【雜志簡(jiǎn)介】

　　人工智能和模式識(shí)別是目前國(guó)際發(fā)展迅速的學(xué)科之一，本刊發(fā)表與此有關(guān)的最新研究結(jié)果和進(jìn)展，旨在推動(dòng)信息科學(xué)技術(shù)的發(fā)展。本刊面向各高等院校，研究機(jī)構(gòu)和企業(yè)的科研人員、教師、工程技術(shù)人員及研究生和高年級(jí)大學(xué)生。集信息、知識(shí)、趣味、可讀性于一體,以模式識(shí)別與人工智技術(shù)見長(zhǎng),博采、精選國(guó)內(nèi)外模式識(shí)別與人工智研究、開發(fā)與應(yīng)用的精華。

　　【影響因子】

　　國(guó)家新聞出版總署收錄　自1992年以來，一直被《中文核心期刊要目總覽》收為自動(dòng)化技術(shù)、計(jì)算機(jī)技術(shù)領(lǐng)域核心刊物。

　　1994年起，為《中國(guó)學(xué)術(shù)期刊文摘》引用期刊。

　　1995年，被美國(guó)工程信息公司(Ei)收為Ei Page One數(shù)據(jù)庫(kù)收錄期刊。

　　1996年被《中國(guó)科學(xué)引文數(shù)據(jù)庫(kù)》列為來源期刊及統(tǒng)計(jì)源。

　　1998年，被教育部定為“學(xué)位與研究生教育中文重要期刊”之一。

　　1999年～2000年，獲國(guó)家自然科學(xué)基金委擇優(yōu)支持基礎(chǔ)性和高科技學(xué)術(shù)期刊專項(xiàng)資助經(jīng)費(fèi)資助。

　　2008年，被 EI Compendex 數(shù)據(jù)庫(kù)收錄。

　　【欄目設(shè)置】

　　主要欄目：論文與報(bào)告、綜述與評(píng)論、研究與應(yīng)用、信息與動(dòng)態(tài)等。

　　雜志優(yōu)秀目錄參考：

　　動(dòng)態(tài)網(wǎng)絡(luò)上最大流概念及其性質(zhì)的研究 張鈴，ZHANG Ling

　　第六屆ABB杯全國(guó)自動(dòng)化系統(tǒng)工程師論文大賽征文通知

　　情感等級(jí)BDI主體模型研究 張曉君，周昌樂，ZHANG Xiao-Jun，ZHOU Chang-Le

　　適于漸變概念漂移數(shù)據(jù)的自適應(yīng)分類算法 張景祥，王士同，鄧趙紅，Zhang Jing-Xiang，Wang Shi-Tong，Deng Zhao-Hong

　　實(shí)現(xiàn)穩(wěn)定雙向認(rèn)知映射的逆向云變換算法 許昌林，王國(guó)胤，XU Chang-Lin，WANG Guo-Yin

　　一種基于液體狀態(tài)機(jī)的音樂和弦序列識(shí)別方法 張冠元，王斌，ZHANG Guan-Yuan，WANG Bin

　　基于類原型的復(fù)雜網(wǎng)絡(luò)重疊社區(qū)發(fā)現(xiàn)方法 姜雅文，賈彩燕，于劍，JIANG Ya-Wen，JIA Cai-Yan，YU Jian

　　基于稀疏表示的KCCA方法及在表情識(shí)別中的應(yīng)用 周曉彥，鄭文明，辛明海，ZHOU Xiao-Yan，ZHENG Wen-Ming，XIN Ming-Hai

　　基于文本密度模型的Web正文抽取 朱澤德，李淼，張健，陳雷，曾新華，ZHU Ze-De，LI Miao，ZHANG Jian，CHEN Lei，ZENG Xin-Hua

　　核正交判別局部正切空間對(duì)齊算法 鄭剛民，夏蘇娜，馬媛媛，馬小虎，ZHENG Gang-Min，XIA Su-Na，MA Yuan-Yuan，MA Xiao-Hu

