计算机与现代化

Select

1. 一种基于BERT和池化操作的文本分类模型

张军, 邱龙龙

计算机与现代化 2022, 0 (06): 1-7.

摘要（464）

使用预训练语言模型的微调方法在以文本分类为代表的许多自然语言处理任务中取得了良好的效果，尤其以基于Transformer框架的BERT模型为典型代表。然而，BERT直接使用［CLS］对应的向量作为文本表征，没有从全局和局部考虑文本的特征，从而限制了模型的分类性能。因此，本文提出一种引入池化操作的文本分类模型，使用平均池化、最大池化以及K-MaxPooling等池化方法从BERT输出矩阵中提取文本的表征向量。实验结果表明，与原始的BERT模型相比，本文提出的引入池化操作的文本分类模型具有更好的性能，在实验的所有文本分类任务中，其准确率和F1-Score值均优于BERT模型。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于深度学习的股票趋势预测算法

周润佳

计算机与现代化 2023, 0 (01): 69-73.

摘要（423）

针对股票趋势预测难的问题，提出一种利用CNN和LSTM进行特征提取，并结合注意力机制和对抗训练的股票趋势预测算法——AACL（Adversarial Attentive CNN-LSTM）算法。该算法利用CNN提取股票的整体趋势信息，LSTM提取股票的短期波动信息，并通过注意力机制将多个股票联系起来，捕捉股票之间的涨跌关系。算法还引入了对抗训练，通过对数据进行干扰，提高算法的鲁棒性。为了验证算法的有效性，在KDD17、ACL18和China50这3个数据集上进行实验，并与现有的算法进行比较，实验结果表明本文提出的算法可以获得最优的预测效果。

参考文献 | 相关文章 | 多维度评价

Select

3. 《平凡的世界》人物关系网络分析

王君, 何进荣, 马乐荣

计算机与现代化 2022, 0 (06): 32-36.

摘要（324）

文学作品中人物关系网络的构建与定量分析是文学作品智能化解读的重要内容。本文以路遥先生文学作品《平凡的世界》为研究对象，利用复杂网络分析方法，对文学作品中的社交网络进行构建和分析。首先提取作品中的社交网络关系，其中小说人物对应社交网络中的节点，人物之间的关系对应社交网络的边，各章人物共同出现次数对应于边的权重，然后对构建的网络进行介数、集聚系数相关性等网络指标分析及分层聚类和链路预测。实验结果表明《平凡的世界》作品中的人物关系网络是异配网络并具有小世界特性。该研究有助于推动文学作品中人物关系网络的分析。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于混合策略改进的鲸鱼优化算法

李茹, 范冰冰

计算机与现代化 2022, 0 (06): 13-20.

摘要（321）

针对原始鲸鱼优化算法（WOA）收敛速度慢、全局搜索能力弱、求解精度低且易陷入局部最优等问题，提出一种混合策略来改进的鲸鱼优化算法（LGWOA）。首先将莱维飞行引入鲸鱼全局搜索的公式中，通过莱维飞行加大全局搜索步长，扩大搜索空间、提高全局搜索能力；其次，在鲸鱼螺旋上升阶段，加入一个自适应权重参数来提高算法的局部搜索能力和求解精度；最后结合遗传算法的交叉变异思想平衡算法的全局搜索和局部搜索能力，维持种群的多样性，规避陷入局部最优。通过对12个基准测试函数从2个角度进行实验对比分析，结果表明，基于混合策略改进的鲸鱼优化算法在收敛速度和求解精度上均有明显提升。

参考文献 | 相关文章 | 多维度评价

Select

5. 基于从共现矩阵提取关联的类别型数据聚类

关云鹏, 刘玉龙

计算机与现代化 2022, 0 (11): 1-8.

摘要（305）

类别型数据聚类被广泛应用于现实世界的不同领域中，如医学科学、计算机科学等。通常的类别型数据聚类，是在基于相异度量上进行研究，针对不同特点的数据集，聚类结果会受到数据集自身特点和噪音信息的影响。此外，基于表示学习的类别型数据聚类，实现复杂，聚类结果受到表示结果的影响较大。本文以共现矩阵为基础，提出一种可以直接考虑类别型数据原始信息关联关系的聚类方法———基于从共现矩阵提取关联的类别型数据聚类方法(CDCBCM)。共现矩阵可被看作是一种对原始数据空间中信息关联情况的汇总。本文通过计算不同对象在各个属性子空间下的共现频率值来构建共现矩阵，并从共现矩阵中去除一些噪音信息，再使用归一化切割来得到聚类结果。本文方法在16个不同领域的公开数据集中进行测试，与8种现有方法进行比较，并采用F1-score指标进行检测。实验结果表明，本文方法在7个数据集上效果最好，平均排名最高，能更好地完成对类别型数据的聚类任务。

参考文献 | 相关文章 | 多维度评价

Select

6. 基于生成对抗网络的高照度可见光图像生成

庄文华, 唐晓刚, 张斌权, 原光明

计算机与现代化 2023, 0 (01): 1-6.

