计算机与现代化

Select

1. 融合改进A*与DWA算法的移动机器人路径规划

庞永旭, 袁德成

计算机与现代化 2022, 0 (01): 103-107.

摘要（610）

针对移动机器人在复杂环境下实现全局路径最优、未知环境下动态实时避障这一路径规划需求，对传统A*（A-star）算法进行改进，并融合动态窗口法（DWA）实现动态实时避障。首先分析栅格环境下的障碍物占比，将障碍物占比引入传统A*算法，优化启发函数h(n)，从而改进评价函数f(n)，提高其在不同环境下的搜索效率；其次针对复杂栅格环境下传统A*算法优化后的轨迹与障碍物顶点相交问题，优化子节点选择方式，同时删除路径中的冗余节点，提高路径的平滑度；最后融合动态窗口法，实现复杂环境下移动机器人的动态实时避障。通过MATLAB下的对比仿真实验表明，改进算法在轨迹长度、轨迹平滑度以及历经时间上得到优化，满足全局最优且能实现动态实时避障，具有更优秀的路径规划效果。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于情感分析和Transformer模型的微博谣言检测

冯茹嘉, 张海军, 潘伟民

计算机与现代化 2021, 0 (10): 1-7.

摘要（496）

针对微博文本以实现谣言检测为目标，深度挖掘微博正文内容的语义信息，并且着重强调用户在微博评论中体现的情感倾向性，提升谣言识别效果。为提高谣言检测的准确率，采取基于XLNet的词嵌入方法，使用Transformer的Encoder的模型提取微博正文内容的语义特征，并结合BiLSTM+Attention网络实现微博评论的情感特征的提取，将2种特征向量进行拼接融合，进一步丰富神经网络的输入特征，之后输出微博事件的分类结果，进而实现微博谣言检测。实验结果显示，该模型对谣言识别的正确率达到94.8%。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于深度强化学习的多无人机电力巡检任务规划

马瑞, 欧阳权, 吴兆香, 丛玉华, 王志胜

计算机与现代化 2022, 0 (01): 98-102.

摘要（184）

无人机因其成本低、操控性强等优势，在电网线路与电塔的巡检任务中取得了广泛的应用。在大范围电网巡检任务中，单台无人机由于其续航半径有限，需要多架无人机协作完成巡检任务。传统任务规划方法存在计算速度慢、协作效果不突出等问题。针对以上问题，本文提出一种基于多智能体强化学习值混合网络（QMIX）的任务规划算法，采用集中训练、分散执行的框架，为每架无人机建立循环神经网络，并通过混合网络得到联合动作值函数指导训练。该算法通过设计任务奖赏函数以激发多智能体的协作能力，有效解决多无人机任务规划协作效率低的问题。仿真实验结果表明所提算法的任务时间相比于常用的值分解网络（VDN）算法减少了350.4 s。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于SEIR-ARIMA混合模型的新冠肺炎预测

董章功, 宋波, 孟友新

计算机与现代化 2022, 0 (02): 1-6.

摘要（420）

新型冠状病毒肺炎简称新冠肺炎，是一种由新型冠状病毒引起的急性感染性肺炎，具有传染性强、人群普遍易感的特点。因此，对新冠肺炎感染人数的预测，不仅仅有利于国家面对疫情做出科学决策，而且有利于及时整合防疫资源。本文提出一种基于传统的传染病动力模型SEIR和差分整合移动平均自回归模型ARIMA构建的SEIR-ARIMA混合模型，对不同时间段、不同地点的新冠肺炎疫情做出预测和分析。从实验结果上看，基于SEIR-ARIMA混合模型的预测，比常见的用于新冠肺炎预测的逻辑回归Logistic、长短期记忆人工神经网络LSTM、SEIR模型、ARIMA模型有较好的预测效果。为了真实地反映出实验效果的提高是否源于SEIR与ARIMA模型结合的优势，本文还实现SEIR-Logistic混合模型和SEIR-LSTM混合模型，并与SEIR-ARIMA对比分析得出，SEIR-ARIMA预测都取得更好的预测效果。因此，基于SEIR-ARIMA混合模型对新冠肺炎的发展趋势的分析相对可靠，有利于国家面对疫情的科学决策，对我国未来预防其他类型的传染病具有很好的应用价值。

参考文献 | 相关文章 | 多维度评价

Select

5. 基于交互关系分组建模融合的组群行为识别算法

王传旭, 刘冉

计算机与现代化 2022, 0 (01): 1-9.

摘要（275）

组群成员间的交互关系建模是组群行为识别的核心技术。本文为解决复杂场景下组群关系繁琐、关系推理时复杂度高并存在信息冗余等问题,提出一种交互关系分组推理的模型。首先，利用CNN网络和RoIAlign提取视频帧中的场景信息和个人信息作为初始特征,利用个人空间坐标对人群进行二分组（例如：在Volleyball数据集中，利用参与者的bounding boxes的X坐标信息进行排序，然后为每个人建立序号ID,并从左到右将12名成员分为2组）；其次，将划分后的2个局部分组以及全局场景组群，分别利用图卷积网络（Graph Convolutional Network, GCN）进行组交互关系推理,并确定各自组内的关键人物；然后，以全局关系特征作为真实值，将二分组的局部关系特征合并作为预测值，构建两者之间的交叉熵损失函数反馈优化上一级分组交互关系GCN网络，旨在确保2个分组的关键人物与全局关键人物匹配成功。再以全局交互关系中的关键人物信息为指导，分别与2个分组的关键人物进行匹配，将匹配成功后2个小组中的关键人物作为目标节点，建立组间关系图，并经GCN推理得到组间的关系特征；最后，初始特征分别与组间和全局交互关系特征融合得到2个群组行为支路，经过决策融合得到最终的识别结果。实验表明，在Volleyball数据集和NBA数据集上分别取得93.1%和48.1%的准确率。

