首页期刊导航|计算机技术与发展
期刊信息/Journal information
计算机技术与发展
陕西省计算机学会
计算机技术与发展

陕西省计算机学会

王守智

月刊

1673-629X

ctad@vip.163.com

029-85522163

710054

西安市雁塔路南段99号

计算机技术与发展/Journal Computer Technology and DevelopmentCSTPCD
查看更多>>《计算机技术与发展》期刊,原名《微机发展》,中国计算机学会会刊,中国科技核心期刊、中国科技论文统计源期刊。中国学术期刊综合评价数据库统计源期刊,中国核心期刊数据库收录期刊,中国期刊全文数据库收录期刊,万方数据资源系统数字化期刊群上网期刊,中国学术期刊(光盘版)全文收录期刊。中国计算机学会和陕西省计算机学会共同主办。刊名为著名科学家胡启恒院士亲笔所提,中国计算机学会名誉理事长张效祥院士写了创刊词。1991年创刊,国内统一刊号CN61-1450/TP,国际刊号:ISSN 1673-629X。该刊为综合性学术技术刊物、月刊。该刊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38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80%,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。 该刊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。 刊载内容涉及国内外计算机科学的发展方向、技术和创新的最新成就、软件工程的最新成果、应用开发的成功经验等,在学术界有较好的影响。为我国计算机的创新、设计、开发、应用创造了一个宽舒和谐的学术交流的氛围,提供了一个良好的学术、技术展示的平台,成为我国计算机和嵌入式系统领域最具有代表性的前沿性的刊物之一。该刊的编委是来自北京大学、清华大学、南京大学、复旦大学等九所知名大学和七所重要研究所,以及美国、加拿大的外籍专家共22位著名教授或研究员组成。以沈绪榜院士为首的编委会顾问组把握着期刊的大方向.
正式出版
收录年代

    保护隐私的集合相似性度量协同计算协议

    逯绍锋胡玉龙逯跃锋
    137-143页
    查看更多>>摘要:集合相似性度量是机器学习领域的基本问题之一,研究如何在保护数据隐私的前提下计算两个集合间的相似性问题,在保护数据隐私的机器学习、图形识别、生物信息学等方面有着重要的理论意义与应用价值.在机器学习中估算不同样本集合之间的相似性时,通常通过计算集合相似度来对样本之间的相似程度进行估算,这一类集合之间的相似度统称为集合距离.其中,最常用到的集合距离就是杰卡德距离.文中从集合间杰卡德距离入手,首先通过设计一种新的编码方法,对参与计算的数据进行位置数字编码,将相似性度量问题转化为求两集合间相同数字个数问题,进而结合异或思想,借助同态加密体制具体设计了可以保护隐私的集合杰卡德距离协同计算协议,从而解决了集合间相似性度量的隐私保护问题.模拟器证明该协议是安全的,结果分析表明协议可以高效安全地判定出两对象间集合数据的相似性,在保护隐私的集合相似性度量方面,该方法具备一定的普适性.

    隐私保护安全多方计算杰卡德距离集合相似性度量机器学习

    基于BiGRU-SVM的网络入侵检测模型

    张凡高仲合牛琨
    144-149页
    查看更多>>摘要:随着计算机网络的广泛应用,网络安全问题受到了前所未有的关注.入侵检测技术是一种主动性安全防护技术,是网络安全管理的重要手段之一.鉴于神经网络在计算机视觉、自然语言处理等领域取得的显著成就,针对网络入侵行为具有的不确定性、复杂性、多样性和动态性等特点,提出了一种将门控循环单元(GRU)应用于入侵检测的模型.该模型在传统门控循环单元基础上进行改进,采用双向门控循环单元(BiGRU)对数据进行正向和逆向学习,然后对学习结果进行线性组合,最后引入支持向量机作为分类器.采用京都大学蜜罐系统的2013年网络流量数据集进行实验测试,在数据集上实现了网络入侵检测的二分类问题.实验结果表明,基于支持向量机的双向门控循环单元(BiGRU-SVM)入侵检测模型误报率降低了5.15百分点,准确率提高了14.61百分点.表明BiGRU-SVM是一种可行且高效的方法,为网络入侵检测领域提供了一种新思路.

