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

    知识图谱相关方法在脑科学领域的应用综述

    王婷何松泽杨川
    1-7页
    查看更多>>摘要:随着脑科学相关问题的研究逐年增长,与脑科学领域的相关文本信息越来越多.由此,如何利用知识图谱技术实现脑科学领域知识的集成、分析、挖掘与再利用受到了研究者们的关注.为了解目前知识图谱的方法在脑科学领域的应用状况,通过调研现有相关文献,有如下总结:在方法应用上,知识图谱的相关方法在脑科学领域的应用主要集中在实体以及实体关系抽取上,很少被用于后续的数据挖掘与推理;在平台的构建上,存在着平台缺乏良好维护的问题;而在认知功能脑知识图谱上,大多都是与脑灰质相关,未能很好地联系到脑白质,忽略了脑白质所处的作用.此外,该文简述了现有利用知识图谱相关技术所构建的应用与工具,并对比分析了它们的优缺点.综合以上调研,针对脑科学领域的知识图谱应用与发展,提出对未来的展望.

    知识图谱自然语言处理脑科学机器学习深度学习

    基于Contig的单面基因组片段填充问题研究

    柳楠朱永琦李胜华崔晓宇...
    8-15页
    查看更多>>摘要:近些年来,随着基因测序技术的继续发展与应用,大量不完整基因组片段的处理问题有待研究.同时由于目前大部分的生物学研究是基于基因组序列可以提供完整信息的假设,但通过生物测序技术获得一个完整的基因组序列仍是困难的.因此基因组重组问题在计算生物学领域愈发受到关注和研究,研究如何填充缺失基因组使其完整,具有重要意义.针对单面基因组片段填充算法,目前常采用最大化公共邻接数目的度量依据,是将缺失基因填充至不完整基因序列中得到填充后的重排列基因序列,使之与参照基因序列之间的新公共邻接数目最大.主要研究了基于contig(片段重叠群)的单面重复基因组填充问题,重点对该问题的现有算法在近似比、核心技术以及时间复杂度等多方面进行了对比分析与总结,并分别提出了各类算法的改进思路,有助于进一步研究基于contig的单面序列填充问题.

    计算生物学基因组片段填充近似算法NP-完全

    基于课程学习的深度强化学习研究综述

    林泽阳赖俊陈希亮
    16-23页
    查看更多>>摘要:作为解决序贯决策的机器学习方法,强化学习采用交互试错的方法学习最优策略,能够契合人类的智能决策方式.基于课程学习的深度强化学习是强化学习领域的一个研究热点,它针对强化学习智能体在面临高维状态空间和动作空间时学习效率低、难以收敛的问题,通过抽取一个或多个简单源任务训练优化过程中的共性知识,加速或改善复杂目标任务的学习.论文首先介绍了课程学习的基础知识,从四个角度对深度强化学习中的课程学习最新研究进展进行了综述,包括基于网络优化的课程学习、基于多智能体合作的课程学习、基于能力评估的课程学习、基于功能函数的课程学习.然后对课程强化学习最新发展情况进行了分析,并对深度强化学习中的课程学习的当前存在问题和解决思路进行了总结归纳.最后,基于当前课程学习在深度强化学习中的应用,对课程强化学习的发展和研究方向进行了总结.

    强化学习深度学习深度强化学习课程学习迁移学习

    一种基于ZYNQ的视频采集处理系统

    魏洪健徐琦琳张瑛孙科学...
    24-29页
    查看更多>>摘要:针对当前基于ARM与DSP的图像处理框架存在的带宽低、速度慢的问题,提出了一种ARM+FPGA异构的ZYNQ-7020芯片作为主控的视频实时处理框架.该系统由500万像素级别CMOS摄像头OV5640采集1280×720分辨率下60帧图像数据,处理后通过HDMI高清接口进行输出.系统搭建了三种图像滤波处理,图像边缘检测及增强,形态学腐蚀与膨胀等图像预处理算法模块,均采用流水结构最大化处理速度以保证视频信息的实时性,封装为通用视频接口IP核,有较好的可移植性与扩展性.同时系统集成了RTL8211E路由芯片,可通过UDP/IP协议对内部算法模块进行控制,切换实时输出的算法通道.搭建Vivado与Modelsim联合仿真环境,对系统的实时性及算法有效性进行验证.结果 表明,系统可完成对图像的实时采集、处理、输出功能,可很好地抑制摄像头前端采集时产生的噪点,相比传统ARM端图像处理速度有较大的提升.

