首页期刊导航|计算机技术与发展
期刊信息/Journal information
计算机技术与发展
陕西省计算机学会
计算机技术与发展

陕西省计算机学会

王守智

月刊

1673-629X

ctad@vip.163.com

029-85522163

710054

西安市雁塔路南段99号

计算机技术与发展/Journal Computer Technology and DevelopmentCSTPCD
查看更多>>《计算机技术与发展》期刊，原名《微机发展》，中国计算机学会会刊，中国科技核心期刊、中国科技论文统计源期刊。中国学术期刊综合评价数据库统计源期刊，中国核心期刊数据库收录期刊，中国期刊全文数据库收录期刊，万方数据资源系统数字化期刊群上网期刊，中国学术期刊（光盘版）全文收录期刊。中国计算机学会和陕西省计算机学会共同主办。刊名为著名科学家胡启恒院士亲笔所提，中国计算机学会名誉理事长张效祥院士写了创刊词。1991年创刊，国内统一刊号CN61-1450/TP，国际刊号:ISSN 1673-629X。该刊为综合性学术技术刊物、月刊。该刊在国内外有广泛的覆盖面，国内读者分布在全国30个省市，国际读者分布在北美、西欧、韩国、日本以及我国港、澳、台等38个国家和地区。几年来高水平的论文刊登数量明显增加，各类自然科学基金论文刊登数量已超过80%，各项指标在我国自然科学自动化、计算机类（TP）多种期刊中排名前列，已成为全国最具影响力的自然科学杂志之一。 该刊在我国计算机界有广泛的作者群体，主要稿件来源单位有：北京大学、清华大学、南京大学、复旦大学、同济大学、浙江大学、中国科学技术大学、国防科技大学、上海交通大学、西安交通大学、北京航空航天大学、南京航空航天大学、华中科技大学、哈尔滨工业大学、西北工业大学、吉林大学、武汉大学、中山大学、四川大学、山东大学、厦门大学、天津大学、重庆大学、中南大学、东北大学、上海大学、福州大学、安徽大学、西北大学等全国数百所重点大学以及中国科学院、中国航空、航天、电子、中国水电、中国建筑、中国测绘科学研究院等重点研究院所等。 刊载内容涉及国内外计算机科学的发展方向、技术和创新的最新成就、软件工程的最新成果、应用开发的成功经验等，在学术界有较好的影响。为我国计算机的创新、设计、开发、应用创造了一个宽舒和谐的学术交流的氛围，提供了一个良好的学术、技术展示的平台，成为我国计算机和嵌入式系统领域最具有代表性的前沿性的刊物之一。该刊的编委是来自北京大学、清华大学、南京大学、复旦大学等九所知名大学和七所重要研究所，以及美国、加拿大的外籍专家共22位著名教授或研究员组成。以沈绪榜院士为首的编委会顾问组把握着期刊的大方向.
正式出版
收录年代

    基于聚类的盲信道估计算法研究与优化

    董福才方承志闫路洋
    77-81页
    查看更多>>摘要：正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)在现代通信系统中发挥着重要的作用，而信道估计是OFDM系统接收机的关键环节。针对传统导频信道估计算法需要大量的导频开销，降低信道带宽利用率，以及已有的盲信道估计算法估计性能差且算法复杂度高等不足，该文提出了一种基于改进聚类算法的盲信道估计算法。该算法在系统接收端把接收到信号看作一幅时频二维平面，通过使用时频窗口以迭代方式遍历该平面，在遍历过程中用改进的K-means算法对时频窗口内的符号数据做聚类分析，并根据符号先验信息以及信道时频相关性实现信道估计与均衡的目的。通过计算机仿真实验结果表明，改进K-means的盲信道估计算法的误比特率整体上低于基于简单线性预编码的盲估计算法，当信噪比大于10 dB时，改进K-means的盲信道估计算法的误比特率比子空间方法更低。在高信噪比情况下估计性能与最小均方误差(Minimum Mean Square Error，MMSE)估计算法相当。因此，相较于已有的盲信道估计算法，改进K-means的盲信道估计算法提高了估计精度，降低了算法复杂度。

    正交频分复用盲信道估计信道均衡聚类分析K-means算法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    一种无人机自组网中基于身份加密的认证方案

    席铭辉郜帅兰江雨侯心迪...
    82-87页
    查看更多>>摘要：随着无线通信技术的日益发展，无人机自组网在救援、巡逻和侦查等领域都得到了广泛运用。然而，由于无人机自组网网络结构灵活多变且缺乏基础设施的支持，该网络面临严重的身份安全威胁。尽管当前存在各种无第三方安全方案，但这些方案存在性能低下和安全性不足等问题，难以在无人机自组网上部署。针对这些问题，该文提出一种基于IBE的认证方案，将实体身份信息作为公钥，实体无需存储额外的公钥信息，降低了密钥存储开销。同时，该方案支持批量认证，极大地提升了认证效率。此外，通过引入哈希链技术，有效地保留和复用无人机首次认证后的状态信息，降低了后续无人机的认证成本。通过形式化的安全分析，证明该方法能抵御身份伪造、中间人等恶意攻击。相较于已有方案，该方案的计算和存储开销更低。

