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HOG特征的加权稀疏表示人脸识别算法

    高纪东王正群夏进
    64-69页
    查看更多>>摘要:在人脸识别中,为了进一步提高人脸图像对光照等外界因素的鲁棒性,提出一种基于HOG特征的加权稀疏表示算法,将加权稀疏表示方法和HOG特征以及随机投影方法相融合,以降低复杂度,提高识别性能.首先,统计每一幅图像的方向梯度直方图(HOG)特征,并对每一幅图像进行归一化处理,削弱人脸图像中的光照影响;其次,对归一化后的图像引入随机矩阵算法,进行多次随机投影,得到每个样本所对应的稀疏系数,利用样本之间的距离作为稀疏系数的权值;在此基础上,对传统稀疏表示分类器进行改进,样本经随机矩阵多次投影和稀疏表示后会产生多个重构残差,最后利用样本的重构残差和对样本进行识别分类.ORL人脸库和GT人脸数据库上的实验证明该方法对光照等外界物理因素有着很好的鲁棒性.

    人脸识别随机投影稀疏系数方向梯度直方图加权稀疏表示

    基于Spark的花卉图像分类研究

    侯向宁徐草草杨井荣
    70-74页
    查看更多>>摘要:针对传统单机模式对海量花卉图像数据分类效率低下以及现有网络模型对花卉分类准确率不高的问题,首先通过搭建Hadoop及Spark分布式计算框架,利用HDFS存储海量花卉图像数据,Spark进行分布式并行计算,HBASE存储相关的集群参数及网络模型参数.其次在对现有的VGG16网络模型进行研究的基础上,将选择性软注意力机制引入VGG16网络对其进行改进,使VGG16网络可以从不同的感受野获取信息,并使网络泛化能力变得更强.最终在Spark分布式计算框架中采用TensorFlowOnSpark技术,实现花卉图像特征提取、模型训练及分类测试的并行化,既降低了模型训练的时间,同时也提高了花卉分类的准确率.实验表明,与未引入SK(选择性内核)单元的VGG16模型相比,花卉分类的准确率提高了近15.3个百分点.实验还表明,分布式计算有利于负载均衡,极大地降低了模型训练及分类测试的耗时,能进一步提高海量花卉数据分类的效率.

    花卉分类HadoopSparkVGG16TensorFlowOnSparkSK单元

    基于GMM的多颜色空间融合的火灾检测算法

    金仙力宋少杰刘林峰
    75-81页
    查看更多>>摘要:GMM算法(高斯混合模型算法)是一种用于背景建模的高效算法,然而传统的GMM算法比较适合于背景很少发生变化的情况,由于无人机这种高速移动平台自身的特殊性,背景时时刻刻在发生变化,因而导致GMM算法会出现很多的误判,无法适应这种复杂多变的环境.为了解决这个问题,提出一种基于GMM的多颜色空间融合的火灾检测算法.首先使用HSV、XYZ等多种颜色模型和形态学方法对无人机拍摄的视频帧图像进行预处理,然后在此基础上使用改进的三帧差分法配合改进的自适应GMM算法进行烟雾和火焰的检测,最后使用形态学方法进一步去除噪声.与传统的GMM算法相比,该算法能够有效地满足无人机高速移动平台对于算法实时性和检测性能的要求,能够很好地去除噪声,快速、准确地检测出移动的烟雾和火焰.

