首页期刊导航|计算机与现代化
期刊信息/Journal information
计算机与现代化
江西省计算机学会 江西省计算技术研究所
计算机与现代化

江西省计算机学会 江西省计算技术研究所

刘波平

月刊

1006-2475

jgsdd@163.com

0791-86490996

330002

南昌市井冈山大道1416号

计算机与现代化/Journal Computer and ModernizationCSTPCD
查看更多>>《计算机与现代化》杂志成为“中国科技核心期刊”、“中国科技论文统计源期刊”！《计算机与现代化》系《中国学术期刊综合评价数据库来源期刊》；《中国学术期刊(光盘版)》、《中国期刊网》、《中国数字化期刊群》、《中国核心期刊(遴选)数据库》全文引用期刊。其特点是：时效性强，密切跟踪计算机科技发展动态，以最快的速度精选刊登计算机专业的新理论、新技术及其在各领域应用成果的论文。既有相当的学术水平，又有实际指导意义。编辑管理规范，系《CAJ-CD规范》执行优秀奖期刊。 设有栏目：系统分析与设计、软件工程、网络与通信、控制技术、计算机辅助设计、中文信息技术、人工智能、信息系统与ERP、信息安全技术、电子商务、图像处理、应用与实践等。 《计算机与现代化》于1985年创刊，多年来得到广大读者和作者的厚爱和支持，在此表示衷心的感谢，欢迎订阅投稿。
正式出版
收录年代

    基于改进AlexNet网络的泥石流次声信号识别方法

    袁莉刘敦龙桑学佳张少杰...
    1-6页
    查看更多>>摘要：环境干扰噪声是泥石流次声现场监测的主要挑战,极大限制了泥石流次声信号识别的准确率.鉴于深度学习在声学信号识别中的优异表现,本文提出一种基于改进的AlexNet网络的泥石流次声信号识别方法,有效提升泥石流次声信号识别准确率和收敛速度.首先对原始次声数据集进行数据扩充、滤波降噪等预处理,并利用小波变换生成时频谱图像,然后将得到的时频谱图像作为输入,通过减小卷积核、引入批量归一化层和选择Adam优化算法搭建改进的AlexNet网络模型.实验结果表明,改进的AlexNet网络模型识别准确率为91.48%,实现了泥石流次声信号的智能识别,可为泥石流次声监测预警提供高效、可靠的技术支撑.

    泥石流次声深度学习监测预警信号识别

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

    基于改进D3QN算法的泊车机器人路径规划

    王健铭王欣李养辉王殿龙...
    7-14页
    查看更多>>摘要：针对城市泊车问题,泊车机器人应运而生,其路径规划是重要的研究方向.由于A*算法的局限性,本文引入深度强化学习思想,并对由此发展起来的D3QN算法进行改进,将残差网络取代卷积网络,引入注意力机制,从而提出SE-RD3QN算法,以改善网络退化现象和提高收敛速度,并提升模型的精准率.在算法训练过程中,改进奖惩机制,以实现最优方案的快速收敛.通过与D3QN算法、增加残差层的RD3QN算法的对比实验,结果表明本文提出的SE-RD3QN算法在模型训练时可实现更快的收敛速度.与目前常用的A*+TEB算法的对比实验,结果表明本文算法在路径规划时可获得更短的路径长度与规划时间.最后通过模拟小车的实物实验,进一步验证了算法的有效性.这为停车路径规划提供了新的解决方案.

