所屬欄目:電子信息期刊 熱度: 時間:
計算機與數字工程
關注()【雜志簡介】
《計算機與數字工程》辦刊宗旨是:堅持理論聯系實際;堅持實事求是的學風;堅持以應用為主,提高與普及并重;堅持創新,堅持以刊登國內外計算機方面的新理論、新技術、新工藝、新成果研究為主;以學術性、技術性為辦刊特色,論文以中短專文為主;力求更快地為讀者提供更多的有益的信息。
【影響因子】
國家新聞出版總署收錄 中國期刊網來源刊,2002年起,《計算機與數字工程》全文入編中國期刊網、中國學術期刊綜合評價數據庫、中國核心期刊(遴選)數據庫、中文科技期刊數據庫、萬方數據庫——數字化期刊群全文上網。
【欄目設置】
欄目設置:算法與分析、系統結構、信息與網絡安全、圖像處理、工程實踐等。
雜志優秀目錄參考:
基于智能水滴算法的學習效應生產調度研究 徐佳敏,葉春明,XU Jiamin,YE Chunming
J rv粗糙 Vague 區域關系的新增蘊涵式 張麗平,樊瑞光,李林,藍華健,王淼,李松,ZHANG Liping,FAN Ruiguang,LI Lin,LAN Huajian,WANG Miao,LI Song
一種保持種群多樣性的改進混洗蛙跳算法 張強,劉麗杰,郭昊,ZHANG Qiang,LIU Lijie,GUO Hao
三平移并聯機器人控制算法 蒙運紅,金逸,黃進,MENG Yunhong,JIN Yi,HUANG Jin
基于修正參數簡化標準的 ID3改進算法 胡美春,田大鋼,HU Meichun,TIAN Dagang
求解 Burgers 方程的決定方程的兩種方法研究 李曉燕,張成,LI Xiaoyan,ZHANG Cheng
版權聲明 《計算機與數字工程》編輯部
基于 Matlab 的三相 SPWM 逆變電路死區效應分析 張鵬,ZHANG Peng
基于優化人工蜂群算法的重力匹配導航方法 田軍,趙博,TIAN Jun,ZHAO Bo
基于改進 NPGA 算法的多目標優化云任務調度算法 楊燕,YANG Yan
基于多分類支持向量機的模式識別研究 蘇曉偉,SU Xiaowei
基于圖像處理的艦船目標識別研究 宿勇,SU Yong
基于 Pareto 的多目標免疫算法的產品方案設計研究 翟雨生,ZHAI Yusheng
一種基于優化權重證據組合的目標綜合識別方法 陳辭,CHEN CI
基于遺傳算法的戰場頻率分配研究 陳自衛,賀強,喻永成,CHEN Ziwei,HE Qiang,YU Yongcheng
基于映射的樹的相似度算法及其在本體匹配中的應用 王培杰,王吉華,鄭香堂,WANG Peijie,WANG Jihua,ZHENG Xiangtang
信息管理論文范文:信息化時代旅游文化景區建設
[摘要]如何提升旅游文化景區的核心競爭力,吸引越來越多的游客,是制約當今旅游文化景區發展的一個重要瓶頸。因此,在加強硬件基礎設施建設的同時, 要緊跟信息時代的發展步伐,有效運用現代化的信息技術手段強化旅游文化景區的建設,并堅持以游客為本,培育自身獨特的旅游文化,來適應時代的發展以及廣大游客對現代化旅游文化景區的發展需求。
[關鍵詞]信息化時代,旅游,文化,景區
1、信息化時代旅游文化景區建設概述
信息化時代旅游文化景區建設是指充分利用信息技術、數據庫技術和網絡技術,對旅游文化景區的各類資源進行加工和整合。數字化旅游文化景區建設作為信息化時代旅游文化景區建設的熱點問題,一方面是信息時代向我們提出的要求,另一方面也是風景名勝區事業發展和信息技術發展的必然結果。數字化旅游文化景區建設是按照統一的規范和技術標準,實現旅游文化景區的管理系統、交通管理系統、游客服務系統、安全應急系統等的基礎設施系統的數字化建設,并通過網絡化信息共享,建立具有統一標準的數據庫、數據共享平臺、數據處理平臺等。它是由景區數字化技術、景區數字化業務模塊以及景區數字化的應用服務三個方面組成的。
計算機與數字工程最新期刊目錄
基于復雜網絡的供應鏈網絡研究綜述
摘要:供應鏈網絡屬于典型的復雜網絡,通過文獻計量分析得出復雜網絡與供應鏈網絡研究熱點:供應鏈風險與演化模型,節點企業和核心企業。將企業視作復雜網絡節點,企業之間的合作視作網絡的邊,對最經典與熱門的研究成果進行總結,為相關領域研究者提供很前沿的觀點。把最新與最經典的算法都對比,得出最通用的算法是名為FINDER的算法。最后對領域的研究方向進行展望,建議以航空裝備制造業供應鏈網絡為例子進行研究才更具代表性,...
