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

    基于匹配词权重优化的中文命名实体识别方法

    戴高阳孟小艳张容祯陈燕红...
    521-527页
    查看更多>>摘要：命名实体识别是知识抽取中的重要任务之一，为了更有效地利用词典匹配信息，提出了基于匹配词权重优化的中文命名实体识别模型。首先利用与训练模型和分词工具获得每个字符的向量表示和词性标注;然后在词典中匹配潜在词组，跟据匹配词词频和文档计数的优化权重对词组加权，结合字符向量得到字符的多特征融合表示;最后使用双向长短期记忆网络(Bi-directional Long-Short Term Memory，Bi-LSTM)网络进行训练，使用条件随机场(Conditional Random Field，CRF)完成标签推理得到识别实体。试验结果表明，该模型在Resume和影视-音乐-书籍数据集上的F1值分别达到了95。55%和85。39%，有效地提高了中文命名实体识别效果。

    命名实体识别循环神经网络条件随机场词典匹配权重优化

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    一种基于BM3D算法改进的图像去噪方法

    昝明远周先春王心晔张浩瑀...
    528-534页
    查看更多>>摘要：在图像处理领域中，三维块匹配算法(BM3D)算法结合了空间域与频率域的相关特性，是当前图像去噪效果最好的算法之一。由于该算法存在计算耗时长、相似块提取不够准确、分割块内分布不同的相似特征无法提取等问题，论文提出基于Radon变换进行图像信息降维，并通过求解降维函数的方差值、以及方差最大值坐标定位进行相似块信息的判断，再计算各相似块相对参考块的像素均值比例，并放缩再用于去噪。实验结果显示，优化算法去噪图像相较于原算法去噪图像运行时间减短，图像质量提升。

    图像去噪近似块匹配BM3DRadon变换

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    改进的Faster R-CNN绝缘子识别模型

    郝旭龙廖金董国芳
    535-540页
    查看更多>>摘要：为了适应更多更复杂的传输线路巡检要求，提高巡检实时性，提出了一种基于改进的Faster R-CNN绝缘子目标检测算法模型。对于拍摄传输的巡检绝缘子图像，提出了一种小波变换融合维纳滤波的去噪方法。针对绝缘子的形状特征，将原有的锚框比例1∶1，1∶2，2∶1改为更加适合研究数据的1∶2，2∶1，1∶3，3∶1，并用软化非极大值抑制算法代替原有的非极大值抑制算法解决因拍摄角度而存在的绝缘子遮挡的漏检情况。实验结果表明，改进的Faster R-CNN目标检测算法比原有的算法有更高的识别准确率。

    FasterR-CNN目标检测绝缘子小波变换维纳滤波

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    征稿启事

    540,625页
      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于高光谱遥感技术的田间地膜识别研究

    黄华成吴雪梅张康张珍...
    541-547页
    查看更多>>摘要：白色地膜呈透明状，当其覆盖在土壤上时，与土壤颜色相近，难以区分。针对该问题，提出了一种基于无人机高光谱成像技术的识别方法。论文以贵州省毕节市双龙镇为研究区，采集田间地膜低空遥感高光谱图像，然后对高光谱图像进行镜头、反射率、大气校正，建立田间地膜、土壤、植物的感兴趣区(ROI)，最后分别利用支持向量机(SVM)、主成分分析法(PCA)、波谱角分类(SAM)和特征光谱段(FSS)四种方法来对高光谱图像中的地膜目标进行识别，结合最大类间方差阈值分割，形态学处理对识别的结果进行优化，得到田间地膜的面积与分布。结果显示:对于土壤中的较亮的部分和地膜中凹陷的部分，SAM和SVM显然比PCA和FSS的识别效果更好;对于植物叶片的边缘，SAM识别效果优于SVM。在识别效果评估中，SAM识别的效果略优于SVM。SAM识别的准确率为95。76%，精准率为90。48%，召回率为99。13%，精准率与召回率的调和平均值为94。61%。论文提出的SAM方法为低空遥感高光谱图像的田间地膜识别提供了新方法。

