• 主题
高级搜索  >
历史搜索 清空历史
您现在的位置：首页> 中文期刊>其他>计算机科学与应用

计算机科学与应用

计算机科学与应用

《计算机科学与应用》是一本关注计算机应用领域最新进展的国际中文期刊，主要刊登计算机基础学科、人工智能、计算机仿真及应用领域内最新技术及成果展示的相关论文。本刊支持思想创新、学术创新，倡导科学，繁荣学术，集学术性、思想性为一体，旨在为了给世界范围内的科学家、学者、科研人员提供一个传播、分享和讨论计算机科学领域内不同方向问题与发展的交流平台。
  • 发文量：1268
  • 被引量：338
  • H指数：0
  • 开始收录时间：2011,1(1)
  • CNKI综合因子：0.0
  • 维普期刊影响因子： 0.26
  • 万方期刊影响因子：0.0
  • 创刊时间：2011
  • 国内刊号/CN：-
    国际刊号/ISSN：2161-8801
  • 发行周期：月刊
    邮发代号：-
  • 主管单位：-
    主办单位：汉斯出版社
计算机科学与应用-联系信息
  • 主编：-
  • 电话：027-86758873-8136
  • 邮箱：csa@hanspub.org
  • 地址：武汉市江夏区汤逊湖北路38号光谷总部空间5栋4楼
  • 邮编：430200
计算机科学与应用-获奖情况
  • 暂无获奖信息
  • 收录汇总
  • 刊内文献检索
  • 投稿信息

