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

    重叠社区发现算法评价指标综述

    韩红旗徐紫燕李琳娜周则旭...
    1-9页
    查看更多>>摘要：重叠社区发现算法对于理解复杂系统、发现复杂网络中隐藏的规律等具有很强的应用价值，而评价指标是算法发现高质量重叠社区的一个关键要素，算法的进步常常依赖于评价指标的进步。现有研究对非重叠社区发现算法的评价指标有较多的总结，而没有对重叠社区发现算法的评价指标进行总结。对重叠社区发现算法的评价指标进行了系统的总结和回顾，将指标分为事先知道社区结构、事先不知道社区结构和其它三大类。事先知道社区结构的评价指标包括基于混淆矩阵、基于ARI、基于NMI三个子类评价指标，事先不知道社区结构的评价指标包括基于模块度、基于密度、基于元数据三个子类评价指标，其它类主要介绍算法可扩展性评价指标。深入理解各种评价指标对于开发和优化重叠社区发现算法、在实际应用中发现高质量社区具有重要价值。

    重叠社区评价指标社区发现社区结构复杂网络

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

    基于虚拟化的软件定义DSP计算技术研究

    李志刚陶磊周玄文李玉成...
    10-15页
    查看更多>>摘要：随着天基计算密集型任务快速增长，星上任务对计算的需求也随之迅猛上涨。星载计算机系统通常采用异构电子系统，其"算力"被封闭在独立的星载计算机内，各计算资源不能彼此共享，容易产生资源浪费，且各个嵌入式软件和可编程逻辑采用非标准的编程，不支持统一升级和综合调用。针对此问题，以异构CPU和DSP计算资源作为研究重点，设计一种基于虚拟化技术的软件定义DSP计算架构，通过分析当前所面临的抽象化和多租户的技术挑战，并借鉴异构GPU和FPGA相关虚拟化技术，综合运用硬件抽象层、时分复用虚拟化、接口调用重定向、组件注册和数据路由等技术，实现DSP异构计算资源多用户共享和高效统一调用。试验验证表明，软件定义DSP计算架构可实现星载异构计算系统软硬件灵活解耦，并支持多个用户和应用同时访问和调用单个DSP计算资源。

    硬件抽象层虚拟化时分复用多租户软件定义DSP

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

    基于哈希值分组和信任主节点选取的共识机制

    韩昊澎金瑜
    16-23页
    查看更多>>摘要：PBFT(Practical Byzantine Fault Tolerance)算法是当前最流行的共识机制之一，但其采用广播的通信模式导致该算法具有高通信复杂度;将节点分层进行共识的改进方式虽降低了通信规模，但改进后的算法在安全性和效率等方面仍存在不足。基于此，提出一种HBFT改进算法。首先，根据节点MAC地址的哈希值进行分组，增加节点分组的随机性并使拜占庭节点的分布更均匀;其次，优化算法的共识流程、通信内容和视图更换协议，进一步降低通信规模并提高主节点更换和故障处理的速度;最后，引入信誉机制并据此选取主节点，提升主节点的可靠性和算法的安全性。从理论、实验和安全的角度进行分析验证，结果表明HBFT算法的共识效率较PBFT算法和基于分层的改进算法分别提高96。1%～98。6%，51。3%～89。7%，且HBFT算法具有更高的安全性。

    区块链共识机制哈希函数信誉模型共识效率

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

    基于数字孪生的云网智能运维技术研究

    曾至诚匡立伟
    24-29页
    查看更多>>摘要：云网融合的加速发展，既推动着通信网络数字化和智能化转型升级，也带来了云网运维复杂性不断提高的问题。尽管近年来通过各种智能化技术手段取得了一定进展，使网络管理控制变得更加敏捷和高效，但大规模云网设施仍然面临着运行维护过程中效率低、周期长和成本高等挑战。针对上述挑战，该文提出基于数字孪生的自适应探测、双重评估、优化调整三种智能运维的技术，旨在提高云网运维的效率并帮助预测网络异常。在自适应探测技术中，利用数据统计方法构建历史时序数据样本，通过算法选择适应的概率分布，预测故障发生的概率。双重评估技术中，通过对孪生系统和物理系统进行双重评估，验证故障原因并进行故障朔源。优化调整技术中，通过张量分解处理大数据，优化数据样本，并通过机器学习训练样本数据来优化调整智能运维模型。实验验证表明，该技术能够预测网络异常、快速定位故障，并优化调整系统，从而实现智能运维的目标。