摘要（286）

为解决夜间低照度条件下目标检测准确率偏低的问题，提出一种基于循环生成对抗网络的高照度可见光图像生成方法。为提高生成器提取特征的能力，在转换器模块引入CBAM注意力模块；为避免在生成图像中产生伪影的噪声干扰，把生成器解码器的反卷积方式改为最近邻插值加卷积层的上采样方式；为了提高网络训练的稳定性，把对抗损失函数由交叉熵函数换为最小二乘函数。生成的可见光图像与红外图像、夜间可见光图像相比，在光谱信息、细节信息丰富和可视性方面取得好的优势提升，能够有效地获取目标和场景的信息。分别通过图像生成指标和目标检测指标验证该方法的有效性，其中对生成可见光图像测试得到的mAP较红外图像和真实可见光图像分别提高了11.7个百分点和30.2个百分点，可以有效提高对夜间目标的检测准确率和抗干扰能力。

参考文献 | 相关文章 | 多维度评价

Select

7. 模型剪枝算法综述

李屹, 魏建国, 刘贯伟

计算机与现代化 2022, 0 (09): 51-59.

摘要（275）

模型剪枝算法利用不同的标准或方式对深度神经网络中冗余神经元进行裁剪，在不损失模型精度的情况下对模型进行最大程度的压缩，从而可以减少存储并提升速度。首先，对模型剪枝算法的研究现状与主要研究方向进行总结并归类。主要研究方向包括剪枝的尺度、剪枝元素重要性评估的方法、剪枝的稀疏度、剪枝的理论基础及对于不同任务的剪枝等方面。然后对近年来具有代表性的剪枝算法进行详细描述。最后对此领域的研究提出未来展望。

参考文献 | 相关文章 | 多维度评价

Select

8. 基于改进YOLOv5的安全帽佩戴检测

岳衡, 黄晓明, 林明辉, 高明, 李扬, 陈凌

计算机与现代化 2022, 0 (06): 104-108.

摘要（266）

针对YOLOv5无法通过权重进行聚焦，产生更具有分辨性的特征，从而降低安全帽检测准确性的问题，使用注意力模块，并分别研究压缩激励层（Squeeze and Excitation Layer, SEL）和高效通道注意力（Efficient Channel Attention, ECA）模块。针对YOLOv5去除冗余框时采用的非极大值抑制（Non Maximum Suppression, NMS）在物体高度重叠时仅保留同类最高置信度预测框的问题，使用Soft-NMS算法保留更多的预测框，并进一步使用加权非极大值抑制（Weighted Non Maximum Suppression, WNMS）融合多次预测框信息提升预测框准确性；针对下采样带来的信息丢失问题，使用Focus模块提升检测效果；综合各个模块得到最优的FESW-YOLO算法。该算法在安全帽数据集上的mAP@0.5、mAP@0.5:0.95相较于YOLOv5分别提高了2.1个百分点、1.2个百分点，提升了安全帽监管准确性。

参考文献 | 相关文章 | 多维度评价

Select

9. 基于双层规划的容器云资源动态配置算法

周永福, 徐胜超

计算机与现代化 2022, 0 (12): 1-5.

摘要（261）

本文分析容器云资源动态配置决策问题，通过定义容器云资源的调度任务，求解得到容器云资源调度时间；利用容器云资源调度任务的最短时间矩阵，获取容器云资源调度所需的条件。在双层规划条件下，求解容器云资源调度的目标函数和约束函数；考虑到用户的任务情况和云数据中心的云资源状况，在虚拟机上构建一个到物理主机的矩阵，通过构建容器云资源动态配置结果在优化时的目标函数，结合约束条件，实现容器云资源的动态配置。实验结果表明，资源动态配置算法不仅可以提高容器云资源的利用率，还可以减少配置完成时间，具有更好的动态配置性能。

参考文献 | 相关文章 | 多维度评价

Select

10. 计算机视觉下的果实目标检测算法综述

李伟强, 王东, 宁政通, 卢明亮, 覃鹏飞

计算机与现代化 2022, 0 (06): 87-95.

摘要（248）

基于计算机视觉的果实目标检测识别是目标检测、计算机视觉、农业机器人等多学科的重要交叉研究课题，在智慧农业、农业现代化、自动采摘机器人等领域，具有重要的理论研究意义和实际应用价值。随着深度学习在图像处理领域中广泛应用并取得良好效果，计算机视觉技术结合深度学习方法的果实目标检测识别算法逐渐成为主流。本文介绍基于计算机视觉的果实目标检测识别的任务、难点和发展现状，以及2类基于深度学习方法的果实目标检测识别算法，最后介绍用于算法模型训练学习的公开数据集与评价模型性能的评价指标，且对当前果实目标检测识别存在的问题和未来可能的发展方向进行讨论。

参考文献 | 相关文章 | 多维度评价

Select

11. 基于卷积与稀疏编码的半监督学习方法

刘缨杰, 兰海, 魏宪

计算机与现代化 2022, 0 (11): 9-16.

