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

    大数据背景下信息安全问题探析

    林飞刘佳宁焦强
    1-8页
    查看更多>>摘要：信息安全一直是各个国家以及各行各业极为重视的焦点问题之一。该文全面分析了大数据时代下的三大信息安。全挑战。首先，探讨了如何应对大数据环境下的信息安全威胁，包括数据泄露和篡改问题，强调了国家政策和提升个人信息安全意识的重要性。其次，讨论了保障信息存储与数据传输安全性的策略，包括分布式存储和云存储的应用。最后，介绍了通过数据加密、数据脱敏、安全审计以及访问控制等手段提升信息安全设计与防护策略的必要性。面对这些挑战，强调社会各界提升对信息安全的警觉性和应对能力的必要性，不断深化对信息安全威胁的理解，并采取有效措施以增强整体的安全防护能力。

    大数据信息安全信息存储数据加密数据脱敏

      原文链接:
    • 万方数据
    • 维普

    基于动态滑动窗口的加权深度森林算法

    赵艺臻周立婵杨雨晴赵建军...
    9-16页
    查看更多>>摘要：深度森林是一种典型的机器学习方法，被广泛用于分类任务中。但其在时间序列分类中，往往容易忽视时间序列变化趋势对其特征提取的积极作用;且在级联森林中的特征向量更新时，将各子分类器同等对待，使不同子模型的分类能力无法得到充分利用，最终使得时间序列分类陷入局部最优。为了解决上述问题，该文提出了一种基于动态滑动窗口的加权深度森林方法，称为AWGE-gcForest，用于时间序列数据的分类。AWGE-gcForest算法首先根据时间序列的变化趋势，定义了窗口变化值WCV，实现窗口动态调整的同时减少多粒度扫描次数，以提高特征提取的效率、分类的准确率和泛化能力;其次，通过迭代最优对级联森林进行加权，为分类准确率高的森林赋予更大权重，从而降低分类性较弱的子树对整个模型的影响。上述操作从全局考虑级联森林的分类性能，避免陷入局部最优，以减少级联层数并降低时间复杂度。该算法在UCR数据集上与TS-CHIEF算法、MultiRocket算法、DF21算法和OS-CNN算法进行对比，其分类精度以及时间效率优于目前先进的时间序列分类方法，是一种相对高效的时间序列分类算法。

    时间序列分类深度森林窗口变化值迭代最优变化趋势

      原文链接:
    • 万方数据
    • 维普

    基于深度学习的云平台动态自适应任务调度

    任明沈达
    17-22页
    查看更多>>摘要：云计算环境下任务调度是优化云应用服务质量的热点研究问题，目前工业界和学术界重点关注任务调度策略。然而，现有方法依赖运维人员的系统实现知识或复杂的深度神经网络，需要较高计算资源，产生更高执行成本，难以适应动态变化的多样化任务类型。针对该问题，提出一种基于深度学习的云计算平台动态自适应任务调度策略。首先，从待处理任务、可用云资源及系统运行状态等三方面提取任务调度特征;其次，构建深度学习模型对特征编码，通过多头图注意力机制推理解码以预测策略的任务处理和调度执行成本;最后，根据调度收益从策略集中选择当前最优任务调度策略，同时基于迭代反馈机制计算损失函数以在线优化模型。建立虚拟化云计算服务器集群，实现典型的多种任务调度策略，模拟真实AI任务工作负载。实验结果表明，所提出策略与现有实验选取方法相比能够有效降低响应时间、执行成本及运行能耗。