参考文献 | 相关文章 | 多维度评价

Select

6. 基于改进鲸鱼优化算法的多无人机围捕

凌文通, 倪建军, 陈颜, 唐广翼

计算机与现代化 2021, 0 (06): 1-5.

摘要（267）

无人机围捕是一项具有挑战性和现实意义的任务，为使无人机可以成功有效地围捕移动目标，提出一种基于动态预测围捕点和改进鲸鱼优化算法的多无人机围捕算法。在环境未知，目标运动轨迹未知的情况下，首先利用多项式拟合预测目标运动轨迹，通过动态预测步数得到预测点，在其周围设置围捕点，然后使用双向协商法为无人机合理分配各个目标点。针对鲸鱼优化算法容易陷入局部最优的缺点，提出基于自适应权重和改变螺旋线位置更新的方法，从而提升算法的开发能力和搜索能力。最终在不同实验环境下进行多次实验仿真，实验结果表明了所提出算法的有效性。

参考文献 | 相关文章 | 多维度评价

Select

7. 柔性作业车间调度问题的多目标优化算法

徐明, 张剑铭, 陈松航, 陈豪

计算机与现代化 2021, 0 (12): 1-6.

摘要（241）

柔性作业车间调度问题具有解集多样化与解空间复杂的特点，传统多目标优化算法求解时容易陷入局部最优且丢失解的多样性。在建立以最大完工时间、最大能耗、机器总负荷为优化目标的柔性作业车间调度模型的情况下，提出一种改进的非支配排序遗传算法（Improved Non-dominated Sorting Genetic Algorithm II, INSGA-II）求解该模型。INSGA-II算法先将随机式初始化与启发式初始化方法混合，提高种群多样性；然后对工序部分与机器部分采用针对性的交叉、变异策略，提高算法全局搜索能力；最后设计自适应的交叉、变异算子以兼顾算法的全局收敛与局部寻优能力。在mk01～mk07标准数据集上的实验结果显示INSGA-II算法有着更优的算法收敛性与解集多样性。

参考文献 | 相关文章 | 多维度评价

Select

8. 基于BiLSTM和ResCNN的实体关系抽取方法

徐小亮, 赵英

计算机与现代化 2022, 0 (01): 10-16.

摘要（261）

当前大多数实体关系抽取方法无法获取较长句子中的远距离依赖信息，并且由于远程监督数据噪声的干扰导致关系抽取性能下降。因此本文提出一种基于双向长短期记忆网络（BiLSTM）和残差卷积神经网络（ResCNN）的实体关系抽取模型，该模型在向量表示阶段采用BiLSTM获取词语的上下文信息向量，利用残差网络将卷积神经网络中低层的特征传递到高层，有效解决梯度消失问题。同时将挤压-激励块嵌入残差网络中，能大幅降低数据噪声，强化特征传递，在池化阶段采用分段最大化池化方法来捕捉实体对的结构信息。设计在NYT-Freebase数据集上的验证实验，实验结果表明，该模型能够充分学习特征，显著提升实体关系抽取的效果。

参考文献 | 相关文章 | 多维度评价

Select

9. 融合混合域注意力的YOLOv4在船舶检测中的应用

赵玉蓉, 郭会明, 焦函, 章俊伟

计算机与现代化 2021, 0 (09): 75-82.

摘要（235）

海上船舶检测在海事监管领域发挥着重要的作用，然而由于海上的复杂环境以及船型的多样性，现有的基于卷积神经网络的方法在船舶检测领域难以同时满足高精度和实时的要求。针对复杂环境下海上船舶实时检测困难的问题，提出一种基于YOLOv4的YOLO-Marine模型，该模型将混合注意力机制引入检测网络的backbone部分，首先使用Mosaic方法对船舶数据进行预处理，然后通过K-Means+〖KG-*3〗+聚类得到初始anchor，并在Darknet上实现模型，用真实船舶数据集对模型进行训练和评估。实验结果表明YOLO-marine与YOLOv4相比，将船舶检测任务的mAP提升了2.1个百分点，在保证实时性的同时有效提高了船舶检测的精度，且在小目标和遮挡目标检测方面效果突出。

参考文献 | 相关文章 | 多维度评价

Select

10. 基于DCN-SERes-YOLOv3的人脸佩戴口罩检测算法

李国进, 荣誉

计算机与现代化 2021, 0 (09): 12-20.