摘要（229）

卷积神经网络（CNN）在半监督学习中取得了良好的成绩，其在训练阶段既利用有标记样本，也利用无标记样本帮助规范化学习模型。为进一步加强半监督模型的特征学习能力，提高其在图像分类时的性能表现，本文提出一种联合深度半监督卷积神经网络和字典学习的端到端半监督学习方法，称为Semi-supervised Learning based on Sparse Coding and Convolution（SSSConv）；该算法框架旨在学习到鉴别性更强的图像特征表示。SSSConv首先利用CNN提取特征，并对所提取特征进行正交投影变换，下一步通过学习其稀疏编码的低维嵌入以得到图像的特征表示，最后据此进行分类。整个模型框架可进行端到端的半监督学习训练，CNN提取特征部分和稀疏编码字典学习部分具有统一的损失函数，目标一致。本文利用共轭梯度下降算法、链式法则和反向传播等算法对目标函数的参数进行优化，将稀疏编码的相关参数约束于流形上，CNN参数既可定义在欧氏空间，也可以进一步定义在正交空间中。基于半监督分类任务的实验结果验证了所提出SSSConv框架的有效性，与现有方法相比具有较强的竞争力。

参考文献 | 相关文章 | 多维度评价

Select

12. 基于YOLO v4的车辆目标检测算法

殷远齐, 徐源, 邢远新

计算机与现代化 2022, 0 (07): 8-14.

摘要（223）

针对车辆目标检测中存在遮挡目标导致检测精度低、小目标检测效果差等问题，提出一种基于YOLO v4改进的目标检测算法YOLO v4-ASC。通过在主干提取网络尾部加入卷积块注意力模块，提升网络模型的特征表达能力；改进损失函数提升网络模型的收敛速度，利用Adam+SGDM优化方法替代原始模型优化方法SGDM，进一步提升模型检测性能。此外，利用K-Means聚类算法优化先验框尺寸大小，并合并交通场景数据集中的car、truck、bus类别为vehicle，将本文问题简化为二分类问题。实验结果表明，本文提出的YOLO v4-ASC目标检测算法在保持原算法检测速度的基础上，AP达到了70.05%，F1-score达到了71%，与原YOLO v4算法相比，AP提升了9.92个百分点，F1-score提升了9个百分点。

参考文献 | 相关文章 | 多维度评价

Select

13. 基于改进的Transformer_decoder的增强图像描述

林椹尠, 屈嘉欣, 罗亮

计算机与现代化 2023, 0 (01): 7-12.

摘要（215）

Transformer的解码器（Transformer_decoder）模型已被广泛应用于图像描述任务中，其中自注意力机制（Self Attention）通过捕获细粒度的特征来实现更深层次的图像理解。本文对Self Attention机制进行2方面改进，包括视觉增强注意力机制（Vision-Boosted Attention， VBA）和相对位置注意力机制（Relative-Position Attention， RPA）。视觉增强注意力机制为Transformer_decoder添加VBA层，将视觉特征作为辅助信息引入Self Attention模型中，指导解码器模型生成与图像内容更匹配的描述语义。相对位置注意力机制在Self Attention的基础上，引入可训练的相对位置参数，为输入序列添加词与词之间的相对位置关系。基于COCO2014进行实验，结果表明VBA和RPA这2种注意力机制对图像描述任务都有一定改进，且2种注意力机制相结合的解码器模型有更好的语义表述效果。

参考文献 | 相关文章 | 多维度评价

Select

14. 基于预训练模型的关系抽取研究综述

王浩畅, 刘如意

计算机与现代化 2023, 0 (01): 49-57.

摘要（215）

近年来随着深度学习技术的不断革新，预训练模型在自然语言处理中的应用也越来越广泛，关系抽取不再是单纯地依赖传统的流水线方法。预训练语言模型的发展已经极大地推动了关系抽取的相关研究，在很多领域已经超越了传统方法。首先简要介绍关系抽取的发展与经典预训练模型；其次总结当下常用的数据集与评测方法，并分析模型在各数据集上的表现；最后探讨关系抽取发展的挑战与未来研究趋势。

参考文献 | 相关文章 | 多维度评价

Select

15. 基于改进YOLOV5的火焰检测算法

王洪义, 孔梅梅, 徐荣青

计算机与现代化 2023, 0 (01): 103-107.

摘要（214）

针对现有的火焰检测算法检测平均精度低、小目标火焰漏检率高的问题，提出一种改进YOLOV5的火焰检测算法。该算法使用Transformer Encode模块代替YOLOV5主干网络末端的CSP bottleneck模块，以增强网络捕获不同局部信息的能力，提高火焰检测的平均精度，并且在YOLOV5网络中增加CBAM注意力模块，增强网络提取图像特征的能力，对于小目标火焰能够较好地提取特征，降低小目标火焰的漏检率。将该算法在公开数据集BoWFire、Bilkent上进行实验，结果表明，改进YOLOV5网络的火焰检测平均精度更高，可达83.9%，小目标火焰漏检率更低，仅为1.6%，检测速率为34帧/s，相比于原YOLOV5网络，平均精度提升了2.4个百分点，小目标火焰漏检率降低了4.1个百分点，改进后的YOLOV5网络能够满足火焰检测的实时性和精度要求。

参考文献 | 相关文章 | 多维度评价

Select

16. 基于TasNet的单通道语音分离技术的研究综述

陆炜, 朱定局

计算机与现代化 2022, 0 (11): 119-126.

