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

    基于增强现实技术的电力管廊运维系统研究及应用

    刘颖陈佳冯振新
    134-140页
    查看更多>>摘要：以电力管廊为代表的城市综合管廊由于其良好的可维护性是未来5至10年城市建设和市政设施运维的发展方向.详细介绍通过基于增强现实技术(AR)的电力管廊运维系统解决电力管廊运维工作中出现的待检设备数量多、设备排查难度高、历史数据支撑不到位等问题.同时,针对电力管廊巡检需求,通过对系统软硬件架构、系统功能设计及特征点跟踪算法的研究,实现管廊内巡检路线规划、待检设备位置提示和设备数据手势召回等功能.应用效果表明,该系统较现有巡检系统,平均巡检时长缩短70％,具有良好的操作性,能有效提升管廊巡检的工作效率.

    电力管廊巡检增强现实技术

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

    基于语言模型微调的跨领域依存句法分析

    彭雪李正华张民
    141-146页
    查看更多>>摘要：为提高跨领域依存句法分析性能,提出一种领域嵌入的半监督方法.该方法对于模型的所有输入添加一个领域信息,平衡源领域和目标领域对模型的贡献,与直接合并两个领域训练集相比,取得了约1.5％的提升.进而,通过预训练和微调两种方法将上下文相关的语言模型BERT应用到该任务中.与选择的三个目标领域目前最好的性能相比,均取得了提升.

    依存句法跨领域分析领域嵌入BERT微调

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

    多特征融合的肝细胞癌分化等级术前预测方法研究

    甘富文武明辉吴亚平林予松...
    147-153页
    查看更多>>摘要：通过融合影像学特征和深度特征实现对肝细胞癌分化分级的无创术前预测.预测方法基于T2加权成像高通量提取影像学特征,使用SVM、随机森林、XGBoost和LightGBM等方法构造出影像学标签(Rad-score);利用EfficientNet-B7在增广图像数据上进行参数微调后提取了大量深度特征,并采用LightGBM构建深度标签(Deep-score);结合病人的临床特征利用回归模型构造诺模图进行可视化预测.实验结果证实模型具有较好的分类性能,最终分类模型AUC达到了0.828,校准曲线表现良好,可以为临床决策提供有价值的信息.

    机器学习肝细胞癌肿瘤分级特征融合诺模图

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

    基于词袋模型与几何不变特征的笔迹鉴别

    李新德阿依夏木·力提甫杨天熊闻心...
    154-158,180页
    查看更多>>摘要：针对手写笔迹的高度相似性与随机性提出一种利用几何矩定量表示字符形状特征的笔迹鉴别方法.该算法先搭建文本依存的词袋模型,提取几何矩的八个不变特征.在分类决策层利用因子分离与特征融合方法,实现文本独立的笔迹分类.该算法在IAM数据集中的首选(Top-1)鉴别率已达到96.7％,取得了同类研究中前四的成绩.实验结果表明,基于词袋模型和矩特征的笔迹鉴别方法在维吾尔文以及英文数据集上具有较好的分类与鉴别能力.

    笔迹鉴别词袋文本独立特征融合矩特征

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

    基于双输入卷积神经网络的环境声事件识别

    李芳足罗丽燕王玫
    159-166页
    查看更多>>摘要：针对前融合的特征融合方式不利于卷积神经网络提取高阶特征的问题,提出一种基于双输入卷积神经网络的特征融合框架.该特征融合框架将两种声学特征分别经过不同的卷积和池化策略进行高阶特征提取,将高阶特征进行拼接并送入输出层输出分类结果.这种方式不仅为不同的特征匹配不同的卷积和池化策略,还避免了单位或尺度不同的特征拼接在一起干扰卷积核的特征提取.经公开数据集的评估结果显示,该多特征融合框架相比单一特征和现有的融合方式性能更优.此外,将此框架应用于实际场景下的汽车鸣笛声的识别,结果显示,查全率达到87.7％,查准率达到84.7％,F1度量达到86.2％,优于其他方法,验证了该方法在实际应用中的可行性.

