應用科學學報最新期刊目錄

《應用科學學報》征稿簡則

摘要：<正>《應用科學學報》的辦刊宗旨是反映最新應用科學研究成果,促進學術交流,推動應用科學的研究和發展。學科領域以電子與信息科學為主,包括通信工程、信號與信息處理、電子技術、計算機科學與應用、控制與系統等。本刊主要發表創新性科研成果。除特約稿件外一般不刊登綜述性文章

面向交互智能合約運行的正確性判定————作者：王嘉誠;蔣佳佳;李丹;張玉書;

摘要：交互智能合約相較于單一智能合約，存在相互調用等復雜的交互關系。然而，現有的智能合約檢測、驗證方法僅考慮單個智能合約存在的問題，無法保證交互智能合約運行的正確性。因此，本文提出一種能夠對交互智能合約運行的正確性進行判定的方法，對交互智能合約系統進行行為交互優先級（behavior-interaction-priority, BIP）建模，并引入Solidity部署圖（Solidity deploym...

無人機輔助NOMA通信系統中的3D軌跡優化與資源分配————作者：朱耀輝;王濤;彭振春;劉含;

摘要：無人機輔助通信系統是未來無線通信系統的重要組成部分。為進一步提高無人機輔助通信系統中時頻資源的利用率，本文研究了一種基于非正交多址技術的無人機輔助通信架構，并提出了一種基于雙延遲深度確定性策略梯度的TD3-TOPATM(twin delayedtrajectory optimization and power allocation for total throughput maximization...

基于用戶畫像相似性的電影評分預測模型————作者：艾均;李明浩;蘇湛;

摘要：協同過濾算法在推薦算法中應用廣泛，如何實現用戶聚類并發現更相似的鄰居集合一直是協同過濾推薦算法的研究重點。為了有效提高該類算法分類和預測的準確性，本文提出了一種基于用戶畫像相似性的電影推薦算法。首先，基于電影內容特征的標簽集合，計算用戶評分在不同電影內容標簽上的頻數，建立基于電影內容標簽的用戶偏好畫像矩陣。然后通過該矩陣計算用戶間的相似性并進行用戶復雜網絡建模，計算用戶在該網絡中的中心性權重。最后...

基于多尺度特征融合和注意力機制的視頻異常檢測方法————作者：吳祥;肖劍;吉根林;

摘要：視頻畫面中的運動物體在不同時刻往往呈現出多樣的尺度大小，這給視頻異常檢測帶來了一定的挑戰。盡管傳統的生成對抗網絡在視頻異常檢測任務上取得了一定成效，但因其采用單一尺度的特征提取方法，無法充分捕獲不同尺度物體的特征，從而限制了其異常檢測的性能。針對該問題，本文基于生成對抗網絡結構，提出了一種基于多尺度特征融合和注意力機制的視頻異常檢測方法。使用大小不同的卷積核捕獲不同感受野的特征，并將它們進行融合以...

基于暗區域引導的低照度圖像增強————作者：汪婉靈;熊邦書;歐巧鳳;余磊;饒智博;

摘要：針對現有增強方法在圖像照度分布不均勻時出現的局部過度增強、顏色失真以及細節丟失問題，提出了一種結合暗區域引導與注意力機制的低照度圖像增強方法。首先，采用簡單線性迭代聚類方法生成暗區域引導圖，指導網絡在保障正常曝光區域不過度增強的情況下，重點增強圖像曝光不足區域；其次，設計通道注意力模塊，提高網絡對顏色信息的提取能力，更好地恢復圖像顏色，保證顏色自然度；再次，設計全局上下文模塊，增加網絡全局感知能力...

混合模因算法求解軟集群容量約束弧路徑問題————作者：寇亞文;周揚名;王喆;

摘要：軟集群容量約束弧路徑問題是經典的容量約束弧路徑問題的一種擴展。由于其NP-hard特性，求解它在計算上具有挑戰性。針對該問題，本文提出一種有效的混合模因算法（hybrid memetic algorithm, HMA）。該算法集成了3個獨特的算法組件：基于組匹配的交叉操作來產生有希望的子代解、雙層變鄰域搜索執行局部優化以及考慮解的質量和距離的種群更新以維持一個高質量的種群。實驗結果表明，HMA在求...

