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

    特征融合与重定位卷积算子跟踪算法研究

    李国友杭丙鹏杨梦琪李晨光...
    2521-2525页
    查看更多>>摘要:针对卷积操作目标跟踪算法(ECO-HC)在遮挡、背景等干扰问题导致跟踪精度下降的问题,提出了一种自适应特征融合的卷积相关滤波算法,将CN与HOG特征进行加权融合,通过计算各自的响应来确定各自特征在下一帧的权重,将特征各自的优势充分发挥出来.此外,针对目标跟踪失败问题,提出利用形变相似多样性原理,构建目标重定位模块,当出现遮挡、快速移动等复杂情况造成跟踪的可靠性降低时,综合考虑目标响应得分、空间权重得分和形变相似多样性得分来确定目标的最终位置,实现重定位.实验证明,改进后算法与ECO-HC相比,针对目标遮挡、背景干扰等复杂情况,有效地提高了跟踪精度,鲁棒性更强.

    自适应目标跟踪特征融合ECO-HC重定位

    基于3D深度胶囊网络的高光谱和LiDAR数据融合分类

    张雄山赵艮平程良伦
    2526-2529页
    查看更多>>摘要:针对高光谱和LiDAR成像优势,通过构建三维深度胶囊网络(3D-deep capsule network,3D-DCN)探索了这两种遥感数据源在城市地物分类上的应用.该网络通过使用两层3D-CNN结构实现融合后数据的非线性特征映射,然后紧跟胶囊网络生成代表特征的矢量并实现卷积、封装和分类;针对胶囊网络层间的非线性激活函数提出一种称为e-squash的非线性激活函数用于特征学习.在城市数据集上的分类实验表明,使用LiDAR高程特征数据极大地改善了高光谱图像分类精度,采用提出激活函数的3D-DCN在城市数据分类方面比经典分类方法和未采用e-squash的胶囊网络具有更大的应用潜力.

    高光谱LiDAR地物分类胶囊网络e-squash函数

    基于区域语义的城市移动模式可视分析

    李茸茸王桂娟邓皓天陈华容...
    2530-2536,2542页
    查看更多>>摘要:针对城市区域语义及移动模式难以提取的问题,提出一种基于区域语义的城市移动模式可视分析方法用于直观地分析人群出行情况.通过提取用户通话特征,使用高斯混合模型区分基站通话模式来发现城市区域的功能性信息;进一步使用层次聚类算法对用户行为进行语义发现,分析区域用户行为规律;区域语义与用户语义结合分析,挖掘人群在区域间的移动模式.案例分析表明,该方法能有效地发现区域功能特征,结合数据能帮助分析人员发现城市间移动模式以及探索用户移动意图,得到用户移动模式和功能区域之间的联系.

    移动通信数据区域语义用户行为分析移动模式可视分析

    结合Tri-training和CV-CNN的半监督PolSAR图像分类

    谢雯马改妮赵凤刘汉强...
    2537-2542页
    查看更多>>摘要:现有深度学习算法应用于PolSAR图像分类时,较少考虑该图像数据的复数特点,使得数据的复数域信息不能被充分利用;同时,深度学习需要大量的标签样本作为模型的训练样本,但是PolSAR图像可获取的标签样本十分有限.针对上述问题,结合Tri-training算法和复值卷积神经网络(CV-CNN)提出了半监督PolSAR图像分类算法.首先通过Wishart分类器和Tri-training算法获取一些可靠性较高的伪标签样本,然后将其加入到复值卷积神经网络的训练样本中并用于模型训练,最终完成图像分类任务.通过四幅PolSAR图像分类的仿真实验表明,该算法不仅能够有效提升伪标签样本的可靠性,同时还可提高模型的分类准确率.

    PolSAR图像分类Wishart分类器Tri-training算法复值卷积神经网络

    面向个人信息保护的对抗性图像扰动算法研究

    王涛马川陈淑平
    2543-2548,2555页
    查看更多>>摘要:通过研究对抗性图像扰动算法,应对深度神经网络对图像中个人信息的挖掘和发现以保护个人信息安全.将对抗样本生成问题转换为一个含有限制条件的多目标优化问题,考虑神经网络的分类置信度、扰动像素的位置以及色差等目标,利用差分进化算法迭代得到对抗样本.在MNIST和CIFAR-10数据集上,基于深度神经网络LeNet和ResNet进行了对抗样本生成实验,并从对抗成功率、扰动像素数目、优化效果和对抗样本的空间特征等方面进行了对比和分析.结果表明,算法在扰动像素极少的情况下(扰动均值为5)依然可以保证对深度神经网络的有效对抗,并显著优化了扰动像素的位置及色差,达到不破坏原图像的情况下保护个人信息的目的.该研究有助于促进信息技术红利共享与个人信息安全保障之间的平衡,也为对抗样本生成及深度神经网络中分类空间特征的研究提供了技术支撑.

    深度学习神经网络对抗性图像扰动稀疏对抗攻击个人信息保护

    基于颜色与结构失真的色域映射图像无参考质量评价算法

    余伟康凯袁连海
    2549-2555页
    查看更多>>摘要:为了预测色域映射图像客观质量,通过分析不同色域映射算法的映射原理发现色域映射图像中主要存在颜色失真与结构失真的情况.基于此,提出了一种基于颜色与结构失真的色域映射图像无参考质量评价算法.在颜色失真方面,计算色调异常率和图像R、G、B三个分量的统计分布与理想均匀分布之间的相对熵;在结构退化方面,提取图像的信息熵与四阶矩,并对图像亮度与饱和度进行统计建模,提取参数特征.随后,将以上提取的数据作为质量感知特征与图像的主观分数值输入后向传播神经网络进行回归训练得到针对色域映射图像的质量评价模型.最后,在三个公开的色域映射图像数据库上进行性能验证.实验结果表明,该算法在预测色域映射图像质量方面优于现有的无参考算法.

    图像质量评价色域映射颜色失真结构失真后向传播神经网络

    挖掘文本框位置特性的anchor-free自然场景文本检测

    卢利琼吴东吴涛刘瑶...
    2556-2560页
    查看更多>>摘要:针对现有优秀的anchor-free文本检测方法只挖掘了文本框几何特性而没有考虑文本框位置特性且缺乏有效的过滤机制,提出了挖掘文本框位置特性的anchor-free自然场景文本检测方法.该方法以ResNet50作为卷积神经网络的主干网络,将多个不同尺寸的特征层融合后预测文本框的几何特性和位置特性,最后辅之以二层过滤机制得到最终的检测文本框.在公开的数据集ICDAR2013和ICDAR2011上F值分别达到了0.870和0.861,证明了该方法的有效性.

    自然场景图像文本检测位置特性anchor-free卷积神经网络