    云计算深度学习任务调度自适应策略多头注意力模型选择

      原文链接:
    • 万方数据
    • 维普

    基于协调注意力机制的轻量级YOLOv4零件检测

    朱文博陈龙飞余琦
    23-29页
    查看更多>>摘要：针对零件自动检测任务在复杂工况下，如零件堆叠粘连、有杂物干扰等，存在实时性差、硬件资源占用大等问题，提出一种基于轻量级YOLOv4网络的零件检测方法。采用MobileNeXt代替CSPDarkNet53作为主干特征提取网络(backbone)，并在每个卷积模块中添加协调注意力机制，用于增强特征层的语义表达能力;提出一种Fused-Sandglass模块插入到浅层的backbone中，提高网络的推理速度;网络训练方面引入渐进式训练方法和focal loss损失函数，提升训练速度，并且有效缓解正负样本失衡的问题。实验结果表明，该方法在15种零件的检测任务中能够保持和YOLOv4网络相近的准确率，但参数量大小仅为其20％，推理速度达到了 43。7 fps，能够满足实际生产的需求。

    深度学习协调注意力机制零件检测YOLOv4网络MobileNeXt网络

      原文链接:
    • 万方数据
    • 维普

    基于轻量级的DialogueRNN多模态优化方法

    李晨梁平顾进广
    30-36页
    查看更多>>摘要：对话情感识别(ERC)是自然语言处理中非常活跃的研究领域，而对话语情感进行分类也广泛应用于人机交互中，目前大多数研究主要集中在对说话人和上下文信息建模上，主要使用简单的特征拼接来利用多模态信息而忽略了模态间的依赖关系。为了解决上述问题，该文使用基于注意力机制的网络模型来动态地融合多模态特征，提出了一种基于轻量级的DialogueRNN多模态优化方法MMRNN(multimodal RNN)。首先，在多模态融合的过程中输入注意力得分来关注更重要的模态;其次，优化掉DialogueRNN中的情感GRU;最后，对模型进行堆叠以增加模型深度，并在每层的输出加上注意力机制得到最终情感输出。通过在两个公开的数据集上的模拟实验结果表明，提出的基于轻量级的DialogueRNN多模态优化方法具有较好的性能。

    多模态融合对话情感识别注意力机制情景建模模型堆叠

      原文链接:
    • 万方数据
    • 维普

    基于改进TF-IDF融合二进制灰狼优化的短文本分类

    杨东毋涛赵雪青李猛...
    37-41页
    查看更多>>摘要：为了提高特殊类型短文本分类准确度和降低特征维度，提出了基于改进TF-IDF方法融合二进制灰狼优化的短文本分类。为了提高特征向量文本权重计算准确度，提出了点赞排列因子，并融合了文本特征集中度，对附有点赞数的特殊类型文本进行权重计算，设计改进了 TF-IDF-RANK方法对特征进行加权;同时，基于初选特征向量，设计优化了二进制灰狼优化算法(BGWO)搜寻最优特征子集，引入衰减系数向量和多优解迭代机制，提高灰狼搜寻性能。结果表明，该方法有效地提升了权重准确率，更好地表征初选特征向量，增强特征选择时寻找全局最优解的能力，进而提高短文本的分类效果。通过LABIC和抖音开放平台数据集测试，综合指标F1值分别提高了 14。76％和14。02％，验证了该方法对于特殊类型文本分类的有效性。

    短文本分类特征加权TF-IDF-RANK方法特征选择二进制灰狼优化

      原文链接:
    • 万方数据
    • 维普

    基于卷积神经网络的颜色修正水下图像增强方法

    沈学利关刘美翟宇琦
    42-48页
    查看更多>>摘要：在水下环境中，由于光线的吸收和散射等环境问题，使得图像的颜色失真和对比度低，导致图像质量下降。为了提高图像的视觉效果，提出了一种基于卷积神经网络的水下图像增强算法。首先，利用新的水下成像模型校正水下图像的色偏问题;然后，利用卷积神经网络提取修正后的图像通道特征，通过多尺度注意力模块重新加权通道特征以增强不同特征图的一致性，并与颜色校正后的图像进行特征融合;最后，通过重建计算模块融合特征，改进图像增强效果。实验结果表明，该算法能够更好地校正图像颜色失真，提高图像对比度，最主要的优势在于该算法的运行速度比其他先进的水下图像增强方法快两倍。

