计算机应用研究

2024年08期

收藏成功

微博空间微信

类型

月刊

类别

定价

促销信息

全年订阅更优惠!

￥50.00 ￥12.00

原貌版试读单本购买

基于视觉的相机位姿估计方法综述 摘要：相机位姿估计是通过估计相机的位置坐标和环绕三个坐标轴的角度偏转，来描述其相对于给定场景的方向和位置，是自动驾驶、机器人技术等任务的重要组成部分。为帮助研究人员在相机位姿估计领域的研究，对相机位姿估计的研究现状和最新进展进行梳理。首先...
3D场景渲染技术 摘要：神经辐射场（NeRF）是一种面向三维隐式空间建模的深度学习模型，在表示和渲染三维场景领域具有重要价值。然而由于神经辐射场算法训练过程复杂、需要大量的计算资源和时间等，其可用性和实用性受到一定限制，如何针对神经辐射场的痛点问题进行优化...
区块链隐私保护技术研究综述 摘要：近年来，区块链在学术界和工业界都受到越来越多的关注。在不同应用中部署区块链时，区块链的隐私性仍是备受争议的焦点问题。系统地回顾了当前区块链中隐私保护的方案和机制，给出了区块链的安全性和隐私性的见解。首先，对区块链技术的主要功能、类型...

基于区块链的工业物联网隐私保护协作学习系统 摘要：为了在保护数据隐私的前提下，充分利用异构的工业物联网节点数据训练高精度模型，提出了一种基于区块链的隐私保护两阶段协作学习系统。首先，使用分组联邦学习框架，根据参与节点的算力将其划分为不同组，每组通过联邦学习训练一个适合其算力的全局模...
基于区块链的联邦学习模型聚合方案 摘要：传统的中心化联邦学习需要一个受信赖的中央服务器负责模型聚合，容易产生单点故障。现有的去中心化联邦学习方案通常在每个迭代周期临时选举出一个节点负责模型的聚合，但不能保证被选节点的完全可信。为了解决上述问题，提出一种基于区块链的联邦学习...
基于区块链的汽车产业链权限委托方法 摘要：针对汽车产业链资源信息多源异构、跨平台交互建立困难的问题，提出了一种基于区块链的跨域权限委托方法（BCPDM）。该方法首先将区块链技术与基于属性的访问控制（ABAC）模型相结合，并建立权限过滤功能，以避免平台间权限冲突；其次，引入权...

基于最大联盟粗糙集的三支聚类 摘要：针对邻域粗糙集模型受邻域参数影响大、刻画样本信息时不够精细等问题，提出了一种基于最大联盟理论的粗糙集模型。在标准化邻域信息系统后，引入最大联盟集来描述邻域颗粒信息，使得邻域粗糙集模型对信息的划分更加精细，从而显著降低了边界域的不确定...
一种有效的周期高效用序列模式增量挖掘算法 摘要：周期高效用序列模式挖掘（PHUSPM）因其能够发现时间序列中更具实际价值的规律性模式而备受关注，但现有的PHUSPM算法难以有效地处理数据集的增量更新，且未考虑大规模数据下算法的向下闭包性和复杂性。针对该问题，提出了IncPUS-M...
多样性约束和高阶信息挖掘的多视图聚类 摘要：在现有的多视图聚类研究中，大多数方法没有考虑多视图的多样性，也没有关注数据的高阶邻域信息，导致聚类结果不够准确，难以挖掘数据集的底层信息。为了解决这些问题，提出了基于多样性约束和高阶信息挖掘的多视图聚类算法（MVCDCHO）。首先设...