　　基于粒子濾波與稀疏表達(dá)的目標(biāo)跟蹤方法 楊大為，叢楊，唐延?xùn)|，YANG Da-Wei，CONG Yang，TANG Yan-Dong

　　引入跟蹤搜索和免疫選擇的人工蜂群算法 付麗，羅鈞，F(xiàn)U Li，LUO Jun

　　電子信息職稱論文：對(duì)醫(yī)院電子檔案管理工作的幾點(diǎn)認(rèn)識(shí)

　　[摘要]隨著醫(yī)院現(xiàn)代化的建設(shè)，計(jì)算機(jī)使用的普及，對(duì)醫(yī)院的各種公文文件、數(shù)據(jù)報(bào)表、病案管理等方面，都提出了更高的要求，原有的檔案管理模式已難以適應(yīng)現(xiàn)代醫(yī)院檔案工作的發(fā)展要求。為了更好地服務(wù)醫(yī)院，本文談幾點(diǎn)對(duì)醫(yī)院電子檔案工作的認(rèn)識(shí)，以推進(jìn)電子檔案的管理和推廣。

　　[關(guān)鍵詞]電子信息職稱論文,醫(yī)院電子檔案,管理,質(zhì)量

　　一、 醫(yī)院實(shí)行電子檔案管理的優(yōu)勢(shì)

　　隨著信息化的發(fā)展，特別是隨著辦公自動(dòng)化的進(jìn)一步擴(kuò)展和深化，電子計(jì)算機(jī)和通信技術(shù)相結(jié)合形成了信息技術(shù)產(chǎn)業(yè)，過去用紙墨、照相形成和傳遞的政府機(jī)關(guān)公文以及圖書、影像、文獻(xiàn)資料等，都可用電子計(jì)算機(jī)進(jìn)行管理，而記錄檔案信息的載體也日趨多樣化，包括文本文件、電子報(bào)表、電子郵件、圖像文件、視頻文件等，在管理方式、載體形式、信息互動(dòng)等方面對(duì)紙質(zhì)檔案形成巨大的沖擊。電子檔案的優(yōu)勢(shì)是：

　　模式識(shí)別與人工智能最新期刊目錄

基于全局-局部先驗(yàn)和紋理細(xì)節(jié)關(guān)注的圖像修復(fù)————作者：徐祺津;葉海良;曹飛龍;梁吉業(yè);

摘要：圖像修復(fù)旨在利用周圍信息填充圖像中的缺失區(qū)域，然而現(xiàn)有基于先驗(yàn)的方法大多難以兼顧全局語(yǔ)義一致性和局部紋理細(xì)節(jié).因此，文中提出基于全局-局部先驗(yàn)和紋理細(xì)節(jié)關(guān)注的圖像修復(fù)方法，結(jié)合小波卷積與傅里葉卷積，構(gòu)造小波-傅里葉卷積塊，增強(qiáng)局部特征和全局特征的交互.在此基礎(chǔ)上，提出全局-局部學(xué)習(xí)式先驗(yàn)，通過一個(gè)由小波-傅里葉卷積塊構(gòu)成的先驗(yàn)提取器，同時(shí)學(xué)習(xí)全局先驗(yàn)和局部先驗(yàn).該先驗(yàn)提取器作用于受損圖像和完整圖像...

耦合映射的非等距三維模型簇對(duì)應(yīng)關(guān)系計(jì)算————作者：楊軍;薛又中;

摘要：針對(duì)現(xiàn)有非等距模型簇對(duì)應(yīng)關(guān)系計(jì)算方法準(zhǔn)確率較低且泛化能力較差的問題，文中提出耦合映射的非等距三維模型簇對(duì)應(yīng)關(guān)系計(jì)算方法.首先，使用DiffusionNet直接從三維模型中提取初始特征，獲取具有鑒別能力的特征描述符.然后，使用描述符分別計(jì)算函數(shù)映射矩陣與逐點(diǎn)映射矩陣，并對(duì)兩種矩陣分別施加結(jié)構(gòu)正則化約束與執(zhí)行Softmax歸一化，得到最優(yōu)耦合映射矩陣.最后，基于虛擬模板的模型簇匹配模塊以模型初始特征作...

