欢迎来到学术之旅,发表咨询:400-808-1701 订阅咨询:400-808-1721
计算机科学

计算机科学杂志

人气78344评价76
收藏
  • 主管单位

    国家科学技术部

  • 主办单位

    国家科技部西南信息中心

  • 下单时间

    1-3个月

  • 50-1075/TP

    国内刊号

  • 1974年

    创刊

  • 重庆

    发行

  • 401121

    邮编

  • 1002-137X

    国际刊号

  • 月刊

    周期

  • 朱宗元

    主编

  • 中文

    语言

  • ¥ 1000.00

    全年订价

  • A4

    纸张开本

  • 78-68

    邮发

  • 计算机应用与应用数学

    曾用名

计算机科学 2019年第09期杂志 文档列表

计算机科学杂志综述
深度神经网络压缩综述1-14

作者:李青华; 李翠平; 张静; 陈红; 王绍卿 单位:中国人民大学数据工程与知识工程教育部重点实验室; 北京100872; 中国人民大学信息学院; 北京100872; 山东理工大学计算机科学与技术学院; 山东淄博255091
摘要:近年来深度神经网络在目标识别、图像分类等领域取得了重大突破,然而训练和测试这些大型深度神经网络存在几点限制:1)训练和测试这些深度神经网络需要进行大量的计算(训练和测试将消耗大量的时间),需要高性能的计算设备(例如GPU)来加快训练和测试速度;2)深度神经网络模型通常包含大量的参数,需要大容量的高速内存来存储模型。上述限制阻碍了神经网络等技术的广泛应用(现阶段神经网络的训练和测试通常是在高性能服务器或者集群下面运行,在一些对实时性要求较高的移动设备(如手机)上的应用受到限制)。文中对近年来的压缩神经网络算法进行了综述,系统地介绍了深度神经网络压缩的主要方法,如裁剪方法、稀疏正则化方法、分解方法、共享参数方法、掩码加速方法、离散余弦变换方法,最后对未来深度神经网络压缩的研究方向进行了展望。

半监督聚类综述15-21

作者:秦悦; 丁世飞 单位:中国矿业大学计算机科学与技术学院; 江苏徐州221116; 中国科学院计算技术研究所智能信息处理重点实验室; 北京100190
摘要:半监督聚类是结合半监督学习与聚类分析而提出的新的学习方法,其在机器学习中得到了广泛的重视和应用。传统无监督聚类算法在划分数据时并不需要任何数据属性,但在实际应用中,存在少量带有独立类标签或成对约束的监督信息的数据样本,学者们致力于将这些为数不多的监督信息运用于聚类,以得到更优的聚类结果,从而提出了半监督聚类。文中主要介绍了半监督聚类的理论基础和算法思想,并对半监督聚类的最新研究进展进行了综述。首先,对半监督学习的研究现状和分类进行了概述,并将生成式半监督学习、半监督SVM、基于图的半监督学习和协同训练这4种分类方法进行了对比;其次,针对半监督学习的聚类进行了详细的描述,并对4种典型半监督聚类算法(Cop-Kmeans算法、LCop-Kmeans算法、Seeded-Kmeans算法和SC-Kmeans算法)的算法思想进行了分析和总结,同时对这4种算法的优缺点进行了评价;然后,按照基于约束的半监督聚类和基于距离的半监督聚类两种情况,分别对半监督聚类的研究现状进行了阐述;最后,探讨了半监督聚类在生物信息学、图像分割以及计算机其他领域内的应用以及未来的研究方向。文中旨在使初学者能够快速了解半监督聚类的进展,理解典型的算法思想,并在之后的实际应用中能起到一定的指导作用。

基于神经网络的角色运动合成研究进展22-27

作者:王鑫; 孟浩浩; 姜小涛; 陈胜勇; 孙凌云 单位:浙江工业大学计算机科学与技术学院; 杭州310023; 浙江省可视媒体智能处理技术研究重点实验室; 杭州310023; 天津理工大学计算机科学与工程学院; 天津300384; 浙江大学现代工业设计研究院; 杭州310058; 浙江大学国际设计研究院; 杭州310058
摘要:在角色运动数据集上,运用神经网络技术进行运动合成是当前计算机图形学领域中的一项重要研究。该研究旨在通过神经网络技术生成自然、逼真度较高的角色运动。在对相关研究工作进行分析和总结的基础上,对运动模型的构建、运动交互和运动风格化等领域的研究进展进行了介绍;详细阐述了基于运动捕获数据,利用数据驱动技术、交互式控制方法和ERD,CAE,MAR等网络模型,动态地对角色进行运动建模、运动合成、交互式运动控制,同时为了合成更高质量的角色运动,对运动动画进行风格化等处理;以神经网络技术为着眼点,串联角色运动合成中的各个环节,并结合实际应用,针对当前研究工作面临的难点提出一些可继续深入探索的问题。