    基于身份加密哈希链认证安全无人机自组网

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于改进CBAM和BiGRU的入侵检测模型

    许东园曹争光黄春麟
    88-93页
    查看更多>>摘要：现有方法存在着网络流量数据不平衡、检测准确率不足和误报率上升等问题。该文提出了一种基于改进的CBAM(Convolutional Block Attention Module)、膨胀卷积和BiGRU(双向门控循环单元)的网络入侵检测模型，旨在解决现有方法存在的问题。具体来说，为了应对数据分布不平衡的问题，采用了ADASYN(自适应过采样)算法进行自适应过采样，以平衡数据集。为解决检测准确率不足和误报率上升的问题，在特征提取阶段，首先引入了三层膨胀卷积，拓展感受野范围，从而全面地捕捉网络流量的特征。其次，采用改进的 CBAM 模块增强膨胀卷积对高级特征的提取能力。最后，引入BiGRU用于更深入捕捉特征之间的长期依赖关系，进一步提升模型的性能。实验结果表明，在NSL-KDD数据集上，该方法相对于其他方法具有更高的准确率(99。51%)和更低的误检率(2。90%)，这表明该模型在网络入侵检测任务中是一种可行有效的方法。

    网络入侵检测膨胀卷积卷积注意力模块双向门控循环单元ADASYN过采样

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于情感语义增强编解码的神经机器翻译方法

    万飞
    94-101页
    查看更多>>摘要：针对目前神经机器翻译模型仅依赖平行语料训练而无法充分挖掘深层语言知识的问题，提出一种基于情感语义增强编解码的神经机器翻译方法，旨在通过引入额外的情感语义，提高模型对语言深层次信息的理解能力。首先，利用word2vec技术获取语料中所有单词的词嵌入，将其输入到一个融合模型中进行训练。该融合模型结合了基于GRU和文档嵌入的机制，以获取单词级别和文档级别的情感语义表征;其次，在情感融合阶段，采用加权公式将单词级别和文档级别的情感语义有机地融合，形成更为综合的情感语义表征;最后，将此表征与上下文语义表征按位相加，以全面引入情感信息，并将其作为输入传递到机器翻译模型的编码器和解码器中。在多个基准数据集上的实验显示，相较于传统的Transformer模型，该方法在IWSLT数据集上性能显著提升，BLEU值增加1。3 至1。62。在WMT数据集上也取得良好性能，证实了融合情感语义在机器翻译中的有效性。

    情感语义增强编解码神经机器翻译Transformer平行语料

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    一种基于因果推断的序列推荐模型

    朱明朔沈苏彬
    102-108页
    查看更多>>摘要：针对推荐模型由于训练数据与测试数据分布不一致(即分布外情况)而导致的性能下降问题，提出了一种基于因果推断的优化后序列推荐模型—CCSRec(Counterfactual Context Sequential Recommendation)。利用后门调整和虚事实方法，去除用户与物品之间的虚假相关性，降低由于分布外情况对推荐性能的不良影响。CCSRec通过场景数据替换，生成虚事实环境提升模型对场景数据的学习能力，有效减缓原模型在分布外情况下性能下降的问题。CCSRec模型考虑了用户信息的参数化，将用户信息纳入计算范围，进一步提升模型的推荐效果。在多个公开推荐数据集上的实验结果表明，CCSRec模型通过场景数据替换进行虚事实序列生成方法进一步降低了分布外情况对性能的不良影响，性能得到明显提升。

    推荐系统序列推荐因果推断分布外泛化深度学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    融入逻辑规则的知识图谱推荐模型研究

    高文馨李贯峰王云丽胡德洲...
    109-115页
    查看更多>>摘要：知识图谱嵌入技术已在推荐系统领域引起广泛关注，将结构化知识图谱中的信息融入到推荐模型中，可以提高推荐的个性化程度。然而，因为初始数据的不准确性会导致推荐结果不正确，现存的知识图谱推荐模型中仍存在误差传播问题。针对这个问题，该文提出了RR-KGE模型，由知识图谱嵌入模块和推荐算法模块组成;其中聚焦于知识图谱嵌入框架，将规则嵌入和知识图谱嵌入进行联合学习，通过规则给予模型更多的约束条件，以减少误差传播;并结合此框架将推荐算法ALS(Alternating Least Squares)和RNN(Recurrent Neural Network)相融合来获得更加精确的推荐结果;最后将RR-KGE与不同基准模型进行比较，在两个数据集上多项指标均优于对比模型，证明了推荐方法的有效性。

    知识图谱知识图谱嵌入逻辑规则推荐算法联合学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    NHCL:一种基于原生结构增强的超图对比学习

