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

    融合空间域和频率域信息的图像去模糊

    邢艳陈晓璐徐启奥黄睿...
    1-12页
    查看更多>>摘要：现有的图像去模糊方法通常直接采用图像的空间域或频率域信息恢复清晰图像,忽略了空间域信息和频率域信息的互补性.利用图像的空间域信息可以有效地恢复物体结构,而利用图像的频率域信息可以有效地恢复纹理细节.本文提出了一种简单、有效的图像去模糊框架,可以充分利用图像的空间域和频率域信息,产生高质量的清晰图像.首先采用两个结构相同但独立的网络分别从图像的空间域和频率域中学习模糊图像到清晰图像的映射关系;然后使用一个单独的融合网络,充分融合空间域和频率域的图像信息,进一步提升清晰图像的质量.3 个网络链接形成一个端到端的、可学习的大网络,不同网络之间相互影响,通过联合优化最终得到高质量的清晰图像.在公共图像去模糊数据集GoPro、Kohler以及RWBI上,本文方法的峰值信噪比、结构相似度、平均绝对误差 3 个指标都优于 9 个先进的图像去模糊方法.大量的实验结果验证了本文提出的融合空间域和频率域信息的图像去模糊方法的有效性.

    空间域频率域融合联合优化去模糊

      原文链接:
    • 万方数据
    • 维普

    基于Wasserstein距离与生成对抗网络的高光谱图像分类

    晏远翔曹国张友强
    13-22页
    查看更多>>摘要：近年来,基于生成对抗网络的高光谱图像分类方法取得了很大进展.它们虽可以缓解训练样本数量有限的问题,但是容易受到训练数据不平衡的影响,并且存在模式崩溃问题.针对这些问题,提出了一种用于高光谱图像分类的SPCA-AD-WGAN模型.首先,为了解决训练数据不平衡导致分类精度降低的问题,添加了单独的分类器,与判别器分开训练.其次,将Wasserstein距离引入网络,以缓解GAN模型崩溃的问题;在两个HSI数据集上的实验结果表明,SPCA-AD-WGAN具有更好的分类性能.

    高光谱图像生成对抗网络分类

      原文链接:
    • 万方数据

    结合跳跃连接的多层图注意力网络会话推荐

    丁美荣王雨航曾碧卿
    23-32页
    查看更多>>摘要：基于会话的推荐旨在根据匿名用户的短期交互数据来预测用户下一次交互项目.现有图神经网络会话推荐模型大多在信息传播过程中平等对待所有邻居节点,而没有区分他们对于中心节点的重要性,从而给模型训练引入噪声.此外,随着图神经网络层数的增加,过度平滑问题会随之产生.针对上述问题,本文提出结合跳跃连接的多层图注意力网络会话推荐模型(MGATSC).首先利用图注意力网络学习邻居节点对于中心节点的重要性,并堆叠多层网络以获取高阶邻居信息;然后为了缓解过度平滑问题,采用基于残差注意力机制的跳跃连接更新每层网络的节点嵌入,并通过平均池化得到最终节点嵌入.最后将反向位置嵌入融合到节点嵌入中,经过预测层生成推荐.在Tmall、Diginetica以及Retailrocket这 3 个公开数据集上的实验结果表明所提模型优于所有基线模型,验证了模型的有效性与合理性.

