首页期刊导航|计算机应用研究
期刊信息/Journal information
计算机应用研究
四川省电子计算机应用研究中心
计算机应用研究

四川省电子计算机应用研究中心

刘营

月刊

1001-3695

arocmag@163.com

028-85249567

610041

成都市成科西路3号

计算机应用研究/Journal Application Research of ComputersCSCD北大核心CSTPCD
查看更多>>本刊创刊于1981年,以其新颖性、技术性、实用性、工具性、知识性于一身,设置众多栏目,信息量极大,反映并涵盖了当今国内外计算机应用研究的主流技术、热点技术及最新发展趋势,是一份极具收藏价值的技术刊物。本刊读者对象为从事计算机应用、开发、研究的科技人员,大中专院校师生,各企事业单位技术人员,计算机业余爱好者及相关管理、情报工作者订阅、收藏。本刊现为中国计算机学会会刊,中国科技论文统计源核心期刊,全国中文核心期刊,中国科学引文数据库来源期刊, 中国学术期刊综合评价数据库来源期刊,并为多个检索数据库收录,在国内科技期刊评比中多次荣获优秀科技期刊奖。
正式出版
收录年代

    基于共同邻居邻域拓扑稠密性加权的链路预测方法

    李星朱宇航柏溢李劲松...
    1503-1507页
    查看更多>>摘要:链路预测旨在利用已知的网络节点和拓扑结构信息,预测网络中未连接的两个节点之间存在连边的可能性.基于网络拓扑相似性的链路预测方法计算复杂度低且预测效果好,但现有的相似性指标对共同邻居的邻域拓扑信息考虑较少.针对此问题,提出一种基于共同邻居邻域拓扑稠密性加权的链路预测方法.首先,基于邻域拓扑相对稠密指数量化节点的邻域拓扑结构;然后,利用共同邻居的节点度和邻域拓扑相对稠密指数刻画共同邻居及其邻域拓扑的相似性贡献;最后,提出基于共同邻居邻域拓扑稠密性加权的节点相似性指标.在多个实际网络数据上的实验结果表明,与现有相似性指标相比,该方法能够取得更高的预测精度.

    复杂网络链路预测邻域拓扑稠密性拓扑加权

    面向异质变分超图自动编码器的超边链接预测模型

    杨伟英王英吴越
    1508-1513,1519页
    查看更多>>摘要:如何采用超边建模网络数据中的多元关联关系,实现潜在超边链接关系的预测具有重要的现实意义.现有方法主要集中于研究具有成对关系的网络数据,然而,直接将现有的链接预测方法用于超图网络中的超边链接预测具有一定的局限性.因此,提出基于异质变分超图自动编码器的超边链接预测模型(heterogeneous variational hypergraph autoencoder,HVGAE).首先,利用超图卷积实现变分超图自动编码器,将超图网络数据转换成一种低维空间表示;其次,加入节点近邻度函数,最大程度地保留其结构信息,从而构建畀质超图网络超边链接预测模型.针对三种不同类型的超图网络进行实验,结果表明相比其他的基准方法,HVGAE模型获得了较好的预测结果,说明其能够较好地解决超图网络中的超边链接预测问题.

    异质信息网络变分图自动编码器表示学习链接预测超图

    软件定义网络中基于分段路由的多路径调度算法

    李艺唐宏马枢清
    1514-1519页
    查看更多>>摘要:针对当前软件定义网络(SDN)在应对大量数据流时造成的流表利用率低、转发响应较慢以及当前网络调度算法容易造成网络局部拥塞和负载不均衡等问题,提出一种基于分段路由的多路径调度算法SRMF.首先,SDN控制器根据网络拓扑连接情况下发初始流表;综合考虑网络链路剩余带宽、丢包率和数据流估测带宽需求进行路径权重计算;最后,根据路径权重选择最优路径并构造分段流表下发到边缘交换机.实验结果表明分段路由转发技术在多种网络拓扑下较一般转发技术在流表项开销方面有明显优势,SRMF算法与Hedera、ECMP相比,在业务流端到端时延、端到端时延抖动、网络吞吐率、丢包率等方面有一定的优势.

    软件定义网络分段路由负载均衡估测带宽

    无线可充能传感器网络的锚点算法与移动设备调度研究

    石振国孙景玉
    1520-1523,1528页
    查看更多>>摘要:由于传感器的电池容量和存储容量有限,导致无法持续对传感器进行能量补充并收集传感器生成的感测数据.针对该问题,研究了周期性能量补充和数据收集问题,提出了一种用于充能和数据收集的方法,包括基于网格的算法(GBA)、基于支配集的算法(DSBA)和基于圆相交的算法(CIBA).通过这三种方法或两两相结合的方法找到锚点集合,通过移动设备调度算法调度最小数量的移动设备来访问生成的锚点.仿真结果验证了所提方法的有效性.与联合能量数据采集(JEDA)算法、最小覆盖圆(SEC)算法相比,所提CIBA需要的移动设备数量最少,总移动距离也最短,具有良好的综合性能.

