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

    大规模时空轨迹数据连接查询效率优化实践

    丁强龙叶惠珠袁弘强李志新...
    1-14页
    查看更多>>摘要：本文提出一种低集群计算资源条件下,大规模轨迹类数据同时空关系的快速连接查询算法DPCP-CROSS-JOIN.该算法通过对轨迹数据时间字段进行分段交叉编码和位置网格化等方式对连续的轨迹数据离散化,并以日期和网格区域编码进行两级分区存储.通过交叉"等值"连接查询,实现时空连接查询的三级索引、四级加速,将n·n对象间同时空关系连接查询时间复杂度从O(n2)降为O(nlogn).在Hadoop集群上使用Hive和TEZ等进行大规模轨迹数据连接查询时能将连接查询效率最高提升到 30.66 倍.该算法以时间段编码作为关联条件,巧妙绕开连接过程中复杂表达式的实时计算,以"等值"替代复杂表达式计算连接,提高MapReduce任务并行度,提升集群存储和计算资源利用率.在面对仅使用一般优化已几乎无法完成的,更大规模类似任务,仍能在数分钟内完成.实验表明,该算法具有高效和稳定等特性,尤其适用低"算力"资源条件下大规模轨迹数据的同时空关系连接查询.此方法还可作为时空轨迹伴随查找,对象间关系亲密度判定等的原子算法,可广泛应用于维护国家安全、社会治安秩序,预防和打击犯罪,辅助城乡规划统筹等领域.

    轨迹数据三级时空索引复杂表达式连接查询交叉编码同时空低算力条件

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

    双分支注意力与FasterNet相融合的航拍场景分类

    杨本臣曲业田金海波
    15-27页
    查看更多>>摘要：航拍高分辨率图像的场景类别多且类间相似度高,经典的基于深度学习的分类方法,由于在提取特征过程中会产生冗余浮点运算,运行效率较低,FasterNet通过部分卷积提高了运行效率但会降低模型的特征提取能力,从而降低模型的分类精度.针对上述问题,提出了一种融合FasterNet和注意力机制的混合结构分类方法.首先采用"十字型卷积模块"对场景特征进行部分提取,以提高模型运行效率.然后采用坐标注意力与通道注意力相融合的双分支注意力机制,以增强模型对于特征的提取能力.最后将"十字型卷积模块"与双分支注意力模块之间进行残差连接,使网络能训练到更多与任务相关的特征,从而在提高分类精度的同时,减小运行代价,提高运行效率.实验结果表明,与现有基于深度学习的分类模型相比,所提出的方法,推理时间短而且准确率高,参数量为 19M,平均一张图像的推理时间为 7.1 ms,在公开的数据集NWPU-RESISC45、EuroSAT、VArcGIS(10%)和VArcGIS(20%)的分类精度分别为 96.12%、98.64%、95.42%和 97.87%,与FasterNet相比分别提升了 2.06%、0.77%、1.34%和0.65%.

    遥感场景图像分类注意力机制残差连接FasterNet

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

    具有错误发现率控制的网络连接数据变量选择

    卢滢李阳
    28-36页
    查看更多>>摘要：网络连接数据的统计推断问题已成为近年来统计学研究的热点问题.传统模型中样本数据间的独立性假设通常不能满足现代网络连接数据的分析需求.本文研究了网络连接数据中每个节点的独立效应,并借助融合惩罚的思想,使得相互连接节点的独立效应趋同.同时借助仿变量方法(Knockoff)仿冒原始变量的数据依赖结构、构造与目标变量无关的属性特征,提出了针对网络连接数据进行变量选择的仿变量方法(NLKF).从理论上证明了NLKF方法将变量选择的错误发现率(FDR)控制在目标水平.对于原始数据协方差未知的情形,使用估计的协方差矩阵仍具有上述良好的统计性质.通过与传统变量选择方法Lasso对比,说明了本文方法的可靠性.最后结合因子投资领域 2022 年 1-12 月中国A股市场 4000 只股票的 200 个因子数据及每只股票所属申万一级行业构造的网络关系,给出模型的应用实例.

