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

高建平

月刊

1672-7800

softwaerguide@163.com

027-87821070

430071

湖北武汉洪山路2号湖北科教大厦D座5楼

软件导刊/Journal SoftWare Guide
查看更多>>《软件导刊》杂志是2002年经国家科技部和国家新闻出版总署批准，由湖北省科技厅主管、湖北省信息学会主办的全国性计算机软件类学术期刊。《软件导刊》杂志以服务计算机软件事业为使命，以“引领软件学科发展方向，响应软件产业发展潮流”为办刊宗旨，积极反映软件学科的新理论、新方法、新技术，把握学科发展趋势，促进学术交流，推动产业发展。
正式出版
收录年代

    基于混合脑机接口通道选择与分层特征融合的认知工作负荷识别

    张恒千詹志远尹钟
    1-9页
    查看更多>>摘要：基于脑电信号(EEG)与功能近红外光谱(fNIRS)生理数据的认知工作负荷识别研究在脑机接口领域备受关注.然而,复杂的数据采集环境对通道间数据产生不可控影响,严重制约了模拟人类大脑信息传输过程的模型准确性与完整性.针对此问题,提出一种改进的动态图注意力通道选择方法,通过图注意力网络(GAT)返回的注意力得分进行通道选择,从而减少环境干扰,提升模型鲁棒性.此外,简单特征融合会忽略不同模态间的异构性而导致重要信息丢失,因而设计了分层特征融合模块.该模块通过有效整合EEG与fNIRS不同层次的特征信息,从而增强了模型对认知任务的识别能力.在柏林工业大学提供的两个公开的心算任务和N-Back任务数据集上进行了验证,在被试依赖的训练策略下,对每名被试采用十折交叉验证方法,分别取得了85.44%和91.72%的平均精度,相比于当前先进方法,该方法表现出一定优势.实验结果表明,该模型能够在复杂数据环境下有效识别认知工作负荷,同时所提出的通道选择方法对于降低计算成本、排除无关通道具有重要意义.

    脑电图功能性近红外光谱通道选择认知工作负荷识别分层特征融合

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

    基于特征重组与IQPSO-BILSTM-RF的短期风电功率预测

    王嘉琪张玲华胡枫
    10-17页
    查看更多>>摘要：短期风电功率预测对电力系统正常运转至关重要,为了提升风电功率预测精度,提出基于特征重组方法和改进量子粒子群算法(IQPSO)优化双向长短期记忆网络(BILSTM)与随机森林(RF)的短期风电功率预测组合模型.首先,运用局部均值分解处理风电数据得到多个子分量,并计算其模糊熵以重组新特征分量.其次,采用IQPSO优化的BILSTM预测特征分量,将各分量结果叠加得到初步预测值.最后,使用IQPSO优化的RF对初步预测值进行误差修正.实验表明,该模型决定系数(R2)达到了0.994 25,优于其他模型,消融实验也验证了各模块的必要性.

    风电功率预测特征重组改进量子粒子群优化算法双向长短期记忆网络随机森林误差修正

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

    基于MVMD-MHAT-BiLSTM的云资源负载预测方法

    史爱武罗干李林逸黄河...
    18-26页
    查看更多>>摘要：目前,云计算服务提供商在预测大规模工作负载和资源使用方面面临着巨大挑战,由于难以捕捉非线性特征,传统的预测方法通常无法对资源负载数据实现较高的预测性能.此外,原始的时间序列中存在大量噪声,如果不采用平滑算法对这些时间序列进行去噪,预测结果可能无法满足提供者的要求.为此,提出一种MVMD-MHAT-BiL-STM组合预测模型,该模型首先使用改进的灰狼优化算法优化VMD参数,之后通过变分模态分解的信号分解方法,将复杂、非线性的原始时间序列分解为低频本征模态函数;接着在BiLSTM中引入多头注意力机制捕获多层次、双向特征;最后使用注意力机制探索不同输出维度的重要性.在阿里的公开数据集中验证该模型性能,与BiLSTM、Pa-BiLSTM、CNN-BiLSTM、MHAT-BiLSTM和VMD-MHAT-BiLSTM模型相比,该模型的均方根误差下降了8.6%～19.3%,实现了更高的预测精度.

