計算機工程與應用最新期刊目錄

改進YOLO11n和PaddleOCR的煤礦鉆場視頻自動剪輯方法————作者：李小軍;李淼;趙明煬;

摘要：為解決煤礦井下瓦斯抽采鉆場監(jiān)控視頻數(shù)據(jù)規(guī)模大、傳統(tǒng)人工剪輯效率低的問題，提出一種將YOLO11n和PaddleOCR相結(jié)合的視頻自動剪輯方法。該方法首先使用YOLO11n檢測視頻圖像幀中的指示牌目標，并根據(jù)檢測框坐標信息進行裁剪；其次將裁剪的目標區(qū)域輸入PaddleOCR中進行文字識別；最后依據(jù)設定的剪輯邏輯規(guī)則對視頻進行自動剪輯。為提升YOLO11n在煤礦井下復雜環(huán)境的檢測精度，提出一種新的模塊...

面向焊縫表面缺陷的雙向星聚融合檢測網(wǎng)絡————作者：徐成;單文桃;張陳;陳澤明;楊汶睿;韓振華;

摘要：針對焊縫表面缺陷檢測中的目標存在空間聚集分布、背景紋理復雜、特征顯著性不足等挑戰(zhàn)，以及傳統(tǒng)模型在低信噪比環(huán)境下特征表征能力弱、計算冗余等問題，本研究基于YOLOv8n設計星聚雙向融合網(wǎng)絡（LSBi-YOLO）。首先構(gòu)建星聚融合網(wǎng)絡（SANet），利用三階異構(gòu)卷積融合策略保留關(guān)鍵特征；其次，開發(fā)方向增強型空間金字塔池化模塊（OS-SPPF），通過線性紋理特征權(quán)重優(yōu)化提升多類缺陷辨識度；進而設計自適應...

基于集成學習與多模態(tài)大語言模型的圖文情感分析方法————作者：王寧;武芳宇;趙宇軒;張百靈;龐超逸;

摘要：提出了一種融合集成學習與多模態(tài)大語言模型（Multimodal Large Language Models， MLLMs）的圖文情感分析方法。針對圖文情感分析中類別不平衡與跨模態(tài)情感不一致等關(guān)鍵挑戰(zhàn)，設計了EMSAN（Ensemble Multimodal Sentiment Analysis Network）框架。該框架采用主輔模型結(jié)構(gòu)，將在完整數(shù)據(jù)集上訓練的主模型與在平衡子集上優(yōu)化的輔助模型相...

基于BWO-VMD-ISSA-LSTM的交通運輸業(yè)碳排放預測研究————作者：王慶榮;王俊杰;朱昌鋒;張金鵬;何潤田;劉心康;

摘要：針對交通運輸業(yè)碳排放量的非線性影響預測精度的問題，提出了一種結(jié)合白鯨優(yōu)化算法(BWO)、變分模態(tài)分解(VMD)、改進麻雀搜索算法(SSA)及LSTM的碳排放預測模型。引入最大互信息系數(shù)(MIC)提取影響碳排放量的主要因素，剔除冗余特征。利用BWO對VMD的分解模態(tài)數(shù)和懲罰因子尋優(yōu)，增強兩參數(shù)間的協(xié)調(diào)性，進而將碳排放量分解為不同頻率的模態(tài)分量和剩余分量，削弱原始碳排放量的非線性；通過在LSTM的輸入...

多死角場景中機器人深度強化學習導航————作者：曹青躍;王雅棟;王慶;張羽佳;陽媛;

摘要：針對強化學習導航存在訓練效率低、穩(wěn)定性差及在多死角場景中目標遮擋時導航性能差的問題，對此提出了一種融合專家經(jīng)驗與混合獎勵機制的深度強化學習導航方法。篩選高質(zhì)量專家經(jīng)驗并基于此預訓練了行為克隆模型初始化策略，用于提高訓練效率；構(gòu)建了包含死角避免約束的稠密獎勵函數(shù)，實現(xiàn)目標牽引與死角避讓之間的平衡；采用標準化折扣回報方式降低不同軌跡的回報方差以提高訓練穩(wěn)定性。仿真實驗表明所提出的方法在隨機起止點測試中...

端云協(xié)同離在線強化學習方法及其在兵棋上的應用————作者：施偉;黃紅藍;梁星星;程光權(quán);鄭臻哲;

摘要：隨著軍事智能化技術(shù)演進，兵棋推演智能決策研究備受關(guān)注。針對傳統(tǒng)云端集中式?jīng)Q策模式存在的通信延遲、數(shù)據(jù)安全風險和部署壁壘等問題，提出端云協(xié)同混合離在線強化學習框架（Decider），實現(xiàn)基于先驗知識與試錯數(shù)據(jù)的融合驅(qū)動決策。云端動態(tài)篩選高價值樣本傳輸至邊緣設備，緩解數(shù)據(jù)分布偏移問題，加速策略搜索；引入歷史動量聚合算法，穩(wěn)定模型訓練。在海空對抗兵棋實驗中，Decider策略搜索速度提升超過90%，平均...