刊期浏览

计算机科学与应用 >2023年第10期

学科

年度

全选（0）
排序：
共4384条结果
  • 摘要：随着传感器和物联网的广泛应用,大量的多维时间序列被收集。然而,由于传感器损坏、环境变化和机器故障等不同原因,在多维时间序列中存在着许多缺失值,这些缺失值给多维时间序列的下游应用及分析带来了进一步挑战。为此,本文提出了一种基于生成式对抗网络的多维时间序列缺失值补插算法。具体来说,我们使用自编码器作为生成式对抗网络的生成器,循环神经网络作为生成式对抗网络的判别器。利用生成式对抗网络强大的生成能力对多维时间序列数据中的缺失值进行修复。此外,在自编码器的结构中引入注意力机制,使得自编码器在进行缺失值修复时,不但能够考虑到其他维度对该缺失值的影响,还可以直接为重要信息分配更大的权重比例,使得自编码器在修复缺失值时能够更加关注这些重要信息,从而使得修复的缺失值更加准确。通过在PhysioNet数据集上的实验证明,本文提出的方法在多维时间序列缺失值补插方面具有优越的性能。
  • 摘要：当今社会老龄化程度逐步加重,老年人的看护问题日益凸显。基于视频识别的老年人异常行为识别旨在助力老年人看护问题。但该领域相关公开的老年人异常行为数据稀缺。针对这种情况,本文收集了老年人异常行为数据,并结合小样本学习设计了老年人异常行为识别模型(RAAE, Recognition model of Abnormal Action of the Elderly)。该网络通过patch级富集模块获取patch级空间信息,后接通道注意力模块获取帧间时间语义信息,最后通过CrossTransformer进行时间建模。实验表明该网络和以往模型相比,对老年人异常行为的识别准确率得到了4.7%的提升。
  • 摘要：武汉公交地铁无障碍出行应用是一款主要辅助轮椅无障碍出行的工具,在对其进行无障碍设施数据维护过程中遇到了数据重复存储、错乱和梳理更新困难等问题。目前使用图数据库Neo4j应用于无障碍应用的研究较少,本文以武汉市地铁无障碍设施为例,对比武汉地铁无障碍出行移动应用中使用的MySQL和数据采集系统中使用的Neo4j两种数据库,通过阐述两者的存储表结构、使用利弊和查询表现后,以数据采集上报模块为应用点验证了使用Neo4j的可行性和有效性。
  • 摘要：随着国民经济的快速增长,人们的生活水平日益提高,私家车的数量不断增加,导致城市出现一系列交通拥堵问题和事故。因此,对于城市交通监控、导航、路线规划和乘车共享来说,感知给定城市路径的通行时间至关重要。以前的方法总是感知单个路径的通行时间,然后将它们相加为整个路径的通行时间。我们提出了一个基于时空的深度学习框架来感知整个路径的通行时间。更具体地说,我们使用卷积神经网络来捕获时间和空间依赖性。由于还有一些影响因素(如天气、时间、驾驶员等)影响通行时间,我们添加了一个影响因素模块来预处理数据。大量的实验证明,我们提出的模型显著优于其他已知模型。
  • 摘要：现有的自监督学习使用单一的空间或时间代理任务。单一的代理任务,从未标记的数据中提供单一的监督信号,不足以描述视频表示学习的空间特征和时间特征之间的差异。在本文中,我们提出了一个多任务对比学习方法,它通过对多个时空代理任务的对比学习,在时空自注意力的情况下学习有区别的时空特征。不同的空间代理任务学习不同的空间特征,包括空间旋转和空间拼图。不同的时间代理任务学习不同的时间特征,包括时间顺序和时间节奏。我们将视频表示为每个代理任务的多个不同特征,并设计基于代理任务的对比损失来分离一个视频中学习的空间特征和时间特征。基于代理任务的对比损失鼓励不同代理任务学习不同的特征,同一代理任务学习相似的特征,可以学习到同一视频中每个代理任务的判别特征。实验表明,在UCF-101数据集和HMDB-51数据集的行为识别上优于现有的自监督学习方法。