    深度强化学习泊车机器人路径规划激光雷达传感器

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

    基于语义和结构增强的时序知识图谱问答方法

    黄政霖董宝良
    15-23页
    查看更多>>摘要：知识图谱作为自然语言处理领域中的热门研究主题之一,一直受到学术界的广泛关注.在现实中,知识问答过程往往携带时间信息,因此,近年来,应用时序知识图谱来完成知识问答的技术广泛受到学者的青睐.传统的时序知识图谱问答技术主要通过对问题进行编码来完成推理过程,但其无法处理问题中包含的复杂的实体和时间关系.基于此,提出一种基于语义和结构增强的时序知识图谱问答方法,在推理过程中兼顾问题的语义信息和结构信息,提升对复杂问题正确回答的概率.首先,该方法解析出问题中的隐式时间表达,并基于时序知识图谱中的信息,用直接表达方式改写问题,再根据问题集合中的时间粒度,按照不同的时间粒度聚合时序知识图谱中的时间信息.其次,基于问题中的实体信息和时间信息,对问题语义信息进行表示和融合,以加强对于实体和时间语义的学习.再次,基于提取到的实体完成子图提取,并利用图卷积神经网络提取子图的结构信息.最后,将融合后的问题语义信息与结构信息进行拼接,并对候选答案进行评分,选取评分最高的实体作为答案.在MultiTQ数据集上进行对比测试,实验结果表明,提出的模型优于其他基准模型.

    语义增强结构增强图神经网络时序知识图谱问答

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

    融合词典信息和句子语义的中文命名实体识别

    王谭陈金广马丽丽
    24-28页
    查看更多>>摘要：受益于深度学习技术的蓬勃发展,命名实体识别任务的性能也得到了进一步的提升.然而,基于深度学习网络的模型的优秀性能严重依赖于大量的标注样本的支持,在缺少标注样本的小数据集上难以充分挖掘深层次信息,导致识别效果不佳.基于以上问题,本文提出一种融合词典信息和句子语义的中文命名实体识别模型LS-NER.首先,将字符在词典中匹配到的潜在词作为先验词汇信息供模型学习,应对中文分词问题.然后,将用于计算文本相似度的带有语义信息的句子嵌入并应用到命名实体识别任务中,帮助模型从相似的句子中寻找相似实体.最后,设计基于注意力机制思想的特征融合方式,使模型能够充分学习句子嵌入带来的语义信息.实验结果表明,本文模型在小数据集Resume和Weibo上应用均达到了不错的性能,在未增加其他外部信息的前提下,句子语义能帮助模型学习到更深层次的特征,比未添加句子信息的模型的F1分数分别高出0.15个百分点和2.26个百分点.

    命名实体识别BERTSoftLexiconSentence-Bert条件随机场

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

    基于多任务学习的近岸舰船检测方法

    刘馨嫔王洪赵良瑾
    29-33页
    查看更多>>摘要：在遥感光学图像近岸舰船目标检测任务中,针对近岸复杂场景中存在形状近似目标的虚警问题,提出一种基于多任务学习的近岸舰船目标检测方法.该方法通过构建海陆分割任务与舰船检测任务并行双路框架,将传统的任务串行处理流程优化为并行处理方式,设计联合损失函数进行双路优化训练约束,提升模型训练的稳定性,通过双分支融合模块剔除陆地掩膜中的检测结果,实现陆地虚警滤除.采用谷歌地球遥感图像制作的数据集进行实验,将本文提出的方法与单任务检测算法YOLOv5相比,mAP提升了4.4个百分点,虚警率降低了3.4个百分点.实验结果表明本文算法对陆地虚警抑制有效.

    舰船检测海陆分割多任务学习损失函数

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

    基于知识图谱的多目标可解释性推荐

    杨孟杨进陈步前
    34-40,46页
    查看更多>>摘要：现有的推荐系统研究大多集中在如何提高推荐的精度上,而忽略了推荐的可解释性.为了最大程度地提高用户对推荐项的满意度,提出一种基于知识图谱的多目标可解释性推荐模型,同时优化推荐的准确性、新颖性、多样性和可解释性.首先通过知识图谱得到用户可解释的候选列表,并利用统一的方法以目标用户的交互项和推荐项之间的路径作为解释依据对推荐的可解释性进行量化,最后通过多目标优化算法对可解释的候选列表进行优化,得到最终的推荐列表.在Movielens和Epinions数据集上的实验结果表明,本文所提出的模型可以在不降低准确性、新颖性和多样性的情况下提高推荐的可解释能力.

