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

    基于混合数据类型相关性度量的非正态数据合成

    王春东张世鹏
    195-205页
    查看更多>>摘要：数据在机器学习、人工智能等领域的研究和开发工作中占据了极其重要的地位.然而现实中存在的一些因素导致数据需求者无法获得符合工作要求的真实数据集,例如隐私问题、数据稀缺和数据质量较差等.针对此现状,在SI(sampling-iteration)technique的基础上改进出一种非正态数据合成算法(KMSI).该算法使用混合类型相关系数矩阵以减小SI technique在目标设定、控制循环等步骤中的度量误差,通过替换Bootstrap采样法为核密度估计采样法以避免使用真实数据.实验结果表明,KMSI相较SI technique能够应对复杂分布和混合类型的数据集,且在合成结果中不包含真实数据;相较于其他改进方法,KMSI在合成数据集样本量上能够给予使用者更大的自定义空间.

    合成数据集隐私保护相关系数核密度估计

      原文链接:
    • 万方数据
    • 维普

    基于DH-Swin Unet的医学图像分割算法

    王艺妮时宏伟
    206-212页
    查看更多>>摘要：骨关节疾病自古以来是人类最高发的疾病之一,随着老龄化的不断加快,这类疾病日趋广泛,关节外科医师面临着巨大挑战.对人体关节的图像分割方法研究可以帮助医生进行临床诊断和治疗,然而,由于存在噪声、模糊、对比度低等问题,医学图像的特征提取比普通图像更具挑战性,而且目前大多数分割模型在编码器和解码器之间都采用了普通的跳跃连接,没有注重解决跳跃连接过程中的信息间隙和损失问题.为解决这些问题,提出一种基于DH-Swin Unet的医学图像分割算法,该模型在Swin-Unet模型的基础上,在跳跃连接中引入密集连接的Swin Transformer块,并加入混合注意力机制,来强化网络的特征信息传递.通过在某三甲医院提供的真实临床数据对所提方法的性能进行评价,结果表明,所提出的方法取得了 DSC为86.79％、HD为32.05 mm的分割结果,在关节疾病的临床诊断中具有一定的实用价值.

    U-Net跳跃连接医学图像分割SwinTransformer注意力机制

      原文链接:
    • 万方数据
    • 维普

    基于BSCWEformer的退火炉内分组式辊速序列预测

    岳晓光石元博
    213-219页
    查看更多>>摘要：退火炉内带钢的长度受到温度、张力等因素的影响而变化,导致辊的转速改变以及焊缝位置的不确定,从而威胁生产安全.为了准确预测辊的转速以计算焊缝的实时位置,本文提出基于带状稀疏柯西自注意力的BSCWEformer(banded sparse Cauchy weight enhanced Transformer)模型.模型采用带状稀疏的、使用基于相对位置计算的柯西分布权重值增强的自注意力结构,在提高相邻输入序列的重要性的同时,将自注意力的复杂度由二次方降低为线性.通过实际生产数据进行实验,并与LogSparse Transformer、Transformer、RNMT+等模型进行对比,得出本文所提出的BSCWEformer模型在退火炉内分组式辊速序列预测任务上具有较高的预测精度.

    退火炉带钢焊缝带状稀疏柯西分布权重时间序列

      原文链接:
    • 万方数据
    • 维普

    基于图像点云的道路缺陷检测

    李威祥李武劲陈思源
    220-225页
    查看更多>>摘要：本文针对无人机图像点云道路缺陷检测问题,提出了一种基于点云切片平面拟合与聚类的道路缺陷检测方法.首先,采集无人机图像进行三维重建生成图像点云,对点云进行坡度滤波与统计离群点滤波,消除噪声和异常点的干扰.然后,对点云进行切片并利用随机采样一致性平面拟合算法估计道路的平面模型.随后,运用点云DBSCAN聚类算法分类出边缘噪声与道路损伤点云.最后,采用点云切片法估计损伤程度.在实验中,我们使用真实无人机采集的点云数据,并与基于点云垂直度特征检测方法进行了对比.实验结果表明,本文方法表现出较高的准确性和鲁棒性,体积估计的误差为1 307 cm3.相较于传统方法,本文方法能够更精确地检测出道路损伤,并能适应复杂的道路形状变化.

    无人机图像三维重建道路检测点云拟合点云聚类

      原文链接:
    • 万方数据
    • 维普

    基于定向变异策略的改进克隆选择算法

    彭旭杨超张文豪王道维...
    226-232页
    查看更多>>摘要：本文针对克隆选择算法(CSA)存在的问题,如搜索速度慢、收敛精度低、容易陷入局部最优,提出一种基于定向变异的改进克隆选择算法(DMSCSA).该算法引入Halton序列来生成均匀分布的初始化种群,实现对解空间更高效的搜索;采用黄金正弦变异策略在迭代过程中对优秀抗体定向变异,提升算法收敛速度;引入柯西变异策略,能够在保证种群多样性的前提下提高算法跳出局部最优的能力.使用CEC2019测试函数集中的8个不同的测试函数并与其他同类型算法进行对比实验,通过实验结果可知,DMSCSA算法在寻优精度、收敛速度等方面均有提升.

