《軟件工程》期刊始終以反映軟件工程理論、方法和技術創(chuàng)新成果，傳播軟件知識，推廣軟件應用為己任，期望可以為促進中國軟件工程學科和軟件產(chǎn)業(yè)發(fā)展略盡綿薄之力。

★本期重點推薦論文

森林火災探測與預防對保護人類的生命和財產(chǎn)有著重大的作用。森林火災具有突發(fā)性并且時有發(fā)生，煙霧作為火災或火焰爆發(fā)前的早期階段，如及時被探測到，可以為救援爭取更多的時間。本期發(fā)表的論文《基于運動和亮度顯著性的森林煙霧分割方法》提出了一種基于運動和亮度顯著性檢測的煙霧區(qū)域分割方法，目的是解決傳統(tǒng)的運動檢測方法對樹葉抖動、攝像機抖動等不顯著運動區(qū)域比較敏感的問題;采用低秩結構化稀疏分解方法提取前景區(qū)域，然后計算煙霧的顯著性，便于進一步分離。作者提出了基于自適應參數(shù)的群稀疏魯棒標準正交子空間學習的顯著性測量方法。實驗表明，此方法可以很好地處理大范圍的煙霧視頻，并獲得了較好的煙霧檢測結果。

★優(yōu)秀期刊及其論文推薦

Complex & Intelligent Systems，簡稱CAIS，中文譯為《復雜智能系統(tǒng)》，它關注跨學科研究，通過研究社會面臨的許多深刻問題背后的原則和過程來擴大讀者的理解范圍。

《復雜智能系統(tǒng)》是同行評審的開放存取期刊（季刊），由SpringerOpen平臺出版，其影響因子為3.791，排在計算機科學人工智能領域前列。它被納入Clarivate Analytics產(chǎn)品和服務的覆蓋范圍，并被Science Citation Index Expanded（科學引文索引，SCIE）收錄。

《復雜智能系統(tǒng)》提供的是一個論壇，展示和討論新的方法、工具和技術，以實現(xiàn)復雜系統(tǒng)、計算模擬、智能分析和可視化等廣泛領域間的相互交流。它涵蓋了復雜的進化和適應系統(tǒng)、復雜系統(tǒng)中的緊急屬性和行為、數(shù)據(jù)挖掘和知識發(fā)現(xiàn)、機器學習、基于知識的系統(tǒng)、基于代理的系統(tǒng)、不確定性建模，等等。

2021年4月發(fā)表的“Social media intention mining for sustainable information systems： categories， taxonomy， datasets and challenges”一文提到，意圖挖掘是數(shù)據(jù)挖掘中一個很有前途的研究領域，其目的是從存儲日志中最終用戶過去的活動里確定最終用戶的意圖，這些日志記錄了用戶與系統(tǒng)的交互。搜索引擎是推斷用戶過去搜索活動的主要來源，以預測用戶的意圖，便于供應商和制造商以有效的方式向用戶展示其產(chǎn)品。隨著網(wǎng)購趨勢的增長，這一領域越來越有針對性，且成為備受關注的研究工作。作者對經(jīng)過嚴格篩選的109篇高質量研究論文進行了系統(tǒng)的文獻綜述。分析表明，有八個突出的意圖類別。此外，作者還討論了用于意圖挖掘的方法和技術的分類。同樣，作者對六種用于此目的的重要數(shù)據(jù)集也進行了討論。最后，對該領域的研究人員提出了未來的挑戰(zhàn)和研究差距。

《軟件工程》期刊會持續(xù)為廣大讀者提供軟件工程領域方面的最新學術訊息，歡迎大家繼續(xù)支持我刊，我們共同關注軟件工程領域的發(fā)展動向，努力做好學術研究和交流工作。