首页期刊导航|陕西科技大学学报
期刊信息/Journal information
陕西科技大学学报
陕西科技大学
陕西科技大学学报

陕西科技大学

张美云

双月刊

2096-398X

xbbjb@sust.edu.cn

029-86168067

710021

陕西省西安市未央大学园区

陕西科技大学学报/Journal Journal of Shaanxi University of Science & Technology北大核心CSTPCD
查看更多>>本刊为中国科技论文统计源期刊之一，2001年被中国科技部、新闻出版署选定为“中国期刊方阵双效期刊”，主要刊载制浆造纸、材料、皮革、食品与生物工程、化工、机电一体化、电器、电子、计算机、信息科学、工业设计、环保工程等领域的科研论文以及数学、物理、化学等基础学科的最新应用性研究成果论文。
正式出版
收录年代

    基于TCN-Bi-GRU和交叉注意Transformer的多模态情感识别

    李嘉华陈景霞白义民
    161-168页
    查看更多>>摘要：多模态语音情感识别是近年来在自然语言处理和机器学习领域备受关注的研究方向之一，不同模态的数据存在异构性和不一致性，将不同模态信息有效地融合起来并学习到高效的表示形式是一个挑战。为此，本文提出了一种新的基于时序信息建模和交叉注意力的多模态语音情感识别模型。首先采用时间卷积网络(Time Convolutional Network，TCN)提取语音、文本和视频数据的深层时序特征，使用双向门控递归单元(Bidirectional Gated Recurrent U-nit，Bi-GRU)捕捉序列数据的上下文信息，提高模型对序列数据的理解能力。然后基于交叉注意力机制和Transformer构建多模态融合网络，用于挖掘并捕获音频、文本和视觉特征之间交互的情感信息。此外，在训练过程中引入弹性网络正则化(Elastic Net Regularization)防止模型过拟合，最后完成情感识别任务。在IEMOCAP数据集上，针对快乐、悲伤、愤怒和中性四类情感的分类实验中，准确率分别为87。6％、84。1％、87。5％、71。5％，F1值分别为85。1％、84。3％、87。4％、71。4％。加权平均精度为80。75％，未加权平均精度为82。80％。结果表明，所提方法实现了较好的分类性能。

    语音识别多模态情感识别时间卷积网络交叉注意力机制弹性网络

      原文链接:
    • 万方数据
    • 维普

    基于改进CEEMDAN-BO-LSTM的短期电价预测

    秦昆刘立群吴青峰何俊强...
    169-176页
    查看更多>>摘要：电价预测对于国家电力市场的销售价格，电力调度和市场波动管理具有重要意义，但现有方法在电价预测的准确性上不理想。为了进一步提升电价预测的准确性，提出一种基于改进完全自适应噪声集合经验模态分解(ICEEMDAN)，贝叶斯优化(BO)和长短时记忆网络(LSTM)的短期电价预测模型。ICEEMDAN将原始数据分解为多个本征模态函数(IMF)和一个残差序列，然后将IMF分量重构为高频，中频和低频三个子序列，将子序列和残差序列分别与相关因素结合，重构为四个多维特征矩阵，输入BO-LSTM模型进行训练，最后得到预测结果。用西班牙国家电网公司Red Electric España运营数据进行算例分析，结果表明ICEEM-DAN-BO-LSTM模型具有更高的准确度，在电价跳跃点和峰值点处预测结果表现出色，与其他方法相比预测效果更好，对能源企业和国家电力市场调控策略具有实用价值。

    电价预测完全自适应噪声集合经验模态分解贝叶斯优化长短期记忆网络

      原文链接:
    • 万方数据
    • 维普

    基于多尺度偏移感知网络的结肠息肉目标检测

    池晓鑫杜晓刚王营博雷涛...
    177-184页
    查看更多>>摘要：一些息肉目标检测方法难以充分提取全局及长距离语义信息，导致在具有环境噪声的情况下对尺寸差异较大的息肉目标检测精度低。为了解决该问题，提出了一种基于多尺度偏移感知的息肉检测网络。首先，设计了多尺度偏移感知注意力模块，通过在不同尺度上对图像特征进行注意力加权和偏移感知，提高了图像特征的提取和融合能力。其次，设计了渐近特征融合模块，对不同尺度的特征图进行自适应空间加权融合，从而捕捉了更丰富的上下文信息。通过大量实验证明，该方法在三个不同类型的息肉数据集上分别达到了 94。8％、94。6％和95。8％的检测精度，相比于当前主流的目标检测方法取得了更好的检测结果。

