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

    基于音视频信息的深度多模态抑郁症识别综述

    张石清张星楠赵小明
    1-11,40页
    查看更多>>摘要：抑郁症是一种精神疾病,严重时会导致自杀行为的发生.当前抑郁症患者人数正变得越来越多,越来越普遍化、年轻化.采用机器学习方法开展面向音频、视频等模态信息的多模态抑郁症识别研究已成为一个计算机科学、心理学、医学等多学科交叉的热点课题.近年来,新发展起来的深度学习技术也逐渐被应用于面向音频、视频等模态信息的多模态抑郁症识别中的深度特征提取任务.为了系统总结和归纳近年来深度学习技术在多模态抑郁症识别领域的研究进展,首先介绍了抑郁症的临床表现及心理学诊断方法,随后简要总结了现有的抑郁症数据集,并阐述了代表性深度学习技术的基本原理及进展情况;然后,系统分析和总结了面向音频、视频的多模态抑郁症识别涉及到的关键技术,包括手工特征提取和深度特征提取,以及多模态信息融合策略;最后,指出了该领域存在的机遇与挑战,并对下一步的研究方向进行了总结与展望.

    抑郁症深度学习音频视频特征提取多模态融合方法

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

    基于事件画像和案例推理的社区工单处置

    强海玲陈剑佘祥荣陈健鹏...
    12-19,46页
    查看更多>>摘要：近年来,随着政府数字化转型的不断深入,越来越多的12345 政务热线工单下发到社区进行处置.工单文本信息通常较为稀疏,主题序列涵盖城市治理方方面面.社区管理人员对工单进行处置往往花费较长时间,无法满足群众实时响应的需求.为了提升社区工单处置的质量和时效性,该文提出了一种基于事件画像和案例推理的工单处置决策方法.首先,基于统一标准地址库以三元组方式构建地名地址基因库用以获取地名中的谱特征,构建树集合以表征地址基因之间的层次关系,利用地址基因之间的关联关系对缺失地址元素进行补全和还原;其次,为了充分发掘社区工单文本的局部特征和全局特征,该方法通过基于BiGRU、Self-Attention、CNN、CRF的组合神经网络对社区工单事件进行有效提取;最后,在构建社区事件历史案例库的基础上使用关键词提取并计算事件之间的相似度.对比实验结果表明,该方法相较于其他方法能够取得更好的性能.

    事件画像案例推理工单处置地名地址基因事件提取组合神经网络

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

    "天镜"全流程指标计算功能优化

    徐达曾乐王英杰
    20-26页
    查看更多>>摘要：气象综合业务实时监控系统-"天镜"为全国气象部门针对基础观测数据和产品在收集、分发、入库、同步各个环节提供数据全流程监视服务."天镜"系统中气象资料全流程的到报率和及时率指标作为对全国气象站上行资料的考核依据,是一线值班人员重点关注对象.为保障"天镜"系统的可靠性和高效性,解决目前"天镜"系统全流程指标计算慢的问题,基于Spark大数据计算引擎优化了全流程计算策略.文中将原本复杂的计算任务按气象资料类型和是否考核进行拆解,并重构了Spark任务生成的模板.结果表明,在相同的物理条件下,将单个庞大的计算任务拆解成多个子任务并行处理可以有效地提升Spark集群的计算效率,优化"天镜"系统中地面区域站气象资料的实时展示效果.