  • 摘要：通过对Tan等人提出的基于椭圆曲线上的离散对数问题(ECDLP)的代理盲签名方案分析,指出该方案具有不安全性,不能抵抗四种常见的伪造攻击:原始签名者和签名接收者的伪造、一般性攻击及签名接收者的一般伪造攻击,且不满足不可链接性。为了克服上述不足之处,提出了一种改进的方案,在代理授权阶段引入委托证书改进代理签名私钥,同时去掉签名生成阶段的参数,使得可以抵抗原始签名者和接收者的伪造攻击,其安全性等价于解离散对数难题,同时方案也具有不可链接性。同时在签名阶段引入签名请求者的私钥,代理签名人无法将盲消息的签名和消息签名联系起来,即签名是不可追踪的。
  • 摘要：我国自乡村振兴战略施行以来,不断促进乡村耕地的改良扩张,通过遥感图像对其面积的检测提取对于保障我国农村产业发展起到至关重要的作用。针对本文采用的数据集,普通DeepLabV3+模型缺少对条形结构区域以及离散结构区域特征的关注,并且缺少自适应的特征层融合过程,针对该问题,本文提出一种以MobileNetV2为骨干网络的轻量型改进DeepLabV3+模型。首先,通过MobileNetV2提取遥感图像特征;其次,将空间金字塔模块(ASPP)中的全局平均池化层替换为条形池化层,便于提取条形区域以及离散区域的特征信息;最后,为了获得多尺度特征信息,加入自适应特征融合模块,对不同特征层的特征进行融合,提高网络的特征表达能力。实验结果表明在不同类型的数据集中,改进DeepLabV3+模型的性能相比普通DeepLabV3+模型以及现有主流网络模型得到了一定提升,一定程度上改善了DeepLabV3+的不足,提高了遥感图像语义分割能力。
  • 摘要：针对传统同态滤波计算复杂、实时性差、参数多且最优参数获取困难等问题,本文提出一种基于自适应同态滤波的低照度彩色图像增强算法。为避免增强图像颜色失真,基于HSV色彩空间,仅对V分量进行增强处理;结合离散余弦变换(Discrete Cosine Transform, DCT)及指对变换实现图像空间域与频率域的相互转换;基于sigmoid函数构造单参数同态滤波函数,以峰值信噪比(PSNR)和结构相似性(SSIM)为指标,建立一种图像评价模型,并采取等步长间隔法实现最优参数的自适应选取;选取信息熵、平均梯度和对比度对道路及建筑图像进行定量评价,实验结果表明,本文算法可有效校正低照度图像亮度不均问题,提高了图像对比度,图像细节信息得到了进一步丰富。
  • 摘要：对于移动P2P网络这样高分布式异构的环境而言,为了较好地实现各终端系统协同合作和资源共享的目标,维护和提高网络的性能,构建一个性能良好的网络拓扑是研究的关键,本文针对这一特性,基于半分布式拓扑与完全分布式拓扑相结合的混合移动网络模型,建立了带有重试空间与工作故障的两阶段排队模型。利用拟生灭过程、矩阵几何解方法和Gauss-Seidel迭代法得到了网络模型稳态下的概率分布,给出了两阶段平均节点数等性能指标的表达式。利用编程软件进行数值试验,分析了参数对各指标的影响,通过构造系统单位时间平均费用函数与社会效用函数,求解最优参数,为移动P2P网络模型提供决策依据。
  • 摘要：语料库是自然语言处理任务的关键,谷歌图书语料库是迄今为止最大的历时语料库,被广泛应用于从时间、空间维度上评估学科、语言甚至是文化等领域在社会发展中的现象和规律,但因其构建过程中的识别问题、元数据问题等原因被很多学者质疑。目前常见的处理方法主要是从语料库中提取所有可能的数据和从原数据进行预处理,这些方法耗时且费力。本文提出将语料库噪声问题转化为时间序列异常检测问题,使用传统的时间序列模型和马尔可夫动态编码去实现时间序列异常检测。实验结果表明,马尔可夫不仅可以保存时间相关性和频率结构,而且提供了一种自然的反向操作——将图形映射回时间序列,克服了传统时间序列模型的缺点,最终有效地解决了语料库的局部质量对齐问题。
  • 摘要：随着互联网技术的普及与发展,智能手机已经变成人们日常生活中不可分割的一部分,也对智能手机的依赖性越来越强,APP (Application)市场的竞争也随之变得越来越激烈。开发准确性与实时性更高的智能手机终端导航软件成为当今个人定位技术研究热点。为此,本文对含有人因学特征的手机导航APP进行优化研究,本文首先从人因工程的角度对手机导航APP用户体验进行了研究,并分析了智能手机操作系统特征及用户体验问题;然后进行手机导航APP信息架构最大广度的人因实验设计,最后本文设计的最大广度人因实验结果表明,结构深度对导航绩效有显著影响。此外,结构广度和深度间存在显著的交互作用,当广度为4、5、6时,单层结构的导航绩效要显著优于双层结构;当广度为7、8时,两种结构的导航绩效差异不显著。本文的研究成果为手机APP的研究提供了一定的思路。
