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

    一种避障场景下的快速航迹恢复算法

    马英红李续楠董旭焦毅...
    331-337页
    查看更多>>摘要：针对现有大部分避障场景中无人机避障算法未考虑无人机航迹恢复、少数航迹恢复算法恢复效果不佳的缺点,提出了一种避障场景下的无人机快速航迹恢复算法.综合考虑环境约束与无人机机动性能约束,通过旋转坐标系、判断无人机转弯方向、利用二分法对无人机整个避障及航迹恢复过程中的多个关键航迹点坐标进行计算,最终规划出一条安全高效的无人机避障及航迹恢复航迹.对比实验结果表明,快速航迹恢复算法规划出的避障及航迹恢复航迹更短,可以在距离障碍物更近的航迹点开始避障,避障及航迹恢复用时更短,航迹偏离度更小,整体航迹更优,对于绝大多数侦察场景中无人机需尽量保持沿离线航迹巡航的情况更加有利.

    无人机航迹规划避障航迹恢复旋转坐标系

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

    融合帖文属性的性别歧视言论检测模型

    王小龙王琰慧张顺香汪才钦...
    338-345页
    查看更多>>摘要：性别歧视言论检测是通过自然语言处理技术来识别文本是否具有性别歧视的倾向,为净化网络环境提供有力支持.当前相关研究仅关注帖文本身,未对帖文属性(用户、帖文以及主题)间的关系进行挖掘.为此,提出一种融合帖文属性的性别歧视言论检测模型,通过构建异构图来挖掘帖文属性间的关系.首先,利用ERNIE对帖文内容进行词嵌入,通过BiGRU模型提取上下文依赖关系,得到句子表征;然后,基于帖文属性关系构建异构图,并利用异构图注意力网络(Heterogeneous Graph Attention Network)得到帖文内容的关系表示;最后,融合帖文内容的关系表示与句子表征,通过Softmax函数进行分类.实验结果表明,所提模型可以提升性别歧视言论检测的准确率.

    性别歧视言论帖文属性BiGRU异构图异构图注意力网络

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

    CCF ICSS 2024国际会议在香港召开

    CCF微信公众号
    345页
      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于微服务的预分配额度限流设计研究

    郑旭范红杰柳军飞
    346-353页
    查看更多>>摘要：在分布式架构下,同时存在于多个节点的限流器需要很好地协作才能达到单体限流的效果.在真实的业务场景中,线上请求分布不规律,线下业务吞吐量大.在此情况下,某一些关键节点因为超负荷运作而响应缓慢,从而导致请求链路整体的延迟增加,甚至造成整个应用的反应迟缓.针对现有微服务限流所存在的问题,文中提出了 一种基于预分配额度进行主动推送配额更新的限流算法.该算法采用服务器主动向客户端广播的模式,服务器既可以接受客户端请求,也可以主动更新持有该资源配额的节点在处理请求后的最新结果.在服务器端分配所有节点配额时,可以采用灵活的分配算法进行分配.在估算限流节点配额时,采用滑动窗口的模式记录下一段时间内的请求数量和拥有的资源配额,通过自定义的算法来预估下一个周期的配额.同时,文中基于该算法实现了一个限流模型.实验结果证明,该模型可以及时地响应配额的变化,很好地实现节点之间的公平性.相比Doorman系统,所提模型可以更好地适应线上线下流量场景和精准限流.

    限流微服务令牌桶推送机制分布式系统

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

    基于时变计算资源的联邦学习设备选择算法

    刘建勋张幸林
    354-363页
    查看更多>>摘要：联邦学习(Federated Learning,FL)是一种新兴的分布式机器学习范式,其核心思想是用户设备以分布式的方式在本地训练模型,且无需上传原始数据,仅需将训练后的模型上传到服务器进行模型聚合.现有研究大多忽略了设备的计算资源会随着用户的使用模式而发生时序性变化,这会影响FL的训练进度.文中针对异构设备具有时变计算资源的特点,使用 自回归模型对时变计算资源进行建模,并提出了 一个设备选择算法.首先构造了长期训练时间约束下最小化每轮FL平均训练时间的优化问题,接着采用李雅普诺夫优化理论对其进行转化,最后求解得到设备选择算法.实验结果表明,与基线算法相比,所提算法能够在基本保证模型质量的同时缩短FL的训练时间和设备的平均等待时间.

    联邦学习设备选择时变的计算资源不平衡数据

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

    基于边缘计算的自适应稀疏传感网目标覆盖算法

    李洁汪耀陈侃松许立君...
    364-374页
    查看更多>>摘要：海洋探测是海洋开发的关键,如何快速高效地实现水下目标探测是海洋探测必须解决的问题.基于此,提出了一种基于边缘计算的自适应稀疏传感网 目标覆盖优化算法,以较少的传感节点高效地完成水下目标探测.首先,通过Ad Hoc移动能耗优化策略机制,添加能量因子,在节点移动过程中保护能量较低的节点,优化传感网的能量均衡性;其次,提出了一种Ad Hoc贪婪探测机制,以最小的代价实现对未知区域的探测,快速完成目标覆盖;最后,利用基于虚拟力的 自适应连通机制,通过增大虚拟引力范围解决节点移动过程中的断连问题,保证了稀疏自组织网络的连通性.仿真结果表明,所提算法能够用较少数量的移动传感器提供快速、持久的 目标探测覆盖,相较于对比算法性能表现更优.

