计算机应用研究

2026年04期

收藏成功

微博空间微信

类型

月刊

类别

定价

促销信息

全年订阅更优惠!

¥50.00 ¥12.00

原貌版试读单本购买

移动机器人路径规划算法研究综述 摘要：随着人工智能化时代的到来，机器人技术在各领域的应用愈加广泛。作为移动机器人实现自主运动的核心技术，高效的路径规划不仅能帮助移动机器人轻松完成避障，还能优化其运动轨迹，减少能源消耗，快速移动到目标点。因此，路径规划对于移动机器人的影响不...
面向图神经网络的多层网络节点分类研究综述 摘要：多层网络节点分类作为复杂网络研究的重要任务之一，旨在通过识别和分类网络中的节点，揭示其内在的多维结构与语义特性。图神经网络(GNN)作为一种能够直接对图结构数据进行学习的框架，通过节点间的消息传递机制，能够高效地学习图中节点与边的内在...
检索增强生成中的隐私保护技术综述 摘要：检索增强生成(RAG)系统在检索与生成全流程中面临严峻的敏感信息泄露风险。为系统梳理其隐私威胁与防护技术，首先阐释RAG系统的核心原理与应用场景，并阐明其隐私定义。系统剖析成员推断、隐式知识提取、知识投毒等代表性隐私攻击模型,进而将现...

基于区块链的动态权限管理与隐私保护方案 摘要：针对供应链协同环境中存在的权限撤销延迟、访问策略泄露以及重加密开销高等问题,提出一种基于区块链的动态权限管理与隐私保护方案。该方案构建了由对称加密、属性基加密和可信执行环境组成的三级安全防护架构，结合多跳代理重加密实现策略的动态更新与...
基于区块链和联邦学习的隐私保护去中心化推荐系统 摘要：随着互联网信息过载的出现，智能推荐系统应运而生，其广泛用于为特定用户推荐产品、内容和服务。然而，这些系统需大量用户数据来训练模型,如何在保证模型性能的同时确保用户数据的隐私性和安全性成为亟待解决的问题；传统推荐系统存在数据稀疏性等问题...

时空融合的时序知识图谱多跳推理模型 摘要：针对现有时序知识图谱多跳推理模型实体与关系嵌入空间分离导致的语义割裂的缺陷，以及时间信息表达能力受限的问题，提出时空融合的多跳推理模型(SF-MR)。该模型通过包含双路残差连接与空间卷积的三联体分配器构建实体和关系跨空间语义依赖；结合...
基于字形的中文零样本立场检测 摘要：零样本立场检测(ZSSD)任务旨在识别给定文本中对未知目标所表达的态度。然而，目前主流的 ZSSD方法通常将基于英文数据集的方法直接应用于中文数据集，往往忽视了语言间的差异和汉字作为表意文字的象形特性，导致中文ZSSD任务效果不佳。为...
面向多模态情感识别的软硬数据增强与交互注意力混合时空卷积网络 摘要：针对现有的多模态情感识别方法在模型计算复杂、跨模态协同建模能力有限以及在不完整模态场景下泛化能力不足的问题，提出一种面向多模态情感识别的软硬数据增强与交互注意力混合时空卷积网络（MSCN-IA-SHDA）。该模型首先采用混合时空卷积网...
融合时频分解与通道交互感知的多变量光伏功率预测不 摘要：为了提高多变量光伏功率预测的精度，提出一种基于时频分解与通道交互感知的多变量光伏功率预测模型。针对现有依赖基本移动平均核的时序分解方法难以处理光伏功率数据非线性结构与复杂趋势的问题，设计融合时域与频域的双重分解机制以增强非平稳序列建模...
基于EWT-TOPSIS融合和波动性感知注意力的短期电力负荷预测 摘要：准确的电力负荷预测是保障电网安全稳定运行和优化能源调度的关键技术。针对电力负荷序列的非线性、非平稳性和复杂时序变化特性，提出了融合经验小波变换(EWT）、逼近理想解排序技术（TOPSIS)决策和波动性感知注意力的预测模型。该模型首先采...
基于多模态特征融合的可解释性脂质纳米颗粒转染效率预测模型 摘要：近年来，针对药物递送系统脂质纳米颗粒(LNPs)的设计研究大多仅聚焦于单一特征，且忽视了辅助脂质的作用。该研究旨在构建一种基于多模态特征融合的可解释性深度学习模型（MolGraphNet），用于辅助脂质转染效率的高精度预测与结构可解释...