    周期性能量补充移动设备能量补充数据收集锚点集合

    低复杂度的大规模MIMO上行链路软输出信号检测

    申东赵丹李强邸敬...
    1524-1528页
    查看更多>>摘要:针对信道矩阵维度高以及接收信号复杂的情况,提出了一种适用于大规模MIMO系统上行链路信号检测的混合迭代算法,即结合自适应阻尼雅克比(damped Jacobi,DJ)算法和共轭梯度(conjugate gradient,CG)算法.首先利用CG算法为自适应阻尼雅克比迭代算法提供有效的搜索方向;随后提出切比雪夫方法消除松弛参数对信号检测的影响,在降低算法复杂度的同时加快收敛速度;最后,利用信道编译码中的比特似然比近似求解软信息,以提升检测性能.通过理论分析算法的复杂度,仿真在不同判决方式下对不同检测算法进行误码率对比,并对混合迭代算法的收敛进行了分析.仿真结果表明,混合迭代算法在少量迭代次数下快速收敛并近似达到最佳MMSE检测性能,且算法复杂度远低于MMSE算法.

    MIMO雅克比共轭梯度对数似然比

    一类SP结构的不可能差分区分器证明

    李艳俊许星霖
    1529-1532页
    查看更多>>摘要:针对分组密码SP结构的不可能差分区分器轮数的下界进行证明,提出的方法使用线性代数的理论,对系数矩阵P及P-1进行分析,提出了系数矩阵部分子空间存在两个行向量线性相关时,可证明至少存在四轮不可能差分区分器.uBlock算法是SPN结构,提出的方法对uBlock算法进行了分析验证,说明了结论的正确性,进一步,使用该算法搜索到比uBlock算法设计文档更多的不可能差分区分器.针对SPN结构线性扩散层P,使用了本原指数的概念,使用线性扩散层P的本原指数对SPN结构不可能差分的轮数进行论证.分析结果表明,分组密码SP结构至少存在四轮不可能差分区分器.

    不可能差分分析扩散层uBlock算法

    LS&SSS-RS:可更新密钥分片的数据安全散布方法

    李国殷俊锋李静
    1533-1538页
    查看更多>>摘要:数据的安全散布是构建可靠性分布式存储的关键一环,针对现有的数据安全散布方案存在的“密钥保护能力不足和密钥泄露后大规模解码重新加密数据带来的严重资源消耗”等问题,提出了一种数据安全散布方案:LS&SSS-RS.该方案将密钥和密文分开存储,利用拉丁方和Shamir方案将密钥拉丁方进行秘密共享,密文利用RS编码进行分散存储.实验结果表明该方案有效避免了密钥分片的直接暴露,提高了分片的容错性,还能在密钥分片泄露后节约大量的数据更新时间.此外部分数据的丢失不影响原始数据的完整性,避免了单点故障,提高了分布式存储系统的容错性.分析表明该方案能够克服潜在的安全风险,有力地保护密钥的安全,同时节约了大量的时间以及计算资源.

    数据安全散布拉丁方秘密共享RS码密钥更新

    对抗网络下的密钥协商问题研究

    吴少乾李西明王璇蔡河鑫...
    1539-1543页
    查看更多>>摘要:机器学习的不断发展对现代密码体制造成的威胁不断增大,如何将神经网络应用到密码学上的研究日益深入,而生成对抗网络的对抗学习机制与密码学中的对抗性质相符,因此,研究了对抗网络与密钥协商相结合的问题.作为初步的概念验证,直接采用神经网络代替通信双方和敌手,利用对抗学习机制为核心思想设计对抗网络下的密钥协商模型(key agreement based on adversarial network,KG-AN),并进行了密钥长度为16 bit和64bit的训练.实验结果显示,通信双方的协商密钥误差分别在1.5%和2%左右,敌手的破译误差分别保持在95%和91%左右,初步实现了对抗网络下的密钥协商功能,验证了对抗网络应用到密钥协商的可行性.

    对抗网络密钥协商对抗学习机制反卷积网络

    基于全局分组策略的对抗训练在人体轮廓点回归中的应用模型

    马丹吴跃
    1544-1549页
    查看更多>>摘要:基于深度学习对人体姿态或人体骨骼的关键点进行预测是近期计算机视觉方向上的一个热门领域,取得了大量的研究成果.然而,在部分应用场景中(如人体特定部位瘦身、衣装更换等),传统的人体姿态或骨骼关键点的预测并不能完全满足需求,其他技术(如语义分割)在自遮挡情况下也无法准确描述物体轮廓线.针对人体轮廓点的预测能力进行研究,分析了现有技术应用在轮廓点回归上的问题与不足,提出全局和分组的策略对轮廓点进行预测,并引入对抗训练机制以提升系统整体性能.基于提出的方法在自建数据集上进行了一系列实验,实验结果证明,该方法相较于传统的骨骼回归模型在精准度和计算量上都有较大的优势.

    生成对抗网络姿态识别人体轮廓关键点刚性约束

    基于深度学习的含堆叠字符的车牌识别算法

    祁忠琪涂凯吴书楷张三元...
    1550-1554,1558页
    查看更多>>摘要:车牌识别是构建智慧城市交通系统的重要技术,当前车牌识别系统对于单行车牌已经达到了较好的识别和应用效果,但无法满足对包含堆叠字符的车牌的识别需求.针对该问题,提出了一种基于深度学习且不依赖于字符分割的方法以识别含堆叠字符的车牌.首先对倾斜、扭曲的车牌进行投影矫正;然后使用MobileNet-SSD算法检测定位车牌中的单排字符和堆叠字符;之后将堆叠字符送入基于CTC损失的堆叠字符识别网络,进行非字符分割的端到端识别.实验结果表明,该算法不仅对含堆叠字符的车牌具有较高的识别精度,同时对倾斜、扭曲等复杂环境下的车牌具有鲁棒性,极大提高了车牌识别系统的通用性.

    堆叠字符车牌CTC损失深度学习倾斜车牌矫正