    网络入侵检测时间序列双向门控循环单元神经网络支持向量机

    位置感知注意力及其在行人重识别中的应用

    陈江萍张索非宋越吴晓富...
    150-156页
    查看更多>>摘要:行人重识别领域的众多工作都表明,采用多分支神经网络搭配注意力模块是一种实现高性能特征嵌入的有效方式.传统方案主要关注于多分支网络结构的设计,而在注意力机制的设计上存在明显不足,如当前注意力机制缺乏对特征位置信息的有效挖掘和利用.为此,该文在多尺度特征金字塔分支(Feature Pyramid Branch,FPB)网络的框架下,分析了不同注意力模块的引入对系统性能的影响;在此基础上,讨论了两种在注意力机制中融入位置信息的方法,提出了一种新的位置感知注意力模块,该模块具有即插即用的优点,便于融入各种主干网络.在多个流行行人重识别标准数据集上的实验表明,融入位置感知注意力模块的FPB网络相比于原FPB网络,仅需增加0.29 M参数就可以显著提升最终的模型识别准确率:rank-1在Market1501上提高0.7百分点,在DukeMTMC上提高1.5百分点,在CUHK03-Labeled上提高2.4百分点,在CUHK03-Detected上提高3.8百分点.

    位置编码非局部注意力模块位置感知注意力模块特征金字塔分支行人重识别

    结合注意力机制的雷达多信号动作识别方法

    高鹏张岩唐新余王蒙...
    157-164页
    查看更多>>摘要:雷达动作特征谱图对走、摔等较为宽幅的人体动作表征效果差,单一特征和不匹配特征数据结构的分类方法会降低动作识别的性能.针对以上问题,提出一种结合注意力机制的雷达多信号特征动作识别方法.首先,使用配置时分复用模式的多输入多输出毫米波雷达采集动作回波,将回波处理成短时能量、频率质心、相位变化(水平、俯仰)四维时序信号特征;然后,根据信号特征数据结构设计了多信号序列融合分类网络,该网络由1DCNN对信号抽取高维特征,再将特征送入GRU以充分提取时序规律,并引入Attention机制对重要特征映射加权赋予GRU隐含状态不同的权重,最终通过SoftMax层完成动作分类;最后,在实际采集的雷达多信号数据集上进行实验,结果表明,多信号序列特征可以充分表征人体动作,所设计的网络收敛速度快,对8种不同的动作分类,平均正确率达到了98.5%.

    人体动作识别毫米波雷达多信号特征卷积神经网络注意力机制

    基于呼叫详情记录的社会角色推测可视分析

    蔡梦杰李学俊王桂娟周锐...
    165-172页
    查看更多>>摘要:城市居民的社会角色感知对城市规划策略制定与城市安全方案设计具有重要的辅助价值,对于后疫情时代疫情的防控具有重要价值.知晓患者用户的角色,可以对用户的接触人群进行更好地分析,做好疫情防控.该文提出了一种结合基站语义和用户时空状态序列的交互式用户社会角色可视分析框架.首先,基于序列数据建模方法,提出了考虑序列顺序的基站嵌入模型Pos-Cell2Vec对基站语义信息进行识别;然后,提出一个基于轨迹序列嵌入的用户聚类方法,获得用户聚类结果,进而采用高维可视化方法对基站以及用户的聚类结果进行可视化;最后,基于多视图协同可视分析技术,设计并实现了基于海量通话数据的用户社会角色推测可视分析系统.结合现实数据案例分析结果发现,分析者能够通过该系统结合用户状态序列、用户的通话特征、移动特征以及基站信息,对用户的社会角色进行推测,目前可以通过系统和模型推测出司机、学生以及推销人员等角色.

    呼叫详情记录社会角色轨迹嵌入群体行为模式用户聚类可视化分析

    基于A3C的有序充电算法

    张文龙张洁
    173-177,199页
    查看更多>>摘要:由于电动汽车的日益普及,其充电问题已成为电力系统的新的用电挑战.实际生活中,充电站一般都被认为是电动汽车有序充电行为的调度主体.为解决传统模型驱动的充电算法无法应用于电动汽车随机进站的问题,提出将数据驱动的无模型深度强化学习算法A3C(Asynchronous Advantage Actor-critic,异步演员评论家算法)应用于有序充电.该算法利用特征函数来近似模型所需要的价值函数和策略函数,解决因随机进站而引起的空间维度变化的问题.通过需求响应机制关联充电费用和需求,实现两者的动态调度.为避免因为经验回放而导致的数据相关性过强,利用多线程实现模型与多个环境进行互动,提高了模型的收敛性.最后以某地区充电站实测数据为例进行仿真分析.结果表明,该算法在只基于历史充电数据的情况下能优化充电行为,较大程度地抑制充电负荷方差,实现削峰填谷,同时在满足用户需求的基础上提高充电站收益.

