计算机科学与探索最新期刊目录
扩散模型生成式图像检测技术研究综述————作者：程泊宣;李明轩;张正宇;
摘要：扩散模型是一种通过前向扩散和反向去噪实现内容生成的模型。其在目标检测、医学图像、自然语言处理和生成式图像等领域得到了广泛的应用。随着应用范围扩大，鉴定生成图像的真实性成为了学术界研究的热点。但是，扩散模型生成式图像技术被用来制作虚假新闻图片或色情图片传播谣言等，其被广泛应用在灰色地带甚至违法犯罪领域。近年来，大量的研究工作用以解决扩散模型生成图像的真实性问题，然而，现有工作缺乏对其生成图像检测的系...
变分信息瓶颈引导的互补概念瓶颈模型————作者：冀中;林子杰;
摘要：概念瓶颈模型(Concept Bottleneck Models， CBMs)将黑盒模型提取的视觉特征表示映射到一组概念上，并利用概念进行决策。最新提出的方法主要利用大语言模型(Large Language Models， LLMs)生成文本概念，通过多模态预训练模型将视觉表示与文本概念嵌入相匹配。然而这些方法也将文本噪声注入了概念瓶颈，导致输出的文本解释与图像内容不匹配或与视觉属性无关。针对上述...
面向2D医学图像检测的YOLO算法研究综述————作者：郭振;刘静;仇大伟;李宇皓;
摘要：近年来，人工智能技术的突破性发展推动了医工交叉领域的范式变革，其中基于深度学习的目标检测算法在医学图像分析中展现出显著优势。作为单阶段检测框架的典型代表，YOLO（You Only Look Once）系列算法通过“端到端”的检测范式，在医学影像分析领域展现出高实时性、强泛化能力和精准定位的独特优势，现逐渐成为病灶检测、细胞识别等任务的主流研究方法。针对YOLO改进算法在医学目标检测研究进行梳理，...
综合特征分段组稀疏编码的交通标志识别方法————作者：朱逸峰;奚峥皓;郑阳;刘翔;刘亚奇;张星;
摘要：随着无人驾驶、辅助驾驶等技术的发展，交通标志识别（Traffic Sign Recognition，TSR）问题被更多的研究者所关注。目前，在普通交通环境下的TSR问题得到了较好地解决，但当环境中存在交通标志模糊、部分遮挡等噪声干扰时，其TSR的处理效果并不理想。针对该问题进行研究，提出了一种新颖的结合孪生网络的综合特征分段组稀疏编码的TSR问题解决方法。首先，提取交通标志的多个不同尺度特征编码，...
DNS安全增强及区块链技术的应用研究进展————作者：倪雪莉;王群;马卓;
摘要：因设计之初对安全性考虑的缺失，致使今天的DNS面临日益复杂和极具挑战性的安全问题，而区块链技术的应用，以其独有的去中心化、防篡改、可溯源、公开透明等特征，为解决当前DNS面临的安全威胁提供了一种崭新的思路。本文在系统分析DNS脆弱性和安全威胁的基础上，对DNS安全增强技术进行了系统梳理与剖析，强调了区块链在增强DNS系统安全性以及重构DNS安全体系中发挥的独特功能和技术优势。首先，概述了DNS的工...
基于改进Yolov11与天体地形估计的着陆区选取方法————作者：李佳琪;魏若岩;朱晓庆;张鹏云;
摘要：针对外星探测任务中月球软着陆对安全性与精确性的日益增长需求，尤其是在复杂地形和通信受限环境下对探测器自主感知与决策能力的高度依赖，本文提出一种融合改进YOLOv11与天体地形估计的智能着陆区选取方法。首先，在YOLOv11模型中引入小目标检测层，结合BiFPN-M特征融合结构与C3K2-SCC模块，以增强对细粒度目标和微小障碍物的检测能力，从而提升复杂环境下的识别精度。其次，为获取远距离星体表面在...
基于融合特征的元学习对抗样本检测模型————作者：蒋章涛;李欣;薛迪;王晓宇;
摘要：深度学习模型易受对抗攻击的脆弱性使得对抗样本检测成为一项重要技术。现有检测方法通常依赖大量标注数据进行训练，而新型攻击样本的生成速度远超数据收集与标注效率，致使小样本场景下检测性能显著下降。此外，传统端到端的学习方法存在未能充分利用对抗样本固有特征等问题，限制了检测精度和泛化能力。为解决上述问题，提出了一种基于融合特征与注意力机制的元学习对抗样本检测模型Meta-FAD，该模型旨在模拟安全专家利用...