基于模糊PID算法的無人機吊艙視覺伺服控制
摘要:針對傳統PID控制器應用于無人機視覺伺服控制中,存在參數整定異常麻煩、且無法同時兼顧系統的快速性和穩定性的問題,設計一種基于模糊PID的無人機吊艙視覺伺服控制方法,通過對目標像素坐標的偏差及偏差變化量進行模糊化,設計比例、積分和微分三個參數的模糊規則表,解模糊處理三個環節實現對比例、積分和微分三個參數的動態優化調整。通過仿真實驗,表明基于模糊PID的視覺伺服控制算法比基于傳統PID的視覺伺服控制算...
基于SSA-BiGRU的儲層孔隙度預測方法研究
摘要:利用測井資料預測儲層孔隙度對于儲層評價具有重要意義。針對現有孔隙度預測模型不能深度挖掘測井數據和孔隙度之間潛在關系的問題,論文提出一種利用麻雀搜索算法(SSA)優化雙向門控循環神經網絡(BiGRU)的儲層孔隙度預測模型(SSA-BiGRU),以測井數據為輸入,通過BiGRU深度挖掘測井曲線與孔隙度之間的非線性和時序特征;采用麻雀搜索算法對BiGRU神經網絡模型中各層神經元個數、批處理大小、學習率等...
基于改進鯨魚算法的粒子濾波
摘要:針對粒子濾波算法中存在粒子貧化、多樣性丟失等問題,提出一種改進鯨魚算法的粒子濾波,通過改進的鯨魚算法優化粒子,用每個粒子表示一頭座頭鯨,模擬座頭鯨覓食行為,引導先驗粒子向高似然區域移動,在鯨魚算法初始化這一部分,引入反向學習,在初始種群中選出最優解,并且在更新位置時,將其中的隨機數改為隨機變化的函數,從而提高探索性,為了改善種群的多樣性,采用柯西變異這一方法,仿真結果表明:改進的算法提高了粒子的估...
基于密度峰值聚類的穩定屬性簇約簡方法
摘要:屬性約簡是粗糙集領域中的一個重要研究方向之一。屬性簇方法作為一種基于啟發式算法的屬性約簡方法,因其能夠降低約簡求解的時間消耗而受到關注。然而,由于屬性簇方法中的K-means聚類的隨機性和不穩定性,從而導致其生成的屬性簇不穩定,進而影響了約簡結果的穩定性。因此,為了解決這一問題,提出了一種基于密度峰值聚類的穩定屬性簇約簡方法。具體來說,就是在求解約簡的過程中,以密度峰值聚類生成的穩定屬性簇為基礎來...
基于改進金槍魚優化的FastSLAM算法
摘要:針對FastSLAM算法中預估粒子分布于粒子的實際分布存在明顯差距,想要提高算法的精度需要大量粒子,會增加計算的復雜度。論文提出了用改進的金槍魚算法優化FastSLAM算法,首先將原算法中粒子向最優粒子聚集改為向粒子種群的平均值聚集,其次在獲得最佳粒子位置時引入Lévy飛行搜索,擴大粒子的搜索空間。最后用改進金槍魚優化算法對FastSLAM粒子采樣過程進行優化,提升建議分布采樣的粒子質量。實驗分析...