基于Storm的任务调度:现状与研究展望28-35

作者:张洲; 黄国锐; 金培权 单位:中国科学技术大学计算机科学与技术学院; 合肥230001; 中国人民解放军31002部队; 北京100081
摘要:以ApacheStorm为代表的分布式流式数据处理系统能够在复杂大数据处理环境中提供低延迟的处理,因此受到了学术界和工业界的普遍关注。在分布式流式数据处理系统中,任务调度是决定系统性能的关键因素。一个优秀的任务调度器能够为系统带来更高的吞吐量、更低的处理延迟和更好的资源利用率。Storm原生的任务调度器需要用户手动设置并行度,并且使用简单的轮询方法进行任务分配,在实际应用中性能较差。针对这一问题,研究者提出了多种面向Storm任务调度机制的优化策略。文中综述了Storm任务调度机制的相关工作,首先介绍了Storm系统以及原生的任务调度机制,并梳理了目前提出的面向Storm任务调度机制的优化技术,总结了各种方法的优点和缺点;最后讨论了Storm任务调度优化在未来的若干发展方向,以期能够为Storm任务调度机制的进一步优化和应用提供参考。

面向复杂环境的图像语义分割方法综述36-46

作者:王嫣然; 陈清亮; 吴俊君 单位:暨南大学信息科学技术学院; 广州510632; 佛山科学技术学院机电工程学院; 广东佛山528225
摘要:图像语义分割是视觉智能方向最重要的基础性技术之一,语义分割效果关系着智能系统对其应用场景的理解能力,因此在诸如无人驾驶、机器人认知与导航、安防监控与无人机着陆系统等重要领域均具有较大的应用价值。由于复杂环境下的目标存在非结构化、目标多样化、形状不规则化以及光照变化、视角变化、尺度变化与物体遮挡等各种干扰因素,给图像的语义分割带来了较大挑战。近年来,受益于深度学习理论的快速发展,图像语义分割方向涌现了一大批具有典型意义的研究成果。为启发图像语义分割领域的学术研究及其相关智能系统的工程化开发,文中首先全面阐述了图像语义分割方法的研究发展历程,并将其划分为:传统的图像语义分割方法、传统方法与深度学习相结合的图像语义分割方法、基于深度学习的图像语义分割方法;其次从复杂环境下图像语义分割面临的问题出发,重点对近年来涌现的各种面向复杂环境的语义分割方法的模型、算法、性能及存在的问题进行了详细地分析与对比,并按照强监督、弱监督、无监督图像语义分割方法分类进行阐述;然后归纳了当前主流的PASCALVOC,Cityscape,SUNRGB-D等9类包含各种复杂环境的数据集,以及3项评估指标PA,mPA和mIoU;最后对面向复杂环境的图像语义分割研究工作进行了总结,并对其在实时视频分割、三维场景重构及无监督语义分割等方向的发展进行了展望。

基于深度学习的三维形状特征提取方法47-58

作者:周燕; 曾凡智; 吴臣; 罗粤; 刘紫琴 单位:佛山科学技术学院计算机系; 广东佛山528000
摘要:研究具有低维、高鉴别力的三维形状特征提取方法有助于解决三维形状数据分类和检索等问题。随着深度学习的持续发展,结合深度学习的三维形状特征提取方法已成为研究热点。将深度学习与传统的三维形状特征提取方法相结合,不仅可以突破非深度学习方法的瓶颈,而且可以提高三维形状数据分类、检索等任务的准确率,尤其是当三维形状是非刚体时。然而,深度学习尚在发展中,仍存在需要大量训练样本的问题,因此如何运用深度学习方法来高效提取三维形状特征成为了计算机视觉领域的研究重点和难点。目前,研究者大多从改进网络结构和训练方法等方面入手,着重提高神经网络提取特征的能力。文中结合深度学习和三维形状特征提取方法的发展历程,首先介绍相关深度学习模型,以及网络改进、训练方法等方面的新思路;其次重点对基于深度学习的刚体与非刚体的特征提取方法做综合的阐述,描述当前深度学习方法用于三维形状特征提取的情况;然后简述现有三维形状检索系统的现况以及相似度计算方法;最后介绍当前三维形状特征提取方法存在的问题,并探讨其未来的发展趋势。