基于語(yǔ)義的小樣本學(xué)習(xí)原型優(yōu)化方法————作者：劉媛媛;邵明文;張黎旭;邵浚;

摘要：語(yǔ)義信息可為小樣本學(xué)習(xí)提供豐富的先驗(yàn)知識(shí)，然而，現(xiàn)有的小樣本研究只在淺層結(jié)合圖像與語(yǔ)義，無法充分利用語(yǔ)義探索類別特征，從而限制模型性能.為了緩解此問題，文中提出基于語(yǔ)義的小樣本學(xué)習(xí)原型優(yōu)化方法.首先，設(shè)計(jì)逐通道級(jí)語(yǔ)義提示模塊，引導(dǎo)方法提取視覺特征，逐步優(yōu)化類原型.然后，設(shè)計(jì)多模態(tài)邊界損失，將視覺和語(yǔ)義維度上的類間相關(guān)性與損失函數(shù)結(jié)合，約束方法增強(qiáng)類原型的區(qū)分性.最后，通過兩階段微調(diào)，充分利用語(yǔ)義知...

基于網(wǎng)絡(luò)形式背景的雙層網(wǎng)絡(luò)傳染病模型————作者：范敏;陳瑞;李金海;

摘要：雙層網(wǎng)絡(luò)傳染病模型已成為復(fù)雜網(wǎng)絡(luò)動(dòng)力學(xué)中的熱點(diǎn)問題之一.然而，現(xiàn)有研究忽略防疫意識(shí)和行為對(duì)傳染病傳播的影響，在遇到個(gè)體防疫行為差異較大時(shí)，難以反映實(shí)際的傳染病傳播情況.因此，文中從行為模式識(shí)別的角度出發(fā)，結(jié)合形式概念分析與微觀馬爾可夫鏈方法(Microscopic Markov Chain Approach, MMCA),提出基于網(wǎng)絡(luò)形式背景的雙層網(wǎng)絡(luò)傳染病模型.首先，定義雙層網(wǎng)絡(luò)形式背景、網(wǎng)絡(luò)概...

基于知識(shí)蒸餾與動(dòng)態(tài)區(qū)域細(xì)化的人體姿態(tài)估計(jì)————作者：魏龍生;付興朋;李唐強(qiáng);黃浩宇;

摘要：人體姿態(tài)估計(jì)方法分為基于坐標(biāo)回歸的方法和基于熱圖的方法.基于坐標(biāo)回歸的方法推理速度較快但精度較差，基于熱圖的方法可精確定位，但計(jì)算量和存儲(chǔ)開銷較大.因此，文中通過知識(shí)蒸餾，結(jié)合兩種方法，提出基于知識(shí)蒸餾與動(dòng)態(tài)區(qū)域細(xì)化的人體姿態(tài)估計(jì)方法.首先，在特征蒸餾與姿態(tài)蒸餾兩方面將熱圖模型的信息傳遞給回歸模型.然后，對(duì)經(jīng)過多層Transformer提取的特征進(jìn)行選擇，在粗略化階段根據(jù)提取的特征生成初步姿態(tài)估計(jì)...

海森輔助的概率策略梯度方法————作者：胡磊;李永強(qiáng);馮宇;馮遠(yuǎn)靜;

摘要：強(qiáng)化學(xué)習(xí)中的策略梯度方法因其通用性而廣泛應(yīng)用于連續(xù)決策問題，但高梯度方差導(dǎo)致的低樣本利用率始終制約其實(shí)際應(yīng)用性能.文中提出海森輔助的概率策略梯度方法(Hessian Aided Probabilistic Policy Gradient Method, HAPPG),在PAGE(Probabilistic Gradient Estimator)的基礎(chǔ)上設(shè)計(jì)雙模態(tài)梯度估計(jì)機(jī)制：在大批量估計(jì)中增加歷史...