    云网融合智能运维数字孪生概率分布数据统计机器学习

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

    基于直线生成的卷积霍夫线段检测

    聂子博曹建军翁年凤余旭...
    30-36页
    查看更多>>摘要：直线检测作为计算机视觉的上游任务，为下游包括工业视觉、遥感图像分析等任务提供支撑。直线检测的一大方向是霍夫直线检测，但现有霍夫检测基于近似原理设计计票器，直线检测准确度不高。为提高霍夫变换线段检测的准确度，利用卷积改进霍夫直线检测的计票器并提出基于直线生成的卷积霍夫线段检测方法。利用中值滤波对原始图像中的复杂纹理平滑处理后检测图像中的边界;通过按位异或卷积去除边界检测结果中的噪点并保留候选的线段端点;将候选的线段端点两两组合并使用布雷森汉姆算法进行线段生成，由利用卷积改进的计票器判断生成的线段是否存在于边界上;确认端点所构成线段位于边界后求取端点对之间的参数并合并参数相似的加检测结果，得到最终线段检测结果。对比实验中该方法的F1 指标为0。762 6，优于对比方法中最高的0。652 3，证明该方法保留了霍夫变换较高鲁棒性的同时提高了检测结果的准确性。

    线段检测霍夫变换卷积核异或直线生成布雷森汉姆算法

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

    一种新的高光谱遥感图像超像素分割方法

    杨洋刘思樊童恒建
    37-43页
    查看更多>>摘要：为了解决简单线性迭代聚类算法在高光谱遥感图像超像素分割任务中分割精度较低的问题，提出一种基于多级线性迭代聚类结合改进标签传播算法(LPA)的新的无监督高光谱遥感图像超像素分割方法。首先，扩充简单线性迭代聚类(SLIC)的适用范围至多通道对高光谱图像进行超像素初分割;然后，对色彩标准差较大的超像素进行多级迭代细致分割，引入基于局部二进制模式的高光谱遥感图像纹理特征提取方法计算高光谱图像纹理特征并融合多段光谱特征计算超像素间相似度以构建带权图网络;最后，改进LPA社区发现方法进行超像素合并，将改进的标签传播算法运用于超像素合并可以得到更加稳定准确的超像素合并效果，提高超像素分割精度。将该方法与多种方法进行比较，结果表明，该方法对高光谱遥感图像的超像素分割结果更准确，超像素边缘更贴合真实地物边界，能有效改善高光谱遥感图像超像素分割中精度较低的问题。

    高光谱遥感图像超像素分割社区发现标签传播算法简单线性迭代聚类

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

    基于多模态交互网络的图像描述

    段毛毛魏燚伟
    44-51页
    查看更多>>摘要：在各类的图像描述方法中，多模态方法主要将视觉和文本两种模态的信息作为输入，以获得有效的多级信息。然而，其中的多数方法未考虑两种模态数据之间的关系，仅孤立地使用这两种模态的数据。为了在不同模态之间建立复杂的交互，充分利用模态之间的关系提升图像描述效果，首先，引入双向注意流模块(Bi-Directional Attention Flow，BiDAF)，将自注意力机制升级为双向方式;然后，通过一个只需一个遗忘门就可以实现与长短期记忆网络(Long Short-Term Memory，LSTM)相同的功能的门控线性记忆模块(Gated Linear Memory，GLM)有效降低解码器的复杂度，并捕获多模态的交互信息;最后，将BiDAF和 GLM分别应用为图像描述模型的编码器和解码器，形成多模态交互网络(Multimodal Interactive Network，MINet)。在公共数据集MS COCO上的实验结果表明，MINet与现有的多模态方法相比不仅具有更简洁的解码器、更好的图像描述效果、更高的评价分数，且无需进行预训练，图像描述更高效。

