首页期刊导航|计算机研究与发展
期刊信息/Journal information
计算机研究与发展
计算机研究与发展

徐志伟

月刊

1000-1239

crad@ict.ac.cn

010-62620696;62600350

100190

北京中关村科学院南路6号

计算机研究与发展/Journal Journal of Computer Research and DevelopmentCSCD北大核心CSTPCDEI
查看更多>>本刊是中国科学院计算技术研究所和中国计算机学会联合主办、科学出版社出版的学术性刊物、中国计算机学会会刊，我国第一个计算机刊物。主要刊登计算机科学技术领域高水平的学术论文、最新科研成果和重大应用成果。
正式出版
收录年代

    基于机器学习的基数估计技术综述

    岳文静屈稳稳林宽王晓玲...
    413-427页
    查看更多>>摘要：基数估计是数据库关系系统查询优化器的基础和核心.随着人工智能技术的发展,其在数据处理、提取数据之间的关系等方面显现出优越的性能.近年来,基于机器学习的基数估计技术取得了显著的进展,受到了学术界的广泛关注.首先总结了基于机器学习的技术估计技术的发展现状,其次给出了基数估计的相关概念及其特征编码技术.接着建立了基数估计技术的分类体系.在此基础上,进一步将基于机器学习的基数估计技术细分为查询驱动、数据驱动和混合模型这 3类基数估计技术.然后重点分析了每一类技术的建模流程、典型技术和模型特点,并对其在SQL和NoSQL中的应用进行了分析和总结.最后讨论了基于机器学习的基数估计技术面临的挑战和未来的研究方向.

    数据库基数估计机器学习查询优化神经网络

      原文链接:
    • 维普
    • 万方数据

    基于ECA-CNN的混合指纹室内定位方法

    王正康骆冰清
    428-440页
    查看更多>>摘要：在指纹法的定位中,指纹特征和定位模型是影响定位精度的 2个关键因素.在指纹特征的选取方面,可见光强度稳定性较高,但位置特征区分度低;无线信号强度区分度较高,但波动性较强.在定位模型的构建方面,基于卷积神经网络(convolutional neural network,CNN)的定位模型在特征提取时不能有效地突出重要特征.针对上述问题,提出一种基于ECA-CNN的混合指纹室内定位方法(hybrid fingerprint indoor localization method based on ECA-CNN,ECACon-HF).首先,利用可见光强度和低功耗蓝牙(Bluetooth low energy,BLE)接收信号强度指示(received signal strength indication,RSSI)来构建混合指纹,降低BLE指纹不稳定的影响,并增强不同位置之间的区分度.同时,基于高效通道注意力(efficient channel attention,ECA)模块改进CNN定位模型,ECA能够通过跨通道交互策略自适应地提取指纹中的重要信息,抑制指纹中的环境干扰,增强混合指纹特征表达能力,更有效地利用混合指纹优势.实验结果显示,ECACon-HF在构建的混合指纹库上可以达到 0.316 m的定位精度,高于在单一指纹上的精度;并且基于同一指纹库,ECACon-HF相比其他室内定位方法,定位精度具有明显优势.

    室内定位混合指纹可见光强度注意力机制低功耗蓝牙

      原文链接:
    • 维普
    • 万方数据

    Uni-LSDPM:基于预训练的统一在线学习会话退出预测模型

    陈芮王占全
    441-459页
    查看更多>>摘要：为了辅助学习者维持在线学习的连贯性以引导最优学习路径的执行,智能辅导系统(intelligent tutoring system,ITS)需要及时发现学习者退出学习的倾向,在合适的时间采取相应的干预措施,因此,在线学习会话退出预测研究十分必要.然而,与传统的课程辍学相比,会话退出发生的频率更高,单次学习时长更短,故需要在有限的行为数据中对学习会话退出状态进行准确预测.因此,学习行为的碎片性和预测结果的即时性、准确性是学习会话退出预测任务的挑战和难点.针对会话退出预测任务,提出了一种基于预训练-微调的统一在线学习会话退出预测模型(unified online learning session dropout prediction model,Uni-LSDPM).该模型采用多层Transformer结构,分为预训练阶段和微调阶段.在预训练阶段,使用双向注意机制对学习者连续行为交互特征序列的特征表示进行学习.在微调阶段,应用序列到序列(sequence-to-sequence,Seq2Seq)的注意力机制对学习者连续行为交互特征序列与退出状态联合序列进行学习.基于EdNet公共数据集对模型进行预训练和微调,通过消融实验以获得最佳预测效果,并基于多个数据集进行了对比测试实验.实验结果表明,Uni-LSDPM在AUC和ACC方面优于现有的模型,并证明该模型具有一定的鲁棒性和扩展性.

