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

    区块链跨域身份管理系统的优化

    陈立军
    138-145页
    查看更多>>摘要：身份认证是云计算的安全基础,当前云计算环境下不同信任域之间信息交互频繁,迫切需要研究安全且高效的不同信任域间的跨域身份认证.由于传统的中央式身份管理系统存在安全性和可扩展性问题,分散式身份管理受到了学术界和工业界的广泛关注,然而,随着各域之间共享交互的日益增多,分散身份的管理和认证对跨域信任提出了更高的要求,面临着巨大的实现挑战.该文提出了一种基于区块链的去中心化跨域身份管理系统(DCIMB),在此系统中设计了一个去中心化标识符,用于联盟区块链技术命名身份,同时,DCIMB系统中的每个节点都可以参与身份认证和信任建立,从而解决了中心化机制的单点故障问题.为了进一步提高认证效率,保护用户隐私,DCIMB引入了单向累加器作为身份数据结构,保证了实体身份的有效性,并从理论上分析了DCIMB的可行性和性能,并且与现有的身份管理系统相比,DCIMB在跨域身份验证方面实现了出色的优化.

    身份管理去中心化区块链单向累加器跨域认证

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

    基于同步性脑网络的注意力识别研究

    王励烨丁威威
    146-152页
    查看更多>>摘要：检测人类大脑的注意力状态是脑机接口技术的一个研究热点.从EEG(Electroencephalogram)脑网络的视角来探寻注意力的形成机理并进行分类研究,提出了一种基于同步性脑网络和信息增益的注意力分类算法(SBN-IG).该算法采用锁相值(Phase Locking Value,PLV)构建脑网络提取大脑信息的耦合关系,同时为了保留脑网络结构的信息,采用卷积神经网络作为分类器,构建了一种基于同步性脑网络的注意力分类算法(SBN),分类准确率达到了90.09％.为了后续的应用需求,对SBN增加了基于信息增益的特征稀疏算法,以充分提取脑网络的重要连接信息,降低特征的冗余度,构成算法SBN-IG.结果表明,特征稀疏后使用13个电极就能够实现86.88％的分类准确率,同时提升了算法效率,降低了运算量,为实时检测注意力设备研发提供了算法基础.

    注意力分类卷积神经网络特征选择锁相值信息增益

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

    使用胸片检测新型冠状肺炎的深度集成网络

    朱万鹏雷秀娟
    153-160页
    查看更多>>摘要：随着新型冠状病毒的爆发,该病毒引起的疫情已成为全球医疗体系最大的威胁之一.由于目前新型冠状肺炎的强传染性,导致感染人群较多,同时肺炎也成为了影响新型冠状病毒检测的主要因素之一,因而快速诊断检测已经成为主要的挑战.胸部X光检测是一种安全、灵活、速度快和有利的检测方式.该文提出了一种融合深度可分离网络、卷积自编码器和VGG16的深度集成网络,构建了一个强有力的分类模型,用于对新型冠状肺炎的检测与分类.使用Kaggle存储库的COVID-19放射学标准数据集中的胸部X光图像进行验证.实验结果表明,该模型对于COVID-19、肺炎和正常的分类准确率为96.15％,灵敏度为98.92％,F1评分为94.92％.最后,将该模型与现有的模型进行了实验性能对比,同时结合了基于梯度的鉴别定位来区分不同类型肺炎的X光图像的异常区域.实验结果表明,提出的模型优于现有的模型,具有较好的鲁棒性,可以作为检测新型冠状肺炎的辅助工具.

    深度学习集成网络新型冠状肺炎深度可分离卷积人工智能

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

    基于双线性特征融合的皮肤病分类研究

    黄志伦刘俊郑萌
    161-166页
    查看更多>>摘要：皮肤覆盖肌肉、骨骼和身体的每个部分,是人体中最大的器官.由于其暴露于外界,所以感染更容易发生在皮肤上.皮肤病作为一种常见疾病,利用计算机技术对其进行辅助诊断,有助于减轻医生负担.针对常规卷积神经网络应用于皮肤病图像分类时由于不同种皮肤病图像之间的类间相似性以及同种皮肤病图像之间具有类内差异性导致分类困难的问题,提出一种改进双线性特征融合模型.使用经过剪枝的Inception-ResNet-v1和v2版本作为特征提取器并行提取图像特征,对特征进行双线性融合,获取更多阶数的特征信息可以提高模型对图像细节的敏感度.然后添加额外的软注意力模块,通过加权和的方式进行过滤或者加强,给图像每个位置给予不同的权重以达到对模型的加强效果.在skin-cancer-classesisic数据集上的7种皮肤病图像上进行训练,与S-CNN、MobileNet和Incremental CNN的对比证明了该模型的有效性,在Precision、Recall和F1-Score指标上该模型均为最优.