    田间地膜高光谱主成分分析支持向量机光谱角

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于模糊聚类的蓝莓成熟分级无损检测应用研究

    王龙刘绪川史兴强梅英杰...
    548-553页
    查看更多>>摘要：由于现有的水果成熟分级技术通用性不够，不能对蓝莓成熟进行有效分级。因此提出基于模糊聚类的蓝莓成熟分级方法。通过图像处理技术分别对蓝莓的面积、周长、圆形度和着色分布进行计算，最后确定蓝莓成熟隶属函数和分级标准。试验表明，基于模糊聚类的蓝莓成熟分级方法能够有效地、快速地对蓝莓进行分级，其准确率为90%。

    成熟分级模糊聚类圆形度着色分布隶属函数

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于AlexNet的农作物病虫害识别研究

    张娜刘坤杨国栋
    554-558,621页
    查看更多>>摘要：农作物病虫害症状的检测和鉴定是保证农作物良好生长的前提条件，是人们能够准确、及时地制定防治方案和采取相关措施，切实减轻病虫害的发生。于是提出了以Alexnet为基础的农作物病虫识别方法，首先对采集到的病虫和健康叶片图像进行归档分类，然后对建立好的数据集进行尺寸归一化和数据强化等预处理，最后对训练集采用Alexnet模型进行训练，经过 5 次训练，实验证明其准确率可达96。93%，该方法能较好地识别农作物病虫害，具有较好的鲁棒性和较高的精确度。

    病虫害识别AlexNet图像识别卷积神经网络

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于Fisher鉴别分析和集成学习的烟叶分级方法

    顾晓东陈龙王艺斌魏新亮...
    559-566页
    查看更多>>摘要：智能烟叶分级能有效提升成品烟质量。为了进一步提升烟叶分级正确率，提出了联合利用烟叶正面、背面、透视三视图的烟叶分级方法。对于每个视图，提取其纹理、颜色、形状特征作为模型的输入，通过线性判别分析降低特征维度，以支持向量机(Support Vector Machine，SVM)作为基分类器，利用袋装法做集成，得到一种集成学习的烟叶分级模型。通过整合烟叶正面、背面、透视三视图共同提取到特征，带入上述分级模型，进一步提升了分级准确率。实验结果表明，仅对正面视图，提出的集成学习分级模型在五个真实烟叶数据集上的平均准确率为71。93%，优于现有方法。使用三视图分级后，平均准确率提高到了74。8%。

    烟叶分级SVM线性判别分析集成学习袋装法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于融合卷积神经网络的花卉识别方法

    段毛毛翟睿
    567-571页
    查看更多>>摘要：利用计算机技术能够帮助人们快速识别不同种类的植物。为解决复杂背景下植物识别困难的问题，选取简单和复杂两种不同背景条件的花卉数据集为研究对象，从花卉图像的有效特征与无效特征出发，首先以花卉图像的全局特征为输入，采用多种卷积神经网络对植物进行分类识别，寻找最佳网络模型。然后使用Mask R-CNN提取花卉图像的有效区域，去除图像中的无效区域，使模型能够获取更为精确的有效特征。最后将处理后的图像作为最佳网络模型的输入，再次对模型进行训练。实验结果表明，此方法能够使简单背景下的花卉识别的准确率提高3%，复杂背景下花卉识别的准确率提高5%。

    卷积神经网络MaskR-CNN花卉识别

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于候选区域生成的弱监督图像语义分割算法

    王祎汪洋
    572-577页
    查看更多>>摘要：针对现有弱监督语义分割方法依赖于初始响应以及分类任务，只关注区分目标对象区域，无法通过完整的区域来优化损失函数的问题。论文提出了一种基于候选区域生成的语义分割算法，用于图像级标注的弱监督图像语义分割。该算法首先在分类网络中引入混合数据增强方案，再通过制定相应的策略，对图像特征进行聚类，构建子类目标并生成子类标签，从而使得训练过程不仅仅依赖于可区分的对象区域。在PASCAL VOC 2012数据集上进行了全面的实验和分析，与其他弱监督语义分割算法相比，论文提出的算法表现出良好的性能:通过使用混合数据增强以及自监督的候选区域生成的方法，使原始图像产生更加完整的响应映射，将交并比(IoU)提高了2。1%，提高了最终分割网络的性能。

    弱监督学习图像语义分割混合数据增强候选区域生成

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据