    ZYNQARM处理器图像预处理实时视频处理现场可编程门阵列

    基于重构误差的深度聚类方法

    邓祥俞璐谢钧吕昊远...
    30-36页
    查看更多>>摘要:聚类是机器学习的核心任务之一,通常是在无标签条件下,依靠发掘数据潜在的结构进行聚类.近年来,数据的复杂度越来越高,数据隐空间中存在各种冗余复杂的空间结构,传统聚类算法难以从中分离出不同簇的数据.深度学习具有强大的特征表示和非线性逼近能力,在无监督聚类领域也显现出优越性,基于深度学习的聚类模型有效提高了各类复杂数据的聚类结果.该文提出了一种新的端到端深度聚类模型,在自编码器框架下,构建多个不同的聚类子空间,并利用高维样本在多个子空间的低维特征重构原始样本,同时增加一个对样本进行簇预测的网络,利用预测的概率向量对不同簇的解码样本进行加权融合,通过最小化融合样本与原始样本之间的重构误差并对子空间加以约束,最终实现对高维样本的聚类.模型同时兼顾聚类簇的子空间结构和不同簇之间的重构误差,在标准数据集上取得了较好的聚类效果.

    聚类深度聚类深度学习自编码器模式识别

    基于BERT和混合神经网络的诈骗电话文本识别

    许鸿奎周俊杰姜彤彤卢江坤...
    37-42页
    查看更多>>摘要:如今,电话诈骗案件层出不穷,严重危害到了人们的财产安全和社会的和谐安定.针对社会中的一些诈骗电话问题,提出了一种基于词嵌入和混合神经网络的文本分类方法,实现对诈骗电话文本的分类.首先构造了诈骗电话文本数据集,内容涵盖了金融、教育、邮递、银行等多类诈骗事件.为了优化文本的输入词向量,词嵌入部分采用基于Transformer的BERT(Bidirectional Encoder Representation from Transformers)模型来表示诈骗文本,同时采用基于双向长短时记忆网络(Bidirectional Long Short-Term Memory,BiLSTM)以及多尺度卷积神经网络(Convolutional Neural Network,CNN)的混合神经网络(BiLCNN)对文本的词嵌入表示进行特征提取,充分提取出文本的时序特征和局部相关特征,最后将特征融合在一起通过Softmax进行分类.通过实验比较了Word2vec、ELMo(Embedding from Language Model)和BERT三种词嵌入模型,表明BERT作为输入向量的优越性,同时在诈骗电话文本数据集上的实验结果表明,提出的模型 BERT+BiLCNN 相比Word2vec+CNN、ELMo+CNN和BERT+CNN模型,诈骗电话文本分类准确率分别提高了4.12%、2.84%和0.95%.

    电话诈骗词嵌入BERT卷积神经网络双向长短时记忆网络

    基于运动跟踪与特征融合的视频实例分割方法

    周震李莹柳德云吉根林...
    43-49页
    查看更多>>摘要:视频实例分割(VIS)提供了对视频更深层次的理解,是智能监控、自动驾驶、机器人等领域高级任务的前置任务之一.目前对于图像实例分割已经有很多研究,但是对于视频实例分割的研究却相对较少,而将图像分割方法直接应用到视频领域也存在很多问题,其中实例被遮挡、实例成像差以及高速运动引起实例模糊等异常情况导致的追踪和分割效果差是主要问题.针对该问题,提出一种基于运动跟踪与注意力特征融合的视频实例分割方法(MTFA).该方法利用运动跟踪头依据运动和特征信息在整个视频中跟踪实例并分配实例标签,然后按照实例标签对每一帧中实例去其他帧提取同一实例的特征信息,通过注意力机制融合这些特征信息用以增强当前帧的特征并生成分割掩码.该方法在Youtube-VIS数据集测试中最佳AP为38.3%(ResNet-50)和41.2%(ResNet-101).