    会话推荐图注意力网络过度平滑残差注意力机制跳跃连接

      原文链接:
    • 万方数据
    • 维普

    融合IndRNN和PSO的随钻测井数据反演方法

    付俊芃孙歧峰陈沛沛王亚宁...
    33-42页
    查看更多>>摘要：针对传统的反演方法过于其依赖初始模型,导致结果不稳定与计算效率低的问题,提出一种融合独立循环神经网络和粒子群优化算法的随钻测井实时反演方法.首先,通过地层模型正演模拟产生的序列数据,建立独立循环神经网络模型,并引入注意力机制强调关键特征在随钻测井反演中的作用;其次,在粒子群优化算法中引入随机惯性权重提高粒子群算法的全局和局部搜索能力,利用粒子群优化算法对神经网络模型进行超参数优化;最后,在正演模拟测试集与某油田 1931-2132 m段的测井数据测试集上分别进行消融实验与对比实验,结果证明,粒子群算法与注意力机制可以有效提高预测精度,且该方法在各个方面的反演性能均优于长短期记忆神经网络、双向长短期记忆神经网络以及门控循环单元网络模型,满足随钻测井数据实时反演的需要.

    独立循环神经网络注意力机制粒子群算法随钻测井实时反演

      原文链接:
    • 万方数据
    • 维普

    基于国密算法的视频媒体文件加密效率提升技术

    王溪波戚成烨贾正锋
    43-53页
    查看更多>>摘要：随着计算机网络和无线通信等技术的发展,有关视频媒体文件的版权保护和信息安全问题日益成为人们关注的焦点,对视频媒体文件加密是一种有效保护信息安全的方式,传统的视频文件加密方法需要对视频媒体文件中所有的视频帧数据进行加密,文件加密的效率较低,加密过程比较耗时.本文针对H.264/AVC视频帧的结构特点,提出了一种基于国产SM2 算法的视频媒体文件加密效率提升的方法,该方法在加密视频媒体文件的过程中只加密视频数据中关键帧的NALU Header信息,在检测到H.264 分片的情况下同时也需要对non-IDR Header信息进行加密.实验结果表明该方法可以在有效加密视频媒体文件的同时减少了加密所需的时间,明显提升了视频媒体文件的加密效率.

    视频媒体文件信息安全H.264/AVC视频帧国产SM2算法加密效率提升

      原文链接:
    • 万方数据
    • 维普

    基于样本选择的标签含噪图像分类

    闻铮曹国
    54-61页
    查看更多>>摘要：标签噪声广泛存在、无法避免且影响深度网络模型的性能.利用神经网络的"记忆效应",基于小损失原则的样本选择方法能简单有效地处理标签噪声.本文基于特征空间中样本距离越近越相似的原则,结合样本的高低置信度假设,提出了新的样本选择原则以及二阶段加权样本选择重标签方法(WSSR-2s).(1)在训练前期阶段,对于高置信度样本,在特征空间中对其票权进行加权,更好地引导训练;(2)在训练中后期阶段,对于低置信度样本,将其票权转移给其最相似的特征样本,以更正确地训练.在合成噪声数据集CIFAR-10、CIFAR-100 以及真实噪声数据集ANIMAL-10N、WebVision的实验结果表明,本文提出的方法取得更高的精度,能够更好地处理标签噪声问题.

    标签噪声样本选择置信度假说样本票权样本加权

      原文链接:
    • 万方数据
    • 维普

    面向SW26010Pro处理器的全局符号重定位优化

    钱宏王飞刘沙郑天宇...
    62-71页
    查看更多>>摘要：申威异构众核处理器运算核心访问主存的延迟很大,程序中应尽量避免运算核心代码访问主存的操作.全局偏移表存放程序中全局变量和函数的地址,不适合保存在珍稀的运算核心局部存储空间中,并且其访问模式通常比较离散,因而也不适合对其做Cache预取,访问全局偏移表引入的访问主存操作对程序性能影响较大.本文针对异构众核程序静态链接与动态链接的使用场景,分析链接器relaxation优化的使用限制,通过"gp基地址+扩展偏移"的方法实现避免访问主存操作的全局符号重定位优化.实验结果表明,该重定位优化方法能够以增加少量代码为代价,在运算核心代码调用函数与访问全局变量时有效避免访问全局偏移表引入的访问主存的操作,提高众核程序的运行性能.