计算机科学杂志第35届中国数据库学术会议
RAISE:一种高效的社交网络影响成本最小化算法59-65

作者:孙永樾; 李红燕; 张金波 单位:北京大学信息科学技术学院; 北京100871; 北京大学机器感知与智能教育部重点实验室; 北京100871
摘要:在市场营销、政治选举等领域,说服个体接受新产品或新思想需要耗费一定的成本。将影响成本最小化问题定义为如何选择不同个体,使影响最终扩散到社交网络中给定数量的个体,且耗费的成本最小。运用现有方法解决该问题,解的质量和时间效率都面临一定的瓶颈。为了解决该问题,提出了一种高效的算法——RAISE算法。在理论上,当期望达到的影响与网络规模可比拟时,该算法具备常数近似比和线性时间复杂度。实践表明,该算法在解的质量和时间效率两方面都显著优于现有方法。

基于NVM的无日志哈希表66-72

作者:王涛; 梁潇; 吴倩倩; 王彭; 曹伟; 孙建伶 单位:浙江大学计算机科学与技术学院; 杭州310012; 阿里巴巴-浙江大学前沿技术研究中心; 杭州310012
摘要:新兴的非易失内存正逐步进入人们的视野。由于这类存储技术同时具备了低延迟、持久化、大容量和字节可寻址的特性,数据库系统可以运行在只有NVM的存储架构上。在这种环境下,一些新颖的无日志索引结构应运而生,并被期望在异常故障后能即时地恢复索引能力而无须重建索引。然而,在现有的计算机体系结构中,这些索引结构为了确保NVM上数据的一致性,需要进行大量的同步操作,从而严重影响了正常执行时的系统性能。基于NVM的无日志哈希表利用指针数据的原子修改确保数据结构的一致性。哈希表使用了一种优化的Rehash方法,既减少了正常工作时的同步操作,又确保了异常故障后的即时恢复能力。实验评估表明,相比于已有的持久化索引结构,无日志哈希表在大部分工作负荷下的吞吐率表现良好,而在恢复时间、NVM资源使用量和写磨损方面具备显著的优势。

基于道路网的多移动用户动态Skyline查询73-78

作者:周剑刚; 秦小麟; 张珂珩; 许建秋 单位:南京航空航天大学计算机科学与技术学院; 南京210016; 南瑞集团有限公司; 南京210003
摘要:随着无线通信和定位技术的发展,道路网Skyline查询在基于位置的服务等方面越来越重要。但现有的道路网Skyline研究所涉及的空间属性仅考虑距离,并未考虑多个移动用户位置和速度的变化对用户运动时间的影响,当用户运动状态发生变化时,需要动态地调整Skyline结果,进行重新规划。文中分析了用户运动状态与查询间的关联关系,提出了查询处理算法EI,将查询过程分为两步:1)根据时间,通过协同过滤扩展方法确定初始Skyline结果集,并对数据集进行剪枝;2)监测用户的运动状态,一旦用户速度发生变化,就快速根据出入点信息动态调整Skyline集。最后,在真实路网上对算法进行了实验,并将其与现有算法N3S和EDC进行了比较,结果表明EI算法可以高效解决基于道路网的多移动用户动态Skyline查询问题。

基于维基百科类别图的推特用户兴趣挖掘79-84

作者:刘小捷; 吕晓强; 王晓玲; 张伟; 赵安 单位:华东师范大学上海市高可信计算重点实验室; 上海200062; 中国科学院电子学研究所苏州研究院; 江苏苏州215123
摘要:以Twitter为代表的社交网络在人们的生活中发挥着重要作用,其庞大的用户群体给社交网络数据挖掘带来了巨大的价值。社交网络用户兴趣建模方法被广泛研究,并被用于提供个性化推荐。文中提出了一种基于维基百科类别图的Twitter用户兴趣挖掘和表示方法。首先,该方法根据用户活跃度的差异,分别采用基于推文内容的方法和基于关注账号信息的方法来实现活跃用户与非活跃用户的兴趣挖掘。然后,在维基百科类别图上使用个性化PageRank算法进一步拓展用户兴趣,生成维基百科类别表示的用户兴趣画像。在推文推荐的应用背景下,对用户兴趣建模策略进行了实验分析和比较。实验结果表明,与现有的Twitter用户兴趣挖掘方法相比,所提方法显著提升了推文推荐效果,能够有效地改进用户兴趣挖掘效果。

基于随机森林的虚拟机性能预测与配置优化85-92

作者:张彬彬; 王娟; 岳昆; 武浩; 郝佳 单位:云南大学信息学院; 昆明650500
摘要:在目前的IaaS云计算服务中,用户可租用不同资源配置的虚拟机,然而用户很难根据资源配置准确估计虚拟机的性能,从而较难根据待部署的应用的性能需求选择恰当配置的虚拟机,这种使用方式使得云主机的资源未得到最充分的利用。因此,文中提出基于随机森林回归模型预测特定配置的虚拟机性能,并在此基础上,根据性能需求,利用遗传算法求解较优的符合性能需求的虚拟机配置,用随机森林性能模型获取种群中各个体的性能预测值以选出最接近性能需求的个体进行交叉操作。实验结果表明,随机森林回归模型能准确预测特定配置的虚拟机的性能,利用遗传算法搜索得出的虚拟机配置的实测性能与性能需求非常接近,并且该算法可以在较短时间内达到收敛。

