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

    一种求解等圆装箱问题的种群算法

    朱哲彤向垚赖向京
    641-645,652页
    查看更多>>摘要：针对等圆装箱问题，基于圆之间的连接表，论文为基于种群的盆地跳跃算法(Population Basin Hopping)提出了一个新的变种。基于连接表的概念，论文为等圆装箱问题提出了一种解之间的距离函数，并根据该距离函数提出了一种新的种群更新策略。通过在规模小于等于100的标准算例上进行优化实验，对所提算法的性能进行了评估。实验结果表明，该算法在解质量和计算速度方面均胜过了文献中已有的最好算法。

    等圆装箱问题连接表自适应搜索种群算法

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

    基于批归一化与注意力机制的图像纹理识别算法

    贺泽华乔延松赵绪营赵耿...
    646-652页
    查看更多>>摘要：针对传统图像纹理识别方法特征提取繁琐和纹理类间模糊性高、类内区分度低的问题，提出基于批归一化与注意力机制的卷积网络图像纹理识别算法。通过逐层批归一化将分散的数据统一，优化算法损失震荡和梯度消失问题;通过通道域和空间域的注意力机制对图像的关键区域和纹理的关键特征进行突出化表达。实验结果表明，所提算法不仅参数量低、计算速度快，而且在纹理数据集上的识别率达99。84%，超越基准模型和其他网络模型，证明该算法的对图像纹理具有良好的识别效果。

    图像纹理特征提取卷积神经网络批归一化注意力机制

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

    基于自适应网格密度算法的出行模式时空分析

    熊敏石超峰张玺
    653-658,676页
    查看更多>>摘要：针对出租车GPS原始轨迹数据中噪声和传统密度算法对大数据处理成本高，参数选择困难，易影响聚类效果等缺陷，给出了轨迹数据预处理方法和提出了一种基于自适应网格密度大数据区域挖掘算法。研究结果表明，自适应网格密度算法，能够有效地避免参数调节环节，样本空间适应性强，聚类质量高，与通常密度聚类算法相比，计算量小，计算效率高，给出的重庆市居民出行方式时空特征，符合实际，有应用价值。

    出租车GPS轨迹数据清理网格密度热点区域聚类挖掘

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

    基于GWO-Prophet的商品销售预测研究

    曾文烜高永平
    659-664,699页
    查看更多>>摘要：零售企业的各项经营活动都离不开商品的销售情况，对商品的销售预测为企业制定生产计划与经营决策等活动提供重要的依据。针对企业销售额预测中销售额时间序列受外界条件影响大，预测精度低等问题，论文提出了一种基于GWO-Prophet的商品销售预测方法。基于某零售企业2015年-2018年销售额数据，通过Prophet模型将高维的销售额数据分别构建对应趋势项、季节项、节假日项、残差项的低维时序特征分量，分别用这些低维特征分量进行拟合后通过加法模型累加来预测未来一年的销售额数据;通过灰狼寻优算法(GWO)对Prophet模型参数进行智能寻优，防止模型陷入局部最优从而提高模型的精确度，通过灰狼寻优算法优化后的Prophet模型能更好地拟合突变点，季节项，节假日项等外界因素对销售额的影响。以MAE、MAPE和RMSE作为模型评估的指标，结果表明，基于GWO-Prophet模型的预测精度不仅优于单一的Prophet模型，还优于其他如ARIMA、SARIMA、LSTM对比模型。

    Prophet模型GWO算法时间序列销售预测可分解模型

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

    一种多特征联合分布的Camshift目标跟踪算法

    赵成高晔
    665-670页
    查看更多>>摘要：针对Camshift算法在纹理与颜色相似干扰、目标遮挡等复杂背景中鲁棒性不高、易出现跟踪丢失等问题，提出了一种多特征联合分布的Camshift目标跟踪算法。新的算法选择等价模式LBP纹理，色调与饱和度为多特征，图像从RGB空间的转化为ULBP-H-S空间。选取图像中运动目标作为目标模板，计算目标模板的ULBP-H联合概率分布图与H-S联合概率分布图，通过自适应系数将两个联合概率分布图按位与运算后到目标的联合概率分布图。在每次迭代搜索中，通过自适应搜索窗口算法预测下一帧的搜索窗口位置与大小，在预测的搜索窗口中使用Camshift算法对目标连续跟踪。实验结果表明，改进的算法能在纹理与颜色相似干扰与目标遮挡复杂环境中，对运动目标跟踪有较高的准确性与鲁棒性。

