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

    基于横向联邦学习的隐私保护研究

    王斌尹晓雅张磊
    1-7页
    查看更多>>摘要：近年来，随着人工智能的快速发展，机器学习成为处理数据的重要手段。传统的机器学习在处理数据时需要上传到中心服务器，无法保证用户数据隐私。但联邦学习的分布式特性保证了数据安全和隐私，同时也解决了数据孤岛问题，提高了不同应用环境下数据的可用性。然而，越来越多的研究表明，基于联邦学习的方法仍然遭受不同的隐私威胁，因此如何保护联邦学习场景下的用户数据隐私成为一个挑战。为应对联邦学习的隐私问题，对现有的隐私保护手段进行了调查分析。首先，介绍了联邦学习的定义、发展和分类;其次，介绍联邦学习的系统架构并分析了所遭受的隐私威胁手段;再次，根据联邦学习训练过程的生命周期对隐私保护技术进行分类和整理，同时比较了各技术的优缺点;最后，指出了目前联邦学习所面临的挑战，以及未来的发展趋势。

    隐私保护技术隐私安全联邦学习同态加密差分隐私

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

    基于FPGA的VPX型智能加速模块的设计与实现

    叶亚峰张宁寇金桥王昕...
    8-15页
    查看更多>>摘要：针对航空航天领域中智能计算单元运行环境恶劣、智能算法推理速度要求高以及模型部署过程复杂的问题，设计并实现了一种基于国产现场可编程门阵列(FPGA)的智能加速模块。该加速模块接口符合高速串行总线标准(VPX)规范，具有较好的机械结构和环境适应性，支持深度学习目标检测等算法的推理加速。在FPGA芯片、DDR内存、电源转换模块等核心元器件的硬件选型符合国产化要求的基础上，完成硬件电路设计，得到智能加速模块实物。以目标检测算法为例，使用设计的自动编译工具将权重文件和模型文件部署到智能加速模块上进行推理计算，实验证明了智能加速模块具有较好的环境适应性、部署便捷性以及计算加速性能，且加速比约为国产中央处理器(CPU)的4。47 倍。

    智能计算单元现场可编程门阵列目标检测智能加速模块深度学习处理单元自动编译工具

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

    基于改进帝王蝶算法的群优化算法加速框架

    巨重阳刘立群
    16-23页
    查看更多>>摘要：该文提出了一个通过改进的帝王蝶算法的群优化算法加速框架，该架构旨在改善群智能算法的优化特性和收敛效率。传统的帝王蝶算法具有收敛速度慢和容易进入局部最优的问题。为解决上述问题，该文在帝王蝶算法中引入了一系列改进措施，改进帝王蝶算法并使其作为加速框架与其它群智能算法组合使用。首先，通过应用混沌映射来更新群体起始状态以增强其成员的多元性，这能有效扩大搜寻范围并采用反向学习和随机干扰取代传统的移动操作，从而提升整体的稳定性，防止算法被困于局部最优。此外，采用非线性的自适应运算因子，初期强化了变异力以避开局部最优，后期减弱它以便深入寻找更好的结果，进而提高了精度。通过组合不同的群智能优化算法30 维下寻优在10 个测试函数的综合评估，验证了该算法框架可以有效提升其它群智能优化算法的收敛速度和精度。

    帝王蝶算法反向学习混沌映射群优化算法自适应算子

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

    基于多时间粒度时空图网络的蜂窝网络流量预测

    张德杨任佳玺
    24-30页
    查看更多>>摘要：蜂窝网络流量预测对于运营商提高网络服务质量、降低能耗、优化资源配置具有重要意义。针对当前蜂窝网络流量预测方法无法同时提取多时间粒度序列特征和空间特征的问题，提出一种基于多时间粒度时空图神经网络的蜂窝网络流量预测方法。该方法首先将基站历史数据建模为多个时间粒度的时序数据，并使用一维卷积网络提取每个序列的特征，然后使用图注意力网络对多时间粒度的特征进行聚合得到单一基站的数据特征，最后将多个基站的特征进行空间聚合，并使用全连接层将每个基站聚合后的特征映射为预测结果。实验选择公开数据集Telecom Italia验证该方法的有效性，使用RMSE和R2 作为预测结果的评价指标，与当前已有方法相比该方法可取得最好的预测结果。论文最后分析了不同时间粒度序列对最终预测结果的影响，结果表明时间粒度位于40 分钟至1。5 小时之间的序列对提高模型预测效果的贡献最大。