第二十七屆中國(guó)科協(xié)年會(huì)“模式識(shí)別與人工智能前沿研討”專題征稿通知

摘要：<正>為著力打造中國(guó)科技界示范學(xué)術(shù)品牌,涵養(yǎng)學(xué)術(shù)生態(tài),服務(wù)高水平科技自立自強(qiáng),中國(guó)科協(xié)組織全國(guó)學(xué)會(huì)聯(lián)合國(guó)家戰(zhàn)略科技力量,圍繞“培育新質(zhì)生產(chǎn)力,服務(wù)高水平科技自立自強(qiáng)”主題,組織開展第二十七屆中國(guó)科協(xié)年會(huì)系列學(xué)術(shù)活動(dòng)。中國(guó)自動(dòng)化學(xué)會(huì)將于2025年7月在北京承辦“模式識(shí)別與人工智能前沿研討”專題論壇,匯聚全球頂尖專家學(xué)者,共探模式識(shí)別與人工智能前沿科技與發(fā)展趨勢(shì),為我國(guó)人工智能發(fā)展提供智力支撐。《模式...

主編寄語(yǔ)————作者：鄭南寧;

摘要：<正>時(shí)光飛逝、歲月疾馳，當(dāng)我們每個(gè)人都在為學(xué)習(xí)、工作和生活忙碌奔波不停的時(shí)候，2025年悄然而至，新的華彩篇章也徐徐開啟。舊符煥彩，新禧呈祥，在這個(gè)大地回春、萬(wàn)物復(fù)蘇的美好時(shí)刻，我謹(jǐn)代表編輯委員會(huì)和編輯部全體成員向關(guān)心和支持《模式識(shí)別與人工智能》發(fā)展的廣大專家學(xué)者致以誠(chéng)摯的祝福和問候!祝大家在新的一年里身體健康!工作順利!萬(wàn)事如意!2024年，既是中華人民共和國(guó)成立75周年，也是《模式識(shí)別與人工...

廣義多尺度多重集值決策系統(tǒng)的最優(yōu)尺度約簡(jiǎn)————作者：劉夢(mèng)欣;謝禎晃;吳偉志;朱康;

摘要：多尺度數(shù)據(jù)的知識(shí)表示與知識(shí)獲取是現(xiàn)階段多粒度計(jì)算研究的一個(gè)重要方向.在分析多尺度數(shù)據(jù)時(shí)，一個(gè)關(guān)鍵問題是最優(yōu)尺度組合的選擇，其目的是選擇合適的子系統(tǒng)用于最終決策.因此文中針對(duì)多尺度多重集值數(shù)據(jù)的知識(shí)獲取問題展開研究.首先，基于海林格距離，在廣義多尺度多重集值決策系統(tǒng)中構(gòu)造不同尺度組合下對(duì)象集上的相似關(guān)系，給出廣義多尺度多重集值決策系統(tǒng)的信息粒表示.然后，在協(xié)調(diào)廣義多尺度多重集值決策系統(tǒng)中，定義最優(yōu)尺...

基于對(duì)抗強(qiáng)化學(xué)習(xí)的多跳知識(shí)推理————作者：成凌云;郭銀章;劉青芳;

摘要：為了解決現(xiàn)有知識(shí)圖譜問答中多跳推理模型在復(fù)雜關(guān)系中表示不足、數(shù)據(jù)稀疏性及強(qiáng)化學(xué)習(xí)推理中存在虛假路徑等問題，文中提出基于對(duì)抗強(qiáng)化學(xué)習(xí)的多跳知識(shí)推理模型.首先，通過高階分解關(guān)系向量，實(shí)現(xiàn)實(shí)體與關(guān)系特征參數(shù)化組合，并在聚合鄰居節(jié)點(diǎn)時(shí)引入注意力機(jī)制，賦予不同權(quán)重，增強(qiáng)復(fù)雜關(guān)系的表示能力.還設(shè)計(jì)知識(shí)圖譜嵌入框架，用于衡量嵌入空間中〈主題實(shí)體，問題，答案實(shí)體〉的可信度.然后，將多維信息融入強(qiáng)化學(xué)習(xí)框架的狀態(tài)表...

