富,行为标签存在时效性、动态性等问题,建立一种基于多模态特征深度学习的跨模态学生行为画像模型;其次,针对学生异常行为预测、预警的时效性和后置性问题,在学生行为画像和学生行为分类预测基础上,提出了一种基于多模态融合的学生异常行为预警方法,通过长短期记忆神经网络(long and short term memory networks,LSTM),结合学生行为多指标数据和文本信息来解决学生异常行为预警问题;最后,本文通过应用实例验证模型以学生学习成绩异常预警为例,与其他预警算法相比,EWMAB方法可以提高预警的准确性,实现学生异常行为预警的时效性和前置性,从而使学生教育工作更具有针对性、个性化和预测性.

    教育大数据学生行为画像多模态融合异常行为预警分类预测

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

    基于自注意力机制的点云分类分割

    孟繁林何晓曦刘应浒李茄濡...
    177-184页
    查看更多>>摘要：3D点云由于其无序性以及缺少拓扑信息使得点云的分类与分割仍具有挑战性.针对上述问题,我们设计了一种基于自注意力机制的3D点云分类算法,可学习点云的特征信息,用于目标分类与分割.首先,设计适用于点云的自注意力模块,用于点云的特征提取.通过构建领域图来加强输入嵌入,使用自注意力机制进行局部特征的提取与聚合.最后,通过多层感知机以及解码器-编码器的方式将局部特征进行结合,实现3D点云的分类与分割.该方法考虑了输入嵌入时单个点在点云中的局部语境信息,构建局部长距离下的网络结构,最终得到的结果更具区分度.在ShapeNetPart、RoofN3D等数据集上的实验证实所提方法的分类与分割性能较优.

    深度学习自注意力机制分类分割点云

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

    多维注意力机制改进燃气负荷预测

    曹辰光徐晓钟
    185-191页
    查看更多>>摘要：燃气负荷预测是一项让城市安全经济地调配燃气的重要的工作.目前,基于注意力机制的Seq2Seq模型越来越多地应用于燃气数据预测,是一种有效的燃气负荷预测方法.然而,针对燃气负荷数据这种突变频率高、幅度大的特点,一般基于注意力机制的Seq2Seq模型难以提取数据中的多维时间模式信息与应对数据随机突变情况,在处理影响因素复杂的燃气负荷的预测问题时仍然需要改进.为此,本文提出多维注意力机制Seq2Seq模型.一方面设计研究了多层次时间注意力模块,综合单时间步长、多时间步长的注意力计算提取数据中不同时间模式信息;另一方面,设计增加了局部历史注意力模块,以改进模型中无法区分重要历史信息的缺陷,使模型在预测时倾向于参考更为重要的历史信息.本改进模型针对燃气负荷的独特特性,具有较好的预测表现.使用国内某市区的燃气消耗数据与2016年电工数学建模竞赛的电力负荷数据的实验结果表明,本改进模型相对于一般注意力机制Seq2Seq模型,MAE分别降低了 17％与9％.

    燃气负荷预测注意力机制Seq2Seq

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