计算机应用研究

2025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

基于深度学习的手语翻译：过去、现状与未来 摘要：基于深度学习的手语翻译(SLT)旨在使用深度学习方法对手语动作进行翻译，以提高翻译准确性。SLT降低了正常人与听障人士的沟通门槛，但由于各国手语不统一以及手语动作与口语句子的结构不匹配等问题，手语翻译面临诸多挑战。随着深度学习技术的发...
融合知识图谱的大语言模型研究综述 摘要：大语言模型在多个垂直领域应用中展现出卓越性能，但其生成内容存在可解释性不足与幻觉问题，严重制约了实际部署。而知识图谱以结构化语义网络形式存储事实知识，为增强大语言模型的可控性与知识约束提供了新路径。为此，系统梳理知识图谱与大语言模型融...

基于稳定扩散与自适应增强技术的服装模特图像生成方法中 摘要：随着计算机视觉和生成模型的发展，图像生成技术取得了显著突破，已广泛应用在电子商务的产品展示中以增强用户交互体验。逼真服装模特生成是图像生成技术与电子商务业务深度融合的创新应用技术之一。然而,服装模特生成技术在电商应用中仍面临着诸多挑战...
生物启发的运动人群瓶颈效应感知视觉神经网络 摘要：在大型活动中，人群瓶颈效应是常导致拥挤甚至踩踏等灾难事件的重要前兆。然而目前针对人群瓶颈效应检测的计算模型研究工作较少，且由于这种效应随机性强、人群状态复杂多变，传统的计算模型检测效果并不理想。为解决这一问题，在借鉴蝗虫视觉系统神经结...
基于情感引导-扩散模型的藏族音乐生成网络 摘要：人工智能技术在音乐创作领域取得了显著进展，但针对藏族音乐自动生成的研究相对匮乏。现有研究在藏族音乐生成中主要面临三个挑战：缺乏特定情感的表达能力、高维特征处理效率低下，以及音乐上下文一致性不足。为解决上述问题,提出一种基于情感引导的扩...

增强现实机器人的虚实同步手势交互方法 摘要：针对增强现实场景下，动态人机交互的感知能力差、同步精度低、执行效率低等问题，建立了增强现实机器人虚实同步交互架构，提出了虚实同步手势交互方法。首先，提出手势识别与虚实坐标映射方法，利用姿态解析与正/逆运动学矩阵将手势姿态映射到机器人关...
隐式情绪导向的语音驱动仿生机器人说话方法 摘要：提出了一种创新的隐式情绪导向语音驱动方法，用于仿生机器人的面部表情与头部姿态生成。该方法基于深度学习，通过引入颈部舵机控制系数，突破了传统方法仅依赖预编程随机动作序列的局限，实现了音频信号到自然表情的精确映射。此外，提出了一种隐式情绪...

