首页期刊导航|计算机科学
期刊信息/Journal information
计算机科学
计算机科学

朱完元

月刊

1002-137X

jsjkx12@163.com

023-63500828

401121

重庆市渝北区洪湖西路18号

计算机科学/Journal Computer ScienceCSCD北大核心CSTPCD
查看更多>>本刊的读者对象是：大专院校师生，从事计算机科学与技术领域的科研、生产人员。办刊宗旨是：坚持“双百”方针，活跃计算机科学与技术领域的学术气氛，重点报导国内外计算机科学与技术的发展动态，为我国的计算机科学与技术立于世界之林、达到国际先进水平奋斗而矢志不渝。
正式出版
收录年代

    基于多目标优化算法NSGA-Ⅱ的软件多样化组合方法

    谢根琳程国振梁浩王庆丰...
    85-94页
    查看更多>>摘要：软件多样化因能有效提升系统弹性、增加恶意二进制分析的成本而被广泛应用于软件开发等场景中.而如何对现有软件多样化技术进行组合部署,以在获得更高安全增益的同时保持较低的性能开销,是当前软件多样化研究的核心问题之一.针对现有软件多样化组合方法中搜索算法效率低、搜索空间小、安全性评估指标不全面、难以综合考量软件多样化对各类攻击的影响等问题,提出了一种基于多 目标优化算法的软件多样化组合方法,将软件多样化组合问题构建为综合考量TLSH相似度、gadget质量分数和CPU时钟周期数指标的多 目标优化模型,并设计了包括染色体编码、自适应交叉和变异算子,以及针对组合方案的有效性验证算法等在内的NSGA-Ⅱ求解算法.最后,在GNU核心工具组数据集上进行实验,结果表明,该组合方法可有效生成高安全增益、低性能开销的软件多样化组合方案.

    软件多样化多目标优化NSGA-Ⅱ算法多样化技术组合量化评估

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于ART优化选择策略的遗传算法生成测试数据方法

    李志博李清宝兰明敬
    95-103页
    查看更多>>摘要：测试数据自动生成方法是软件测试领域研究的热点.基于遗传算法的启发式搜索算法是一种路径覆盖生成测试数据的方法.文中提出了一种基于自适应随机测试(Adaptive Random Testing,ART)算法更新种群的方法,将ART融入遗传算法,优化选择操作,动态更新种群,从而增加种群进化过程中的个体多样性,提高了收敛速度,有效地减少了陷入局部最优.实验结果显示,与传统遗传算法生成测试数据的方法相比,改进的算法明显提高了路径覆盖率,减少了种群平均进化代数.

    软件测试测试数据生成遗传算法路径覆盖自适应随机测试

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    云数据库资源与参数协同调优方法研究

    李雨航谭睿雄柴云鹏
    104-110页
    查看更多>>摘要：云数据库中存在许多配置项,包括数据库内部的配置参数以及部署环境的虚拟机资源配置,这些配置项共同决定了数据库的读写性能和资源消耗.在资源弹性伸缩的云环境下,用户关注数据库的服务性能和资源消耗成本.然而,由于配置项众多且负载变化快速,寻找最优的配置项组合变得困难.文中针对负载动态变化的在线调优场景提出了 CoTune,一种协同调节云数据库资源与参数的快速调优方法.该方法针对OLTP型动态负载,通过迭代调节云虚拟机资源配置和数据库参数配置,在保障服务质量的前提下降低资源消耗.该方法的创新点如下:首先,在每个调优周期内,采用三阶段方案对资源配额和数据库参数进行调节,优先保障服务质量;其次,根据数据库参数对不同资源的影响进行分类,减小搜索空间,快速调节参数;最后,在数据库参数调节的强化学习模型中,设计特定的奖励函数,快速获取奖励值,加快调节频率.实验结果表明,该方法相比同时调节资源和参数、单独调节资源等方法,能够在保障服务质量的前提下降低资源消耗.通过快速迭代调优,能够应对负载变化的挑战,并在动态负载环境中实现更高效的资源利用.