摘要（193）

语音分离是声学信号处理中的一项基本任务，具有广泛的应用。得益于深度学习的发展，近年来单通道语音分离系统的性能有了显着提升。特别是，随着一种被称为时域音频网络（Time-domain audio separation Network，TasNet）的新语音分离方法被提出，语音分离技术的研究也逐步从基于时-频域的传统方法过渡至基于时域的方法。本文综述基于TasNet的单通道语音分离技术的研究现状与展望。在回顾基于时-频域的语音分离传统方法之后，本文重点介绍基于TasNet的Conv-TasNet模型以及DPRNN模型，并对比针对各模型的改进研究。最后,本文阐述目前基于TasNet的单通道语音分离模型的局限性,并从模型、数据集、说话人数量以及如何解决复杂场景下的语音分离等层面对未来的研究方向进行讨论。

参考文献 | 相关文章 | 多维度评价

Select

17. FOCoR:一种基于特征选择优化的课程推荐技术

王扬, 陈梅, 李晖

计算机与现代化 2022, 0 (10): 1-7.

摘要（193）

针对在线教育平台行为日志推荐模型存在的冷启动问题，设计一种融合高校选课数据的课程推荐方法FOCoR。首先，提出基于遗传算法的特征选择技术FSBGA (Feature Selection Based on Genetic Algorithm)，然后再以特征选择的结果作为输入，基于梯度提升树LightGBM技术构建推荐模型来进行课程推荐。具体地，在提出的FSBGA算法中，构造结合模型损失和特征数量的适应度函数，并在高校选课数据的特征子集空间中搜索出兼顾模型损失和特征数量的最优特征子集。与基于互信息、F检验的特征选择方法相比，在FSBGA算法所选出的特征子集上训练的选课模型在AUC、F1分数、对数损失这3项指标上均优于其它特征选择算法。为了验证本文工作的有效性，将FOCoR与LightGBM、XGBoost、决策树、随机森林、逻辑回归等算法在真实数据集上进行实验和性能评估，结果表明FOCoR在F1分数上取得了最好的性能。

参考文献 | 相关文章 | 多维度评价

Select

18. 混合CTC/Attention模型在普通话识别中的应用

许鸿奎, 张子枫, 卢江坤, 周俊杰, 胡文烨, 姜彤彤

计算机与现代化 2022, 0 (08): 1-6.

摘要（193）

基于链接时序分类（Connectionist Temporal Classification, CTC）的端到端语音识别模型具有结构简单且能自动对齐的优点，但识别准确率有待进一步提高。本文引入注意力机制（Attention）构成混合CTC/Attention端到端模型，采用多任务学习方式，充分发挥CTC的对齐优势和Attention机制的上下文建模优势。实验结果表明，当选取80维FBank特征和3维pitch特征作为声学特征，选择VGG-双向长短时记忆网络（VGG-Bidirectional long short-time memory, VGG-BiLSTM）作为编码器应用于中文普通话识别时，该模型与基于CTC的端到端模型相比，字错误率下降约6.1%，外接语言模型后，字错误率进一步下降0.3%；与传统基线模型相比，字错误率也有大幅度下降。

参考文献 | 相关文章 | 多维度评价

Select

19. 基于HMRF的改进Kmeans脑肿瘤分割算法

马瑜涓, 韩建宁, 史韶杰, 曹尚斌, 杨志秀

计算机与现代化 2023, 0 (03): 1-5.

摘要（189）

为了解决磁共振成像脑部肿瘤区域出现误识别及对脑MRI图像中的肿瘤部位分割时出现的不确定性等问题，提出一种改进的Kmeans算法与隐马尔可夫随机场模型（HMRF）相结合的分割方法，对脑肿瘤图像实现精准分割。首先将Kmeans算法的欧氏距离替换成曼哈顿-切比雪夫距离并用改进后的Kmeans算法对待分割图像进行初始参数估计和初始分割，然后通过HMRF理论获得图像的空间信息，并结合EM算法对聚类中心进行更新，获得更为准确的聚类中心，从而提高算法的分割性能。实验结果表明，该方法具有良好的脑部肿瘤分割性能效果，其中Dice系数和Jaccard系数的平均值分别达到了0.9289和0.8725。

参考文献 | 相关文章 | 多维度评价

Select

20. 基于改进kNN算法与暂稳态特征的非侵入式负荷监测方法

田丰, 邓晓平, 张桂青, 王保义

计算机与现代化 2022, 0 (10): 29-35.

摘要（187）

非侵入式负荷监测（Non-intrusive Load Monitoring, NILM）通过分析电力总回路的电气信息得到回路中各电器的运行数据，为用户的节能优化和电网的优化调度提供依据。现有NILM方法主要将研究重点放在提高负荷识别准确度上，模型复杂度高，难以在嵌入式设备上应用。针对上述问题，提出一种基于改进kNN算法与暂稳态特征的NILM方法。首先选择无需训练的kNN算法作为负荷识别模型，采用距离权重统计方法对kNN算法进行改进，并增加余弦相似度判断机制检验kNN算法负荷识别结果准确性；然后选择暂态特征和稳态特征作为负荷特征以提高负荷特征辨识度；最后利用实验采集数据进行验证，上述NILM方法具有良好的性能。

参考文献 | 相关文章 | 多维度评价

Select

21. ALBERT结合双向网络的文本分类

黄忠祥, 李明

计算机与现代化 2022, 0 (10): 8-12.

