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

    一种融合注意力机制的跨模态图文检索算法

    杨迪吴春明
    143-148页
    查看更多>>摘要：随着不同模态的数据爆发式增长,跨模态检索成为信息检索领域的重要研究课题.由于语义相同事物在不同模态下底层特征异构,如何科学度量它们之间的相似性成为跨模态检索研究首先要解决的重要问题.当前主流的图文检索方法通过模型将异构特征映射到公共空间再进行相似性度量,这些工作主要可分为两种思路,一是从全局特征角度来实现全局信息对齐,二是从局部特征入手来实现细粒度信息对齐,但前者容易丢失局部细节信息,而后者容易导致语义信息不完善.为此,该文提出一种融合注意力机制的跨模态图文检索算法.首先,利用Vision Transformer和Bert模型获得包含上下文信息的图像和文本特征,再利用注意力机制获得模态内局部的图像和文本特征;其次,通过注意力机制得到模态间全局的图像和文本特征;最后,将这些优化的特征与基础特征融合来进行跨模态检索.该算法既充分利用了不同模态的细粒度特征,又更好地兼顾了全局信息,因而能取得更好的检索精度,通过在Wikipedia数据集上的大量对比实验,证明了该算法的有效性.

    图文检索跨模态注意力机制全局特征局部特征

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

    基于多尺度网络的苗绣绣片纹样分割算法研究

    陈世婕王卫星彭莉
    149-155页
    查看更多>>摘要：苗绣作为苗族人民传承历史文化的主要形式,图案内容丰富.但纹样设计周期相对较长且大多为手工劳动,因此生产效率较低.与此同时,在互联网平台上的相关资源质量不佳且数量较少,大多纹样及实体获取往往需要到实地考察.为解决传统手工苗绣绣片难以保存的问题,采用深度学习的图像语义分割方法进行相关苗绣绣片纹样提取用以保存和分类.该文构建了一组小型苗绣绣片纹样数据库并进行相关类别标注,同时提出一种多尺度图像语义分割网络架构(Multi-Scale Network).该方法包含四个模块,分别为多尺度模块(Multi-Scale Block,MSB)、多尺度编码器(Multi-Scale Encoder,MSE)、多尺度解码器(Multi-Scale Decoder,MSD)以及语义分割头(Semantic-Head,SH).每个模块均采用高效设计的多尺度提取机制和残差结构,可以提取更多全局纹样信息,并显著提升模型在不同任务下的泛化能力.所提方法在PASCAL VOC 2012 数据集以及自建苗绣绣片纹样数据库中进行测试,实验结果相比全卷积神经网络的交并比(MIoU)提高了14.84%和6.7%.在相同实验条件下也验证了算法在应对错误分割、遗漏分割的有效性.

    苗绣数据库深度学习语义分割数字化保护

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

    基于类间相似性的聚类集成方法

    张栋超蔡江辉杨海峰郑爱宇...
    156-161页
    查看更多>>摘要：聚类集成是聚类的一个重要分支,它用于融合多个基聚类,来生成具有鲁棒性和高质量的最终聚类划分.将原始信息转化为共协矩阵,通过共协矩阵得到最终聚类划分的聚类集成方法是目前很多研究者研究的内容,然而大多数研究者都忽略了聚类结果容易受到噪声的影响,且忽略了共协矩阵在数据量大时,时间以及空间复杂度高的问题.为了解决以上问题,该文设计了一种基于类间相似性的聚类集成方法(CSCE).该方法首先基于证据积累模型找到原始对象之间的相似性,将原始对象划分为多个小簇.然后通过一种新的相似度计算方法,计算簇与簇之间的相似度,形成簇与簇的相似矩阵.最后通过归一化切割(NCUT)切图的方法,将簇相似矩阵划分为最终聚类结果.该方法将低质量异常对象按相似度并入与之相似的簇中,并在8 个数据集上进行了实验.结果表明,该方法不仅聚类效果好,而且解决了传统共协矩阵时间以及空间复杂度高的问题.