    气象"天镜"Spark计算全流程大数据

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

    基于控制点特征学习的前列腺组织轮廓线提取方法

    金海燕张锦王海鹏肖照林...
    27-33页
    查看更多>>摘要：前列腺疾病检测和诊断的重要手段之一是分析核磁共振加权成像(T2 Weighted Imaging,T2WI)与弥散加权成像(Diffusion Weighted Imaging,DWI)的结果.对前列腺组织图像识别和标注的工作依赖医生经验且效率较低,大量就诊数据的高效高精度处理成为该领域一大挑战.目前,在T2WI图像上提取轮廓的深度学习图像分割算法已有报道,但在DWI图像上提取前列腺组织轮廓,仍存在边缘模糊导致的轮廓线提取难题.针对该问题,提出一种前列腺轮廓控制点的深度学习检测方法.与直接检测轮廓线不同,该文提出一种U型卷积神经网络对轮廓线控制点进行特征学习,以降低由不同患者前列腺轮廓差异导致的特征歧义性问题.在大量已标注数据集上,采用监督学习方式,提出一种结合控制点概率与空间分布的加权损失函数以优化神经网络收敛速度与检测性能.在控制点高精度检测的基础上,采用曲线保凸拟合得到最终的前列腺组织轮廓线.在实验部分,采用前列腺就诊临床数据测试了所提方法的性能,并与直接检测轮廓线方法、多种经典图像分割方法进行了对比.在实验数据的测试结果表明,该方法在相似性系数指标及豪斯多夫距离指标等方面优于现有其他医学网络分割方法.此外,该方法由于仅学习轮廓控制点,因此其在小样本数据集上的学习能力显著优于直接检测轮廓线的深度学习方法.

    前列腺组织弥散加权成像控制点学习U-Net网络特征学习

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

    融合自注意力和卷积的图像检索技术

    曾凡锋王祺
    34-40页
    查看更多>>摘要：针对细粒度图像类别之间差异较小的问题,需要对不同区域进行特征提取,自注意力模型能够有效地获取全局特征,卷积神经网络有利于得到图像的局部细节特征.为了实现高效的图像特征提取,提出一种融合自注意力和卷积的图像检索方法.自注意力和卷积是特征提取的两种强有力的方法,将两者进行有效融合,以提取更鲁棒的特征.该方法先通过卷积层提取图像局部特征,然后再输入到自注意力模型捕获全局信息,生成质量更高的图像特征用于图像检索.为了使自注意力模型与卷积能够有效融合,对自注意力模型进行了改进,更好地将局部特征与全局表示进行融合,实现改善图像检索效果的目的.在CUB-200-2011 及CARS196 图像检索数据集上的实验结果表明,所提方法可以有效地提高检索精度.

    图像检索自注意力卷积神经网络特征提取深度学习

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

    二阶段手写汉字骨架提取优化

    陈泓汉王涛熊显航
    41-46页
    查看更多>>摘要：骨架提取是研究手写汉字的重要先决步骤,基于细化算法提取手写汉字骨架存在笔画交叉处产生不同程度畸变以及毛刺等问题,提出一种适用于细化算法的二阶段手写汉字骨架提取优化算法.使用细化算法得到待修复的汉字骨架,通过二阶段检测算法识别汉字骨架中笔画交错分叉区域以及确定畸变待修复范围,并依据分叉区域类型,采用相应的修复策略.实验结果表明,该二阶段检测法能够有效地检测出笔画分叉区域,准确率达到96.89%,且分叉区域归类算法可很好地识别出畸变区域类型.经过修复后的汉字骨架能够正确地反映笔画间的原有拓扑结构,使得最终优化骨架更能突出手写汉字特征,验证了算法的有效性.

    手写汉字细化算法区域畸变分叉点合并畸变修复

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

    基于姿态注意力的特定角度人脸正面化网络

    解奕鹏秦品乐曾建潮闫寒梅...
    47-54页
    查看更多>>摘要：人脸正面化对人脸识别有重要意义,但实际监控场景中大姿态的人脸正面化效果通常不如较小姿态,因此提出姿态引导的特定角度生成对抗网络(Pose-Specific Generative Adversarial Network,PS-GAN).PS-GAN由生成器和鉴别器组成,生成器由编码器、姿态注意模块、特征转换模块以及解码器四部分组成,编码器与解码器分别对输入图像进行下采样与上采样,姿态注意模块为网络引入人脸结构先验的同时约束模型关注感兴趣区域,特征转换模块对编码器得到的侧脸特征进行变换并抑制冗余通道.首先,将连续的姿态变化划分为离散的姿态集合,单个PS-GAN模型由某一特定角度的数据训练;然后,将多个PS-GAN进行组合,使其适用于任意角度的人脸输入.在本实验室自主采集的MASFD数据集以及CAS-PEAL-R1 公开数据集上进行了大量的定性与定量实验,验证了网络结构的有效性以及合理性;与现有方法相比,虽然PS-GAN是由受限数据集训练的,但它也能在非同源数据上有良好的视觉效果.

