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CNN-LSTM混合模型的民航非计划事件分析方法

    王捷周迪左洪福陆扬...
    1714-1720页
    查看更多>>摘要：安全是民航业的核心主题，非计划事件是辨识安全隐患、改善航空安全的重要信息来源。非计划事件的非结构化和数量庞大等特性使得人工分析变得困难且效率低下。为提高非计划事件的分析效率和精度，论文提出了一种基于CNN-LSTM的混合深度神经网络模型，用于民航非计划事件的自动化分析。并与SVM、CNN、LSTM等模型进行比较，在航空公司的事件日志样本数据集上进行训练并做出事件分类结果的判断。实验结果表明，所提出的CNN-LSTM混合模型具有最高的分类准确率，对于不平衡数据样本，具有最稳定的分类性能。

    深度学习民航安全文本分析卷积神经网络长短时记忆神经网络

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

    基于改进型树型奇偶机的密钥交换研究

    李西明王璇王浩陈志浩...
    1721-1726页
    查看更多>>摘要：提出了一种基于改进型树型奇偶机的密钥交换方法。利用伪随机数产生器为通信双方产生共同的输入向量，降低网络同步所需的数据量;使用基于滑动窗口的学习规则来动态改变学习率，降低同步次数;并且进一步提出基于背包算法和深度优先搜索遍历算法的高效输入序列生成方法，增大正向学习概率加快同步速度。仿真实验结果表明，改进模型的通信数据量下降了60%以上，同步时间显著下降。

    密钥交换网络同步互学习树型奇偶机(TPM)

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

    基于查询语义和NI-LPA的知识图谱划分研究

    徐航刘宇
    1727-1732,1738页
    查看更多>>摘要：当前未考虑语义知识的图谱划分方法会导致知识图谱划分后查询通信量增大、查询执行效率降低。鉴于常用查询语句中的语义知识可用于聚合关联度高的子图结构，且NI-LPA(Node Importance-Label Propagation Algorithm)具有支持多标签、时间复杂度低和划分质量高的特点，提出了基于查询语义和NI-LPA的知识图谱划分方法。该方法对常用SPARQL查询集进行语义分析，利用分析结果计算知识图谱中节点间的语义关联度，并将关联度与NI-LPA中代表结构特征的节点重要度相结合，从而得到节点间的传播力度，使重要节点与其语义相关度高的节点更易具有相同的标签。实验结果表明，相较于COPRA和NI-LPA算法，该方法不仅能减少边割率和通信量，而且能在保证冗余度较低的情况下有效地提升查询同区率。

    知识图谱划分多标签传播算法语义通信量查询同区率

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

    基于多标记学习的中医药方功能预测研究

    仇光明于化龙
    1733-1738页
    查看更多>>摘要：中医是西方医学之外，一门独立的医学体系。经过几千年的发展，中医领域已经积累了大量成熟的医药方剂，如何从这些中医药方中提取出有意义且潜在有用的知识，是目前机器学习及数据挖掘领域所关注的诸多热点应用问题之一。论文考虑采用多标记学习技术建立中医药方与药方功能间的映射关系，从而开发相对精确的中医药方功能预测模型。通过多种多标记学习算法在超过一千个成熟的中医药方上的建模结果显示:多标记学习技术有能力相对精确地根据中医药方预测其功能。

    中医药方功能预测多标记学习中草药

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

    一种基于条件生成对抗网络的强化学习数据增强方法

    项宇秦进袁琳琳
    1739-1745页
    查看更多>>摘要：强化学习用于序列决策问题上取得的成功越来越受到人们的重视，但是当使用高维状态作为输入时，仍然存在数据效率低下的问题。造成这个问题的原因之一是智能体难以从高维空间提取有效的特征。为了提高数据效率，论文提出一种适用于强化学习任务的数据增强方法cGDA(cGANs-based Data Augment)，该方法用条件生成对抗网络(cGANs)对环境的动态特性建模，以当前时刻的状态和动作作为条件生成模型的输入，输出下一时刻的状态作为增强数据。训练过程中使用真实数据和增强数据同时训练智能体，有效地帮助智能体从不同的数据中快速提取到有用的知识。在Atari100K基准上，cGDA在26个离散控制问题环境中与采用数据增强的方法比较，在16个环境中获得了更高的性能;与未采用数据增强的方法比较，在14个环境中获得了更高的性能。