基于多尺度空間自適應(yīng)注意力網(wǎng)絡(luò)的輕量級(jí)圖像超分辨率方法————作者：黃峰;劉鴻偉;沈英;裘兆炳;陳麗瓊;

摘要：針對(duì)現(xiàn)有圖像超分辨率重建方法存在模型復(fù)雜度過高和參數(shù)量過大等問題，文中提出基于多尺度空間自適應(yīng)注意力網(wǎng)絡(luò)(Multi-scale Spatial Adaptive Attention Network, MSAAN)的輕量級(jí)圖像超分辨率重建方法.首先，設(shè)計(jì)全局特征調(diào)制模塊(Global Feature Modulation Module, GFM),學(xué)習(xí)全局紋理特征.同時(shí)，設(shè)計(jì)輕量級(jí)的多尺度特征聚合...

融合數(shù)據(jù)質(zhì)量增強(qiáng)和時(shí)空信息編碼網(wǎng)絡(luò)的船舶海上軌跡預(yù)測(cè)方法————作者：石悅;羅賀;蔣儒浩;王國(guó)強(qiáng);

摘要：高精度的海上船舶軌跡預(yù)測(cè)是降低船舶碰撞風(fēng)險(xiǎn)、提升船舶搜救效率的重要基礎(chǔ).海上航行環(huán)境的多變性使船舶軌跡數(shù)據(jù)在時(shí)間和空間上具有高度復(fù)雜性，現(xiàn)有方法對(duì)船舶軌跡數(shù)據(jù)的質(zhì)量及運(yùn)動(dòng)信息關(guān)注度不足，難以充分捕捉軌跡中的時(shí)空特征和關(guān)聯(lián)信息.因此，文中提出融合數(shù)據(jù)質(zhì)量增強(qiáng)和時(shí)空信息編碼網(wǎng)絡(luò)的船舶海上軌跡預(yù)測(cè)方法(Ship Maritime Trajectory Prediction Method Integrat...

面向動(dòng)態(tài)數(shù)據(jù)的聯(lián)合自表示子空間聚類方法————作者：張漢濤;趙杰煜;葉緒倫;

摘要：自表示子空間聚類方法在高維數(shù)據(jù)處理中表現(xiàn)優(yōu)秀，已成為該領(lǐng)域的關(guān)鍵技術(shù)之一.然而，傳統(tǒng)的自表示模型通常假設(shè)數(shù)據(jù)集是靜態(tài)的，難以適應(yīng)動(dòng)態(tài)、連續(xù)到達(dá)的數(shù)據(jù)流，會(huì)導(dǎo)致新舊數(shù)據(jù)存在特征異構(gòu)、新到樣本可能包含未知新類別等情況.因此，文中提出聯(lián)合自表示子空間聚類方法(Joint Self-Expressive Subspace Clustering Method, JSSC),可適應(yīng)數(shù)據(jù)流的連續(xù)到達(dá).JSSC結(jié)...

融合深淺層次知識(shí)的自學(xué)習(xí)TSK模糊癲癇輔助檢測(cè)算法————作者：施奇環(huán);張雄濤;

摘要：Takagi-Sugeno-Kang(TSK)模糊分類器在癲癇檢測(cè)中用于處理模糊信息.然而，由于癲癇腦電信號(hào)復(fù)雜、患者發(fā)作表現(xiàn)多樣，一階TSK模糊分類器通常難以從訓(xùn)練樣本中獲取足夠的泛化性能.因此，文中提出融合深淺層次知識(shí)的具有自我學(xué)習(xí)能力的TSK模糊分類算法(Deep-Shallow Mix Self-Learning TSK, DSMT),用于癲癇輔助檢測(cè).DSMT引入類似人類“反思-歸納”的...

