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

    基于改进的DSSD的小目标检测算法研究

    杨朝晨陈佳悦邢可刘梦尼...
    63-67页
    查看更多>>摘要:随着深度学习的迅速发展,图像识别技术也随之日益提高,其中目标检测在辅助驾驶系统、医学领域和车流监测系统等占有重要地位.大多目标检测算法对大目标较为敏感,且并未考虑特征与特征之间的相互关系及重要程度,然而小目标在图像中覆盖区域小,分辨率低,携带信息较少,导致小目标的误检或漏检率较高.针对以上问题,对小目标检测的难点进行研究,提出了一种基于改进的DSSD(deconvolutional single shot detector)的小目标检测算法.该算法引入混合注意力机制,在通道维度上增加权重分量进行加权求和表示信息相关度,并将图片中的空间域信息做对应空间变换,提取关键信息,突出局部重点区域,有利于前景小目标的特征学习.实验结果表明,该算法在VOC2007测试集上的精确度达到81.02%,比原DSSD算法高出1.3%,且均优于其他对比算法,证明了算法的有效性.

    深度学习DSSD残差网络小目标检测图像处理

    解决抽象标签的图像分类的多示例两阶段模型

    于全宋金玉余晓晗
    68-73页
    查看更多>>摘要:经过训练的分类模型可以准确识别出图像中的具体对象,找出"图像中有什么",但针对诸如"图片描述了什么"的抽象概念标签的图像分类问题研究较少,研究难度也更大.抽象概念标签不属于图像中包含的任何一个具体的对象,而是由许多不同的概念混合在一起,所以直接学习这个抽象标签相当困难.为了解决这类抽象标签的图像分类问题,借助多示例学习方法思路,设计并实现了多示例两阶段模型.该模型由两个阶段构成,第一阶段基于Yolo模型修改,实现从图像中快速、精准提取出具体对象,第二阶段构建多层感知机,利用第一阶段模型的结果最终得到图像的分类抽象概念.最后,通过一个具有示范性的实验案例,验证多示例两阶段模型可以利用多示例学习有效解决抽象标签的图像分类问题,展示了多示例两阶段模型的可行性.

    多示例学习图像分类抽象标签Yolo多层感知机

    基于空间注意力的CNN特征增强方法

    许畅王朝辉
    74-78,111页
    查看更多>>摘要:卷积神经网络一般被用于特征提取,它通过提取图像底层的点、线、面的几何特征,进而映射到高层的语义特征,然而传统的卷积网络只对输入的样本进行宽泛的特征提取,而不会刻意去区分图像的前景和后景,这使得模型提取到的特征包含大量的背景噪声,降低了模型的表征能力.在空间注意力的基础上,提出了一种名为特征增强网络(FA-block)的卷积网络分支,这种网络结构从样本的掩膜中学习目标的空间分布,为原始特征图上的每一个像素点训练得到代表重要程度的权重,然后通过加权的方式突出特征图中的目标部位.此方法旨在抑制背景噪声,增强待学习的目标特征,让主干网络提取到的特征更加纯净.在PASCAL VOC数据集上的实验证明了FA-block的有效性,最后经过MS COCO数据集的验证,FA-block使得Faster Rcnn基线的性能提高了5.5%.

    计算机视觉卷积神经网络空间注意力特征增强高频噪声抑制

    基于序列光圈拍摄的逆光图像重建方法

    李响马荣贵何逸煦
    79-84页
    查看更多>>摘要:逆光图像因背景光远强于前景导致前景阴暗模糊造成图像观感不佳.而在当前逆光图像研究中多数为对单一的前景灰暗背景正常的逆光图像进行还原处理,且处理效果难以控制.针对上述问题,提出一种基于序列光圈的逆光图像还原方法.该方法首先通过调节相机光圈获得一组由背景过曝前景清晰逐步转换至背景清晰前景灰暗的逆光图像并将其分为前景可用图像与背景可用图像.然后使用改进的图像阈值分割算法进行逆光图像可用部分提取,并使用基于轮廓拟合的图像拼接算法将各前景可用图像提取部分分别与各背景可用图像提取部分拼接得到非逆光图像.最后,通过图像逆光度分析与信息熵综合的筛选方法,将拼接得到的非逆光图像进行筛选,得到最终结果图像.该方法相较于传统逆光图像重建方法,不但提高了处理结果的可控性,而且在保留更多原有图像的细节的同时降低了颜色失真.