    强化学习数据增强数据效率条件生成对抗网络雅达利游戏

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

    基于深度学习的畜牧业知识图谱构建

    戴高阳孟小艳张容祯
    1746-1753,1847页
    查看更多>>摘要：针对畜牧业领域知识专业性强、共享困难等问题，通过数据获取、本体构建、知识抽取、知识存储四个步骤构建了涉及畜牧品种、兽病、兽药的畜牧业知识图谱，降低了畜牧业知识的应用门槛。首先以《国家畜禽遗传资源品种名录》中的33个物种大类为主体，从畜禽遗传资源普查信息系统、国家兽药基础数据库、兽医学专著等数据源中收集畜牧品种、兽病、兽药数据。其次定义畜牧业知识概念体系结构，构建了畜牧业领域本体。然后使用基于深度学习的方法和基于规则的方法抽取半结构化数据和非结构化数据中的实体和关系，共计实体6 138个，三元组27 870个。最后将抽取的知识图谱三元组数据保存到Neo4j图数据库中，为后续如智慧医疗、智能问答等应用提供了知识库支撑。

    知识图谱深度学习畜牧业

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

    基于XLNet和循环神经网络模型的虚假信息检测研究

    白致屹薛涛
    1754-1758,1853页
    查看更多>>摘要：虚假信息借助迅速发展的社交媒体在网络上广泛传播，因此高效并准确地完成虚假信息检测任务已成为近年来自然语言处理领域的研究热点之一。现有的虚假信息检测方法存在数据训练不够准确和模型未突出关键特征影响力的问题。针对该问题，论文提出一种基于XLNet和循环神经网络模型的虚假信息检测方法。该方法基于XLNet模型对文本进行编码及特征提取，结合双向GRU模型进一步捕获文本深层语义特征，同时引入注意力机制根据词语的重要程度为文本中不同特征分别赋予不同的权重值，最后将文本的完整语义特征输出分类，实现虚假信息检测。实验结果表明，该方法在微博公开数据集和COVID-19 Fake News数据集上分别达到了94。6%和96。3%的准确率，可以有效辨别虚假信息，对于虚假信息检测任务具有一定指导意义。

    文本分类虚假信息检测XLNet注意力机制

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

    移动边缘计算网络中基于任务转移的负载均衡优化方案

    孙欢欢
    1759-1762,1768页
    查看更多>>摘要：针对MEC服务器之间的负载不均衡问题，论文提出了一种基于任务转移的负载均衡算法。该算法在考虑任务转移时延的前提下，确定是否将任务转移至其他MEC服务器，并在当前时隙结束时做出最优的任务转移决策。实验结果表明，提出方案的性能优于其他方案，使得MEC服务器之间的负载更加均衡。

    负载均衡MEC服务器任务转移移动边缘计算

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

    基于旅客偏好的空铁联运换乘点分析

    王慧彭怡汪琦
    1763-1768页
    查看更多>>摘要：随着综合交通运输网络的融合与综合枢纽的发展，越来越多的旅客出行时会考虑空铁联运方式。论文从分析联运旅客换乘选择偏好入手，并将旅客偏好因子引入Logit模型中，建立考虑旅客偏好的空铁联运旅客换乘选择模型和基于旅客分类的联运换乘选择模型。运用调查问卷数据，对模型进行了对比验证，得出总体旅客以及具有显著特征区别的不同类型旅客的选择偏好。

    空铁联运换乘偏好旅客分类Logit模型

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

    基于1D-MSCNN的轴承剩余寿命预测

    贾文超
    1769-1775页
    查看更多>>摘要：轴承是旋转机械设备的基本部件，其状态与设备的安全运行密切相关。准确预测轴承的剩余使用寿命可以提高设备工作的可靠性，同时也可以为设备维护提供实用参考。卷积神经网络(Convolutional Neural Network，CNN)由于其较强的特征学习能力，在RUL预测方面取得了一定的成绩。然而，传统的卷积神经网络的固定尺寸卷积核难以学习到复杂信号的局部和全局特征。因此，论文提出了一种一维多尺度卷积神经网络(1D-Multi Scale Convolutional Neural Network，1D-MSCNN)预测模型用以实现轴承退化状态的准确估计。首先，利用一次退化函数，建立有效的轴承健康状态指标(Health Index，HI)。其次，采用多尺度卷积结构充分提取原始数据的深层代表性特征。最后，通过对PRONOSTIA数据集的实例研究，验证了所提出1D-MSCNN模型的有效性，并与其他预测方法进行了对比，验证了论文方法的有效性和优越性。

    剩余寿命健康状态指标多尺度卷积代表性特征

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