關(guān)于2025年度國(guó)家自然科學(xué)基金項(xiàng)目申請(qǐng)與結(jié)題等有關(guān)事項(xiàng)的通告

摘要：<正>國(guó)家自然科學(xué)基金委員會(huì)(以下簡(jiǎn)稱自然科學(xué)基金委)堅(jiān)持以習(xí)近平新時(shí)代中國(guó)特色社會(huì)主義思想為指導(dǎo)，全面貫徹黨的二十大和二十屆二中、三中全會(huì)精神，深刻領(lǐng)會(huì)習(xí)近平總書記關(guān)于基礎(chǔ)研究的重要論述和指示批示精神，堅(jiān)持需求導(dǎo)向和自由探索，堅(jiān)持“四個(gè)面向”的戰(zhàn)略導(dǎo)向，牢牢把握科學(xué)基金新定位，強(qiáng)化基礎(chǔ)研究前瞻性、戰(zhàn)略性、系統(tǒng)性布局，推進(jìn)教育、科技、人才一體化發(fā)展

融合級(jí)聯(lián)頻域特征的信息微觀擴(kuò)散預(yù)測(cè)模型————作者：賴雨陽(yáng);朱小飛;

摘要：微觀擴(kuò)散預(yù)測(cè)對(duì)于深入理解信息在社會(huì)網(wǎng)絡(luò)中的傳播具有關(guān)鍵意義.為了進(jìn)一步提升信息傳播預(yù)測(cè)的精準(zhǔn)度，文中提出融合級(jí)聯(lián)頻域特征的信息微觀擴(kuò)散預(yù)測(cè)模型.首先，基于用戶友誼關(guān)系和歷史級(jí)聯(lián)，分別構(gòu)建社交圖和信息擴(kuò)散超圖，并利用圖卷積神經(jīng)網(wǎng)絡(luò)提取用戶在社交關(guān)系和轉(zhuǎn)發(fā)行為上的表征.然后，應(yīng)用傅立葉變換，將級(jí)聯(lián)的時(shí)域特征映射至頻域，通過高頻分量與低頻分量捕捉級(jí)聯(lián)的短期波動(dòng)和長(zhǎng)期趨勢(shì).最后，為了生成更具表現(xiàn)力的用戶表...

生物拓?fù)湔Z(yǔ)義增強(qiáng)的藥物與微生物異質(zhì)圖表征學(xué)習(xí)————作者：郭全明;郭延哺;宋勝利;陳紫豪;朱昊坤;

摘要：微生物與藥物的相互作用對(duì)人體健康具有重要影響.現(xiàn)有關(guān)聯(lián)預(yù)測(cè)方法未充分建模異質(zhì)圖的內(nèi)部節(jié)點(diǎn)信息，且忽略不同元路徑實(shí)例蘊(yùn)含信息的重要性.為此，文中提出生物拓?fù)湔Z(yǔ)義增強(qiáng)的藥物與微生物異質(zhì)圖表征學(xué)習(xí)方法(Biological Topology-Semantic Enhanced Heterogeneous Graph Representation Learning for Drug-Microbe Int...

基于自適應(yīng)組合濾波器的譜圖神經(jīng)網(wǎng)絡(luò)————作者：李偉諾;黃梅香;盧福良;屠良平;

摘要：譜圖神經(jīng)網(wǎng)絡(luò)(Spectral Graph Neural Networks, SGNNs)在處理同配圖數(shù)據(jù)時(shí)性能較優(yōu).然而，現(xiàn)有的SGNNs大多基于拉普拉斯矩陣的多項(xiàng)式近似設(shè)計(jì)濾波器，難以有效捕獲圖譜信號(hào)中的高頻部分，進(jìn)而限制其在異配圖數(shù)據(jù)上的應(yīng)用.此外，基于拉普拉斯矩陣設(shè)計(jì)的濾波器僅反映圖拓?fù)涞娜�局結(jié)構(gòu)特征，無法靈活適應(yīng)圖數(shù)據(jù)中復(fù)雜的局部模式.為此，文中提出基于自適應(yīng)組合濾波器的譜圖神經(jīng)網(wǎng)絡(luò)(S...