    有序充电数据驱动强化学习深度学习A3C

    一种用于心电图分类的改进神经网络算法

    尘昌华乔风娟李彬
    178-186页
    查看更多>>摘要:心血管疾病的死亡率在所有疾病中居于首位,心电图能够反映人体的电信号活动情况,它已成为医生用来诊断心血管疾病的重要依据.随着计算机辅助ECG诊断技术的快速发展,深度学习方法已能够实现ECG信号的特征提取和分类.为了较好地提高ECG信号的分类识别率和处理效率,该文提出了一种新的心电图分类方法.首先,对原始数据进行去噪,提出了基于经验小波变换(EWT)的提升小波阈值去噪方法.然后,重构经过提升小波阈值去噪技术处理过的模态分量.在训练过程中,设计了基于局部感受野的极限学习机(ELM-LRF)和双向长短时记忆网络(BLSTM)结合的神经网络算法,并利用注意力机制优化该算法,提出了LRF-BLSTM-Attention模型.最后,在CCDD和MIT-BIH数据集上对提出算法的性能进行验证,准确率分别达到86.12%和99.87%,证明了该算法在临床心血管疾病智能诊断中的实用性.与其他模型相比,该模型的收敛速度更快,收敛的损失值更小.

    极限学习机局部感受野双向长短时记忆网络注意力机制心电图

    基于多重卷积神经网络模型的命名实体识别

    赵建强朱万彤陈诚
    187-192页
    查看更多>>摘要:针对命名实体识别任务,该文以可通过参数调节感受野范围的IDCNN为基础,提出了BERT-Duplex CNN-Self Attention-CRF模型,在不引入其他辅助特征的条件下,采用BERT预训练模型来提供具有丰富语义信息的字嵌入,将字嵌入分别输入IDCNN和CNN中进行特征提取.IDCNN在提取长距离语义信息的前提下可以充分利用GPU的并行能力,CNN在不损失并行能力的前提下可以弥补IDCNN对于局部上下文信息的缺失,将提取到的特征融合,通过引入自注意力机制在众多特征中选取对命名实体识别更有效的特征,最后通过CRF层提升实体标签预测的准确性.为验证模型的有效性,该文在常用的MSRA数据集以及Resume数据集上进行实验,实验结果表明:该模型在MSRA、Resume数据集上,结果超越了Lattice LSTM、BERT-Tagger、LR-CNN、PLET等几个目前较优模型,相对于结果最好的PLET模型,该模型的F1值分别提高了1.28百分点、0.15百分点.

    命名实体识别BERT卷积神经网络膨胀卷积自注意力机制

    基于自纠错伪标签的无监督域自适应

    林磊孙涵
    193-199页
    查看更多>>摘要:当前不少域自适应方法采用为目标域生成伪标签的思想,但是由于源域数据的不充足以及源域和目标域之间的域差异,模型生成的伪标签往往含有大量错误信息,这些噪声会导致模型出现很严重的负迁移现象.针对伪标签可能带有噪声的情况,一个具有自纠错能力的双网络伪标签模型被提出,该模型拥有一个学生网络和一个教师网络.教师网络利用源域标注数据进行数据降维和子空间变换为目标域无标注数据生成伪标签,该伪标签基于源域类别信息与目标域结构信息.学生网络利用伪标签进行学习,并且将学习结果反馈给教师网络,教师网络根据反馈更新伪标签.通过这种循环自纠错的过程,目标域的伪标签会更加贴合目标域的真实空间,最终达到迁移的效果.所提方法在多个数据集下表现优异,实验结果证明了其有效性.

    域自适应伪标签学生教师模型数据降维子空间变换

    一种基于视觉分析的指针式仪表智能抄读方法

    戴威陆小锋钟宝燕赵梓辰...
    200-205页
    查看更多>>摘要:在电气室设备指针式仪表抄读中,人工抄读易出现漏检、误检和检测不规范以及其他安全问题,故研究高精度的指针式仪表抄读方法来替代传统抄读方法具有重要意义.针对人工抄读和现有指针式仪表检测识别算法出现的诸如误差大、检测流程繁琐等各种问题,设计了一种基于视觉分析的指针式仪表智能抄读方法.该方法通过YOLOv3的特征提取网络对仪表图像进行表盘提取和刻度数字关键点检测,由于提取后的图像可能是通过包含仰视、平视和俯视三种采集姿态在内的不同环境条件拍摄得到的,所以图像会出现一定程度的畸变.为了减少识别误差,还需要进行基于透视变换的倾斜畸变矫正处理,再通过基于霍夫变换概率直线检测和极坐标变换的距离法进行示数判读.多次实验结果表明,该方法在指针式仪表识别的平均准确度达到97.48%,帧速率达到4 fps,并且该方法仍然具有良好的鲁棒性,能够满足实际工程需求.

    指针式仪表抄读YOLOv3深度学习畸变矫正霍夫变换距离法