    流量预测多时间粒度图注意力网络空间聚合一维卷积网络

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

    基于改进YOLOv5s的复杂施工现场吸烟检测

    吴中凡陆小锋唐强达
    31-37页
    查看更多>>摘要：在建筑工地等复杂施工现场吸烟可能会引起火灾、爆炸等事故，严重危害施工安全。为了实现对建筑工地等施工现场的吸烟检测，使用YOLOv5s对人脸和烟支进行检测，并根据人脸和烟支的位置关系判断施工现场是否存在吸烟行为。为了提高人脸和烟支的检测精度，该文在原始模型的基础上做了三个改进:一是采用SIMOTA动态标签分配方法，提高了网络的召回率和检测速度;二是引入了尺度内特征交互模块AIFI，增强了网络的特征表达能力;三是使用了动态卷积ODConv，优化了特征提取模块C3，提高了网络的精确率。在自制数据集上进行实验，改进后的网络在精确率、召回率和平均精度方面均提升2%以上，检测速度提升了22%，取得了明显的性能优势。与主流算法对比，改进后的算法在检测速度和网络性能上均有明显优势，满足了施工现场吸烟检测的需求。

    施工现场吸烟检测目标检测YOLO注意力机制

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

    基于多尺度融合和高阶交互的单目3D检测算法

    孙延康王璇之封澳谢玉阳...
    38-45页
    查看更多>>摘要：三维目标检测是三维场景理解的一项基础性和挑战性的任务，基于单目视觉的方法可以作为基于立体或基于雷达方法的经济替代。该文提出了一种基于MonoDLE改进的单目3D检测算法，用于优化由尺寸形状与3D位置偏差产生的精度损失。首先，提出了一个通用的多尺度池化注意力模块用于聚合更精细的多尺度特征并且高效地联系上下文信息。其次，为了增强模型的高阶空间交互能力，还提出了由递归门控卷积和分组归一化构成的递归门控卷积块，用于替代基线架构上采样模块的卷积层，有效提升上采样模块的表征能力。在单目3D检测通用数据集KITTI上的实验表明:经过多尺度池化注意力模块提高网络聚合特征的能力后，在3D视角且交并比大于0。7 的标准情况下，该算法的平均检测率指标AP40从13。66 提升到15。10;经过递归门控卷积块增强模型的高阶空间交互能力后，在3D视角且交并比大于0。7 的标准情况下，该算法的平均检测率指标AP40再次从15。10 提升到15。53;在两个模块协同作用下，在鸟瞰图视角且交并比大于0。7 的标准情况下，该算法的平均检测率指标AP40同样从19。33 提升到21。95。

    单目3D检测特征金字塔池化注意力机制递归门控卷积分组归一化

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

    基于改进DenseNet的西夏文识别研究

    岳霄景诗云史伟
    46-52页
    查看更多>>摘要：由于西夏文字的笔画繁多、结构复杂、相似性高以及西夏古籍存在缺字、狐斑、褪变等问题，目前对其检测识别依然是一项较为困难的研究，现有的识别研究多存在识别精度不够理想、漏检和错检等问题。因此，在综合分析当前主流研究的基础上，该文提出了一种基于改进DenseNet(Densely Connected Convolutional Networks)网络模型的西夏文识别方法。该方法通过引入空间通道重构卷积替换原模型中的传统3×3 卷积，其主要利用通道重建模块和空间重构模块减少了网络训练过程中特征图之间的冗余，提高了网络的特征表示能力;并在损失函数部分采用互通道损失函数代替了交叉熵损失，其在不引入任何外部参数的情况下，进一步减少特征冗余并且提高了网络聚焦于重点识别区域的能力。通过对比实验的结果表明，在668 类西夏文识别数据集上，该方法的准确率为97。08%，参数量为6。2 MB，相对比于目前主流的方法都有较明显的提升，证明了该方法的有效性。

