計算機應(yīng)用研究最新期刊目錄

多分支骨架特征輸入下的歧義行為識別————作者：王超亞;韓華;王春媛;田瑾;

摘要：基于骨架的人體動作識別是計算機視覺中的一個重要研究課題，其核心在于提取和學(xué)習(xí)具有區(qū)分度的骨架特征，以實現(xiàn)高精度的動作分類。但是由于歧義行為的存在，嚴(yán)重影響了分類識別的準(zhǔn)確性，為此，圍繞數(shù)據(jù)優(yōu)化與計算復(fù)雜度降低，以及時空特征精細(xì)化建模兩個核心方向提出兩項關(guān)鍵創(chuàng)新：首先在數(shù)據(jù)輸入的初期階段，采用多分支輸入結(jié)構(gòu)，實現(xiàn)早期特征融合，使模型能夠更高效地學(xué)習(xí)不同模態(tài)間的互補信息，從而提升計算效率并增強模型的泛...

基于不確定性估計的微調(diào)代碼生成模型與大語言模型的協(xié)同方法————作者：洪少東;申國偉;羅素芬;劉濤;

摘要：針對代碼生成任務(wù)，微調(diào)模型與大語言模型(LLM)的互補機制尚未得到系統(tǒng)性分析，導(dǎo)致二者在協(xié)同過程中存在決策邊界模糊的問題。提出一種基于不確定性估計的微調(diào)代碼生成模型與LLM的協(xié)同方法 Coral，分析微調(diào)代碼生成模型與LLM的互補機制，量化兩者決策邊界。Coral通過預(yù)期校準(zhǔn)誤差的思想，比較不確定性估計方法，為微調(diào)模型配備較為穩(wěn)定的不確定性估計方法，使其能夠輸出不確定性估計得分，反應(yīng)輸出的不確定性...

搜索圓環(huán)上不協(xié)作不對抗的變速目標(biāo)算法————作者：吳浩男;魏琦;張蕊悅;李鶴;

摘要：在已知環(huán)境中進(jìn)行目標(biāo)搜索是機器人的基本任務(wù)之一，相關(guān)問題在計算幾何學(xué)和機器人學(xué)的研究中受到廣泛關(guān)注。目標(biāo)搜索問題要求機器人采取高效的搜索策略，以最小化機器人找到目標(biāo)所需時間。假設(shè)k個最大速度為1的機器人被放置在單位圓環(huán)上，一個不對抗不協(xié)作的移動目標(biāo)，沿著圓環(huán)以可變速度移動，機器人的任務(wù)為搜索到該目標(biāo)。針對機器人數(shù)量及對目標(biāo)的已知程度(如移動方向、速度函數(shù)等)，設(shè)計了相應(yīng)的搜索算法。對于k=1，結(jié)合...

基于多粒度漸進(jìn)式融合的多模態(tài)命名實體識別方法————作者：應(yīng)旭劍;朱艷輝;陳豪;滿芳滕;張志軒;

摘要：為解決現(xiàn)有多模態(tài)命名實體識別方法中存在的細(xì)粒度語義缺失和多模態(tài)語義表征不一致等問題，提出了一種基于多粒度漸進(jìn)式融合的多模態(tài)命名實體識別方法。首先，設(shè)計了動態(tài)門控過濾機制，通過跨模態(tài)動態(tài)權(quán)重篩選與文本特征相關(guān)的視覺區(qū)域特征，并引入跨模態(tài)對齊與對抗擾動機制，增強文本特征與視覺全局特征的一致性和泛化能力。其次，設(shè)計了一種多層次漸進(jìn)式融合網(wǎng)絡(luò)，通過融合不同層次的特征向量，采用多級融合策略，并聯(lián)融合文本級、...