  • 摘要：准确、高效地识别大气河可以有效地预防洪涝和干旱等自然灾害,对地区的经济、社会和生态发展具有非常重大的意义。现有的大气河识别算法主要是基于多个物理量的阈值来实现的,它们能有效地识别大气河,但需要手动设置阈值和几何度量标准。由于现有方法在复杂度和泛化能力上的局限性,本文基于深度学习的方法,提出了名为SAR-UNet的网络模型,该模型基于UNet网络结构,在特征提取时创新性地加入了空间注意力机制,从而能够更好地获取大气河的局部特征信息。通过深度学习的方法来对大气河进行自动识别,有效地解决了现有方法需要确定阈值和度量标准的不足。实验结果表明,基于SAR-UNet的大气河识别方法在ERA-Interim气候再分析数据集上具有最佳的识别效果,大气河识别的精度上达到了97.27%,MIoU值高达85.22%。
  • 摘要：深度学习在单目深度估计任务上表现优异,通过学习单帧图像与深度图像之间存在的映射关系来估计图像的深度。但是,目前单目深度估计的研究仅关注于自然图像,当把它应用于非自然图像,如绘画图像时,相对于自然图像,它们有着低纹理、切边锐利、平滑过渡相对少的特点,会出现深度估计中前后不同物体的层次感不明显,以及同一物体上出现深度不一致的问题。本文根据这类图像设计了一个由单目深度估计模块和RGB图像指导的精细化模块构成的精细单目深度估计网络RefineDepth来改善以上问题。同时,由于绘画图像缺乏对应深度信息,本文通过三维场景卡通风格渲染图像来模拟绘画类非自然图像的方式,制作了两个绘画图像数据集SSMO和SU3D,并建立了一个真实的山水画测试集。实验结果表明,模型在测试的数据集上都取得了出色的结果。最后,将绘画图像进行基于深度图像渲染,动态合成立体效果。
  • 摘要：箝位矩阵是一类以一定范围内的非负整数作为构成元素的矩阵,且在运算过程中这些元素始终被钳制在该范围内。构造两组在箝位运算下互逆的方阵,由此生成一对密钥。在一阶矩阵情形下,箝位设计的密码系统只具多项式复杂度的破解强度,当二阶以上时,原先的破解成因不复存在,从而陡然升级为NP复杂度的强度,且随着矩阵阶数的增大而呈指数增强。箝位矩阵的公钥密码具有独特的批处理加解密形式,虽然涉及矩阵乘法,但对每个明文处理单位而言,平均计算占有并不高。和传统的RSA、Elgamal和椭圆密码等基于大素数(或基于由大素数参与构造的有限域)不同,箝位矩阵的公钥密码的密钥获取极其容易,不需要耗费资源作素数检验,而且箝位矩阵的公钥密码系统具有自然的随机性效应,不像RSA需要专门设计的附加随机填充的模式,或者不像Elgamal引入临时性的随机密钥那样的协议交互的设计。由此可以证明,箝位矩阵密码系统具有像离散对数困难性那样的归约到枚举未定矩阵形式的NP复杂度强度。
  • 摘要：随着遥感技术的蓬勃发展,日益庞大的遥感数据使得传统的图像处理手段已经不足以满足需求,因此,将深度学习目标检测技术应用于遥感领域成为了最优解决方案。然而,由于遥感图像小目标排列密集、尺度变化剧烈,使得直接将适用于自然场景的目标检测算法迁移到遥感领域的效果不佳。本文选择YOLOX为基础网络进行改进,在特征提取网络后加入自适应空间特征融合结构,将深层特征信息与浅层特征信息融合,提升小目标的识别率。此外,本研究对样本标签匹配策略进行了优化,以解决高长宽比类目标物体角度偏移敏感的问题,并通过修改损失函数降低正负样本不平衡问题带来的影响。我们在遥感图像数据集DOTA上进行训练和测试,实验结果表明,改进的YOLOX算法检测效果更好,mAP达到了79.07%,比YOLOX提高了2.75%。另外,在HRSC2016数据集上也进行了实验,实验证明了模型具有优秀的鲁棒性。
