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

    双重视角下的无人集群智能性描述与等级划分

    武文亮沈博拓明福周兴社...
    70-75页
    查看更多>>摘要：无人集群是群体智能的一个重要应用领域,也是无人系统的重要发展方向之一.如何描述和度量无人集群整体的智能性水平是当前无人系统领域一个十分具有挑战性的理论与技术研究课题.该文首先对已有无人系统智能性等级划分模型进行了述评;其次,结合对群体智能和系统智能概念的阐述,给出了对无人集群智能性的合理解释;接着,在无人集群系统内部与外部双重视角下全面剖析了影响其整体智能性水平评判的关键要素,基于任务和环境复杂性因素建立了无人集群的任务胜任力度量模型,在扩展经典OODA(Observe,Orient,Decide,Act)环的基础上建立了基于群体化OODA环的无人集群整体智能行为实现过程模型,并提出了一种基于两种模型关联映射的无人集群智能性描述框架;在此基础上,提出了一种比较详细的无人集群智能性等级划分;最后,对持续深化该研究的主要发展方向进行了总结与展望.

    无人集群智能性描述框架任务胜任力群体化OODA环等级划分

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

    工业物联网中基于SMDP的协同卸载方案

    赵尚维康孙君
    76-81页
    查看更多>>摘要：为解决工业物联网(ⅡoT)场景中计算资源紧缺的问题,在IIoT中引入边缘计算技术,充分利用并合理分配多接入边缘计算(MEC)服务器有限的计算能力解决IIoT中部分计算任务.首先通过分析IIoT中工业设备进行服务请求和小区范围内的MEC服务器接受服务请求这一过程,构建了多MEC协同计算卸载模型;其次,基于模型中需要分析复杂的系统环境信息并进行序列决策的特点,将系统时延和能耗总收益最大化的资源分配问题构建为半马尔可夫决策过程(SMDP);然后依据边缘网络中的通信传输时延和MEC计算资源构建折扣奖励函数,利用贝尔曼方程分析系统状态并得到状态值函数;最后根据状态值函数和折扣奖励,通过SMDP的状态值迭代获得最佳卸载和资源分配方案.仿真结果表明,所提方案优化了系统拒绝服务率以及系统效益.

    工业物联网边缘计算MDP计算卸载资源分配

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

    基于SARSA强化学习的审判人力资源调度方法

    吴鹏魏上清董嘉鹏潘理...
    82-88页
    查看更多>>摘要：为对法官员额资源进行调度优化,平衡司法资源有限和现实司法需求之间的矛盾,该文建立审判人力资源调度优化模型,提出基于强化学习的审判团队调度优化策略.基于对审判人员调度问题和场景的分析,建立以案件的平均处理时间最小化为优化目标的审判人员调度优化数学模型以及相应的约束条件.在此基础上建立宏观的司法系统排队模型,定义审判人力资源调度马尔可夫决策过程,并基于状态/动作/奖励/状态/动作(Sate-Action-Reward-State-Action,SARSA)算法提出动态自适应的审判人员调度强化学习算法.该算法以案件的平均处理时间为奖励,通过贪婪行为策略选择调度策略,采用时序差分更新方法在与司法系统交互的过程中学习最优调度策略.相比于传统分案方法及其他基于规则的简单启发式算法,该算法能够提高案件审判效率、优化人力资源配置.

    强化学习资源调度决策优化贪婪策略马尔可夫决策过程

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

    基于度量学习的步态识别比较研究

    刘东胡峻林
    89-94,113页
    查看更多>>摘要：步态识别是一项根据人在行走中的动作特征进行身份识别的技术,与其他生物特征识别方法相比,其可以实现远距离、非接触识别,在监控、安防等领域有着广泛的应用.度量学习在模式识别任务中起着非常重要的作用,其从训练样本中学习出合适的距离函数来度量样本间的相似性,以提高识别率.为此,从度量学习视角对步态识别问题进行研究,比较分析几种经典的度量学习方法在步态识别中的性能表现.首先从步态序列中提取步态能量图作为行人的步态特征,然后使用度量学习方法学习距离度量,使得在该度量下同一类样本间的距离最小化和不同类样本间的距离最大化,以提升步态识别的正确识别率.在广泛使用的CASIA-B与CASIA-C步态数据集上进行了一系列的对比实验,实验结果展示了几种度量学习方法的识别性能,为今后的步态识别研究提供了一些基准结果.