    网络连接数据变量选择Knockoff方法错误发现率

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

    基于改进MobileNetV2神经网络的视网膜OCT图像多分类

    姚娟乔焕方玲玲
    37-46页
    查看更多>>摘要：光学相干断层成像(optical coherence tomography,OCT)是一种具有无接触、高分辨率等特点的新型眼科医学诊断方法,现在已经作为医生临床诊断眼科疾病的重要参考物,但人工分类疾病费时费力,视网膜病变的早期发现和临床诊断至关重要.为了解决该类问题,本文提出了一种基于改进MobileNetV2 神经网络对视网膜OCT图像多分类识别方法.此方法利用特征融合技术处理图像并设计增加注意力机制改进网络模型,二者在极大程度上提高OCT图像的分类准确率.与原有算法相比,分类效果具有明显提升,本文模型的分类准确率、召回值、精确度、F1 值分别达到 98.3%、98.44%、98.94%、98.69%,已经超越人工分类的准确率.此类方法不仅在实际诊断中加快诊断流程、降低医生负担、提高诊断质量,同时也为眼科医疗研究提供新的方向.

    视网膜光学相干断层扫描注意力机制特征融合图像分类

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

    强化数据预处理的BLSTNet-CBAM短期电力负荷预测

    陈万志张思维王天元
    47-56页
    查看更多>>摘要：针对负荷数据复杂性、非平稳性以及负荷预测误差较大等问题,提出一种综合特征构建和模型优化的短期电力负荷预测新方法.首先采用最大信息系数(MIC)分析特征变量的相关性,选取与电力负荷序列相关的特征变量,同时,考虑变分模态分解(VMD)方法容易受主观因素的影响,采用霜冰优化算法(RIME)优化VMD,完成原始电力负荷序列的分解.然后改进长短期时间序列网络(LSTNet)作为预测模型,将其递归层LSTM更新为BiLSTM,并引入卷积块注意力机制(CBAM)进行预测.通过对比实验和消融实验的结果表明:经RIME-VMD优化后,LSTM、GRU、LSTNet模型预测的均方根误差(RMSE)均降低 20%以上,显著提高模型预测精度,且能够适应于不同预测模型.所提出的BLSTNet-CBAM模型与LSTM、GRU、LSTNet相比,RMSE分别降低了 35.54%、6.78%、1.46%,提高了短期电力负荷预测的准确性.

    短期电力负荷预测霜冰优化算法变分模态分解长短期时间序列网络卷积块注意力机制

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

    基于注意力机制的自监督图卷积会话推荐

    吴永庆朱月王钰涵
    57-66页
    查看更多>>摘要：为了解决会话推荐系统中数据稀疏性问题,提出了一种基于注意力机制的自监督图卷积会话推荐模型(self-supervised graph convolution session recommendation based on attention mechanism,ATSGCN).该模型将会话序列构建成3个不同的视图:超图视图、项目视图和会话视图,显示会话的高阶和低阶连接关系;其次,超图视图使用超图卷积网络来捕获会话中项目之间的高阶成对关系,项目视图和会话视图分别使用图卷积网络和注意力机制来捕获项目和会话级别局部数据中的低阶连接信息;最后,通过自监督学习使两个编码器学习到的会话表示之间的互信息最大化,从而有效提升推荐性能.在Nowplaying和Diginetica两个公开数据集上进行对比实验,实验结果表明,所提模型性能优于基线模型.

    会话推荐自监督学习图神经网络注意力机制

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

    基于Halo注意力机制的双阶段临近降水预报网络

    周云龙季繁繁潘泽锋
    67-75页
    查看更多>>摘要：先前基于深度学习进行临近降水预报的方法试图在统一架构中建模雷达回波的时空演变,然而,这些方法可能难以完全捕捉到这种复杂的时空关系.本文提出了一种基于Halo注意力机制的双阶段临近降水预报网络,该网络将降水预测的时空演变过程分为运动趋势预测和空间外观重建两个阶段.首先,可学习光流模块对雷达回波的运动趋势进行建模并生成粗略的预测结果.其次,特征重建模块对历史雷达回波序列的空间外观变化建模并对粗粒度预测结果的空间外观进行特征细化重建,生成精细的雷达回波图.通过在CIKM数据集上的实验表明,本文所提出的方法与主流方法相比,平均的海德克技能得分和关键成功指数分别提高了 4.60%和 3.63%,达到了 0.48 和0.45;结构相似性提高了4.84%,达0.52;均方误差降低了6.13%,达70.23.

