首页期刊导航|计算机应用与软件
期刊信息/Journal information
计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心
计算机应用与软件

上海市计算技术研究所 上海计算机软件技术开发中心

朱三元

月刊

1000-386X

cas@sict.stc.sh.cn

021-62520070-505/112，62524515

200040

上海市愚园路546号

计算机应用与软件/Journal Computer Applications and SoftwareCSCD北大核心CSTPCD
查看更多>>本刊面向从事计算机应用软件技术开发的科研人员、高等院校师生、科技管理专业人员等。主要报道计算机在各个领域中的应用技术成果。内容翔实，富有创新性、科学性、实用性，是一本颇具参考价值的刊物。
正式出版
收录年代

    缺乏位置信息的视觉移动机器人leader-following编队控制

    沈尧高于双和黄进
    73-79页
    查看更多>>摘要：针对视觉移动机器人编队在缺乏位置信息情况下的控制问题，提出一种基于视觉的leader-following编队反馈控制方法。该方法利用leader标志物特征点在follower摄像机像平面上的坐标信息设计了观测器，对leader与follower间的相对位置进行估计，基于相对位置估计量与它们速度的关系，设计出leader-following编队反馈控制器，通过Lyapunov理论证明了闭环系统的稳定性。仿真结果表明，该控制方法能有效解决缺乏位置信息情况下视觉移动机器人编队的控制问题。

    视觉移动机器人leader-following编队缺乏位置信息相对位置反馈控制

      原文链接:
    • 万方数据
    • 维普

    基于优化变分模态分解的脑电情绪识别

    王雪蒙郭滨马欣
    80-85,177页
    查看更多>>摘要：为提高脑电情绪识别的准确性与可靠性，提出一种基于优化变分模态分解(VMD)的脑电情绪识别方法。对情绪脑电的节律信号VMD分解，引入磷虾群优化算法(KH)搜索VMD的最优分解层数和惩罚因子;从分解后的固有模态分量(IMFs)中提取平均能量、功率谱密度作为特征;利用XGBoost算法进行分类。实验结果表明，与EMD、EEMD等特征提取方法相比，该方法在DEAP数据集上达到了 91。02％的分类准确率，可以更有效地提取脑电情感特征，为脑电情绪识别的研究提供了新方法。

    脑电情绪识别变分模态分解磷虾群优化算法固有模态分量

      原文链接:
    • 万方数据
    • 维普

    基于多维桶分组技术改进算法对电子病历隐私信息研究

    张付霞
    86-92,163页
    查看更多>>摘要：多维桶分组技术给出的三种算法在敏感属性数量增多时，发布数据隐匿率增大，且该算法对准标识符属性没有泛化处理，易遭受背景知识攻击。针对此问题，提出改进的最大桶优先算法。该算法依据敏感属性关联性来对敏感属性表进行划分，每个敏感属性子表采用最大选择度优先的方法实现匿名化处理，并增加对准标识符属性泛化处理;增加对每个等价类中的复合敏感属性向量随机交换来抵御关联攻击。实验结果表明，改进算法能够在使得发布数据保持一定数据可用性基础上更好地保护用户的敏感属性信息。

    隐私保护背景知识攻击多敏感属性相关性

      原文链接:
    • 万方数据
    • 维普

    一种语义分割引导的呼吸器油位计异常检测方法

    董翔宇索浩银黄杰靳路康...
    93-99页
    查看更多>>摘要：针对变电站异常数据量少、难以支撑深度神经网络训练的问题，以变压器的呼吸器油位计识别问题为例，提出一种融合虚拟数据和语义分割的呼吸器油位计异常检测方法，目标是提升变压器状态监测的识别能力。具体地，构建融合语义分割和分类器的异常检测模型，通过油位计图像的语义分割获取具有空间语义信息的特征，同时采用分类器获得准确的异常状态类别;提出融合虚拟数据和真实数据的模型训练方法，通过调整两种类型数据的比例，实现在少量真实数据下模型的有效训练。实验结果表明，虚拟数据能够有效缓解真实数据不足的问题，且该方法相比采用DCNN模型的直接分类，能够达到更高的异常检测精度。

    呼吸器油位计语义分割异常检测计算机视觉

      原文链接:
    • 万方数据
    • 维普

    基于加权KNN与代价敏感多分支深度神经网络的审计数据异常检测

    范斌宁德军卢俊哲陈松伟...
    100-108页
    查看更多>>摘要：面对日益提高的审计客观性和不断增长的审计任务，提升审计的效率和质量正成为一种势在必行的趋势。选取电力行业某企业的财务凭证数据为研究对象，针对财务凭证数量多、数据类型多样和数据正负样本比例严重失衡的问题，提出一种基于加权KNN与代价敏感多分支深度神经网络算法。该算法能够有效地缩小核查范围，且得到的支出存在审计疑点的财务凭证中涵盖尽可能多的审计问题，从而更有助于帮助审计人员提高工作效率。通过对比实验，验证了该算法能够有效发现审计疑点及涵盖审计问题，结果优于现有其他方法。

