首页期刊导航|计算机应用
期刊信息/Journal information
计算机应用
计算机应用

张景中

月刊

1001-9081

bjb@joca.cn

028-85224283(或85222239)转803

610041

成都市人民南路四段九号（成都237信箱）

计算机应用/Journal Journal of Computer ApplicationsCSCD北大核心CSTPCD
查看更多>>《计算机应用》月刊，于1981年创刊，由中国科学院成都计算机应用研究所主办，是国内较早公开发行的计算机技术刊物，在计算机自动化领域有较大影响。《计算机应用》紧紧围绕“应用”，登载应用、开发中的高水平学术技术论文、重大应用成果和典型应用经验。读者对象为各行业、各部门从事计算机应用基础、应用工程、应用软件、应用系统工作的工程技术人员、科研人员和大专院校师生。《计算机应用》多次荣获全国优秀科技期刊奖、国家期刊奖提名奖，被评为中国期刊方阵双奖期刊、中文核心期刊和中国科技核心期刊。被中国科学引文数据库、中国科技论文统计源数据库等国家重点检索机构列为引文期刊，并被英国《科学文摘》（SA）、俄罗斯《文摘杂志》（AJ）、日本《科学技术文献速报》（JST）、美国《剑桥科学文摘：材料信息》（CSA：MI）、美国《乌利希国际期刊指南》(UIPD)等国际重要检索系统列为来源期刊。《计算机应用》月刊内容新颖、信息丰富、印刷精美（大16开本，290页），是您学习计算机应用理论，借鉴计算机应用技术，参考计算机应用经验的最佳选择。
正式出版
收录年代

    基于S型生长曲线的蝗虫优化算法求解机器人路径规划问题

    冉义李永胜蒋烨
    178-185页
    查看更多>>摘要：针对启发式算法在求解机器人路径规划问题上存在收敛精度低、搜索路径效率低且容易陷入局部最优等问题,提出一种基于S型生长曲线的蝗虫优化算法(SGCIGOA).首先,引入Logistic混沌序列优化蝗虫初始种群,增强蝗虫种群在迭代初期的多样性;其次,引入S型生长曲线特征的非线性惯性权重,对递减参数递减的方式进行了调整,从而提高算法的收敛速度和寻优精度;最后,在迭代过程中引入基于t分布的位置扰动机制,使算法能充分利用当前种群的有效信息,以更好地平衡全局搜索和局部开发,并降低算法陷入局部最优的概率.实验结果表明,相较于MOGOA(Multi-Objective Grasshopper Optimization Algorithm)、IGOA(Improved Grasshopper Optimization Algorithm)和IAACO(Improvement Adaptive Ant Colony Optimization)等10种对比算法,所提算法在简单环境下的最优路径长度平均缩短0～14.78%,平均迭代次数减少56.60%～90.00%;在复杂环境下的最优路径长度平均缩短0～11.58%,平均迭代次数减少45.00%～92.76%.可见,所提SGCIGOA是用于求解移动机器人路径规划的一种高效算法.

    蝗虫优化算法Logistic混沌映射S型生长曲线t分布机器人路径规划

      原文链接:
    • 维普
    • 万方数据

    基于量子动力学的优化算法熵

    唐泉王鹏辛罡
    186-195页
    查看更多>>摘要：在优化系统分析和研究中,熵是一种常用的描述手段,针对不同优化系统动态行为和熵之间的内在联系缺乏深入分析的问题,提出一种基于量子动力学的优化算法熵.首先基于物理学中的布朗运动与采样行为的相似性提出优化问题的布朗运动描述方法.将优化问题力学表达转化为能量的形式引入薛定谔方程,提出基于量子动力学的优化算法;然后结合优化问题在薛定谔方程下的概率表达得到优化算法熵;最后对目标函数约束下的粒子随机行为进行分析,给出了量子动力学下优化系统的基本搜索行为与熵的关系.实验从参考能量、自由粒子动能和目标函数扰动3个不同方面跟踪和分析优化系统的动态行为和熵的变化趋势,验证了熵与优化系统搜索行为之间的相关性.实验结果表明,基于量子动力学的优化算法熵可以深入分析优化过程,为研究优化算法给出了新的思路和方法.

