软件导刊

 

ISSN:1672-7800

CN:42-1671/TP

主管单位:湖北省科学技术厅

主办单位:湖北省科技信息研究院

主编:何炎祥

出版周期:月刊

电话:027-87891823

官网:www.rjdk.org.cn

邮箱:softwareguide@163.com

地址:湖北武汉洪山路2号湖北科

大厦D座5楼

 

 

  • 最新文章
  • 封面文章
  • 高被引论文
  • 高下载论文
  • 网络首发
  • 过刊浏览
更多
Volume 24 期 4,2025 2025年24卷第4期
  • 人工智能

    在计算机视觉领域,研究者提出了基于自注意力和交叉注意力机制的RGB-T显著目标检测模型,有效捕捉多模态图像中的长距离依赖关系,取得了显著效果。

    胡成才, 陈雨扬, 杜欣霖, 汪俊辉, 陈奕霖, 龚津南

    DOI:10.11907/rjdk.241149
    摘要:随着多模态信息融合在计算机视觉任务中的普及,RGB-T(可见光和热红外图像)显著性检测作为一种重要的跨模态任务受到了广泛关注。现有的RGB-T显著目标检测模型大多采用卷积运算,构建复杂的多尺度融合结构实现跨模态信息集成,但其固定的感受野和权重共享机制难以有效捕捉多模态图像中的长距离依赖关系。为此,提出一个基于自注意力和交叉注意力机制的显著目标检测模型。该模型由3个关键模块组成:自注意力特征增强模块(SFEM)、多模态特征融合模块(MFFM)和特征细化模块(FRM)。SFEM混合多尺度卷积和多头自注意力机制,对提取的RGB特征和热成像特征进行增强;MFFM通过应用交叉注意力机制对所增强的特征进行多模态融合,同时连接上层特征;FRM以VGG为主干网络,通过聚合初级与深层特征来缓解深度神经网络退化问题,同时补充细节特征。实验结果显示,该模型在定量和定性比较方面均取得了显著效果。  
    关键词:显著目标检测;多尺度特征;注意力机制;编码器—解码器;深度学习   
    86
    |
    26
    |
    0
    <HTML>
    <网络PDF><WORD><Enhanced-PDF><Meta-XML>
    <引用本文> <批量引用> 89785865 false
    更新时间:2025-04-14
    情绪识别领域取得新进展,专家提出跨被试情绪识别模型,为脑机接口研究提供新方向。

    李景聪, 陈希昶, 黄海云

    DOI:10.11907/rjdk.241215
    摘要:情绪识别是脑机接口一个主流的应用方向,有着巨大的研究潜力。然而,被试之间存在的生理差异会使脑电信号差异较大,并且意识障碍(DOC)患者的有标签情绪脑电数据极为稀缺。为此,提出一个利用少量有标签数据和大量无标签数据来实现跨被试情绪识别任务的模型,并结合半监督与元学习方法微调模型,以提升数据利用率。在自采数据集中的实验表明,所提模型识别正常人、DOC患者情绪的准确率分别为82.93%、59.26%,证实了该方法在跨被试情绪识别任务和DOC患者诊断中的潜力巨大。  
    关键词:情绪识别;脑机接口;跨被试;脑电图;元学习;半监督   
    37
    |
    17
    |
    0
    <HTML>
    <网络PDF><WORD><Enhanced-PDF><Meta-XML>
    <引用本文> <批量引用> 89785271 false
    更新时间:2025-04-14
    在驾驶注意力预测领域,研究人员提出了基于多模态的多尺度通道注意力回归模型MMCAR-Net,有效融合EEG与EOG数据,提升模型敏感性和表达能力。

    蒋超, 郜东瑞, 李芃锐, 赵长名

    DOI:10.11907/rjdk.241158
    摘要:近年来,许多研究致力于利用EEG与EOG多模态数据预测驾驶注意力,但有效融合这两种模态数据仍是一项充满挑战的任务。为此,提出一个基于多模态的多尺度通道注意力回归模型(MMCAR-Net)预测驾驶注意力。首先,通过多尺度感知单元(Multi-Scale Inception)从EEG、EOG模态数据中分别提取多尺度特征;其次,在多个尺度上有序合并EEG与EOG特征以增强融合特征的多样性;最后,引入多尺度通道注意力机制为多尺度特征赋予差异化权重,以强化与注意力预测相关的特征,提升模型对驾驶注意力相关特征的敏感性和表达能力。在SEED-VIG数据集上的实验表明,所提模型在个体内实验组中取得的PCC与RMSE分别为0.959和0.064,在跨被试实验组中对应数值为0.892和0.112。  
    关键词:驾驶注意力预测;多尺度感知单元;多尺度通道注意力机制;特征融合   
    33
    |
    16
    |
    0
    <HTML>
    <网络PDF><WORD><Enhanced-PDF><Meta-XML>
    <引用本文> <批量引用> 89785273 false
    更新时间:2025-04-14
    在脉诊领域,研究者提出了一种高效轻量脉冲诊断分类模型,通过改进特征提取和超参数优化,显著提高了高血压预测的准确性和效率。

    邱泽浩, 杨晶东

    DOI:10.11907/rjdk.241243
    摘要:为解决脉诊数据集在现实条件下存在的样本不均衡,以及现有高血压危险三分层脉搏波预测模型效率较低和分类精度较差的问题,提出一种面向数据不均衡的高效轻量脉冲诊断分类模型。首先,在预处理阶段提出一种改进的频域特征提取方法MFCC-PCA,从数据中提取相关特征,应用SMOTE+ENN对数据集进行均衡化处理;其次,提出一种结合网格搜索与贝叶斯优化的超参数优化算法GBO优化XGBoost模型超参数,构建一种基于XGBoost算法的高血压预测模型GBO-XGBoost;最后,利用SHAP方法分析各高血压危险三分层的脉搏波特征对检测的重要性,为高血压预防和临床诊断提供参考。在脉诊数据集上的实验表明,GBO-XGBoost模型的Accuracy、Precision、F1-score和AUC值分别为98.27%、98.28%、98.36%、99.96%,相较于经典机器学习方法的分类精度更高。  
    关键词:脉搏波;高血压;特征提取;超参数优化;样本均衡;特征重要性   
    19
    |
    19
    |
    0
    <HTML>
    <网络PDF><WORD><Enhanced-PDF><Meta-XML>
    <引用本文> <批量引用> 89785473 false
    更新时间:2025-04-14
查看更多
  • 专题专栏
更多
0