摘要（262）

2020年新冠疫情爆发，佩戴口罩是有效抑制疫情反弹的重要措施之一，研究利用机器视觉技术检测人脸是否佩戴口罩有重要的现实意义。本文针对视频图像中人脸佩戴口罩时存在遮挡、检测目标较小、特征信息不明显、目标靠近群体不易识别等问题，提出一种基于DCN-SERes-YOLOv3的人脸佩戴口罩检测算法。首先，采用ResNet50与YOLOv3相结合的方式，将主干网络替换为ResNet50残差网络，为了平衡模型的精度与速度，对残差块中的卷积层改进并加入平均池化层，降低模型的损失与复杂度，提高检测速度；其次，将ResNet50残差网络中第4个残差块的常规卷积替换为DCN可变形卷积，提高模型适应人脸佩戴口罩时发生几何形变的能力；最后，引入SENet通道注意力机制，增强特征信息的表达能力。实验结果表明，本文算法的平均精度值高达95.36%，比传统YOLOv3算法提高了约4.1个百分点，且检测速度提高了11.7 fps，本文算法提高了检测人脸佩戴口罩任务的精度与速度，有较好的应用前景。

参考文献 | 相关文章 | 多维度评价

Select

11. 基于区块链的无证书签密方案

张天喜, 王利朋, 付俊俊, 崔驰, 靳梦璐

计算机与现代化 2022, 0 (01): 120-126.

摘要（226）

签密算法能够在一个逻辑步骤中同时实现加密和签名功能，相较于传统的先签名后加密方案，签密算法具有计算量与通信成本低的优点，被广泛应用于电子支付、物联网等场景中。现有的基于椭圆曲线和双线性对实现的签密方案普遍存在执行效率低的问题，因此本文提出一种基于区块链的无证书签密方案。新方案基于离散对数实现，具有执行效率高等优点。新方案同时利用区块链不可篡改性和可追溯等优点，用以实现方案的不可否认性。安全性分析表明本文方案具有不可否认性、机密性及不可伪造等特性，性能分析表明新方案执行效率较高，仿真实验显示引入区块链后对系统整体性能影响甚微。

参考文献 | 相关文章 | 多维度评价

Select

12. 基于Mask-RCNN的纸质医药包装钢印字符识别

吴彪, 周庆华, 曾小为

计算机与现代化 2022, 0 (02): 108-113.

摘要（110）

为实现纸质医药包装钢印字符的实时检测，设计一种基于图像处理和深度学习的钢印字符识别系统。系统首先采用多种图像处理的方法对原始打光下的图像进行预处理，从而自动提取图片中的感兴趣区域，并将其输入训练好的Mask-RCNN网络进行实例分割，得到每张图片中的不同字符的像素位置与其字符数值。实验结果表明，对比传统的字符识别方法，该方法可以很好地解决纸质医药包装钢印字符图片中灰度跳变不明显的问题，准确分割出纸质包装盒图片中的钢印字符并进行标记，其字符的识别准确率达到99%，为生产线上钢印字符的识别和记录提供了新的解决思路，具有较高的实用价值。

参考文献 | 相关文章 | 多维度评价

Select

13. 基于SFLA-CNN和LSTM组合模型的水位预测

周勇强, 朱跃龙

计算机与现代化 2021, 0 (04): 1-7.

摘要（221）

水文时间序列受降雨量的影响，在变化规律上呈现季节性、非线性的特点。传统单一模型结构简单，对于复杂的非线性水文时间序列具有预测精度较低、不能很好捕捉水文时间序列的复合特征的问题。组合预测模型采用多分类器的思想，能够有效地提高预测准确度，然而在模型参数选择方面需要手工调参，花费时间多且不准确。本文提出一种基于SFLA-CNN和LSTM的组合预测模型：通过随机蛙跳算法SFLA对CNN模型进行参数寻优，得到优化后的SFLA-CNN预测模型；之后利用BP神经网络对SFLA-CNN和LSTM模型的预测值进行非线性组合，获得最终预测结果。在江苏省太湖区域的水位预测实验结果表明，该组合模型与现有模型相比，有效地提高了预测准确率，具有更好的泛化能力。

参考文献 | 相关文章 | 多维度评价

Select

14. 一种基于深度强化学习的Spark Streaming参数优化方法

刘露, 申国伟, 郭春, 崔允贺, 蒋朝惠, 伍大勇

计算机与现代化 2021, 0 (10): 49-56.

摘要（179）

Spark Streaming作为主流的开源分布式流分析框架，性能优化是目前的研究热点之一。在Spark Streaming性能优化中，业务场景下的配置参数优化是其性能提升的重要因素。在Spark Streaming系统中，可配置的参数有200多个，对参数调优人员的经验要求较高，未经优化的参数配置会影响流作业执行性能。因此，针对Spark Streaming的参数配置优化问题，提出一种基于深度强化学习的Spark Streaming参数优化方法（DQN-SSPO），将Spark Streaming参数优化配置问题转化为深度强化学习模型训练中的最大回报获得问题，并提出权重状态空间转移方法来增加模型训练获得高反馈奖励的概率。在3种典型的流分析任务上进行实验，结果表明经参数优化后Spark Streaming上的流作业性能在总调度时间上平均缩减27.93%，在总处理时间上平均缩减42%。

参考文献 | 相关文章 | 多维度评价

Select

15. 多场景融合的细粒度图像描述生成算法

李欣晔, 张承强, 周雄图, 郭太良, 张永爱

计算机与现代化 2021, 0 (09): 1-6.