高量子位橫場(chǎng)伊辛模型的通用波函數(shù)重構(gòu)————作者：叢爽;林麗敏;

摘要：為了研究重構(gòu)高維橫場(chǎng)伊辛模型中基態(tài)波函數(shù)的泛化性能，文中提出高量子位通用波函數(shù)概率分布重構(gòu)模型.該模型利用Mamba的自回歸特性，同時(shí)結(jié)合高效采樣流程，無需額外標(biāo)簽樣本就能自動(dòng)生成獨(dú)立訓(xùn)練樣本.結(jié)合多基態(tài)尺度縮放與變分蒙特卡洛優(yōu)化策略，僅利用少量小區(qū)間內(nèi)的不同物理參數(shù)訓(xùn)練高量子位通用波函數(shù)的模型權(quán)值.在40量子位系統(tǒng)波函數(shù)重構(gòu)的數(shù)值仿真實(shí)驗(yàn)中，僅需采用外場(chǎng)強(qiáng)度為0.5至1.5的部分值進(jìn)行權(quán)值訓(xùn)練，...

輕量化特征點(diǎn)及可變形描述符提取網(wǎng)絡(luò)————作者：方寶富;張克傲;王浩;袁曉輝;

摘要：特征點(diǎn)提取是視覺同時(shí)定位與建圖(Visual Simultaneous Localization and Mapping, VSLAM)的重要步驟之一，近年來出現(xiàn)的基于深度學(xué)習(xí)的特征點(diǎn)提取方法通常效率較低，無法滿足實(shí)時(shí)性要求，也不能提供描述符所需的幾何不變性.為此，文中提出輕量化特征點(diǎn)及可變形描述符提取網(wǎng)絡(luò)(Lightweight Keypoint and Deformable Descripto...

　　相關(guān)電子信息期刊推薦

• 國(guó)家級(jí)無線電通信技術(shù)
• 省級(jí)《IT時(shí)代周刊》
• 北大核心《網(wǎng)絡(luò)新媒體技術(shù)》
• 北大核心《計(jì)算機(jī)科學(xué)》
• 國(guó)家級(jí)《互聯(lián)網(wǎng)天地》
• 國(guó)家級(jí)軟件工程
• 國(guó)家級(jí)軟件和信息服務(wù)
• 國(guó)家級(jí)《電子制作》
• 省級(jí)現(xiàn)代計(jì)算機(jī)(專業(yè)版)
• 國(guó)家級(jí)電腦應(yīng)用文萃
• 國(guó)家級(jí)電力技術(shù)
• 國(guó)家級(jí)《電子工業(yè)專用設(shè)備》
• 省級(jí)《湘潭師范學(xué)院學(xué)報(bào)》
• 國(guó)家級(jí)中國(guó)電子與網(wǎng)絡(luò)出版
• 省級(jí)《北京廣播電視大學(xué)學(xué)報(bào)》
• 國(guó)家級(jí)《艦船電子對(duì)抗》
• 省級(jí)《廣東廣播電視大學(xué)學(xué)報(bào)》
• 省級(jí)《甘肅廣播電視大學(xué)學(xué)報(bào)》
• 國(guó)家級(jí)大眾硬件
• 國(guó)家級(jí)《系統(tǒng)仿真學(xué)報(bào)》
• 省級(jí)《信息安全與通信保密》
• 省級(jí)《信號(hào)處理》
• 國(guó)家級(jí)軟件世界
• 省級(jí)電子與自動(dòng)化
• 省級(jí)《軟件產(chǎn)業(yè)與工程》
• 國(guó)家級(jí)網(wǎng)絡(luò)新媒體技術(shù)
• 國(guó)家級(jí)《電氣電子教學(xué)學(xué)報(bào)》
• 國(guó)家級(jí)《消費(fèi)電子》
• 國(guó)家級(jí)電子科技文摘
• 國(guó)家級(jí)程序員

　　核心期刊推薦