《計算機科學與探索》“多模態(tài)大模型：理論、技術(shù)與應用”專題征文通知

摘要：<正>近年來，隨著人工智能技術(shù)的飛速發(fā)展，多模態(tài)大模型通過整合文本、圖像、音頻、視頻等多種模態(tài)數(shù)據(jù)，在跨模態(tài)理解、生成與推理任務中展現(xiàn)出前所未有的潛力。包括GPT-4o、Gemini、DeepSeek Janus-Pro在內(nèi)的一系列多模態(tài)大模型先后出現(xiàn)，多模態(tài)大語言模型（multimodal large language models, MLLMs）方法與技術(shù)不僅在視覺內(nèi)容理解、跨模態(tài)...

第六屆中國智能機器人學術(shù)年會（CCF CIRAC 2025）征文通知

摘要：<正>第六屆中國智能機器人學術(shù)年會（CCF CIRAC 2025）將于2025年8月22—24日在江蘇南通召開。本屆會議將圍繞服務機器人和工業(yè)機器人領(lǐng)域，特別是具身智能前沿技術(shù)和應用開展廣泛交流與探討，共同推動中國智能機器人技術(shù)發(fā)展。論文投稿截止日期為2025年6月22日，錄用論文將推薦至相關(guān)國內(nèi)外優(yōu)秀期刊。會議設置優(yōu)秀論文獎、優(yōu)秀學生論文獎、優(yōu)秀張貼論文獎等獎項。誠邀廣大專家學者和科...

考慮跨空間特征重構(gòu)的行人過街動作檢測方法————作者：陳思宇;何永福;謝世維;張浩池;

摘要：行人是弱勢交通參與者，其危險過街動作是引發(fā)事故的重要原因之一，行人過街動作檢測有助于減少人車沖突。針對路側(cè)視角下行人多尺度、遮擋導致的動作特征提取困難、特征融合低效、特征信息丟失問題，提出一種考慮跨空間特征重構(gòu)的行人過街動作檢測方法（Pedestrian’s Crossing Behavior Detection Network based on Cross-spatial feature rec...

結(jié)合多特征融合和圖卷積神經(jīng)網(wǎng)絡的EEG-fNIRS情感識別————作者：王文明;張雪英;陳桂軍;孫穎;黃麗霞;

摘要：針對EEG-fNIRS情感識別研究中圖卷積神經(jīng)網(wǎng)絡僅考慮單一的大腦連接方法，并且沒有綜合關(guān)注多腦區(qū)和不同頻段中反映情感的信息的問題，提出一種基于多特征融合的圖卷積神經(jīng)網(wǎng)絡模型。首先構(gòu)建鄰接矩陣，提取格蘭杰因果(GC)作為有效性連接信息，提取相位滯后指數(shù)(PLI)作為功能性連接信息，結(jié)合模糊認知圖(FCM)融合GC和PLI，將計算得到的FCM-GC-PLI關(guān)聯(lián)矩陣作為GCN的鄰接矩陣；然后構(gòu)建節(jié)點，...

基于深度學習的RGBT目標跟蹤研究進展————作者：張大偉;王炫;何小衛(wèi);鄭忠龍;

摘要：目標跟蹤是計算機視覺領(lǐng)域的一項重要任務，其中單目標跟蹤是指在給定的視頻序列中持續(xù)跟蹤單個目標。然而可見光圖像的成像依賴于光照條件，僅憑可見光信息難以滿足低光照、雨霧天氣等復雜惡劣環(huán)境下的目標跟蹤。RGBT(RGB-Thermal)目標跟蹤是指結(jié)合熱紅外與可見光圖像數(shù)據(jù)，利用雙方互補優(yōu)勢共同實現(xiàn)跟蹤任務，以提高跟蹤的魯棒性和準確性。隨著深度學習的發(fā)展，目前RGBT目標跟蹤領(lǐng)域研究成果眾多，但現(xiàn)有大部...

