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

    一种基于并联组合模型预测站点流量的策略

    冯培坤刘杰伍卫国柴玉香...
    1-6页
    查看更多>>摘要:随着流量数据的增加,网络流量呈现出复杂多变的特点,为了方便站点的运营和网络的管理,需要对网络流量进行预测.当前,网络流量预测多采用回归预测模型、卡尔曼滤波模型、神经网络模型、支持向量机模型等方法.文中考虑高性能计算环境下作业管理系统日志流量的特点和预测需求等因素,通过分析卡尔曼滤波算法和支持向量机的原理与缺点,提出了一种基于时间序列,结合卡尔曼滤波和支持向量机的并联组合模型,并对其进行了测试与分析.结果 表明,在相同的环境下,基于卡尔曼滤波算法和支持向量机的并联组合模型相比于卡尔曼滤波算法和支持向量机单个模型对流量的预测与实际流量值误差更小,预测结果也是可靠有效的,更适用于预测站点流量.

    卡尔曼滤波支持向量机时序预测模型并联组合模型流量预测模型

    基于开放环境下关联数据的偏好查询系统设计

    赵羽晗胡磊
    7-11页
    查看更多>>摘要:Web是当前全球最大的信息资源库,为大量的Web用户提供所需的多样性信息是Web数据管理极具挑战性的任务.目前以资源描述框架(RDF)为代表的关联数据成为Web上数据表示与处理的新形式,SPARQL是一种RDF数据的查询语言,由于SPARQL可查询的数据的数量、多样性及其集成的不断增加,激发了通过优选查询结果的一种规范来查询RDF数据的愿望.为了满足用户需求,文中通过查询重写将偏好纳入到SPARQL中,对中间结果集使用经典的Top-k排序算法,设计并实现支持用户偏好需求的RDF数据查询系统,依托选用的数据集对系统进行实用性的验证.对该系统进行可用性测试后表明,所设计的查询系统不但具有可行性,且查询的形式符合人类表达规律,所扩展的SPARQL语法具有较强的偏好表达能力,通过排序优选后的结果符合用户偏好的程度较高.

    RDFSPARQL数据管理偏好个性化查询

    基于深度学习的多角度人脸检测方法研究

    李欣张童厚佳琪张子昊...
    12-17页
    查看更多>>摘要:基于多角度的人脸检测越来越受到关注,特别是在公安领域侦破案件过程中,通过捕捉人脸图像对犯罪嫌疑人进行检测识别被广泛应用.但是在实际图像采集过程中,由于人脸姿势以及光照等环境因素的不确定性和多变性,往往会导致人脸系统无法对该类人脸进行较为精确的定位.文中基于DenseNet-201对YOLOV2算法进行了改进,提出了一种基于深度学习的多角度人脸检测方法.首先,在YOLOV2算法的基础上,使用DenseNet-201模型对人脸进行特征提取,并结合带有锚点框的卷积层在主干网络提取到的人脸特征图上进行人脸定位;然后,通过在DenseNet-201模型中的过渡层中引入归一化层使模型收敛速度加快;最后,在CelebA和FDDB人脸数据集上对YOLOV2和改进的YOLOV2方法进行测试,针对不同角度、不同光照、不同数据集对算法性能进行测试.实验结果表明,改进后的YOLOV2算法对多角度人脸检测的准确性更高,且具有更强的鲁棒性.

    多角度人脸检测YOLOV2DenseNet-201人脸特征提取CelebAFDDB

    CStock:一种结合新闻与股价的股票走势预测模型

    陈可心黄刚
    18-22页
    查看更多>>摘要:股票是一种高风险、高收益的常见理财产品,为了更好地进行股票投资分析,获得有效的选股方案,文中提出了一种预测股票走势的模型CStock.与现有的股票走势预测模型相比,CStock模型结合新闻和股价走势进行预测,不但利用了股票市场中的交易数据,同时考虑到财经以及政治新闻对于股票市场的影响.CStock模型主要由BiLSTM和CLSTM混合构建,BiLSTM提取股票交易数据的相关特征,CLSTM对新闻的语境特征进行整合和处理,最终通过全连接层输出预测结果.在实验模型中,对股票走势采用分类方法进行实验,得到分类为股票上升的概率和股票下降的概率.实验使用美股数据作为数据集合.通过准确率和收益率进行预测效果评估,实验结果表明,CStock模型在一定程度上能够准确有效地对股票走势进行预测.

    股票预测深度学习LSTMBiLSTMCLSTM

    基于时空双分支网络的人体动作识别研究

    宫法明马玉辉
    23-28页
    查看更多>>摘要:常规的人体动作识别算法在单一特定的场景中效果较为突出,但在海洋钻井平台的实际工程场景中,易受管道遮挡和干扰,不能充分地利用视频的时序结构信息.针对这些问题,提出了一种复杂场景下基于时空双分支网络的人体动作识别框架.采用多规则区域提案标记算法将海水区域分离,将先验知识加入支持向量机分类器,提出后验判别准则以去除非人员目标,通过目标定位与检测算法分割出人员目标,利用卷积姿态机算法进行身体部位定位和关联程度分析以提取全部人体关键点信息,形成关键点序列;通过双分支网络对人体关键点轨迹和光流轨迹叠加融合,完成了人体动作的分类与识别.实验结果表明,该方法实现了人体不可见关键点的检测和估计,免去了人工标注目标的繁杂工作,能够有效地解决海洋平台场景下的人体动作识别问题.

