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

    基于积分损失的对抗样本生成算法

    章进李琦
    1-7页
    查看更多>>摘要:随着计算机性能的飞速提升和数据量的爆炸式增长,深度学习在越来越多的领域取得了惊人的成果.然而,研究者们发现深度网络也存在对抗攻击.在图像分类领域,攻击者可以通过向原始的图片上加入人为设计的微小的扰动,来使得深度神经网络分类器给出错误的分类,而这种扰动对于人类来说是不可见的,加入了扰动之后的图片就是对抗样本.基于梯度攻击的对抗样本生成算法(projected gradient descent,PGD)是目前有效的攻击算法,但是这类算法容易产生过拟合.该文提出了积分损失快速梯度符号法,利用积分损失来衡量输入对于损失函数的重要性程度,规避梯度更新方向上可能陷入局部最优值的情况,不仅进一步提升了对抗样本的攻击成功率,而且也增加了对抗样本的迁移性.实验结果证明了所提方法的有效性,可以作为测试防御模型的一个基准.

    对抗样本白盒攻击积分梯度卷积神经网络深度学习

    基于自寻优和交叉寻优的量子优化算法

    曹茂俊尤文菁卢玉莹
    8-14页
    查看更多>>摘要:为提高群智能优化算法的搜索能力,提出了一种量子优化算法.该算法基于量子位Bloch坐标,将种群分为最优个体和普通个体两部分并进行不同处理,对于最优个体,通过使所有量子比特在Bloch球面上绕着坐标轴多次旋转,生成多个新个体,并采用贪婪搜索策略选择最优个体;对于普通个体,将当前个体的量子比特向着随机交叉确定的目标位置旋转,生成新个体,并在当前个体和新个体之间通过贪婪选择以实现当前个体的交叉寻优.函数极值优化的仿真结果表明,所提算法在优化能力上,优于简单量子遗传算法、普通遗传算法和人工鱼群算法,从而验证了算法的有效性.该算法在高维能很好地避免陷入局部最优值,具有快速收敛性和良好的全局搜索能力,实验结果揭示出采用量子计算设计优化算法进而提升搜索能力的研究思路是可行的.

    优化算法自寻优交叉寻优量子衍生算法Bloch球面坐标

    基于TOPSIS权重的社会网络影响力最大化

    郭茂林孔兵
    15-21页
    查看更多>>摘要:识别有影响力的用户和邮件是社会网络分析中最重要的主题之一,如何寻找具有最小重叠和最大网络覆盖范围的种子节点集是社会网络研究中的一个重点问题.针对该问题已经提出了很多算法,如贪心算法、CELF算法、K-shell算法和各种中心性度量排序算法等.种子节点之间的距离越近,则节点之间的共同邻居节点越多,造成覆盖范围的重叠.目前的算法往往不考虑种子节点间的距离和其覆盖范围的重叠,导致最终的种子节点集质量不高.该文提出了一种新方法,通过计算节点间的距离和重叠范围的综合权重,以加权的"优劣解距离"(TOPSIS)方法来选择有影响力的用户节点.与传统方法相比,所选择的种子节点集合有更大的影响力散布.

    社会网络信息扩散影响力最大化客观权重TOPSIS方法

    基于深度学习和支持向量机的文本分类模型

    何铠管有庆龚锐
    22-27页
    查看更多>>摘要:NLP(Natural Language Processing,自然语言处理)是人工智能领域的一个主要研究方向,而文本分类是NLP处理技术的重要分支.自然语言处理使计算机、手机等电子设备能够具有识别理解人类语言的能力,由于其自身的复杂性,目前仍有许多技术难点没有被完全攻克,主要包括不断产生的新词、中文词语的一词多义、自然语言的灵活性等问题.该文以期刊论文作为实验数据,研究中文文本分类问题,在传统卷积神经网络模型的基础上提出了一种基于卷积神经网络和支持向量机结合的文本分类模型CNNSVM(Convolutional Neural Network and Support Vector Machine Classifier).相较于传统方法,CNNSVM增加了注意力机制,简化了模型参数,并使用基于支持向量机的分类器替代传统模型中的softmax层帮助实现文本的分类.实验结果显示,该模型提升了特征词语的提取效果,有效解决了softmax层泛化能力较弱的问题.

