首页期刊导航|软件
期刊信息/Journal information
软件
软件

何新贵

月刊

1003-6970

zazhi@188.com ; cosoft@vip.163.com

010-68920892

100044

北京市3108信箱

软件/Journal computer engineering & Software北大核心
查看更多>>《软件》杂志由中国科协主管,中国电子学会主办国际权威期刊,国家新闻出版总署批准国内标准刊号:12-1151/TP,国际统一刊号:1003-6970,中国国际图书贸易总公司国外发行170余个国家,国外发行代号:M8992。同时配发《软件》杂志国家正式电子版刊号:12-9203/TP,期刊配增光盘版。《软件》杂志被《中国学术期刊综合评价数据库来源期刊》、《中国核心期刊(遴选)数据库收录期刊》、《万方数据—数字化期刊群全文收录期刊》、《中文科技期刊数据库(全文版)收录期刊》、美国《剑桥科学文摘》、波兰《哥白尼索引》收录期刊、美国《乌利希国际期刊指南》等国内外数据库收录。竭诚欢迎来稿!录用(优质)稿件免费发表!发表周期短!  《软件》杂志主要面向从事计算机应用和软件技术开发的科研人员、工程技术人员、各大专院校师生、计算机爱好者。致力于创办以创新、准确、实用为特色,突出综述性、科学性、实用性,及时报道国内外计算机技术在科研、教学、应用方面的研究成果和发展动态的综合性技术期刊,为国内外计算机同行提供学术交流的平台。   《软件》杂志注重刊登反映计算机应用和软件技术开发应用方面的新理论、新方法、新技术以及创新应用的文章。主要栏目包括:最新技术动态、综述、专家论坛、软件技术、基金项目论文、学位论文、计算机仿真、计算机体系结构与高性能计算机、计算机网络、信息与通信安全、计算机图形学与人机交互、多媒体技术应用、人工智能与识别、嵌入式软件与应用、自动控制、测控自动化、管控一体化、嵌入式与SOC、算法与计算复杂性、分布式计算与网格计算、存储技术、计算机辅助设计与应用技术、数据库技术研究、神经网络、应用技术与研究、计算机教育技术交流及其他相关内容。 《软件》杂志在国内外有广泛的覆盖面,国内读者分布在全国30个省市,国际读者分布在北美、西欧、韩国、日本以及我国港、澳、台等40余个国家和地区。几年来高水平的论文刊登数量明显增加,各类自然科学基金论文刊登数量已超过30%,各项指标在我国自然科学自动化、计算机类(TP)多种期刊中排名前列,已成为全国最具影响力的自然科学杂志之一。 《软件》杂志在我国计算机界有广泛的作者群体,主要稿件来源单位有:北京大学、清华大学、南京大学、复旦大学、同济大学、浙江大学、中国科学技术大学、国防科技大学、上海交通大学、西安交通大学、北京航空航天大学、南京航空航天大学、华中科技大学、哈尔滨工业大学、西北工业大学、吉林大学、武汉大学、中山大学、四川大学、山东大学、厦门大学、天津大学、重庆大学、中南大学、东北大学、上海大学、福州大学、安徽大学、西北大学等全国数百所重点大学以及中国科学院、中国航空、航天、电子、中国水电、中国建筑、中国测绘科学研究院等重点研究院所等。 该刊的编委是来自北京大学、清华大学、南京大学、复旦大学等十所知名大学和多所重要研究所,以及美国、加拿大的外籍专家共100余位著名教授或研究员组成。
正式出版
收录年代

    基于智能决策的农业监控管理系统研究

    储玉芬
    1-3页
    查看更多>>摘要:本研究基于互联网与物联网技术的融合,针对传统农业的升级需求,设计了智慧农业大棚监控管理系统.该系统集传感器、控制设备、服务端、云平台及移动客户端于一体,实现了对作物生长环境的实时监测与智能调控.通过STM32微控制器处理环境参数数据,有效调节棚内环境,同时利用WiFi实现与云平台的通信.本研究还引入了智能决策系统,利用植物生长数据训练模型,智能判断与预测生长环境及阶段,开发了用户友好的移动App,方便农户随时掌握大棚信息.本系统的应用提升了农业生产的精细化与智能化水平,有效节约了资源,保障了作物产品的质量安全.

    物联网智能决策App智慧农业云平台

    基于Redis的高性能分布式锁设计与实现

    王栋柱王青青陈华林潘新...
    4-6页
    查看更多>>摘要:分布式锁是分布式系统中常见的同步机制,用于解决分布式环境中多个节点间的资源竞争问题.Redis作为一种高性能的内存数据库,被广泛应用于分布式锁的实现中.本文将详细论述Redis结合Lua脚本的分布式锁设计及其实现,探讨其关键技术,包括锁的获取与释放机制、超时处理、死锁检测以及高可用性设计等,旨在为分布式系统的开发者提供参考.