融合大模型與圖注意力網(wǎng)絡的知識圖譜補全————作者：張雨婷;王淑營;

摘要：知識圖譜作為一種有效的知識表示方法，可以系統(tǒng)化地描述實體、屬性、關(guān)系及狀態(tài)之間的關(guān)聯(lián)。然而，由于現(xiàn)實世界環(huán)境復雜、實體關(guān)系多樣，現(xiàn)有知識圖譜往往存在知識覆蓋不全面等問題。為此，提出了一種基于大模型的知識圖譜補全方法，通過融合大模型的自然語言理解和知識推理能力，實現(xiàn)對缺失三元組的智能補全。首先利用知識嵌入模型獲取實體和關(guān)系的結(jié)構(gòu)化表征，繼而引入圖注意力網(wǎng)絡的自注意力和多頭注意力機制來捕捉復雜的關(guān)系模...

基于模型和算法的量化投資方法股票預測研究綜述————作者：李子煜;張金珠;高青山;

摘要：股票價格預測一直是金融研究熱點領(lǐng)域。近年來，量化投資方法憑借其客觀性、系統(tǒng)性與高效性，逐漸成為股票市場研究的主流方向。隨著大數(shù)據(jù)時代的到來，海量、多源、異構(gòu)的數(shù)據(jù)為市場建模與決策提供了豐富的信息基礎(chǔ)，有效融合多模態(tài)數(shù)據(jù)已成為提升預測準確性的關(guān)鍵路徑。文章系統(tǒng)梳理了量化投資方法的理論演進，回顧了機器學習在股票預測中的應用發(fā)展。圍繞數(shù)據(jù)、模型與算法三個維度，對近年來基于量化方法的研究成果進行了綜述，深...

面向知識圖譜的問答技術(shù)研究綜述————作者：錢慎一;付博文;李代祎;梁瑤瑤;

摘要：智能問答是從海量數(shù)據(jù)中精確、快速獲取需求信息的一種關(guān)鍵技術(shù)。近年來，智能問答技術(shù)發(fā)展成果顯著，例如，基于問題的信息提取技術(shù)，語義理解技術(shù)以及向量建模的方法等等。然而，隨著智能問答技術(shù)的迅速發(fā)展，人們迫切希望能夠?qū)χ悄軉柎鹉Ｐ陀幸粋�合理的劃分方式，以方便不同領(lǐng)域的用戶使用。為了合理劃分智能問答模型，方便智能問答領(lǐng)域研究者的深度研究。通過對知識圖譜問答領(lǐng)域相關(guān)文獻進行調(diào)查，實現(xiàn)了對當前知識圖譜問答關(guān)鍵...

貝葉斯算法改進擬態(tài)裁決方法的研究————作者：劉太昆;李彧;季新生;李召召;孫增振;孫遠航;

摘要：針對共模漏洞導致擬態(tài)裁決器多數(shù)一致性表決算法對網(wǎng)絡攻擊通過率較高的問題，提出了一種基于貝葉斯算法的擬態(tài)裁決優(yōu)化方法。通過構(gòu)建貝葉斯學習模型，挖掘執(zhí)行體間歷史表決數(shù)據(jù)集的深度特征，分析歸納其統(tǒng)計規(guī)律，并通過設計表決結(jié)果選擇策略和多數(shù)一致性策略相結(jié)合的輸出機制來解決網(wǎng)絡攻擊被錯誤輸出的問題，從而提高表決輸出結(jié)果的準確性，達到提高目標系統(tǒng)安全性的目的。鑒于不同執(zhí)行體間歷史表決數(shù)據(jù)的統(tǒng)計規(guī)律已通過貝葉斯學...

雙頻通道差異增強的圖像分類網(wǎng)絡————作者：袁姮;范桐桐;高原;

摘要：針對圖像分類網(wǎng)絡中圖像特征區(qū)分度偏低，進而降低特征表達能力的問題，提出雙頻通道差異增強的圖像分類網(wǎng)絡（Dual-Frequency Channel Difference Enhancement for Image Classification，DCDENet）。該網(wǎng)絡以ResNet-34殘差網(wǎng)絡為基礎(chǔ)。首先，提出自定義差異增強卷積（Custom Difference Enhancement Con...

基于多模態(tài)融合的無人機識別研究綜述————作者：李旻姝;周莫涵;支瑞聰;

摘要：隨著無人機技術(shù)的迅速發(fā)展，在相關(guān)技術(shù)應用越來越多的同時也帶來了許多安全隱患和監(jiān)管難題。反無人機檢測技術(shù)作為應對這些挑戰(zhàn)的重要手段，受到了廣泛的關(guān)注。傳統(tǒng)的無人機檢測方法依賴于單一的模態(tài)數(shù)據(jù)，例如視覺、音頻、雷達及射頻信號等，但這些單一模態(tài)數(shù)據(jù)在復雜場景下所獲取的信息有限。近年來，深度學習方法在小目標檢測領(lǐng)域取得良好進展，同時多模態(tài)融合技術(shù)的相關(guān)研究也使目標檢測的精度和魯棒性得到進一步的提升。這篇文...