基于知識圖譜與門控機制的專家再學習推理問答方法————作者：房曉;王紅斌;

摘要：現有使用預訓練語言模型和知識圖譜的圖神經網絡問答的方法主要集中于構建知識圖譜子圖及推理過程的研究，這類方法忽略了問題上下文與知識圖譜的語義差異，不能深層次挖掘文本表示形式與知識圖譜表示形式的語義特征，且缺失兩種表示形式的知識源對答案預測貢獻度不同的綜合考慮。針對上述問題，本文提出了一種基于知識圖譜與門控機制的專家再學習推理問答方法。該方法將問題上下文表示及推理后的知識圖譜表示進行拼接融合，并將融合...

基于多源點云特征信息的網格簡化————作者：蔣蕭;邱春霞;張春森;葛英偉;

摘要：針對基于二次誤差函數的網格簡化算法存在重要地理實體結構特征丟失的問題，提出一種基于多源點云特征信息的網格簡化方法。首先，融合激光點云與影像密集匹配點云，以提高網格模型的質量。其次，結合點云顏色、高程及曲率等信息，基于超體素的區域生長算法對融合點云進行分割及特征信息的確定。最后，基于點云的特征信息對二次誤差矩陣進行更新，從而實現基于融合點云的高精度網格簡化。以融合點云構建的三維網格為實驗數據，采用所...

基于區塊鏈的圖像數字版權保護系統————作者：蘭亞杰;馬自強;苗莉;胡富森;

摘要：傳統的版權管理方法依賴集中式服務器進行存儲與驗證，這會導致侵權檢測困難、版權確權復雜、版權授權流程煩瑣，以及缺乏有效的相似性檢索機制等問題，使得為版權擁有者提供具有公信力的版權證明變得困難。為此，該文在Hyperledger Fabric區塊鏈網絡的基礎上，結合尺度不變特征變換相似性檢測算法、離散余弦變換零水印算法、混沌映射圖像加密算法、星際文件系統分布式存儲，提出了一種圖像數字版權保護系統。通過...

基于雙層路由注意力和自校準卷積的豹個體識別————作者：楊婉;陳愛斌;趙瑩;武閱;甑鑫;肖治術;

摘要：自然環境中豹的圖像在用于個體識別任務時，個體與環境融合度高、類間相似性高這兩個因素會導致識別困難，為此結合自校準卷積和雙層路由注意力，提出了一種改進的EfficientNet模型。自校準卷積能夠自適應地在每個空間位置周圍構建遠程空間和通道間的依賴關系，并顯式地結合更豐富的信息來增強對細節特征的識別能力，解決了類間相似性高帶來的識別難題。雙層路由注意力結合自頂向下的全局注意力和自底向上的局部注意力，...

UFMC系統中融合窗函數的干擾分析與最優窗設計————作者：謝禹;聞建剛;倪鄭威;華驚宇;

摘要：本文首先在理論上研究了存在載波頻率偏移（carrier frequency offset, CFO）的加窗通用濾波多載波（universal filtered multi-carrier, UFMC）系統信號和干擾分析，推導了系統信干噪比（signal-to-interference-plus-noise ratio, SINR）表達式；然后基于誤符號率（symbol error rate, SE...

基于并行解碼和聚類的課程實體關系聯合抽取————作者：孫麗郡;徐行健;孟繁軍;

摘要：實體關系聯合抽取作為構建知識圖譜的核心環節，旨在從非結構化文本中提取實體-關系三元組。針對現有聯合抽取方法在解碼時未能有效處理實體關系間的相互作用，導致對語境理解不足，產生冗余信息等問題，提出一種基于并行解碼和聚類的實體關系聯合抽取模型。首先，利用BERT(bidirectional encoder representations from transformers)模型進行文本編碼，獲取語義信息...

融合膠囊網絡與因果推理的疾病預測————作者：孫明辰;金輝;王英;

摘要：現有基于深度學習的疾病預測模型通常是數據驅動的，導致模型過度依賴于訓練數據集中的樣本數量以及疾病類型覆蓋范圍。現有疾病預測方法主要存在以下局限性：1）若模型在訓練過程中所涉及的疾病類型有限，則其在處理罕見疾病時性能會大幅下降甚至做出錯誤預測。2）訓練數據中可能存在與預測目標無關或相關性較小的特征。這種噪聲會導致模型無法做出穩定的可靠預測，進而無法滿足醫療領域應用對高安全性、高可靠性的現實需求。為解...

