首页期刊导航|信息技术与信息化
期刊信息/Journal information
信息技术与信息化
信息技术与信息化

廉凯

双月刊

1672-9528

sditi@163.com

0531-86133211

250101

山东省济南市山大路224号

信息技术与信息化/Journal Information Technology & Informatization
查看更多>>本刊从信息技术的研究、应用角度展现IT行业与科技发展与进步,是全国高校、科研院所、企业发表信息科学研究、技术应用成果的园地。杂志内容以科技论文为主,并设有评论与综述、信息化论坛、网络通讯、信息处理与模式识别、研究与探索、方案与应用等栏目。整个杂志分三个层次,第一个层次是评论与综述,由政府职能部门和专家对技术、产业的发展趋势,所做的前瞻性的论述和规划;第二个层次是电子信息科技论文,主要刊登高校研究生、科研院所的论文和理论研究成果;第三个层次是企业及各行业中IT技术的应用案例。
正式出版
收录年代

    基于卷积核逼近的图像选择性分割算法

    徐思敏韦晟涛左沐雨方可雨...
    35-39页
    查看更多>>摘要:选择性分割是指按照某种方式对图像中感兴趣的单个特定目标的局部分割.活动轮廓模型已被广泛应用于图像选择性分割,且利用水平集函数隐式表示轮廓进行演化是当前主流的求解算法之一.但是水平集方法存在高计算负担和数值不稳定性的问题,需要额外技术来解决这一缺陷.利用卷积核逼近思想,用热核卷积特征函数来近似周长,提出了一个新的图像选择性分割模型,并设计了基于交替极小化和迭代卷积阈值法(ICTM)的模型求解算法,同时给出相关理论证明算法的收敛性.还对MR图像、CT图像、真实图像进行大量的数值实验,并与BC、SC、RCI模型的算法进行对比,实验结果验证该算法不仅能够达到预期的分割结果,并且在收敛速度上有明显的提升.

    选择性分割卷积核逼近特征函数迭代卷积阈值法交替极小化

    高性能并行计算中节点负载均衡分配算法

    田彦明侯永生高超
    40-43页
    查看更多>>摘要:由于计算节点的处理能力、网络延迟、数据分布不均等因素,各节点的负载往往存在差异,这种负载不均衡不仅会导致系统资源的浪费,还可能引发某些节点过载,从而影响整个系统的性能和稳定性.因此,现提出高性能并行计算中节点负载均衡分配算法.首先,构建节点负载模型,反映系统资源的分配与利用情况,以达成更高效的负载平衡目标;其次,规划高性能并行计算熵,追求最大化熵增,实现最小化所有任务的总体执行时间,进而实现节点负载的均衡分配.实验结果表明:高性能并行计算中节点负载均衡分配算法能够在固定测试时间内最大程度上对节点负载进行均衡分配,而另外两种方法的分配数量较少,因此可以证明所提方法的有效性.

    均衡分配并行计算负载均衡节点高性能

    物联网采集缺失信息下的高精度虚拟重构算法

    朱婉晋
    44-48页
    查看更多>>摘要:传统方法在处理物联网设备采集的数据时,往往难以应对数据缺失的问题.高精度虚拟重构算法能够通过分析现有数据的模式和关联性,填补缺失的信息,从而提高数据集的完整性.为此,文章提出了一种针对物联网采集缺失信息的高精度虚拟重构算法.利用MapReduce框架进行数据的并行化预处理,包括数据清洗和异常值剔除,以提升数据采集的整体质量,并有效提取物联网中的缺失信息特征.设计了缺失信息特征识别器,此识别器利用模板匹配和相似度,度量精准识别数据集中的缺失部分.在构建虚拟重构模型时,考虑节点互联能力阈值、链路传输功率总和限制等多重约束条件,通过历史数据训练模型以学习适应不同数据缺失情况.提出了重构排序函数,针对不同物理链路条件采取灵活恢复策略,动态调整重构路径,以确保系统的稳定运行和高效数据传输.依据资源条件灵活选择迁移或分割策略,确保在带宽资源充足时优先完整迁移,资源紧张时则采用动态路径分割,以最优方式恢复物联网数据的完整性与连续性.实验结果表明,设计算法在五个数据集上的请求接受率均高于文献[1]和文献[2]中的算法,特别是在DS3数据集上,其请求接受率高达93.2%,显著优于其他两种算法,这充分证明了文章的设计算法在复杂物联网环境下具有的高精度重构能力.

    物联网采集缺失信息虚拟网络链路高精度虚拟重构算法

    基于重叠度的聚类数目判断指标

    张娟李娜
    49-52页
    查看更多>>摘要:如今对于聚类问题,很多技术与模型都倾向于人为给定聚类数目.而现有的内部聚类判断指标更多考虑的是类内信息,忽略了类间信息,这导致指标的效果不理想,因此如何利用类间信息选择适当数量的聚类是聚类分析领域中广泛研究的问题.而基于重叠度聚类数目预测算法可以很好地解决这个问题.具体来说,首先使用基于改进过后高斯混合聚类算法对未标记的数据集进行预聚类;接着计算聚类类间的重叠,对重叠度的判断以确定和选择聚类的数量.其指标优势在于算法最大限度地减少了超参数的影响,并能够准确确定正确的聚类数.除此之外,所提出的指标还可以当作评判聚类结果的一种通用指标.经过大量实验表明,效果相对于同类型的方法有明显的提升.