对比学习增强的多行为超图神经网络推荐模型 摘要：多行为推荐(multi-behavior recommendation,MBR)在互联网平台中愈发重要，但现有方法仍面临两大挑战：a)无法刻画用户不同行为下的复杂兴趣偏好;b)难以建模不同行为间的相互关系。基于此，提出一种对比学习增强...
基于时间块动态图神经网络的序列推荐方法 摘要：基于动态图的序列推荐是当前推荐系统领域的一个研究热点。现有方法通常基于用户-物品交互序列的每个时间戳构建动态图，基于精细时间分辨率的方法，很难解决序列中用户偶然行为引发的噪声问题，同时也难以有效捕捉用户的周期性偏好。为此，提出了一种基...
基于跨图特征融合和结构感知注意力的图相似度计算 摘要：图编辑距离(GED)是一种常用的图相似性度量函数，其精确计算为NP-hard 问题。因此，近期研究者们提出诸多基于图神经网络的图相似度计算方法。现有方法在特征提取时忽略了两个图节点之间的跨图交互信息,并且缺乏对图中节点高阶关系的学习。...
基于水波传播特性的半监督密度聚类算法 摘要：半监督密度聚类通过融合监督信息与密度特征优化聚类性能，但在数据分布不均时，传统半监督密度聚类算法常因全局密度阈值设定与约束信息利用不足，难以捕捉局部密度差异，导致稀疏区域簇识别能力受限。针对这一挑战，提出了一种基于水波传播特性的半监督...
基于多分辨率模块度的约束Louvain社区检测算法米 摘要：针对Louvain 算法的分辨率存在极限的问题,提出一种基于多分辨率模块度(multi-resolution modularity，MRQ)的Louvain社区检测算法,在Louvain算法中加入一个可变分辨率模块MRQ,有效解决了L...
基于脉冲神经元膜电位增量的数据分布统计量及批归一化 摘要：脉冲神经网络(SNN)因其具有更好的生物解释性、强大的时空信息表征能力，以及超低功耗和延迟特性而受到广泛关注。然而SNN在训练算法、超参数设置、架构设计研究等方面还存在不少挑战性的问题。针对现有SNN归一化(BN)方法无法有效处理时间...
基于边更新与多头交互融合Transformer的车辆轨迹预测方法 摘要：自动驾驶领域下的智能体轨迹预测任务需要充分考虑到智能体与交通环境之间的关系。为了解决现有方法在异构特征交互层面的局限，提高预测精度，提出一种基于边更新与多头注意力交互融合Transformer的车辆轨迹预测方法 EMATNet(edg...
基于地图分解AGV全局路径规划新方法 摘要：针对传统 A* 算法在大型场景下AGV(automatedguidedvehicle)路径规划时遍历节点多、路径平滑性差和搜索时间长等问题，提出了三层结构的块搜索 A* (Blocks- ?A* )算法，并构建麦克纳姆轮AGV解决运动...
考虑交通拥堵的冷链配送路径动态优化 摘要：针对交通流的不确定性和难预知性导致的交通拥堵，从而影响冷链配送效率的问题,提出考虑交通拥堵的带时间窗的冷链车辆路径问题,建立了0-1整数规划模型;然后,利用变交叉操作和自适应扰动因子对免疫遗传算法(IGA)进行改进，提出基于变交叉下降...
基于域内和域间元路径聚合的跨域推荐方法 摘要：跨域推荐技术通过深入挖掘及利用其他域的有用信息，有效提升目标域的推荐表现，为解决用户冷启动问题提供了一种有效途径。然而，当前跨域推荐方法存在局限，未能细粒度地扩展隐式关系，并且忽视了嵌入向量中可能包含的冗余信息，从而制约了跨域推荐系统...
基于辅助行为去噪的多行为推荐 摘要：多行为推荐(MBR)系统通过辅助行为分析用户偏好，以缓解数据稀疏性并提高推荐准确性。然而，先前工作使用随机初始化的用户和物品嵌入，无法提供艮好的信息价值，也未考虑到在行为嵌入聚合中存在的噪音，以及辅助行为交互序列中的噪声。为了解决这些...
一种图文协同层级融合的多模态命名实体识别方法 摘要：多模态命名实体识别(MNER)旨在结合文本和图像等信息,提高命名实体识别的准确性。然而,现有方法因文本表达不规范以及图像特征提取聚焦于局部信息，导致图文语义特征利用不充分。针对该问题，提出了一种图文协同层级融合(VTCHF)的命名实体...
融合正交学习和动态平衡的麻雀搜索算法及应用 摘要：针对麻雀搜索算法收敛速度慢和搜索能力不平衡的缺点，提出一种融合正交学习和动态平衡的麻雀搜索算法(SSAOD)。首先引入正交学习策略来加强个体间信息传递，提高算法的收敛速度;然后采用动态平衡策略,增强算法在迭代前期的全局探索能力和迭代后...
融合盈亏拿取策略的改进遗传算法求解TTP 摘要：旅行小偷问题(TTP)是由旅行商问题(TSP)和背包问题(KP)复合而成的一类新型组合优化问题，其优化模型涵盖了两类问题的约束条件，也继承了两类问题的计算难度。针对TTP,提出了一种融合盈亏拿取策略的改进遗传算法。对任意旅行商回路上的...
基于引力势能修正的快速行进树路径规划算法 摘要：针对快速行进树算法(fast marching tree,FMT\*）在移动机器人路径规划中存在冗余探索多、路径规划时间长、路径拐点多等问题,提出了一种基于引力势能修正的快速行进树算法（gravitational potential ...
多突触连接脉冲神经元的突触延迟在线监督学习算法 摘要：神经科学研究表明,突触延迟在神经信息处理过程中扮演着积极角色，且多突触连接广泛分布于神经系统中。然而,当前脉冲神经网络建模时大多采用单突触连接模式，且在监督学习算法的设计中未充分考虑突触延迟的影响，限制了其潜在性能。鉴于此，构建了一个...
DRO框架下不平衡分类损失函数重加权优化 摘要：在不平衡数据的多分类任务中，由于类别分布存在数量差异,分类器的决策边界往往偏向多数类别，从而导致模型难以实现准确分类。现有研究主要关注于数据平衡策略和损失函数的结构调整，忽视了样本标签可能存在标注错误或噪声，标签信息的不确定性会进一步...

