首页期刊导航|计算机工程与科学
期刊信息/Journal information
计算机工程与科学
国防科学技术大学计算机学院
计算机工程与科学

国防科学技术大学计算机学院

王志英

月刊

1007-130X

jsjgcykx@163.net

0731-84576405

410073

湖南省长沙市开福区德雅路109号国防科技大学计算机学院

计算机工程与科学/Journal Computer Engineering and ScienceCSCD北大核心CSTPCD
查看更多>>本刊系国防科技大学计算机学院主办的计算机类综合性学术刊物，属中国计算机学会会刊，已先后被列为中文核心期刊、中国科技核心期刊、中国学术期刊（光盘版）全文入编期刊、中国科学引文数据库来源期刊（CSCD核心）、中国学术期刊综合评价数据库来源期刊。
正式出版
收录年代

    一种基于随机森林分类器构建高性能应用程序性能分析模型的方法

    柴旭清乔一航范黎林
    1218-1228页
    查看更多>>摘要：高性能应用程序的传统性能分析方法因分析过程存在额外开销和分析结果不准确等缺陷,致使用户耗费更多的时间和领域知识.为解决以上问题,将程序的性能分析问题转化成高维特征下非平衡小样本数据集的多分类问题,采集500条包含程序运行时进程切换次数、内存利用率、磁盘I/O负载等7种性能数据,经PCA降维等数据预处理后,使用随机森林分类器训练程序性能问题分析模型.实验验证该模型可识别出内存利用率过高、磁盘I/O负载过重等5类性能问题.为评估模型的指导有效性,分别采集HotSpot3D程序和LU-Decomposition程序运行时产生的性能数据,并根据模型输出结果指导,分别基于运行级和编译级优化2个验证程序运行.实验结果表明,所提方法可有效指导优化程序的运行性能,2个验证程序的加速比分别为1.056和5.657.

    Nmon性能分析变分自编码器聚类随机森林

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    2024 CCF全国高性能计算学术年会征文通知

    1228页
      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于因果关系的反取证擦除技术检测模型

    杜放焦健焦立博
    1229-1236页
    查看更多>>摘要：在现代网络攻击中,攻击者常常利用各种反取证技术来掩盖他们的踪迹.反取证技术中的数据擦除的危害性较大,攻击者可以使用这种攻击来删除或破坏数据,从而达到销毁攻击证据、扰乱取证过程的目的.由于擦除活动自身的隐蔽性使其很难被察觉,因此利用基于因果关系的溯源技术,提出了一种反擦除数据检测模型.模型根据警报信息生成警报溯源图,并通过攻击行为特征为图中的每条路径计算异常分数,通过进一步筛选和聚合计算,最终生成攻击路径.实验结果表明,该模型可以较好地实现反取证擦除活动的溯源跟踪,并能提高反数据擦除攻击活动和正常活动之间的辨识度.

    反取证攻击溯源因果关系网络安全数据擦除

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于异步分层联邦学习的数据异质性处理方法研究

    郭昌昊唐湘云翁彧
    1237-1244页
    查看更多>>摘要：在物联网设备遍布的时代,时刻都在产生大量数据,数据分布和数据量各不相同,因此数据异质性普遍存在.针对物联网环境中智能设备的联邦学习挑战,传统联邦学习的同步机制解决数据异质性(NON-IID)问题并不理想,且面临着单点故障和维护全局时钟的复杂性问题,而异步机制则可能带来额外的通信开销和NON-IID数据分布导致的过时性问题.分层联邦学习结合异步机制在应对数据异质性的问题时更加灵活,为此,提出了一种基于分层联邦学习的异步分层联邦学习方法.首先,使用BIRCH算法分析物联网中各节点的数据分布并进行簇的划分;然后,对簇中的数据进行拆分与验证,目的是找到数据质量高的节点,然后将数据质量高的簇中的节点打散,重组到其他数据质量低的簇中,形成新的簇;最后,进行簇内聚合和全局聚合的两阶段模型训练.此外,基于MNIST数据集,对提出的方法进行了评估.结果表明,与经典方法相比,所提方法在NON-IID数据集上收敛速度提高,而且在模型精度上提高了15%以上.

    物联网联邦学习异步联邦学习分层联邦学习数据异质性数据分布

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于改进北方苍鹰优化随机配置网络的网络流量预测模型

    王堃李少波何玲周鹏...
    1245-1255页
    查看更多>>摘要：网络流量预测作为一种关键技术,能帮助实现网络资源的合理分配、优化网络性能以及提供高效的网络服务.随着网络环境的演变和发展,网络流量的多样性和复杂性增加,为了提高网络流量的预测精度,提出了一种基于改进北方苍鹰优化随机配置网络(CNGO-SCN)的网络流量预测模型.随机配置网络作为一种具有监督机制的增量式模型,在解决大规模数据回归和预测问题方面具有良好的优势.但是,一些超参数的选择影响了随机配置网络的准确性.针对这一问题,利用北方苍鹰算法对影响随机配置网络性能的正则化参数和比例因子进行优化,得到最佳数值.而北方苍鹰算法由于初始种群的随机分布导致种群个体质量不佳,因此引入混沌逻辑映射提升初始解的质量.将优化后的模型应用于英国学术网、欧洲某城市核心网网络流量数据集和合作企业搭建的网络协同制造云平台交换机接口的真实流量数据集,并与多种神经网络模型进行对比,以验证所提模型的网络流量预测能力.实验结果表明,该模型对比其他神经网络模型具有更高的预测精度,在实际应用场景中处理复杂数据时具备更加优秀的预测能力,该模型的预测误差下降了0.9%～99.7%.

