首页期刊导航|计算机与数字工程
期刊信息/Journal information
计算机与数字工程
中国船舶重工集团公司第七0九研究所
计算机与数字工程

中国船舶重工集团公司第七0九研究所

马中

月刊

1672-9722

jssg@chinajournal.net.cn;jsjyszgc@periodicals.net.cn

027-87534308;87534205

430074

湖北省武汉市74223信箱《计算机与数字工程》编辑部

计算机与数字工程/Journal Computer and Digital EngineeringCSTPCD
查看更多>>《计算机与数字工程》杂志是中国科技核心期刊,目前已被中国期刊网,中国学术期刊(光盘版)全文收录,成为中国学术期刊综合评价数据库来源期刊和科学引文数据库(SCD)来源期刊;同时还被《中文科技期刊数据库》全文收录,并在"万方数据—数字化期刊群"全文上网。 
正式出版
收录年代

    针对基于随机森林的网络入侵检测模型的优化研究

    章缙李洪赭李赛飞
    106-110,179页
    查看更多>>摘要:为了应对大规模网络环境下日益复杂的网络安全威胁,越来越多的研究使用机器学习算法来建立入侵检测模型,其中一些基于随机森林的检测方法具有较好的效果.但传统随机森林中一些分类能力较差的决策树的存在,以及入侵检测数据集的不平衡性,都可能会导致基于传统随机森林的入侵检测模型的性能有所下降.针对这些问题,论文在基于传统随机森林的入侵检测模型上加入了精英选择、加权投票和上采样几种优化方法,并在UNSW-NB15数据集上进行了测试,结果表明优化后的模型具有更好的检测能力.

    网络入侵检测随机森林决策树上采样

    基于深度学习的中文文本分类算法

    薛兴荣靳其兵
    111-115页
    查看更多>>摘要:针对现有情感分析模型将卷积神经网络(CNN)和循环神经网络(RNN)建模分离的状况,论文提出了一种基于双向长短期记忆网络(Bi-LSTM)和CNN相结合并带有注意力机制(Attention)的文本分类模型.模型先获取上下文语义特征,再融合局部语义特征,同时对每一时刻的特征信息给予多个不同权重关注.实验表明,该模型可以有效地增强分类语义特征的捕获能力,比使用单一神经网络或者它们的任意两两组合,该模型不论在训练速度还是在预测准确度方面都有很好的改善.

    深度学习文本分类文本情感识别混合神经网络特征提取

    面向电力巡检语音指令识别后的文本纠错算法

    陈楠曹雪虹焦良葆孟琳...
    116-123,134页
    查看更多>>摘要:为了解决面向公共领域的语音识别(Automatic Speech Recognition,ASR)在识别电力巡检专有指令时识别率低的问题,提出了基于模型匹配的电力巡检语音识别后文本纠错算法.首先对庞大的电力巡检指令词库进行预处理并构造电力语法模型,建立电力词汇间的联系,然后对该模型下的电力词汇构建汉字和拼音AC自动机(Aho-Corasick Automaton,ACA)分别进行识别串精确匹配下的查错和纠错,最后针对精确匹配下纠错失败的问题设计模糊匹配算法,进一步实现语音识别后文本的模糊纠错,从而优化了电力巡检语音识别后文本纠错的性能.实验结果表明,在满足实际的应用需求的情况下,该算法解决了电力巡检语音指令词的误识别问题,显著提高了纠错正确率.

    语音识别电力语法模型AC自动机精确匹配模糊匹配

    基于位置信息的车辆协同碰撞预警协议

    刘萌崔学荣钮铭坤张瑞杰...
    124-128页
    查看更多>>摘要:如果突然刹车、拐弯或出现故障的异常车辆能够及时地向后续车辆发送EWM(Emergence Warning Message,紧急报警信息)则可增加司机的反应时间,大大降低连环碰撞车祸的发生概率.因此,近年来车辆碰撞协同预警系统的研究受到广泛关注,为了提高EWM的传输距离,通常采用多跳广播式协同碰撞预警,传统的多跳广播很容易产生广播风暴,尤其是在车辆密集及多辆危险车辆并存的条件下,更容易造成大量EWM的传输失败或传输延时增大,从而增加连环碰撞发生的几率.论文提出了协同碰撞预警协议可以减少EWM的碰撞,从而降低传输时延,提高消息传输的可靠性.

    协同预警低时延低碰撞率可靠性

    结合深度信念网络与支持向量机的地表分类算法

    黄勇郭剑辉
    129-134页
    查看更多>>摘要:由于支持向量机(Support Vector Machine,SVM)在高维度、非线性等情况下仍具有极高精确性故而被广泛应用于地形识别领域研究.在复杂的地形环境以及数据的不平衡等环境下,SVM可能会因为缺少较强的鲁棒性导致分类结果并不理想.论文以提高复杂地形环境下分类算法精确度为目的,在研究了深度信念网络(Deep Belief Network,DBN)[1]与支持向量机(Support Vector Machine,SVM)的基本理论并进行有效结合后应用于地形识别领域.算法大致为将地形图片通过初始构建的深度信念网络结构对训练集进行训练进而优化重构网络结构,并通过测试集验证网络结构的有效性.在OUTEX数据集上的实验结果表明该算法对比地形分类算法中的SVM、GEPSVM等算法有更高的分类精确性.

