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

    YOLOv4-Balance:样本均衡的目标检测网络

    周泽清於跃成顾宙瑜
    1-8页
    查看更多>>摘要：针对因数据集中小目标样本数量不足且分布不均衡,导致算法对小目标检测精度低的问题,在多尺度目标检测模型YOLOv4的基础上,提出一种融合动态损失反馈与数据增强的多尺度目标检测算法YOLOv4-Balance.首先,提出一种基于图像组合拼接的数据增强算法U-Mix,均衡小目标样本的分布,提高数据集中的小目标学习样本质量.其次,基于模型训练迭代时的Loss反馈,提出一种利用动态损失反馈的多尺度模型训练算法DLF,以提高训练过程中小目标样本损失对模型学习的贡献度.实验结果表明,该算法在MSCOCO数据集上的平均精度较基线模型YO-LOv4提升了约2.1％,对小目标样本的检测精度提升了约2.8％.该算法不会引入额外的计算开销,且模型收敛快速,有助于高效进行训练.

    目标检测样本均衡数据增强反馈驱动多尺度

      原文链接:
    • 万方数据
    • 维普

    基于动态图注意力的风电场组合预测模型

    廖雪超程轶群
    9-16页
    查看更多>>摘要：为了实现风电场用能管理的高效调度,充分提取多站点间时空特征的潜在联系,提出一种基于动态图卷积和图注意力的多站点短期风电功率时空组合预测模型.使用图卷积实现多站点间时序特征的邻居聚合,并使用图注意力机制加强其对空间特征的提取能力.同时,针对传统模型无法处理图节点关联性实时变化的问题,先在图卷积过程中依据站点间的相关系数和距离动态构建邻接矩阵,再使用门控循环单元处理动态图卷积输出的上下文信息,最后完成风电功率预测.实验结果表明,所提出的组合模型在预测精度、稳定性和多步预测性能方面均最优.

    短期风电预测动态相关性图卷积神经网络注意力机制门控循环单元

      原文链接:
    • 万方数据
    • 维普

    "互联网+"环境下融合多特征的弹幕数据情绪监测模型构建

    刘家威郑军红何利力
    17-24页
    查看更多>>摘要：针对企业营销活动中未充分考虑客户情感特征,导致营销效果达不到预期的问题,提出一种融合多特征的ALBERT-SA-BIGRU模型.首先,基于企业营销活动弹幕数据构建表情符号词典及相关语料库.其次,将弹幕文本与弹幕属性共同输入ALBERT模型中提取弹幕文本的特征表示,并与GloVe预先训练好的表情符号特征融合.再次,利用自注意机制捕捉表情符号与弹幕文本、弹幕属性之间的关系,将捕获的词语特征输入BiGRU中从前向、后向捕获信息,加强语义依赖,提取情感特征.最后,用Softmax逻辑回归进行情感倾向性分类,构建情绪监测图.以某互联网营销平台163 253条弹幕数据对模型进行性能验证的结果表明,模型准确率、精确率、召回率分别为88.8％、88.7％、88.9％,相较于其他模型均有一定提升,可为企业在营销活动中实现用户情绪监测智能化精准营销提供支持.

    多特征ALBERT模型GloVe模型自注意机制BIGRU模型情绪监测

      原文链接:
    • 万方数据

    基于偏置交叉注意力的点云配准算法

    李新董璐语宋刘广孙钰琦...
    25-31页
    查看更多>>摘要：点云配准对机器视觉、人工智能等领域的发展起到了重要作用.针对传统点云配准算法与现有深度学习点云配准算法精度低和鲁棒性差的问题,提出一种基于偏置交叉注意力的点云配准网络模型O CADGCNN.该模型在动态图卷积神经网络(DGCNN)中插入偏置注意力模块用于提取全局特征向量,充分利用点云的局部结构信息和空间语义信息以减少信息损失;在特征提取中加入残差连接以提高网络性能;使用交互注意力模块实现全局特征之间的信息交换,以增强相关信息,抑制非重叠区域信息的干扰.实验结果显示,OCADGCNN模型在无噪和少量噪声的ModleNet40数据集中配准效果均优于ICP、PointNetLK、PCRNet、OMNet和DOPNet等配准方法,配准精度较高.在未知类别的实验中,OCADGCNN模型泛化能力较高,通用性良好,在点云完整度降低的情况下能够较好地处理低重叠度点云.

    点云配准深度学习注意力机制动态图卷积特征交互

      原文链接:
    • 万方数据
    • 维普

    基于分裂注意力机制的DNA转录因子结合位点预测

    姜博文冯子健黄伟鸿
    32-39页
    查看更多>>摘要：准确识别DNA序列中的转录因子结合位点对于基因表达解析和药物设计等具有重要意义.基于深度学习的各种预测方法已被应用于转录因子结合位点任务中,但预测性能尚有提升空间.为此,提出一种新的深度学习方法ResNest-TFBS,用于预测690个ChIP-seq数据集上的转录因子结合位点.该方法首先在序列One-hot编码的基础上通过引入DNA的分子动力学特征与静电势能特征提取DNA的空间结构特性;其次利用分裂注意力机制与残差结构组成ResNest模型进行训练,从而将通道注意力机制应用于不同通道分支,以捕获其在全局数据集上学习到的特征间交互与多通道表示;最后将上述先验知识迁移至690个ChIP-seq数据集上,并进行广泛测试.实验结果表明,ResNest-TFBS性能优异,平均AUC为0.929.此外,通过SHAP工具验证不同特征在该任务中的贡献程度,证实所引入的特征为转录因子结合位点预测提供了更具价值的生物学线索.