    多模态图像描述自注意力长短期记忆网络视觉文本

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

    基于形状特征引导的息肉分割网络

    吴英豪杜晓刚雷涛张学军...
    52-59页
    查看更多>>摘要：由于息肉的形状、大小不一，且息肉与周围粘膜的对比度较低，导致息肉分割是一个极具挑战性的任务。为了提升在不同形状息肉和小尺寸息肉处的分割精度，提出了一个基于形状特征引导的息肉分割网络(SGNet)。SGNet主要包括两点贡献:首先，通过引入ConvNext设计了细节敏感编码器，使网络在提取全局信息的同时也能提取到对息肉分割至关重要的细节信息。其次，设计了形状引导解码器，该解码器能有效适应不同形状的息肉，提取到丰富的息肉形状特征和多尺度特征，从而有效提升网络在不同形状息肉和小尺寸息肉的分割精度。在三个公开的息肉分割数据集ETIS、Kvasir和CVC-ClinicDB上进行大量实验表明，SGNet能够精确地分割不同形状的息肉和小尺寸息肉，在分割精度上超过了近年来主流的息肉分割网络。

    深度学习卷积神经网络医学图像分割息肉分割形状特征

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

    基于改进Transformer模型的多声源分离方法

    曾援李剑马明星庞润嘉...
    60-65页
    查看更多>>摘要：目前主流的语音分离算法模型都是基于复杂的递归网络或Transformer网络，Transformer网络复杂度高导致训练难度大以及音频的高采样率导致在样本级别上使用超长输入从而获取不完全特征，不能直接对长语音特征序列进行直接建模出现特征丢失问题。对此，该文提出了一种基于Transformer的改进网络模型。首先，在原有Transformer网络模型编码器里新添加下采样块，计算不同时间尺度上的高级特征同时降低特征空间复杂度;其次，在Transformer网络模型的解码器里添加上采样层与编码器下采样层特征融合保证特征不丢失，提高模型分离能力;最后，在模型分离层里引入一种改进的滑动窗口注意力机制，滑动窗口使用循环移位技术，新的特征窗口中包含老的特征窗口特征同时融合特征边缘信息完成了特征窗口之间的信息交互，获得特征编码以及特征位置编码同时提高特征信息之间的相关系数。实验表明，使用SI-SNR评价标准达到13。5 dB，使用SDR评价指标达到14。1 dB，分离效果优于之前的方法。

    上下采样层Transformer特征编码滑动窗口注意力机制深度学习

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

    基于特征融合和损失优化的点云语义分割网络

    刘起源路锦正黄炳森
    66-72页
    查看更多>>摘要：针对目前大多数方法仅利用单尺度特征而忽视了具有不同感受野的多尺度特征信息、无法有效处理点云数据集中类别权重不平衡的问题，提出一种基于全阶段特征融合(FSFF)和平衡损失(BL)的分割网络(FFBL-Net)。首先，FSFF模块通过将不同编码阶段的可学习特征与当前阶段特征进行融合，促进了浅层和深层语义信息互补;融合后的特征被传递到编码融合模块(EFM)和解码融合模块(DFM)，实现了特征的跨阶段融合。此外，为了解决数据集中类别分布不平衡的问题，引入BL损失调整类别间的梯度差异。实验结果表明，FFBL-Net在主流的大规模点云数据集S3DIS上，平均交并比达到了69。7%，总体准确率达到了89。9%。与PointNet++相比，FFBL-Net分别提升了12。4%和6。1%。

    点云语义分割多尺度特征融合损失优化神经网络优化

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