    西夏古籍文字识别通道重建空间重构互通道损失

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

    基于多重注意力与混合残差卷积的高光谱地物分类

    彭逸清闫晓奇任小玲
    53-60页
    查看更多>>摘要：针对高光谱数据集普遍存在小样本、高维度、波段之间光谱相关性高、无法对图像进行深层次数据挖掘等问题，提出一种基于多重注意力与混合卷积残差网络的高光谱地物分类模型(Residual Convolutional Attention Neural Networks，RCANN-Net)。首先，采用主成分分析对高光谱图像进行降维，并通过多尺度3D卷积运算得到多尺度特征信息。其次，将此特征信息输入改进的3D残差空间-通道注意力模块中，在学习特征的同时传递参数并校正特征层权重，得到高光谱图像光谱-空间联合精细特征。同时，引入并行的深度可分离卷积残差空间注意力模块，使模型偏向于学习高光谱图像的空间特征，最后通过结果预测模块根据其特征信息得到分类结果。在 3 个公开高光谱数据集上的多次对比表明，该方法在总体精度(OA)、平均精度(AA)、KAPPA系数和平均训练时间上均优于其他4 种对比方法。

    高光谱图像分类深度学习特征融合深度可分离卷积注意力机制残差网络

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

    基于改进的YOLOv8轻量级火灾检测算法研究

    王召龙张洁
    61-68页
    查看更多>>摘要：为提高复杂场景下火灾检测准确度，降低误检、漏检率，提高火灾检测速度，提出一种基于YOLOv8 算法的改进策略。针对YOLOv8 网络结构较深，处理复杂火灾图像或多目标检测时计算复杂度较高的问题，将初始模型的骨干网络替换为MobileViT网络，在保证检测精度的同时构建轻量化火灾检测模型，提升火灾检测速度。在颈部结构嵌入EMA跨空间学习多尺度注意力机制模块增强火灾特征图的语义和空间信息，同时保证通道维度信息的完整，提高火灾检测精度。使用MPDIoU损失函数，解决了YOLOv8 算法检测小尺寸及长边界框火焰目标时的损失函数失效问题。在自建数据集及公开数据集上分别进行实验，实验结果表明:改进后的算法在两数据集上表现均为最优，火灾检测精确率分别达到92。3%和95。9%，对比初始算法精确率最高提升6。3 百分点，平均精度最高提升 9。2 百分点，mAP@0。5 最高提升 8。4 百分点，FPS达到了120 帧以上，参数量仅有2。0 M。因此，改进后的火灾检测模型可以很好地满足实时检测的要求，并且在不同数据集上具有良好的泛化能力和鲁棒性。

    火灾检测YOLOv8MobileViT多尺度注意力机制MPDIoU

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

    DCT-YOLOv5:从频率角度设计目标检测算法

    王涛张笃振
    69-76页
    查看更多>>摘要：离散余弦变换(DCT)是JPEG压缩算法的核心步骤之一，将图像空间域的像素数据转换为频率域的系数。DCT与深度学习结合的算法非常常见，但并未从频率角度解析卷积结构。为进一步提升目标检测性能，针对该问题提出改进算法:DCT-YOLOv5。首先，证明卷积神经网络(CNNs)、Transformer和MLP架构都是对频域的隐式建模，验证以往模型设计的默认原则:有效感受野总小于理论感受野、多个小卷积核优于大卷积核。其次，考虑输入通道和卷积核选择合理的输出通道数，做到近似无损变换，其中下采样阶段是唯一改变通道数的地方。最后，通过固定参数比较DCT和卷积，二者差异稳定在±0。8%。并且为了最大程度降低计算量，引入固定组内数量的分组卷积。该模型以YOLOv5 为基准，在COCO数据集上设计了丰富实验，验证方法的有效性。取得了28。9%的mAP@。5 和277。8 的FPS，相对于基准模型获得了1。3%的相对提升。测试结果表明，改进后的模型在精度上有显著提升，并能够在更低的算力平台上运行。

    离散余弦变换卷积神经网络下采样固定参数YOLOv5

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