    注意力机制学习会话退出预测智能辅导系统预训练

      原文链接:
    • 维普
    • 万方数据

    混合目标与搜索区域令牌的视觉目标跟踪

    薛万利张智彬裴生雷张开华...
    460-469页
    查看更多>>摘要：当前基于Transformer的主流跟踪框架在特征提取及融合方面存在 3个问题:1)分开进行特征提取与融合,易产生次优模型训练结果;2)使用计算复杂度为O(N2)的自注意力机制会降低跟踪算法效率;3)简单的目标模板选取策略难以自适应跟踪过程中目标表观的剧烈变化.为此,利用快速傅里叶变换对目标与搜索区域的令牌进行有效混合,提出一种新颖的基于Transformer的视觉目标跟踪方案.针对问题1提出一种高效端到端方式将特征提取与融合进行统一学习以获得最优模型.针对问题 2采用快速傅里叶变换实现目标与搜索区域令牌之间的完全信息交互,该操作计算复杂度为O(Nlog(N)),有助于提升跟踪效率.针对问题 3提出一种基于跟踪质量评估的目标模板记忆存储机制以快速自适应目标表观的剧烈变化.在 3个标准数据集LaSOT,OTB100,UAV123上,所提方法与当前最优方法相比在效率和精度上均取得更好表现.

    Transformer快速傅里叶变换特征提取特征融合目标跟踪

      原文链接:
    • 维普
    • 万方数据

    MOOCDR-VSI:一种融合视频字幕信息的MOOC资源动态推荐模型

    吴水秀罗贤增钟茂生吴如萍...
    470-480页
    查看更多>>摘要：学习者在面对浩如烟海的在线学习课程资源时往往存在"信息过载"和"信息迷航"等问题,基于学习者的学习记录,向学习者推荐与其知识偏好和学习需求相符的MOOC资源变得愈加重要.针对现有MOOC推荐方法没有充分利用MOOC视频中所蕴含的隐式信息,容易形成"蚕茧效应"以及难以捕获学习者动态变化的学习需求和兴趣等问题,提出了一种融合视频字幕信息的动态 MOOC推荐模型MOOCDR-VSI,模型以BERT为编码器,通过融入多头注意力机制深度挖掘MOOC视频字幕文本的语义信息,采用基于LSTM架构的网络动态捕捉学习者随着学习不断变化的知识偏好状态,引入注意力机制挖掘MOOC视频之间的个性信息和共性信息,最后结合学习者的知识偏好状态推荐出召回概率Top N的MOOC视频.实验在真实学习场景下收集的数据集MOOCCube分析了MOOCDR-VSI的性能,结果表明,提出的模型在HR@5,HR@10,NDCG@5,NDCG@10,NDCG@20评价指标上比目前最优方法分别提高了2.35%,2.79%,0.69%,2.2%,3.32%.

    MOOC推荐BERT多头注意力机制字幕信息长短期记忆

      原文链接:
    • 维普
    • 万方数据

    面向非稳态场景的生命体征监测优化方法

    邱杰凡徐一帆徐瑞吉周栋利...
    481-493页
    查看更多>>摘要：使用基于调频连续波的毫米波雷达监测生命体征信息,具有无接触、隐私保护性好、高分辨率以及抗干扰性好等优势,逐渐成为研究热点.然而,目前研究者主要关注如何提高被测对象处于稳态(如静止)时的体征监测效果,但受制于肢体运动对雷达信号的干扰,使得该技术在非稳态场景中的应用受到限制.提出一种基于人体运动状态识别的非稳态场景体征监测方法,以best-effort方式实现了存在大幅度肢体动作的场景中对体征信息的监测,并且能够识别对应的动作类型.首先,根据运动特征计算出带有距离-主导速度信息的特征频谱图.其次,使用一种滑动窗口采样方法以采集连续样本.随后训练ResNet-18网络来识别运动状态以及分类运动类型.最后,基于运动状态分类结果,在运动间歇期提取信号的相位信息,采用变分模态分解算法进行呼吸速率和心率的提取.实验结果表明,训练后的网络可以精确地识别运动状态和运动类型,识别准确率接近 97%,识别延迟小于 1.1 s.对呼吸和心率的监测结果的平均绝对误差(MAD)下降到1.7 bpm和3.4 bpm.