    聚类集成共协矩阵基聚类证据积累复杂度

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

    面向检索应用的商标显著性检测方法

    王楠伍阳停朱琦赫李宝安...
    162-168页
    查看更多>>摘要：商标显著性检测是商标检索的重要前提之一,待申请商标需要商标显著性判断,商标相似或侵权判定也需要对商标显著性特征加以判别.考虑到商标多由图案组成,该文提出了一套面向商标图像的显著性检测方案.首先,基于中国商标数据库内的商标图像抽取、加工并制成商标数据集,搭建商标数据库并陆续开源一批商标显著性检测数据集.基于已有显著性检测框架,开发并评估了多种主流显著性检测算法.结果表明一种适配商标图像的U2-Net深度模型对商标显著性检测效果较好,综合准确率在92%左右,后续还需要深入优化和评测.最后,提出一个面向相似商标检索的显著性检测服务和特征生成解决方案,并开发了相关搜索系统,为后续工业级应用奠定基础.

    商标检索商标显著性显著性检测商标数据集图像搜索目标识别U2-Net

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

    一种基于区分区域定位的细粒度图像识别方法

    杨虹范勇
    169-174页
    查看更多>>摘要：细粒度图像识别的目标为区分大类对象中的子类对象,由于子类对象间差别细微,使得细粒度图像识别较为困难.为此,提出一种基于区分区域定位的细粒度图像识别方法.首先由贝叶斯个性化排序损失(Bayesian Personalized Ranking Loss,BPRLoss)监督区域提议网络提议一些重要的局部区域,随后采用引入高效通道注意力模块的特征提取器提取局部区域的细粒度特征进行识别.同时采用标签平滑策略使同类靠近,不同类远离以监督网络学习对象有区别的特征,进一步促进网络定位区分区域.实验结果表明,所提方法在三种通用的细粒度图像识别数据集 CUB-200-2011、FGVC Aircraft、Stanford Cars上取得了较高的识别准确率,分别为89.0%、93.9%、94.3%,相比导航网络(NTS-Net)有显著提升,分别提升1.5 百分点、2.5 百分点和0.4 百分点.同时,所提方法较NTS-Net能够更为有效地定位区分区域和提取图像的细粒度特征.

    细粒度图像识别通道注意力标签平滑区域定位特征提取

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

    基于多通道融合特征网络的文本情感分析

    高慧荀亚玲王林青
    175-181页
    查看更多>>摘要：针对现有文本情感分析基础深度学习模块特征提取不够全面,语义表示不准确及训练效率低等问题,提出了基于多通道融合特征网络的文本情感分析模型.首先,采用针对汉字优化的预训练模型ChineseBERT提取文本的动态词向量表征,解决静态词向量存在的无法表示多义词问题,提升词向量语义表征质量;然后,通过多通道融合特征网络全面捕捉文本不同尺度下的语义特征融合向量表示,增强模型对文本深层次情感特征的学习能力;并利用软注意力机制计算每个特征对情感极性类型识别的影响权重,赋予关键特征更高权重,避免无关特征对结果造成干扰;最后,由线性层输出文本情感分类结果.在SMP2020 微博疫情相关情绪分类评测数据集、购物评论数据集和酒店评论数据集上进行实验验证,分别取得了76.59%、97.59%和95.72%的F1 分数以及76.6%、97.59%和95.73%的准确率,高于近期表现优秀的对比深度学习模型,验证了该模型在文本情感分析任务上的有效性.

    情感分析ChineseBERT多通道融合特征内置注意力简单循环单元软注意力

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

    基于改进ResU-Net的中分辨遥感影像滑坡检测方法

    王颖吴旭冷小鹏余戈...
    182-188页
    查看更多>>摘要：针对基于中分辨率遥感影像滑坡检测精度低的问题,提出了一种基于注意力机制的改进ResU-Net模型,并且基于多光谱遥感影像数据集得出了有益于滑坡检测的多特征模型输入组合.本研究所用的原始数据集共 14 个特征,首先剔除无效特征,并加入归一化植被指数和归一化水体指数,生成新数据集.然后将新数据集应用于改进的ResU-Net与U-Net,ResU-Net,Attention U-Net,BiSeNet,Semantic FPN,U-Net++的对比实验,结果表明改进的ResU-Net在测试集上可获得76.91%的F1 分数,同时精确率和召回率分别为77.34%和76.49%,在该任务中优于其他对比模型,且比ResU-Net模型的F1 分数高了0.43 百分点,有效提高了中分辨率遥感影像的滑坡检测精度.最后,再向数据集中依次加入归一化湿度指数和坡向特征,对比不同特征组合数据集产生的检测效果,结果发现加入坡向特征可最大化提升滑坡检测精度,F1 分数可达77.03%.

