首页期刊导航|现代计算机
期刊信息/Journal information
现代计算机
现代计算机

林楚昭

半月刊

1007-1423

lnzss@mail.sysu.edu.cn

020-84110804

510275

广州市海珠区新港西路135号中山大学园东区106栋西座1楼

现代计算机/Journal Modern Computer
查看更多>>《现代计算机》于1985年创刊，由中山大学主管主办，是一本面向计算机全行业的综合性学术刊物，一直以来致力于营造一个融洽的学术交流平台，帮助读者对象在学业、事业上更上一层楼。现为中国学术期刊综合评价数据库统计源期刊，中国期刊全文数据库全文收录期刊，中国核心期刊（遴选）数据库收录期刊，中国学术期刊（光盘版）收录期刊，全文入编中国学术期刊（光盘版）、中国期刊网、中华期刊网和中文科技期刊数据库、万方－数字化期刊数据库。
正式出版
收录年代

    基于注意力机制和残差网络的手部热痕迹识别

    于晓许靖寓
    1-8页
    查看更多>>摘要：手部热痕迹红外图像识别对刑事侦查具有重要意义,但热痕迹图像往往存在模糊问题.传统识别方法依靠人工设计特征,存在局限性,常规的深度学习方法对样本数量存在依赖性,均难以直接应用.利用卷积神经网络强大的特征表达能力,引入残差网络增强模型学习特征的性能,设计注意力机制模块从空间和通道维度提高模型对重要特征的关注度,最终构建了基于注意力机制的残差卷积神经网络.实验验证了该算法的有效性,取得了最高的识别准确率.

    红外图像手部热痕迹深度学习计算机视觉图像识别

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    低分辨率暗弱光斑图像的目标识别技术研究

    李欣阳李智
    9-16页
    查看更多>>摘要：针对新一代激光雷达对远距离、高速运动目标实现超快发现、检测与识别的需求,解决自然环境多变、目标暗弱且高速运动导致图像分辨率低的问题,鉴于传统光学和传统网络无法对目标实现高精准的识别,提出低分辨率暗弱光斑图像的深度层次轮廓识别网络LRDSI-DLCRN,该网络引入全局权重编码模块,采用子像素卷积进行上采样,丰富了不同层次边缘结构特征的相关性,在公开数据集PASCAL VOC 2012和真实环境采集的Spotcraf数据集上的效果都优于其它流行算法.

    低分辨率光斑图像轮廓识别子像素卷积

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于RoBERTa和BiGRU-AT的微博评论情感分类模型

    曾孟佳杨卓黄旭
    17-23页
    查看更多>>摘要：针对传统静态词向量如glove无法表示多义词的缺陷,以及现有微博情感分类模型对于隐式评论文本特征提取能力不足等问题,提出了一种结合RoBERTa和BiGRU-AT的微博评论情感分类模型.用预训练模型RoBERTa得到融合句子语境的动态词向量;然后采用BiGRU-AT模块的双向门控循环单元提取文本序列特征、注意力机制捕获文本序列中的关键情感信息;最后利用归一化指数函数输出情感倾向结果.实验结果显示,该模型与现有常用经典模型相比,精确率和F1值均取得了较好的效果,具有较好的实用价值.

    文本情感分类RoBERTaBiGRU注意力机制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于轻量化卷积神经网络的疲劳驾驶检测方法研究

    刘鹏宇杨潞霞戴斌
    24-29页
    查看更多>>摘要：交通安全问题与每个人的生活都密不可分.针对目前流行的检测模型缺乏实时性和准确性的问题,提出一种轻量化检测模型,对目标检测网络YOLOv4进行改进,主干特征提取网络使用MobileNet-V3.为使网络参数大幅度下降,通过采用深度可分离卷积来进一步减少参数量;通过给加强特征提取网络添加注意力机制,进一步优化检测速率和检测准确率,且利用一种数据增强方式来增加检测准确度.最后提取面部疲劳特征,由PERCLOS判断是否处于疲劳.通过实验得出检测准确率为92.90%,mAP指标为85.75%,参数量减少近95%,单帧检测速度是25.64 ms,可以平衡网络的准确性与实时性.

    轻量化网络疲劳驾驶注意力机制数据增强

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进的ResNet18模型识别番茄叶片多种病害

    杨进进张文慧王哲
    30-34页
    查看更多>>摘要：针对传统番茄叶片病害识别方法效率低、准确性差等问题,提出了一种改进的ResNet18番茄叶片病害识别算法.首先将ResNet18中输入部分的7×7大卷积核替换为3×3小卷积核,减少网络参数数量,增加网络的非线性表达能力.然后在改进的ResNet18网络中加入轻量级卷积块注意力模块(CBAM),增强网络对病害细节特征的提取能力,提高识别精度;并使用单周期余弦退火算法调整学习率,进一步优化网络结构,加快模型收敛效果,提高训练速度.实验以早疫病、棒孢病等9种常见的番茄叶片病害为主要研究对象,在改进模型上的平均识别准确率达到99.60%.结果表明,构建的ResNet18-Ck3x3-CBAM模型可用于番茄叶片病害识别且具有良好的识别效果.