    人脸正面化注意力机制生成对抗网络人脸识别深度学习

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

    多尺度特征融合ESRGAN的岩石显微图像超分辨研究

    朱联祥仝文东牛文煜邵浩杰...
    55-60,74页
    查看更多>>摘要：岩石显微图像可以反映油气藏的分布情况,对石油勘探等行业具有很高的应用价值.针对岩石显微图像在超分辨处理时存在岩石特性模糊、分辨率低、丢失细节信息等问题,基于ESRGAN和多尺度特征融合,对网络结构进行优化,在ESRGAN的RRDB块中加入多尺度特征融合方法,提出一种岩石显微图像超分辨率重建算法.采用DRSRD1 2D岩石显微图像数据集进行4 倍超分辨重建实验,通过峰值信噪比(PSNR)、结构相似性(SSIM)及感知系数(PI)对重建结果进行评价,并将所提算法与SRGAN、SFT-GAN、ESRGAN方法进行对比.结果表明:在碳酸岩数据集上,该算法的三项指标在几种算法中均为最优;在砂岩数据集上,该算法的PSNR和PI指标最优,SSIM则为次优.此外,该算法在视觉效果上也有着良好表现,能更好地表达图像的细节特征.

    岩石显微图像深度学习超分辨率重建生成对抗网络密集卷积网络多尺度特征融合

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

    基于注意力机制与残差网络的掌纹脊线距离估计

    张浩陈亚南杨璐许丽娜...
    61-67页
    查看更多>>摘要：掌纹脊线距离是掌纹脊线的重要纹理属性之一,在掌纹识别算法与图像质量评估方法中常作为一个重要参数被进行参考.目前常用的掌纹脊线距离估计方法为频域方法,但已有的频域方法对掌纹图像质量与完整性要求高,导致适用范围受限,且测量精度仍需进一步提高.针对上述问题,提出一种基于注意力机制与残差网络的掌纹脊线距离估计方法,将手工标注获取的脊线距离值作为输入掌纹图像块的类别进行识别.该方法以VGG16 网络为基础,将CBAM注意力模块有机引入,增强网络对脊线结构信息的关注;并对损失函数进行改进,添加残差机制,来避免梯度消失问题.所用数据集由手工标注完成,针对数据集中存在的样本分布不均衡问题,采用数据增强的方法削弱类别分布间的不平衡,并设计样本不均衡损失函数对模型进行优化.实验结果表明,该方法在该数据集上相比频域方法在识别准确率上提升了14.2%,且相比部分经典深度学习方法在准确率上至少提升了5.1%.

    掌纹脊线距离VGG16残差网络注意力机制损失函数

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

    一种阶梯型多尺度神经网络条带噪声降噪模型

    王诏王燕苏国辉史升凯...
    68-74页
    查看更多>>摘要：针对遥感影像上存在的复杂条带噪声问题,提出一种阶梯型多尺度卷积神经网络降噪模型(SmCNN).该模型采用一种阶梯型网络结构轻量化设计,高度融合高、低层等多层网络特征,对影像上的非均质、高覆盖、多尺度条带噪声具备优秀的识别、去除能力.模型主要通过3*3 空洞卷积构建多尺度网络和残差网络融合多尺度特征信息,增强多尺度条带噪声的检测能力、弥补深度网络退化缺点;采用锯齿状混合空洞卷积网络结构解决图像信息不连续问题;设计阶梯型多尺度网络结构、引入1*1 卷积以轻量化神经网络模型,降低模型复杂度.实验结果表明,SmCNN降噪性能明显优于传统图像降噪方法,比经典的前馈去噪卷积神经网络(DnCNN)降噪模型在均方误差、峰值信噪比、结构相似性三项图像降噪质量评价指标上,分别提高了61.2%、11.8%和0.7%,且网络结构轻量化效果显著,节约了53.11%的模型训练时间.

    降噪阶梯型多尺度混合空洞卷积卷积神经网络遥感影像条带噪声

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