摘要（186）

针对目前多标签文本分类算法不能有效利用文本深层信息的缺陷，提出一种利用ALBERT模型进行文本深层信息的特征提取，使用双向LSTM网络进行特征训练，并结合注意力机制强化分类效果，完成分类的模型——ABAT模型。在百度发布的DuEE1.0数据集上进行实验，相对于各对比模型，该模型的各项性能均达到最优，Micro-Precision达到0.9625，Micro-F1达到0.9033，同时模型汉明损失下降到0.0023。实验结果表明，改进的ABAT模型能较好地完成多标签文本分类的任务。

参考文献 | 相关文章 | 多维度评价

Select

22. 基于生成对抗网络的图像动漫化

翟慧聪, 张明, 邓星, 王利群

计算机与现代化 2022, 0 (07): 21-26.

摘要（185）

动漫风格的图像具有高度的简化和抽象等特征，为了解决将现实世界图像转化成动漫风格图像这一问题，提出一种基于生成对抗网络的图像动漫化方法。本文的生成网络是类U-Net的全卷积结构，对输入图像先下采样，并加上浅层的特征用双线性插值的方法进行上采样，判别网络则采用Patch GAN加谱归一化的结构，分别计算语义内容损失和风格损失以提高网络的稳定性。本文采用surface表征损失、structure表征损失和texture表征损失代替风格损失，使得生成动漫图像的效果更可控。写实图像选用train2014，人脸图像采用CelebA-HQ数据集。使用本文模型在这些数据集上进行实验，实验结果表明，本文模型能够有效地完成图像动漫化的过程，并生成较高质量的动漫化图像。

参考文献 | 相关文章 | 多维度评价

Select

23. 基于深度学习的驾驶员分心行为识别

何丽雯, 张锐驰

计算机与现代化 2022, 0 (06): 67-74.

摘要（185）

分心驾驶行为识别是提高驾驶安全的主要方法之一。针对分心驾驶行为识别精度低的问题，本文提出一种基于深度学习的驾驶员分心行为识别算法，由目标检测网络和行为精确识别网络级联构成。基于State Farm公开数据集，第一级利用目标检测算法SSD(Single Shot Multibox Detector)对数据集中的驾驶员原始图像进行局部信息提取，确定行为识别候选区域；第二级分别利用迁移学习VGG19、ResNet50和MobileNetV2模型对候选区域内的行为信息进行精确识别；最后，实验对比级联架构与单模型架构对分心驾驶行为的识别精度。结果表明，提出的级联网络模型相较于主流单模型检测方法，驾驶员行为识别的准确率总体上提升4~7%个百分点。该算法不仅减少噪声和其他背景区域对模型的影响，提高分心行为识别准确率，还可以有效识别更多的行为类别以避免动作的误分类。

参考文献 | 相关文章 | 多维度评价

Select

24. 基于可分离结构变换的轻量级Vision Transformer

黄延辉, 兰海, 魏宪

计算机与现代化 2022, 0 (10): 75-81.

摘要（185）

由于视觉Transformer结构模型参数量大、浮点计算次数高，使得其难以部署到终端设备上。因为注意力矩阵存在低秩瓶颈，所以模型压缩算法和注意力机制加速算法不能很好地平衡模型参数量、模型推理速度和模型性能之间的关系。为了解决上述问题，本文设计一种轻量级的ViT-SST模型用于图像分类任务。首先，通过将传统全连接层转换为可分离结构，大幅度降低模型参数量且提高了模型推理速度，保证了注意力矩阵不会因出现低秩而破坏模型表达能力；其次，提出一种基于SVD分解的克罗内克积近似分解法，可以将公开的ViT-Base模型预训练参数转换至ViT-Base-SST模型，略微缓解了ViT模型的过拟合现象并提高了模型精度。在常见公开图片数据集CIFAR系列和Caltech系列上的实验验证了本文方法优于对比方法

参考文献 | 相关文章 | 多维度评价

Select

25. 基于HISPAC医疗数据隐私保护模型

姚征

计算机与现代化 2022, 0 (09): 1-12.

摘要（184）

当今时代是计算机的时代，更是人工智能和大数据蓬勃发展的时代，与其相关行业的出现引发了各行各业的变革。作为国内主要的服务行业，医疗产业也在悄然改变，同时医疗隐私的保护技术也在持续研究和发展中。随着数据量的激增，各类患者身份信息、病例信息以及医疗诊断信息泄露的情况层出不穷。本文针对医疗隐私保护问题，构建一套医疗隐私保护模型，该模型包括2个部分:1)借助循环神经网络RNN和模糊推理理论构建一个自适应神经网络隐私风险评估模型,给用户行为活动设置一个信用标签，并借此来计算隐私泄露风险值;2)围绕模型得到的用户信用风险值建立一套个性化的隐私数据访问权限控制机制，即医院信息系统隐私控制模型。经过实验验证，该机制具有良好的隐私保护效果，可以有效解决医疗数据隐私泄露的问题。

参考文献 | 相关文章 | 多维度评价

Select

26. ERCUnet：一种基于U-Net改进的道路裂缝检测模型

刘宇翔, 佘维, 沈占峰, 谭帅

计算机与现代化 2022, 0 (07): 33-39.

