首页期刊导航|计算机应用研究
期刊信息/Journal information
计算机应用研究
四川省电子计算机应用研究中心
计算机应用研究

四川省电子计算机应用研究中心

刘营

月刊

1001-3695

arocmag@163.com

028-85249567

610041

成都市成科西路3号

计算机应用研究/Journal Application Research of ComputersCSCD北大核心CSTPCD
查看更多>>本刊创刊于1981年，以其新颖性、技术性、实用性、工具性、知识性于一身，设置众多栏目，信息量极大，反映并涵盖了当今国内外计算机应用研究的主流技术、热点技术及最新发展趋势，是一份极具收藏价值的技术刊物。本刊读者对象为从事计算机应用、开发、研究的科技人员，大中专院校师生，各企事业单位技术人员，计算机业余爱好者及相关管理、情报工作者订阅、收藏。本刊现为中国计算机学会会刊，中国科技论文统计源核心期刊，全国中文核心期刊，中国科学引文数据库来源期刊， 中国学术期刊综合评价数据库来源期刊，并为多个检索数据库收录，在国内科技期刊评比中多次荣获优秀科技期刊奖。
正式出版
收录年代

    基于脑功能网络和共空间模式分析的脑电情绪识别

    刘柯张孝李沛洋陈多...
    1344-1349页
    查看更多>>摘要：传统脑网络的情绪分类将聚类系数、平均最短路径等拓扑属性作为分类特征.针对这些属性易受网络连接阈值和特征选择的影响,难以完全表征不同情绪状态下的网络空间拓扑结构差异的问题,提出了一种基于脑网络和共空间模式的脑电情绪识别方法(EEG emotion classification based on common spatial patterns of brain networks topology,EEC-CSP-BNT).该算法基于互信息在各个子频段内计算电极间的功能连接矩阵,同时利用共空间模式(common spatial pattern,CSP)分析学习空间滤波器,构建分类特征,最后通过分类器(如Fisher线性判别、支持向量机、K最近邻)实现基于脑电的情绪分类.基于DEAP和SEED数据集的实验结果表明,相比于脑网络拓扑属性,EEC-CSP-BNT能有效提取脑网络拓扑结构的分类信息,提高脑电情绪识别性能.

    脑电脑网络情绪分类共空间模式分析互信息

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

    基于遗忘函数的均值贝叶斯个性化排序算法研究

    申艳梅姜冰倩敖山刘志中...
    1350-1354,1370页
    查看更多>>摘要：针对贝叶斯个性化排序算法未能充分应用用户的行为信息,导致算法在数据稀疏情况下推荐性能以及鲁棒性均大幅度降低的问题,提出了均值贝叶斯个性化排序(MBPR)算法,来进一步挖掘用户对隐式反馈信息的偏好关系.考虑到用户兴趣随时间变化的特征,又将遗忘函数引入MBPR算法中.该算法首先对用户的历史评分记录进行预处理;然后根据用户的评分信息对项目进行正负反馈的划分,对每名用户进行个性化建模,挖掘用户对未参与项目的喜好程度,生成推荐列表.为验证提出算法的推荐性能,在公开数据集MovieLens及Yahoo上进行分析和对比实验.实验结果表明该算法的推荐性能及鲁棒性较对比算法均有显著提高.

    贝叶斯个性化排序算法推荐系统鲁棒性遗忘函数

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

    一种属性不一致性加权的K近邻分类方法

    徐政邓安生曲衍鹏
    1355-1359,1364页
    查看更多>>摘要：针对传统的K近邻算法在计算样本之间相似度时将每个属性视为同等重要的问题,提出了一种基于推土机距离的方法来计算每个条件属性的权重.首先根据近邻关系划分用于比较一致性的两个分布;之后根据推土机距离设计不一致性评价函数,用于衡量每个属性下各个样本的近邻样本集与这一集合由决策属性细化的等价划分之间的不一致性程度;最后将近邻的不一致性程度转换为相应属性的重要性,用于实现属性加权K近邻分类器.通过在多个数据集上进行实验,该方法对参数的敏感程度低,在多个参数下可以显著提高K近邻的分类精度,并且在多个指标下的表现优于现有的一些分类方法.结果 表明,该方法可以通过属性加权选择出更加准确的近邻样本,可广泛应用于基于近邻的机器学习方法中.

    属性权重近邻分类不一致性推土机距离

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

    基于多头注意力机制的社交网络符号预测

    颜仕雄朱焱李春平
    1360-1364页
    查看更多>>摘要：传统符号预测方法缺少处理二阶邻居信息的能力,难以有效提取社交网络用户的低维特征.为了有效融合节点用户邻居信息,提出了一种利用多头注意力机制学习一阶、二阶邻居信息的网络表示学习方法(signed multi-head graph attention network,SMGAT),从而改善社交网络符号预测的效果.首先融合平衡理论和状态理论采样一阶邻居、二阶邻居;然后利用多头注意力机制融合邻居的符号和结构信息,学习节点的低维特征;最后通过逻辑回归分类器实现符号预测.通过在四个真实的符号网络数据集上进行实验,结果证明SMGAT方法能够有效挖掘邻居节点的符号和结构信息,提高社交网络符号预测效果.

