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

    利用潜在稀疏表示学习的增强局部保持投影方法

    彭帅胡良臣
    14-27页
    查看更多>>摘要：降维在机器学习和模式识别领域中起着至关重要的作用.目前,现有的基于投影的方法往往只单一地利用了数据之间的距离信息或表示关系来保持数据的结构,难以有效捕捉高维空间中数据流形的非线性特征和复杂相关性.为了解决这个问题,本文提出了一种利用潜在稀疏表示学习的增强局部保持投影(enhanced locality preserving projection with latent sparse representation learning,LPP_SRL)方法.所提出方法不仅利用距离信息以保留数据的局部结构,而且利用多重局部线性表示来揭示数据的全局非线性结构.此外,为了在投影学习和稀疏自表示之间建立联系,本文采用了一种新策略,将稀疏自表示中的字典替换为低维表示的重构样本.通过这种方法,能够有效地过滤掉不相关的特征和噪声,从而更好地保留原始特征空间中的主要成分.在多个公开可用的基准数据集上进行的大量实验证明了所提出方法的有效性和优越性.

    降维投影学习稀疏表示主成分图像分类

      原文链接:
    • 维普
    • 万方数据

    融合物理信息的热带气旋强度估计

    丁嘉慕乐璐辉杭仁龙
    28-37页
    查看更多>>摘要：热带气旋强度的精确估计是进行有效强度预测的基础工作,对于灾害预报至关重要.当前基于深度学习的热带气旋强度估计技术展现出了优越的性能,但仍然存在着物理信息融合不足的问题.因此,本文基于深度学习框架,提出一种融合物理信息的热带气旋强度估计模型(physical factor fusion for tropical cyclone intensity estimation,PF-TCIE),来估计西北太平洋的热带气旋强度.PF-TCIE由多通道卫星云图学习分支和物理信息提取分支组成.多通道卫星云图学习分支用于提取热带气旋云系特征,物理信息提取分支用于提取物理因子特征,来约束云系特征的学习.本文数据选用葵花-8 卫星资料和ERA-5 再分析资料.实验证明,在引入多个通道后,模型的RMSE误差较单通道降低了3.7％.同时,物理信息的引入使模型的误差进一步下降了8.5％.PF-TCIE的RMSE最终达到了4.83 m/s,优于大部分深度学习方法.

    热带气旋强度估计融合物理信息深度学习葵花-8卫星图像ERA-5再分析资料

      原文链接:
    • 维普
    • 万方数据

    融合多特征的骨签释文实体识别

    石雨梦王慧琴王展刘瑞...
    38-47页
    查看更多>>摘要：构建适用于汉长安城骨签释文的命名实体识别模型,用来解决由于汉长安城骨签释文关键内容缺失,而导致无法对部分骨签释文进行分类的问题.本文将汉长安城骨签释文原始文本作为数据集,采用BIOE(begin,inside,outside,end)标注方法对释文实体进行数据标注,并提出融合字结构特征、字词结构特征的多特征融合网络模型(multi-feature fusion network,MFFN).该模型不仅考虑了单个字符的结构特征,还融合了字与词的结构特征,以增强模型对骨签释文的理解能力.实验结果表明,MFFN模型能够更好地识别汉长安城骨签释文的命名实体,实现骨签释文分类,优于现有NER模型,为历史学家和研究人员提供更加丰富和准确的数据支持.

    骨签实体识别BIOE标注方法多特征融合释文分类

      原文链接:
    • 维普
    • 万方数据

    基于特征解耦和开放性学习的小样本开放集识别

    吴少玲罗会兰
    48-57页
    查看更多>>摘要：在小样本开放集识别任务中,有效区分闭集和开集样本是一项具有挑战性的任务,尤其在样本稀缺的情况下.现有方法在构造已知类分布边界时存在模糊性,未能很好地实现闭集和开集空间的区分.为了解决这一问题,本文提出了基于特征解耦和开放性学习的小样本开放集识别方法.其目的是通过特征解耦模块,迫使模型解耦类别性特征和开放性特征,从而扩大未知类与已知类之间的差异.为了有效实现特征解耦,引入了开放性学习损失来促进特征的开放性学习.通过结合相似度度量值和反开放性分值作为损失优化对象,更好地引导模型学习到更具区分性的特征表示.实验结果表明,本文方法在公共数据集miniImageNet和tieredImageNet上可以显著提高未知类样本的检测率,同时正确分类已知类别.