    逆光图像处理图像分割图像拼接图像方差信息熵

    基于Feature-RNet的三维大场景点云分类框架

    雷根华王蕾张志勇
    85-91页
    查看更多>>摘要:随着大场景三维点云应用在越来越多的领域中,近些年对激光点云大场景下的分类研究不断深入,各种分类模型层出不穷,在大场景点云分类任务中表现优异,但是依然存在训练时间长、计算复杂以及分类精度低等问题.针对分类精度低这一问题,提出一种基于Feature-RNet的三维大场景点云分类框架模型来实现点云分类工作.该框架模型不直接以三维点云数据作为输入,而是以通过KNN方法提取三维点云的二维特征和三维特征构建的特征图像作为输入,避免了网络框架对三维点云数据直接处理的不适应性;该模型设计的RNet框架结构利用了残差模块,并对其进行变型以达到提高分类精度的效果.采用公开的Oakland三维数据集对Feature-RNet框架模型进行训练,与现有的其他深度学习分类框架相比,提出的Feature-RNet框架模型在分类精度上有较大的提升,总体分类准确率能达到97.7%.

    点云特征图像RNet网络框架大场景点云分类Oakland数据集深度学习

    基于深度强化学习的QoS感知Web服务组合

    高文斌王睿王田丰祖家琛...
    92-98页
    查看更多>>摘要:传统单体式软件架构由于耦合性高、扩展性差的原因,难以适应如今用户需求频繁变动的开发场景.随着服务化理念的深入推广,利用独立的Web服务进行组合成为解决这一问题的可行方案.如何利用功能不同、服务质量(Quality of Service,QoS)迥异的Web服务,构建出满足用户功能性需求及非功能性需求的组合服务成为服务计算领域的一个研究热点.提出一种基于马尔可夫决策过程的服务组合模型,并设计了基于深度强化学习的求解算法.应用深度网络提升模型表现,可有效解决大规模服务组合场景中现有服务组合算法寻优能力差的问题;进一步针对传统强化学习Web服务组合模型中奖励值估计不准确的问题,提出了一种基于卷积神经网络计算奖励值的方法,对服务历史QoS信息加以充分利用,并在公共数据集上做了实验验证.实验结果表明,基于深度强化学习的服务组合ADR-WSC算法在大规模服务组合问题中输出的组合服务QoS更优,算法运行时间更短.

    服务组合服务质量深度强化学习Web服务QoS感知

    基于DRL的MEC卸载网络竞争窗口优化

    詹御张郭健彭麟杰文军...
    99-105页
    查看更多>>摘要:多接入边缘计算(MEC)是一种新兴的云计算.低算力的物联网设备可以把计算任务卸载到MEC上处理,以提供更高质量的服务.当MEC的卸载网络在面临大量设备接入时,各设备请求服务时相互竞争的网络连接会发生大量碰撞从而导致MEC卸载网络的性能下降.在Wi-Fi作为MEC的接入点场景中,面对较少数量的设备接入时,802.11协议的退避算法可以合理地设置竞争窗口的值来减轻碰撞所带来的网络吞吐量下降,但默认的退避算法无法有效地应对较多的接入设备或动态变化的网络拓扑.为优化竞争窗口的设置以改善网络性能,提出两种竞争窗口优化的深度强化学习(DRL)方法,将深度Q网络(DQN)与深度确定性策略梯度(DDPG)方法分别用于优化MEC卸载网络竞争窗口大小的设置,以有效应对大量的接入设备和网络拓扑的动态变化.仿真实验结果表明,DRL方法在不同的接入设备数量、静态网络拓扑和动态网络拓扑的条件下,均可稳定网络的吞吐量,且相比于默认的方法有较大的提升,静态条件下相对提升46%,动态条件下相对提升36%,且并没有破坏网络服务的公平性.