深度学习在黑色素瘤分类诊断中的研究进展————作者：蒋润泽;刘静;马金刚;郭振;李明;
摘要：黑色素瘤作为皮肤癌中最具致命性的类型，其早期准确诊断对提高患者生存率至关重要。近年来，深度学习技术在黑色素瘤分类诊断领域展现出巨大潜力，为临床诊断提供了新的技术支撑。系统回顾了深度学习在黑色素瘤分类中的研究进展，重点关注卷积神经网络、Transformer、生成对抗网络和循环神经网络等核心方法的技术演进及其临床应用。首先，归纳了HAM10000、ISIC、PH2等权威数据集的...
基于领域知识三元组和图卷积网络的方面级情感分类方法————作者：凤丽洲;宋金林;杨贵军;王友卫;
摘要：针对目前使用通用情感词典来加强文本中的情感倾向，无法准确识别特定领域中情感词与方面之间的情感信息，提出一种基于领域知识三元组和图卷积网络的方面级情感分类方法。首先，参考基于跨度的反偏见方面表示学习框架构建领域知识三元组，对文本序列进行句法依存分析，提取出文本中的关键结构信息，并利用所构建的领域知识三元组重构邻接矩阵，从而实现领域知识增强；然后，利用基于Transformers的双向编码器表示（Bi...
基于Diff-Cascade的低资源命名实体识别方法————作者：邱云飞;董丽波;张文文;
摘要：在低资源命名实体识别（Named Entity Recognition ，NER）任务中，目前许多基于迁移学习的方法虽然能够缓解数据稀缺问题，但往往会导致句子中部分正确信息的遗漏或识别错误，从而影响模型在低资源环境中的效果。针对此问题，本文提出了一种基于多模块协同的NER模型——Diff-Cascade-NER。首先，利用变分自编码器（Variational Autoencoder， VAE）在潜...
基于生成对抗网络的舌象图像特征提取新方法————作者：阮群生;王硕诚;吴清锋;
摘要：舌诊是中医特色诊法之一，《医镜》深刻阐释了舌象与人体健康状况、脏腑病变的密切关系。因此，现代中医智能舌诊的重要工作便是舌象图像特征处理，针对舌象图像特征分布规律的学习和特征提取困难的问题，论文提出一种基于生成对抗网络的舌象图像特征提取新方法（TongueIFE-GAN），该方法通过对抗思想构建一种面向舌象图像潜在特征的提取网络，它包括判别器和生成器两个重要组成部分，藉此建立图像重构质量与舌象图像的...
面向涉案财物的业务知识视觉问答技术框架————作者：薛迪;李欣;蒋章涛;王晓宇;刘明帅;
摘要：作为公安机关办理行政及刑事案件流程中的关键环节，涉案财物的规范化管理与依法处置直接关系到执法活动的公正性和程序合法，近年来有关部门相继出台了一系列规范性法律文件以指导公安民警开展此项工作。然而，不同涉案财物的调查取证、查封、扣押、冻结、接收等流程不尽相同，相关民警难以科学准确理解，严格执行规定。为帮助基层公安民警完成涉案财物管理工作，针对业务知识视觉问答模型涉案财物业务知识信息缺失、常规检索增强生...
基于层次化时空混合模型的心肌梗死智能检测方法————作者：韩明希;蒲宝明;马驰;李思源;
摘要：针对心电图信号时空特征联合建模中存在的多尺度病理表征弱、时序依赖建模能力不足与跨尺度节律解析受限问题，提出一种层次化时空混合模型M2SRC-TBL，空间构建多尺度残差卷积模块（M2SRC）与多层级卷积架构，采用分层递减卷积核策略提取QRS波群、ST-T段等多尺度形态特征，结合改进的2D-SE模块动态增强关键波形特征的鉴别能力，解决了单一卷积核难以同时捕获宽波群与局部偏移的问题；设计全局到局部时序建...
