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

    深度学习在皮肤癌病变分类诊断中的应用进展

    刘天宇刘静马金刚陈天真...
    1-15页
    查看更多>>摘要：皮肤癌是最常见和最致命的癌症类型之一,患病数量在世界范围内急剧增加.如果没有在早期阶段诊断出来,它可能转移,导致高死亡率.结合近几年的相关文献就传统机器学习和深度学习两种学习方法在皮肤癌病变诊断中的应用作一系统综述,为皮肤癌诊断的深入研究提供相应的参考价值,首先对几个皮肤病公共可获取数据集进行整理,其次分析和比较不同的学习算法在皮肤癌病变分类中的应用,更好地了解它们在实际应用中的优势和局限性,重点阐述在卷积神经网络领域的分类诊断.在深入了解这些算法的基础上,还将探讨它们在处理皮肤疾病时的性能差异、改进思路.最终,通过对当前挑战和未来发展方向的探讨,将为进一步提升皮肤癌早期诊断系统的性能和可靠性提供有益的参考和建议.

    皮肤癌病变传统机器学习深度学习病变分类卷积神经网络

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

    多类型任务负载预测的负载均衡任务卸载

    胡辉沈艳
    16-29页
    查看更多>>摘要：在移动边缘计算(mobile edge computing,MEC)背景下,不合理的任务卸载策略和资源分配以及多类型任务数量急剧增加导致边缘服务器间的负载不均衡.针对上述问题,本文基于多用户多MEC的边缘环境,提出一种面向多类型任务的负载预测以及均衡分配方案(load prediction and balanced assignment scheme for multi-type tasks,LBMT).该方案包括划分任务类型、任务负载预测、任务自适应映射 3 个部分.首先,考虑任务类型的多样性设计了任务类型模型,利用该模型划分任务类型.其次,考虑不同任务对服务器造成的负载具有差异性提出了任务负载预测模型,并在此基础上采用改进KNN(K-nearest neighbor)算法用于预测任务负载.然后,综合考虑MEC服务器异构性、资源有限等因素,结合MEC服务器负载均衡模型设计了任务分配模型,并提出基于自适应任务映射算法用于任务分配.最后,LBMT针对MEC服务器资源利用率和任务处理率进行优化,得到最优负载均衡任务卸载策略.LBMT与基于改进的min-min卸载方案、基于中间节点的卸载方案、基于加权二分图的卸载等方案进行仿真实验对比,实验结果表明LBMT在资源利用率上提高了 12.5%以上,任务处理率提高了 20.3%以上,并显著降低了负载均衡标准差值,更有效地实现了服务器之间的负载均衡.

    移动边缘计算任务卸载负载均衡负载预测多类型任务

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

    基于频率感知图像恢复的自监督肝部病灶检测

    梁金鑫李炜唐郑熠李佐勇...
    30-42页
    查看更多>>摘要：计算机断层扫描产生的肝部影像为医生进行肝部病灶区域发现提供了素材.但肝部病灶的人工检测严重依赖于医生的专业技能,且费时费力.现有的肝部病灶区域检测算法对细微病灶的检测效果欠佳.为此,本文提出了一种基于频率感知图像恢复的自监督肝部病灶检测算法.首先,此算法设计了一个基于合成异常的自监督任务,用于合成更加广泛且适宜的伪异常图像,从而缓解算法模型训练时异常数据不足的问题.其次,为了抑制重建网络对合成肝部异常的敏感性,设计了提取图像高频信息的模块,通过从图像的高频成分中恢复图像,以减轻重建网络对异常的不利泛化.最后,其采用权重衰减训练策略以训练分割子网络,减少训练前期的琐碎解问题,实现局部细微病灶的检测.在真实公开数据集上进行的大量实验表明,本文方法在肝部病灶检测任务中取得了领先的性能.