    番茄叶片病害识别ResNet18CBAM注意力机制余弦退火学习率

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    中文电子病历命名实体识别算法BLF-MarkBERT

    潘旭余艳梅盛西方陶青川...
    35-38,65页
    查看更多>>摘要：随着深度学习技术的发展,中文命名实体识别在各个领域取得了显著进展,特别是在中文电子病历领域,它成为了医学信息管理领域的重要任务.中文电子病历命名实体识别从电子病历中自动识别和分类命名实体,提高了医学信息管理效率和临床决策支持,促进了医学智能信息化发展.为进一步提升效果,对MarkBERT方法进行研究,在其基础上改进并实现了一种融合双向长短时记忆网络和解码方式的深度学习模型BLF-MarkBERT.在CCKS2019数据集上的实验结果表明,BLF-MarkBERT在准确率P、召回率R和F1分数这三个评估指标上均优于对比算法,表明了该模型的优越性.

    中文命名实体识别MarkBERTBiLSTM中文电子病历

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于小波包去噪与LSTM的超声飞渡时间测量方法

    李嘉成汪达陈立玮戴静...
    39-42页
    查看更多>>摘要：超声流量计通常采用时差法进行流量测量,但面对锅炉等环境噪声较强的复杂环境,传统的阈值法和互相关法等方法的流量测量精度会受到极大影响.提出一种基于小波包去噪与LSTM的超声飞渡时间测量方法,利用实际锅炉换热管道中采集到的超声信号数据开展实验,结果表明文章所提测量模型相较于传统的GCC、QCC等算法,在超声飞渡时间测量准确率方面提高了20.03%以上,平均绝对误差方面至少降低了0.1860,均方根误差方面至少降低了0.2829,提高了锅炉管道流量的测量精度.

    超声流量计时差法小波包去噪LSTM

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于随机森林和SVM算法的信息技术企业财务困境预测

    宋雅蓉
    43-50页
    查看更多>>摘要：信息技术企业在快速发展的同时,面临激烈的市场竞争与高度的不确定性,近年来,不断有信息技术上市企业陷入财务困境,因此信息技术上市企业的财务困境预测对于投资者、企业和市场监管部门等十分重要.采用随机森林与支持向量机(SVM)两种机器学习算法,以A股上市的信息技术企业为例对样本公司在T年的财务困境情况进行了研究,并利用算法的评价指标对各个模型在不同时期的预测结果进行比较.研究结果表明,在同一数据集上的两种模型都具有较高的准确率,而SVM模型的预测效果要优于随机森林模型,并且越靠近T年,两个模型的预测效果越好.

    财务困境预测支持向量机(SVM)随机森林(RF)

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    Stacking多模型融合优化高校图书采购预测的研究

    罗可阳志花陈玫瑰
    51-55页
    查看更多>>摘要：提出了一种基于Stacking多模型融合的图书采购预测模型,旨在提升高校图书采购预测的准确性和可靠性.传统的单一预测模型难以较好地应对高校图书采购中的诸多复杂因素.采用Stacking方法,构建了一个次级模型,能够有效整合不同基础模型的预测结果,并通过交叉验证来选择最佳的Stacking模型,以确保模型的稳定性和泛化能力.实验结果表明,Stacking多模型融合方法显著提升了高校图书采购预测的准确性和鲁棒性.这为高校图书采购管理提供了一种有效的决策工具,有望改善资源分配,降低不必要的成本,并提高管理决策的科学性.

    Stacking集成算法LightGBM图书采购预测资源分配

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于残差卷积神经网络的网络安全态势感知方法

    李立
    56-60页
    查看更多>>摘要：由于影响网络安全态势的因素具有多元化的特征,网络安全态势的观察值与预测值也是不断变化的.这种波动导致传统的神经网络在对其进行感知时,对应的收敛误差难以控制.提出基于残差卷积神经网络的网络安全态势感知方法研究.分别从网络自身和攻击状态两个角度,对网络安全态势影响因素进行量化分析;再利用卷积核的权重系数对输入神经网络的整体状态参数进行加权平均,提取各网络安全态势影响因素状态.引入残差损失参数对残差卷积神经网络的池化结果进行约束,输出最终的网络安全态势值.在测试结果中:收敛误差值面对不同类型的网络流量和攻击手段表现出了较高的稳定性,且始终处于较低水平,收敛误差最大值仅为0.0345.

    残差卷积神经网络网络安全态势感知影响因素量化分析加权平均残差损失参数收敛误差值

      原文链接:
    • NETL
    • NSTL
    • 万方数据