基于可解释性的面向三维目标跟踪模型的对抗训练方法 摘要：基于深度神经网络的三维模型在干净数据集上取得了显著的发展，然而这些模型面对对抗样本的脆弱性导致了它们在实际应用领域存在着安全隐患。针对这一问题,提出了一种新的面向三维目标跟踪的对抗训练方法。首先采用可解释性方法，研究了模型输入中每一个...
基于互斥锁传播与多策略改进CCBS的多四向穿梭车路径规划与避障 摘要：针对密集仓储系统中多四向穿梭车并行作业时易出现路径冲突、转向延迟及计算复杂度高等问题，提出一种基于互斥锁传播与多策略改进的连续时间冲突基搜索算法（M-MCCBS)，以提升路径规划效率与系统运行稳定性。该算法在上层引入互斥锁传播机制与聚...
多策略改进的蛇优化算法及其应用 摘要：为提升蛇优化算法(SO)的寻优速度和收敛精度，提出一种多策略改进的蛇优化算法(MSSO）。首先在初始化阶段，采用基于余弦变换的混沌系统初始化种群以提高种群多样性及全局搜索能力;其次在算法探索阶段，根据蛇种群的觅食习惯设计了基于性别差异...
基于自适应领导者选择与完全反向学习机制的混合花粉樽海鞘群算法 摘要：针对单一启发式算法易出现收敛精度不足、早熟现象频发等问题,提出一种基于自适应领导者选择与完全反向学习机制的混合花粉樽海鞘群算法（HSF-ALSFO）。首先,HSF-ALSFO将樽海鞘群算法（SSA)与花粉算法(FPA)进行融合，旨在兼...
融合聚类线性组合与优化状态自适应的差分进化算法 摘要：针对差分进化(DE)算法在高维复杂函数优化中存在参数敏感性强、全局探索能力不足，以及探索与开发过程失衡等问题,提出一种融合聚类线性组合与优化状态自适应机制的改进算法(CLOSADE)，目的在于提升算法在处理复杂优化问题时的鲁棒性和收敛...
基于统一测量和张量学习的多视图无监督特征选择米 摘要：随着多视图数据在高维工业应用中的普及，特征选择因能保留特征的原始物理意义和可解释性而备受关注。尤其在标签稀缺的实际场景下，多视图无监督特征选择方法更具实用价值。针对现有方法在视图间关联挖掘与一致性探索方面的不足，提出一种基于统一测量和...
面向用户多层次多样化推荐的端到端学习框架 摘要：多样化推荐旨在提高推荐项目的差异性，避免低质量的重复推荐，从而减轻信息茧房效应并改善用户体验。然而，现有的多样化推荐方法在追求推荐列表多样化时，忽视了极具差异性的个性化需求;且已有方法多数仍采用分段式学习或优化策略，限制了推荐质量的有...
社交关系超图网络增强的多图融合兴趣点推荐方法 摘要：针对现有方法在社交关系的有效提取及其与时空信息融合方面存在不足，提出社交关系超图网络增强的多图融合兴趣点推荐方法(MSRHN),将局部时空增强图、全局交互超图和社交关系超图融合以实现精准推荐。局部时空增强图模型基于用户-兴趣点(use...
牛顿-拉夫逊优化驱动的自适应密度峰值聚类 摘要：针对密度峰值聚类(DPC)存在的截断距离参数需人工设置、对噪声敏感以及难以适应非均匀数据分布等问题,设计了牛顿-拉夫逊优化驱动的自适应密度峰值聚类方法（NRO-ADPC)。该方法基于牛顿-拉夫逊优化算法建立自适应参数优化机制，通过梯度...
无信号灯交叉口左转场景的自适应协同决策优化方法 摘要：针对城市复杂无信号灯交叉口左转决策的精度与安全性问题,对TD3算法作出改进，提出了一种融合多策略粒子群优化（multi-strategy particle swarm optimization,MSPSO）的 MSPSO-TD3决策方...
考虑容量和成本的最大最小多样性选址问题的强化驱动型禁忌搜索算法 摘要：考虑容量和成本的最大最小多样性选址问题（GDP）是从一个无向完全图中选出一个子集，在满足容量和成本基础上使得子集中任意两个节点之间最小距离最大化。GDP是NP难问题，在不良设施选址、社交网络分析和生态环境保护等领域具有重要应用。现有研...

基于认知图谱的领域应用系统生成关键技术 摘要：软件开发在医疗领域因业务知识繁杂且专业性强面临高门槛。目前基于提示语的LLM代码生成虽能处理简单需求，但功能单一，缺乏领域特点，难以应对复杂医疗业务。为此，提出一套基于认知图谱的领域应用系统生成技术方案。方案以组件为最小颗粒度，构建医...
基于自适应高斯混合模型的数据库基数估计方法 摘要：基数估计是数据库查询优化的关键环节，其准确性直接影响查询计划的执行效率。基于深度自回归模型的基数估计器在以往的研究中已展现出卓越的准确性，而在处理大值域连续属性列时,模型难以捕捉数据分布规律,性能严重下降。针对这些挑战，提出一种基于自...