    量子动力学优化问题布朗运动薛定谔方程熵

      原文链接:
    • 维普
    • 万方数据

    基于因果干预的微服务系统故障根因分析方法

    丁建立何雨峰王静
    196-203页
    查看更多>>摘要：针对现有故障根因分析方法因果关系丢失、在复杂环境中分析效率低下以及缺乏对于非机器指标故障类型分析能力的问题,提出一种基于因果干预的微服务系统故障根因分析(CIMF-RCA)方法.首先,利用马尔可夫假设和调用模式对调用链和微服务进行筛选,从而缩减干预识别的搜索空间并提高故障根因分析方法在复杂环境中的效率;其次,通过解析并融合非结构化的日志数据,实现机器指标数据和日志数据的联合分析;最后,引入因果贝叶斯网络(CBN)和干预数据,提出一种改进的干预识别算法及分治的故障根因分析方式.在大规模微服务基准平台Train-Ticket上进行实验的结果表明,对比表现最优的根本原因发现(RCD)方法,所提CIMF-RCA方法的Top-5平均准确率提高了26.33个百分点,所需时间减少了41.61%;而在RCD无法识别的非机器指标故障类型中,所提方法的Top-5准确率达到了77.00%.可见,所提方法能有效地分析微服务系统中的故障根因.

    微服务系统根因分析干预识别因果结构发现数据融合

      原文链接:
    • 维普
    • 万方数据

    用于动态场景高动态范围成像的局部熵引导的双分支网络

    黄颖李昌盛彭慧刘苏...
    204-213页
    查看更多>>摘要：针对基于多张曝光图像序列的高动态范围(HDR)成像任务在相机抖动或拍摄主体移动时出现运动伪影以及曝光失真的问题,提出一个用于动态场景HDR成像的局部熵引导的双分支网络.首先,利用离散小波变换(DWT)分离出输入图像的低频光照相关信息以及高频运动相关信息,以便于网络有针对性地处理曝光以及主体移动;其次,对于低频光照相关信息分支,设计一个利用图像局部熵计算注意力的模块来引导网络减少细节不足的曝光特征的提取;对于高频运动相关信息分支,引入一个轻量级的特征对齐模块来进行场景的一致性对齐,从而减少运动特征的提取;最后,结合通道注意力构建时域自注意力模块,从而加强曝光图像序列在时间域之间的相互依赖关系,以进一步提高结果质量.在公开数据集Kalantari、Sen、Tursun上进行评估.在Kalantari数据集上的实验结果表明,与最新的一些方法对比,所提网络以PSNR-l为42.20 dB的成绩取得第一,SSIM-l为0.988 9的成绩取得第三.结合其余数据集上的实验结果可知,所提网络可以有效减少曝光失真以及运动伪影,并生成细节多、视觉效果佳的图像.

    高动态范围成像局部熵注意力机制离散小波变换图像信息分离

      原文链接:
    • 维普
    • 万方数据

    基于坐标几何采样的点云配准方法

    梁杰涛罗兵付兰慧常青玲...
    214-222页
    查看更多>>摘要：为了提高点云配准的精度、鲁棒性和泛化性,解决迭代最近点(ICP)算法容易陷入局部最优解的问题,提出一种基于坐标几何采样的深度最近点(GSDCP)的点云配准方法.首先,基于每个点的周围点的坐标估计中心点曲率,并通过曲率大小筛选出能保留点云几何特征的点,从而完成点云下采样;然后,使用动态图卷积神经网络(DGCNN)配合下采样点云学习融入局部几何信息的点云特征,并通过Transformer捕获两个特征嵌入之间的上下文信息、使用软指针近似组合匹配;最后,利用一个可微的奇异值分解(SVD)层估计最终的刚性变换.在数据集ModelNet40上进行的点云配准实验结果表明,与ICP、Go-ICP(Globally optimal ICP)、PointNetLK、快速全局配准(FGR)、ADGCNNLK(Attention Dynamic Graph Convolutional Neural Network Lucas-Kanade)、深度最近点(DCP)和多特征引导网络(MFGNet)相比,在无噪声、有噪声和看不见点云类别的情况下GSDCP的配准精度和鲁棒性都最好;其中在无噪声的情况下,与MFGNet相比,GSDCP的旋转均方误差(MSE)降低了31.3%,平移MSE降低了58.3%;在有噪声的情况下,GSDCP的旋转MSE降低了33.9%,平移MSE降低了73.4%;在看不见点云类别的情况下,GSDCP的旋转MSE降低了57.7%,平移MSE降低了77.9%.除此之外,对不完整点云数据(包括随机遮挡和点云残缺),在点云完整度为75%以下时,GSDCP的旋转MSE降低了35.1%,平移MSE降低了39.8%.