    异常检测肝脏CT自监督学习合成数据

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

    基于全局-个体特征融合的群体行为识别

    程勇程遥王军杨玲...
    43-54页
    查看更多>>摘要：群体行为识别是计算机视觉领域中备受关注的研究方向之一,旨在通过多个个体动作与互动关系确定整体的行为.然而,由于确定个体互动关系、联系紧密程度以及活动关键人物三者的困难,现有方法常关注于人物的个体特征,忽略了与活动场景上下文的相互联系.针对该问题,提出一个基于全局-个体特征融合的群体行为识别推理模型GIFFNet(global-individual feature fusion network).通过构建全局-个体特征融合(GIFF)模块,GIFFNet在聚焦关键信息的基础上,有效整合了场景上下文与个体人物特征,获取了更具表征能力的融合特征,以弥补预测群体行为时场景信息缺失的问题.随后,GIFFNet利用融合特征计算场景中人物之间的交互关系图,并使用图卷积网络(GCN)进行训练和群体行为类别预测.此外,为解决数据集样本失衡的问题,GIFFNet采用动态分配权重的策略优化损失函数.实验结果表明,GIFFNet在Volleyball、Collective Activity数据集上的多类分类准确度分别为 93.8%、96.1%,类平均精确度分别为 93.9%、95.8%,优于其他现有的深度学习方法.GIFFNet通过特征融合为行为分类提供了表征能力更加强大的特征,有效地提升了行为识别的精确度.

    群体行为识别场景上下文特征融合注意力机制动态损失函数

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

    基于PFEC-Transformer的DNS隐蔽隧道检测

    江魁黄锐滨邓昭蕊伍波...
    55-66页
    查看更多>>摘要：DNS作为互联网基础设施,很少受到防火墙的深度监控,导致黑客和APT组织通过DNS隐蔽隧道来窃取数据或控制网络,对网络安全造成严重威胁.针对现有检测方案容易被攻击者绕过以及泛化能力较弱的问题,本研究改进了DNS流量的表征方法,并提出了PFEC-Transformer(pcap features extraction CNN-Transformer)模型.该模型以表征后的十进制数值序列作为输入,在经过CNN模块进行局部特征提取后,再通过Transformer分析局部特征间的长距离依赖模式并进行分类.研究采集了互联网流量以及各类DNS隐蔽隧道工具生成的数据包构建数据集,并使用包含未知隧道工具流量的公开数据集进行泛化能力测试.实验结果表明,该模型在测试数据集上取得了高达 99.97%的准确率,在泛化测试集上也达到了 92.12%的准确率,有效地证明了其在检测未知DNS隐蔽隧道方面的优异性能.

    网络安全DNS隐蔽隧道异常流量检测深度学习泛化能力

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

    具有标点区分纠错能力的中英盲文转换系统

    李泽芃罗远新孙家宁陈洪...
    67-77页
    查看更多>>摘要：盲文转换技术可以推进盲人群体的信息无障碍化进程,有着相当的重要性.随着信息全球化发展,盲人不可避免地接触到包含中英双语的信息.现有中英盲文转换系统能较好完成中英文字符到盲文的转换,但是对标点的转换效果不佳,表现为对一符多用情况区分效果不好、未对中英标点混用情况进行纠错两方面.若未能恰当处理一符多用及中英标点混用情况,很可能会对盲人阅读造成影响甚至误解.本文详细分析以上问题,设计并实现一种具有标点区分和纠错能力的中英盲文转换系统.基于BCC语料库构建测试语料,对该系统开展一系列测试和评估.实验结果表明,与其他类型转换系统相比,本系统能够结合语言类型和上下文结构,有效区分标点转换中的一符多用情况,并能纠正中英标点混用问题,对我国信息无障碍化进程起到促进作用.

