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

    一种基于XGBoost的用户行为异常检测方法

    王江立段蔚黄逸飞李鑫...
    757-760,785页
    查看更多>>摘要：伴随企业业务的不断扩增和电子化发展，企业自身数据和负载数据都开始暴增。然而，作为企业核心资产之一的内部数据，却面临着日益严峻的安全威胁。越来越多以周期长、频率低、隐蔽强为典型特征的非明显攻击绕过传统安全检测方法，对大量数据造成损毁。对此，根据用户、实体、行为关联，提出整合可以反映用户行为基线的各类数据，提取几种最能反映用户异常的基础特征，利用XGBoost的特征选择策略与FCM聚类算法结合，通过异常打分，定位异常风险最大的一批用户。结果显示，新提出的异常检测算法有着82%以上的准确率，以及86%以上的召回率。

    XGBoostFCM用户行为异常检测

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

    基于深度学习和集成学习的点云目标识别方法研究

    张冬冬郭杰陈阳
    761-767页
    查看更多>>摘要：针对深度学习在当前点云目标识别任务中性能较好但提升缓慢，以及单网络模型提取特征不充分导致信息隐性丢失的问题，研究提出了一种基于深度学习和集成学习的点云目标识别新方法。该方法基于Stacking集成算法，利用Lo-gistic回归对基于邻域特征学习的PointNet、基于图卷积的RGCNN和基于优化卷积的PointCNN三类典型的点云目标识别深度神经网络进行了集成。实验结果表明:集成模型在ModelNet40数据集上的分类精度达到93。7%，在ShapeNet Part数据集上的语义分割mIoU达到87。6%，优于现有大多数深度学习方法。

    深度学习三维点云目标识别集成学习Stacking算法

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

    基于图卷积网络的个人信用评估研究

    唐灵慧李林李丹
    768-774,820页
    查看更多>>摘要：传统的机器学习模型无法表现出个人信用评估问题中贷款者之间的高维邻居关系，通过构造图数据，利用图卷积网络进行分类预测的方式可以考虑贷款者在多个信息维度的相互联系。首先，利用递归特征消除(Recursive Feature Elimination，RFE)进行特征选择，筛选出贡献度最大的特征集。其次，利用随机森林(Random Forest，RF)计算出筛选后特征的重要性权重，同时将特征划分为类别特征和数值特征，根据特征类型并结合特征权重计算贷款者之间的距离，从而得到邻接矩阵。最后，将构造的图数据输入图卷积网络(Graph Convolutional Network，GCN)进行训练并预测结果。基于公开的德国个人信用数据集，通过两种评价指标对比了该模型与4篇近年研究结果，以及通过4种评价指标对比了该模型与3种基准模型。最终结果显示该模型的预测结果均要优于其他模型，能够有效进行个人信用贷款评估问题研究。

    个人信用评估图卷积网络特征选择特征重要性随机森林

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

    区间二元语言毕达哥拉斯模糊信息下MULTIMOORA和ELECTRE方法

    张拴娥
    775-780,840页
    查看更多>>摘要：为了解决复杂模糊环境下的多属性决策问题，提出一种基于区间二元语言毕达哥拉斯模糊信息的MULTI-MOORA和ELECTRE方法。首先结合毕达哥拉斯语言集和区间二元语言变量，提出了关于隶属度，非隶属度和语言变量均为区间值的区间二元语言毕达哥拉斯模糊集。其次对于传统MULTIMOORA方法中未考虑各模型权重的情况，构建单目标优化模型来确定模型权重。最后提出区间二元语言毕达哥拉斯模糊信息的MULTIMOORA和ELECTRE方法并且通过实例说明了该方法的可行性和有效性。

    区间二元语言毕达哥拉斯模糊集MULTIMOORAELECTRE单目标优化模型

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

    基于概率有色Petri网和马尔可夫链的工作流和数据流管理

    刘小雪
    781-785页
    查看更多>>摘要：在大数据背景下，信息系统中的工作流和数据流往往同时发生，然而现有研究往往仅对工作流进行建模而未考虑数据流。论文对工作流和数据流进行统一建模，首先对基本Petri网进行扩展，定义概率有色Petri网PCPN，实现对工作流和数据流的分别刻画;定义了PCPN的基本逻辑单元，并对工作流和数据流进行建模分析，基于PCPN的工作流和数据流模型转化为马尔可夫链模型，并进行数学概率分析和决策分析。通过实例建模验证了论文建模方法的有效性和可行性。

