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

    面向SD-DCN的OpenFlow分组转发能效联合优化模型

    罗可曾鹏熊兵赵锦元...
    606-618页
    查看更多>>摘要：在软件定义网络(software-defined networking, SDN)中,OpenFlow交换机通常采用三态内容可寻址存储器(ternary content addressable memory, TCAM)存储流表,以支持快速通配查找. 然而,TCAM采用并行查找方式,查找能耗高,因此有必要为OpenFlow交换机选择合适的TCAM容量,以平衡分组转发时延和能耗. 针对软件定义数据中心网络(software-defined data center network, SD-DCN)这一典型应用场景,利用多优先级M/G/1排队模型刻画OpenFlow交换机的分组处理过程,进而建立OpenFlow分组转发时延模型.同时,基于网络流分布特性,建立TCAM流表命中率模型,以求解OpenFlow分组转发时延与TCAM容量的关系式. 在此基础上,结合TCAM查找能耗,建立OpenFlow分组转发能效联合优化模型,并设计优化算法求解TCAM最优容量. 实验结果表明:所提时延模型比现有模型更能准确刻画OpenFlow分组转发时延.同时,利用优化算法求解不同参数配置下的TCAM最优容量,为SD-DCN实际部署提供参考依据.

    软件定义数据中心网络联合优化模型TCAM能耗分组转发时延TCAM最优容量

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

    基于边缘智能计算的城市交通感知数据自适应恢复

    向朝参程文辉张昭焦贤龙...
    619-634页
    查看更多>>摘要：智能交通系统(intelligent transportation systems, ITSs)被广泛用于智慧城市中,却普遍存在感知数据缺失问题.而交通感知站点有限的存储计算能力严重制约感知数据的恢复,极大影响ITSs的正常使用.虽然可以利用边缘节点强大的存储计算能力解决这个困境,但边缘节点部署的高复杂性和感知数据时空相关性的高动态性对数据精确恢复提出挑战.为了解决上述挑战,提出基于边缘智能计算的城市交通感知数据自适应恢复系统.具体地,首先利用子模优化理论,提出具有理论下界的边缘节点次优部署分配算法.然后,基于低秩理论恢复感知数据,并基于恢复结果估计非缺失下限,通过反馈自适应调整感知站点的数据上传比例,从而保证数据精确恢复.最后,基于澳大利亚600个交通站点1年的感知数据构建原型系统,对所提算法进行评估.实验结果表明,所提算法的边缘节点部署性能达到最优性能的90％以上,缺失数据恢复精度比3种对比方法提高43.8％以上.同时,自适应数据恢复能够平均提高精度40.3％.

    边缘智能计算智能交通系统边缘节点部署感知数据恢复子模理论低秩理论

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

    数据库系统参数调优方法综述

    曹蓉鲍亮崔江涛李辉...
    635-653页
    查看更多>>摘要：数据库系统具有大量的配置参数,参数配置不同会导致系统运行时很大的性能差异. 参数优化技术通过选择合适的参数配置,能够提升数据库对当前场景的适应性,因此得到国内外研究人员的广泛关注. 通过对现有的数据库参数调优方法进行总结分析,根据参数优化方法是否具有应对环境变化的能力,将现有工作分为固定环境下的数据库参数优化方法和变化环境下的数据库参数优化方法2类. 对于固定环境下的参数优化方法,按照方法是否具有从历史任务中学习的能力将研究工作分为传统的参数优化方法和基于机器学习的参数优化方法2类并分别进行介绍. 对于变化环境下的参数优化方法,按照不同的变化场景对现有工作进行分类介绍. 最后,总结了现有工作中各类方法的优缺点,并对目前研究中待解决的问题和可能发展的方向进行了讨论.

    数据库系统参数调优性能调优机器学习自治数据库

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

    分布式多维大图迭代计算性能优化方法

    杜玉洁王志刚王宁刘芯亦...
    654-675页
    查看更多>>摘要：大规模图的复杂挖掘算法通常需要高频迭代分析,而在计算与存储方面扩展性良好的分布式计算是提高处理效率的有效方案.然而,图顶点之间存在自由分布的边关系,会在分布式计算任务之间产生大量消息,由此在迭代过程中产生的巨大通信开销严重制约性能收益.已有工作在传统消息推送框架下采用合并和备份等技术降低通信代价,但主要面向结构简单、易优化的单维消息类算法,并不适用于结构复杂的多维消息类算法,也难以与当前最先进的消息按需拉取框架兼容.因此提出一种新型轻量级顶点备份机制,通过备份顶点的按需同步以及本地消息的按需生成,可完美继承拉取框架在容错和内存管控等方面的系统优势,同时显著降低通信代价.此外,通过考虑通信收益与负载偏斜代价,可计算最优阈值以提高整体性能.最后在大量真实数据集上验证了相关技术的有效性.