    云资源负载预测灰狼优化算法变分模态分解多头注意力机制双向长短记忆网络注意力机制

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

    结合正负反馈状态表示的深度强化学习推荐方法

    张涛张志军曹家伟范钰敏...
    27-35页
    查看更多>>摘要：深度强化学习技术在交互式推荐系统上的应用已十分成熟,但少有研究专门对状态进行表示建模,只针对用户交互过程中的正反馈序列进行状态表示建模,导致推荐系统忽略了用户交互过程中负反馈序列中存在的潜在关系及用户兴趣变化,使得推荐结果过于片面.鉴于此,提出一种基于对比学习和深度强化学习的推荐系统框架,设计了对用户和推荐系统交互过程中产生的正负反馈序列进行建模的状态表示模块.此外,为了缓解正反馈数据稀疏问题和细粒化正负反馈之间的差异性,还加入了对比辅助任务.在Movielens-100K和Movielens-1M两个真实世界的数据集上进行了大量实验,HR@10评价指标分别为0.705 2、0.490 2;NDCG@10评价指标分别为0.478 2、0.271 5.结果表明,该方法明显优于当前先进方法,证明了CRLRS对正负反馈同时进行建模以及加入对比辅助任务的必要性,并且具有更好的推荐性能.

    深度强化学习对比学习推荐系统正负反馈状态表示

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

    基于ChatGLM的情感分析数据增强方法

    高新周叶宁徐康王甦...
    36-43页
    查看更多>>摘要：情感分析是自然语言处理领域的热门任务之一.由于训练数据的标注难度大、成本高,少样本下的情感分析受到人们关注,数据增强方法是少样本学习的主要方法之一.然而,传统的数据增强方法并没有关注到情感分析的特点,增强的数据中可能产生语义不一致、情感偏差和过度生成等问题.为了解决以上问题,提出一种针对情感分析的基于ChatGLM模型的多阶段数据增强策略.先使用EDA方法对文本进行词语级别的简单数据增强,再通过情感词典对生成的数据进行过滤,最后通过ChatGLM模型进行句子级别的增强.实验结果表明,该方法与传统最优的数据增强方法相比,在3个数据集上的准确度分别提升了1.9%、2.1%、2.2%,证明了该方法对于少样本情感分析的有效性.

    少样本学习情感分析数据增强预训练模型自然语言处理

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

    基于多尺度特征融合的自监督工业部件异常检测算法

    李倩高琳李思源刁仁宏...
    44-52页
    查看更多>>摘要：工业部件异常检测是工业生产中的关键问题,其主要目的是及时发现和识别异常部件,以保证产品质量和生产效率.然而,当前工业部件异常检测算法仍面临极大的挑战,例如不同尺度的目标瑕疵对算法准确性的影响,所有可能的异常数据无法被穷尽的不确定性等.为解决上述问题,提出一种基于多尺度特征融合的自监督工业部件异常检测算法,采用泊松融合将不同大小的矩形块无缝融入正常样本以生成异常样本标签对,并在基于编解码结构的CNN模型基础上提出注意力空洞空间金字塔池化耦合(A-ASPP)模块.该模块通过空洞空间金字塔池化实现图像的多尺度特征提取,并利用通道注意力和空间注意力机制实现多尺度特征交互与重点区域加权,最后通过模型输出的概率图定位异常区域.实验结果表明,在公共数据集MvTecAD中,针对螺钉类别,该方法的AUROC指标相比NSA方法提高了9.2%,且在该数据集上的平均AUROC达到98.5%,优于NSA方法.

