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

    面向急性缺血性脑卒中CT到MRI的图像生成

    冯二燕秦品乐柴锐曾建朝...
    135-142页
    查看更多>>摘要：急性缺血性脑卒中病灶很容易在磁共振成像(MRI)上表现为高信号区域.相较于MRI,计算机断层扫描(CT)成像速度快、价格低,不易受金属植入物干扰,但CT对缺血性脑卒中病灶不敏感,通常在CT上难以确定病灶的位置,且CT包含的信息量比MRI少.考虑到速度与可用性的提升以及成本的降低,为了以CT生成的MRI代替真实的MRI对急性缺血性脑卒中进行诊断,提出一种CT到MRI的跨模态图像生成算法.首先,利用影像组学在CT上确定病灶区域并提取影像组学特征,筛选出信息增益最大的特征并可视化,然后将该特征图与CT一同作为生成对抗网络的输入.生成对抗网络在pix2pix生成器中引入残差块,鉴别器采用PatchGAN.最后在损失函数中引入病灶特征相似性损失函数,更加关注病灶区域的相似性.经两名放射科医生的主观判断与评估指标的客观分析,结果表明,该算法生成的MRI与真实MRI相似性极高,且病灶位置正确,形状相似,可为医生的诊疗提供帮助.

    医学图像生成影像组学生成对抗网络计算机断层扫描(CT)磁共振成像(MRI)跨模态图像生成

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

    基于Scratch作品相似度的检测研究

    张锦胡子达陆玟冰杨定康...
    143-149页
    查看更多>>摘要：Scratch作为图形化编程中的热门课程吸引了广大中小学生,而对于学生所做的作品与标准作品之间差异性的评定通常是靠教师通过人工对比检查,对于教师不仅工作量大且耗费巨大精力,因此对于Scratch作品相似性的识别就可以辅助教师快速检测学生作品,从而提高教学效率.针对该问题,提出Siamese-BERT模型对两个Scratch作品之间的相似度进行检测.首先,对Scratch源文件进行解析提取原始积木块序列,根据积木块逻辑特征提出一种积木块重构算法,将原始积木块序列排序成Token序列,将Token序列作为CBOW(Continuous Bag of Words)模型的输入文本进行预训练,从而得到Scratch的词向量模型;再使用Siamese神经网络框架结合BERT(Bidirectional Encoder Representation from Transformers)模型组合训练,最终输入到余弦相似度函数进行相似度计算.数据集来自于长沙市Scratch培训机构的培训作品和学生的练习作品,在该数据集上,Siamese-BERT模型准确度能达到 0.82,对比其它的文本相似度模型,Siamese-BERT模型在Scratch作品相似度检测上更加准确.

    Scratch图形化编程Siamese-BERT模型连续词袋模型Siamese神经网络BERT模型余弦相似度

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

    一种基于变分推断的可评判推荐算法

    吴杰姜宜鑫韩国敬马驰...
    150-156页
    查看更多>>摘要：随着互联网时代的不断发展,互联网上的信息量不断增多,"信息过载"等相关问题愈发严重,从而导致用户很难快速地获取到有用的信息,因此推荐系统应运而生.推荐系统可以预测用户的需求并推荐给用户其最可能喜欢的内容,来缓解人们从海量信息中做出选择的烦恼.推荐算法是推荐系统的核心,它完全可以决定一个推荐系统的性能.推荐准确度及可解释性是推荐算法目前面临的两大难题.可评判推荐算法是对话推荐算法的一种,在预测出项目的同时,也及时给出推荐项目的理由,并且为用户提供一个重新推荐的机会,用户通过对解释项进行评判来使推荐系统重新预测出商品,可有效解决上述两个问题.该文首先基于变分推断与神经协同过滤相结合的思想,对算法和模型进行了形式化的定义和理论推导,并且从概率的角度出发使用贝叶斯神经网络实现了该模型.通过与其他可评判推荐算法进行实验对比,证实了该模型的许多推荐指标已经达到了目前最先进的水平.

