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

    密文可更新的去中心化数据存储方案

    祖静琴孟春运马国建李靠队...
    3031-3036页
    查看更多>>摘要:近年来,云计算技术的成熟导致云上存储的数据越来越多.传统的集中式存储架构难以以较低的成本满足数据可靠性的要求,大多数公司都选择了分布式的数据存储方式.当前的分布式存储方式需要管理服务器分发数据块,并且缺少高效的密文更新操作.这会引起一些安全性问题,比如单点故障和数据泄露.针对密文更新和去中心化的需求,提出了一种密文可更新的去中心化数据存储方案.该方案的密文更新包括数据密文和密钥密文,借助对应的更新算法进行更新,保证数据存储和数据访问中的可靠性和安全性.借助以太坊平台,该方案用智能合约替代分布式存储方案中的管理服务器,实现了去中心化.实验结果证明,该方案的计算开销低于目前的方案,智能合约的函数调用成本也处于用户可接受范围内.

    密文更新去中心化数据存储智能合约

    基于时序网络的SQL注入攻击检测技术

    孟心炜曾天宝谢波张中延...
    3037-3041,3078页
    查看更多>>摘要:随着现代信息技术的飞速发展,多年来,注入漏洞一直是开放Web应用程序安全项目前10名的首位,并且是针对Web应用程序最具破坏性和被广泛利用的漏洞类型之一.由于攻击负载的异构性、攻击方法的多样性和攻击模式的多样性,结构化查询语言(SQL)注入攻击检测仍然是一个具有挑战性的问题.目前,市面上主流的SQL注入检测工具大多基于既定规则,无法应对不断变化的挑战.对此,论文提出一种深度学习方法,使用上下文嵌入模型(BERT)进行数据集特征提取,然后使用BiLSTM的序列建模能力进一步处理序列数据,捕捉前后文的依赖关系和语义关系,最后使用注意力机制作为分类算法.实验表明,所提算法在检测性能方面有显著的改进.

    深度学习SQL注入攻击BERT注意力机制

    基于深度学习的地理知识图谱构建方法研究

    任延辉苗立志黄毅汤晟...
    3042-3046页
    查看更多>>摘要:地理知识图谱是提供地理知识服务的关键技术,实现其自动化构建对发展地理人工智能应用具有非常重要的意义.为解决地理知识图谱自动化构建的问题,提出了一种基于BiLSTM-CRF网络提取地理实体和Bert-BiGRU-Attention网络提取方位关系构建领域地理知识图谱的方法.实验结果表明,基于该方法所自动构建的领域地理知识图谱地理实体及其方位信息较为完整,召回率和精确率较高,能够满足知识图谱构建需求,可充分表达现实世界中地理实体及其复杂的方位关系.

    地理知识图谱BiLSTM-CRF地理实体Bert-BiGRU-Attention方位关系

    面向智能家居系统的节点能耗及访问容量优化

    徐琨冯浩于侃章慧...
    3047-3051,3071页
    查看更多>>摘要:随着5G时代的到来,物联网的发展迎来一个新的里程碑,依托于物联网的智能家居也有了更大的发展前景,智能家居的普及是大势所趋.我国居民大多以小区模式居住,在此模式下无线传感网络覆盖范围变大、数据量变大会导致节点能耗较高,同时用户增多会导致并发访问量超载等问题.针对以上问题,论文提出了面向智能家居系统的节点能耗及访问容量优化方法,从优化路由算法、格式化数据传输格式和控制节点睡眠时间三个方面来对节点能耗进行优化,从在服务器Service层引入线程池、引入Redis缓存和优化数据库三个方面来提升系统的并发能力,降低响应时间.

    物联网智能家居无线传感网络访问容量节点能耗

    基于BERT模型的生成式自动文本摘要

    周圆张琨陈智源江浩俊...
    3052-3058页
    查看更多>>摘要:随着深度学习的不断发展,预训练语言模型在自然语言处理领域已经取得了良好的效果.当然,自动文本摘要作为自然语言处理领域的重要研究方向之一也得益于大规模预训练语言模型.尤其在生成式文本摘要方面,利用大规模预训练语言模型,生成一段能较为准确地反映原文主旨信息的摘要.但是目前的研究还存在一些问题,比如对原文档的语义信息了解不够充分,无法对多义词进行有效表征,生成的摘要存在重复内容,且逻辑性不强等.为了缓解上述问题,论文基于BERT预训练语言模型提出一种新的生成式文本摘要模型TextRank-BERT-PGN-Coverage(TBPC).该模型利用经典的Encoder-Decoder框架,预训练权重并生成摘要.该实验采用CNN/Daily Mail数据集作为实验所用数据集,实验结果表明,与该领域目前已有的研究结果相比,论文提出的模型取得了较好的实验效果.