面向飛行自組網(wǎng)的路由協(xié)議仿真評估研究進(jìn)展————作者：印家豪;謝升旭;魯興波;寧麗娜;

摘要：隨著無人機技術(shù)與協(xié)同通信的發(fā)展，飛行自組網(wǎng)(Flying Ad-Hoc Network,FANET)因其高靈活性與動態(tài)性，在軍事、農(nóng)業(yè)、物流等各領(lǐng)域得到廣泛應(yīng)用。由于FANET具有節(jié)點移動性高、通信鏈路易中斷等特性，其路由協(xié)議的設(shè)計與評估面臨諸多挑戰(zhàn)。為分析FANET路由協(xié)議研究的主要方向、共性問題以及關(guān)鍵難點，對當(dāng)前典型FANET路由協(xié)議及其仿真評估方法進(jìn)行了系統(tǒng)梳理與比較。重點分析了各類協(xié)議在...

易混淆樣本驅(qū)動的簇間分布優(yōu)化短文本聚類————作者：恩卡爾·奴爾太;馬博;王震;艾孜麥提·艾尼瓦爾;吐爾洪·吾司曼;楊雅婷;

摘要：短文本聚類旨在將無標(biāo)簽的短文本實例劃分為不同的語義簇。針對該任務(wù)中易混淆樣本難以有效區(qū)分以及語義相近簇間特征分布重疊的挑戰(zhàn)。提出了一種易混淆樣本驅(qū)動的簇間分布優(yōu)化短文本聚類方法。該方法首先基于信息熵采樣不確定性較高的樣本作為易混淆樣本，并選取其鄰近簇樣本構(gòu)建候選集；隨后引入大語言模型進(jìn)行語義判別，構(gòu)造“易混淆樣本-正樣本-負(fù)樣本”三元組；同時，采用參數(shù)隨機擾動機制為每個樣本生成自身正例；最終在對比...

基于Puma算法引導(dǎo)帕累托前沿的高效多目標(biāo)提示優(yōu)化方法————作者：董祥千;肖錚;

摘要：針對現(xiàn)有提示優(yōu)化方法在可擴展性與自適應(yīng)性方面的局限，本研究提出一種基于Puma算法的多目標(biāo)提示優(yōu)化框架Puma-MOPT。該框架結(jié)合Puma算法的自適應(yīng)相位切換和全局搜索能力與PromptWizard的提示生成及評估機制，以實現(xiàn)對提示詞的自動搜索和多目標(biāo)權(quán)衡。為提高搜索效率并增強小樣本場景下的泛化能力，Puma-MOPT框架引入語義相似性約束并采用對抗過濾技術(shù)。在數(shù)學(xué)推理、醫(yī)療問答和代碼生成等五個...

多網(wǎng)關(guān)無線醫(yī)療傳感器網(wǎng)絡(luò)中基于PUF的輕量級匿名認(rèn)證協(xié)議————作者：王雄;李偉麟;張澤昊;胡子宸;安星宇;

摘要：針對當(dāng)前多網(wǎng)關(guān)無線醫(yī)療傳感器網(wǎng)絡(luò)跨域認(rèn)證計算開銷大、通信成本高以及無線醫(yī)療傳感器資源受限、易受攻擊等問題，提出了一種面向多網(wǎng)關(guān)無線醫(yī)療傳感器網(wǎng)絡(luò)的輕量級匿名認(rèn)證協(xié)議。該協(xié)議利用物理不可克隆函數(shù)PUF(Physical Unclonable Function)，實現(xiàn)了醫(yī)療專家通過主網(wǎng)關(guān)、外部網(wǎng)關(guān)與無線醫(yī)療傳感器節(jié)點之間安全地身份認(rèn)證和密鑰協(xié)商。通過ROR Oracle模型、Proverif協(xié)議分析工...

基于局部差分隱私的動態(tài)聚類個性化聯(lián)邦學(xué)習(xí)————作者：趙金葉;李曉會;賈旭;

摘要：針對非獨立同分布數(shù)據(jù)的聯(lián)邦學(xué)習(xí)場景中，采用單一的全局模型往往會忽略不同任務(wù)需求而導(dǎo)致模型精度下降的問題，提出一種結(jié)合DBSCAN聚類的局部差分隱私個性化聯(lián)邦學(xué)習(xí)算法(DBSCAN Local differential privacy-Personalized federated learning DBLDP-PFL)。首先引入了局部差分隱私機制，在客戶端訓(xùn)練過程中添加噪聲來保護(hù)單個客戶端的數(shù)據(jù)隱私...