    滑坡检测多光谱图像语义分割注意力机制ResU-Net

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

    面向高速公路事故风险预测的深度学习方法

    阮鸿柱黄小弟王金宝杜梦辉...
    189-195页
    查看更多>>摘要：高速公路的交通事故风险预测对智能交通和公共安全具有重要意义.现有方法通过挖掘历史事故的时空特征预测交通事故风险.但是,在高速公路事故风险预测中仍存在以下两个挑战.首先,事故具有不均衡的空间分布,相邻路段的事故分布差异可能较大,而相隔较远却具有相似拓扑连接关系路段的事故分布可能较相似.另外,由于事故的偶发性,其在时间维的分布非常稀疏,因此在捕获事故影响因素时缺乏足够的样本.针对第一个挑战,使用自适应图卷积网络以数据驱动的方式学习路段间的空间相关性;此外,根据Mixup策略进行数据增广以生成足够多的事故风险样本解决事故数量稀疏的问题,然后用对比学习方法以更好地区分风险与非风险样本,以实现更准确的事故风险预测.基于桂林市高速公路网真实交通数据集的实验结果表明,相比于最优方法,该方法的平均绝对误差指标降低了18.3%,平均准确率、召回率指标分别提升了8.1%、6.9%,因此,该方法可以更准确地预测高速公路事故风险.

    智能交通交通事故风险预测对比学习自适应图神经网络数据增广

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

    基于特征加权与自动交互的点击率预测模型

    陈海青蔡江辉杨海峰贺艳婷...
    196-201页
    查看更多>>摘要：在大数据时代的点击率(Click-Through Rate,CTR)预测任务中,输入数据不仅数量多而且特征维度很高,在特征选择时容易出现信息干扰或丢失,在进行特征交互时不同的交互方式也会影响预测性能.针对该问题,文中提出了一种基于特征加权与自动交互的预测模型,用于学习原始特征权重并进行自动交互.首先,引入ECANet模块提出一种不降维的特征加权方法,该方法可以通过对k个相邻特征进行一维卷积有效实现.然后,分别用多头自注意网络和深度神经网络(DNN)去自动学习显式和隐式的特征交互.最后,将两者相结合进行预测,弥补了单一模型的缺陷.一方面,它能对输入特征进行重要性选择;另一方面,它能同时以显式和隐式的方式自动学习任意低阶和高阶的特征交互.通过在四个真实数据集上的实验,验证了其比以往的预测模型获得了更好的准确度.

    点击率预测特征交互特征加权深度神经网络多头自注意网络

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

    基于EEMD的固定分段数分段线性表示方法

    刘学彬梁智飞朱卫平祝凯...
    202-208页
    查看更多>>摘要：针对采用单一启发式规则的分段线性表示方法存在局部最优化和无法准确预计分段数目的问题,提出了基于集合经验模态分解(EEMD)的固定分段数分段线性表示方法.该方法通过将集合经验模态分解和重构思想引入分段线性表示方法研究中,同时将自底向上算法的拟合误差阈值改进为分段数阈值来解决上述两个问题.首先,通过模态重构思想过滤掉细节信息,提取到全局性分段点;然后,根据各初始分段子序列的波动程度,确定子序列段内分段点数量分布;最后,采用基于分段数阈值的自底向上方法将子序列合并到要求的分段数.该方法不仅继承了自底向上方法拟合误差小的优点,同时克服了局部最优化以及不能预计分段数的缺点.通过仿真实验证明了该方法克服了局部性的缺点,并有效减弱了噪声的干扰.相比现有方法,在压缩率相同的情况下,该方法的拟合误差更小.最终,在压裂施工时序数据趋势提取的应用中也验证了其有效性.

    时间序列分段线性表示集合经验模态分解模态重构符号化自底向上

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