    医学图像息肉检测注意力机制多尺度特征特征融合

      原文链接:
    • 万方数据
    • 维普

    基于CNN和Transformer交叉教学的半监督医学图像分割

    杨云胡雯青杨虹吴亚男...
    185-192页
    查看更多>>摘要：由于医学图像分割领域缺乏高质量的标注数据，半监督学习方法在医学图像语义分割任务中受到高度重视。为了充分利用卷积神经网络(Convolutional Neural Network，CNN)和Transformer在半监督学习中的优势，本文提出一种基于CNN与Transformer交叉教学的半监督医学图像分割方法。该方法将经典的深度协同训练从一致性正则化简化为交叉教学，利用循环伪标签方案使两个网络的预测差异转换为无监督损失，以鼓励两个网络具有一致的低熵预测。所提方法在ISIC 2018数据集上进行实验，在采用20％的标注比例时，Dice系数和Jac-card系数分别达到87。25％和79。17％，相比于监督U-Net++的训练结果分别提升了 2。89％和3。53％，并且优于目前主流的半监督学习方法，验证了所提方法在半监督医学图像分割上的有效性和泛化性。

    半监督学习图像语义分割交叉教学循环伪标签

      原文链接:
    • 万方数据
    • 维普

    基于多分支增强和融合注意力机制的水下图像增强算法

    姚斌韩典芝徐轩李婉...
    193-202页
    查看更多>>摘要：由于水对光的折射和吸收，水下图像通常会出现严重的退化，如色偏、模糊、能见度低等。为了提高水下图像的可视性，提出了一种基于多分支增强和融合注意力机制的水下图像增强网络MBFA-GAN。首先，通过分析水下图像的色彩退化和模糊因素，设计了青品色温修复模块和模糊恢复模块对水下图像进行色彩矫正和模糊恢复。然后，基于对多个分支特征的互补性考虑，采用循环合并策略将多个分支增强的特征利用自适应融合模块进行融合，逐步增强图像细节。最后，设计了融合注意力模块，用于深度挖掘图像在通道维度和像素维度的相关性矩阵，以提高增强图像的真实性。实验结果表明，与现有算法相比，提出的水下图像增强算法去模糊效果较好且颜色更真实，可以有效改善水下图像色偏和模糊的问题。

    水下图像增强多分支增强融合注意力生成对抗网络

      原文链接:
    • 万方数据
    • 维普

    基于SM2和DNA的图像加密算法

    唐亦昕张英男
    203-210页
    查看更多>>摘要：近年来，随着互联网的全面普及，公民对信息安全和隐私保护提出了新的更高的要求，为了保护公民的数据安全，并且满足"打赢新时代网络战争"的要求，对图像加密算法的研究与实现进行深入的研究，提出了一种基于国密SM2数字信封和脱氧核糖核酸(Deoxyribonucleic acid，DN A)编码的图像加密技术，将图像编码技术、公钥技术、口令保护技术相结合。在该算法中，通过使用Python重点实现了密钥空间的复杂性、图像的鲁棒性、随机性、低相关性，同时对图像的直方图进行了分析，研究结果表明，在实现公钥加密算法国产化替代的同时，增强了加密的安全性。

    SM2数字信封Chen超混沌Logistic混沌鲁棒性脱氧核糖核酸(DNA)

      原文链接:
    • 万方数据
    • 维普

    基于马尔可夫链的COVID-19流行病患病区域变化趋势预测

    王鑫王令戈师鹏柔
    211-218页
    查看更多>>摘要：在COVID-19疫情环境下，为精准预测不同症状状态的人群人数和区域级别的发展趋势，以SIR传染病模型为基础，基于马尔可夫链预测时空相关的特性，设计了感染人群状态与管控措施相关的K-SIRD传染病预测模型。根据COVID-19疫情人群之间传染性的特征及受距离影响造成有效传染数Re的变化而导致不同的症状状态改变的转移规律，实时精准预测了不同状态的人员人数变化，并根据同一区域人群症状状态分布情况不同，针对不同级别的区域采用不同等级的管控措施。

    K-SIRD模型COVID-19马尔可夫链有效繁殖数

      原文链接:
    • 万方数据
    • 维普

    《陕西科技大学学报》征稿简则

    封3页
      原文链接:
    • 万方数据
    • 维普