    人体动作识别关键点检测目标检测动作分类卷积姿态机深度学习

    基于WGAN单帧人脸图像超分辨率算法

    周传华吴幸运李鸣
    29-35页
    查看更多>>摘要:针对人脸超分辨率重建中引入的先验知识不够丰富的问题,提出了一种基于Wasserstein生成对抗网络(WGAN)的人脸超分辨率重建算法.模型包含生成网络和判别网络,生成网络去除批量规范层并增加残差块数量加深网络深度,判别网络增加特征图通道数并引入了快捷连接优化网络,模型用Wasserstein距离代替KL散度作为网络的对抗损失,交替训练生成网络和判别网络,生成高分辨率的人脸图像.实验结果表明,相比原始生成对抗网络超分辨率重建算法(SRGAN),所提算法在MS-Celeb-1M和LFW数据集中峰值信噪比(PSNR)和结构相似性(SSIM)分别提高了0.26 dB、2%和0.31 dB、3%,同时对比最近邻(NN)、双三次插值(Bic)、基于卷积神经网络超分辨率重建(SRCNN)、SRGAN,所提算法在LFW、MS-Celeb-1M数据集上均重建出视觉效果更好的人脸图像,证明了该算法的有效性,为人脸超分辨率重建提出了新的解决方案.

    生成对抗网络Wasserstein距离残差网络超分辨率重建深度学习

    基于深度学习的局部实例搜索

    朱周华高凡
    36-42页
    查看更多>>摘要:针对传统实例搜索方法准确率和视觉相似度低下的问题,提出一种利用卷积神经网络提取图像全局特征和区域特征的实例搜索方法.该方法经过初步搜索、重排和查询扩展三个阶段实现实例搜索任务,通过微调策略和在重排阶段对特征匹配方法的改进进一步提高检索性能,并将其应用到局部实例搜索任务,即利用残缺图像检索得到整幅图像,在此基础之上,加入在线检索功能.在Oxford 5k和Paris 6k两个公开数据集上进行实验验证,结果表明,整幅图像的检索mAP值和视觉相似度都得到了很大提升,局部实例检索的mAP值均高于其他文献中整幅图像的检索,仅比文中整幅图像的检索低0.032.因此,提出的实例搜索方法不仅提高了实例搜索的准确率,也增强了目标定位的准确性,同时很好地解决了局部实例搜索问题.

    深度学习局部实例搜索区域特征微调特征匹配

    特征匹配度结合边缘检测的图像融合技术

    刘佳李登峰
    43-48页
    查看更多>>摘要:针对传统方法中使用单特征不足以衡量图像像素清晰度的局限性,利用非下采样轮廓波变换(non-subsampled Contourlet transform,NSCT)的系数特点和局部特征匹配度,结合基于区域分割的边缘检测算法,提出一种针对多聚焦图像的融合算法.该算法首先通过NSCT变换将两幅待融合的源图像分解为一个低频分量和一系列高频分量;其次,针对低频分量包含了源图像的大部分能量和信息的特点采用局域信息熵.局域改进的拉普拉斯能量和的统计特征进行特征匹配度融合,以及对高频分量中包含了源图像的细节纹理信息的特点采用区域平均梯度的兄弟关联权重进行融合;最后对源图像的高频分量进行边缘检测加权平均融合,将边缘图覆盖到经NSCT逆变换的初步融合图像上,得到最终融合图像.将所提算法与传统NSCT变换方法和DWT变换方法进行对比,该算法在视觉效果和平均梯度、空间频率、标准差与互信息多个评价指标上都有较好的结果.

    图像融合多聚焦图像非下采样轮廓波变换特征匹配度边缘检测

    基于注意力的权重分配机制

    张亚飞
    49-53页
    查看更多>>摘要:目前,基于神经网络的深度学习技术得到了飞速的发展,已经广泛应用于日常生活,如行人检测、车牌识别、人脸识别等.理论上可以通过不断扩大神经网络规模来提高算法准确度,然而这种方法并不可行.原因在于单纯扩大网络规模会导致过拟合.为了解决这个问题,通过人的先验知识来指导神经网络结构的设计以及明确神经网络每一个模块需要学习的目标,进而通过明确的模块分工来提升神经网络性能.受注意力机制和正则化方法的启发,提出了一个基于注意力机制的自适应权重分配算法,通过对神经网络各模块进行合理的权重分配,强调或者弱化某些输入数据对于下一步处理的贡献并以可微分的方式进行设计,完成一个端对端的神经网络.实验结果显示相比于其他方法,该算法达到了更好的效果.

    深度学习神经网络网络优化注意力机制先验知识

    基于UML&SystemC的GPU片段处理TLM建模

    姜丽云田泽吴晓成张骏...
    54-59页
    查看更多>>摘要:GPU片段处理单元位于图形处理器渲染管线的末尾,执行对将要存储到缓冲区的片段的测试、混合、屏蔽、逻辑等所有操作.为了在RTL设计之前快速研究GPU片段处理单元的硬件结构及功能算法,文中联合使用统一建模语言(unified modeling language,UML)和SystemC语言对GPU片段处理单元进行事务级建模(transaction-level modeling,TLM).首先设计了GPU片段处理单元的类图、结构图、行为图等视图,对系统进行静态结构和动态行为的描述;然后将UML可视化视图转换为基于SystemC的事务级模型,详细描述了GPU片段处理单元的模块、接口、端口、进程等建模过程,模块之间通过端口和层次化通道通讯,具有建模效率高和仿真速度快的优点;最后基于Linux操作系统仿真平台验证了架构和算法的正确性,实现了在设计的前期进行软硬件的协同仿真和算法的验证、优化,对硬件架构进行探索,有利于加速以图形处理器为核心的设计和开发.

    图形处理器统一建模语言SystemC语言片段事务级建模