  • 摘要：针对传统人工势场法路径规划中存在的局部极小值和目标不可达等问题,本文提出了一种人工势场法的改进方法。首先,定义障碍物的碰撞范围并建立基于角度的影响范围,排除无人车前方一定距离和角度内的任何障碍物,从而将它们的影响降到最低。其次,为了解决目标不可达问题,通过新增目标点与无人车的距离因子改进斥力函数。最后,针对局部极小值问题,在障碍物碰撞范围外创造虚拟目标点。利用Matlab对所提出的改进算法进行验证,仿真结果表明了规划算法的避障有效性、安全性以及可跟踪性。
  • 摘要：针对目前因疲劳驾驶导致的车祸比例占总车祸比例的极大一部分的情况,故本文设计出一种基于改进的Yolov5算法的疲劳驾驶检测系统。Yolov5算法的疲劳检测是指通过对车辆内部安装摄像头等图像传感器来获取驾驶员的人脸和面部特征,并通过机器视觉中的面部特征提取等方式获取驾驶员眼部以及嘴部状态,从而实现对驾驶员疲劳状态的分析判断。基于Yolov5算法的检测方法成本低,不需接触、检测方便,能够准确地分析出驾驶人的疲劳状况,可以极大地降低因疲劳驾驶而导致的事故发生概率。
  • 摘要：网络流量特征越来越多,导致相关深度学习模型的训练耗时增加,且对这些特征的选择仍未达成共识。为解决过滤排序式方法中特征子集维数不好确定、包裹式方法中计算耗时过大的问题,本文提出将特征筛选效果良好的基于对称不确定性的过滤排序式方法扩展至过滤式方法中,并设计目标函数兼顾特征与标签之间的相关性和特征之间的冗余度。从初始化和搜索策略两个方面改进用于寻优目标函数的灰狼优化算法,以提高网络流量特征筛选精度。实验结果表明,该方法在保证异常流量检测精度的前提下,取得了最好的特征筛选效果。
  • 摘要：为解决人工中文地址因输入不准确造成的地址解析错误问题,本文首先结合词汇增强的基于Transformer的双向编码表征模型(LEBERT)与条件随机场(CRF),提出了LEBERT-CRF模型,相较BERT-长短期记忆-CRF模型(BERT-BiLSTM-CRF)在分词准确率、召回率以及F值上分别提升了1.45%、1.89%和1.67%。然后,通过标准层级地址数据,并引入别名、旧名等地址信息构建了地址知识图谱库。最终,利用经过分词处理的地址数据,并根据地址数据存在的几种可能错误类型,设计出一种基于地址知识图谱库的匹配算法,对分词完的地址数据进行匹配修正并得到准确地址信息,相较于中文省份城市地区匹配器(CPCA),地址解析在一级地址、二级地址、三级地址上解析准确率分别提升了2.12%、2.36%和1.12%。
  • 摘要：目前,新能源的开发和利用越来越受到世界各国的关注,锂离子电池以其优良的特性逐渐成为世界上应用最为广泛的储能元件。因此,保障锂离子电池的安全可靠运行也成为当下的研究热点,然而其荷电状态(SOC)和健康状态(SOH)无法被直接测量。为了实现锂离子电池SOC和SOH的联合估算,本文分析了SOC和SOH之间的关联,并设计一种基于深度学习的锂离子电池SOC和SOH联合估算方法。本方法通过采集到的电流、电压、充放电功率、电压变化率等多个参数丰富特征值样本,利用CNN卷积神经网络估计锂电池的内阻,用于SOH的估算。其中,数据为一维数据,需要对CNN神经网络结构进行调整。进一步将估计得到的SOH与采集到的数据利用GRU-RNN神经网络联合估计得到锂电池SOC。此方法不需搭建电池模型,甚至不需要设置SOC初值,也可以快速收敛。
  • 摘要：针对深度强化学习网络难以部署到资源受限终端设备的问题,本文提出一种深度神经网络优化压缩算法。该算法引入倒残差模块作为主干网络,实现网络的轻量化;采用基于响应的知识蒸馏,以动作策略为蒸馏目标,弥补网络轻量化造成的精度损失;采用基于特征的知识蒸馏,对网络中间层的特征向量进行蒸馏,进一步提升网络精度。实验结果表明,轻量化后的网络参数量为19.79M,参数量为原网络的59.8%,性能提升约12.1%,且在网络轻量化的同时,提升了模型表现,验证了所提算法的有效性。