改进YOLO11的高精度课堂行为检测算法————作者：曹燚;曹倩;钱承山;袁程胜;
摘要：针对课堂场景中学生目标小、分布密集且易被遮挡，导致检测精度低、识别效果不佳的问题，提出了一种基于YOLO11（You Only Look Once version 11）改进的课堂行为检测算法——MFD-YOLO。该算法通过一系列创新设计，显著提升了课堂行为检测的精度和识别效果。首先，设计了多维度特征流动网络（Multi-dimensional Feature Flow Network， MFFN...
胎儿脑核磁共振图像处理技术进展————作者：刘梦宇;罗琴;姚雄;王健华;陈健;
摘要：胎儿脑核磁共振成像技术因其无创、无辐射和高软组织对比度，已成为评估胎儿大脑发育和诊断先天性脑异常的重要工具。高质量的胎儿脑核磁共振图像在临床诊疗和胎儿脑发育等科学研究方面发挥着重要作用。图像处理技术可提升胎儿脑核磁共振图像质量，满足诊断与研究需求，故其在胎儿脑核磁共振图像领域的研究具有重要意义。本文对胎儿脑结构及其核磁共振图像数据集进行简要介绍，并对图像质量评价、图像配准、图像去噪、图像偏差场校正...
多元特征提取与通道特征重构的跨模态行人重识别方法————作者：王铭杰;毕艺瀚;王蓉;李冲;
摘要：针对可见光图像与红外图像模态差异大导致可见光-红外行人重识别匹配困难的问题，提出一种多元特征提取与通道特征重构的跨模态行人重识别方法。首先，采用双流ResNeXt50作为骨干网络，通过通道分组卷积分别提取不同子网络特征，缓解两种模态通道数不平衡的问题，提升判别特征提取能力，降低模型复杂度，避免过拟合；其次，设计多级特征重构模块，对不同阶段特征进行通道维度的重构融合，并利用通道注意力机制和自适应权重...
深度学习方法下的文本聚类模型研究进展————作者：史东艳;马乐荣;丁苍峰;宁秦伟;曹江江;
摘要：文本聚类是无监督学习的核心技术之一，其目标是将海量文本数据自动划分为若干语义高度相似的簇。近年来，基于深度学习的文本聚类取得蓬勃发展，研究焦点逐步转向利用先进的深度学习架构来高效提取文本特征，以进一步提高聚类结果的准确性。特别的，依托RoBERTa和GPT等大型预训练语言模型的聚类策略，凭借其强大的预训练特征表示能力，已展现出卓越的性能优势。为此，本文将通过实例和数据的方式，全面回顾文本聚类的发展...
基于多注意力机制的脊柱病灶MRI影像识别模型————作者：周慧;宋新景;
摘要：人工检测脊柱病变是一项耗时的工作，并且高度依赖于该领域的专家，因此，脊柱病灶的自动识别是非常必要的。然而，脊柱病灶的准确定位和分类是一项具有挑战性的工作，因为脊柱病灶的大小、位置和结构存在着广泛的差异，同时脊柱肿瘤与稀有病布鲁氏菌在影像上高度相似。为了应对这些挑战，本文提出了一种改进的脊柱病灶MRI影像识别模型，首先引入以resnet-101为基础的双向特征金字塔主干网络，并利用可变卷积在不同层替...
2025CCF全国理论计算机科学学术年会征稿
摘要：<正>CCF全国理论计算机科学学术年会（National Conference of Theoretical Computer Science,NCTCS）已成为国内理论计算机科学最主要的学术平台之一。至今，NCTCS已在全国二十多个地区成功举办，为理论计算机科学及相关领域的研究学者提供一个交流合作场所。由中国计算机学会主办、中国计算机学会理论计算机科学专业委员会和云南大学承办的202...
2025CCF全国高性能计算学术年会征文通知
摘要：<正>由CCF主办，CCF高性能计算专业委员会、鄂尔多斯高新技术产业开发区管委会共同承办，北京并行科技股份有限公司协办的“2025CCF全国高性能计算学术年会（CCF HPC China 2025）”将于2025年8月13日至16日在鄂尔多斯国际会展中心召开。全国高性能计算学术年会是中国一年一度高性能计算领域的盛会，为相关领域的学者提供交流合作、发布最前沿科研成果的平台，将有力地推动中...
计算机科学与探索来自网友的投稿评论：