    卷积神经网络颜色校正水下图像增强轻量化注意力特征融合

      原文链接:
    • 万方数据
    • 维普

    基于YOLOv5的复杂背景下植物叶片检测研究

    刘志强杨昭王建伊张旭...
    49-56页
    查看更多>>摘要：对植物叶片进行检测是研究植物表型性状的基础，但真实环境下叶片间相互遮挡、叶片边缘特征不明显、幼叶目标过小以及外部环境如光照条件等因素影响会对叶片检测效果造成很大的障碍。针对复杂背景下的叶片检测，该研究提出了一种基于改进YOLOv5模型植物叶片检测方法。通过在骨干网络中引入空洞卷积，使得网络可以捕获到更广阔范围的上下文信息;利用双向连接的加权特征金字塔网络，以增强目标叶片特征提取并更好地融合特征信息;利用注意力机制，通过动态地调整注意力分布，以提高边缘特征表达能力。测试结果表明，在Plant Village数据集筛选的葡萄叶片图像以及自拍摄葡萄生长叶片上测试改进算法的可行性，改进的YOLOv5模型其叶片检测mAP比原生模型提高了 5。8％，遮挡叶片检测精度提高了 7。09％。叶片检测效果有显著提升。该研究提出的方法可以有效解决复杂背景下植物叶片检测效果不佳的问题，为植物表型研究提供技术支撑。

    叶片检测复杂背景多尺度融合小目标检测深度学习

      原文链接:
    • 万方数据
    • 维普

    基于类C语言内存模型的复杂数据结构验证方法

    李薛剑王俊宜
    57-66页
    查看更多>>摘要：对系统中操作复杂结构程序的正确性验证是保证软件高可信的重要途径，目前大多数基于高层抽象建模和程序结构拆分的方法难以满足复杂数据结构程序的验证要求。针对这一问题，论文提出基于类C语言内存模型的验证方法。首先，以内存块为基础将复杂数据结构的操作进行函数形式的定义和描述，形式化描述内存对象操作性质;其次，针对程序层定义了符合复杂结构描述的文法和语义，并基于符号化的程序逻辑进行推理。实验对嵌入式操作系统内核μC/OS-Ⅲ中的复杂数据结构进行分析和自动化验证，断言描述和验证条件脚本通过了自动定理证明器的求解。

    形式化验证复杂数据结构程序逻辑内存模型操作系统内核

      原文链接:
    • 万方数据
    • 维普

    基于KubeEdge的全国气象监视数据采集软件设计

    白金婷罗飞孙超张喜...
    67-72页
    查看更多>>摘要：为解决气象综合业务实时监控系统(简称"天镜")对全国气象监视数据采集汇聚安全性、高效性、灵活可管控能力不足的问题，更好地满足全国气象业务集中监视需求，基于"云边协同"的边缘计算KubeEdge架构设计并实现了"天镜"全国气象监视数据采集汇聚软件。国家级"天镜"采用KubeEdge内部通道传递应用程序的控制命令和状态信息，采用气象国省宽带网传输监视数据;采用脚本实现云边端离线自动部署;采用Harbor管理和分发镜像;基于KubeEdge的命令和状态信息实现节点、设备和任务的可视化管控，一体化管控全国边缘节点和采集任务，支持监视任务和数据上传的动态调整。实验结果表明，基于KubeEdge的全国气象监视数据采集汇聚软件有效提高了全国气象监视数据采集汇聚效率和灵活可管控能力，保障了数据传输的安全性。目前该软件已应用于各省(区、市)气象高质量发展通信网络指标评估、全国"天擎"集中监视、全国空间天气全链路状态监视，并取得了良好的业务效益。

    边缘计算KubeEdge云边协同数据采集汇聚灵活可管控数据传输

      原文链接:
    • 万方数据
    • 维普