    信息无障碍盲文转换系统标点转换一符多用中英标点混用

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

    基于联邦学习的异常日志检测

    连宇瀚廖声扬张坤三邹维福...
    78-88页
    查看更多>>摘要：Hadoop系统作为大数据存储的分布式架构被广泛使用,运行时生成大量日志数据来记录设备的异常情况,这为定位和分析问题提供重要线索.然而,传统的日志异常检测模型通常在中心服务器上收集日志数据,导致数据收集过程中存在敏感信息泄露的风险.联邦学习作为一种新的机器学习范式,通过在本地服务器上训练模型并仅在中心服务器上聚合模型参数,有效解决了数据隐私问题.本文提出了一种基于联邦学习的日志异常检测架构,结合本地服务器和中心服务器进行检测任务,避免了敏感信息在网络传输过程中的泄露风险.此外,本文采用树解析器实现日志模板标准化.为了有效地捕获日志数据中的复杂模式和异常行为,建立基于自注意力机制的BiLSTM模型作为本地服务器模型.为了验证所提出方法的有效性,本文使用公开的分布式系统架构数据集进行仿真实验.结果表明,该模型的综合评价指标稳定,准确率保持在93%以上,具有较高的适用性.

    异常日志检测联邦学习树解析器BiLSTM自注意力机制

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

    面向改装电动车的中小目标检测

    黄峻刘涌
    89-96页
    查看更多>>摘要：由于电动车的普及,越来越多的电动车进行非法改装雨棚.然而,这种改装行为会增加一些安全隐患.首先,挡雨板会遮挡骑行者视野,增加事故的风险.其次当速度过快时,挡雨板也会在不经意间擦伤行人,带来极大的安全隐患,给交通安全带来了严重威胁.本文提出了一种改进的YOLOv7-tiny算法,用于电动车非法改装检测.首先在网络的结构上加入BiFormer注意力机制,不仅可以捕获更多电动车细节的信息,而且可以使得模型更加关注一些较小的目标信息.其次将改进的特征金字塔结构和特征融合网络的张量拼接操作进行结合,提升对中小型目标的检测能力.最后对框架的ELAN模块和SPPCSPC模块进行改进和优化,可以在不增加过多参数量的同时,提升对中小目标的检测精度,增强提取特征的效果.

    改装电动车中小目标检测YOLOv7-tinyBiFormerBiFPN

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

    融合特征选择和交叉网络的增强推荐模型

    师欣雨林珊玲刘珂林坚普...
    97-105页
    查看更多>>摘要：针对目前大多数推荐模型在特征交互时,存在忽视特征重要程度使得推荐模型准确率不高的问题,为此本文提出融合特征选择和交叉网络的增强推荐模型.该模型采用SENet网络在特征交互前过滤不重要的特征,使其挖掘到更有价值的交互信息.在此基础上,进一步使用并行的交叉网络和深度神经网络,以捕捉显式特征交互和隐式特征交互.同时,在交叉网络中引入低秩技术,将权重向量改进为低秩矩阵,在保证模型性能的同时,降低模型的训练成本.该模型在MovieLens-1M、Criteo数据集上与其他推荐模型进行了对比实验,实验结果表明所提推荐模型在AUC指标上明显优于其他模型,证明了所提推荐模型的有效性.

    推荐算法深度学习SENet网络特征交互低秩矩阵

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

    基于Conformer-SE的端到端语音识别

    马永杰李罡
    106-114页
    查看更多>>摘要：基于自注意力机制的Transformer端到端模型在语音识别任务中表现出了卓越的性能.然而,该模型在浅层处理时对局部特征信息的捕捉能力存在一定的局限,同时也没有充分考虑不同块之间的相互依赖性.为了解决这些问题,提出了一种改进的Conformer-SE端到端语音识别系统模型.该模型首先采用了Conformer结构来替代Transformer中的编码器部分,从而增强了模型对局部特征的提取能力.接着,通过引入SE注意力通道机制,将每个块的输出以加权求和的形式整合到最终的输出中.在Aishell-1 这一公开数据集上的实验结果显示,相较于原始的Transformer模型,Conformer-SE模型在字符错误率上相对降低了18.18%.

    语音识别端到端TransformerConformerSE注意力通道

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