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

    融合自注意力的SOFC表面缺陷图像分割

    汪尧坤付晓薇李曦徐威...
    108-114页
    查看更多>>摘要：固体氧化物燃料电池(SOFC)表面缺陷的图像分割,对单片SOFC质量检测具有重要意义.针对单片SOFC表面缺陷图像边缘模糊、背景复杂等问题,提出一种融合自注意力的SOFC表面缺陷图像分割方法.首先,提出多通道自注意力模块,以增强多通道间关联和提升通道表示;其次,利用多尺度注意力融合模块,进一步提升网络对不同尺度缺陷特征的提取能力;最后,提出三元联合损失函数对训练过程进行监督.实验表明,提出方法在提升网络分割性能的同时可有效提取单片SOFC表面缺陷.

    缺陷分割固体氧化物燃料电池损失函数自注意力

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

    信息年龄敏感的稀疏移动群智感知机制

    赵雅馨肖明军
    115-122页
    查看更多>>摘要：稀疏移动群智感知是一种新兴的模式,它从感知区域的子集收集数据,然后推理其他区域的数据.然而,在实际应用中,工人不足或分布不均的情况广泛存在.因此,在有限的预算下,必须优先选择相对更重要的工人收集数据.此外,许多稀疏移动群智感知应用对数据的时效性要求较高.因此本文将考虑数据的新鲜度,并使用信息年龄作为新鲜度指标.为了解决这些挑战,本文提出了一种轻量级年龄敏感的数据感知和推理框架.该框架旨在预算约束下,选择合适的工人收集数据,并通过准确捕捉感知数据时空关系进行数据推理,以优化信息年龄和推理的准确性.由于预算和工人有限,可能会导致数据量较少的情况.因此,本文还提出了精简数据推理模型的方法,以提高推理效率.通过广泛的实验进一步论证了该框架在实际应用中的优越性.

    稀疏移动群智感知信息年龄强化学习工人选择

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

    融合多源数据的深度学习短时降水预测

    夏景明戴如晨谈玲
    123-131页
    查看更多>>摘要：针对传统降水预测方法的局限性,提出了一种融合多源数据的深度学习短时降水预测模型MSF-Net.在GPM历史降水数据的基础上融合了ERA5 气象数据、雷达数据和DEM数据.利用气象特征提取模块学习多源数据的气象特征,通过注意力融合预测模块进行特征融合并实现短时降水预测.将MSF-Net的降水预测结果与多种人工智能方法进行对比,实验结果表明,MSF-Net模型的风险评分TS和偏差评分Bias最优,表明其可以在 6h的预测时效内提升数据驱动降水预测的效果.

    深度学习短时降水预测注意力机制数据融合数据驱动

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

    DFE3D:双重特征增强的三维点云类增量学习

    孙昊帅惠许翔刘青山...
    132-144页
    查看更多>>摘要：随着点云采集技术的发展和三维应用需求的增加,实际场景要求针对流动数据持续动态地更新点云分析网络.对此,提出了双重特征增强的三维点云类增量学习方法,通过增量学习使点云目标分类技术能够适应新数据中不断出现新类别目标的场景.该方法通过对点云数据特性和旧类信息的研究分别提出了差异性局部增强模块和知识注入网络,以缓解类增量学习中的新类偏好问题.具体而言,差异性局部增强模块通过感知丰富的局部语义,表征出三维点云物体中不同的局部结构特性.随后,根据目标中每个局部结构的全局信息获得各个局部的重要性权重,强化对差异性局部特征的感知,从而提高新旧类特征差异性.另外,知识注入网络将旧模型中的旧知识注入新模型的特征学习过程中,增强后的混合特征能够更有效缓解旧类信息不足导致的新类偏好加剧现象.在三维点云数据集ModelNet40,ScanObjectNN,ScanNet,ShapeNet上的实验表明,该方法与现有最优方法相比,在 4 个数据集上的平均增量准确率有2.03%、2.18%、1.65%、1.28%提升.