摘要（238）

针对图像描述生成任务在不同场景下表现不佳的缺点，提出一种融合卷积神经网络和先验知识的多场景注意力图像描述生成算法。该算法通过卷积神经网络生成视觉语义单元，使用命名实体识别对图像场景进行识别和预测，并使用该结果自动调整自注意力机制的关键参数并进行多场景注意力计算，最后将得到的区域编码和语义先验知识插入Transformer文本生成器中指导句子的生成。结果表明，该算法有效解决了生成的描述缺少关键场景信息的问题。在MSCOCO和Flickr30k数据集上对模型进行评估，其中MSCOCO数据集的CIDEr得分达到1.210，优于同类图像描述生成模型。

参考文献 | 相关文章 | 多维度评价

Select

16. 容器热迁移的快速内存同步技术

游强志, 胡怀湘, 陈相宇

计算机与现代化 2022, 0 (01): 17-22.

摘要（180）

容器热迁移是云平台负载均衡技术的基础，也是集群故障管理、底层系统维护的重要保障。目前容器热迁移的实现主要基于checkpoint/restore机制，即对正在运行的容器做检查点操作，随后停止容器，传输镜像文件至目的主机后恢复，迁移消耗时间包括检查点时间、传输时间和恢复时间。为了减少容器热迁移的停机时间和减小传输消耗，本文设计并实现一种基于预拷贝（pre-copy）迁移算法的容器热迁移方案，并且采用快速内存同步关键技术，该技术包含3种方法：细粒度脏内存识别、脏内存压缩传输、提前合并增量内存。实验表明，本文所提出的方案及优化技术可以明显减少停机时间和传输开销。

参考文献 | 相关文章 | 多维度评价

Select

17. 融合注意力机制和空洞卷积的滑坡图像检测

刘学虎, 欧鸥, 张伟劲, 杜雪垒

计算机与现代化 2022, 0 (04): 45-51.

摘要（196）

滑坡区域图像检测与识别在灾害范围识别、灾情数据分析和防灾减灾中具有丰富的应用和研究价值。本文针对滑坡图像滑坡体形状纹理的多样性，以及滑坡目标区域检测识别效果不够理想的问题，提出一种注意力机制CBAM与空洞卷积结合的目标检测方法。在传统的目标检测算法Faster R-CNN的基础上，将注意力机制模型添加到卷积神经网络层，通过空间注意力与通道注意力结合的CBAM模型来进行滑坡图像特征的提取，增加空洞卷积模块来加大感受野区域，提高神经网络对遥感图像区域中的滑坡目标识别、尺寸不规范等特点的学习能力，从而进一步提升滑坡目标区域的检测精度。实验结果表明，在传统的目标检测算法的基础上采用两者结合的方式进行检测，可提升滑坡遥感图像上目标检测的召回率和精确率，具有一定的有效性和鲁棒性。

参考文献 | 相关文章 | 多维度评价

Select

18. 基于扩展传染病模型的谣言溯源

吴杨１, 吴国文１, 张红１, 沈士根２, 曹奇英

计算机与现代化 2022, 0 (01): 113-119.

摘要（174）

为了更加贴合实际情况研究谣言溯源问题，考虑社交网络中对传播谣言节点的封禁隔离能力，扩展经典SIR传染病模型提出SIOR（Susceptible-Infected-isOlated-Removed）模型。基于最优信息传播过程计算出谣言源的估计值，并且针对SIOR模型验证该估计值近似于网络拓扑中的Jordan感染中心。根据RI(Reverse Infection)算法，提出一种针对SIOR模型的反向信息传播算法,该算法可以识别出网络拓扑图中的Jordan感染中心。最后在不同的网络中模拟实验，验证该算法的溯源效率比传统的溯源算法更优，此外，与SIR模型下溯源对比，SIOR模型溯源的准确性有所提高。

参考文献 | 相关文章 | 多维度评价

Select

19. 基于深度学习的加密流量分类研究综述

冷涛,

计算机与现代化 2021, 0 (08): 112-120.

摘要（410）

近年来，为保护公众隐私，互联网上的很多流量被加密传输，传统的基于深度包检测、机器学习的方法在面对加密流量时，准确率大幅下降。随着深度学习自动学习特征的应用，基于深度学习算法的加密流量识别和分类技术得到了快速发展，本文对这些研究进行综述。首先，简要介绍基于深度学习的加密流量检测应用场景。然后，从数据集的使用和构建、检测模型和检测性能3个方面对已有工作进行总结和评价，其中检测技术重点论述数据的预处理、不平衡数据集的处理、神经网络构建、实时检测等方法。最后，讨论当前研究中出现的问题和未来发展方向和前景，为该领域的研究人员提供一些借鉴。

参考文献 | 相关文章 | 多维度评价

Select

20. 基于深度学习的文本分类综述

贾澎涛, 孙炜

计算机与现代化 2021, 0 (07): 29-37.

摘要（331）

随着互联网的不断发展，网络上的文本数据日益增多，如果能对这些数据进行有效分类，那么更有利于从中挖掘出有价值的信息，因此文本数据的管理和整合显得十分重要。文本分类是自然语言处理任务中的一项基础性工作，主要应用于舆情检测及新闻文本分类等领域，目的是对文本资源进行整理和归类。基于深度学习的文本分类，在对文本数据处理中，表现出较好的分类效果。本文对用于文本分类的深度学习算法进行详细阐述，按照深度学习的不同算法进行分类，并分析各种算法的特点，最后对深度学习算法在文本分类领域的未来研究方向进行总结。

参考文献 | 相关文章 | 多维度评价

Select

21. 基于遗传算法的容器云资源配置优化

徐胜超, 熊茂华

计算机与现代化 2022, 0 (01): 108-112.