    Camshift算法自适应性多特征联合分布目标跟踪准确性鲁棒性

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

    基于孪生卷积神经网络改进的目标跟踪算法

    卜华雨杨国平
    671-676页
    查看更多>>摘要：论文基于Tensorflow深度学习框架，搭建了一个基于深度学习的跟踪模型。通过卷积神经网络提取特征，运用互卷积运算得到响应特征图。通过端到端的训练得到一个分类网络和一个回归网络。其中分类网络用于判断跟踪到的目标是否正确，回归网络用于得到跟精确的目标定位。在训练数据上，以开源的数据集为主，采集到的数据集为辅。对于没有标注的图像采用OpenCV结合算法进行初步标注，然后再由人工检查。论文使用数据集训练了一个通用的目标跟踪器，实现了对一般目标的跟踪，并评估本算法的性能。

    目标跟踪相关滤波卷积神经网络TensorflowOpenCV

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

    基于介度中心性熵的复杂网络关键节点识别算法

    王啸李晗
    677-680,687页
    查看更多>>摘要：复杂网络中关键节点的识别始终是复杂网络研究的热点，传统的关键节点识别算法仅考虑度中心性或者介数中心性等单一因素，具有一定的局限性。文章根据网络的度中心性和介数中心性定义了介度中心性，结合网络熵，提出了介度熵中心性算法。并利用网络的抗毁性指标与度中心性，介数中心性，局部熵，映射熵算法进行了比较。仿真实验表明:介度中心性熵算法识别出的关键节点相比于其他四种算法能更快使网络连通性下降至崩溃阈值，能更准确地识别出网络的关键节点。

    介度中心性熵关键节点度中心性介数中心性抗毁性

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

    基于CNN和关联规则的协同过滤混合推荐

    黄甫李涛谢君臣
    681-687页
    查看更多>>摘要：针对传统协同过滤算法在药品推荐领域中对用户评价过于依赖、数据稀疏性严重等问题，提出一种基于卷积神经网络(CNN)和关联规则的协同过滤混合推荐算法。首先利用CNN从药品文本数据中获取深层功效特征向量，然后使用Apriori算法发掘药品间的关联规则。在此基础上，从药品功效特征和关联性两个角度结合对应的相似度计算公式计算药品相似度，进而预测评分缺失值，最终对稀疏矩阵进行叠加填充实现药品推荐的优化。经试验对比，论文算法相比传统的协同过滤算法在MAE和RMSE指标上下降了3%～4%，在数据较稀疏的情况下具有良好的推荐效果。

    卷积神经网络关联规则协同过滤功效特征数据稀疏性

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

    基于Spark平台的分类算法性能比较分析

    赵蕾夏吉安吴洋崔辉...
    688-691,704页
    查看更多>>摘要：针对目前大数据与机器学习技术的快速发展，使用基于Spark平台的MLlib机器学习库实现前馈神经网络(Feedforward Artificial Neural Network)、支持向量机(Support Vector Machine)与随机森林(Random Forest)三种机器学习算法，并分析与评估三种算法在大数据平台下的运行与分类性能。实验结果表明，随着节点数的增加，三种算法在大数据平台上消耗的时间都逐步变少。当数据集小于100MB时神经网络与支持向量机算法加速比较高，数据集大于1GB时随机森林算法加速比优于其他两种算法。神经网络算法在数据集100MB时可扩展性最小，支持向量机算法在数据集500MB时可扩展性最小。随机森林算法在数据集大于1GB时规模增长性优于其他两种算法。通过对于三种分类算法的时间效率与准确性比较，支持向量机算法消耗的时间最少，但是分类准确性最低。神经网络算法消耗的时间最长，分类准确性低于随机森林算法。随机森林算法的分类准确性最高，但是算法运行时间高于支持向量机算法。集成分类算法在大数据平台上表现出较好的时间性能与分类准确性。

    大数据Hadoop框架Spark框架机器学习性能评估

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

    一种改进搜索的A-star算法

    汪川生佳根於跃成刘畅...
    692-699页
    查看更多>>摘要：针对移动机器人在大规模复杂环境中规划速度慢、计算量大等问题，提出一种改进A-star路径规划算法。引入双向跨节点搜索机制，从原始起点和终点开始，分别以对向当前节点作为目标点进行搜索，优化寻路方向并缩减搜索节点数量;改进遇到障碍物时的搜索方法引入跳变概念，当扩展节点处于障碍物内时该节点认作无效节点，发生跳变，从无效节点处向垂直于无效节点扩展方向的两个方向搜索，直至搜索至非障碍物区，使快速脱离障碍物区域;改进节点评价方法采用分段评价方式，正常扩展阶段将扩展节点加入open表，并对open表中节点评价，当发生跳变时将跳变节点加入jump表并清空open表，然后对jump中节点表进行评价，该操作使得评价节点始终保持在一定数量，减少不必要节点的计算，节约内存占用，使得搜索效率不会因为扩展节点增多而降低。算法有效性在Matlab中仿真实现，通过对比不同算法在不同障碍物栅格地图中的仿真结果，论文改进算法计算节点更少，效率更高。

    改进A-star双向跨节点跳变分段评价

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