    三维点云目标分类类增量学习差异性局部增强知识注入灾难性遗忘点云表征

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

    适用于稀疏隐式反馈数据的双重去偏协同过滤推荐算法

    丁雨辰徐建军崔文泉
    145-154页
    查看更多>>摘要：隐式反馈数据是推荐系统的重要数据来源,但通常是稀疏的,并且存在曝光偏差和从众偏差.已知的去偏方法往往只针对其中一种偏差,影响个性化推荐的效果,或者需要一个昂贵的无偏数据集作为多重去偏的辅助信息.为此,本文提出了一个适用于稀疏隐式反馈数据,同时对曝光偏差和从众偏差去偏的协同过滤推荐算法.该算法通过我们提出的双重逆倾向加权方法和对比学习辅助任务去除输入双塔自编码器的隐式反馈数据中包含的两种偏差,估计用户对物品的偏好概率.实验结果显示,本文的算法在公开无偏数据集Coat、Yahoo!R3 上,归一化折扣累积增益NDCG@K、均值平均精度MAP@K和召回率Recall@K优于对比的算法.

    推荐系统协同过滤去偏逆倾向加权对比学习自编码器

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

    结合双非局部注意力感知的SAR和光学图像金字塔细节融合网络

    朱佳佳杨学志梁宏博杨翔宇...
    155-165页
    查看更多>>摘要：合成孔径雷达(synthetic aperture radar,SAR)与光学图像融合旨在利用卫星传感器的成像互补性,生成更全面的地貌信息.然而,由于各单一卫星传感器数据分布的异质性和成像物理机制的差异,现有网络模型在融合过程中往往存在成像精度低的问题.为了解决上述问题,本文提出DNAP-Fusion,一种新的结合双非局部注意力感知的SAR和光学图像金字塔细节融合网络(dual non-local-aware-based pyramid fusion net).该方法利用双非局部注意力模块,在空间尺度逐渐减小的多级图像金字塔中提取SAR图像的结构信息和光学图像的纹理细节.然后在空间和通道维度上融合它们的互补特征.然后,通过图像重构将融合特征注入上采样光学图像中,得到最终的融合结果.此外,在网络训练之前,采用图像封装决策来增强同一场景中SAR和光学图像中目标之间的共性关系.定性和定量的实验结果表明,提出的方法优于现有融合方法,其中客观评价指标中的相关系数(correlation coefficient,CC)为0.990 6,峰值信噪比(peak signal to noise ratio,PSNR)为 32.156 0 dB.此外,所提方法有效地融合了SAR图像和可见光图像的互补特征,为提高遥感图像融合的精度和有效性提供了一种有价值的思路和方法.

    合成孔径雷达图像光学图像图像融合双非局部注意力深度学习

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

    结合动态自适应调制和结构关系学习的细粒度图像分类

    王衍根陈飞陈权
    166-175页
    查看更多>>摘要：由于细粒度图像类间差异小,类内差异大的特点,因此细粒度图像分类任务关键在于寻找类别间细微差异.最近,基于Vision Transformer的网络大多侧重挖掘图像最显著判别区域特征.这存在两个问题:首先,网络忽略从其他判别区域挖掘分类线索,容易混淆相似类别;其次,忽略了图像的结构关系,导致提取的类别特征不准确.为解决上述问题,本文提出动态自适应调制和结构关系学习两个模块,通过动态自适应调制模块迫使网络寻找多个判别区域,再利用结构关系学习模块构建判别区域间结构关系;最后利用图卷积网络融合语义信息和结构信息得出预测分类结果.所提出的方法在CUB-200-2011 数据集和NA-Birds数据集上测试准确率分别达到 92.9%和 93.0%,优于现有最先进网络.