    深度学习深度聚类聚类数目

    基于ICOA优化XGBoost的光伏阵列故障诊断方法

    董建业李红月
    52-55页
    查看更多>>摘要:基于XGBoost模型是识别光伏阵列故障类型的一项重要技术,由于XGBoost参数初始化设定的主观性和随机性,导致模型在训练和学习时准确度低.针对传统XGBoost算法的不足,文章提出了一种优化长鼻浣熊算法(ICOA)优化XGBoost初始参数的故障诊断方法.采用Logistic-Tent混沌映射、自适应权重因子、Levy飞行和透镜成像学习策略来优化长鼻浣熊算法(COA),降低了算法易陷入局部极值点的可能性.利用ICOA算法对XGBoost分类算法进行优化,构建ICOA-XGBoost光伏阵列故障诊断模型,并与其他优化算法模型进行实例对比分析,验证了改进后的算法在识别光伏阵列故障类别上的有效性和实用性.

    光伏阵列故障诊断改进长鼻浣熊算法XGBoost算法

    基于注意力机制和多特征融合的裂缝检测算法

    董晓宇肖佳彤马凤颖赵琳...
    56-60页
    查看更多>>摘要:针对背景噪声较大的路面裂缝检测精度不高的问题,文章中提出一种基于注意力机制和多特征融合的路面裂缝检测算法.基于改进的ResNet网络,在编码阶段,使用嵌入双重注意力机制的多尺度扩张残差网络加强对裂缝像素的重点关注,提高模型的特征提取能力;在解码阶段,采用基于空间注意力机制的特征金字塔模块融合多层次和多尺度特征,提高裂缝检测的准确性.在DeepCrack、CRKWH100和CrackTree260数据集上所提算法表现出优越性能,F1-score值达到了 84.44%.

    裂缝检测注意力机制扩张卷积多尺度特征融合残差网络

    基于SOAR架构的A-STAR寻路算法研究

    丁凡魏畅王小鹏
    61-64页
    查看更多>>摘要:寻路算法是自动寻路过程中的重要因素,诸如寻路规则、避障过程、三维空间坐标转换方式等多种因素都会对算法性能产生影响.文章通过对三维空间寻路算法的研究,提出了一种基于SOAR智能架构的A-STAR算法,通过将智能架构与寻路算法结合,改善了自动寻路和避障的过程.通过仿真对比试验,表明该算法对于寻路结果有较好的提升.

    SOARA-STAR寻路算法智能架构三维坐标转换

    情感先验的基层医疗服务评价风险挖掘方法

    李至立付竹霓刘兴惠
    65-69页
    查看更多>>摘要:基层医疗机构的舆情评价信息能够反映出医疗机构的服务质量,为挖掘出影响基层医疗机构服务质量的风险主题因素,文章提出一种情感先验的基层医疗服务评价风险挖掘方法.首先,利用微调的预训练BERT模型对评价文本进行特征提取,得到评价文本情感特征集;然后,利用支持向量机对样本进行情感分类,包括积极、中性和消极,将情感分类结果作为情感先验知识,得到包含中性和消极情感样本的情感先验语料库;最后,引入肘部法则进行自适应主题数量选定,利用隐含狄利克雷分布进行主题建模,最终得到风险主题.文章爬取大量基层医疗机构评价信息作为实验数据,大量实验结果表明,所提方法能够有效地挖掘出评价信息中的风险主题.

    基层医疗服务质量评价LDA主题挖掘文本情感识别

    基于龙芯2K2000处理器的SATA驱动设计与实现

    刘飞洋郭锋李若玮
    70-73页
    查看更多>>摘要:针对目前国产嵌入式龙芯系列芯片的设备接口驱动适配工作需要完善的现状,文章选取了 SATA盘设备进行研究.为实现在龙芯系列处理器上适配SATA驱动和使用大容量外部存储设备的功能,通过分析龙芯2K2000处理器上SATA设备的工作原理,根据SATA接口采用的AHCI技术协议,提出了一种可以适配LoongArch架构和MIPS64架构的SATA驱动模型,在嵌入式操作系统上设计并实现了完整的SATA驱动程序.经过不同场景下的功能和可靠性测试,验证SATA驱动的读写一致性和读写速率等基本功能,测试结果显示所提出的SATA驱动程序满足龙芯系列2K20000处理器的基本功能需求,可以应用在嵌入式操作系统程序中.

    龙芯2K2000SATA驱动龙芯LoongArch架构嵌入式操作系统AHCIHBA性能测试

    面向计算机网络监控的图像处理与识别算法研究

    郝春云
    74-77页
    查看更多>>摘要:为实现公共场域下网络监控运动目标的跟踪识别,通常利用网络摄像机、红外传感器等装备采集不同时间点的帧图像.而后基于改进SSD、CNN或DAN深度学习算法模型,利用候选框框选待测图像目标像素、扩展卡尔曼滤波或图聚类法滤除干扰噪声,但以上卷积神经网络模型的目标跟踪监测,容易出现图像帧或像素特征提取的重复问题.基于此,选用Faster-RCNN(faster region convolutional neural network)深度学习算法模型,设置涵盖卷积层、池化层、全连接层的图像处理层级,基于HOG(histogram of oriented gradient)方向梯度直方图将红外传感器监测到目标图像转化为灰度图、提取监测物体的整体特征,而后基于Faster-RCNN深度学习算法作出图像动态目标的锚框特征谱输出、数据集学习分析,得到公共空间的物体运动位置,提高计算机网络监控的图像处理与识别准确率.

    网络监控图像处理深度学习算法