一種基于區間相似度的連續屬性值劃分方法
摘要:提出一種基于區間相似度的連續屬性值劃分方法 RA-PA(Region analogy-based continuous attributes partition approach)。RA-PA方法定義了區間相似度函數的計算公式,實現了公平的斷點合并標準和針對連續屬性的精確與正確的劃分。為了改善歸納學習算法的性能,RA-PA中描述了一個新的啟發式的算法來尋找最優合并區間。以California大學的...
基于改進YOLOv5網絡的精子頭部檢測算法
摘要:在高濃度精子樣本的低倍鏡成像中,精子密集且尺寸小導致其頭部識別困難,檢測精度低。論文提出一種基于改進YOLOv5網絡的精子頭部檢測算法,提升精子頭部檢測精度。將網絡中特征融合區塊替換為BiFPN特征融合網絡;修改Head結構,通過裁剪檢測精子頭部的特征檢測框減小網絡規模,提升小目標的檢測與特征融合能力,從而提高小目標的識別精度。結果表明,改進后的網絡比原始的YOLOv5s網絡精準度和召回率上得到了...
船舶進港分析控制算法
摘要:船舶進港受自身和港口方面眾多不確定因素的影響。為對船舶進港進行科學的決策,根據因素的影響作用進行歸類,在分析因素特征基礎上,構建數學模型分析影響作用,進行特征擬合,運用復合、化簡運算,計算船舶進港需求度和排斥度,運用質心法來獲取當前形勢下質心所在的位置來對船舶進港作出決策,提高船舶進港判定的依據。論文構建仿真模型對算法性能進行實驗,結果表明,所提出算法能有效地給出船舶進港的決定,準確度性比較高,驗...
基于誤差修正的VMD-PSO-ELM模型短期風速預測
摘要:針對風速序列存在的非平穩性和隨機性帶來的風速預測不準確問題。論文提出一種基于變分模態分解、粒子群優化算法、極限學習機與長短時記憶網絡相結合的風速預測模型。首先采用變分模態分解算法將原始風速序列分解為一系列由低頻到高頻的本征模態分量。對各分量用極限學習機進行預測。針對極限學習機產生權值與閾值的隨機性,模型結果存在不穩定性。采用粒子群算法進行優化,尋找權值與閾值的最佳參數組合,借此提高所構建模型的性能...
基于圖神經網絡的時序預測
摘要:近些年來,人們對人工智能的關注度越來越高,對時序數據的預測的機器學習算法也越來越受到人們青睞。但由于時序數據的不穩定性以及序列間的相關性,傳統的機器學習方法對時序數據的預測結果不太理想。針對這一問題,論文提出一種基于GCN和LSTM的圖神經網絡(GCN-LSTM)預測模型,以時序數據為輸入,分別對未來收盤價、氣溫、以及空氣質量等時序預測目標值進行預測,然后求基于各預測模型下的統計指標MAE,RMS...
基于動靜態圖結合的骨架動作識別方法
摘要:隨著圖卷積神經網絡的深入發展,基于圖卷積網絡的人類骨架動作識別的方法也逐漸流行起來。然而,目前大多數的圖卷積方法過多依賴于骨架上固定的關節連接關系,而忽略了非相鄰關節之間在時空上存在的潛在聯系,且占用了大量的計算成本。針對以上問題,論文提出了一種基于動靜態圖結合的骨架動作識別方法(DS-GCN)。論文通過將由語義信息變換的動態通道圖和人體靜態骨架圖相結合的方式,在低參數負載下,實現了良好的性能
基于注意力機制的強化學習冷負荷預測方法
摘要:短期建筑冷卻負荷預測是許多建筑能源管理任務的重要基礎。針對傳統預測模型將相關性較低的特征作為輸入會導致模型降低預測精度,提出基于注意力機制的深度強化學習(深度確定性策略梯度,AM-DDPG)短期建筑冷負荷預測方法。該方法首先將數據進行歸一化處理。其次,將預測問題建模為馬爾可夫決策過程。其中狀態為當前氣象數據以及歷史冷負荷;動作為下一小時建筑冷負荷預測值;獎賞為下一小時建筑冷負荷真實值與預測值的差。...