    克隆选择算法Halton序列黄金正弦算法柯西变异

      原文链接:
    • 万方数据
    • 维普

    基于改进麻雀搜索算法的无信号交叉路口车辆调度优化

    李金龙刘伟
    233-244页
    查看更多>>摘要：本文将无信号交叉路口内部区域离散化为多个路权点,并将车辆右转弯与行人或非机动车发生碰撞造成交通事故时所占的路权点设为"故障点",故障点有一个至多个,本文研究无信号交叉路口在发生车辆故障时的通行效率问题.选择麻雀搜索算法提高车辆调度的通行效率,但是该算法存在前期易陷入局部最优值而后期寻优精度不高等问题,为解决此问题,引入自适应学习参数和等级反向学习的改进策略,提出基于自适应参数和等级反向学习的麻雀算法(ALSSA).选取13个基准测试函数以及Wilcoxon秩和检验P值验证ALSSA的有效性,结果表明,改进的麻雀搜索算法与其他算法相比,全局搜索能力、寻优精度等都有较大提升.最后,计算双向两车道、双向四车道、双向八车道不同车流量下的最优通行时间.

    无信号交叉路口麻雀搜索算法自适应参数等级反向学习

      原文链接:
    • 万方数据
    • 维普

    关系敏感型多子图图神经网络的多模态实体对齐

    金佳惠李治江刘谊章
    245-254页
    查看更多>>摘要：作为融合多源异构知识图谱的主要手段,实体对齐一般首先编码实体等图结构信息,而后通过计算实体间相似度来获取对齐实体.然而,现存的多模态对齐方法往往直接引入预训练方法表达模态特征,忽略了模态间的融合以及模态特征与图结构间的融合.因此,本文提出一种关系敏感型的多子图图神经网络(RAMS)方法.通过多子图图神经网络编码方法对模态信息与图结构进行结合并获得实体表征,通过跨域相似度计算得到对齐结果.广泛且多角度的实验证明了本文所提出的模型在准确率、效率、鲁棒性方面均超过了基线模型.

    多模态实体对齐图神经网络知识图谱机器学习深度学习

      原文链接:
    • 万方数据
    • 维普

    结合语法结构和语义信息的情感三元组提取

    杨芳捷冯广唐业凯
    255-263页
    查看更多>>摘要：针对目前大多数方面情感三元组提取方法存在着没有充分考虑语法结构和语义相关性的问题.本文提出一种结合语法结构和语义信息的方面情感三元组提取模型,首先提出使用依赖解析器得到所有依赖弧的概率矩阵构建语法图,提取丰富的语法结构信息.其次利用自注意力机制构建语义图,表示单词与单词之间的语义相关性,从而减低噪声词的干扰.最后设计了一个相互仿射变换层,让模型可以更好地交换语法图和语义图之间的相关特征,提升模型情感三元组提取的表现.在多个公开数据集上进行验证.实验表明,与现有的情感三元组提取模型相比,精确度(P)、召回率(R)和F1值整体都有提高,验证了结合语法结构和语义信息在方面情感三元组提取的有效性.

    方面情感三元组提取语法结构语义信息图卷积网络自注意力机制

      原文链接:
    • 万方数据
    • 维普

    基于交叉特征感知融合的多领域虚假新闻检测

    王振琦陈涛张宝宇张明利...
    264-272页
    查看更多>>摘要：各领域虚假新闻的传播对社会造成了严重的影响,不同领域间新闻的领域偏移问题和跨域关联问题也对模型的预测能力造成了极大的挑战.针对上述问题,本文提出了一种基于交叉特征感知融合的多领域虚假新闻检测方法.该方法可以捕捉不同领域间新闻的多种特征差异,并挖掘新闻之间的关联关系,从多个维度控制模型在不同领域的特征融合策略.此外,本文还提出了一种联合训练框架.本方法的模型使用本框架进行训练,在中英文数据集上的预测F1分数分别达到了 92.84％和85.49％,相较于最先进的模型,预测效果分别提升了 1.16％和1.07％.

    领域偏移跨域关联交叉特征感知融合多领域虚假新闻检测联合训练框架

      原文链接:
    • 万方数据
    • 维普

    基于S-Transformer的多模态船舶轨迹预测

    柯研陈姚节
    273-280页
    查看更多>>摘要：船舶轨迹预测是实现船舶智能航行的前提与基础.目前,针对船舶轨迹预测的研究大多仅依赖于船舶自动识别系统(AIS)历史数据,而未利用到船舶上其他传感器信息.于是本文提出了一种多模态轨迹预测模型——S-Transformer.在该网络中,电子海图中的海水/陆地被分割作为辅助训练目标与真实舟山港AIS数据加以综合从而对模型进行训练,并对船舶未来航行轨迹进行预测;其中,本文还引入segment recurrence来捕获AIS数据的长期依赖关系.实验结果表明,S-Transformer在不同的船舶行驶情况中都有优秀的预测结果,并优于相关预测任务的单模态基准模型.

    轨迹预测多模态Transformer语义分割

      原文链接:
    • 万方数据
    • 维普