基于頻域的抗壓縮隱蔽后門攻擊————作者：閆雷鳴;翟強眾;陳先意;

摘要：智能模型的后門攻擊可通過在訓練數(shù)據(jù)中嵌入觸發(fā)器的方式來毒化數(shù)據(jù)集，使模型在訓練過程中被植入后門。然而，圖像壓縮算法的廣泛應用顯著削弱了數(shù)據(jù)投毒后門攻擊的有效性。壓縮處理會嚴重破壞中毒圖像中觸發(fā)器的特征，導致后門攻擊的成功率急劇下降。針對這一問題，提出了一種基于頻域的抗壓縮隱蔽后門攻擊方法。利用圖像低頻成分對壓縮的天然抗性以及壓縮中的亮度保真性，選擇在Y通道的深層低頻信息中嵌入后門觸發(fā)器，以增強觸發(fā)...

深度學習在肋骨骨折輔助診斷中的應用————作者：李智唯;劉靜;張俊忠;魏德健;曹慧;

摘要：肋骨骨折特指肋骨結(jié)構(gòu)的完整性遭受完全或部分破壞，是臨床中最常見的胸部創(chuàng)傷之一。近幾年深度學習技術(shù)在輔助骨折診斷方面展現(xiàn)出發(fā)展的巨大潛力，因此針對肋骨骨折輔助診斷中所采用的深度學習方法進行了總結(jié)梳理。介紹了公開的影像學數(shù)據(jù)集，系統(tǒng)闡述了經(jīng)典卷積神經(jīng)網(wǎng)絡在肋骨骨折病灶識別中的應用，闡述了基于單網(wǎng)絡模型的肋骨骨折改進算法、基于多網(wǎng)絡模型的肋骨骨折改進算法、原創(chuàng)肋骨骨折病灶識別算法以及人工智能在肋骨骨折輔...

基于歸一化流退火重要性抽樣的安全關(guān)鍵場景生成————作者：曾昭汰;石晴;余國寬;范萱;馬智文;

摘要：自動駕駛系統(tǒng)測試與評估的主流方法是虛擬仿真測試，而測試場景是虛擬仿真測試的關(guān)鍵。為了同時解決測試場景生成的“維度詛咒”和安全關(guān)鍵事件的罕見性問題，提出了歸一化流退火重要性抽樣（NF-AIS）方法。首先，從HighD數(shù)據(jù)集提取車輛動作數(shù)據(jù)，通過歸一化流（NF）模型訓練生成自然駕駛行為動作分布；然后，將該分布作為退火重要性抽樣（AIS）的初始分布，靈活調(diào)整抽樣權(quán)重以增大危險動作的比例；最后，以最小化α...

　　計算機工程與應用來自網(wǎng)友的投稿評論：

• Yangming_ak

  審稿費120元，外審速度比較快，幾天時間就有答復。碩士一作，導師通訊，帶有國家級基金。外審專家給的意見不痛不癢，但是編輯直接給我退了。。可能是變成中文EI 之后要求變的越來越高了。

  2024-09-02 17:10
• 帶頭大哥666

  計算機工程與應用雜志的兩位審稿老師給了很中肯的建議，二十天左右返回的結(jié)果，修回后編輯部又再次送了外審，修改后發(fā)表，終于不用擔心了。雜志一直是我們學校認可度很高的一本雜志，他們雜志還是挺嚴謹?shù)模�處理速度也挺快，給朋友們做個參考！

  2024-08-16 07:57
• 奔跑的辣椒醬

  初審很快（2--3天），而后收取120元審稿費，由評審專家外審，一個多月后，告知創(chuàng)新性不足，直接退稿。

  2024-06-13 14:51
• Yangming_ak

  外審一個月被退稿，有退稿意見

  2024-06-02 14:49
• 帶頭大哥666

  這個審稿速度完全取決于外審，編輯部的速度挺快的 審稿費是120元 我是2024年2月28號投稿的，初審、編輯部初審、待交審稿費、 編委審稿這幾步3月1號就已經(jīng)完成了 但是后面的外審用了快2個月，中間催了兩次，第一次說沒有辦法催，等2個月左右，編輯部會催，等4月底的時候催了一次，說他們已經(jīng)催過了，讓我在等等 然后大概過了5天左右，終于有結(jié)果了：缺乏動機分析，難以理解創(chuàng)新動機拒稿（拒稿取決于外審專家，這個外審專家說建議退稿。）

  2024-05-02 14:20

提交