摘要（124）

提出一种基于遗传算法的容器云资源配置优化方法。充分考虑虚拟机配置于物理主机以及容器配置于虚拟机的资源分配情况，将容器云平台数据中心整体能耗最低作为目标函数，设置物理主机与虚拟机对应、虚拟机与容器对应等约束条件，利用遗传算法通过染色体表达、初始化、交叉操作、变异操作以及设置适应度函数5个步骤求解目标函数，获取最优容器云环境资源配置结果。实验结果表明，本文方法可实现容器云资源的合理配置，提高物理资源的利用效率，实现数据中心节能的目标。

参考文献 | 相关文章 | 多维度评价

Select

22. 禁忌搜索在栅格地图中的应用

刁说

计算机与现代化 2021, 0 (10): 8-14.

摘要（120）

以禁忌搜索算法为基础，对栅格地图搜索过程进行建模，提出一种能够利用经验知识的改良禁忌搜索算法，为航向指引、水源探测、灾后搜救等领域的智能辅助工具实现提供算法参考。对禁忌搜索算法的关键优势进行分析，提出以正六边形为单元的地图栅格划分方法，将问题建模为禁忌搜索可求解的最优化问题。以沙漠水源搜索为实例，选取多个沙漠元素作为水源探测相关指示参数，进行仿真实验。实验表明，本文所提出的方法可以在10000以内单元格数目的栅格地图中，搜索路径的成功规划次数占比达到91.7%以上，相比于“爬山法”策略提高至少36.68个百分点，搜索耗费的步数相比于遍历策略优化88.4%以上。

参考文献 | 相关文章 | 多维度评价

Select

23. 基于K-means算法的轨迹数据热点挖掘算法

徐文进, 管克航, 马越, 黄海广

计算机与现代化 2021, 0 (10): 23-28.

摘要（298）

针对渔船轨迹数据具有时间序列性、数量大的特点，提出一种轨迹热点挖掘算法。该算法克服了K-means算法在渔船轨迹数据上无法捕捉热点分布的缺点。其主要的思想是：首先使用时间维度来处理数据，以置信度和KL散度作为衡量所选取数据的可靠性、正确性依据，从大量的轨迹数据中选取信息含量较高的数据，然后使用K-means聚类算法进行数据的聚类。本文所提出的算法只需要设定显著水平参数a和时间间隔T，算法本身就可通过时间维度处理数据的方法自主完成数据的选择以及置信度、KL散度的计算，并引入聚类有效性度量的方法，使K-means通过自我寻找K值来实现热点挖掘的整个过程。在渔船轨迹数据上进行本文算法与K-means算法的对比实验和数据热力图的参照实验，结果显示本文所提的算法在寻找轨迹数据热点上有优越性和正确性。

参考文献 | 相关文章 | 多维度评价

Select

24. 基于3CNN-BiGRU的睡眠自动分期研究

唐洁, 文元美

计算机与现代化 2022, 0 (02): 120-126.

摘要（89）

针对单通道脑电信号睡眠自动分期效率和准确率问题，提出采用三尺度并行卷积神经网络提取睡眠信号特征和双向门控循环单元学习睡眠阶段之间内部时间关系的3CNN-BiGRU睡眠自动分期模型。首先对原始单通道脑电信号进行带通滤波处理，并采用合成少数类过采样技术进行类平衡，然后送入搭建的模型中进行训练和验证实验，其中采用预训练和微调训练对模型进行优化，采用10次和20次交叉验证提高训练可靠性。不同数据集下的不同模型对比实验结果表明，3CNN-BiGRU模型取得了更高的训练效率和更好的分期准确率。

参考文献 | 相关文章 | 多维度评价

Select

25. 一种多方向感知的高实时性视频融合算法

莫维, 唐清善, 黄涛

计算机与现代化 2021, 0 (10): 81-87.

摘要（100）

针对多路视频融合阶段拼缝线两侧范围内出现的虚影、色彩亮度差异以及高分辨率下无法实时拼接等问题，本文提出一种多方向感知的视频融合算法。首先，在图像配准阶段，采用SIFT提取特征点与特征描述子对图像进行配准；然后，在图像融合阶段，使用指数函数构建的权值查找表指导融合过渡，结合视频帧投影位置与拼接缝之间的距离，利用形态学操作自适应地融合图像拼缝；最后，利用GPU平台大量多线程并行运算，整合投影与融合等矩阵运算从而掩盖延时达到实时目的。实验结果表明，该算法能消除重叠区域内出现的虚影、模糊现象，并且具有良好的实时拼接效果。

参考文献 | 相关文章 | 多维度评价

Select

26. 边缘计算在智慧交通系统中的应用

吴建波, 朱文霞, 剧亮, 许致芳

计算机与现代化 2021, 0 (12): 103-109.