    自监督学习多尺度特征融合泊松融合注意力机制

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

    基于Self-Attention与Bi-LSTM的大学生情感倾向研究

    张颖
    53-57页
    查看更多>>摘要：针对基于词向量的网络模型性能过分依赖分词准确性的问题,提出基于FastText字向量表示方法结合Self-Attention与BiLSTM的大学生情感分析方法(character-SATT-BiLSTM).使用fasttext模型生成文本字向量,通过双向长短时记忆模型提取上下文语义特征,利用自注意力机制强化关键信息,最后使用Softmax分类器判断情感类别.实验结果显示,字向量文本表示方法比词向量更适合论坛文本情感分类,同时character-SATT-BiLSTM相比character-LSTM、character-BiLSTM等模型的效果更优,分类性能分别提高了6%和3%.

    FastText字向量双向长短时记忆自注意力情感倾向分析

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

    基于图卷积网络与社群发现的异常检测方法

    夏飞赵新建王恺祺陈石...
    58-65页
    查看更多>>摘要：深度学习领域对于图结构数据的关注程度日益加深,社交、医疗、电力系统等多个领域已将实体抽象成属性网络的形式,知识图谱等组织方式成功实现了信息的高效组织与管理.在这些信息丰富的网络中,安全问题尤为重要,因为异常实体的存在可能会对整体利益造成威胁.传统方法在图结构数据异常检测方面存在一定困难,尤其是在捕捉网络高维度特征方面表现不佳.深度学习方法尽管强大,但由于网络深度的限制,往往难以获取网络的全局信息.为此,提出一种基于图卷积网络的两阶段异常检测方法,通过图卷积神经网络逐步获取节点的社群信息,克服了传统方法在高维度特征捕捉上的不足;同时考虑节点自身属性,以更好地适应各类复杂网络结构,提升了异常检测性能.实验结果表明,该方法在部分数据集上的AUC分数超过0.9,在各数据集上与基线方法相比可以取得最优或次优性能表现.

    异常检测图卷积网络社群发现属性网络

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

    基于K-BERT-LDA的层级多标签招标标段分类方法

    侯继辉吴小忠刘晖夏卓群...
    66-74页
    查看更多>>摘要：传统人工招标分标效率准确率低,针对语义特征稀疏且标签具有明显层级结构特点的物资招标文本,提出了一种基于K-BERT-LDA的层级多标签文本分类方法.首先,通过混合模型提取文本特征,K-BERT模型提取具有知识注入的文本特征以弥补语义信息缺失,LDA主题模型提取主题分布特征,并通过特征融合进一步丰富文本特征表示.其次,联合嵌入类别标签,即上层标签预测结果能引导下层分类,并充分利用标签间的树形结构关系提升多标签文本分类准确性.最后,提出一种基于文本相似度算法的智能处理策略,通过合并预投资金额不足的标段以保障招标成功率并得到分标结果.实验表明,所提方法相较于其他分类方法及单一模型而言分类性能更好,准确率、精确度和F1值分别达到95.45%、92.57%和91.88%,能高效、准确地实现智能分标目的.

    招标分标层级多标签文本分类知识注入主题分布特征融合文本相似度

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

    粒子群优化的随机森林算法在二次润叶参数寻优中的研究

    朱毓航李俊李继斌李晓冬...
    75-81页
    查看更多>>摘要：二次润叶出口含水率和温度的稳定性是评估烟叶打叶复烤工艺的关键指标.针对云南某复烤厂二次润叶生产中环境温度、水蒸汽流量等参数导致二润出口指标难以准确控制的问题,通过构建基于粒子群优化的随机森林算法模型,探究不同工况条件下各参数对二润出口指标的影响.对二次润叶参数历史数据进行清洗,剔除脏数据之后进行皮尔逊系数分析,找到与出口质量紧密关联的生产控制关键参数.结合现场人工经验和关联分析,使用粒子群优化的随机森林算法对回风温度、热风温度、排潮风门和补偿蒸汽阀门开度进行寻优,并与随机森林、灰狼优化的随机森林和BP神经网络进行对比.研究结果表明,该算法得到的回风温度和热风温度均方误差为0.003,排潮风门和补偿蒸汽阀门开度均方误差为0.001,可为操作人员调整设备、提升烟叶复烤质量提供理论依据.

    二次润叶随机森林粒子群优化关联分析均方误差

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