基于污点分析的移动端深度学习模型泄露自动分析方法 摘要：现有的移动端深度学习模型泄露分析方法依赖于移动端应用动态运行和人工触发深度学习功能，具有不稳定性且需要大量人工参与，限制了分析方法的使用范围。为了更加自动化地分析更多深度学习模型,提出了一种基于污点分析的移动端深度学习模型泄露自动分析...
基于GPU的Winograd 卷积算法并行化 摘要：针对现代卷积神经网络中计算负荷过重的问题，提出一种基于GPU的创新性Winograd并行卷积算法。该算法利用负载均衡的任务映射、优化数据加载策略以隐藏延迟，并结合动态填充方法，充分挖掘Winograd 卷积算法与GPU架构的协同效应。...
基于强化学习的灾区应急无人机网络服务公平性最大化方案 摘要：现有研究无人机灾区应急通信服务的方法在全局环境信息下优化网络性能，存在组网效率低和资源分配不均衡的问题，在灾区环境下难以维持平衡的通信服务，导致部分用户无法被及时救援。针对上述不足，提出并解决了无人机通信质量最大化问题：将问题建模为部...
基于动态时间窗格的数据仓库流批一体优化方法 摘要：数据仓库是企业数据管理核心，批处理和流处理是大数据分析的两种核心数据处理范式。为了解决传统批处理技术产出时延和资源消耗高的问题，以及流处理技术在处理多流数据关联和历史数据计算时面临的数据质量挑战，提出了一种流批一体处理方法。所提方法通...
基于联邦对比学习的航天器故障诊断 摘要：航天器故障诊断通常通过判读遥测参数实现,然而，遥测到的时间序列数据由航天器各个关键设备采集,呈非独立同分布（non-independent identically distribution,Non-IID），传统的联邦学习方法在面对此...

车联网空地协同MEC系统的通算资源在线分配优化米 摘要：使用灵活性机动性俱佳的无人机与地面基站组成空地协同移动边缘计算(MEC)系统，能有效保障具有高移动性用户的车联网的MEC服务质量。为了适应车联网用户位置的实时随机变化特性，研究在线式的空地协同MEC系统的通信与计算资源分配优化，研究将...
基于二跳邻居的分布式大规模混合多智能体系统一致性协议 摘要：分布式多智能体系统（MAS)一致性是实现协调控制的首要条件。多智能体一致性协议通常使用一跳邻域信息进行收敛，每个智能体仅通过有限的局部信息导致收敛速度缓慢。为解决上述问题提出了一种基于二跳邻居的分布式一致性协议。首先，提出方法综合一跳...
基于多智能体深度强化学习的海上风电传感器节点能效优化 摘要：海上风电场的高效运行依赖于无线传感器网络提供的监测数据。通过对现有研究中传感器节点部署与通信进行调查，指出了当前海上风电场景下无线传感器节点部署通信时能效优化研究不充分的问题。针对海上风电机组无线传感器网络的能效优化问题,设计了一种基...