摘要（226）

随着汽车的普及，交通拥堵问题日益严重，依靠传统云计算的智慧交通系统虽能在一定程度上缓解交通压力，但已无法满足辅助驾驶、自动驾驶等新型车载应用对传输带宽与时延的需求。为了实现海量数据的实时处理，保障公众信息及交通安全，提升交通系统运行效率，将边缘计算应用于智慧交通。首先对智慧交通的发展概况进行整体描述，提出基于边缘计算的智慧交通总体架构，充分利用边缘计算物理邻近、高带宽、低时延、位置认知的特点解决目前交通系统信息传递延迟、数据处理不及时、传输负载大等问题。然后，基于无线传输、信息感知、计算卸载及协同处理等方面阐述边缘计算应用于智慧交通亟需解决的关键技术。最后，指出边缘计算应用于智慧交通面临的未来机遇与挑战。

参考文献 | 相关文章 | 多维度评价

Select

27. 基于改进YOLOv4的口罩佩戴检测算法

金鑫, 曾思轲, 刘阳, 武楚涵

计算机与现代化 2022, 0 (01): 85-90.

摘要（183）

为解决YOLOv4在目标检测任务中检测速度低、模型参数多等问题，提出一种改进YOLOv4的目标检测算法。将YOLOv4主干网络中的CSPDarknet53替换成Mobilenet用以增强YOLOv4的特征提取网络,PANet原有的3×3标准卷积被深度可分离卷积取代，以降低计算负荷，从而提高识别速度，减少模型参数。然后使用K-means+〖KG-*3〗+算法对由8565张图像组成的数据集进行anchor维度聚类，以提升算法精度。同时，搭建行人口罩佩戴及人体测温拍摄系统用以在人群密集场所中执行疫情防控任务。在保证YOLOv4-Mobilenet网络精度的前提下，相较于原算法FPS提升200%、模型参数减少82%。改进后的模型平均每秒可检测67张图片，可以胜任实际应用中的口罩佩戴检测任务，结果表明该模型检测效果好、鲁棒性较强。

参考文献 | 相关文章 | 多维度评价

Select

28. 基于改进VGGNet模型的外来入侵植物叶片识别方法

原忠虎, 王维, 苏宝玲

计算机与现代化 2021, 0 (09): 7-11.

摘要（186）

针对自然界中不同种类植物的叶片可能存在类间差异小而导致一些边缘轮廓相似的本土植物和外来入侵植物叶片识别错误的问题，提出一种PF-VGGNet模型。常用的VGGNet模型在图像分类上表现优秀，采用顺次连接的结构，可以很好地提取图像的高级语义信息特征，但一些图像浅层的轮廓和纹理特征也对分类起到关键作用。PF-VGGNet模型可以将浅层轮廓和纹理特征与网络深层高级语义信息融合，实现对植物叶片的自动识别。实验结果表明，PF-VGGNet模型对比其它算法在自建的外来入侵植物叶片数据集上取得了较好的识别效果，在训练集和测试集上的准确率分别为99.89%和99.63%。PF-VGGNet可以有效降低因叶片边缘轮廓相近导致识别错误的问题，能够快速识别外来入侵植物叶片，为防治外来植物入侵提供支持。

参考文献 | 相关文章 | 多维度评价

Select

29. 基于知识图谱和Bi-LSTM的推荐算法

王钰蓥, 王勇

计算机与现代化 2021, 0 (09): 90-98.

摘要（287）

目前现有基于模型的推荐算法多是将评分数据输入到深度学习模型中进行训练，得出推荐结果。其缺陷在于无法对预测结果进行可解释性分析。除此之外，无法有效地解决算法的冷启动问题。因此，本文提出一种基于知识图谱和Bi-LSTM的推荐算法，来有效解决算法的可解释性和冷启动问题。首先将获取到的数据集进行预处理，生成预编码向量，根据数据集结点的连接性，构建专业领域知识图谱。其次利用知识图谱的元路径提取技术获取到多条用户-物品路径信息，将其输入到Bi-LSTM中，在路径经过的各结点处加入一层注意力机制，目的是为了模型能够有效地获取到较远结点的信息。最后将多条路径的训练结果输入到平均池化层中，用以区分不同路径的重要程度，利用交叉熵损失函数对模型进行训练，从而得出预测结果。实验结果表明，与传统基于循环神经网络模型的推荐算法相比，该算法可有效地提升算法的可解释性以及预测准确性，并缓解算法的冷启动问题。

参考文献 | 相关文章 | 多维度评价

Select

30. 嵌入空洞卷积模块的改进YOLOv3车辆检测算法

胡昌冉, 樊彦国, 禹定峰

计算机与现代化 2021, 0 (04): 53-60.

摘要（237）

对图像或者视频中的车辆进行检测是计算机视觉领域研究的热点之一，同时也是智能交通系统的重要组成部分。鉴于车辆检测场景复杂多变以及现有的车辆检测算法不能同时满足高精度以及高实时性的要求，本文提出一种改进的YOLOv3车辆检测算法，并自建车辆检测数据集。首先在原有及特征提取网络Darknet-53中嵌入空洞卷积模块，以减少目标信息的丢失增强感受野；其次为减少错检漏检的情况，本文对传统的NMS算法进行改进，若预测框的IoU大于设定的阈值，使其以一定的方式衰减。该改进的方法在KITTI标准数据集上显示出优于其他算法的性能，同时在自建的数据集中进行验证，精度可达96%，检测速度达25.9帧/s。

参考文献 | 相关文章 | 多维度评价

Select

31. 基于排序学习算法的智能检索系统

王镇宇, 郑扬飞

计算机与现代化 2021, 0 (10): 35-40.