    点云配准深度学习几何采样特征提取Transformer

      原文链接:
    • 维普
    • 万方数据

    基于解耦注意力与幻影卷积的轻量级人体姿态估计

    陈俊颖郭士杰陈玲玲
    223-233页
    查看更多>>摘要：随着轻量级网络的发展,人体姿态估计任务得以在计算资源有限的设备上执行,然而,提升精度变得更具有挑战性.这些挑战主要源于网络复杂度与计算资源的矛盾,导致模型在简化时牺牲了表示能力.针对上述问题,提出一种基于解耦注意力和幻影卷积的轻量级人体姿态估计网络(DGLNet).具体来说,DGLNet以小型高分辨率网络(Small HRNet)模型为基础架构,通过引入解耦注意力机制构建DFDbottleneck模块;采用shuffleblock的结构对基础模块进行重新设计,即用轻量级幻影卷积替代计算量大的点卷积,并利用解耦注意力机制增强模块性能,从而构建DGBblock模块;此外,用幻影卷积和解耦注意力重新构建的深度可分离卷积模块来替代原过渡层模块,从而构建GSCtransition模块,进一步减少计算量并增强特征交互性和提高性能.在COCO验证集上的实验结果显示,DGLNet优于轻量级高分辨率网络(Lite-HRNet),在计算量和参数量不增加的情况下,最高精度达到了71.9%;与常见的轻量级姿态估计网络MobileNetV2和ShuffleNetV2相比,DGLNet在仅使用21.2%和25.0%的计算量情况下分别实现了4.6和8.3个百分点的精度提升;在AP50的评价标准上,DGLNet超过了大型高分辨率网络(HRNet)的同时计算量和参数量远小于HRNet.

    人体姿态估计轻量级网络注意力机制幻影卷积深度可分离卷积模块

      原文链接:
    • 维普
    • 万方数据

    基于注意力机制和能量函数的动作识别算法

    王丽芳吴荆双尹鹏亮胡立华...
    234-239页
    查看更多>>摘要：针对零样本动作识别(ZSAR)算法的框架缺乏结构性指导的问题,以基于能量的模型(EBM)指导框架设计,提出基于注意力机制和能量函数的动作识别算法(ARAAE).首先,为了得到EBM的输入,设计了光流加3D卷积(C3D)架构的组合以提取视觉特征,从而达到空间去冗余的效果;其次,将视觉Transformer(ViT)用于视觉特征的提取以减少时间冗余,同时利用ViT配合光流加C3D架构的组合以减少空间冗余,从而获得非冗余视觉空间;最后,为度量视觉空间和语义空间的相关性,实现能量评分评估机制,设计联合损失函数来进行优化实验.采用6个经典ZSAR算法及近年文献里的算法在两个数据集HMDB51 和UCF101 进行实验的结果表明:相较于CAGE(Coupling Adversarial Graph Embedding)、Bi-dir GAN(Bi-directional Generative Adversarial Network)和 ETSAN(Energy-based Temporal Summarized Attentive Network)等算法,在平均分组的HMDB51数据集上,ARAAE平均识别准确率提升至(22.1±1.8)%,均明显优于对比算法;在平均分组的UCF101数据集上,ARAAE的平均识别准确率提升至(22.4±1.6)%,略优于对比算法;在以81/20为分割方式的UCF101数据集上,ARAAE的平均识别准确率提升至(40.2±2.6)%,均大于对比算法.可见,ARAAE在ZSAR中能有效提高识别性能.