    智慧审计机器学习人工智能异常检测代价敏感多分支深度神经网络

      原文链接:
    • 万方数据
    • 维普

    基于图卷积门控循环单元网络模型的交通速度预测

    谌贵辉彭娇李忠兵陈伍...
    109-116页
    查看更多>>摘要：准确的交通预测能够有效解决交通堵塞和环境污染等问题，然而现有预测方法无法充分表征交通数据的特征。针对以上问题，提出一种序列到序列图卷积门控循环单元(Seq2Seq-GCGRU)模型，用于提取交通速度的时空特性和预测。模型由三部分组成，分别用于建模带有时间偏移的交通速度周周期、日周期及临近期信息，还提出一种新的seq2seq训练方法以克服已有方法不适用于时间序列的缺陷。实验结果表明，对比其他常见的交通流预测模型，所提算法具有更高的预测精度，均方根误差(RMSE)与平均绝对误差(MAE)指标至少分别降低25％和24％。

    交通速度预测图卷积序列到序列时空相关性

      原文链接:
    • 万方数据
    • 维普

    面向电气照明规范的知识图谱构建

    郑晓芳杨娜傅军栋
    117-122,129页
    查看更多>>摘要：针对电气照明设计领域规范条文繁杂，存在设计人员查询困难及对同一规范条文的理解偏差等问题，提出运用信息抽取技术建立该领域的知识图谱，并将专家经验融入其中。在预处理阶段引入互信息和边界熵两个参数对分词进行改进，避免了对专业名词的切分;通过语义角色标注与依存句法分析相结合的方法对数据三元组进行抽取，弥补单纯用语义角色标注方法不能抽取出多宾语的缺陷;用图数据库Neo4j存储，完成该领域知识图谱的构建。

    知识图谱照明设计自然语言处理信息抽取

      原文链接:
    • 万方数据
    • 维普

    基于HLCMEA-SWRELM的水体pH值预测

    陈肖陈峰
    123-129页
    查看更多>>摘要：为解决传统水体pH 值预测模型泛化能力差，预测准确度低的问题，提出一种改进思维进化算法(MEA)优化改进极限学习机(ELM)的水体pH值预测方法。在MEA基础上引入混沌理论、莱维飞行及柯西高斯混合变异策略，有效解决MEA早熟、易陷入局部最优的缺点，提高了求解搜索性能。将Morlet小波与反双曲正弦叠加作为ELM的激励函数并引入正则化项，提高了ELM动态逼近性能与泛化能力。将模型运用于太湖水体pH值预测中，实验结果分析表明。相比其他模型，该模型泛化能力好，预测精度高，可为水环境管理与决策提供依据。

    莱维飞行思维进化算法极限学习机pH值

      原文链接:
    • 万方数据
    • 维普

    基于深度全卷积神经弹性网络WCGAN-GP模型的语音增强研究

    许雯婷龚晓峰
    130-137页
    查看更多>>摘要：Wasserstein距离生成对抗网络(Wasserstein Generative Adversal Network，WGAN)模型[1]在语音增强中运用广泛，但存在梯度易爆炸、性能不稳定等问题。引入梯度惩罚(Gradient Penalty，GP)和弹性网络条件约束，并将生成器和判别器优化成深度全卷积神经网络(Deep Fully Convolutional Neural Networks，DFCNN)结构，提出一种基于DFCNN的弹性网络条件梯度惩罚(Wasserstein Conditional Generative Adversal Network Gradient Penalty，WCGAN-GP)模型。改进后的模型可以达到真实Lipschitz限制条件，提高了可控性、稳定性和特征提取能力，能更快优化训练。实验将改进后的模型与WGAN对不同噪声条件下的语音进行增强，结果证实了改进后的模型在语音增强方面的优越性。

    Wasserstein距离深度全卷积神经网络梯度惩罚弹性网络条件约束

      原文链接:
    • 万方数据
    • 维普

    结合强化学习和DenseNet的远程监督关系抽取模型

    冯轩闻袁新瑞孙霞高厦...
    138-144,208页
    查看更多>>摘要：关系抽取是信息获取领域的重要任务之一。为了更好地解决数据集中的噪声问题和句子深层次语义表征，提出一种结合强化学习和密集连接卷积神经网络的远程监督关系抽取模型，模型分为句子选择器和关系分类器。在句子选择器中，基于强化学习的方法能有效过滤噪声语句，提升输入数据质量;在关系分类器中，通过DenseNet深层网络中的特征复用，学习更丰富的语义特征。在NYT数据集上的实验结果表明句子选择器能够有效过滤噪声，该模型的关系抽取性能相比基线模型得到有效提高。

    关系抽取远程监督强化学习卷积神经网络密集连接

      原文链接:
    • 万方数据
    • 维普