基于Mamba空間注意力與通道交互注意力模塊的雙路徑腦腫瘤分割方法————作者：李冰;劉彥;

摘要：腦腫瘤病變區(qū)域的有效管理依賴于對腦腫瘤圖像的精確分割。現(xiàn)有方法對全局空間信息建模能力有限，且未能充分捕捉不同模態(tài)特征間的內(nèi)在聯(lián)系。基于此，提出了一種基于Mamba空間注意力和通道交互注意力單元的雙路徑腦腫瘤分割方法，該方法的網(wǎng)絡(luò)編碼器由一系列空間-通道雙路注意力單元組成；此單元包括三個子模塊：雙向Mamba空間位置信息注意力模塊，旨在增強網(wǎng)絡(luò)對長依賴的建模能力，同時保持較低的計算負(fù)擔(dān)；通道交互注意...

DLC-TSM：一種用以加密惡意流量分類的高維特征圖方法————作者：郭逸杰;羅琴;吳鵬;

摘要：為了解決現(xiàn)有加密惡意流量分類方法現(xiàn)多存在的特征表達(dá)能力受限、噪聲敏感性強、模型泛化能力不足的情況，該研究提出了一種使用三維二階馬爾可夫矩陣圖像進(jìn)行深度學(xué)習(xí)分類(Deep learning classification using three-dimensional second-order Markov matrix images,DLC-TSM)的加密惡意流量分類方法。通過將三維二階馬爾可夫概率...

基于智能合約信譽管理的VANET數(shù)據(jù)共享隱私保護(hù)方案————作者：張磊;白永波;陳運;陳杰;劉義;

摘要：為解決車載自組織網(wǎng)絡(luò)(VANET)中數(shù)據(jù)共享所面臨的隱私與安全問題，提出一種基于信譽管理的隱私保護(hù)方案。該方案結(jié)合分布式存儲IPFS與智能合約，實現(xiàn)數(shù)據(jù)的可追溯與不可篡改。通過引入信譽機制和同態(tài)加密保護(hù)反饋評分，動態(tài)更新用戶信譽值，有效防范惡意行為帶來的隱私泄露風(fēng)險。基于輕量級的數(shù)據(jù)處理機制，該方案特別適用于資源受限的VANET環(huán)境。實驗結(jié)果表明，該方案在具備同等隱私保護(hù)能力的前提下，其計算和通信...

基于規(guī)則插值的模糊模式樹優(yōu)化方法————作者：蘇攀;任雪瑩;梅華威;

摘要：自頂向下的模糊模式樹(Pattern Tree Top-down,PTTD)是一種基于相似性度量的模式樹歸納方法，在構(gòu)建過程中采用集束搜索策略，以貪婪方式搜索候選樹空間，導(dǎo)致模型構(gòu)建時間較長。為了解決這一問題，提出一種基于模糊規(guī)則插值技術(shù)的PTTD優(yōu)化方法(PTTD-FRI)。首先，設(shè)計了一種新的搜索優(yōu)化策略，簡化了模型構(gòu)建的搜索空間，構(gòu)造稀疏規(guī)則庫；然后，提出了一種模糊模式樹規(guī)則轉(zhuǎn)換方法，將復(fù)雜...

SIC：面向大語言模型訓(xùn)練的增量檢查點技術(shù)————作者：王志強;朱文喆;閆超美;李永坤;

摘要：大語言模型訓(xùn)練過程會頻繁產(chǎn)生各種軟硬件故障，造成訓(xùn)練延長和資源浪費。檢查點技術(shù)作為關(guān)鍵容錯機制在保障訓(xùn)練持續(xù)性方面發(fā)揮重要作用，但傳統(tǒng)的全量檢查點方法限制了檢查點頻率并消耗大量存儲資源。為此，提出了一種重要性感知增量檢查點方法(SIC)。該方法設(shè)計了分層感知的參數(shù)更新過濾算法，有效識別每層網(wǎng)絡(luò)的重要參數(shù)更新；此外，通過動態(tài)閾值調(diào)節(jié)機制，在訓(xùn)練過程中實時調(diào)節(jié)參數(shù)變化閾值，確保不丟失關(guān)鍵更新；最后，從...