面向物联网的模块化XL-MIMO近远场NOMA通信的波束赋形设计 摘要：物联网通信系统面临频谱资源受限与多节点干扰的严峻挑战，影响系统整体性能。模块化超大规模多输入多输出（extremely large-scale multiple-input multiple-output,XL-MIMO)技术凭借更大...
基于动态时隙分割的空地协同NOMA传输资源与轨迹联合优化 摘要：针对应急通信中频谱资源紧张以及系统中用户QoS无法保障两大问题，构建了UAV辅助的空地协同传输系统，提出一种基于动态时隙分割的空地协同NOMA传输与资源分配方案。该方案通过动态分割时隙，优先由GBS服务其调度的NOMA用户对，如果存在...
基于脉冲膨胀可分离注意力与频域学习的双域令牌混合器 摘要：脉冲 Transfomer凭借其高能效与高性能，将 SNN的性能提升到了一个新的高度，但其仍面临计算复杂度高、高频信息易丢失等挑战。为此，提出一种双域令牌混合器(SFTM),包含脉冲膨胀可分离注意力（SDSA）与傅里叶频域学习器(FT...

异构环境下基于历史模型的动态联邦学习方法 摘要：联邦学习能够在保证本地数据隐私的前提下完成全局机器学习模型训练，但面临着由数据异构情况导致的全局模型精度低、收敛速度慢的问题。针对以上问题，提出了一种基于历史模型数据的动态联邦学习方法FedHD(federated learning ...
抵御恶意子集确权攻击的数据确权方案 摘要：针对数据要素市场化中因二次确权引发的权属纠纷问题、制约数据流通效率的现状，旨在构建一种能够识别并防御恶意子集确权攻击的结构化数据确权方案。研究方法包括将数据分解为原子特征单元：分类属性通过独热编码生成语义唯一正交向量，数值属性通过K-...
基于信息融合图像和深度学习的恶意软件分类方法 摘要：现有基于图像的恶意软件分类方法通过提取多种信息并使用多通道图像表征恶意软件以提升分类准确率。然而，相较于使用单通道图像表征恶意软件，使用多通道图像表征恶意软件在提升分类准确率的同时也增加了模型的复杂度和计算量。为此，提出了基于信息融合...

面向油田图像分割的空-频双域融合深度网络 摘要：石油生产场景复杂，火灾、刺漏等异常频发，严重威胁安全生产。为实现对异常的精确识别与定位，提出一种空-频双域融合网络(SFDFNet），以提升语义分割在细节保留和全局特征建模方面的性能。该方法首先在空域采用多分辨率卷积神经网络提取图像的...
面向深度伪造检测的高效自解释图神经网络 摘要：针对现有基于传统深度学习的检测方法检测效果不佳、可解释性差的问题,提出一种基于高效自解释图神经网络(SE-EfGNN)的深度伪造检测方法。该方法由图结构构建、模型预测和解释分析三个部分组成。首先融合先验信息与局部空间信息，将待检测视频...
融合跨模态特征与颜色引导的遮挡目标6D位姿估计算法 摘要：在复杂遮挡环境下，基于RGBD的6D位姿估计仍然面临多模态特征未能充分融合以及点云配准易受遮挡和视角变化影响的问题。针对以上问题,提出了一种面向遮挡场景的多模态6D位姿估计算法。该方法在特征提取阶段建立RGB图像与点云数据的跨模态关系...
基于语义嵌入三维高斯溅射的双路径重建算法 摘要：三维高斯溅射(3DGaussian splatting,3DGS)在显式高斯分布中未能嵌入语义信息，阻碍了其在语义感知重建中的应用。针对上述问题,提出一种将语义嵌入三维高斯溅射的双路径重建算法 SDP-GS。首先，基于空间关系将来自预...
基于特征融合与无参数注意力机制的MRI图像超分辨率重建方法 摘要：针对磁共振成像(magnetic resonance imaging,MRI)生成的图像在超分辨率重建中存在细节表现不足且计算量较大的问题，提出了一种构建特征融合与无参数注意力机制的图像超分辨率重建网络(FFPAN)。网络结构由浅层特...
鲁棒迁移判别分析-综合字典对学习的带噪声图像分类 摘要：真实图像大多伴随复杂噪声，同时图像来源复杂，不同领域的数据在分布上存在差异。为获得噪声图像的准确表示，提高图像的识别能力，提出了一种鲁棒迁移判别分析-综合字典对学习算法(RTDAS-DPL）。首先，突破传统单一高斯噪声假设，联合高斯分...
金字塔信息解耦的甲状腺结节分割 摘要：甲状腺结节自动分割技术对甲状腺疾病诊断至关重要，但数据集规模有限及超声成像噪声制约了分割精度。为此，提出一种金字塔信息解耦的甲状腺结节分割网络。该网络通过多分支信息交融模块进行信息解耦与循环状态传递，精准适应结节尺度变化并逐步细化细节...
基于多层次特征增强的图像压缩感知重构算法 摘要：传统图像压缩感知重构算法受限于局部细节建模。全局自注意力的Transformer可以捕获全局特征，但计算复杂度较高。窗口自注意力机制可以降低复杂度，但低效的跨窗口交互又限制了对长距离依赖关系的建模。因此提出了一种多层次特征增强网络（M...