  • 摘要：本研究设计并开发出Android行动装置上的一款增强现实式商品推广应用。行动装置上所配置的相机与惯性运动传感器,让同步定位与建图技术有落地应用的基础,而目前由各大科技厂商释出的开发套件,更加速AR应用开发的进程。通过高德开放平台与谷歌ARCore技术的结合运用,本应用可依据产品贩售商所设定的广告物位置,在地图上指引用户前往广告物所在位置,在用户抵达该位置附近后,以增强现实形式显现虚拟物件,供用户点击寻取,取得数字化优惠凭证,兑购优惠商品,达到商品促销推广的效果。本研究主要探讨高德地图与谷歌ARCore技术在移动装置上的应用方式,除了重点梳理高德地图定位与谷歌ARCore技术外,亦整合运用其开发套件,结合地图定位与增强现实技术,设计并开发出一款AR式商品推广应用,为商品的销售提供一个结合线上线下、现实与虚拟的商品推广管道。
  • 摘要：早期情感分析依托于神经网络在文本、图像或者音频等单个模态做情感分析,虽然在各自模态已经有了不错的效果,但是仅仅通过单模态做情感分析无法充分表达人们的情感,所以本文结合多个模态的信息应用于情感分析领域。该领域中Self-MM模型已经有了较好的实验效果,但是该模型在优化器层面还有提升的空间,本文在此基础上继续做研究,采用更先进的AdamW优化器,在公开数据集CMU-MOSI进行验证,实验结果在Acc-7、Acc-2两个分类精度上分别有0.12%和0.43%的提升。
  • 摘要：近年来,以微博为代表的中文媒体平台正在不断融入人们的生活,人们每天都在这些平台上发表自己的观点、感受等其他主观信息,如何从这些信息中提取有价值的情感信息并加以利用就称作情感分析。本文提出了一种基于情感词典与语义规则集的微博文本情感分析方法。我们的方法将现有的多个基础情感词典结合起来,并基于统计信息的方法构建了微博领域情感词典,同时考虑到中文的语义特性,加入了自定义的语义规则集。为了验证该方法的有效性,我们通过网络爬虫技术获取微博中关于新冠肺炎的评论信息共10万条微博文本,在此数据集上进行了实验。实验结果表明,与传统的基于情感词典的方法相比,我们的方法具有更高的准确性和更稳定的表现,正面、负面和中性情感识别准确率分别达到了79.4%、82.5%、77.3%。综上所述,本文提出的基于情感词典与语义规则集的微博文本情感分析方法具有较高的准确性和泛化能力,能够有效地识别微博文本中的情感,并具有应用价值。
  • 摘要：目标检测是智能驾驶系统中的重要组成部分,其中交通标识属于小目标检测,在图像中所占的像素比极少,识别难度大,且种类众多,数据样本不均衡,因此本文提出一种基于YOLOv7-tiny的交通标识检测方法。在YOLOv7-tiny算法中增加目标检测层,使网络更加关注小目标,改善目标检测的效果。引入TAM (Triplet Attention Module)三重注意力机制,通过使用一个三分支结构计算注意力权重,提高小目标检测能力。在TT100K交通标识数据集上,mAP达到84.23%,相较于YOLOv7-tiny提高了4.21%。试验结果表明,该方法对于复杂环境下的交通标识具有更好的检测性能,更能满足实际需求。
  • 摘要：在语音增强过程中,人们往往采用语音信号的频谱信息作为特征输入,再进行进一步的训练增强处理。最为常见的便是对语音信号进行短时傅里叶变换后取其幅度频谱作为特征输入,在语音恢复阶段,则将含有噪声语音的相位信息作为增强语音的相位信息进行语音的重构。但是,这一做法必然导致相位信息的缺失。本文提出将图傅里叶变换(GFT)分别与非负矩阵分解(NMF)算法以及全卷积神经网络(FCNN)模型相结合来实现含有噪声语音的增强,实验表明,图傅里叶变换–非负矩阵分解算法在语音增强上与短时傅里叶变换–非负矩阵分解算法表现相当,基于图傅里叶变换–全卷积神经网络的语音增强相较于基于短时傅里叶变换–全卷积神经网络的语音增强有更为优异的性能。