    生成式文本摘要TextRank算法BERT模型指针生成网络覆盖机制

    基于XLNet与双向注意力的机器阅读理解研究

    解红涛牛甲奎
    3059-3064页
    查看更多>>摘要:机器阅读理解目的是使机器能够阅读并准确理解一段自然语言文本,并回答给定的问题,具有很高的研究和应用价值.针对现有的通用领域机器阅读理解模型缺乏文档与问题的有效交互信息而导致准确率较低的问题,论文提出一种基于XLNet与双向注意力的阅读理解模型.该模型在嵌入层使用XLNet预训练语言模型生成具有上下文依赖的词向量对内容和问题分别进行序列表示,在编码层使用两层LSTM提取语义特征,在交互层使用两种双向注意力机制(Bi-Attention和Co-Attention)提取序列特征,再使用自注意力机制得到进一步增强的文本特征表示并进行向量融合,最后经过双向LSTM建模后输入输出层得到答案的开始和结束位置.通过在DuReader中文数据集中实验测试,结果表明EM和F1值均得到提升.

    机器阅读理解XLNet双向注意力LSTM

    基于高效注意力机制的人脸超分辨网络

    许子祥豆锐李佳雯高广谓...
    3065-3071页
    查看更多>>摘要:目前,通过与面部先验联合的深度学习方法已经能够较好地恢复退化后的人脸图像细节.然而这些方法存在着一些不足.一方面,多任务联合训练需要在数据集上进行额外先验标记,并且引入先验预估将显著增加网络的计算量.另一方面,大多数方法仅使用卷积神经网络(CNN),然而CNN有限的感受野会降低重构的完整性和面部图像的准确性.针对上述问题,提出了一种基于高效注意力机制的人脸超分辨率网络.该网络在不需要任何先验信息的辅助下,通过结合CNN与Transformer等注意力机制,能够有效地恢复人脸的全局结构与局部纹理细节.在各个数据集的大量实验都表明该网络可以达到理想的结果.

    人脸超分辨率Transformer卷积神经网络注意力机制

    基于曲线拟合与去噪的弱光图像增强算法

    周瑜徐磊宋慧慧
    3072-3078页
    查看更多>>摘要:在弱光、背光、非均匀光照等干扰下,弱光图像增强算法很难获得优质的图像增强效果.论文针对这些干扰引起的噪声与细节信息丢失等问题,提出了一种基于曲线拟合与去噪的弱光图像增强算法.该算法主要由曲线拟合、分解、去噪和优化四个子网络构成,通过感知损失和细节损失等损失函数来对网络进行约束,最终得到在对比度、细节、颜色、噪声等方面效果更好的增强图像.此外,在训练阶段,该方法加入了一个残差模块使得深层神经网络在训练阶段更容易优化,并且不会导致梯度消失或爆炸.在数据集LOL上的实验结果表明,该算法在图像质量指标峰值信噪比和结构相似性上获得了良好的性能.特别地,与基准算法Zero-DCE相比,该算法在PSNR和SSIM指标上更是提升了14.7%和32.8%.

    弱光图像增强曲线拟合去噪网络残差模块

    动态环境下基于恒速模型的视觉SLAM

    郭强梁志伟
    3079-3083,3111页
    查看更多>>摘要:近些年来同时定位与地图创建(SLAM)技术飞速的发展,被广泛地应用在了自动驾驶、扫地机器人、AGV等智能机器上,实现了智能体在未知环境下的自主移动.目前视觉SLAM技术主要是围绕特征点法来计算位姿的.但是特征点在动态环境下,动态的特征点会严重影响到位姿的估计和地图点的构建.并且特征点的匹配过程会占用大量的计算时间.因此论文提出了动态环境下基于恒速模型的视觉SLAM算法.该算法利用恒速模型追踪特征点,避免了每一帧特征点的全局匹配,大大减少了匹配计算时间.针对动态环境采用了运动一致性检测和语义分割算法,用运动一致性检测算法检测出动态的特征点,并将特征点所在的区域标记为动态物体,进而删除所有动态物体上的特征点.实验结果表明,与ORB_SLAM相比,该算法在有大量运动物体的情况下具有更高的精度和实时性.

    SLAM运动检测恒速模型特征点

    基于图像识别的腰椎间盘突出症的诊断

    蒋正伟杨化林李向荣王帅...
    3084-3088,3106页
    查看更多>>摘要:为了实现全自动的腰椎MR图像的突出症状分类,提高腰椎间盘突出(LDH)诊断的精确度,提出了一种改进的PSO-SVM分类算法.该方法主要通过使用粒子群算法(PSO)确定SVM的最优参数,提高SVM的分类精度.首先,针对模糊的图像,通过降噪除扰的方法进行预处理.然后,根据椎块和椎间盘的特点,分别使用形状、面积特征和阈值处理进行分割.并采用轮廓极点的方式确定尾椎的四点,提高定位尾椎的精确度.最后,利用改进的PSO-SVM算法对椎间盘突出类型进行分类.通过与传统SVM、WPA-SVM、未改进PSO-SVM算法的对比实验,证明论文改进的算法具有较好的LDH分类效果,验证集、测试集的准确率分别达到92.50%、94.00%.

    腰椎间盘突出症图像识别阈值分割PSO-SVM