    细粒度图像分类VisionTransformer(ViT)动态自适应调制结构关系学习图卷积网络

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

    CoSTUR:面向用户评级的空间文本竞争选址

    李晨伟默梓鹏赵梦霏
    176-186页
    查看更多>>摘要：随着GPS定位技术和移动互联网的发展,各类LBS(location-based service)应用积累了大量带有位置和文本标记的空间文本数据,这些数据广泛应用于市场营销、城市规划等设施选址决策中.空间文本选址的目标是从候选位置集合中挖掘最佳地点新建设施,以期影响最多空间文本对象,如用户或车辆等,其中空间距离越接近且文本越相似则影响力越大.现有方案未考虑现实普遍存在的同行竞争,也忽略了用户对设施的评价因素.为更合理地在同行竞争环境结合用户评级进行选址决策,本文提出新的空间文本竞争选址问题CoSTUR.通过引入权衡影响的确定性和数量的阈值,解决传统模型中对象只能被单一设施影响的局限,建模了用户可能同时受多个设施影响的真实情况.借鉴经典的竞争均分模型,实现了不同评级设施间竞争量化.为降低大规模数据导致的高昂计算代价,构建了新型空间文本索引结构TaR-tree,并结合阈值设计基于影响范围的两个剪枝策略,实现基于分支定界思想的空间连接和范围查询两种方案.在真实和合成数据集上的实验结果显示,相比基线算法计算效率能够提升近一个量级,说明提出方法的有效性.

    空间文本数据选址问题空间文本索引竞争影响多设施影响用户评级

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

    基于BERT古文预训练模型的实体关系联合抽取

    李智杰杨盛杰李昌华张颉...
    187-195页
    查看更多>>摘要：古汉语文本承载着丰富的历史和文化信息,对这类文本进行实体关系抽取研究并构建相关知识图谱对于文化传承具有重要作用.针对古汉语文本中存在大量生僻汉字、语义模糊和复义等问题,提出了一种基于BERT古文预训练模型的实体关系联合抽取模型(entity relation joint extraction model based on BERT-ancient-Chinese pre-trained model,JEBAC).首先,通过融合BiLSTM神经网络和注意力机制的BERT古文预训练模型(BERT-ancient-Chinese pre-trained model integrated BiLSTM neural network and attention mechanism,BACBA),识别出句中所有的subject实体和object实体,为关系和object实体联合抽取提供依据.接下来,将subject实体的归一化编码向量与整个句子的嵌入向量相加,以更好地理解句中subject实体的语义特征;最后,结合带有subject实体特征的句子向量和object实体的提示信息,通过BACBA实现句中关系和object实体的联合抽取,从而得到句中所有的三元组信息(subject实体,关系,object实体).在中文实体关系抽取DuIE2.0 数据集和CCKS 2021 的文言文实体关系抽取C-CLUE小样本数据集上,与现有的方法进行了性能比较.实验结果表明,该方法在抽取性能上更加有效,F1 值分别可达79.2%和55.5%.

    古汉语文本实体关系抽取BERT古文预训练模型BiLSTM注意力三元组信息

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

    基于非对称U型卷积神经网络的脑肿瘤图像分割

    刘盼盼安典龙丰艳
    196-204页
    查看更多>>摘要：在计算机视觉分割任务中,基于Transformer的图像分割模型需要大量的图像数据才能达到最好的性能,医学图像相对于自然图像,数据量非常稀少,而卷积本身具有更高的感应偏差,使得它更适合医学图像方面的应用.为了将Transformer的远程表征学习与CNN的感应偏差相结合,本文设计了残差ConvNeXt模块来模拟Transformer的设计结构,采用深度卷积和逐点卷积组成的残差ConvNeXt模块来提取特征信息,极大地降低了参数量.并对感受野和特征通道进行了有效的缩放和扩展,丰富了特征信息.此外,本文提出了一个非对称 3DU型网络ASUNet用于脑肿瘤图像的分割.在非对称U型结构中,采用残差连接,将最后两个编码器的输出特征进行连接来扩大通道数.最后,在上采样的过程中采用深度监督,促进了上采样过程中语义信息的恢复.在BraTS 2020 和FeTS 2021 数据集上的实验结果表明,ET、WT和TC的骰子分数分别达到了 77.08%、90.83%、83.41%和 75.63%、90.45%、84.21%.并且通过对比实验,ASUNet在准确性方面完全可以与Transformer构建的模型竞争,同时保持了标准卷积神经网络的简单性和高效性.

    非对称U型结构倒置瓶颈深度监督ASUNet

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