    符号网络网络表示学习多头注意力机制邻居采样

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

    一种基于网络表示学习的miRNA-疾病关联预测方法

    耿霞韩凯健
    1365-1370页
    查看更多>>摘要：针对miRNA-疾病关联研究中信息使用不充分、过于依赖网络中节点的相似度信息以及预测准确度较低的问题,提出一种基于网络表示学习的miRNA-疾病关联预测方法(network representation learning miRNA-disease association,NRLMDA).该方法通过引入长链非编码RNA (lncRNA)构造出miRNA-lncRNA-疾病异构网络,丰富原有网络的生物学信息;采用网络表征学习node2vec算法在上述提出的异构网络中以一定的游走策略获得节点的近邻序列,并通过skip-gram模型进行深度学习,从而获得节点的低维特征向量;最后基于miRNA-miRNA相似性的关联规则推断方法预测miRNA与疾病的关联.该方法能够挖掘出全局网络的拓扑结构特征,并且不需要负样本.NRLMDA在留一交叉验证和五折交叉验证以及进一步的案例研究上的实验结果优于经典方法.

    miRNAnode2vec算法skip-gram模型

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

    融合自注意力机制与长短期偏好的序列推荐模型

    沈学利杜志伟
    1371-1375,1380页
    查看更多>>摘要：针对现有的序列推荐算法仅利用短期顺序行为进行推荐,而没有充分考虑用户的长期偏好和项目之间更深层次的联系等问题,提出一种融合自注意力机制与长短期偏好的序列推荐模型(combines self-attention with long-term and short-term recommendation,CSALSR).该模型首先建模用户和项目的潜在特征表示,将用户短期交互序列中的项目成对编码为三向张量,然后经过自注意力机制模块并使用卷积神经网络(convolutional neural network,CNN)从用户的顺序模式中提取项目间更深层次的联系.同时考虑用户的长期偏好,将相似用户的嵌入作为补充增强用户表征.在MovieLens-1M和Gowalla数据集上,实验结果表明提出的方法在准确率precision@N、召回率recall@N、均值平均精度(mean average precision,MAP)上优于其他方法.

    序列推荐潜在空间自注意力机制成对编码卷积神经网络

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

    多头注意力评论量化的聚类优化推荐算法

    邱宁佳王宪勇王鹏
    1376-1380页
    查看更多>>摘要：为了解决推荐算法中无法挖掘用户深层兴趣偏好,从而导致提取准确度低下,以及相似用户聚类准确率低下时间复杂度高等问题,提出评论量化模型优化差分进化的聚类优化推荐算法(MT-QRPD).首先利用BiGRU网络的特征时序性与CNN的强局部特征有效性联合提取评论深度特征,并利用多头注意力机制的多维语义特征筛选对评论进行深度语义特征挖掘;然后经过多层感知机非线性转换进行多特征融合完成准确量化;最后使用PCA对差分进化变异选择进行优化完成相似用户聚类优化操作,寻找相似用户完成项目推荐.通过多项实验分析表明,所提推荐算法在量化评分准确度、时间复杂度以及推荐性能上都有较好的提升.

    推荐算法评论量化模型多头注意力机制差分进化算法聚类优化

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

    融合LSTM结构的脉冲神经网络模型研究与应用

    王清华王丽娜徐颂
    1381-1386页
    查看更多>>摘要：SNN是更具生物可解释性的新型网络模型.针对传统SNN模型表征能力有限,难以应用于实际任务的问题,对SNN处理脑电识别任务进行了研究,提出具有长短期记忆结构的SNN模型.首先采用改进的BSA编码算法处理脑电信号;然后构建具有自适应阈值的脉冲神经元模型;在此基础上,基于PyTorch框架建立结合LSTM结构的SNN模型;最后使用替代梯度的方法克服了脉冲序列不可微分的问题,在保留神经元动态特性的同时基于反向传播方法直接训练SNN.实验结果表明,改进的BSA更具灵活性和可靠性,同时,融合LSTM结构的SNN模型提高了网络的表征能力,在脑电识别任务中取得了与传统深度学习模型可竞争的精度.

    脉冲神经网络长短期记忆BSA自适应阈值替代梯度

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

    基于层次策略的半监督K-medoids算法研究

    李乐王斐
    1387-1392页
    查看更多>>摘要：针对现有基于K-means的半监督聚类算法存在的共同问题,即对离群点敏感、在非凸数据集与不平衡数据集上表现差,提出了一种基于层次策略的散布种子半监督中心聚类算法.首先通过基于影响空间的样本边缘因子将数据集分为核心层与边缘层,然后应用一种改进的K-medoids算法完成核心层聚类,最后采用一种递进半监督分配策略对边缘层进行分配得到最终聚类结果.算法通过层次策略解决了离群点干扰问题、半监督子簇聚类及合并策略实现了在不同分布数据集上有效聚类.通过与几种半监督聚类方法在人工数据集以及真实数据集上进行的对比实验证明,该算法能够解决现存问题,提升了聚类性能与鲁棒性.

    K-means半监督聚类层次策略K-medoids

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

    基于多种信息组合模式的非负矩阵分解链路预测模型

    唐明虎
    1393-1397,1408页
    查看更多>>摘要：针对基于拓扑结构相似性的链路预测算法中网络稀疏性和噪声问题,提出一种基于非负矩阵分解的链路预测模型.该模型从微观与宏观两个层面出发,融合网络内部和外部的辅助信息,减轻了网络稀疏性造成的影响,提升了算法预测的整体性能.提出的三种信息组合模式体现出宏观与微观角度下的信息融合策略.在13个真实网络数据集上的实验结果展示了算法预测性能上的优越性.

    非负矩阵分解有属性网络信息融合链路预测

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