    视频实例分割图像实例分割运动跟踪特征融合注意力机制

    自适应融合局部和全局特征的图像质量评价

    温静白鑫
    50-57页
    查看更多>>摘要:无参考图像质量评价通过算法来量化图像质量的失真程度.有效建立失真位置与周围空间的依赖关系能提高质量预测的准确性,但目前基于卷积神经网络的无参考图像质量评价方法,仅通过传统的卷积对局部失真区域进行特征提取,无法有效地获取全局的失真关系,容易弱化对失真扭曲等特征表示.因此,提出了一种基于自适应融合局部和全局特征的图像质量评价算法.在待评价图像上进行特征提取时,自适应地构建围绕每个空间位置的长距离空间和通道间的依赖关系,通过全局失真关系来增强局部特征信息的表征能力;增强图像的细节信息,并在不同尺度的特征层上自适应地融合局部和全局失真信息,整合更加丰富的失真特性,进而提高特征的判别性;再将多个尺度上的不同失真信息进行融合获得最终的质量评价得分,这种融合可以避免图像浅层信息的损失.为验证模型的有效性,在真实失真和合成失真数据集上进行实验对比分析,结果表明,在真实失真数据集LIVEC上SROCC达到0.867,对图像质量的预测更符合人类对质量的感知.

    无参考图像质量评价视觉特征局部和全局特征学习自适应特征融合卷积神经网络

    基于U-Net改进模型的多模态脑肿瘤分割方法

    黄莉何美玲
    58-63页
    查看更多>>摘要:诊断脑肿瘤时,如果能从多种模态的核磁共振成像(MRI)图像中精准分割出脑肿瘤区域,将有助于医生快速和准确的诊断.针对分割脑肿瘤时出现的边界分割不精准问题,该文提出了一种基于U-Net改进模型的脑肿瘤分割方法.该方法将U-Net每级编码器的特征图保留,来捕获分割目标的边界细节信息,进而对保留的特征图采用自注意力模块计算通道级别注意力,加强分割目标的边界空间信息提取,最后使用尺度融合模块统一特征图的尺度和通道数,来融合分割目标的边界信息,作为解码器的输入,从而提高分割性能.该方法在BRATS2017数据集上进行训练和测试,在Dice、SE、SP三个评估指标的参考下,通过消融实验证明了融合多尺度模块和自注意力机制的有效性,并与U-Net、ResUNet、SGNet、RelayNet四种网络模型进行对比实验,表明由于融合了分割目标边界的细节和空间信息,该模型得到的分割区域更加接近真实脑肿瘤区域.

    脑肿瘤U-Net卷积神经网络图像分割多尺度策略自注意力机制

    基于通道注意的可变形金字塔表情识别网络

    叶耀光陈宗楠陈丽群潘永琪...
    64-71页
    查看更多>>摘要:人脸表情识别是计算机视觉领域里一项热门且有挑战性的任务.由于人脸表情的特性相对固定,从宏观上针对人脸表情的特性进行方法设计能有效提高人脸表情识别的性能.基于这一观点,针对人脸表情特征的不规则特性和空间多尺度互补特性,提出了基于通道注意的可变形金字塔网络.该网络主要由可变形卷积块、空间金字塔池化块和通道注意块构成,其中可变形卷积块有助于网络对人脸表情的不规则特征进行采样;而空间金字塔池化块则加强了网络学习多尺度空间上下文情绪信息的能力;通道注意块则促使网络动态关注更具判别性的情绪特征.该方法在CK+、JAFFE以及Oulu-CASIA三个实验室环境的人脸表情数据集和FER2013以及RAF-DB两个野外环境的人脸表情数据集上进行了对比实验和消融实验并取得了有竞争力的结果.从可视化结果上看,该方法提取的特征及关注的人脸区域符合不同表情的呈现特性和人们日常判断表情的规律.

    人脸表情识别卷积神经网络可变形卷积金字塔架构注意力机制