一种融合数据新鲜度的联邦学习动态激励机制 摘要：在多轮联邦学习中，训练环境不断变化，基于多智能体强化学习（MARL)的激励机制通过自适应动态调整数据贡献策略，能够更好地适应动态环境。然而，现有基于MARL的激励机制在贡献评估时主要关注数据量,忽视了数据新鲜度，导致贡献评估不全面,限...
智能物联网中高效安全的自适应量化联邦学习 摘要：针对现有自适应量化联邦学习存在参与者本地模型参数隐私泄露的问题,提出一种适合智能物联网的高效安全的自适应量化联邦学习方案。该方案利用自适应量化技术减少参与者的通信开销，设置两个聚合服务器,将 Diffie-Hellman 密钥交换协议...
基于随机映射的隐私保护聚类算法 摘要：针对聚类隐私保护算法中隐私开销随数据维度增加而提升的问题,提出了一种基于随机映射的隐私保护算法(RPPP)。该算法首先利用对称不确定性方法筛选相关特征，并通过独立同分布的高斯序列生成随机矩阵。为增强距离保持特性，随机矩阵经Gram-S...
面向稠密区域的本地化差分隐私自适应空间分解 摘要：针对常规均匀网格法和自适应网格分解法处理空间数据时存在查询精度与查询效率较低的问题，提出一种基于本地化差分隐私的自适应空间分解算法(LDP-ASDT)。通过分组策略对空间进行分层分解，划分出稠密与稀疏区域;利用四分树通过设定合适阈值，...

残差混合注意力与自适应特征融合的脑肿瘤分割 摘要：脑肿瘤图像的自动化分割在脑肿瘤的辅助诊断和治疗方面至关重要。针对脑肿瘤图像病变区域复杂多变、病灶与背景区域边界模糊的问题，提出了一种结合残差混合注意力、自适应特征融合的脑肿瘤分割方法(residual adaptive convolu...
融合时空信息与运动信息的骨架行为识别 摘要：针对现有骨骼行为识别方法对时空依赖特征和运动信息利用不足的问题，在PoseConv3D的基础上提出了一种结合运动特征与时空注意力的改进模型。首先，采用四肢、头部以及躯干构成的肢体热图作为输入，以先验地增强邻近关键点的空间关联性;其次，...
基于双重扩散模型的图像恢复模型 摘要：由于扩散模型对数据分布建模的卓越能力,基于扩散模型的图像恢复方法表现出色并获得了广泛关注。针对当前基于扩散模型的图像恢复方法中存在的噪声随机扰动以及数据一致性等问题，提出了一种图像恢复模型rdIRM,在传统的噪声扩散的基础上加入残差扩...
基于预训练扩散模型的两阶段高分辨率图像复原方法 摘要：预训练扩散先验图像复原依赖预训练的扩散模型，无须微调即可处理各种经典图像复原任务。然而，目前的预训练扩散先验图像复原方法在处理高分辨率图像时效率低下，并且存在分布外问题(outof distribution，OOD)。针对以上问题,提...
基于自学习区域选择与边缘聚焦的单目3D检测 摘要：提出了一种基于自学习区域选择与边缘聚焦的单目3D检测算法。不同于以往直接使用整个RoI进行3D属性学习,所提算法通过数据驱动的模型自学习机制选择有价值区域,抑制无关区域的负面影响。同时，针对边缘截断目标，所提算法通过建模截断目标分布特...