    步态识别度量学习特征提取人体生物特征模式识别

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

    基于类别主题词集的加权相似度短文本分类

    王小楠黄卫东
    95-99页
    查看更多>>摘要：由于短文本存在特征稀疏的问题,在分类问题上效果不佳,该文充分利用词向量模型,在词层面提出一种基于类别主题词集的加权相似度的短文本分类算法.首先训练词向量模型,其次使用TF-IDF选择出最能代表各类别的主题词形成类别主题词集,将短文本的关键词与各类别主题词分别进行相似度计算,将类别主题词对主题的贡献度表示在权重中,选择相似度最高的结果作为该短文本的类别.实验结果表明,基于类别主题词集的加权相似度短文本分类方法在精确率上相较KNN算法、Logistic回归算法、决策树分类算法分别提高了2.9％、1.8％、10.2％;在召回率上分别提升了3.0％、1.7％、10.4％.但是类别主题词对类别的贡献度量化维度简单.基于主题词集的加权相似度短文本分类算法在词的层面解决了短文本分类中的特征不足的问题,提高了短文本分类的性能.

    Word2Vec短文本分类相似度类别主题加权

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

    基于YOLOX-L算法的安全帽佩戴检测方法

    李骏峰杨小军张凯望
    100-106页
    查看更多>>摘要：安全帽作为生产和作业场地工人的最基本的个体防护装备,能够极大地保证工作人员的安全防护,在实际生产环境下由于多种因素造成的伤亡中,没有佩戴安全帽造成伤亡事故的占比一直很高.为了减少相应的事故发生率,提出一种基于YOLOX-L算法的安全帽佩戴检测方法.YOLOX系列模型是当前最为先进的实时的无锚的单阶段检测器之一,在多种类别目标的检测下都具有优异的准确率和速度效果.通过使用YOLOX-L模型骨干层提取多尺度的特征图,用于回归目标位置和预测类别;使用安全帽佩戴检测数据集(SHWD),使用冻结非冻结的训练方式训练YOLOX-L网络,最后选取最好的训练模型检测安全帽的类别和位置.实验结果表明,在SHWD数据集检测任务中,相比较于YOLOv3算法,基于YOLOX-L的mAP提高了5.41％,查全率分别提高了18.51％和26.44％.所提方法在满足高准确率和实时性要求的基础上,更少发生漏检,具有更高的查全率.

    深度学习卷积神经网络目标检测安全帽佩戴检测YOLOX-L算法

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

    基于实体识别和信息融合的知识图谱研究——以新冠肺炎疫情为例

    刘华玲孙毅
    107-113页
    查看更多>>摘要：突发公共卫生事件通常会造成巨大的破坏,研究时效性与可理解性在解决这类事件中尤为重要,亟需快速分析研究现状、抽取特定研究信息的方法.科学文献是知识传播的主要载体与重要途径之一,针对文献中专业术语特殊性与歧义性导致的传播受阻问题,该文通过自然语言处理与知识图谱技术,以新冠疫情研究相关文献为例,结合实体识别与信息融合构建知识图谱.该方法首先通过对文献的题目与摘要标注实体以构建数据集用于训练BERT-BiLSTM-CRF模型,该模型可以对文本中的医学实体自动识别并提取.然后根据作者信息的多源交叉验证与领域、机构相似度消除作者姓名歧义并构建一个作者集合.最后根据实体-实体、作者-作者和实体-作者关系,在融合多源信息后增量构建新冠肺炎疫情知识图谱.命名实体识别模型在6类不同医学实体上的平均F1分数达到92.86％,知识图谱包含了34802个医学实体与397163名作者.这项研究表明以上流程可以有效地构建知识图谱,并据此快速找到前沿研究热点和相关领域核心学者,有效促进知识的获取和概念的传播.