摘要（182）

针对传统的道路裂缝检测方法存在灵活度不高、普适性不强等问题，本文参考ResNet中的残差设计和U-Net模型的U形编码解码结构，设计一种基于U-Net改进的道路裂缝检测模型——ERCUnet。该模型以残差块为主体，针对裂缝检测优化不同深度卷积层的卷积核数量，模型中所有的残差块结构相同，模型整体结构更加整齐和简单，具有可塑性好、结构性强，残差结构不仅使特征融合更加充分，也避免了深层卷积神经网络梯度消失的问题。实验在CrackForest数据集上进行，将CrackForest的118张含标注图片按照5〖DK〗∶1的比例划分训练集和测试集，通过一系列数据增广方法，有效缓解了训练数据过少的问题。损失函数融合了交叉熵和F1分数，缓解了正负样本不均衡的问题，最终的实验结果显示ERCUnet模型参数量仅为U-Net(BN)模型的13.30%，在测试集上的查全率、查准率、F1值均达70%以上，噪声率、准确率分别为29.05%、99.01%。为证实ERCUnet的可塑性，通过修改模型参数得到ERCUnet-tiny模型，其参数量仅为U-Net(BN)模型的2.39%，在测试集上取得了与U-Net(BN)相近的效果。

参考文献 | 相关文章 | 多维度评价

Select

27. 基于VAR模型的加拿大气候变化预测

寇露彦, 廖竞, 李学俊, 吴昌述, 熊建华

计算机与现代化 2022, 0 (10): 13-18.

摘要（179）

南极冰川融化、飓风不断增加、海平面逐渐上涨等现象的出现，使人们意识到全球气候变暖给人类生存带来极大的挑战，对全球气候变化发展趋势的预测是十分有必要的。本文针对全球气候变暖现象，对加拿大具有代表性的4个省份数据进行缺失值填补后分析研究，建立一个考虑太阳辐射强度、二氧化碳含量、土壤含水量、温度、降雨量等因素的向量自回归（VAR）模型。通过对其进行平稳性检验、脉冲响应和方差分析得出具体模型并利用该模型对加拿大气温和降水量进行预测。实验结果表明，未来25年加拿大平均气温将达到15.0410 ℃，平均降水量达到2.0950 mm。

参考文献 | 相关文章 | 多维度评价

Select

28. 基于改进Dijkstra算法的防冲突最短路径规划研究

黄翼虎, 于亚楠

计算机与现代化 2022, 0 (08): 20-24.

摘要（178）

多无人机在执行作业任务时可能面临发生航迹冲突的矛盾，由此提出一种改进Dijkstra算法用来实现多无人机寻找最短且互不冲突航线的功能。在经典Dijkstra算法搜寻并对各航迹节点遍历运算的过程中，通过引入各节点的前驱节点变长回溯数组来记录各节点包含的所有前驱节点，找出各任务从起始点到达目标点所存在的全部可行的最短长度航线。再引入时间窗冲突判断模型从各任务的所有可行航线中将互不冲突的航线分离出来，一旦所有航线都冲突，则将其中一条最短航线中的冲突节点当作临时障碍点处理，通过改变回溯数组重新找出与其他任务互不冲突的一条最短航线。应用Matlab软件设计编写程序来进行算法验证，实验表明该改进算法在多无人机执行作业任务时可以规划出各任务包含的全部长度最短且互不冲突的航线，任务集合的规划效率有了明显提高。

参考文献 | 相关文章 | 多维度评价

Select

29. 文本摘要模型的研究进展

张紫芸, 王文发, 马乐荣, 丁苍峰

计算机与现代化 2022, 0 (06): 56-66.

摘要（178）

随着互联网产生的文本数据越来越多，文本信息过载问题日益严重，对各类文本进行一个“降维”处理显得非常必要，文本摘要便是其中一个重要的手段,也是人工智能领域研究的热点和难点之一。文本摘要旨在将文本或文本集合转换为包含关键信息的简短摘要。近年来语言模型的预处理提高了许多自然语言处理任务的技术水平，包括情感分析、问答、自然语言推理、命名实体识别和文本相似性、文本摘要。本文梳理文本摘要以往的经典方法和近几年的基于预训练的文本摘要方法，并对文本摘要的数据集以及评价方法进行整理，最后总结文本摘要目前面临的挑战与发展趋势。

参考文献 | 相关文章 | 多维度评价

Select

30. BBR拥塞控制算法延迟及带宽探测优化

黄宏平, 朱小勇, 王志远,

计算机与现代化 2022, 0 (10): 113-120.

摘要（177）

传统基于丢包的拥塞控制算法因为其高丢包率和引发缓冲区膨胀问题已经不能满足许多应用对网络性能的要求。谷歌提出的BBR（Bottleneck Bandwidth and Round Trip）算法以其抗丢包、高带宽利用率和低延迟等特性受到广泛关注与研究。但是BBR还存在排队延迟仍然较高、在RTT（Round Trip Time）较小环境下表现不佳、带宽探测不及时等问题。本文对BBR排队延迟和收敛性进行分析，进而提出改进方法：限制在外数据包数，并根据网络反馈适时减少拥塞窗口大小来降低延迟；在RTT较小环境下，将探测RTT阶段之前的带宽估计延续到探测RTT阶段之后；设置平稳状态最长保持时间及时退出平稳周期并进入探测周期。在NS3中的仿真实验结果表明，改进BBR降低了RTT及其抖动，提高了算法的收敛速度；能够在RTT较小环境下高效利用带宽；改进BBR能够显著提高长RTT流的带宽探测频率。

参考文献 | 相关文章 | 多维度评价

Select

31. 基于半监督学习的学生消费数据异常检测

宋晓丽, 张勇波, 张培颖

计算机与现代化 2022, 0 (12): 13-17.