基于Transformer交互指导的医患对话联合信息抽取方法 摘要：针对电子病历构建过程中难以捕捉信息抽取任务之间的关联性和医患对话上下文信息的问题，提出了一种基于Transformer交互指导的联合信息抽取方法，称为CT-JIE（collaborative Transformer for join...
融合相似度负采样的远程监督命名实体识别方法 摘要：实体漏标是目前远程监督命名实体识别（distantly supervised named entity recognition，DS-NER）存在的一个难点问题。训练集中的漏标实体在模型训练中提供了不正确的监督信息，模型将在后续预测...
基于多粒度阅读器和图注意力网络的文档级事件抽取 摘要：文档级事件抽取面临论元分散和多事件两大挑战，已有工作大多采用逐句抽取候选论元的方式，难以建模跨句的上下文信息。为此，提出了一种基于多粒度阅读器和图注意网络的文档级事件抽取模型，采用多粒度阅读器实现多层次语义编码，通过图注意力网络捕获...
改进混合粒子群算法求解带时间窗的无人机与车辆协同路径调度问题 摘要：为提高物流配送效率，考虑时间窗、无人机换电以及无人机多点连续配送等因素，提出了一种带时间窗的车辆与无人机协同配送问题，并设计一种带局部搜索的混合粒子群算法进行求解。该算法以混合粒子群算法为核心，通过构建高效的编解码策略实现了问题解空...
考虑强制同机并行作业的广义作业车间调度优化 摘要：模具组合加工、电子产品合检等带来不同工件强制同机并行作业，这打破了作业车间调度同一机器不能在同一时刻处理不同工件的约束。为解决该类作业车间调度问题，提出一种自适应混合初始化遗传算法对其进行求解。首先，将该问题定义为考虑强制同机并行作...
考虑模糊质检时间的柔性作业车间动态调度问题 摘要：为解决更符合现实情形的模糊质检时间柔性作业车间动态调度问题，以最小化完工时间为目标，立足紧急插单、机器在空载运行时发生故障和机器在加工工件时发生故障的三种故障情形，建立了带模糊质检时间的机器故障、紧急插单重调度模型。设计了基于元胞自...
基于自适应平衡静动态联合网络的公交客流预测 摘要：为解决现有公交客流预测方法多数利用预定义的图结构进行空间建模，对交通状况变化所引起客流波动考虑不充分，无法捕捉短时动态的空间依赖关系问题，提出一种自适应平衡静动态联合网络（ASDNet）模型。首先，利用时间卷积网络捕获序列的时间相关...
考虑负载量均衡的自动拣货系统AGV任务分配优化 摘要：为提高AGV自动拣货系统作业效率、降低作业成本，在剖析造成系统拥堵的关键影响因素基础上，提出考虑负载量均衡的AGV任务分配双层规划模型，上层考虑总成本最小，下层通过构建多目标函数来最小化系统负载量标准差和AGV空闲率。针对传统GA求...
基于分区搜索和强化学习的多模态多目标头脑风暴优化算法 摘要：维持种群多样性和提高算法搜索效率是多模态多目标优化亟需解决的两大问题。为解决以上问题，提出了一种基于分区搜索和强化学习的多模态多目标头脑风暴优化算法（MMBSO-ZSRL）。在MMBSO-ZSRL中，首先将决策空间分解为多个子空间以...
结合对抗互信息的多变量时间序列抗噪异常检测 摘要：近年来，对多变量时间序列的异常检测在各领域中逐渐突显出其重要性。然而，由于多变量时间序列的时空依赖性以及采集所存在的噪声干扰，使得模型学习到的分布与真实分布存在一定的偏差，进而影响检测性能。为了解决以上问题，提出一种结合对抗互信息的...
单源域泛化中一种基于域增强和特征对齐的元学习方案 摘要：基于元学习的单源域泛化（single domain generalization，SDG）已成为解决领域偏移问题的有效技术之一。然而，源域和增强域的语义信息不一致以及域不变特征和域相关特征难以分离，使SDG模型难以实现良好的泛化性能...
基于旋转粒化的逻辑回归算法 摘要：逻辑回归（LR）作为监督学习的二元分类广义线性分类器，在处理线性数据方面表现出结构简单、解释性强，拟合效果好的特点。然而，当面对高维、不确定性和线性不可分数据时，逻辑回归的分类效果受到限制。针对逻辑回归的固有缺陷，引入粒计算理论，借...
精英引导和信息交互的多目标狼群算法 摘要：鉴于狼群算法在单目标优化问题上的优越表现，结合狼群的生物习性将其运用到多目标优化问题上，提出一种精英引导和信息交互的多目标狼群算法（MOWPA-EGII）。首先，提出精英引导策略，利用外部档案中的精英狼和当前子种群的头狼共同引导种群...
融合元图邻域的知识图谱推荐模型 摘要：基于知识图谱的主流推荐模型在融合高阶信息时较少考虑源节点与目标节点之间的关系，在复杂网络场景中易引入过多噪声信息进而影响推荐性能。针对此问题提出一种融合元图邻域的知识图谱推荐模型，通过构建并融合元图邻域降低噪声信息的影响，提升推荐性...
去中心化场景下的隐私保护联邦学习优化方法 摘要：联邦学习的提出为跨数据孤岛的共同学习提供了新的解决方案，然而联邦节点的本地数据的非独立同分布（Non-IID）特性及中心化框架在参与方监管、追责能力和隐私保护手段上的缺失限制了其大规模应用。针对上述问题，提出了基于区块链的可信切片聚...
基于模型质量评分的联邦学习聚合算法优化 摘要：在联邦学习环境中，客户端数据的质量是决定模型性能的关键因素。传统的评估方法依赖于在中心节点的验证集上衡量客户端模型的损失，从而对数据质量进行评估。在缺乏有效验证集的情况下，数据质量的评估是困难的。为了解决上述问题，提出了一种根据同伴...