    颜色模型三帧差分法自适应高斯混合模型形态学方法运动检测无人机

    舰船遥感图像数据集DSTD的构建研究

    何维娟江涛王林飞徐权峰...
    82-86,92页
    查看更多>>摘要:目标检测算法在PASCAL VOC、COCO等一系列数据集中都取得了一定的效果,但是都是面向自然场景下的多目标检测任务,而这些数据集中的单类目标场景往往很单一,相应目标数量也很少,针对特定场景和特定目标的数据集并不多见.而对于此类任务的数据集往往也是很有价值的,例如遥感场景下的舰船检测或者飞机检测.针对此问题,构建一种面向遥感场景的大规模水面舰船目标检测数据集,其数据集的主要来源为DIOR、DOTA、NWPU-VHRdataset、TGRS-HRRSD-Dataset-master等几个开源数据集,将其命名为DSTD(dataset for ship target detection),数据集中包含4854张舰船图片,87076个舰船实例.DSTD数据集具有数量多、多尺度和成像差异大以及较高的类内多样性等特点.在构建数据集的基础上,进一步分析了遥感舰船图像的细节特征,评估了一些经典目标检测方法的性能,并进行了实验对比,验证了该数据集的可行性,同时发现了当前较适合舰船的检测方法:即YOLOV5.使用YOLOV5算法进行舰船图像目标检测,在保证高检测精度的同时,能保持极快的检测速度.

    目标检测遥感数据集舰船YOLOV5

    一种融合生成对抗网络的零样本图像分类方法

    刘帅黄刚戴晓峰颜金花...
    87-92页
    查看更多>>摘要:目前很多零样本图像分类方法是采用学习语义信息空间和图像特征空间之间的映射关系来实现图像分类,但是这些方法会产生枢纽化和域漂移问题.通过利用生成对抗网络实现图像特征生成可以缓解以上两种问题,但该方法容易产生模式崩溃从而导致生成的图像特征不真实.因此提出一种改进的生成对抗网络方法,通过在生成器网络上增加一个重构网络,将生成器生成的图像特征重构回语义信息,以此实现生成器网络生成的图像特征更加符合语义信息的图像特征.实验结果表明,该方法相较于原本的生成对抗网络模型而言,在AWA、CUB、FLO、SUN四个数据集上的分类准确率分别提升了1.0、0.1、1.2和0.9个百分点,证明了通过融合改进的生成对抗网络实现零样本图像分类方法的有效性和可行性.

    零样本学习生成对抗网络语义信息图像特征生成信息重构

    基于卷积神经网络的多模型交通场景识别研究

    姚芷馨张太红赵昀杰
    93-98页
    查看更多>>摘要:利用人工智能中的视觉分析技术,实现对高分辨率交通视频中出现的各个目标类别进行实时目标检测、语义分割和目标追踪.数据集结合BDD100K和Mapillary Vistas.训练中不仅对模型中的参数进行调整,还对多个模型进行改进与创新.目标检测模型使用EfficientNet-B1作为主干网络,使用ASPP与改进后的FPN作为脖颈网络,通过引入多种模型训练技巧,对模型进行优化,最终结果减少约2.3倍的参数量,在不同数据集上的准确率都有所提升.目标追踪使用DeepSort追踪算法对多个目标类别进行追踪计数.语义分割使用Encoder-Decoder结构,使用EfficientNet-B4作为主干网络,参照U-Net++网络使用卷积层作为特征提取模块,反卷积层作为上采样模块,通过联结不同大小的特征图,得到最终输出结果.将改进语义分割模型与MobileNetV2和DeeplabV3网络结合的模型进行对比,减少约1.35倍的参数量.实验证明,通过深度学习算法提取鲁棒性特征能够为自动驾驶和辅助驾驶场景中的检测识别提供便利.

    目标检测语义分割特征提取上采样鲁棒性特征

    MBR磁盘转换为GPT磁盘的研究与实现

    陈培德吴建平刘宏杰白雪松...
    99-104页
    查看更多>>摘要:MBR磁盘是硬盘一种分区格式,最大支持2.2 TB的硬盘;而GPT磁盘是硬盘的另一种分区格式,克服了MBR对分区管理不能超过2.2 TB的缺点,是目前硬盘普遍使用的一种分区形式.该文以Windows 10为平台,WinHex 15.08为分析工具,虚拟硬盘为实验对象,制作GPT头、GPT分区表、GPT头备份模板,通过GPT分区表模板来恢复GPT分区表及GPT分区表备份,并重新计算GPT头中的GPT分区表CRC32校验和、GPT头CRC32校验和.实验结果表明:MBR磁盘转换为GPT磁盘,通过扫描丢失的分区获得各分区的开始扇区号和容量,通过容量计算出总扇区数,通过开始扇区号和总扇区数计算分区结束扇区号,通过GPT分区表模板成功恢复GPT分区.该文提出了将MBR磁盘转换为GPT磁盘的基本思路、方法与步骤,解决了将MBR磁盘转换为GPT磁后,GPT分区难以恢复的技术问题.