    自然语言处理词频算法中文文本分类权重预处理词密度权重

    一种增强的多粒度特征融合语义匹配模型

    尚福华蒋毅文曹茂俊
    28-33页
    查看更多>>摘要:语义匹配作为自然语言处理任务中重要的一环,直接制约问答系统、信息检索等任务的效率.针对现有语义模型大多只以词为基本语义单元进行注意力交互,较少考虑中文中的词边界模糊和字符信息获取不足而带来的语言颗粒度对整体建模忽略的问题,提出一种增强的多粒度特征融合语义匹配模型EMGFM.首先结合BERT模型和word2vec以获得增强的字符向量表示,然后从字、词、句三种粒度进行注意力的交互,并对交互结果进行加权融合,以突出不同交互信息对整体建模的贡献.为减少交互过程中产生的信息损失,通过构造差异性来对交互信息进行信息增强.最后通过最大池化、平均池化两种方式获得文本的最终语义表示以进行匹配度的计算.该模型在CCKS问句匹配大赛中文数据集上达到了87%的正确率,相比于一些语义匹配的经典模型准确率均有提升,证明该方法确实能有效提升问句语义匹配的准确性.

    语义匹配语言颗粒度Siamese网络可分解注意力机制BERT模型

    基于TFIDF+LSA算法的新闻文本聚类与可视化

    郝秀慧方贤进杨高明
    34-38,45页
    查看更多>>摘要:近几年来,文本聚类技术作为机器学习领域一种无监督学习的方法,也越来越成为数据挖掘领域备受关注的技术之一.将小规模的文本数据聚为几类,在一定程度上说是一件比较容易实现的工作.可是,当面对大量高维的中文文本数据时,由于在这种情况下对文本聚类,面对的将是高维和稀疏的数据,在保证聚类质量的情况下,提高聚类的速度和可视化效果也成为聚类研究的课题之一.该文提出一种结合词频反文档频率算法(term frequency,inverse document frequency,TFIDF)和潜在语义分析算法(latent semantic analysis,LSA)相结合的方法,来提高kmeans中文文本聚类的速度和可视化效果.将从网页上采集到的11456条新闻作为实验对象,通过基于TFIDF聚类和基于TFIDF+LSA聚类进行实验对比,根据聚类指标轮廓系数(Silhouette coefficient,SC)、卡林斯基-原巴斯指数(Calinski-Harabasz index,CHI)和戴维斯-堡丁指数(Davies-Bouldin index,DBI)的值表明,该方法不仅能保证文本聚类的质量,还能大大提高文本聚类的速度和可视化效果.

    词频反文档频率潜在语义分析文本聚类速度文本聚类可视化kmeans

    基于XLNet-BiGRU-Attention的行业分类方法

    陈钢佘祥荣陈健鹏
    39-45页
    查看更多>>摘要:企业所属行业对于国民经济统计、市场监督管理等领域具有重要作用.在现如今庞大的行业规模下,人工进行企业行业分类不但效率低下,而且可靠性不高.在行业划分规范中,企业所属行业由企业的经营范围描述而得.针对传统词向量加机器学习的方法难以有效融合企业经营范围上下文语义信息等问题,提出了一种XLNet-BiGRU-Attention的行业分类方法.该方法首先通过XLNet网络从企业经营范围文本中获取具有上下文特征信息的语义表征向量,其次构建基于双向门限循环神经网络和注意力机制的候选集生成网络来进一步提取企业经营范围上下文相关特征,再次通过构建键值对嵌入网络来进一步挖掘企业其他标签对于行业分类的提升效果,最后将融合后的特征向量输入到分类器完成企业行业分类.相较于其他基线分类方法,该方法能够取得更好的行业分类效果.消融实验结果表明:该方法所构建的候选集生成网络和键值对嵌入网络能够提升行业分类的性能.