一種編輯可控且可追責(zé)的可編輯區(qū)塊鏈方案————作者：薛慶水;陳濤;

摘要：現(xiàn)有的許多區(qū)塊鏈應(yīng)用研究方案都強調(diào)了區(qū)塊的可編輯性以應(yīng)對可能出現(xiàn)的錯誤問題，一個安全有效的可編輯區(qū)塊鏈方案需要在保證鏈上數(shù)據(jù)可編輯的同時還要對其編輯權(quán)限進(jìn)行嚴(yán)格控制。針對這些問題，首先設(shè)計了一種編輯請求控制策略，利用智能合約記錄所有節(jié)點與區(qū)塊的編輯狀態(tài)來對相關(guān)編輯請求進(jìn)行控制以應(yīng)對區(qū)塊編輯中存在的過度編輯問題；其次設(shè)計了一種應(yīng)對大規(guī)模區(qū)塊鏈的代表節(jié)點機制，代表節(jié)點的選取采用基于編輯行為的信譽度評估...

基于PowerTrust算法的中繼鏈信譽管理模型————作者：翟社平;魏杰;楊銳;張衛(wèi)星;

摘要：為解決現(xiàn)有的中繼跨鏈方式中節(jié)點不可信問題，并預(yù)測其在未來一段時間內(nèi)發(fā)生作惡行為的可能性，提出了一種中繼鏈節(jié)點信譽管理模型。該模型對PowerTrust算法進(jìn)行改進(jìn)，并與中繼鏈相結(jié)合，引入動態(tài)馬爾可夫決策優(yōu)化原本算法中的分布式哈希機制，并利用強力節(jié)點提高信譽聚合的效率。通過節(jié)點近期交易記錄和節(jié)點本身信息評判節(jié)點的可信度。實驗結(jié)果表明，所提方法能夠在一定時間內(nèi)有效計算出節(jié)點信譽值，且在節(jié)點產(chǎn)生作惡行為...

基于動態(tài)頁面映射的遠(yuǎn)程交換系統(tǒng)內(nèi)存管理優(yōu)化————作者：李昱祁;王霄陽;朱文喆;李永坤;

摘要：遠(yuǎn)程交換系統(tǒng)利用內(nèi)核的頁面交換機制透明地使用遠(yuǎn)程內(nèi)存，是構(gòu)建分離式內(nèi)存架構(gòu)的一種常見方法。然而，現(xiàn)有系統(tǒng)在創(chuàng)建遠(yuǎn)程交換分區(qū)時，會預(yù)先分配完整容量的遠(yuǎn)程內(nèi)存，導(dǎo)致內(nèi)部碎片并降低內(nèi)存使用率。針對此問題，設(shè)計了一種新型遠(yuǎn)程內(nèi)存管理方法，動態(tài)地為系統(tǒng)中正在使用的交換條目映射遠(yuǎn)程頁面，減少非必要內(nèi)存占用。該方法引入高效的節(jié)點間內(nèi)存分配與回收機制，以支持細(xì)粒度內(nèi)存管理并確保計算節(jié)點間的內(nèi)存訪問隔離性。實驗結(jié)果...

基于擴散模型加速和感知優(yōu)化的高效姿態(tài)驅(qū)動人體動作生成技術(shù)————作者：王家松;周雷;張博;

摘要：現(xiàn)有的姿勢條件驅(qū)動的數(shù)字人視頻生成技術(shù)主要聚焦于提升生成結(jié)果的質(zhì)量，如視覺逼真度和動作流暢性，然而往往忽視了生成速度較慢的問題，從而限制了其在實時性應(yīng)用中的有效部署。為此，針對基于擴散模型的數(shù)字人生成技術(shù)推理延遲高、計算成本大的問題，提出了一種基于擴散模型加速和感知優(yōu)化的加速框架(DAF-DH)。該方法采用三級加速策略來提高效率并優(yōu)化生成質(zhì)量。首先，通過TensorRT優(yōu)化擴散模型的推理效率。其次...