    环境声事件识别特征融合卷积神经网络

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

    基于无标签半监督学习的商品识别方法

    刘文豪姜胜明
    167-173页
    查看更多>>摘要：深度学习商品识别技术存在有标签数据获取成本高、无标签数据获取简单高效的问题,给技术的实际应用造成了一定障碍.为解决在少量有标签数据下用大量无标签数据提高模型准确率的问题,提出一种半监督学习方法.使用基于self-training的方式训练两个目标检测模型;在检测模型的损失函数中加入基于熵的正则化项,提高无标签预测的准确性;为避免错误伪标签数据不断被使用,采取co-training的训练方式.通过构建包含16000幅图片的商品识别数据集,最终实验结果表明,相比没有利用无标签数据之前,SSD模型的精度从90.6％提高到了97.2％,YOLOv3模型精度从91.7％提高到了96.9％.

    半监督学习商品识别目标检测无标签数据伪标签

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

    基于改进DeeplabV3+的农村遥感图像屋顶分割

    王晓文李顶根
    174-180页
    查看更多>>摘要：现有的太阳能屋顶分割方案大多数针对城市地区,而农村地区的遥感图像不清晰、房屋数量多且呈小区域分散的状态,使得现有模型对农村地区屋顶分割效果不佳.因此,提出基于改进DeeplabV3+的农村地区遥感图像屋顶分割算法.改进的算法在原DeeplabV3+的基础上添加了棋盘格平滑模块,以缓解空洞卷积引起的棋盘格效应;为了进一步恢复屋顶的边缘细节信息,提出融合多低水平特征和通道注意力模块.实验结果表明,提出的算法在农村地区遥感图像屋顶分割任务中取得了良好的效果,模型在验证集上的像素准确率约达到了96.05％,前景的交并比约达到了91.62％,指标与原DeeplabV3+模型相比分别提升了0.0221和0.0174,表明提出的方法更加适用于农村地区遥感图像的屋顶分割.

    图像分割DeeplabV3+太阳能屋顶空洞卷积

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

    深度集成网络在癫痫预测中的应用研究

    杨泽鑫朱晓军
    181-187,194页
    查看更多>>摘要：针对传统方法在脑电信号上捕获癫痫发作时无法有效利用全部信息的问题,提出深度集成网络的方法从脑电信号中学习多维特征以有效检测癫痫发作.对卷积网络的平移不变性和计算效率进行修复提升后纵向集成循环神经网络以同时捕获频域、空域和时域信息.基于深度集成网络进行患者特异性和跨患者模型的训练,两种模型分别达到了平均98.22％和95.65％的灵敏度以及0.09次/h和0.3次/h的误诊率,优于传统模型的结果.实验表明深度集成网络有能力学习癫痫发作的一般不变表示.

    癫痫脑电图多尺度卷积循环卷积网络发作预测

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

    通用词向量模型在文本多目标分类中的性能比较

    王德志梁俊艳
    188-194页
    查看更多>>摘要：针对通用词向量模型在文本多目标分类中的不同性能评价比较问题,基于微博灾害数据集,设计四种多目标分类神经网络模型.通过实验,对比分析同一词向量模型在不同分类模型中的性能差异;分析不同词向量模型在分类模型中的性能特点;对模型训练时间和测试准确性进行分析.实验结果表明,Word2vec模型在CNN和LSTM网络模型中针对微博灾害数据准确率最高.

    词向量模型情感分类灾害数据集自然语言处理

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

    基于Grad-CAM的Mask-FGSM对抗样本攻击

    余莉萍
    195-200页
    查看更多>>摘要：深度学习缺乏可解释性,其容易受到对抗性样本的攻击.对此引入一种深度学习可解释性模型Grad-CAM(Gradient-weighted Class Activation Mapping),通过神经网络输入和输出之间的映射关系得到输入的热力图,结合FGSM(Fast Gradient Sign Method)引入一种高效的算法来生成对抗样本.实验证明,该算法能够挖掘潜在的最佳攻击位置,仅需要修改3.821％的输入特征,就能有效生成使得神经网络错误分类的对抗样本,充分验证了该算法的高效性.

    深度学习Grad-CAMFGSM可解释性对抗样本

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