    众核处理器全局偏移表重定位链接器优化性能

      原文链接:
    • 万方数据
    • 维普

    结合密集注意力的自适应特征融合图像去雾网络

    王燕他雪卢鹏屹
    72-82页
    查看更多>>摘要：目前,大多数图像去雾算法忽视图像的局部细节信息,无法充分利用不同层次的特征,导致恢复的无雾图像仍存在颜色失真、对比度下降和雾霾残留现象,针对这一问题,提出结合密集注意力的自适应特征融合图像去雾网络.该网络以编码器-解码器结构为基本框架,中间嵌入特征增强部分与特征融合部分,通过在特征增强部分叠加由密集残差网络与CS联合注意模块构成的密集特征注意块,使网络可以关注图像的局部细节信息,同时增强特征的重复利用,有效防止梯度消失;在特征融合部分构建自适应特征融合模块融合低级与高级特征,防止因网络加深而造成浅层特征退化.实验结果表明,所提算法在合成有雾图像数据集和真实有雾图像数据集上均表现优异,在SOTS室内合成数据集上的峰值信噪比和结构相似性分别达到了 35.81 dB和 0.9889,在真实图像数据集O-HAZE上的峰值信噪比和结构相似性分别达到了22.75 dB和0.7788,有效解决了颜色失真、对比度下降和雾霾残留等问题.

    图像去雾深度学习编码器-解码器密集连接注意力机制特征融合

      原文链接:
    • 万方数据
    • 维普

    基于PSO和外部知识的时序数据异常检测

    丁美荣王昭泓郑辛茹张迎春...
    83-93页
    查看更多>>摘要：在时间序列数据的异常检测中,单一模型往往只提取与自身模型结构相关的时序特征,从而容易忽略其他特征.同时,面对大规模的时序数据,模型难以对时序数据的局部趋势进行建模.为了解决这两个问题,本文提出一种基于粒子群优化算法(particle swarm optimization,PSO)和外部知识的异常检测模型PEAD.PEAD模型以深度学习模型作为基模型,引入快速傅里叶变换生成的外部知识来提高基模型对局部趋势的建模能力,随后PEAD模型以Stacking集成学习的方式训练基模型,再使用PSO算法对基模型的输出加权求和,对加权求和后的重构数据进行异常检测,PSO算法能够让模型的最终输出共同关注时序数据的全局特征和时间特征,丰富模型提取的时序特征,从而提高模型的异常检测能力.通过对 6 个公开数据集进行测试,研究结果表明PEAD模型在大部分数据集上表现良好.

    时间序列数据异常检测快速傅里叶变换Stacking集成学习粒子群优化算法

      原文链接:
    • 万方数据
    • 维普

    基于注意力融合网络的方面级多模态情感分类

    冼广铭招志锋阳先平
    94-104页
    查看更多>>摘要：方面级多模态情感分类任务的一个关键是从文本和视觉两种不同模态中准确地提取和融合互补信息,以检测文本中提及的方面词的情感倾向.现有的方法大多数只利用单一的上下文信息结合图片信息来分析,存在对方面和上下文信息、视觉信息的相关性的识别不敏感,对视觉中的方面相关信息的局部提取不够精准等问题,此外,在进行特征融合时,部分模态信息不全会导致融合效果一般.针对上述问题,本文提出一种注意力融合网络AF-Net模型去进行方面级多模态情感分类,利用空间变换网络STN学习图像中目标的位置信息来帮助提取重要的局部特征;利用基于Transformer的交互网络对方面和文本以及图像之间的关系进行建模,实现多模态交互;同时补充了不同模态特征间的相似信息以及使用多头注意力机制融合多特征信息,表征出多模态信息,最后通过Softmax层取得情感分类的结果.在两个基准数据集上进行实验和对比,结果表明AF-Net能获得较好的性能,提升方面级多模态情感分类的效果.

    多模态情感分类空间变换网络交互网络相似信息注意力融合网络

      原文链接:
    • 万方数据
    • 维普