    毫米波雷达生命体征监测运动状态识别滑动窗口采样残差网络变分模态分解

      原文链接:
    • 维普
    • 万方数据

    一种有状态容器跨集群实时迁移方法

    吴宪汤红波赵宇许明艳...
    494-502页
    查看更多>>摘要：虚拟容器的跨集群实时迁移技术是网络服务云化应用中的一项重要技术.容器实时迁移技术的优化能够达到缩短云端服务停机时间的目的,在实际应用中有重要的现实意义.目前针对跨集群容器实时迁移优化的研究相对较少,其中迭代迁移是一种能够有效缩短停机时间的迁移方式,但这项技术在实际应用中还存在很多需要解决的问题.针对跨集群场景中网络延迟对服务停机时间产生的影响提出了一种容器实时迁移方法,该方法着重考虑集群间的网络延迟,并据此建立了数学模型.通过数学模型理论分析了跨集群迁移过程中网络延迟对迁移性能的影响,确定了启用迭代迁移方法的起始条件和迭代过程的终止条件,并给出了计算满足终止条件迭代次数的方法.该模型充分考虑了网络延迟对跨集群容器实时迁移的影响.实验结果表明该方法能够有效缩短服务停机时间.

    容器实时迁移网络延迟服务停机时间迭代迁移跨集群

      原文链接:
    • 维普
    • 万方数据

    硬件集合通信中聚合树构建方法

    陈淑平尉红梅王飞李祎...
    503-517页
    查看更多>>摘要：传统的MPI(message passing interface)集合通信是基于点到点消息实现的,性能较低;而硬件集合通信具有性能高、CPU占用率低等优点,正受到越来越多的关注.硬件集合通信中,聚合树对集合通信性能具有至关重要的影响.研究了影响硬件集合通信性能的因素,提出了硬件集合通信开销模型,并以此为基础提出了构建硬件集合通信聚合树的方法.该方法主要包括 3个部分:1)根据操作类型、聚合数据包大小等确定聚合树类型及聚合树宽度,从而在网络传输开销与数据计算开销之间取得平衡;2)提出了最小高度分层k项Ⅰ型聚合树构建方法,降低了跨组聚合包的个数;3)提出了构建最小代价Ⅱ型聚合树的方法,减少所使用的交换机数量.在神威互连网络中对聚合树构建方法进行了全面测试,当存在网络噪声的情况及分层k项Ⅰ型聚合树构建方法下的消息延迟相比传统构建方法下降了 24%～89%;典型通信模式时,最小代价Ⅱ型聚合树使用的交换机聚合条目数相比优化前下降了约90%.

    MPI集合通信聚合树开销模型高速互连高性能计算

      原文链接:
    • 维普
    • 万方数据

    基于时序图卷积的动态网络链路预测

    刘琳岚冯振兴舒坚
    518-528页
    查看更多>>摘要：动态网络链路预测广泛的应用前景,使得其逐渐成为网络科学研究的热点.动态网络链路演化过程中具有复杂的空间相关性和时间依赖性,导致其链路预测任务极具挑战.提出一个基于时序图卷积的动态网络链路预测模型(dynamic network link prediction based on sequential graph convolution,DNLP-SGC).针对网络快照序列不能有效反映动态网络连续性的问题,采用边缘触发机制对原始网络权重矩阵进行修正,弥补了离散快照表示动态网络存在时序信息丢失的不足.从网络演化过程出发,综合考虑节点间的特征相似性以及历史交互信息,采用时序图卷积提取动态网络中节点的特征,该方法融合了节点时空依赖关系.进一步,采用因果卷积网络捕获网络演化过程中潜在的全局时序特征,实现动态网络链路预测.在 2个真实的网络数据集上的实验结果表明,DNLP-SGC在precision,recall,AUC指标上均优于对比的基线模型.

    动态网络链路预测时序图卷积全局时序特征因果卷积

      原文链接:
    • 维普
    • 万方数据

    一种基于转发图的域内路由保护算法

    耿海军孟卓姚姗姗杨静...
    529-538页
    查看更多>>摘要：业界提出利用路由保护算法来解决网络中的故障问题,然而已有的路由保护算法存在4个方面的问题:1)无法应对网络中所有可能的单故障情形;2)需要额外辅助机制的协助;3)不支持增量部署;4)每个结点存储多个到达目的地址的备份下一跳.提出一种基于转发图的域内路由保护算法(an intra-domain routing protection algorithm based on forwarding graph,RPBFG)来解决这 4个问题.首先建立了以最大化故障保护率为目标、以转发图包含反向最短路径树为约束条件的路由保护模型;然后提出了利用遗传算法构造满足上述目标的转发图;最后根据构造的转发图计算出所有结点到达目的结点的备份下一跳.在11个真实拓扑结构中比较了RPBFG,NPC,U-turn,MARA-MA,MARA-SPE在故障保护率和路径拉伸度的性能.实验结果表明,RPBFG可以应对网络中所有可能的单故障;在平均路径拉伸度方面,RPBFG比NPC,U-turn,MARA-MA,MARA-SPE分别降低了0.11%,0.72%,37.79%,36.26%.

    路由保护网络故障故障保护率路径拉伸度有向无环图转发图

      原文链接:
    • 维普
    • 万方数据