    深度信念网络支持向量机地形识别局域二值模式OUTEX

    基于图卷积网络的视觉问答研究

    龚安丁磊姚鑫杰
    135-139页
    查看更多>>摘要:随着计算机视觉和自然语言处理的日益发展,视觉问答也发展为计算机科学领域的一个重要研究方向.视觉问答需要跨模态的理解与推理能力(图像与文本).由于图中节点和边的高度相关性以及图本身的联通性,图在提高视觉问答模型的推理能力上有一定的潜力,因此提出了一种基于图卷积网络的视觉问答方法.首先使用神经网络分别提取图像和文本特征,再用图处理模块将预处理后图像和文本处理为图结构数据,然后实现基于图卷积网络的模型设计,数据训练与答案预测.通过与ReasonNet和BottomUp等模型在VQA2.0数据集上进行对比实验,验证了该方法提升了视觉问答任务的准确率.

    视觉问答图卷积网络计算机视觉自然语言处理词向量

    基于局部敏感哈希的隐私保护实时服务推荐

    和凤珍
    140-146页
    查看更多>>摘要:协同过滤算法是服务推荐系统中最有效和应用最广泛的推荐方法,其侧重于提高推荐结果的准确性.然而,在大数据背景下,用户行为数据不仅经常频繁更新而且数据规模增长迅速,传统的协同过滤算法需要穷举搜索所有数据,相似度计算耗时较高,推荐效率低,无法满足用户实时体验的需求服务.快速从大数据中获得高质量的推荐服务成为一种新的需求,为此,提出基于局部敏感哈希技术的协同过滤算法,算法过滤了绝大多数不相似的项目,避免了冗余的相似度计算,另一方面算法将用户行为数据哈希为二进制哈希编码,进而保护用户隐私.最后,在不同规模尺寸的数据集上与主流算法对比,实验表明提出的算法在效率和准确度间能够取得较好的折衷.

    服务推荐效率局部敏感哈希协同过滤隐私保护

    基于注意机制的双分支黑烟车辆检测网络

    郭韬远任明武
    147-151页
    查看更多>>摘要:当前交通道路中,存在许多有毒尾气排放超标的车辆,严重污染空气、损害人体健康.目前黑烟车辆检测多采用人工方法或者基于手工特征提取的传统机器学习方法,耗力耗时且难以全面实时监控.论文率先将基于卷积神经网络的目标检测框架CenterNet作为视频监控交通场景下黑烟车辆检测的基本解决方案,并针对实验结果进一步改进上述结构,提出基于注意机制的双分支黑烟车辆检测网络,使用双主干网络提取有针对性的特征表示,对于双主干网络的特征融合引入注意机制.实验结果表明,在黑烟车辆数据集下的AP达到黑烟92.53、车辆97.84,相较CenterNet算法分别提升了2.86、5.7.

    黑烟车辆检测卷积神经网络目标检测注意机制双分支

    面向微博的个性化内容推荐算法研究

    王洪伟段友祥
    152-156页
    查看更多>>摘要:随着信息共享时代的发展,海量数据的诞生对推荐系统提出了更高的要求.针对微博的海量数据,提出了一种融合朴素贝叶斯分类和基于用户的协同过滤算法的混合推荐算法.该算法将文本关键字作为特征属性,利用贝叶斯分类法筛选出用户可能感兴趣的数据,缩小推荐结果集;然后采用基于用户的协同过滤算法,通过计算用户相似度,根据最近邻居得到推荐结果列表.实验结果表明,混合推荐算法相比较于单一的推荐算法有着更高的准确率.

    推荐算法中文分词贝叶斯分类协同过滤

    基于自注意力机制的视频行为分析

    祝伟吴陈
    157-162页
    查看更多>>摘要:视频行为识别是智能视频分析的重要组成部分.传统人体行为识别基于人工设计特征方法涉及的环节多,具有时间开销大,算法难以整体调优的缺点.针对two-stream系列的深度卷积网络,时间网络的输入是直接以相邻两帧的光流场作为输入,其中也包含了镜头移动、背景运动等无关的运动特征的问题,在视频时序上仅通过分块取样固定长度的帧,其中有效的运动信息可能不完整或包含过多的冗余信息等问题.这篇文章提出了时空自注意力运动特征提取的方法,以RGB图像及其相邻帧的灰度图的视频帧块分别作为场景网络和运动网络的输入,采用多尺度视频划分的方式一定程度上避免了因视频过长导致采样运动信息不完整或冗余.然后在多尺度上对场景网络与运动网络通过自注意力机制融合编码,最终输出检测结果.对UCF101与HMDB51数据集的测试准确率分别为94.78%和71.47%.实验表明对于视频行为分析问题,场景与运动特征通过自注意力融合能够有效提升检测精度.

    深度学习视频行为分析自注意力机制特征融合