摘要（175）

随着校园卡的应用场景越来越广泛，校园卡的资金安全问题日益突出，校园卡欺诈不但给师生和校内商家带来经济损失，还会危害校园的正常秩序。针对传统异常检测方法无法有效提取学生消费数据时序特征的问题，提出一种基于半监督学习的学生消费数据异常检测方法。首先，利用门控循环单元改进自编码器，使得模型可以更准确地进行消费数据的重构；然后，采用马氏距离计算重构误差，计算Fβ-分数确定误差阈值，进行异常数据的检测；最后，利用所提方法对某高校的学生消费数据进行异常检测实验。实验结果表明，所提方法具有更优越的检测性能。

参考文献 | 相关文章 | 多维度评价

Select

32. 融合RoBERTa和特征提取的政务热线工单分类

陈钢

计算机与现代化 2022, 0 (06): 21-26.

摘要（169）

政务热线承接了海量市民诉求，人工对工单分类耗时费力。现有工单分类方法大多基于机器学习或单一神经网络模型，难以有效理解上下文语义信息，且文本特征提取不全面。针对这一问题，本文提出一种融合RoBERTa和特征提取的政务热线工单分类方法。该方法首先通过基于RoBERTa预训练语言模型的语义编码层获取政务热线工单文本中的语义表征向量，然后通过由CNN-BiGRU-Self-Attention定义的特征提取层获取工单文本的局部特征和全局特征，并对全局特征进行处理以凸显重要性高的语义特征，最后将融合后的特征向量输入分类器来完成工单分类。实验结果表明，相较于其他基线分类方法，本文提出的方法能够取得更好的工单分类效果。

参考文献 | 相关文章 | 多维度评价

Select

33. 基于空时特征融合和注意力机制的网络入侵检测模型

饶海兵, 朱苏磊, 杨春夏

计算机与现代化 2022, 0 (06): 116-121.

摘要（166）

针对网络入侵检测性能不高的问题，提出一种基于空时特征融合和注意力机制的深度学习入侵检测模型CTA-net。该模型通过集成卷积神经网络(CNN)和长短时记忆网络(LSTM)获取空时融合特征，然后使用注意力模块(Attention)对输入的空时融合特征进行重要性加权计算，最后通过softmax函数进行分类。使用NSL-KDD数据集的实验结果表明，相比具有相似结构的CNN模型和空时融合的CNN-LSTM模型，在训练集的收敛性具有显著的提升，在测试集上使用的分类评价指标准确率分别提升10.9120个百分点和11.8740个百分点，精确率分别提升9.1950个百分点和9.6130个百分点，召回率分别提升9.1780个百分点和9.9340个百分点，F1-SCORE分别提升10.7830个百分点和11.7500个百分点。仿真结果表明，所提出的CTA-net模型在网络入侵检测方面具有较好的应用潜力。

参考文献 | 相关文章 | 多维度评价

Select

34. 基于多级Transformer的超大倍率重建网络:参考图像超分辨率

陈彤, 周登文

计算机与现代化 2022, 0 (08): 121-126.

摘要（164）

超分辨率（SR）是指从一个低分辨率图像，重建其对应的高分辨率副本。针对SR在超大倍率（8×、16×）重建不够精确的问题，本文提出多级Transformer的超大倍率重建网络（MTLF）。MTLF对多个Transformer进行多级堆叠以处理不同倍率的特征，并且利用修正注意力模块改进由Transformer得到的注意力权重，从而合成更精细的纹理。最后将所有倍率的特征融合成超大尺度下的SR图像。实验结果表明MTLF优于目前最好的方法（包括单图像超分辨率和基于Ref的超分辨率方法）。特别地，MTLF在极限倍率（32×）下也取得不错的效果。

参考文献 | 相关文章 | 多维度评价

Select

35. 基于深度学习的短时交通流预测模型

张龄允, 韩莹, 张凯, 卢海鹏, 丁昱杰

计算机与现代化 2022, 0 (07): 54-60.

摘要（160）

交通流预测在智能交通领域有着重要的现实意义。由于交通流数据受多种因素影响,平稳性差、随机性强，呈现出高度非线性的特征，使得交通流预测极为困难。针对短时交通流预测准确性的要求，本文提出一种基于互补集成经验模态分解(Complete Ensemble Empirical Mode Decomposition, CEEMD)，并结合卷积神经网络(Convolutional Neural Networks, CNN)和长短期记忆网络(Long Short-Term Memory, LSTM)的短时交通流预测方法。模型通过CEEMD信号分解减少噪声对交通流数据预测的影响，采用CNN、LSTM充分挖掘数据的时空特征，使得模型做出更加准确的判断，从而提高神经网络的学习效率。在真实交通流数据上进行实验验证，结果表明，本文提出的模型可以有效提高交通流预测的准确性。

参考文献 | 相关文章 | 多维度评价

Select

36. 基于编解码结构的多特征融合眼底图像分割

丁婉莹, 陈伟, 李昭慧

计算机与现代化 2022, 0 (07): 1-7.

