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

    深度学习在地震初至拾取中的应用综述

    高新成杜功鑫王莉利李强...
    1-6页
    查看更多>>摘要：随着计算机硬件技术的不断提高,人工智能技术在各个行业的广泛应用,地震学界开始探索用深度学习算法处理地震初至波数据,为初至波的拾取研究提供了崭新的方向.为了解决传统地震波初至拾取方法对低信噪比资料拾取精度较低、算法鲁棒性较差等缺点,提高地震初至拾取速度和效率,减少耗费的人力以及人为拾取所产生的误差,该文系统地介绍了地震事件初至波拾取的常用传统方法,详细地阐述了深度学习领域内各种经典神经网络模型在地震初至波拾取中应用现状.通过实例对比分析卷积神经网络、深度信念网络、生成对抗神经网络和深度递归神经网络等模型在地震初至波拾取中的应用效果,讨论总结了深度学习在地震初至波拾取领域内应用存在问题和应用前景,为今后地震初至拾取研究提供新的思路.

    人工智能深度学习地震勘探初至拾取神经网络

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

    知识融合研究方法

    林硕赵震
    7-14页
    查看更多>>摘要：知识融合是知识管理的一个重要部分,它可以融合、转换分布式的信息源,是一种将多个信息源的不同知识进行合并,从而产生新知识的过程.知识融合能对不同的知识库进行深度挖掘,实现不同知识系统资源之间的共享,从而获取有价值或可用的新知识.该文主要对知识融合的相关研究方法进行了综述.首先,对国内外研究现状进行了归纳整理并对语义规则、贝叶斯网络等知识融合算法进行了总结,对所用算法的目的和未来研究方向进行了描述.其次,重点从知识融合定义、模式、框架三个方面进行综述,意在解释当前知识融合由于多学科领域交叉,概念边界模糊,没有形成统一的框架的问题,为研究知识融合的通用框架提供了新思路.再次,详细讨论了机器学习方法、深度学习方法等知识融合的前沿方法,并结合具体的应用实例对知识融合方法的特点进行了分析.最后对知识融合领域应用状况及现阶段存在的问题和发展方向进行了总结和展望.

    知识融合发展现状信息融合机器学习方法综述

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

    基于模糊RBF神经网络的无刷直流电机PID控制

    顾文斌杨生胜王贤良苑明海...
    15-19,25页
    查看更多>>摘要：针对无刷直流电机在传统PID控制方式下,存在抗干扰能力差、响应速度慢以及控制精度低等问题,提出一种基于模糊径向基函数(RBF)神经网络的无刷直流电机PID控制策略.首先,利用模糊控制不需要精确数学模型的优势,能够克服传统PID对数学模型的依赖性,而模糊控制规则的制定主要取决于经验,因此,将RBF神经网络与模糊控制相结合,可以提高其自学习、自适应能力.此外,利用改进蚁群算法对模糊神经网络的参数进行初始化,避免了在传统聚类方法下陷入局部最优的困境,同时提高了模糊神经网络的收敛速度,然后将列文伯格-马夸尔特算法融入模糊神经网络,以确定神经网络的权值,并提高神经网络的训练速度.最后,在Simulink中通过仿真与其他控制策略进行对比.仿真结果表明,模糊RBF神经网络PID控制策略相较于其他控制策略,在无刷直流电机控制系统中具有更优异的控制性能.

    无刷直流电机模糊径向基函数改进蚁群算法LM算法PID控制

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

    基于Multi-Aspect的融合网络用户画像生成方法

    苗宇金醒男杜永萍
    20-25页
    查看更多>>摘要：在大数据时代,用户画像对于企业了解并获取目标用户的重要性日益提升,但基于统计的用户画像方法无法处理非结构化的文本数据,而传统的基于模型的用户画像方法亦无法从多角度深层次提取用户特征.为实现更加全面且精准的用户属性预测,该文提出一种基于多层级特征提取的融合网络用户画像生成方法,通过对用户原始文本关键词的提取和排序,分别生成基于top 2关键词的子句表示和top N关键词的词向量,并结合循环神经网络和注意力机制,构建多层次用户特征提取的分类模型,利用原始用户数据进行用户属性预测.在搜狗用户搜索文本数据集上的实验表明,文中模型较其他基线模型在分类准确率上显著提升,达到0.73,通过消融实验进一步表明各个模块均为有效提取用户特征从而提升分类准确率发挥了重要作用.

    用户画像多层级特征提取关键词抽取循环神经网络注意力机制

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

    基于Simhash改进的文本去重算法

    张亚男陈卫卫付印金徐堃...
    26-32页
    查看更多>>摘要：为了提高大规模文本去重算法Simhash对重复数据的检测精度,针对词袋(Bag of Words,BoW)模型无法体现特征词位置分布信息的缺点,提出一种改进的Simhash算法(P-Simhash).该算法首先改进了Simhash计算特征词权重的方法,在由TF-IDF算法计算得到特征词的权重的基础上,引入Jaccard相似度量对共现词的权重进行优化,以降低共现词权重过高对检测文本差异的影响.其次采用BDR算法降维思想,设计了体现特征词位置差异的签名方案,将特征词在文本中出现的位置特征转化为一组由二进制向量表示的签名.最后,将特征词哈希签名与位置特征签名加权求和的结果作为其对应的特征向量,与经过优化后的特征词权重进行二次加权,合并降维后得到新的文本签名.使用开放的搜狗新闻数据集进行实验,并与其他算法进行了性能比较.实验结果表明,P-Simhash算法在去重效果和执行效率上较传统的Simhash算法有明显提高.