    推荐算法变分推断神经协同过滤可评判可解释性

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

    基于动态图卷积的混合注意力点云特征学习网络

    陈奔谢晓尧刘嵩
    157-162页
    查看更多>>摘要：当前针对点云模型的形状分类、部件分割等工作的深度学习网络缺乏从全局和局部两个角度综合利用上下文信息的能力,从而阻碍了点云对象在细节部分的准确度性能.因此,该文提出了一种通道注意力与局部区域注意力相结合的混合注意力机制,并基于动态图卷积构建了新的三维点云特征学习网络EDANet.通过通道注意力优化边卷积的处理过程,充分挖掘点云的局部特征信息,同时使用局部区域注意力从全局视角提取上下文特征,并将两部分信息相结合并逐层传递,从而提高特征提取效果网络的能力.在ModelNet40 与ShareNet数据集上分别进行了点云形状分类、部件分割实验,实验结果表明在ModelNet40 数据集上,EDANet网络的总体精度OA达到了 92.9%,相较于PointNet、PointNet++、DGCNN分别高出了3.7%、2.3%、0.7%.在ShareNet数据集上平均并交比(mIoU)达到了86%,相较于PointNet、PointNet+ +、DGCNN分别高出了2.3%、0.9%、0.8%.相比其他深度学习网络也具有不同程度的性能提高.验证了该方法在点云处理任务中的优越性能.

    点云分类点云分割动态图卷积自注意力深度学习特征提取

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

    基于注意力机制藏文乌金体古籍文字识别研究

    童攀龙炳鑫拥措
    163-168,208页
    查看更多>>摘要：藏文乌金体古籍文字识别是古籍文字识别领域的一个难题.针对藏文乌金体古籍中存在的文字粘连和背景复杂问题,提出一种基于注意力机制的藏文乌金体古籍文字识别方法.该方法主要包含两部分,编码器部分采用卷积神经网络(CNN)与双向长短期记忆(Bi-LSTM)获得图像文本的特征序列和序列标注,解码器部分使用注意力机制计算注意力权重并与循环神经网络(RNN)相结合得出识别结果.采用实验室的616 张藏文乌金体古籍作为实验数据集以及藏文字丁准确率作为实验评测指标.采用两种文字识别模型作为基线模型,从模型大小和识别率进行对比,文中识别模型在模型大小和识别效果上都优于其他两个模型,文中模型大小41.2 MB,相比基线模型中最小的优化了36 MB,字丁识别准确率90.55%,相比基线模型中最好的结果提高了7.94 百分点.表明所提出的基于注意力机制的藏文乌金体古籍识别模型,显著提高了藏文乌金体古籍中的粘连文字和背景复杂图像的识别效果.

    藏文古籍文字识别乌金体注意力机制字丁准确率

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

    基于结构重参数化技术的轻量化目标检测算法

    朱郝杨世恩陈春梅
    169-175页
    查看更多>>摘要：现有目标检测算法消耗大量算力资源、参数量大、占用内存空间多,不利于在小型设备上推广使用.因此,基于结构重参数化技术并结合YOLO系列算法的研究成果,提出了一种轻量化目标检测模型Rep-YOLO.使用结构重参数化技术实现模型在训练时的多分支结构和推理时的线性结构之间的转换,从而减少模型推理时对算力资源的消耗.另外,为了降低模型的参数量,利用深度可分离卷积、网络裁剪等方法,重新设计了多尺度特征融合网络和检测头.实验结果表明:在PASCAL VOC上,Rep-YOLO-s1 精度可达82.7%,Rep-YOLO-s1 与YOLOv6s相比,在参数量减少54.8%的情况下,精度提高了2.4 百分点,推理速度提升了 6%.在NVIDIA RTX 3060 GPU上,Rep-YOLO-s0 比YOLOv6s的推理速度快10%,Rep-YOLO-nano比YOLOv7-tiny快4%,精度提高了0.5 百分点.Rep-YOLO与规模类似的模型相比,体积更小,精度更高,更加利于资源有限的部署应用.

    目标检测结构重参数化MobileOneYOLO轻量化网络

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

    网络学习空间中学习画像的标签模型构建研究

    赵春李欣
    176-182页
    查看更多>>摘要：混合式学习是互联网时代的一种主要学习形式.学生在网络学习空间中的学习活动将会产生大量的学习过程和学习结果数据.挖掘这些数据的价值成为了教育信息化的热点问题.基于这些学习数据开展学生学习画像将有助于分析学生的学习行为和学习成效,为探索个性化教育提供充分的数据支撑.该文以学习画像中最典型的学习能力和学习行为偏好两个维度的分析刻画为例,根据学习数据的动态周期性特征,提出了一种调整的线性加权变异系数算法,消除了量纲与样本容量的影响,实现了学生学习能力稳定性标签模型;同时利用箱线图k百分位数方法,结合偏好随机变量概率分布理论,构建了学生行为偏好中最有代表性的学习任务响应习惯标签模型.通过对采集的样本数据和处理结果的对比分析表明,采用该方法构建的两种标签模型具有良好的刻画效果,准确地反映了学生的个体学习特征.