    小样本学习开放集识别小样本开放集识别特征解耦

      原文链接:
    • 维普
    • 万方数据

    基于扩散模型的解耦知识蒸馏

    王鹏宇朱子奇
    58-64页
    查看更多>>摘要：知识蒸馏(KD)是一种将复杂模型(教师模型)的知识传递给简单模型(学生模型)的技术,目前比较受欢迎的蒸馏方法大多停留在基于中间特征层,继解耦知识蒸馏(DKD)提出后基于响应的知识蒸馏又重新回到SOTA行列,这种使用强一致性约束条件的策略,将经典的知识蒸馏拆分为两个部分,解决了高度耦合的问题.然而,这种方法忽略了师生网络架构差距较大所引起的表征差距过大,进而导致学生模型由于体量较小无法更有效的学习到教师模型的知识的问题.为了解决这个问题,本文提出了使用扩散模型来缩小师生模型之间的表征差距,这种方法将教师特征传输到扩散模型中训练,然后通过一个轻量级的扩散模型对学生模型进行降噪从而缩小了师生模型的表征差距.大量的实验表明这种方法对比于基准方法在CIFAR-100、ImageNet数据集上均有较大的提升,在师生网络架构差距较大时依然能够保持较好的性能.

    知识蒸馏解耦知识蒸馏扩散模型表征差距师生网络

      原文链接:
    • 维普
    • 万方数据

    融合移位卷积与边缘检测的图像动态超分辨率重建

    沈学利朱晓铭金海波
    65-76页
    查看更多>>摘要：针对固定网络架构和深度网络层导致的信息无法完全表达复杂场景预测高质量图像、高计算成本及部署困难等问题,提出了一种具有宽网络结构的图像动态超分辨率网络(wide dynamic super-resolution network,W-SDNet).首先,设计了一个由移位卷积残差增强结构组成的残差增强块,以提高图像超分辨率的分层特征提取能力并减少计算成本.其次,引入一个宽增强模块通过其双分支的 4 层并行结构,在提取深度信息的同时利用动态网络的门机制选择性增强特征表达,同时通过边缘检测算子融合的注意力机制增强边缘细节的表现力.紧接着,采用组卷积和信道分割的细化块,以防止在广泛增强块中组件间的干扰.最后,通过一个构建块实现高质量图像的重建.实验结果表明,W-SDNet在 5 个公开测试数据集上放大 4 倍时的峰值信噪比(peak signal-to-noise ratio,PSNR)指标均优于现有主流算法,并且模型的参数量显著减少,证明了W-SDNet在超分辨率重建的复杂度、性能及恢复时间方面的优势.

    图像超分辨率移位卷积动态网络边缘检测注意力机制

      原文链接:
    • 维普
    • 万方数据

    基于ST-UNet和目标特征的混凝土裂缝检测

    范昊坤刘向阳
    77-84页
    查看更多>>摘要：混凝土裂缝对结构承载能力、耐久性和防水性有负面影响,因此早期裂缝检测具有重要意义.大数据和深度学习的快速发展,为裂缝智能检测提供了有效的方法.针对裂缝检测过程中图像正负样本不平衡,裂缝区域色彩深沉和低亮度的特点,提出一种基于ST-UNet(Swin Transformer U-Net)和目标特征的裂缝检测方法.该算法在网络中引入CBAM注意力机制,使网络更加关注图像中对裂缝检测起决定作用的像素区域,增强裂缝图像的特征表达能力;使用Focal+Dice混合损失函数代替单一交叉熵损失函数,处理样本图像正负样本分布不均的问题;设计APSD正则化项优化损失函数,针对裂缝区域色彩深沉、低亮度的问题,降低检测的漏检率与误检率.裂缝检测结果表明:IoU指标提升22％,Dice指数提升17％,该算法是有效可行的.