    水下自组织网络能耗边缘计算目标探测连通性

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

    基于改进型蛇算法的RFID网络规划部署

    李芷芊郑嘉利陈奕君张江波...
    375-383页
    查看更多>>摘要：针对无线射频识别(RFID)网络规划的优化部署问题,提出一种基于Circle映射的嵌入正弦余弦算法和自适应阈值的改进型蛇算法(ESO).在种群初始化阶段利用Circle混沌映射的均匀性和遍历性等特点,在局部搜索阶段和开发阶段分别引入正弦余弦算法(SCA)和自适应阈值等算法机制,弥补了蛇算法初始化过程不够均匀、容易陷入局部最优和收敛速度慢等缺点.在满足100％标签覆盖率、减少阅读器之间的碰撞干扰、实现阅读器的负载均衡,以及降低总的发射功率这4个目标的基础上,求解阅读器最佳的部署位置,将所提算法与粒子群算法(PSO)、灰狼算法(GWO)、樽海鞘算法(SSA)进行了对比分析.实验结果表明,改进型蛇算法在对RFID网络进行优化部署时寻优能力更强,对RFID网络部署的综合性能提升明显,在相同的实验条件下,ESO的最佳适应度值比PSO提高了 28.1％,比GWO提高了 17.7％,比SSA提高了 22.9％,可以更有效地得出最优的RFID网络规划部署方案.

    RFID网络蛇算法Circle映射正弦余弦算法自适应阈值网络规划

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

    基于边缘智能的车辆编队协同控制方法研究

    李乐刘美芳陈荣魏思雨...
    384-390页
    查看更多>>摘要：随着通信技术及自动化控制技术的发展,智能网联汽车的自主控制方法,特别是混合编队下的控制方法已经成为无人驾驶技术研究的重要方向.由于车载处理器计算能力有限,为了减少控制策略输出的时延,提高车辆跟踪效果,提出了基于边缘智能的车辆编队协同控制方法.利用边缘服务器的强大计算能力和5G通信网络,设计了基于边缘智能的控制系统,将计算任务上传至云端,充分释放车载处理器的计算资源.对混合编队下的跟车场景进行了分析,设计了时空耦合场景下的车辆编队控制模型,利用MPC控制算法,建立了车辆动力学模型,通过模型预测、滚动优化与反馈校正为智能网联汽车提供控制策略计算服务.经MATLAB仿真实验及边缘计算虚拟平台实验验证,所提出的MPC控制算法在轨迹跟踪控制上表现良好,能够实时高效地为车辆提供安全控制策略.

    边缘智能车辆编队协同控制智能网联汽车

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

    基于粒子群优化的面向数据异构的联邦学习方法

    徐奕成戴超凡马武彬吴亚辉...
    391-398页
    查看更多>>摘要：联邦学习是一种新兴的面向隐私保护的分布式机器学习框架,其核心特点是能够在不获取客户端原始数据的条件下实现分布式机器学习.客户端利用本地数据进行模型训练,然后将模型参数上传至服务端进行聚合,从而确保客户端数据始终得到保护.在此过程中,存在频繁的参数传输导致的通信成本高昂问题和各客户端所拥有的非独立同分布异构数据问题,两者严重制约了联邦学习的应用.针对上述问题,提出了一种基于粒子群优化的面向数据异构的联邦学习方法——FedPSG,将客户端传输到服务器的数据形式由模型参数转变为模型分值,在每轮训练中只需要少部分客户端向服务器上传模型参数,从而降低通信成本;同时,提出了 一种模型再训练策略,使用服务器数据对全局模型进行二次迭代训练,通过缓解数据异构问题对联邦学习的影响来进一步提升模型性能.模拟不同的数据异构环境,在MNIST,FashionMNIST与CIFAR-10数据集上进行实验,结果表明FedPSG能够有效提高模型在不同数据异构环境下的准确率,并且验证了模型再训练策略能有效解决客户端数据异构问题.

    联邦学习粒子群算法通信成本数据异构隐私保护

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

    面向容器运行时安全威胁的N变体架构

    刘道清扈红超霍树民
    399-408页
    查看更多>>摘要：容器技术以其轻量级和可伸缩性的优点促进了云计算的发展,但容器运行时安全威胁日益严重.现有的入侵检测和访问控制等技术无法有效应对利用容器运行时实现容器逃逸的攻击行为.针对上述安全威胁,结合N变体系统的冗余及多样性方法提出了一种面向容器运行时安全威胁的N变体架构,同时通过基于历史信息的投票算法以提高投票的准确率,并通过两阶段投票和调度策略优化容器应用服务质量.最后构建了原型系统,测试结果表明原型系统性能损失在可接受的范围内,并一定程度上减小了系统攻击面,进而达到了增强容器应用安全性的 目的.

    容器安全云计算N变体容器运行时调度

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