    分布式图迭代计算多维消息图算法通信优化顶点备份负载不均衡

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

    大规模结构网格数据的相关性统计建模轻量化方法

    杨阳武昱汪云海曹轶...
    676-689页
    查看更多>>摘要：高置信度的数据可视分析对于大规模数值模拟至关重要,但是当前高性能计算机的存储瓶颈导致可视分析应用获取原始高分辨率网格数据越来越困难. 基于统计建模的方法能够极大降低高分辨数据存储成本,但是重建数据的不确定性高. 为此,提出了一种大规模结构网格数据的相关性统计建模轻量化方法,用于对并行数值模拟生成的大规模多块体数据进行高效分析与可视化. 该方法的技术核心是通过数据块间的统计相关性,指导邻接数据块的统计建模,从而有效地保留数据统计特征,且不需要对不同并行计算节点中的数据块进行合并与重新分块. 通过耦合数据块的数值分布信息、空间分布信息和相关性信息,该方法可以更精确地重建原始数据,降低可视化的不确定性. 实验测试采用了最大10亿网格规模的5组科学数据,定量分析结果显示,在相同数据压缩比下,该方法相比现有方法可将数据重建精度最大提升近2个数量级.

    数据轻量化大规模并行科学模拟大规模多块体数据相关性统计建模科学可视化

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

    基于特征空间多分类对抗机制的红外与可见光图像融合

    张浩马佳义樊凡黄珺...
    690-704页
    查看更多>>摘要：为突破传统融合规则带来的性能瓶颈,提出一个基于特征空间多类别对抗机制的红外与可见光图像融合网络. 相较于现存方法,其融合规则更合理且性能更好. 首先,训练一个引入注意力机制的自编码器网络实现特征提取和图像重建. 然后,采用生成式对抗网络(generative adversarial network, GAN)在训练好的编码器提取的特征空间上进行融合规则的学习. 具体来说,设计一个特征融合网络作为生成器融合从源图像中提取的特征,然后将一个多分类器作为鉴别器. 这种多分类对抗学习可使得融合特征同时逼近红外和可见光2种模态的概率分布,从而保留源图像中最显著的特征. 最后,使用训练好的译码器从特征融合网络输出的融合特征重建出融合图像. 实验结果表明:与最新的所有主流红外与可见光图像融合方法包括GTF, MDLatLRR, DenseFuse, FusionGAN, U2Fusion相比,所提方法主观效果更好,客观指标最优个数为U2Fusion的2倍,融合速度是其他方法的5倍以上.

    图像融合融合规则深度学习自编码器生成式对抗网络

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

    基于门控循环单元的移动社会网络链路预测方法

    刘林峰于子兴祝贺
    705-716页
    查看更多>>摘要：链路预测是指通过已知的网络拓扑和节点信息来预测未来时刻节点之间的潜在关系,链路预测能够帮助在各种存在链路的应用领域更加合理地分配资源、降低资源开销.移动社会网络属于动态网络的一种,其网络结构总是随着节点和链路的出现、消失以及时间推移而不断演变.针对移动社会网络的特点,当前已有的研究使用愈加复杂的模型来分析链路之间的联系,然而复杂的模型不但空间复杂度大而且容易造成过拟合问题. 为了解决以上问题,提出一种基于门控循环单元的移动社会网络链路预测方法.首先对输入数据集进行排序筛选,将目标网络划分为快照图,并按一定的规则转化为邻接矩阵形成样本集,然后基于自动编码器和门控循环单元构建预测模型,提取出移动社会网络的时间变化特征.在KONECT数据集上,与其他模型的对比实验结果表明,该方法能够保持预测性能几乎不变的情况下,使模型训练效率提升49.81％.

    深度学习链路预测移动社会网络门控循环单元自动编码器

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