結合深度估計網絡的SLAM視覺里程計研究
摘要:同時定位與建圖(SLAM)是機器人、AR/VR領域的核心技術,起著聯系自身位置與環境關系的重要作用。針對傳統單目SLAM算法在環境尺度精確性以及系統初始化耗時長易失敗等問題,提出了一種將深度估計網絡與ORB-SLAM2系統靈活的結合的方案。根據ORB-SLAM2以關鍵幀為基礎,展開建圖與定位的工作,提出了一種有效的降低資源耗損的預處理方案。論文基于ROS架構,將SLAM視覺里程計模塊與深度估計網絡...
目標導向型優先經驗回放
摘要:經驗回放是在使智能體能夠在同策略強化學習中學習和利用過去的經驗。在現有的經驗回放工作中,優先經驗回放是根據TD-error劃分經驗的優先級進行采樣,但這種經驗回放方式沒有考慮到經驗中不同狀態與目標狀態差異的一些重要信息。論文提出了一種經驗回放的方法,稱為目標導向型優先經驗回放。結果表明,在OPENAI-gym mountain_carv0的實驗環境中,目標導向型優先經驗回放優于優先經驗回放(PER...
云環境下智能電網大數據異常值挖掘方法
摘要:智能電網的發展增加了電網系統的數據量,電力大數據不斷增多,導致對數據異常值進行挖掘時的準確率和效率較低。為此,提出云環境下的智能電網大數據異常值挖掘方法。構建電網大數據背景噪聲模型,將噪聲視為一種源數據,通過加性混合處理,將噪聲和有效信號組成觀測數據。根據實際觀測和仿真計算,確定噪聲為非高斯性信號,利用獨立成分分析算法對電網大數據中的噪聲進行降噪處理,構建基于Hadoop的云計算平臺,引入k-me...
基于改進膠囊網絡的微表情識別
摘要:微表情是一種面部特征,反映了隱藏在人類內心最真實的情感狀態。由于微表情的強度低、持續時間短,微表情識別任務仍然是一個巨大的挑戰。論文研究了基于深度學習方法的微表情識別,提出了一種改進的膠囊網絡——PPLC-CapsNet,該網絡使用了PP-LCNet的骨干網絡進行特征提取,大幅減少網絡的參數量,可以在不增加延遲的情況下促進網絡學習更強的特征表示。除此之外,在主膠囊塊(PrimaryCaps)中加入...
基于改進沙漏網絡的線段檢測方法
摘要:針對圖像紋理信息強、圖像尺寸大、分辨率低、數據量大等特性,提出了一種基于改進沙漏網絡的線段檢測方法。首先利用多分支改進堆疊沙漏網絡的殘差塊,捕獲圖像多尺度特征信息,然后對堆疊沙漏網絡進行級聯,并均值化其各階段結果,獲取豐富的上下文信息,有效提升對具有強紋理特征圖像的線段檢測精度。與現有技術相比,該方法在不影響線段檢測精度的情況下,對強紋理特征、大尺寸等復雜環境下圖像檢測精度提升了5%
基于平衡分布自適應的多源深度對抗遷移學習
摘要:傳統無監督遷移學習[1]僅考慮訓練集來源于一個域,現實情景中,往往會有多個源域與目標域存在相似性。現有多源無監督學習算法只單一考慮源域與目標域之間的邊緣分布或條件分布,或簡單對半疊加。一般來說不同的源域和目標域,其邊緣分布與條件分布對于良好的遷移性能的貢獻是不一樣的,并且對抗式遷移學習相比非對抗有較好的效果且模型更具有魯棒性。為了解決上述問題,提出了一種基于平衡分布自適應的多...
基于雙流卷積神經網絡的人臉欺詐檢測
摘要:針對傳統方法通常基于手工提取特征或單一特征進行真假人臉區分導致的跨數據集通用性不高的問題,論文提出了一種基于雙流卷積神經網絡的人臉欺詐檢測方法。網絡的一個分支將輸入的RGB圖像轉為灰度圖,經多尺度Retinex方法處理后傳送到改進的MobileNet以提取光照特征。另一個分支將RGB圖像直接饋送到改進的MobileNet中以提取人臉特征。最后,融合兩個分支提取的特征,用于判斷輸入人臉圖像的真實性。...
相關電子信息期刊推薦
核心期刊推薦
copyright © m.digitalguess.com, All Rights Reserved
搜論文知識網 冀ICP備15021333號-3