    皮肤病深度学习双线性特征融合注意力机制图像分类

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

    融合深度神经网络特征的ARIMAX雾霾PM2.5预测

    张钰洁王钰杨杏丽
    167-172页
    查看更多>>摘要：目前,雾霾污染问题是关乎国计民生的重大问题,它已经对人们的生产、生活、身体健康,以及生态环境和气候变化都产生了很大的影响.这样,如何通过监测雾霾变化获取的雾霾相关信息去准确预测雾霾污染物的浓度,以防治和减轻雾霾造成的严重后果变得尤为重要.因此,通过在简单有效的传统ARIMAX模型基础上融入深度神经网络语义特征,提出了一种新的雾霾PM2.5浓度预测框架.首先,把对雾霾预测有显著影响的气象因子温度、压力、相对湿度数据转换为图像数据;然后,运用ResNet-50(Residual Network-50)卷积神经网络模型提取深度语义特征,进而运用主成分分析(Principal Component Analysis,PCA)技术处理高维特征,得到最佳深度神经网络特征组合;最后,用ARIMAX技术建立雾霾PM2.5浓度预测模型.在收集的山西省2015～2019年PM2.5浓度和气象因子数据集上验证了该预测框架在皮尔逊相关系数(Pearson's Correlation Coefficient,PCC)、均方误差(Mean Square Error,MSE)、均方根误差(Root Mean Squared Error,RMSE)和平均绝对误差(Mean Absolute Error,MAE)度量下,对于1、3、5和7天长短期预测,都始终优于传统的简单差分自回归滑动平均(Autoregressive Integrated Moving Average,ARIMA)模型、三因素ARIMAX模型、多元回归模型、ResNet-多元回归模型、长短期记忆网络(Long and Short-Term Memory,LSTM)模型和支持向量机(Support Vector Machine,SVM)模型.

    PM2.5预测ARIMAX模型ResNet神经网络主成分分析技术深度语义特征

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

    一种改进的鲸鱼优化算法

    李梓成代永强
    173-180页
    查看更多>>摘要：鲸鱼优化算法(WOA)是一种模拟鲸鱼捕食猎物而提出的元启发式算法,具有操作简单、调节参数少等优点.但由于WOA在迭代中后期探索和开发能力不足,导致算法求解精度低,易于陷入局部最优.针对WOA收敛速度慢、精度低、全局探索能力不足且易于陷入局部最优等缺点,提出了一种改进的鲸鱼优化算法(GFWOA).通过引入反向学习策略,对初始种群生成反向解,提高了初始种群质量,进一步加快了算法的收敛速度.通过引入高斯随机游走策略到鲸鱼优化算法局部寻优阶段,提高了算法的开发能力,增强了算法全局探索的能力和跳出局部最优的能力.并分别在单峰测试函数、多峰测试函数、低维多峰测试函数上进行仿真实验,通过平均值、标准差与最优值作为衡量算法性能的标准.结果表明,GFWOA在收敛精度、收敛速度和稳定性方面均较对比算法有明显提升.最后通过假设检验方法将GFWOA与其他算法进行比较,得出GFWOA在性能方面更具优势.

    鲸鱼优化算法群体智能优化算法反向学习随机游走假设检验

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

    基于多头注意力的电网调度领域命名实体识别

    毛宏亮艾孜尔古丽陈德刚
    181-186,194页
    查看更多>>摘要：针对电网调度领域实体识别准确率较低的问题,提出一种融合多头注意力机制和双向长短时记忆网络的电网调度领域中文命名实体识别方法.利用词向量表示电网调度语音识别后语句,并将生成的词向量序列输入双向长短时记忆网络(BiLSTM)挖掘其上下文语义特征,引入多头注意力机制重点关注文本中的实体词,挖掘其隐藏特征,同时通过条件随机场(CRF)计算序列标签的联合概率标注出实体识别结果.根据电网调度语音识别后文本特点自建标注数据集,并将电网调度语音识别文本中的命名实体细粒度划分为参数、设备、操作、系统、组织5个类别进行实验.其结果表明,该方法对电网调度领域实体识别具有更高的准确率和召回率,且F1值可达到93.63％,切实解决了电网调度领域实体识别任务中标注数据稀少和精度较低的问题,有助于电网调度领域知识图谱的构建.