融合機器學習與動態模型優化的雪崩預測及防治策略————作者：金永超;王志堅;賈慧爽;杜云天;胡鑫婷;陳學斌;

摘要：爆破是防止雪崩的有效方法，但合適的爆破時間、爆破位置和爆破能量很難確定。本文首先收集、爬取了關于雪崩的指標數據，并對數據進行預處理。然后對數據進行探索性數據分析，重點分析時間與雪崩發生的關系，發現雪崩具有明顯的季節性。以數據的80%為訓練集，20%為測試集，建立支持向量機、隨機森林和感知器神經網絡模型，并利用貝葉斯優化算法對模型進行參數尋優，結果顯示感知器神經網絡的準確率最高。最后根據損失度對3個...

一種基于輕量化卷積模塊的語義分割網絡————作者：連曉峰;康毛毛;譚勵;王艷莉;

摘要：融合深度學習的語義同步定位與地圖構建技術為處理動態場景提供了有效的解決方案，但仍面臨計算資源消耗大和模型復雜度高的挑戰。為此，提出了一種基于BlendMask改進的輕量化語義分割網絡。首先，設計了一種輕量的GDS-ECA卷積（Ghost-depthwise separable convolution with efficient channel attention）模塊，利用深度可分離卷積替代Gh...

基于卷積神經網絡的輕量高效圖像隱寫————作者：段新濤;白鹿偉;徐凱歐;張萌;保夢茹;武銀行;秦川;

摘要：基于深度學習的圖像隱寫方法，因存在模型參數量和計算量大等問題，而面臨高參數和計算負載的挑戰，為此提出了一種輕量高效的圖像隱寫方法。首先在編碼器和解碼器中引入Ghost模塊，降低了編碼器和解碼器的參數量和計算量。其次提出了一個多尺度特征融合模塊，用以捕捉多維數據中的復雜關系。最后提出了一個新穎的混合損失函數，可在保持模型不變的情況下提升圖像隱寫質量。實驗結果表明，所提方法在256×256像素的圖像上...

基于并行優化CBAM的輕量級故障診斷模型————作者：賈志洋;許兆;冷艷梅;聞新;龔浩宇;

摘要：在工程實踐中，故障診斷模型的性能受到多種因素的影響，如強噪聲干擾、小樣本、模型參數規模較大等，對現有的數據驅動設備診斷智能模型的應用提出了挑戰。本文提出一種基于并行優化卷積塊注意力模塊（convolutional block attention module, CBAM）的輕量級模型PCSA-Net。首先，采用多尺度信號特征提取器（signal feature extractor, SFE）將輸入...

面向視頻的人臉特征計算方法————作者：王瑩笑;楊彥紅;譚云峰;

摘要：本文梳理了近五年視頻人臉識別領域的研究成果，對比分析了采用的面向視頻的人臉特征計算方法，主要分為傳統人臉特征計算方法、深度學習人臉特征計算方法、特征聚合和特征融合方法。傳統特征提取方法包括線性的和非線性的，深度學習特征提取方法包括非時空特征提取方法和時空特征提取方法。特征聚合和特征融合方法能夠整合多個特征源以及融合不同時間段的特征，提高識別性能。此外，本文還統一分析了相關文獻用到的算法、算法的優勢...

基于多路激勵和金字塔切分注意力的鳥類行為識別————作者：鄧抒憧;陳愛斌;戴子健;

摘要：針對傳統行為識別方法在處理復雜鳥類行為模式時存在辨識率低、誤判率高等問題，提出了一種基于多路激勵模塊和金字塔切分注意力的改進3D殘差網絡的深度學習模型。利用幀間差分法有效減輕計算負擔，在精確保留關鍵時空信息的同時提高了識別精度。引入多路激勵模塊改進原有殘差塊，使模型能夠精準捕捉細微運動行為特征，解決了鳥類復雜動態行為識別易混淆的問題。以3D金字塔切分注意力替換原有3D卷積層，實現對不同尺度鳥類行為...

　　應用科學學報來自網友的投稿評論：

提交