摘要（159）

为解决现有眼底图像分割方法对于细微血管存在低分割精度和低准确率的问题，提出一种基于编解码结构的U-Net改进网络模型。首先对数据进行预处理与扩充，提取绿色通道图像，并将其通过对比度限制直方图均衡化和伽马变换以增强对比度；其次训练集被输入到用于分割的神经网络中，在编码过程加入残差模块，用短跳跃连接将高、低特征信息融合，并利用空洞卷积增加感受野，解码模块加入注意力机制增加对细微血管分割精度；最后利用训练完成的分割模型进行预测得出视网膜血管分割结果。在DRIVE和CHASE-DB1眼底图像数据集上进行对比实验，模型算法的平均准确率、特异性和灵敏度分别达到96.77%和97.22%、98.74%和98.40%、80.93%和81.12%。实验结果表明该算法能够改善微细血管分割准确率及效率不高的问题，对视网膜血管可以进行更准确的分割。

参考文献 | 相关文章 | 多维度评价

Select

37. 纠正学习策略下LightGBM-GRU模型的股票波动率预测

石志伟, 武志峰, 张哲

计算机与现代化 2023, 0 (01): 95-102.

摘要（159）

为提高传统智能算法进行时间序列预测时的精度和解决工程数据问题时的适应性，提出一种纠正学习策略。波动性广泛应用于金融领域，对股票的波动性进行预测具有重要的价值。由于股票价格的时间序列是非线性和非平稳的，预测股票市场波动成为时间序列预测中的难点。本文通过纠正学习策略进行仿真实验，设计出LightGBM-GRU模型，以LightGBM和GRU作为基模型和纠正器，预测3年内126只来自不同行业的股票在未来10 min的波动率，根据RMSPE、MAE、MSE、RMSE等指标表明：即使经典的效果比较好的集成学习模型，也能通过纠正学习策略同时提高精度和泛化能力。本文指出在算法富集和大数据的时代，智能算法的矛盾转变为智能算法通用性有限与工程问题多样性之间的矛盾，纠正学习策略可以为数据仿真提供新思路。

参考文献 | 相关文章 | 多维度评价

Select

38. 基于大规模MIMO的散射信道估计技术

史清林, 刘丽哲, 李行健

计算机与现代化 2022, 0 (12): 18-25.

摘要（153）

随着用户对通信速率的要求日益增长，散射通信的通信容量亟待提升。大规模多输入多输出（MIMO）技术是提升容量的一种重要途径，本文研究基于大规模MIMO的对流层散射通信系统的信道估计问题。首先建立基于二维均匀方形天线阵列的大规模MIMO对流层散射信道模型，其次提出一种信道协方差矩阵估计算法对传统最小均方差（MMSE）信道估计算法进行改进，最后与最小二乘（LS）、传统MMSE算法和理想MMSE信道估计算法的准确度进行对比。仿真结果表明：在信噪比（SNR）为0~25 dB的情况下，传统的MMSE算法的准确度相较于LS算法的提升效果并不明显，与理想MMSE算法的准确度有一定差距；但改进MMSE信道估计算法的准确性优于传统MMSE算法，同等条件下NMSE相同时，其SNR可提升3~5 dB，并随着SNR的增大逐渐逼近理想MMSE算法。

参考文献 | 相关文章 | 多维度评价

Select

39. 融合用户历史传播信息的微博谣言检测

卢悦, 曹春萍

计算机与现代化 2022, 0 (06): 37-42.

摘要（150）

随着互联网技术的发展，以微博为主的社交媒体平台上网络谣言逐渐泛滥，研究微博谣言的自动检测对维护社会稳定具有重要意义。现今主流的基于深度学习的谣言检测方法普遍存在没有充分考虑微博文本语义信息的问题，同时，过分依赖传播信息的谣言检测方法使得检测时间滞后，不能满足谣言检测的现实需求。针对以上问题，本文提出一种融合用户历史交互信息的微博谣言检测模型，不使用待检测微博的传播信息，构建并训练AbaNet(ALBERT-BiGRU-Attention)深度学习网络模型，充分考虑待检测微博和用户历史传播信息文本的文本特征和语义信息进行谣言检测。实验结果显示，本文模型具有准确率高、稳定性强的特点，并且能够在获得较高检测精度的情况下大大缩短谣言检测的时间。

参考文献 | 相关文章 | 多维度评价

Select

40. 基于1D-CNN-LSTM注意力网络的抽油机井故障诊断

王磊, 张晓东, 戴欢

计算机与现代化 2023, 0 (04): 1-6.

摘要（149）

针对传统基于示功图的抽油机井故障诊断方法存在特征提取复杂、模型参数量大、诊断效率低的问题，提出一种基于1D-CNN-LSTM注意力网络的故障诊断方法。将示功图转化为载荷位移序列作为网络输入，使用一维卷积神经网络（1D-CNN）在提取序列局部特征的同时减小序列长度；考虑到序列的时序特性，进一步使用长短时记忆网络（LSTM）提取序列的时序特征；为突出关键特征影响，引入Attention机制，对故障类型相关的时序特征赋予更高的注意力权重；最后将加权特征输入全连接层，利用Softmax分类器实现故障诊断。实验结果表明，所提方法的平均准确率、精确率、召回率和F1值分别达到99.13%、99.35%、99.17%和99.25%，模型大小仅为98 kB。相比基于特征工程的方法具有更高的诊断精度和泛化能力，相比基于二维卷积神经网络（2D-CNN）模型的诊断方法，显著减少了模型参数量和训练时间，提高了故障诊断效率。

参考文献 | 相关文章 | 多维度评价

摘要点击排行