摘要（185）

本文旨在解决数据资产管理系统中信息检索效率低、检索结果准确率低下的痛点，基于排序学习算法构建智能检索系统，提升检索结果和用户请求的相关性。对排序学习算法理论进行研究，对常用的排序学习算法进行相关优化，将分类问题扩展到文本排序问题之上，定义相关的目标函数及损失函数，使用机器学习的方法来提升检索结果的准确度。基于垂直分布式搜索引擎技术及排序学习算法构建智能检索系统，通过相关性工程提升检索请求转化的效率。实验表明本系统可以在优化检索速率的基础之上，提升检索语句与返回结果之间的相关性和检索的准确度。

参考文献 | 相关文章 | 多维度评价

Select

32. 基于迁移学习的卷积神经网络通道剪枝

冯敬翔

计算机与现代化 2021, 0 (12): 13-18.

摘要（176）

卷积神经网络在计算机视觉等多个领域应用广泛，然而其模型参数量众多、计算开销庞大，导致许多边缘设备无法满足其存储与计算资源要求。针对其边缘部署困难，提出使用迁移学习策略改进基于BN层缩放因子通道剪枝方法的稀疏化过程。本文对比不同层级迁移方案对稀疏化效果与通道剪枝选取容限的影响；并基于网络结构搜索观点设计实验，探究其精度保持极限与迭代结构的收敛性。实验结果表明，对比原模型，采用迁移学习的通道剪枝算法，在精度损失不超过0.10的前提下，参数量减少89.1%，模型存储大小压缩89.3%；对比原剪枝方法，将剪枝阈值从0.85提升到0.97，进一步减少参数42.6%。实验证明，引入迁移策略更易实现充分的稀疏化，提高通道剪枝阈值选取容限，实现更高压缩率；并在迭代剪枝的网络结构搜索过程中，提供更高效的搜索起点，利于快速迭代趋近至搜索空间的一个网络结构局部最优解。

参考文献 | 相关文章 | 多维度评价

Select

33. 基于HED网络的快速纸张边缘检测方法

赵启雯, 徐琨, 徐源

计算机与现代化 2021, 0 (05): 1-5.

摘要（255）

HED网络是目前边缘检测性能较好的深度学习网络模型之一，但使用HED网络进行纸张边缘检测时，检测速度较慢，达不到实时性要求。在保证检测精度的前提下，本文提出一种基于HED网络的快速纸张边缘检测方法。将轻量级网络MobileNetV2作为HED主干网，并去除MobileNetV2网络的后2个bottleneck模块和输出通道数较大的卷积层，进一步加快检测速度。此外，去除网络中的池化层，增加一个步长为1的5×5卷积层，提高检测精度。本文制作包含多种情况的纸张数据集MPDS，将本文方法在MPDS上进行训练和测试。实验结果表明，本文提出的模型将ODS和OIS指标分别提高到了0.867和0.876，检测速度可达42.68 FPS，本文方法可以快速准确地进行纸张边缘检测，满足桌面增强系统对纸张检测的要求。

参考文献 | 相关文章 | 多维度评价

Select

34. 复杂噪声环境下语音识别研究

张允耀, 黄鹤鸣, 张会云,

计算机与现代化 2021, 0 (09): 68-74.

摘要（141）

语音识别是人机交互的重要方式，针对传统语音识别系统对含噪语音识别性能较差、特征选择不恰当的问题，提出一种基于迁移学习的深度自编码器循环神经网络模型。该模型由编码器、解码器以及声学模型组成，其中，声学模型由堆栈双向循环神经网络构成，用于提升识别性能；编码器和解码器均由全连接层构成，用于特征提取。将编码器结构及参数迁移至声学模型进行联合训练，在含噪Google Commands数据集上的实验表明本文模型有效增强了含噪语音的识别性能，并且具有较好的鲁棒性和泛化性。

参考文献 | 相关文章 | 多维度评价

Select

35. 面向中文命名实体识别任务的数据增强

李健, 张克亮, 唐亮, 夏榕璟, 任静静

计算机与现代化 2022, 0 (04): 1-6.

摘要（373）

在低资源自然语言处理(NLP)任务中，现有的数据不足以训练一个理想的深度学习模型，文本数据增强是提高此类任务训练效果的有效方法。针对中文命名实体识别任务，提出一组基于实例替换的数据增强方法。将训练样本中的命名实体替换为另一个同类实体而保持标签不变，具体算法包括：1）实体之间交叉互换；2）实体内部同义替换；3）中文人名自动生成。分别在PeopleDailyNER和CLUENER2020数据集上应用上述方法，并对BERT+CRF模型进行增强训练。实验结果表明，仅添加与原始数据等量的增强数据，在小样本条件下能使模型F1值在2个数据集上分别提升约10%和7%，随着样本数据的增加，训练效果仍有明显提升。

参考文献 | 相关文章 | 多维度评价

Select

36. 基于非局部注意力和局部特征的车辆重识别算法

万冬厚, 张德贤, 邓淼磊,

计算机与现代化 2022, 0 (03): 23-29.