基于二阶价值梯度模型强化学习的工业过程控制方法 摘要：为了实现对高延时、非线性和强耦合的复杂工业过程稳定准确的连续控制，提出了一种基于二阶价值梯度模型强化学习的控制方法。首先，该方法在模型训练过程中加入了状态价值函数的二阶梯度信息，具备更精确的函数逼近能力和更高的鲁棒性，学习迭代效率更...
基于人体骨骼关键点的心血管患者康复训练动作评估方法 摘要：为解决心血管患者日常康复训练依赖于康复中心专业医务人员现场指导的问题，围绕获得支撑心血管患者自主康复训练的动作评估系统，提出了基于人体骨骼关键点的心血管患者康复训练动作评估方法（ASRT-PHS）。首先，根据心血管患者的康复训练动作...
基于投资者行为分析的众筹绩效预测模型 摘要：针对众筹融资过程中存在的信息不对称问题，基于前景理论中处理不确定信息的决策效用规则，结合众筹项目信息披露与投资者效用分析，构建了一个新的众筹绩效预测模型。为解决实际应用中特征选择过多的问题，引入了一种基于神经网络算法的稀疏性特征选择...
基于双向Transformer的降水临近预报模型 摘要：精准的降水临近预报对日常生活至关重要，但现行预报模型的准确度有待进一步提升。为此，提出一种新的预报模型BTPN。该模型引入双向Transformer，从时空序列的正逆方向提取特征，捕获关键信息，减少时空特征丢失；使用卷积Transf...

FMLogs:基于模板匹配的日志解析方法 摘要：日志主要记录软硬件的运行信息，通过查看系统日志，可以找到系统出现的问题及原因，确保系统的稳定性和正常运行。日志解析的目的是将半结构化的原始日志解析为可阅读的日志模板，现有解析方法往往只注重于对原始日志的解析，而忽略了后期模板处理，导...
基于强化学习选择策略的路径覆盖测试数据生成算法 摘要：面向路径覆盖的测试是软件测试的重要方法之一。如何快速生成高质量测试数据使其满足路径覆盖要求，一直是研究热点问题。为解决现有智能优化方法运行时间长、探索过程不稳定以及生成测试用例冗余的问题，提出一种基于强化学习思想的选择策略，用于以路...

基于强化和模仿学习的多智能体寻路干扰者鉴别通信机制 摘要：现有的基于通信学习的多智能体路径规划（multi-agent path finding，MAPF）方法大多可扩展性较差或者聚合了过多冗余信息，导致通信低效。为解决以上问题，提出干扰者鉴别通信机制（DIC），通过判断视场（field ...
基于服务更新的异构任务卸载方法 摘要：边缘计算将存储和计算资源下沉到网络边缘，用户可将时延敏感型和计算密集型应用程序的任务卸载到边缘服务器执行，从而降低时延和能耗。已有的任务卸载研究通常忽略卸载任务的异构性，且默认边缘服务器缓存的服务能够长期满足用户的服务需求。然而，不...
基于CGDNN的低信噪比自动调制识别方法 摘要：针对非协作通信环境中，自动调制识别（automatic modulation recognition，AMR）在低信噪比下泛化能力有限、分类精度不高的问题，提出一种由卷积神经网络、门控循环单元和深度神经网络组成的模型—CGDNN（c...