    云数据库参数调优服务质量资源消耗

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    CDES:数据驱动的云数据库效能评估方法

    韩宇捷徐志杰杨定裕黄波...
    111-117页
    查看更多>>摘要：在大规模云生产环境中在线评估数据库效能,对云厂商进一步优化云成本至关重要.为了评估云数据库的使用效能,提出了一种数据驱动的、基于计算与存储指标融合的云数据库效能评估方法CDES.该方法根据云数据库实例负载行为和性能画像,从计算和存储两方面选取影响云数据库成本与效能的主要指标,再结合云监控平台采集的数据,评估云数据库实例与集群的线上实际使用效能.基于CDES评估结果,进一步提出了云数据库效能优化的治理方案,提供效能优化建议,引导用户减少闲置资源.CDES已被部署在某大型互联网企业生产环境中,并用于其OLTP云数据库产品的效能评价.实验结果表明,所提方法能有效评估超过5000个云数据库实例的集群的效能并引导治理,单位业务量下实例最高能节省40.74％的成本.

    云计算云数据库效能评估云成本优化

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    时序网络上异常演化模式研究

    武南南郭泽浩赵一鸣余韦...
    118-127页
    查看更多>>摘要：许多异常子图检测方法已经被成功应用于社交网络中的事件检测、道路网络中的交通拥堵检测等任务中.然而,在属性图中异常子图的动态演化方面,鲜有研究开展.文中提出了一种名为动态演化多异常子图扫描(DE-MASS)的方法,用于检测属性图上多个异常子图的演化模式,这是第一个捕捉相邻时间片上多个相连异常子图的动态图研究.DE-MASS在微博数据集、计算机流量数据集上的表现优于其他基准方法,并检测到3个实际应用中异常子图的演化模式:城市道路网络中的交通拥堵检测(北京、天津和南京)、社交网络(微博)中的事件检测和计算机流量网络中的网络攻击检测.

    异常检测子图动态图非参数扫描统计

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    模体感知的自适应跨层游走社区检测

    王贝贝信俊昌陈金义王之琼...
    128-134页
    查看更多>>摘要：近年来,利用高阶交互信息进行多层网络社区检测已成为复杂网络分析领域的研究热点.尽管多层网络社区检测的研究已取得了一些进展,但大多数方法忽略了网络各层之间的联系.为了解决这一问题,提出了一种模体(motif)感知的自适应跨层游走社区检测算法(Motif-aware Adaptive Cross-Layer random walk Community Detection,MACLCD).该算法充分考虑了多层网络各层内的高阶交互特性以及层间的相关性,有效整合了多层网络的结构信息,提高了社区检测结果的准确性.具体地,首先从网络和节点的角度进行综合度量,揭示网络层间相关性;其次,考虑了各层网络可能具有不同的局部和全局结构特征,利用motif识别各层网络特有的高阶交互结构,构建多层加权混合阶网络;进一步,设计了多层网络跨层游走模型,并引入跳转因子,以确保随机游走能够自适应地遍历多层网络,从而捕获更丰富的网络结构信息.在4个真实的网络数据集上进行实验比较分析,结果表明MACLCD算法在社区检测方面性能较优,相比目前表现最佳的对比算法在ACC和NMI上分别提高了10％和 8.9％.

    社区检测多层网络高阶结构跨层随机游走motif

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于混合高斯先验变分自编码器的深度多球支持向量数据描述

    武慧囡邢红杰李刚
    135-143页
    查看更多>>摘要：随着数据维度和规模的不断增加,基于深度学习的异常检测方法取得了优异的检测性能,其中深度支持向量数据描述(Deep SVDD)得到了广泛应用.然而,要缓解超球崩溃问题,就需要对Deep SVDD中映射网络的各种参数施加约束.为了进一步提高Deep SVDD中映射网络的特征学习能力,同时解决超球崩溃问题,提出了基于混合高斯先验变分自编码器的深度多球支持向量数据描述(Deep Multiple-Sphere Support Vector Data Description Based on Variational Autoencoder with Mixture-of-Gaussians Prior,DMSVDD-VAE-MoG).首先,通过预训练初始化网络参数和多个超球中心;其次,利用映射网络获得训练数据的潜在特征,对VAE损失、多个超球的平均半径和潜在特征到所对应超球中心的平均距离进行联合优化,以获得最优网络连接权重和多个最小超球.实验结果表明,所提DMSVDD-VAE-MoG在MNIST,Fashion-MNIST和CIFAR-10上均取得了优于其他8种相关方法的检测性能.