    DNA转录因子结合位点深度学习迁移学习分裂注意力机制

      原文链接:
    • 万方数据
    • 维普

    UML类图的一致性分析

    谢嘉成蒋建民陈华豪唐国富...
    40-47页
    查看更多>>摘要：在面向对象开发过程中,UML类图作为表达系统静态结构的最主要方式,蕴含着大量结构信息,使得软件开发阶段各种层次类图之间的一致性难以得到保证.为保证UML类图的一致性,通常将形式化方法与UML类图结合起来对类图精化过程进行分析验证.然而在形式化过程中往往存在UML类图模型信息丢失或增加的问题.引入形式化模型统一结构不会丢失或增加信息,为此首先将UML类图描述为统一结构,给出精化函数的定义;其次给出验证精化函数有效性的算法;最后在开发的原型工具上进行实例验证.对精化过程的验证实验结果表明,该方法可以帮助设计人员及时发现并处理类图中存在的不一致现象.

    UML类图一致性精化形式化

      原文链接:
    • 万方数据
    • 维普

    电动汽车PMSM控制系统抗积分饱和滑模控制器

    胡家威郭亮周宇
    48-54页
    查看更多>>摘要：针对电动汽车电机PI控制系统易因系统内部饱和限制而产生积分饱和现象,从而引发超调和振荡问题,提出一种参数自适应抗饱和滑模控制策略.采用基于幂次-指数混合趋近律的平滑非奇异终端滑模控制器代替传统滑模控制,降低稳态误差,加快响应速度.设计参数自适应抗饱和积分器通过限幅前后误差计算和速度环补偿,减小永磁同步电机物理受限系统饱和效应对系统超调的影响.为保证新控制系统的稳定性,利用Lyapunov理论进行了稳定性证明.仿真和实验结果表明,该策略在电机速度控制中能够有效改善系统超调,同时削弱滑模控制存在的抖振问题.

    电动汽车永磁同步电机非奇异终端滑模控制抗积分饱和器LyapunovDSP

      原文链接:
    • 万方数据
    • 维普

    基于G_NSGA-Ⅱ算法的RFID网络规划

    张馨予张颖超薛伟莲
    55-65页
    查看更多>>摘要：针对RFID网络中阅读器冲突问题,在NSGA-Ⅱ算法的基础上提出G_NSGA-Ⅱ算法.对RFID网络规划问题进行数学建模,引入全局存档机制存储精英解,保留性能最佳个体;采用精英保留策略的锦标赛选择方法,确保选择出的个体具有较优秀的性能;同时,引入高斯变异算子,以增加种群多样性,从而避免算法陷入局部最优解.仿真结果表明,G_NSGA-Ⅱ算法所产生的解集质量较好,相较于NSGA-Ⅱ、AW_GA和MOEA/D等3种算法,其在解集的分布性和收敛性上具备明显优势,在解决RFID问题上具备有效性和可行性.

    RFID网络规划NSGA-Ⅱ算法G_NSGA-Ⅱ算法阅读器碰撞

      原文链接:
    • 万方数据
    • 维普

    基于改进节点收缩法的复杂网络节点重要性评估

    蔡晓楠郑中团
    66-73页
    查看更多>>摘要：识别网络中的重要节点对研究网络的拓扑结构及功能特性具有重要的实际应用价值.为了更好地挖掘复杂网络中的重要节点,考虑到节点核心位置和网络拓扑结构变化对节点重要性评估的影响,基于节点收缩法提出两类改进的复杂网络重要节点评估方法,并进行仿真实验与比较分析.一方面,k-shell值对节点位置可进行粗粒化评估,将节点的k-shell值与网络中所有k-shell值之和的比作为节点收缩法得到的节点重要度(IMC)系数,提出基于新的节点重要度K-IMC的改进算法;另一方面,利用网络结构熵刻画网络拓扑结构的变化,结合收缩前后网络标准结构熵的变化,提出基于又一新的节点重要度E-IMC的改进算法.在此基础上,对两类改进的重要节点评估算法进行仿真实验,运用SIR模型和鲁棒性测试对算法性能进行评价与分析.实验结果表明,相较于原始节点收缩法,K-IMC算法和E-IMC算法的重要节点排序结果均表现出更高的准确性.其中,E-IMC算法相较K-IMC算法的准确性更高,K-IMC算法相较E-IMC算法的运算效率更高.

    复杂网络节点收缩法k-shell标准结构熵

      原文链接:
    • 万方数据
    • 维普

    求旅行商问题的幂律变换优化蚁群算法

    唐存花汤可宗
    74-83页
    查看更多>>摘要：为解决旅行商问题,依据蚁群系统在蚁群算法中的优化,提出一种基于幂律变换的优化蚁群算法.首先,利用幂律变换优化蚁群算法以改善信息素局部更新公式;然后,在状态转移中使用幂律变换种群走过每条路径的次数,并通过归一化处理来分析信息素局部更新所造成的影响,以加快模型收敛速度;最后,随机加入莱维飞行对全局信息素进行扰乱,防止模型过早陷入局部最优.经过TSPLAB数据库提供的大量实例验证,幂律变换优化蚁群算法在保持较快收敛速度的基础上,能有效避免模型过早陷入局部最优.

    旅行商问题蚁群算法幂律变换莱维飞行

      原文链接:
    • 万方数据
    • 维普