    刘宇侯阿龙方舒言高峰...
    116-123页
    查看更多>>摘要：基于自监督学习的超图对比学习已被广泛研究，然而，当前超图对比学习大多采用传统图表示学习中的数据增强方法，较少考虑超图的原生结构，并没有充分利用超图中的高阶关系。为了解决这一局限性，提出了一系列基于超图原生结构的数据增强操作，即针对超图中的超边和节点进行扰动。通过对超边之间的包含、组合及相交等关系和节点之间交互关系的研究，提出了一系列面向超边和节点的基本扰动操作，并在此基础上对面向超边和节点之间的基本操作进行了组合，帮助模型进行学习。通过使用基本数据增强操作及其组合，生成用于超图对比学习模型进行学习的正负样本对，使用超图神经网络学习其表征信息并进行编码，通过损失函数指导模型训练，从而帮助模型学习到超图中的高阶关系。为了验证该方法的有效性，对Cora-CA、PubMed和ModelNet40 等12 个常用的超图基准数据集进行了节点分类实验。实验结果表明，相比于现有两个超图自监督方法Self和Con、超图对比学习方法HyperGCL和TriCL，该方法在节点分类准确率上提升了2%～7%。

    超图对比学习数据增强超图原生结构超图神经网络自监督学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    融合知识图谱和兴趣偏好的数字文化资源推荐方法

    张大更王西汉高全力
    124-130页
    查看更多>>摘要：在数字文化资源推荐中，资源与用户兴趣的精准匹配扮演着关键作用。虽然知识图谱有效地解决了传统推荐算法中数据稀疏性与冷启动问题，但知识图谱的静态结构却限制了对用户兴趣动态演化的理解。针对上述问题，文中提出了一种融合知识图谱和兴趣偏好的数字文化资源推荐方法(Knowledge Graph Interest Preferences，KGIP)。该方法首先通过构建知识图谱的嵌入表示用以建立用户与资源之间的关联关系。其次，采用长短期记忆网络模块表征用户的兴趣，并挖掘用户长短期历史行为中的复杂特征，更准确地捕捉用户的兴趣偏好。最后，为了充分利用兴趣偏好以及资源之间的关联信息，将两种特征表示进行融合送入多层感知器学习不同潜在因子之间的非线性结构特征，引入Sigmoid激活函数得到最终预测结果。通过在豆瓣平台和国家文化云平台数据集上进行多次实验验证，结果表明KGIP在数字文化资源推荐中具有良好的表现。

    推荐算法知识图谱长短期记忆网络长短期兴趣偏好数字文化资源推荐

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于HubGLasso注意力机制的脑网络分类研究

    李建彤姚垚高俊涛张林...
    131-137页
    查看更多>>摘要：脑网络分类有助于脑疾病的早期诊断，也有益于理解脑疾病发病机理，具有重要的研究与应用价值。其中，卷积神经网络应用广泛，可以提取脑网络的拓扑特征，是脑网络分类中的一个前沿热点。然而，现有方法未考虑脑网络中Hub节点对脑功能的重要贡献，这可能会导致特征提取不充分，限制了它们的分类性能。为此，该文提出了一种基于HubGLasso注意力机制的卷积神经网络模型，用于进行脑网络分类任务。该方法包含了一种新的卷积层结构，首先利用GLasso模型去除脑网络中的冗余信息，然后引入Hub约束与注意力机制，使其能够提取与异常Hub结构相关的重要特征，并用于脑疾病诊断。实验结果表明，该方法在包含1 112 个被试的真实自闭症数据集上取得了68。67%的准确率，显著优于目前已有方法，证明了其应用价值。更进一步，通过对训练后的模型进行特征分析，能够得到与脑疾病相关的脑区信息与Hub节点结构信息，为脑疾病病理机制的研究提供了全新的视角。

    脑网络分类Hub约束注意力机制卷积神经网络自闭症谱系障碍

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于自适应距离的离群点检测算法

    曹霞郑爱宇郝静
    138-146页
    查看更多>>摘要：基于近邻的离群点检测方法根据数据对象周围的邻居来挖掘离群点，但该类方法受阈值参数的影响较大，且大多只在数据分布单一的情况下表现良好。针对数据分布多样的情况下离群点检测困难以及阈值参数的敏感性问题，提出了一种基于自适应距离的离群点检测算法。首先，通过动态地调整数据属性的贡献因子，使得关键属性在离群点检测中具有更大的影响力，能够准确反映关键属性与离群点之间的关联性;其次，综合考虑属性贡献因子和密度来计算数据对象之间的距离，以便更好地识别数据对象之间的位置关系和密度分布特征;最后，为了降低阈值参数的影响，逐步增大邻居的大小来计算数据对象的自适应距离的变化之和，将其累加作为离群得分。通过在人工合成数据集和公共数据集上进行实验，验证了提出的算法检测精度更高。

    数据挖掘离群点检测属性贡献因子密度分布自适应距离

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据