摘要（100）

车辆重识别是指从不同的摄像机来重新识别出同一辆车。车辆重识别非常容易受到车辆角度以及光照等其他因素的影响，是一项非常有挑战性的任务。许多车辆重识别方法都过分关注车辆全局特征，而忽略了车辆图像的局部有分辨力的特征，造成了车辆重识别精度不高的问题。针对这一问题，本文提出一种整合非局部注意力的和多尺度特征的车辆重识别方法，使用注意力机制获取车辆显著特征，并融合多尺度特征从而提高车辆重识别的检索精度。首先，使用骨干特征提取网络与注意力模块获取车辆的显著性细粒度特征。然后，将特征分为多个分支进行度量学习，分别学习车辆的局部与全局特征，将全局特征与细粒度的局部特征融合，构建车辆重识别的特征。最后，利用该方法提取不同车辆的特征，计算不同车辆的相似度，从而判断是否具有相同的身份。实验结果表明本文提出的车辆重识别算法具有更高的精度。

参考文献 | 相关文章 | 多维度评价

Select

37. 基于数字孪生的变电设备运维系统及其构建

杨可军, 张可, 黄文礼, 陈博文

计算机与现代化 2022, 0 (02): 58-64.

摘要（191）

针对变电设备周期状态管控难、运检效率低等问题，基于数字孪生理论，构建基于真实变电设备运维的数字化模型及系统。首先，在信息层建立能反映变电设备换流变、调相机、GIS（Gas Insulated Substation）这3类设备真实状态的数字孪生体；其次，基于换流变、调相机、GIS历史大数据，通过数字孪生体的变电站设备进行统计分析，并根据采集的实时数据、运维数据来预测变电站设备下一时刻的状态，使变电设备实现实际变电站内物理层与信息层数据的融合；最后，以变电站设备运维为对象，采用信息物理融合系统进行运维数据的集成和同步，形成最终变电设备运维数字孪生框架系统。相关研究表明，运用数字孪生技术可以对变电设备运维系统运行效率的提升和对变电站整体智能化提供强有力的技术支撑。

参考文献 | 相关文章 | 多维度评价

Select

38. 基于改进布谷鸟搜索的k-means算法的离群点检测

庄丽丽, 石鸿雁

计算机与现代化 2021, 0 (10): 15-22.

摘要（153）

为了解决k-means算法的离群点检测容易受到初始聚类中心的影响陷入局部最优的问题，本文提出一种基于改进布谷鸟搜索的k-means算法的离群点检测方法。首先，对原始布谷鸟搜索算法中的发现概率和莱维飞行步长做自适应策略改进并进行实验仿真；其次讨论改进后的布谷鸟搜索算法的收敛性问题；最后将改进后的布谷鸟搜索算法与k-means的离群点检测算法融合成一种新的离群点检测算法——基于改进布谷鸟搜索的k-means算法的离群点检测。通过对UCI数据集进行仿真实验，结果表明，本文算法不仅精确度方面有着明显优势，而且在3个数据集上收敛速度均有改善，可有效地抑制k-means算法的离群点检测容易陷入局部最优的问题，缩短运行时间。

参考文献 | 相关文章 | 多维度评价

Select

39. 基于集成学习与不平衡数据的返贫预测

龚云翔, 袁仕芳, 刘付谦

计算机与现代化 2022, 0 (04): 12-16.

摘要（97）

中国在扶贫工作取得决定性成就的同时，仍有一些脱贫人口存在返贫风险。本文基于不平衡数据集，利用SMOTE模型对返贫类别样本进行过采样处理，处理后的返贫与未返贫样本数据比例为3:1；接着建立基于Stacking集成学习的返贫预测模型，利用网格搜索对各个模型超参数进行寻优，结合10折交叉验证提高模型的泛化能力。本文使用4种不同的融合模型对脱贫户是否返贫进行预测。实验结果表明，与单一模型相比，模型融合后的分类效果要优于单独的分类器，其中最优融合模型的Acc为0.962，F1-score为0.946。

参考文献 | 相关文章 | 多维度评价

Select

40. 基于YOLOv3的改进仪表检测算法

黄子平, 黄继风, 周小平

计算机与现代化 2022, 0 (01): 77-84.

摘要（167）

仪表检测是智能仪表测试不可或缺的环节，其效果直接决定仪表测试的准确率。针对仪表检测背景复杂且要求速度快的特点，提出一种基于改进YOLOv3的目标检测算法。基于YOLOv3算法，首先使用DenseNet（Densely Connected Convolutional Networks）替换Darknet中的最后2个网络块，以加强模型对特征的重用。然后采用轻量化的Darknet-46作为特征提取网络，并将DenseNet中的卷积神经网络修改为深度可分离卷积网络，再将所有检测层（YOLO Detection）之前的6层卷积修改为2层，以减少模型的参数。同时引入GDIOU（generalized-IOU and distance-IOU, GDIOU）边界框以回归坐标损失，并根据检测需求重新调整损失函数的权重。实验结果表明，相比原算法，改进的YOLOv3算法参数数量减少40%，在仪表检测中的精确率和召回率分别达到95.83%和94.98%，分别提高2.21个百分点和2.09个百分点，平均精度提高2.42个百分点，检测速度提高30.18%。

参考文献 | 相关文章 | 多维度评价

全文下载排行