    Simhash文本去重词频-逆文本频率Jaccard相似度二进制压缩算法位置特征

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

    基于LLE和高斯混合模型的时间序列聚类

    杨秋颖翁小清
    33-41页
    查看更多>>摘要：聚类分析是常见的数据挖掘方法,时间序列数据挖掘可以将海量时序信息转化成有组织的知识.由于时间序列具有高维度、非线性等特点,大多数聚类算法无法直接应用在原始时间序列数据上并取得令人满意的效果.研究如何在维数约简的同时尽可能多地保留数据的内蕴特征,识别代表知识的真正有趣的模式,具有重要意义.现有大多数时间序列聚类算法没有考虑数据集的局部结构,而数据集的局部结构对聚类性能有较大影响.提出一种基于局部线性嵌入(Locally Linear Embedding,LLE)和高斯混合模型(Gaussian Mixture Model,GMM)的时间序列聚类算法.首先从保留数据集局部结构的角度,使用LLE将每个高维时间序列样本表示为其k近邻的线性组合,并在低维空间进行重构,在保持数据集局部几何结构的同时实现维数约简;然后使用GMM从概率分布的角度进行聚类分析.与已有方法相比,该方法在单变量时间序列聚类上具有更优的效果.

    局部线性嵌入高斯混合模型流形学习时间序列聚类深度学习

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

    基于自注意力机制的视频超分辨率重建

    秦昊宇葛瑶张力波吴学致...
    42-48页
    查看更多>>摘要：现有的视频超分辨率重建方法虽然对提高视频分辨率取得了良好效果,但是很多方法没有充分考虑视频帧间运动时间域与空间域的关联性.针对这个问题,提出一种融合时间和空间域的视频超分辨率重建模型VTSSR,用于在同一个网络模型中同时对视频进行时间和空间域超分辨率重建.该模型使用卷积层和多个残差块对低帧率、低分辨率视频进行特征提取,通过特征插值生成中间帧的特征图,采用改进的基于自注意力机制模块同时融合特征图时间和空间信息,采用亚像素卷积上采样重建得到高帧率的高分辨率视频.VTSSR模型在Vid4数据集测试表明,其能够克服光流预测难以处理遮挡、复杂运动的局限性,还能解决不同相邻帧对于关键帧重建贡献不同的问题,提高了视频超分辨率重建水平.

    视频超分辨率重建深度学习残差神经网络视频插值多对齐融合自注意力机制

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

    基于YOLO v3的落水人员检测

    许晓峰陈姚节刘恒
    49-54页
    查看更多>>摘要：针对落水人员所处水域的复杂性以及波纹、阳光等因素导致对落水人员检测的准确率较低,以及在检测小目标时,经典检测算法易出现误检漏检情况,提出一种改进的YOLO v3目标检测算法.使用k-means++聚类算法对自有落水人员数据集进行聚类,得到更适合落水人员的锚框,从而提高检测速度与精度;在网络中加入通道注意力机制模块,其关注通道信息,可以学习到不同通道特征的重要程度,根据重要程度为每个通道分配相应的权重,从而让网络关注重要的特征,抑制不重要的特征,提高重要特征的表征能力;引入感受野模块(RFB)来增大浅层特征图的感受野,从而提高小目标检测精度.最后,在自制的落水人员数据集上对该算法进行了验证,结果表明,该算法在检测效果上优于原始YOLO v3.

    YOLOv3聚类感受野模块注意力机制目标检测

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

    优化球查询算法的点云分割

    王爱兵杨晓文韩燮郭新东...
    55-59,65页
    查看更多>>摘要：为丰富PointNet++网络局部特征的表征能力、加强细节特征的表达效果、提高点云模型的分割精度,针对PointNet++中多尺度和多分辨率算法都采用的点集重叠划分方法—球查询算法进行了研究.在PointNet++中,球查询算法随机选取球形邻域内的特征点提取局部特征,导致局部特征表达效果欠佳.为加强局部特征表征能力,引入K-近邻优化策略,将球邻域内的特征点按照与中心点的距离由近及远排序.在局部特征提取过程中,当球邻域内的点数超过需要的特征点时选取距中心点相对较近的一批点作为局部特征提取点;当球邻域中的点数少于需要的特征点时,选取距中心点最近的特征点复制多次,补齐特征表示.将优化的球查询算法应用于PointNet++分割网络,利用S3DIS和ShapeNetPart作为数据集验证算法的有效性.实验结果表明,优化的球查询算法丰富了网络的局部特征表征能力,强化了细节特征的表达效果,提高了分割精度.

    球查询多尺度多分辨率PointNet++K-近邻局部特征

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

    基于改进GhostNet模型的表情识别研究

    张文海陈春玲
    60-65页
    查看更多>>摘要：针对目前卷积神经网络应用到人脸表情识别任务上时,计算复杂、输入尺度过大、类间差异小和类内差异大等问题,提出了一种基于改进GhostNet模型的解决方法.首先,结合GhostNet模型思想,设计了改进GhostNet模型来提取表情特征,比原网络模型拥有更好的轻量级特性,并解决了Ghost瓶颈层中可能导致信息丢失的问题.其次,结合Island损失函数和Circle损失函数设计思想,设计并采用了基于余弦相似性的损失函数来指导神经网络的学习.该方法可以在特征空间中减小类内差异,增大类间差异,从而提升特征判别能力.在FERplus数据集上进行实验验证,基于改进GhostNet模型方法在模型参数量和计算量更少的前提下,依旧有着更高的识别准确率和更快的识别速度,效果优于Softmax交叉熵损失函数和基于余弦距离的损失函数等,更适合移动端和嵌入式设备的使用场景.

    表情识别损失函数深度学习卷积神经网络GhostNet

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