    知识图谱推荐系统可解释性多目标优化

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

    面向摄像头视频监控的泥石流发生场景智能识别方法

    胡美辰刘敦龙桑学佳张少杰...
    41-46页
    查看更多>>摘要：摄像头视频监控在泥石流防灾减灾中的应用较为广泛,但现有的视频检测技术功能有限,无法自动判断出泥石流灾害事件的发生.针对这一问题,本文基于迁移学习策略,改进一种基于卷积神经网络的视频分类方法.首先,借助TSN模型框架,将底层网络架构更改为ResNet-50,用于运动特征提取和泥石流场景识别.然后,通过ImageNet和Kinet-ics-400数据集预训练该模型,使模型具备较强的泛化能力.最后,结合经过预处理的地质灾害视频数据集对模型进行训练和微调,使其能够精准地识别出泥石流事件.通过大量的运动场景视频对该模型进行检验,实验结果表明,该方法对泥石流运动场景视频的识别准确率可达87.73%.因此,本文的研究成果可充分发挥视频监控在泥石流监测预警中的作用.

    泥石流视频监控运动场景迁移学习智能识别

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

    基于经验模态分解与极限学习机的粮食产量模型预测

    袁世一
    47-53页
    查看更多>>摘要：由于粮食产量中的历史数据存在较强的时间序列非平稳性和复杂性,传统的单一极限学习机(Extreme Learning Machine,ELM)模型具有低预测精度和差鲁棒性的问题.本文通过优化鲸鱼优化算法(Whale Optimization Algorithm,WOA)的内部参数,将分解后的分量模型预测结果进行叠加,使得对粮食产量的预测更加精准.首先在建立预测模型之前引入经验模态分解模型从原始数据中提取内在特征;其次根据分解得到多个平稳的粮食模态分量,并建立预测模型.实验结果表明,提出的EMD-ELM-WOA组合预测模型与单一的ELM神经网络、BP神经网络、SVM模型、EMD-ELM模型相比预测误差最小,精度最高.

    经验模态分解极限学习机粮食产量预测信号处理特征提取

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

    适用于网络新闻数据的未配对跨模态哈希方法

    武昭盟张成刚
    54-60页
    查看更多>>摘要：针对当前大部分跨模态哈希方法只能在提供完全配对的实例时才能训练,而不适用于现实世界中存在的大量未配对数据这一情况,提出一种基于网络新闻数据的未配对跨模态哈希方法.首先,构建特征融合网络处理未配对的训练数据,补充和完善模态信息,并采用对抗性损失加强学习的公共表示.其次,使用亲和矩阵对样本的特征分布和生成的二进制码进行优化,使样本之间的语义关系更加明确.最后,添加类别预测损失以提高二进制码的判别能力.在真实的网络新闻数据集上分别进行了配对场景和非配对场景的实验,实验结果表明了本文提出的方法具有扩展到实际应用中的能力.

    跨模态哈希特征融合未配对数据对抗性学习

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

    面向飞机故障文本的信息抽取

    乔璐孙有朝吴红兰
    61-66,71页
    查看更多>>摘要：针对人工提取飞机故障信息工作量大、效率低、成本高等问题,提出一种基于领域词典、规则和BiGRU-CRF模型的信息抽取方法.结合飞机领域知识的特点,基于飞机故障文本信息构建领域词典库和模板规则,并对故障信息进行语义标注.采用BiGRU-CRF深度学习模型进行命名实体识别,BiGRU获取上下文的语义关系,CRF解码生成实体标签序列.实验结果表明,基于领域词典、规则和BiGRU-CRF模型的信息抽取方法准确率高达95.2%,验证了该方法的有效性.本文方法能够准确识别出飞机故障文本中的关键词如时间、机型、故障件名称、故障件制造单位等信息,同时,根据领域词典和规则对识别结果进行修正,有效提高了信息抽取的效率和准确性,解决了传统实体抽取模型长期依赖人工特征的问题.

    故障信息信息抽取命名实体识别BiGRU-CRF领域词典

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