    深度强化学习多接入边缘计算物联网网络优化竞争窗口

    基于人工智能的侧信道攻击研究

    何利文国海轮安聪
    106-111页
    查看更多>>摘要:随着密码技术和信息技术的发展,目前的密码算法本身已足够强大,能够对抗传统的密码分析手段,但由于设备本身的工艺特性,其运行时会泄露如功耗、电磁、时间等侧信道信息,这些信息可以被攻击者利用,破解密钥.因为这种攻击效果好,所以最开始比较受欢迎.模板攻击由Rohatgi等人首次提出,和差分功耗攻击不同的是,它需要攻击者预先刻画密码芯片的模板,然后进行模板匹配,攻击时攻击者可以提取感兴趣的部分,因为监督学习和这种攻击过程很类似,所以机器学习在侧信道领域应用越来越广.之后Martinask等人将深度学习方法引入模板攻击,结果表明攻击效果优于其他训练算法.该文首先介绍了侧信道攻击的发展情况、概述、分类,之后结合最近几年机器学习技术的发展,阐述了人工智能在侧信道攻击技术方面的应用.

    侧信道攻击人工智能故障攻击功耗攻击模板攻击

    基于无证书聚合签名的导航信息更新方案

    丁晓晖曹素珍窦凤鸽马佳佳...
    112-119页
    查看更多>>摘要:车联网中实时的路况导航信息更新在安全驾驶、缓解交通拥堵等方面有着极其重要的作用,但如何保护用户隐私不被泄露是实时路况导航信息更新时所面临的一大挑战.为有效地解决该问题,提出了一种适用于车联网的具有实时导航信息更新功能的无证书聚合签名方案.方案中当导航公司需要访问数据时,雾节点将车辆广播的签名消息聚合后上传给可信中心,经可信中心批量验证后再将其反馈给导航公司.可信中心为车辆用户生成临时假名,实现用户身份的匿名性,满足了条件隐私保护的要求.利用聚合签名技术,降低了计算与通信开销.引入审查机制,进一步保证签名的安全性与可靠性.最后,基于椭圆曲线中的离散对数困难问题,证明了方案在适应性选择消息攻击下,满足存在性不可伪造.数值分析结果表明方案在计算开销方面具有一定的优越性.

    导航信息更新无证书密码体制聚合签名无双线性对审查机制条件隐私保护

    一种基于双勾函数的数据加密算法研究

    李宏伟潘志远黄继杰
    120-125页
    查看更多>>摘要:在量子计算及保密通信的背景下,传统的对称和非对称加密技术及应用需要继续深化研究.该文针对双勾曲线函数的特性进行了对称、非对称和格加密技术的研究,并探讨了其应用的场合.首先通过对其渐近线做垂直线以及线上点的X轴平行线,将明文数值对应为交替所做的垂直线和平行线的次数,用最后一次交点的X或Y值作为对应的密文.然后基于双勾函数的两个特征参数以及基点的选取,设计了对称加密算法和相应的非对称加密算法(DHC);并选择任意条双勾曲线函数作为格基来构成非线性的格空间,由此探讨了基于双勾曲线函数的格加密可能性.最后通过在PC工作站上的仿真测试,表明基于双勾函数的数据加密算法比椭圆曲线加密算法(ECC)快了好几百倍;进而通过将DHC算法应用到电力云培训仿真中,确保了云培训考核的安全性,表明了基于双勾函数的数据加密算法能很好地适用于快速加密的场合.

    双勾函数对称加密非对称加密曲线加密格加密