  • 摘要：由于弱监督时序定位模型没有帧级的监督信号,模型识别动作实例在边界处容易出现两个问题:过多地关注动作最具识别的部分,忽略了动作的其他部分而导致了动作的欠定位;动作的边界处与背景极其相似,模型难以区分而导致了动作的过定位。为了进一步有效的分类动作片段,改善边界困难样本的欠定位和过定位问题,提出了一种两阶段的弱监督时序定位。该方法分为两个阶段,第一阶段中我们对输入的视频帧提取RGB和光流特征,设计一种困难样本挖掘策略,得到边界的困难样本集合和易动作样本集合。另外,我们设计了一种原型生成模块,得到了每个动作类别的原型中心,将第二阶段的动作分类任务转换成嵌入空间与原型中心的距离问题。在第二阶段中,输入第一阶段得到的困难样本集合,使用原型匹配模块得到特定的时间类激活图。另外光流特征因其表达动态的特性,应当给予重视。本文设计了一种困难样本集合与易动作样本集合进行相似度计算得到增强光流特征的方法,实现边界困难样本更加准确地动作预测。最后为了进一步优化模型预测的动作标签,采用伪标签策略,为模型提供有效的帧级监督信号。在THUMOS’14和ActivityNet v1.2数据集进行实验论证。实验结果表明,方法性能优于现有弱监督时序定位方法。
  • 摘要：目前,城市三维模型有多种数据格式,格式间相互转换除了带来较高成本以外,还会导致模型部件信息与属性信息发生变化,以及模型精度损失等不足。3D tiles格式以其WebGL渲染机制为基础,能够实现海量三维数据的快速加载,因此被作为城市三维模型数据转换的目标格式和通用格式,但在实践过程中,其三维格式数据无法直接被获取,给模型的通用性带来一定阻碍。为此,本文以某县级市商品住宅小区为例,基于开源语言与工具,探索一套城市三维模型(IFC格式)向通用格式3D tiles转换解决方案与可视化优化研究,完成了坐标转换、空间索引构建、视域剔除,以解决城市三维模型在大规模应用中存在的使用成本较高、平台与数据不兼容等问题。
  • 摘要：在机器学习领域,处理高维特征数据时通常会面临冗余和不相关的特征问题,因此特征选择成为一个重要的挑战。对于多维度数据,Relief算法作为一种传统的特征选择算法,具有较高的计算效率和较好的稳定性,被大量应用于实际场景,但Relief算法的特征选择结果具有随机性,不同的初始采样会有不同的结果,且对于特征之间存在较强依赖关系的数据集,如共线性等,可能会导致结果不准确。本文提出了一种特征选择方法,称为X-ACO方法,它结合了XGBoost和蚁群算法。本文算法蚁群路径搜索过程的启发式信息使用XGBoost算法的特征重要性来表示。同时,使用特征之间的皮尔森相关系数来调整信息素浓度,以便更好地控制特征的相关性。实验证明,X-ACO方法可以在保证分类准确率的前提下,减少特征数量,降低特征冗余,并提高算法性能。
  • 摘要：当前高性能网络给人们提供便利体验的同时,也对大量数据的存储提出了更高的要求,随时随地能够进行数据分析、存储与管理是当前的应用和研究热点。微信小程序是一款无需安装并且安全稳定、方便快捷的网络应用程序,是人们日常使用最频繁的工具之一。本文阐述通过云存储的方式结合微信小程序平台实现一种私人网络附属存储(NAS)存储小程序,实现了个人文件的跨平台、跨系统地分享、存储、管理。

    计算机科学与应用的期刊信息

    • 创刊时间：2011
    • 地区：CN
    • 语言：中文
    • 热门主题：卷积神经网络 网络 神经网络 ANDROID 云计算 大数据 物联网 数据挖掘 特征提取 无人机
    • 学科分类：

    计算机科学与应用的获奖情况

    计算机科学与应用的收录情况

    • • 哥白尼索引

    计算机科学与应用的投稿信息

    • 投稿须知：点击查看
    • 期刊官方网站：点击前往
    • 通讯地址：武汉市江夏区汤逊湖北路38号光谷总部空间5栋4楼
    • 邮编：430200
    • 联系电话：027-86758873-8136
    • 邮箱：csa@hanspub.org
    免费订阅本刊

    客服邮箱：kefu@zhangqiaokeyan.com

    京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有 出版物经营许可证

    • 客服微信

    • 服务号