社交网络中同一用户的识别93-98

作者:张征; 王宏志; 丁小欧; 李建中; 高宏 单位:哈尔滨工业大学计算机科学与技术学院; 哈尔滨150001
摘要:对不同社交全局网络中同一用户的身份识别进行了相关研究,将社交网络建模为节点带有属性值且含有一个中心节点的网络,即ego-network,并就社交网络中身份识别的问题设计了相关算法。为挖掘同一个用户的节点对,对用户的属性、好友关系的相似度进行了建模,从而综合评价了不同社交网络中节点间的相似度,即为用户匹配评分,将其作为节点匹配的优先度;然后通过改进后的RCM算法得到全局最优的匹配结果;最后剪掉用户匹配评分较低的已匹配用户对以达到更好的效果。基于真实数据集,实验对比了该算法与几种相关算法的表现,并分析了不同参数对实验效果的影响,验证了所提算法的合理性。

差分隐私流数据实时中的自适应参数优化99-105

作者:吴英杰; 黄鑫; 葛晨; 孙岚 单位:福州大学数学与计算机科学学院; 福州350116
摘要:当前许多实际应用需要持续地对流数据的区间统计查询做出实时响应,并使用差分隐私保护模型来应对信息过程中的敏感数据泄露问题。现有研究采用树状数组作为组织和存储流数据的数据结构,以满足信息的实时性要求。然而,现有方法中的相关参数为预先确定的,并不能很好地适应查询的动态变化。为此,文中提出在流数据实时的框架上,引入历史查询信息,以实现过程中树高参数的动态调整。首先,使用移动平均法分析历史查询记录,并预测后续的查询范围分布;继而针对预测结果,通过理论推导,得出使得期望误差最小的树高;最终实现差分隐私流数据实时中树高参数的自适应优化。实验结果表明,该方法在保证了时间效率的同时,有效地提高了结果的精度。

基于深度学习的跌倒行为识别106-112

作者:马露; 裴伟; 朱永英; 王春立; 王鹏乾 单位:大连海事大学信息科学技术学院; 辽宁大连116026; 大连海事大学环境科学与工程学院; 辽宁大连116026; 大连海洋大学海洋与土木工程学院; 辽宁大连116026
摘要:随着老龄人口的快速增长,跌倒检测成为医疗健康领域的一个关键问题。准确检测监控视频中的跌倒行为并及时反馈能有效减少老年人因跌倒造成的伤害甚至死亡。针对监控视频中的复杂场景及多种相似性人类行为干扰的情况,文中提出一种改进的FSSD(Feature Fusion Single Shot Multibox Detector)跌倒检测方法。首先,从不同的跌倒视频序列中抽取视频帧形成数据集;然后,将训练样本集输入到改进的FSSD网络中训练直至网络收敛;最后,根据最优化的网络模型测试视频中目标的类别并定位目标。实验结果表明,改进的FSSD 算法可以有效检测每帧图像的跌倒或日常生活活动(Activities of Daily Living,ADL)事件并给出实时反馈,检测速度为24 fps(GTX1050Ti),在保证检测精度的同时满足实时性要求。将改进方法与已有最新方法进行比较,结果表明:改进的FSSD 算法的性能优于其他算法。视频中跌倒行为的检测进一步验证了基于深度学习的识别方法的可行性与高效性。

计算机科学杂志网络与通信
山洞环境中声信号的传播模型及其性能研究113-119

作者:何明星; 周杰; 吴鹏; 刘杨 单位:南京信息工程大学电子与信息工程学院; 南京210044; 日本国立新泻大学工学部电气电子工学科; 新泻950-2181
摘要:针对山洞环境提出了一个全新的基于几何的模型,该环境中山洞两侧通道从入口处到深处逐渐变宽(变窄),根据几何模型,并且借助射线理论,假设通道两侧表面是近似光滑的,提出山洞环境下声信号通信系统单发送单接收的随机信道模型。根据几何模型研究了通道两侧张开角度对信道包络分布、即时信道容量、时间自相关函数、频率相关函数、多普勒功率谱密度以及功率延迟分布的影响。理论和仿真结果表明,相对于通道两侧平行(即两侧张开角度为0)的情况,通道两侧张开角度仅很小的变化就会对声信道无线通信系统的各项统计特性产生非常显著的影响,并且通道两侧平行为本研究内容的一个特殊情况。