    U-Net语义分割损失函数正则化项裂缝检测

      原文链接:
    • 维普
    • 万方数据

    基于同态加密的跨链交易数据隐私保护

    赵文静边根庆
    105-113页
    查看更多>>摘要：为了解决区块链跨链交易数据隐私问题,本文提出了一种基于同态加密的隐私保护方案.该方案改进了同态加密算法以支持浮点数运算,同时保留了原算法加法同态特性,并支持任意次数的加法运算,以实现对跨链交易金额的隐私保护.为了防止同态加密的私钥管理不当或丢失对交易安全性构成威胁,引入了基于Shamir秘密共享的私钥共享机制.该机制通过增加ECDSA数字签名对私钥份额进行验证,防止不可信节点发送恶意的值来恢复私钥,同时考虑节点掉线或离开后私钥份额的动态更新,从而防止节点串谋.经过安全性分析和实验验证,结果表明所提出的方案能有效保护跨链场景下的交易隐私.

    同态加密跨链交易隐私秘密共享中继链

      原文链接:
    • 维普
    • 万方数据

    基于图卷积时空生成对抗网络的城市交通估计

    许明邬天财金海波
    123-131页
    查看更多>>摘要：在城市道路部署前估计路网的交通流量极具挑战性,为了解决这个难题,提出了一种新的条件城市交通生成对抗网络(Curb-GAN)模型,利用条件生成对抗网络(CGAN)生成城市交通流量数据.首先,把路网各节点的距离关系和外部特征信息作为条件处理,来控制生成结果;其次,利用图卷积网络(GCN)捕获路网的空间自相关性,利用自注意力机制(SA)和门控循环单元(GRU)捕获不同时隙交通的时间依赖性;最后,由训练好的生成器生成交通流量数据.在两个真实时空数据集上的大量实验表明,Curb-GAN模型的估计精度优于主要的基线方法,并且可以产生更有意义的估计.

    生成对抗网络自注意力机制门控循环单元图卷积网络交通估计

      原文链接:
    • 维普
    • 万方数据

    基于多头自注意力的自动睡眠分期模型

    魏婉欣朱嘉鹏郑景仁潘家辉...
    132-139页
    查看更多>>摘要：睡眠分期在睡眠监测和睡眠质量评估中意义重大,高精度的睡眠分期能够辅助医师在临床诊断上正确评估睡眠情况.尽管现有的自动睡眠分期研究已经取得了相对可靠的准确率,但是仍存在着需要解决的问题:(1)如何更加全面地提取患者的睡眠特征.(2)如何从捕捉到的睡眠特征中获得有效的睡眠状态转换规则.(3)如何有效利用多模态数据提升分类准确率.为了解决上述问题,本文提出了基于多头自注意力的自动睡眠分期网络.为了提取EEG和EOG各自在睡眠阶段中的模态特点,该网络采用双流并行卷积神经网络结构来分别处理EEG和EOG原数据.此外,模型使用由多头自注意力模块和残差网络构成的上下文学习模块来捕捉序列的多方面特征,学习序列之间的关联性和重要性.最后模型利用单向LSTM来学习睡眠阶段的过渡规则.睡眠分期实验结果表明,本文提出的模型在Sleep-EDF数据集上的总体准确率达到 85.7％,MF1 分数为 80.6％,且其准确率和鲁棒性优于现有的自动睡眠分期方法,对自动睡眠分期研究有一定价值.

    自动睡眠分期多模态卷积多头自注意力上下文学习模块

      原文链接:
    • 维普
    • 万方数据