    工作流数据流概率有色Petri网PCPN马尔可夫链建模管理

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

    多模型融合进行智能机器人的文本分类研究

    周宇杨国平
    786-790页
    查看更多>>摘要：现阶段智能机器人的应用越来越广泛，许多电商商城都会配备智能机器人辅助来减少人工客服的工作量，同时也能省下来客户的大部分时间，针对智能机器人收到指令后意图识别不准确的问题，提出将RNN与BILSTM融合的深度学习模型。首先将文本进行处理过后，经过嵌入层转换为词向量，先经过RNN层，再将循环神经网络输出的结果输入BIL-STM中，得到的结果在经过线性层后通过Softmax函数进行分类，最终经过多组实验验证并进行比对，实验结果表明，使用RNN-BILSTM融合模型相比较于单一的深度学习模型分别在召回率、精确率、准确率以及F1-Score上面提升了4。31%，3。64%、3。6%、1。5%，证明了模型融合在对机器人进行意图识别文本分类任务上的合理性以及有效性。

    模型融合文本分类意图识别RNN-BILSTM

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

    基于在线翻译的中文文本数据增强技术

    王小天奚彩萍
    791-794页
    查看更多>>摘要：数据增强是少样本学习领域中的一种常见方法，对于文本数据，一种通用的增强方式是反译，通过神经翻译机，将数据翻译为某种中间语言，再翻译为原语言。但受限于公开平行语料库的数量与质量，个人研究者很难训练出符合要求的神经翻译机。为了解决反译法对平行语料库的依赖，论文提出了一项基于在线翻译的文本数据增强技术。该文以百度翻译为例，研究了不同中间语言带来的收益，以及不同数据量下，最适合的增强倍数，并通过可视化的方式研究了增强数据的标签有效性。实验表明，基于在线翻译的中文文本数据增强技术，在四个中文分类任务中获得了一致提升，提升在小数据集上更为明显。平均而言，使用增强技术使F1值提升超过了5%。同时该文指出了以往评估数据增强收益的不合理之处，并提出了改进的评估设置。

    数据增强自然语言处理反译文本分类

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

    基于分层深度语义的科研项目文本相似度度量方法

    杨政方正云李天骄李丽敏...
    795-801,851页
    查看更多>>摘要：科研项目查重自动化是科研项目管理中的重要问题，文本相似度度量是查重的关键环节。目前的科研项目文本相似度度量方法主要基于字符串比较或者TF-IDF方法，这些方法忽略了文本在语义上的相似性。论文针对结构化的科研项目文本，基于预训练模型RoBERTa-WWM提取语句的语义特征，提出Whitening的标准化方法，并建立项目文本的分层深度语义相似度度量方法。我们提出的项目文本分层语义相似度包含三层:语句之间的相似度，章节之间的相似度，以及项目文本之间的相似度。论文在蚂蚁金融语义相似度AFQMC数据集和电力行业科研项目文本上进行了对比实验，验证了该基于分层深度语义的相似度度量方法明显优于基于字符串距离和TF-IDF的相似度度量方法。

    文本相似度自然语言处理科研项目查重

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

    基于多任务学习的第二代身份证结构化信息提取研究

    邹宇周先春
    802-807页
    查看更多>>摘要：论文设计和实现了一个端到端的身份证识别系统。该系统对传统的身份证识别流程进行了改进，采用多任务深度学习算法，将目标检测和结构化分析融合到同一深度网络中，然后对检测出的文字进行识别，最终输出身份证的结构化信息。实验结果表明，相较于传统身份证模板匹配方法，该方法在最终识别效果上得到了极大的提升，针对复杂场景下的身份证识别也取得了很好的效果。

    证卡识别模板匹配深度学习目标检测

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

    基于RF-FL-LightGBM算法的信用风险评估模型研究

    苗月吴陈
    808-813页
    查看更多>>摘要：为了解决大数据环境下高维度稀疏的客户信用特征以及样本不平衡问题，从而提高客户的信用评估准确度，论文提出了基于RF-FL-LightGBM算法的信用风险评估模型。首先利用随机森林(RF)对高维数据进行重要性排序和筛选，剔除容易引起模型过度拟合和冗余无效的特征;其次将基于Focal Loss函数改进后的二分类平衡交叉嫡损失函数(FL)作为LightGBM模型的损失函数，以此改善正负样本不平衡导致模型准确度降低的情况，从而提高模型的分类性能。使用某金融租赁公司的历史客户数据集进行实验，结果表明，RF-FL-LightGBM模型的F1值、AUC值都明显高于XGBoost和LigthGBM模型。RF-FL-LightGBM算法不仅有效处理了高维稀疏不平衡样本数据，还提高了客户属性的分类精确度且执行效率更高。

    信用风险评估随机森林特征选取FocalLossLightGBM算法

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