    实体识别电网调度多头注意力双向长短时记忆联合概率知识图谱

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

    结合SS-GAN和BERT的文本分类模型

    宛艳萍闫思聪于海阔许敏聪...
    187-194页
    查看更多>>摘要：BERT是近年来提出的一种大型的预训练语言模型,在文本分类任务中表现优异,但原始BERT模型需要大量标注数据来进行微调训练,且参数规模大、时间复杂度高.在许多真实场景中,大量的标注数据是不易获取的,而且模型参数规模过大不利于在真实场景的实际应用.为了解决这一问题,提出了一种基于半监督生成对抗网络的BERT改进模型GT-BERT.采用知识蒸馏的压缩方法将BERT模型进行压缩;引入半监督生成对抗网络的框架对BERT模型进行微调并选择最优生成器与判别器配置.在半监督生成对抗网络的框架下增加无标签数据集对模型进行微调,弥补了标注数据较少的缺点.在多个数据集上的实验结果表明,改进模型GT-BERT在文本分类任务中性能优异,可以有效利用原始模型不能使用的无标签数据,大大降低了模型对标注数据的需求,并且具有较低的模型参数规模与时间复杂度.

    文本分类半监督BERT生成对抗网络模型压缩

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

    用LSTM对市级周交通事故量预测方法研究

    孙振华王转转肖鑫
    195-202页
    查看更多>>摘要：市级交通事故量时间序列的波动是影响对其准确预测的关键因素.提出的预测方法针对市级日交通事故量时间序列,采用长短期记忆神经网络(Long Short-Term Memory,LSTM)捕捉序列当前观测值与前序观测值的时序依赖关系,通过寻找最优窗口长度的LSTM市级日粒度交通事故量预测模型使拟合数据对训练集误差最小,对验证集的预测结果在转为周粒度时取得了较为准确的预测效果.提出的预测方法解决了影响市级周交通事故量准确预测的问题,该方法发现基于交通事故量训练的用于捕获观测值时序依赖关系的LSTM模型对数据基本趋势准确性的表达远好于对数据波动性的表达.为此,提出最优窗口算法来确定LSTM模型最优窗口长度,以确保对训练集基本趋势表达的准确性,再根据所发现的细粒度下的预测结果对交通事故量基本趋势的准确描述可转化为粗粒度下对波动性准确描述的事实,将日粒度预测结果转为周粒度后就取得了较为准确的预测效果.

    交通事故神经网络长短期记忆时间序列最优窗口

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

    基于长句简化的中文开放关系抽取

    熊建华韩永国廖竞寇露彦...
    203-207,213页
    查看更多>>摘要：目前中文开放关系抽取的主流方法是根据句法分析结果制定抽取规则进行抽取,这种方法严重依赖于自然语言处理工具的处理效果.当文本句子长度较长时,自然语言处理工具准确性较低,关系抽取质量也随之下降.因此,提出了一种基于长句简化的开放关系抽取方法.首先,基于序列到序列模型框架对文本中的长句进行化简;然后,利用词法和句法规则对化简后的各个子句分别进行关系抽取.长句简化部分,将BERT的双向Transformer结构作为序列到序列模型的主体,输入端通过BERT-WWM预训练模型获取句子的文本向量,解码器利用UniLM的Seq2Seq Mask机制进行解码.关系抽取部分,首先,根据依存句法分析结果抽取出主谓宾结构的基础关系数据.然后,再根据词法、句法信息对实体和关系词进行补充.实验结果表明,该方法有效提高了对复杂长句的开放关系抽取的准确率和召回率.最后,对抽取的关系数据进行了错误分析,并对错误种类进行了归纳,为以后的开放关系抽取研究提供了参考.

    开放关系抽取长句简化依存句法分析序列到序列模型BERT模型

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