    网络流量预测随机配置神经网络北方苍鹰优化算法混沌逻辑映射

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于度量学习的跨摄像头运动目标重定位方法研究

    康宇史珂豪陈佳艺曹洋...
    1256-1268页
    查看更多>>摘要：近年来,我国柴油车尾气排放污染日趋严重.为了改善大气环境,需要对排放黑烟的柴油车进行监测.然而,在城市交通道路场景下,黑烟柴油车检测经常由于车辆间相互遮挡等因素,难以通过后向视频确定黑烟柴油车身份.此外,柴油车重定位相关数据的严重不足导致数据局限性较大.针对以上问题,提出了一种跨摄像头场景下的黑烟柴油车重定位方法.该方法通过引入IBN模块构建特征提取网络,提升网络模型对柴油车图像外观变化的适应性.然后,设计基于豪斯多夫距离度量学习的损失函数对特征差异性进行度量,在优化过程中增加类间距离并降低遮挡样本的影响.最后,构建了多种场景下的柴油车重定位基准数据集,并在该数据集上对所提出的方法进行实验.实验结果表明,所提出的方法取得了83.79%的相对精度,具有较高准确率.

    跨摄像头黑烟车重定位度量学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    改进YOLOv7网络在低空遥感图像目标检测中的应用

    张永智何可人戈珏
    1269-1277页
    查看更多>>摘要：针对低空遥感图像目标检测存在的尺度微小、背景复杂多变和计算资源有限等问题,提出了一种改进YOLOv7网络的低空遥感图像目标检测网络SimAM_YOLOv7.首先,基于张量火车分解,最小化冗余参数;其次,引入无参数的注意力机制,提高网络对目标的聚焦能力;最后,利用高效IoU(EIoU)优化定位损失,减小目标框与先验框的位置偏移,基于Focal Loss改进分类损失,解决正负样本的失衡问题.在真实低空遥感数据集上进行实验,在YOLOv7的基准下,所提出的网络在参数量减少3.27M时,mAP50 指标提高了4.63%,mAP50:95 指标提高了3.94%,充分验证了所提网络的有效性和优越性.

    张量分解注意力机制损失函数优化小目标检测

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于多尺度特征与互监督的拥挤行人检测

    肖振久李思琦曲海成
    1278-1285页
    查看更多>>摘要：针对拥挤场景中,行人漏检率高、准确率低的问题,提出一种基于多尺度特征与互监督的拥挤行人检测网络.为了有效提取复杂场景中的行人特征信息,用PANet金字塔网络与混合空洞卷积相结合的网络提取特征信息.然后,设计了一种行人头部-全身互监督检测网络分别进行头部和全身检测,利用头部预测框和全身预测框的互监督获得更加准确的行人检测结果.所提出的网络在数据集CrowdHu-man上取得了13.5%的MR-2 性能,相较于YOLOv5网络提升了3.6%,同时AP提升了3.5%;在CityPersons数据集上取得了48.2%的MR-2 性能,相较于YOLOv5网络提升了2.3%,同时AP提升了2.8%.实验结果表明,提出的网络在人群拥挤的密集场景中具有良好的检测效果.

    拥挤场景行人检测多尺度网络互监督

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    一次性条件下的三支序列模式挖掘

    杨仕琦武优西耿萌李艳...
    1286-1295页
    查看更多>>摘要：一次性条件下的序列模式挖掘旨在从序列数据中挖掘出带有间隙约束的重复序列模式.然而,现有方法不考虑用户的兴趣度,将序列中的每个字符视作同等重要,导致许多用户不感兴趣的冗余模式被发现.为了解决这个问题,将三支决策思想引入序列模式挖掘领域,提出了一次性条件下的三支序列模式挖掘问题及其求解算法.在支持度计算方面,该算法基于深度优先搜索和回溯的策略,结合三支模式的特点以高效求解模式支持度.在候选模式生成方面,该算法采用模式连接策略缩减候选模式数量.此外,该算法还采用了并行化方案充分利用现代处理器的多核性能,提高算法的挖掘效率.最后,实验结果验证了研究一次性条件下的三支序列模式挖掘问题的意义和算法的高效性.

    序列模式挖掘三支决策三支序列模式一次性并行化算法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    命名实体识别研究综述

    丁建平李卫军刘雪洋陈旭...
    1296-1310页
    查看更多>>摘要：命名实体识别作为自然语言处理中的一项核心任务,在信息抽取、问答系统、机器翻译等方面应用广泛.首先,对基于规则和词典、基于统计机器学习的方法进行了描述和总结.其次,综述了基于深度学习中有监督、远程监督和Transformer的命名实体识别模型,特别对近年来在自然语言处理领域中热门的Transformer架构及其相关模型进行了阐述,包括基于Transformer的掩码语言建模和自回归语言建模,如BERT、T5和GPT等.再次,简要探讨了应用于命名实体识别中基于数据的迁移学习和基于模型的迁移学习方法.最后,总结了命名实体识别任务面临的挑战和未来的发展趋势.

    命名实体识别机器学习深度学习迁移学习自然语言处理

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据