    MBR磁盘GPT磁盘保护的MBRGPT头GPT分区表

    基于FPGA的高效卷积神经网络设计

    潘坤榕夏福源李瑞民刘子嫣...
    105-110页
    查看更多>>摘要:作为深度学习的代表算法之一,卷积神经网络因为拥有良好的特征提取能力而被广泛应用于计算机视觉、自然语言处理等领域.然而,因为卷积神经网络拥有庞大的计算量,主流的硬件平台往往不能满足模型的各种需求.例如,CPU受限于自身架构无法提供高效的算力;GPU因功耗太高而无法满足移动设备需求;ASIC开发周期较长,成本较高,难以实现设计的复用.现场可编程逻辑门阵列是一种半定制电路,拥有计算力强、功耗低等特点,其并行化的结构特点正适用于卷积神经网络模型的搭建.针对MINST数据集,该文提出了一种卷积神经网络模型的设计思路及优化方法,并利用VIVADO HLS工具在FPGA平台上完成卷积神经网络模型的部署,探讨了卷积层IP核的通用性设计.经实验验证,卷积层的时钟周期经优化后大大缩短,卷积层的设计可通过参数调整实现复用.部署于FPGA的卷积神经网络模型性能良好,能通过参数传输的方式实现针对不同数据的通用.

    人工智能卷积神经网络现场可编程逻辑门阵列数字识别TensorFlow

    构建软件测试领域不确定性知识图谱

    罗浩榕朱卫星史涯晴万进勇...
    111-116页
    查看更多>>摘要:由于软件测试技术的不足和成本的限制,从历史软件测试资产中获取的可复用知识对象具有不确定性.为了更有效地复用历史测试知识,软件测试知识复用系统应当建模和评估知识的不确定性.模糊知识图谱是利用不确定性理论对典型知识图谱的一种扩展,在利用语义网络描述知识实体及其关系的基础上,通过模糊关系建模知识不确定性.通过分析软件测试资产,确定测试需求、测试用例和问题报告三类知识的表现形式和内涵,建立软件测试资产本体和领域特征本体作为知识图谱模式层,提出一种基于信息论的领域特征抽取方法,构建领域特征图谱.分析软件测试不确定性的产生原因,基于粗糙集理论对本体进行扩展,在软件测试资产和领域特征之间建立模糊关系.提出一种基于知识粒度的模糊置信度计算方法,用于构建软件测试模糊知识图谱,为软件测试中不确定性知识的复用提供了基础.通过一个指挥信息系统领域实例验证了方法的可行性.

    软件测试知识图谱不确定性知识粗糙集知识粒度

    基于专家系统的Web日志数据处理方法研究

    李春生豆立宪张可佳刘涛...
    117-121页
    查看更多>>摘要:企业员工访问网站的记录在企业服务器中形成了大规模日志数据,从这些海量数据中发掘出有意义的信息是管理企业员工重要的环节,并成为大数据时代关注的重点.完成数据挖掘的核心工作之一就是对原始数据的预处理,它影响到数据分析结果的准确度.但由于web日志是Apache、Nginx和ⅡS等web服务器运行时产生的系统日志,web日志格式根据使用web服务器的不同而不同.所以,传统的日志数据清洗方式难以应对目前如此复杂的日志格式.由于专家系统其技术特点能应对复杂的日志格式,所以通过结合专家系统,推理出对应的web日志格式,从而自动进行日志数据清洗,可以使得当下复杂海量web日志数据预处理更加高效,智能.首先,介绍了专家系统;其次,介绍了web日志数据一般的数据预处理流程;最后,结合专家系统对海量复杂的web日志数据进行数据预处理,并通过实验验证了该方法的可行性.

    专家系统web日志数据数据预处理复杂日志格式规则库