基于DR-DT的視覺SLAM參數(shù)自適應(yīng)調(diào)整————作者：黃鑫;黃初華;楊明旭;秦進(jìn);馬旭博;

摘要：針對傳統(tǒng)視覺SLAM系統(tǒng)依賴固定參數(shù)且需手動調(diào)整的問題，提出了一種基于離散化獎勵Decision Transformer的自適應(yīng)參數(shù)調(diào)整方法——DR-DT。該方法將參數(shù)自適應(yīng)過程轉(zhuǎn)化為序列建模任務(wù)，通過選擇SLAM關(guān)鍵參數(shù)定義連續(xù)動作空間，基于位姿不確定性構(gòu)建獎勵函數(shù)，結(jié)合離散化獎勵機制提升學(xué)習(xí)穩(wěn)定性。以O(shè)RB＿SLAM3為測試系統(tǒng)，在EuRoC MAV和TUM-VI數(shù)據(jù)集上的實驗結(jié)果表明，所提方...

面向自動駕駛的稀疏深度圖補全方法SFN-D————作者：吳彬;趙海燕;曹健;陳慶奎;

摘要：在自動駕駛領(lǐng)域，稀疏深度圖的密集化是重要研究課題，對3D重建和3D目標(biāo)檢測等任務(wù)具有突出意義。提出一種新穎的深度補全框架SFN-D。該框架基于多模態(tài)數(shù)據(jù)融合和語義分割設(shè)計，利用多模態(tài)數(shù)據(jù)各自的優(yōu)勢來補充稀疏深度圖中的缺失深度，從而有效補充稀疏深度圖。為了實現(xiàn)這一目標(biāo)，采取一種借助傳感器標(biāo)定進(jìn)行數(shù)據(jù)轉(zhuǎn)換從而實現(xiàn)多模態(tài)數(shù)據(jù)融合和深度圖修正的方案，該框架融合了來自圖像和激光雷達(dá)的特征圖，可與現(xiàn)有任何優(yōu)秀...

　　計算機應(yīng)用研究來自網(wǎng)友的投稿評論：

• 奔跑的辣椒醬

  計算機應(yīng)用研究 一個月投稿量估計在300-400篇 一周出初審結(jié)果 外審一個半月出結(jié)果 但是被增刊了 這個期刊很容易被增刊 但是審稿快 而且不要審稿費

  2024-09-05 16:38
• 帶頭大哥666

  一篇綜述，9月24號投稿，10月28號沒有任何修改直接增刊錄用，已經(jīng)撤稿，改投。您的論文經(jīng)本刊編委會和評審專家綜合評審后，認(rèn)為論文雖具一定應(yīng)用性和實用價值，但對該領(lǐng)域最新研究成果的介紹、比較和不足之處的分析總結(jié)顯得不夠。論文的學(xué)術(shù)價值和創(chuàng)新性有待提高。

  2024-08-16 07:53
• zhaohhhh

  一個星期內(nèi)退稿，不墨跡 退稿意見:本文在方法的選擇與組合方面有一定的改進(jìn)，但屬于已有特征分類手段的組合應(yīng)用，缺少計算機相關(guān)理論的創(chuàng)新和應(yīng)用，整體創(chuàng)新性不能達(dá)到本刊采用要求

  2024-08-07 16:48
• Yangming_ak

  無審稿費用，8月27日提交，初審無意見，28日進(jìn)入外審，10月12日增刊錄用，中間無修改。由于匆忙，未掛基金，可能有影響。

  2023-10-26 12:16
• 奔跑的辣椒醬

  12.5投稿，12.6進(jìn)入初審，12.12送外審，1.31回復(fù)增刊錄用，沒有任何審稿意見，后來在網(wǎng)上查了信息，發(fā)現(xiàn)這個期刊特別容易增刊錄用，最后撤稿，2個月結(jié)束，速度算比較快，但是容易增刊，不太推薦，文章質(zhì)量比較好的，想快點可以一試。

  2023-03-27 14:08

提交