    学习画像学习能力学习行为响应习惯标签模型变异系数箱线图

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

    基于改进YOLOv5的铝型材瑕疵检测算法

    刘柱董琴杨国宇陈朝峰...
    183-188页
    查看更多>>摘要：基于铝型材表面瑕疵类别多样,对实时检测快速精准的需求,提出一种基于改进YOLOv5 的瑕疵检测算法.通过在原始骨干网络的基础上增加新检测层并使用K-means++算法改进锚框的生成方式,提升检测尺度,避免忽视低层语义信息.对铝型材瑕疵数据集离线增强,丰富样本容量;在Backbone网络结构中融入新的卷积结构和E-CBAM注意力机制,提高网络的特征提取能力的同时降低冗余计算,提升模型检测性能;采用EIoU Loss作为整个网络结构的损失函数来加快收敛效率,解决难易样本不平衡的问题.实验结果表明,在铝型材瑕疵数据集上将改进后YOLOv5 检测模型与原始YOLOv5 模型进行比较,平均精度mAP提升2.9 百分点,召回率Recall提升3.9 百分点,速度FPS达至45.8,将近年来的代表性算法YOLOv3、YOLOv4、SSD、Faster-rcnn与改进后的检测算法在铝型材瑕疵数据集上进行性能比较,通过综合对比检测精度、检测速度等重要参数证明改进后的YOLOv5 检测算法更好地兼顾了检测效率和检测精度.所提方法满足了铝型材工厂生产现场瑕疵检测要求.

    YOLOv5铝型材注意力机制瑕疵检测损失函数锚框

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

    基于Transformer模型的心音小波谱图识别

    蒿敬波阳广贤肖湘江陶阳...
    189-194页
    查看更多>>摘要：先天性心脏病(先心病)是严重威胁儿童健康的常见疾病,尽早进行先心病筛查对于该疾病的及时诊断和手术治疗十分重要,但这在医疗资源相对匮乏的偏远地区却难以实现.针对上述问题,为实现儿童先心病的智能化早期筛查,提出了一种基于复Morlet小波谱图与Transformer架构深度神经网络分类器的异常心音识别方法,其中小波谱图可以兼顾非平稳心音信号特征描述的时间分辨率与频率分辨率,而心音分类模型则是在经典ResNet50 骨干网络的基础上嵌入了Transformer架构自注意力模块,可有效提升对时序信号谱图的特征提取能力.此外,还实现了基于Hilbert变换的心音包络检查,以及基于XMLRPC协议与Redis队列的并发心音识别服务部署,便于和前端机器人整合使用.实验测试显示识别准确率在现场心音数据集上达到87.5%,在PhysioNet 2016 心音数据集上达到94.5%,表明该方法不仅在公开数据集上优于已有方法,即使是针对现场复杂环境下的心音识别任务也能取得较为理想的效果.

    心音深度学习小波谱图自注意力云计算

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

    基于图卷积神经网络和RoBERTa的物流订单分类

    王建兵杨超刘方方黄暕...
    195-201页
    查看更多>>摘要：订单信息贯穿于物流供应链的所有环节,高效的订单处理是保障物流服务质量和运营效率的关键.面对日益增长的差异化客户物流订单,人工对订单分类费时、低效,难以满足现代物流要求的效率标准.为了提升物流订单分类的性能,该文提出了一种基于图卷积神经网络(graph convolution network,GCN)和RoBERTa预训练语言模型的订单分类方法.首先,基于物流订单文本的抽象语义表示(abstract meaning representation,AMR)结果和关键词构建全局AMR图,并使用图卷积神经网络对全局AMR图进行特征提取,获取订单文本的全局AMR图表示向量;其次,基于AMR算法构建物流订单文本分句的局部AMR图集合,然后使用堆叠GCN处理图集合得到订单文本局部AMR图表示向量;再次,使用RoBERTa模型处理物流订单文本,得到文本语义表示向量;最后,融合三种类型的文本表示向量完成物流订单分类.实验结果表明:该方法在多项评价指标上优于其他基线方法.消融实验结果也验证了该分类方法各模块的有效性.

    订单分类图卷积神经网络抽象语义表示RoBERTa模型特征提取

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