基于β-VAE的联邦学习异常更新检测算法 摘要：利用自编码器模型检测恶意模型更新的联邦学习框架是一种优秀的投毒攻击防御框架，但现有的基于自编码器的模型存在训练困难、异常检测能力不足等问题。针对以上问题，提出了一种基于β-VAE的联邦学习异常更新检测算法：服务器端通过抑制训练样本的...
基于解纠缠表示学习的人脸反欺骗算法 摘要：针对现有人脸反欺骗模型面对不同应用场景识别精度低、泛化性能不佳的问题，引入解纠缠表示学习，提出一种基于解纠缠表示学习的人脸反欺骗方法。该方法采用U-Net架构和ResNet-18作为编/解码器。首阶段训练中，通过输入真实样本使得编码...
控制失真漂移的HEVC视频自适应隐写算法 摘要：现有自适应视频隐写的成本分配方法主要针对特定变换系数，导致容量较低。此外，失真漂移是HEVC（high efficiency video coding）视频隐写面临的一大挑战。因此，结合HEVC视频编码的帧内帧间过程，提出了一种代价...

基于多频特征和纹理增强的轻量化图像超分辨率重建 摘要：现有基于卷积神经网络主要关注图像重构的精度，忽略了过度参数化、特征提取不充分以及计算资源浪费等问题。针对上述问题，提出了一种轻量级多频率特征提取网络（MFEN），设计了轻量化晶格信息交互结构，利用通道分割和多模式卷积组合减少参数量；...
尺度适应性感受野的船舶目标检测方法 摘要：现有船舶目标检测算法大部分只是基于传统目标检测算法的优化改进，没有考虑船舶具有尺度长宽比例的外观特性，在多尺度目标检测中出现漏检误检问题。为了解决此问题，在YOLOXs基础上，提出一种尺度适应性感受野的船舶检测方法（SAF-YOL...
室内动态场景下基于语义关联的视觉SLAM方法 摘要：针对视觉SLAM在动态场景下鲁棒性不足的问题，提出一种适用于动态场景下的视觉SLAM算法——SAD-SLAM。该算法首先使用GCNv2网络进行特征提取，以获取分布均匀的特征点集合，并加快提取速度。然后使用YOLOv8-seg语义分割...
融合语义信息的视觉惯性SLAM算法 摘要：针对传统SLAM算法在动态环境中会受到动态特征点的影响，导致算法定位精度下降的问题，提出了一种融合语义信息的视觉惯性SLAM算法SF-VINS（visual inertial navigation system based on ...
基于深度半监督学习的小样本金属工件表面缺陷分割 摘要：针对工业应用场景下缺少缺陷样本的问题，提出了一种仅需要极少缺陷样本的金属工件表面缺陷分割方法。该方法结合了图像生成技术和半监督学习策略，通过利用极少缺陷图像提取的小尺寸缺陷图像来训练缺陷生成模型，然后将生成的缺陷图像嵌入到正常图像中...
融合多情感的语音驱动虚拟说话人生成方法 摘要：虚拟说话人生成是人工智能领域的一个重要研究方向，旨在通过计算机生成具有逼真语音的虚拟说话人。然而，现有方法往往忽视情绪表达、生成的人脸图像面部细节缺乏真实感，限制了虚拟说话人的表现能力和交互性。为解决这一问题，提出一种基于Trans...
融合CNN和Transformer的并行双分支皮肤病灶图像分割 摘要：准确的皮肤病变自动分割对于协助医生临床诊断和治疗至关重要。针对现有卷积结构能提取局部特征信息但无法建模长程依赖关系，而Transformer能提取全局上下文信息但存在细节信息丢失的问题，提出了一种融合CNN和Transformer的...