    深度学习临近降水预报光流注意力机制双阶段预测

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

    杂乱场景中多尺度注意力特征融合抓取检测网络

    徐衍林云汉闵华松
    76-84页
    查看更多>>摘要：GSNet使用抓取度区分杂乱场景的可抓取区域,显著地提高了杂乱场景中机器人抓取位姿检测准确性,但是GSNet仅使用一个固定大小的圆柱体来确定抓取位姿参数,而忽略了不同大小尺度的特征对抓取位姿估计的影响.针对这一问题,本文提出了一个多尺度圆柱体注意力特征融合模块(Ms-CAFF),包含注意力融合模块和门控单元两个核心模块,替代了GSNet中原始的特征提取方法,使用注意力机制有效地融合 4 个不同大小圆柱体空间内部的几何特征,从而增强了网络对不同尺度几何特征的感知能力.在大规模杂乱场景抓取位姿检测数据集GraspNet-1Billion的实验结果表明,在引入模块后将网络生成抓取位姿的精度最多提高了 10.30%和 6.65%.同时本文将网络应用于实际实验,验证了方法在真实场景当中的有效性.

    点云机器人抓取位姿检测多尺度特征融合杂乱场景注意力机制

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

    小样本条件下的带钢表面缺陷检测

    宋文琦吴龙黎尧
    85-93页
    查看更多>>摘要：针对工业场景下带钢表面缺陷样本少、缺陷尺寸大小不一等问题,提出一种适用于小样本条件下的带钢表面缺陷检测网络.首先,算法以YOLOv5s框架为基础,设计一种融合注意力机制的多尺度路径聚合网络作为模型的颈部,增强模型对缺陷目标的多尺度预测能力;其次,提出一种自适应解耦检测结构,缓解小样本情况下分类和定位任务之间的矛盾;最后,提出一种融合Wasserstein距离的边界框回归损失函数,提升模型对小目标缺陷的检测精度.实验表明,在构建的小样本带钢表面缺陷数据集上,本文模型的检测性能优于其他小样本检测模型,更适用于工业环境下的小样本缺陷检测任务.

    钢材表面缺陷检测小样本注意力机制多尺度路径聚合网络解耦检测结构

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

    融合注意力和多尺度特征的街景图像语义分割

    洪军刘笑楠刘振宇
    94-102页
    查看更多>>摘要：为了解决在街道场景图像语义分割任务中传统U-Net网络在多尺度类别下目标分割的准确率较低和图像上下文特征的关联性较差等问题,提出一种改进U-Net的语义分割网络AS-UNet,实现对街道场景图像的精确分割.首先,在U-Net网络中融入空间通道挤压激励(spatial and channel squeeze&excitation block,scSE)注意力机制模块,在通道和空间两个维度来引导卷积神经网络关注与分割任务相关的语义类别,以提取更多有效的语义信息;其次,为了获取图像的全局上下文信息,聚合多尺度特征图来进行特征增强,将空洞空间金字塔池化(atrous spatial pyramid pooling,ASPP)多尺度特征融合模块嵌入到U-Net网络中;最后,通过组合使用交叉熵损失函数和Dice损失函数来解决街道场景目标类别不平衡的问题,进一步提升分割的准确性.实验结果表明,在街道场景Cityscapes数据集和CamVid数据集上AS-UNet网络模型的平均交并比(mean intersection over union,MIoU)相较于传统U-Net网络分别提高了3.9%和3.0%,改进的网络模型显著提升了对街道场景图像的分割效果.

    图像语义分割街道场景U-Net注意力机制多尺度特征融合

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