    分布式锁Redis高性能Lua

    低杂散接收光控波束形成系统及基于LabVIEW的显控软件设计

    戴泽璟王鹏李悰张静...
    7-9页
    查看更多>>摘要:针对微波光子接收相控阵雷达存在杂散干扰的问题,本文提出了一种一维光控波束接收系统,该系统采用子阵划分的方式,改进了系统的杂散水平.同时编写了一套基于LabVIEW的显控软件,通过实时微调激光器波长并监测杂散水平来自动优化系统杂散,经过实验验证,杂散得到有效抑制.

    微波光子LabVIEW低杂散四波混频

    基于终身教育数据的用户画像构建和个性化推荐模型研究

    付赛红常汉杰
    10-12页
    查看更多>>摘要:随着终身教育的兴起,个性化推荐在学习资源的提供中愈发重要.本文以浙江省海宁市"潮学通"终身学习平台的用户数据为研究对象,通过构建用户-学习资源评分矩阵对数据进行收集与预处理.在此基础上,通过深入分析用户画像的构建,以及协同过滤算法的设计,实现更精准的个性化学习资源推荐.

    终身教育个性化推荐用户画像协同过滤算法学习资源推荐

    基于改进MaxViT的胰腺肿瘤图像分割

    生琳王朝立
    13-15页
    查看更多>>摘要:近年来,基于深度学习的图像分割技术在医学图像处理中取得了良好的效果,而在腹部CT图像中分割胰腺肿瘤仍然面临着挑战.由于胰腺肿瘤图像存在大小不一、边界模糊、冗余信息繁杂等问题,现有的网络难以做到精准分割.基于此,本文将MaxViT多尺度信息提取注意力模块嵌入UNETR网络结构,用以改善基准网络模型所存在的不足.

    图像分割UNETR胰腺肿瘤

    基于物联网的生猪健康状态监测及预警平台设计

    张晋恒柏孝燚赵金燕陈超...
    16-18页
    查看更多>>摘要:生猪规模化养殖的疾病预防和控制是提升养殖效率和质量的重要保障.为了实现生猪健康状态的即时监测和预警,有效提升生猪养殖管理的数字化、智能化水平,本研究通过总结和借鉴现有研究成果和经验,结合实际需求和条件,设计了基于物联网的生猪健康状态监测及预警平台,实现分类别的用户管理、圈舍管理、状态监测、预警等功能,能够为相关人员提供针对性的防控建议.该平台的推广和应用,为生猪规模化养殖管理提供了一种低成本、高质量、智能化的解决方案.

    生猪养殖物联网实时监测疾病预警

    基于YOLOv5的危险区域多目标检测应用与性能分析

    李明昊
    19-21,49页
    查看更多>>摘要:为提高危险区域多目标检测的效率和准确性,以YOLOv5算法为基础,深入分析算法原理和优化策略,使用Qt研发基于单目视觉与目标检测算法YOLOv5的危险区域多目标检测系统,实现了在危险区域中多目标的高效检测.研究中通过改进模型架构和模型剪枝、量化,对算法YOLOv5进行了优化,以适应危险区域多目标检测对速度和效率的需求.优化后的算法有显著的性能提升,平均精度达到97.3%,速度提升近10%,为危险区域多目标检测应用提供了有力的技术支持.

    YOLOv5算法危险区域多目标检测单目视觉Qt技术

    基于微信小程序的理发店管理系统的设计与实现

    王颖洁
    22-27页
    查看更多>>摘要:移动终端设备的广泛普及使得移动应用渗透人们日常生活的各个方面,移动互联网和微信的普及为微信小程序预约提供了技术和平台支持.一些服务行业可以通过微信小程序平台实现线上交易线下服务.本文以美发行业为例,详细论述了基于微信小程序的理发店管理系统的开发过程,对整个系统需求分析、总体设计和详细功能进行了介绍.本系统为用户提供了一个线上预约理发服务的平台,可以节省等待的时间,提高效率.

    软件工程理发店微信小程序管理系统

    基于深度学习的共享单车需求预测及调度方法研究

    马玉婷张山山鲍蓉
    28-30页
    查看更多>>摘要:共享单车作为一种便捷、环保的交通工具,受到了越来越多人的青睐.然而,随着共享单车的普及和需求增加,如何准确预测用户的需求并合理调度车辆成为一个重要问题.为解决此问题,首先,通过数据收集与预处理,获取大量的共享单车使用数据,并对其进行归一化处理.其次,采用深度学习模型建立准确的需求预测模型,并通过训练数据进行模型训练.针对调度算法设计,本文提出了静态调度策略、动态调度策略和组合调度策略,并设计了相应的调度算法.最后,通过综合优化方法实现需求预测与调度协同优化以及共享单车资源管理策略的优化.

    共享单车需求预测调度深度学习

    基于Spark计算的大数据终端潜在异常识别仿真

    吴彩旭张晶
    31-33页
    查看更多>>摘要:本文主要针对大数据终端在实时处理过程中潜在的异常情况进行识别和仿真研究.基于Spark计算框架,提出了一种新的方法监测和识别大数据终端中可能存在的异常行为.通过使用实时数据流分析和机器学习技术,及时发现并处理潜在的异常情况,提高数据处理效率和质量,并最终提升系统的可靠性和稳定性.

    大数据终端异常识别Spark计算实时数据流分析机器学习