    命名实体识别实体消歧BERT知识图谱新冠肺炎疫情可视化分析

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

    基于注意力机制的可解释心律失常分类模型

    罗望成杨湘陈艳红
    114-120页
    查看更多>>摘要：心律失常是心血管疾病中常见的临床表现形式,实现心律失常的自动分类在医学领域具有重要意义.在实际临床中,医生除了提供诊断结果,还要有详细的解释来支持自己的诊断,但是现有的大多数机器学习模型都忽略了结果的可解释性.同时,之前大部分研究致力于宏观分类,实际临床意义不大.为了解决这些问题,提出了一种可解释的基于注意力的混合深度学习模型(IAHM).IAHM通过分别提取心拍级别和心律级别的注意力特征,将医学知识和心电数据相结合,使学习的模型具有高度的可解释性.实验在公开数据库MIT-BIH上进行,对五种心律失常分类以弥补宏观分类的短板.IAHM在准确率、特异性、敏感性和阳性预测值分别达到94.65％、98.69％、92.69％和92.60％,有助于临床医生对心律失常进行准确分类.

    心律失常分类注意力机制卷积神经网络可解释性长短期记忆网络

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

    矩阵结构遗传算法

    潘峰龙福海施启军魏嘉银...
    121-125,133页
    查看更多>>摘要：针对传统遗传算法在函数优化问题中的不足,提出构建一种矩阵结构种群的遗传算法MGA(Matrix Structure Genetic Algorithm).MGA采用矩阵形式的数据结构,借助于矩阵的行、列及主对角线等概念描述种群,并在此结构上对选择、交叉和变异三种算子均进行改进.选择算子是通过逐行寻优构建父代精英种群,具体操作是每行最优个体移动到所在行的主对角线位置;交叉算子采用父代精英种群中任意两个个体A(i,i)和A(j,j)交叉产生两个子代个体A(i,j)和A(j,i),并分别置于关于主对角线对称的位置(i,j)和(j,i);变异算子是对种群全体逐一进行克隆变异,若克隆变异结果优于原个体则选择克隆变异结果,否则不变.经过上述三步的若干次循环迭代,最终以矩阵种群中的最优个体为问题的最优解.通过对若干函数优化问题的实验测试表明,该方法收敛速度很快,全局收敛性能显著提高,可以推广到其他演化算法.

    矩阵结构遗传算法精英种群克隆变异函数优化问题

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

    基于无监督的非对称度量学习优化行人再识别

    江雨燕吕魏李平邵金...
    126-133页
    查看更多>>摘要：行人再识别是对同一行人不同视图进行相似性匹配的技术,针对匹配过程中出现的不同相机、相机角度以及行人姿势、有无光照和障碍物等因素结合度量学习进行相似性度量.随着外界条件的变化,由于忽略特定视图特征易导致部分信息丢失,视图有可能展现出不同的分布.结合非对称的无监督度量学习方法UAML(Unsupervised Asymmetric Metric Learning)把视图分布分为共享视图和特定视图,共享视图提取共享特征,特定视图提取与视图相关联的特征投影到公共子空间中,再通过K-means聚类,KL(Kullback–Leibler)散度对其进行优化,这样得到的子空间样本具有相同分布及全面的表示形式.该方法在VIPeR数据集、CUHK01数据集、Market-1501数据集上进行了实验测试,使用累计匹配曲线(Cumulative Match Characteristic,CMC)、Rank-1精度和平均精度曲线等指标来衡量算法的性能.其中,秩-1精度在不同数据上分别达到了40.25％、56.6％/58.09％、61.67％.该方法主要通过无监督非对称度量学习方法结合KL散度来进一步对行人再识别方法进行优化,通过实验进行比较来验证该方法的有效性,结果表明在行人再识别应用中具有更优的识别精度.

    无监督学习非对称度量学习KL散度行人再识别

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