    零样本动作识别能量函数注意力机制光流法视觉特征

      原文链接:
    • 维普
    • 万方数据

    利用局部-全局时间依赖的弱监督视频异常检测

    宋鹏程郭立君张荣
    240-246页
    查看更多>>摘要：弱监督视频异常检测(WS-VAD)对智能安防领域具有重要意义.而目前WS-VAD任务面临以下问题:现有方法更关注对视频片段本身的判别,而忽略了片段之间的局部和全局时间依赖性;在损失函数设置上忽略了异常事件的时序结构;异常视频中存在大量正常片段噪声,干扰训练的收敛.因此,提出一种基于局部-全局时间依赖(LGTD)网络的弱监督视频异常检测方法.该方法中,LGTD网络利用多尺度时序特征融合(MTFF)模块捕获不同时间跨度内片段的局部时间相关性;同时,利用多头自注意力(MHSA)模块整合视频内所有片段的信息,从而理解整个视频序列的时间相关性;之后,利用通道注意力挤压-激励(SE)模块优化片段内部的特征权重,从而更准确地捕捉视频片段的时空特征,并显著提升检测性能.此外,进一步改进现有损失函数,即引入互补的K-maxmin包内损失和Top-K包外损失,以提高从异常视频中选取异常片段进行训练优化的概率.实验结果表明,所提方法在UCF-Crime和ShanghaiTech数据集上的平均曲线下面积(AUC)分别达到了83.18%和95.41%,;与协同正态学习(CNL)方法相比,分别提高了0.08和7.21个百分点.可见,所提方法能有效提升检测性能.

    视频异常检测弱监督学习多实例学习多尺度特征融合多头自注意力机制

      原文链接:
    • 维普
    • 万方数据

    无迭代图胶囊网络的遥感场景分类

    杨顺边小勇陈希
    247-252页
    查看更多>>摘要：目前大多数胶囊网络方法通过改进迭代路由的方式提高分类精度,而忽略了迭代路由本身复杂的计算量带来的负担.虽然有方法采用无迭代的路由训练胶囊网络,但是精度不佳.针对以上问题,提出无迭代路由图胶囊网络的场景分类模型.首先,利用简单卷积层提取输入图像的初始特征;接着,提出通道和胶囊间双融合的全局注意力模块,通过依次进行通道和胶囊之间的注意力生成全局权重系数来加权高级胶囊特征,使加权后的高级胶囊特征更具判别性,以突出重要的胶囊,从而提高分类性能;同时,引入能计算图像间相似性的等变正则化项,以建模胶囊网络的显式等变性,从而潜在地提升网络性能;最后,基于边界损失和等变损失的组合损失函数训练整个网络,以得到富于判别性的分类模型.在多个基准场景数据集上的实验结果验证了所提方法的有效性和效率.实验结果表明,所提方法在加拿大高级研究所的10类图像数据集(CIFAR-10)上的分类准确率达到90.38%,与动态路由胶囊网络(DR-Caps)方法相比,提高了15.74个百分点;并且在仿射手写数字图像(AffNIST)数据集和航空影像数据集(AID)上,分别取得了98.21%和86.96%的分类准确率.可见,所提方法有效提高了场景分类性能.

    遥感场景分类图胶囊网络无迭代路由等变正则化

      原文链接:
    • 维普
    • 万方数据

    基于上下文通道注意力机制的人脸属性估计与表情识别

    徐杰钟勇王阳张昌福...
    253-260页
    查看更多>>摘要：人脸特征蕴含诸多信息,在面部属性和情感分析任务中具有重要价值,而面部特征的多样性和复杂性使人脸分析任务变得困难.针对上述难题,从面部细粒度特征角度出发,提出基于上下文通道注意力机制的人脸属性估计和表情识别(FAER)模型.首先,构建基于ConvNext的局部特征编码骨干网络,并运用骨干网络编码局部特征的有效性来充分表征人脸局部特征之间的差异性;其次,提出上下文通道注意力(CC Attention)机制,通过动态自适应调整特征通道上的权重信息,表征深度特征的全局和局部特征,从而弥补骨干网络编码全局特征能力的不足;最后,设计不同分类策略,针对人脸属性估计(FAE)和面部表情识别(FER)任务,分别采用不同损失函数组合,以促使模型学习更多的面部细粒度特征.实验结果表明,所提FAER模型在人脸属性数据集CelebA(CelebFaces Attributes)上取得了91.87%的平均准确率,相较于次优模型SwinFace(Swin transformer for Face)高出0.55个百分点;在面部表情数据集RAF-DB和AffectNet上分别取得了91.75%和66.66%的准确率,相较于次优模型TransFER(Transformers for Facial Expression Recognition)分别高出0.84和0.43个百分点.

    人脸属性估计面部表情识别注意力机制细粒度特征特征差异

      原文链接:
    • 维普
    • 万方数据