    深度支持向量数据描述混合高斯先验变分自编码器异常检测超球崩溃

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    有序标签噪声的鲁棒估计与过滤方法

    姜高霞王菲许行王文剑...
    144-152页
    查看更多>>摘要：较大规模的标注数据集中难免会存在标签噪声,这在一定程度上限制了模型的泛化性能.有序回归数据集的标签是离散值,但不同标签之间又有一定次序关系.虽然有序回归的标签兼有分类和回归标签的特征,但面向分类和回归任务的标签噪声过滤算法对有序标签噪声并不完全适用.针对此问题,提出了标签含噪时回归模型的Akaike泛化误差估计,在此基础上设计了面向有序回归任务的标签噪声过滤框架.此外,提出了一种鲁棒的有序标签噪声估计方法,其采用基于中位数的融合策略以降低异常估计分量的干扰.最后,该方法与所提框架结合形成了噪声鲁棒融合过滤(Robust Fusion Filtering,RFF)算法.在标准数据集和真实年龄估计数据集上均验证了算法的有效性.实验结果表明,在有序回归任务中,RFF算法性能优于其他分类和回归过滤算法,能够适应不同类型的噪声数据,并有效提升数据质量和模型泛化性能.

    标签噪声有序回归Akaike泛化误差估计噪声过滤鲁棒噪声估计

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于子空间的I-nice聚类算法

    何一帆何玉林崔来中黄哲学...
    153-160页
    查看更多>>摘要：高维数据的子空间聚类是无监督学习领域的热点研究问题,其难点在于寻找恰当的子空间以及其中的数据簇.大多数现有的子空间聚类算法均存在计算复杂度高和参数选择难的缺陷,这是因为在高维数据中子空间的组合数量很大,算法的执行时间非常长,且不同数据集和应用场景需要不同的参数设定.为此,提出了基于子空间的I-nice(简记为sub-I-nice)聚类算法用于识别高维数据中子空间内数据簇的个数.首先,该算法将原始数据维度随机划分成多个维度组,根据维度组生成子空间样本;接着,使用最新的I-niceM O算法对每个子空间数据进行聚类;最后,采用新设计的球模型对所有子空间的基聚类结果进行集成.在含有噪声的高维仿真数据集上对所提出的sub-I-nice算法进行了详细的性能验证,实验结果表明sub-I-nice算法相比其他3种代表性聚类算法有更好的准确性和鲁棒性,从而证实了其合理性和有效性.

    子空间聚类I-nice聚类高维数据无监督学习球模型

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    独立级联传播模型下的连续影响力最大化

    邓紫维陈崚刘维
    161-171页
    查看更多>>摘要：影响力最大化是在社交网络中寻求一组最具有影响力的用户作为种子节点,通过种子节点向网络中传播信息,使得传播的范围最大化.现有的对影响力最大化的研究大多是针对每个节点,考虑是否将其作为种子节点.而在实际应用中,需要根据用户的影响力来赋予他成为种子的概率,使得根据这个概率分布得到的种子集合的影响力传播范围的期望值最大化,这就是连续影响力最大化问题.文中提出了一种独立级联传播模型下连续影响力最大化算法.该算法首先将上述问题抽象成一个约束优化问题,然后抽样若干个可能的种子集,并对每个可能的种子集估计影响的传播范围;使用梯度下降法,在每轮迭代中根据估计的传播范围计算各个方向的增量值,取最大增量的方向作为梯度进行目标函数值的迭代更新,从而得到 目标函数值的最优解.在真实和虚拟网络上进行实验,结果表明,该算法在影响范围的期望值上优于Random,Degree,UD和CD等算法.

    连续影响力最大化社交网络独立级联传播模型梯度下降迭代

      原文链接:
    • NETL
    • NSTL
    • 万方数据