    行业分类XLNet双向GRU注意力机制候选集生成键值对

    基于Python的电商网站服装数据的爬取与分析

    陈广智曾霖刘伴晨曾天佑...
    46-51页
    查看更多>>摘要:电商网站上蕴藏着大量有价值的信息,同时中国的纺织服装产业消费市场非常大,因此,对电商网站上服装数据的爬取、分析非常有意义.为及时准确地获取当前服装产品的流行趋势、消费热点,以便于商家精准投放产品、消费者更理性消费,提出了针对电商网站服装数据的爬取算法fashionDataScrape.该算法将服装商品文字描述信息与图片信息的爬取相分离,具有一定的灵活性,同时能基于关键词爬取服装信息.给出了算法的详细设计类图.采用Python语言实现了该算法,其中主要使用了Requests和Beautiful Soup库,并用lxml作为HTML解析器.以"连衣裙女装新品"、"女装t恤"和"旗袍年轻版"为关键词分别爬取了相应的服装信息,对爬取结果和实际页面进行了人工对比,验证了算法的可行性和有效性.通过对爬取结果的商品描述分析、价格分析和图片的t-SNE聚类可视化分析,进一步验证了电商网站服装数据爬取的意义.

    电商网站服装数据网络爬取数据分析t-SNE聚类

    基于卷积痕迹挖掘的GAN生成假脸图片检测

    罗正军张丽丽
    52-57页
    查看更多>>摘要:虚假人脸的生成与篡改带来的安全威胁已引起广泛关注.针对目前大部分研究需分别对不同GAN(生成对抗网络)生成的虚假图片训练检测模型,很难提取通用特征检测虚假图片,导致模型泛化能力不足的问题,提出了一种基于虚假图片生成过程中转置卷积层造假痕迹挖掘的GAN生成人脸虚假图片检测模型.首先基于虚假图片像素局部相关性和对比损失函数改进图片特征向量提取框架,再利用粒子群算法改进最大期望算法构成EM-PSO(最大期望-粒子群)算法优化特征向量求解过程,进而获取模型在图片RGB三通道计算得到的特征向量.通过支持向量机和图片特征向量实现虚假图片检测.实验结果表明:在由FFHQ真实人脸数据、StyleGAN和StyleGAN2生成的假脸数据构成的模型训练数据集上,模型检测准确率最高可达94.25%,AUC值可达0.99,模型检测准确率明显优于VGG16模型在此数据集上的检测准确率,由此验证了该模型的有效性.

    生成对抗网络对比损失卷积痕迹假脸图片特征提取虚假检测

    区域自适应的非均匀光照图像增强

    吴佳丽干宗良
    58-63,69页
    查看更多>>摘要:传统的图像增强方法对非均匀光照图像进行增强时,通常只考虑了亮度和对比度的提升,忽视了增强过程产生的噪声放大和图像不自然等问题.而当前基于深度学习的方法仍然存在局部退化的现象,且训练模型需要庞大的数据集,运算量大,对硬件要求也更高.针对上述问题,提出了一种基于Retinex的区域自适应增强算法.首先,检测图像边缘并利用双边滤波器得到保留边缘信息的照明图.然后,引入光照调整因子,将部分光照调整到反射分量上以获得细节图像.这种方法可以改善细节并提高图像自然性.最后,通过结合改进的对比度受限自适应直方图均衡与伽马校正来增强图像对比度.实验结果表明,该算法对非均匀图像增强具有较好的普适性和鲁棒性,在保持图像自然性的同时,未出现明显过增强、光晕伪影、细节丢失和色彩失真等退化现象,在主观评价及客观评价方面均优于其他对比算法.

    非均匀光照图像Retinex光照分量光照调整因子伽马校正