计算机科学杂志社
分享到:
《计算机科学》杂志在全国影响力巨大,创刊于1974年,公开发行的月刊杂志。创刊以来,办刊质量和水平不断提高,主要栏目设置有:网络与通信、信息安全、软件与数据库技术、人工智能、图形图像与模式识别等。
  • 主管单位:国家科学技术部
  • 主办单位:国家科技部西南信息中心
  • 国际刊号:1002-137X
  • 国内刊号:50-1075/TP
  • 出版地方:重庆
  • 邮发代号:78-68
  • 创刊时间:1974
  • 发行周期:月刊
  • 期刊开本:A4
  • 复合影响因子:0.94
  • 综合影响因子:0.687
相关期刊
服务介绍

计算机科学 2015年第08期杂志 文档列表

计算机科学杂志2014’江苏省人工智能学术会议

改进的正态分布的分布估计算法

摘要:针对连续空间函数优化问题,提出了改进的正态分布的分布估计算法.该算法将优选出的个体看作正态分布,然后以正态分布概率模型随机采样产生新的种群,并挑选部分个体与保留的最好解进行交叉操作.将其与均匀分布的分布估计算法、正态分布的分布估计算法进行了比较,结果证明该方法的效果更好.最后分析了选择较好个体的比例对算法的影响.
32-35

量化粗糙集的单调性属性约简方法

摘要:单调性在经典粗糙集属性约简过程中发挥着重要的作用.然而,在一些泛化模型(如量化粗糙集模型)中该性质并不存在.针对该问题,提出了量化粗糙集模型中下近似单调约简的定义,并给出了求得该约简的启发式方法.实验结果表明,相较于下近似保持约简算法,下近似单调约简算法不仅耗时短,而且增加了由正域和边界域表示的确定性,同时降低了由边界域带来的不确定性.
36-39

基于改进符号压力函数的变分水平集图像分割算法

摘要:为了更好地解决含有弱边界、灰度不均匀的图像在分割时出现的轮廓线错误移动而导致分割结果错误的问题,结合图像的统计信息,构造出一种新的符号压力(SPF)函数,提出了一种基于改进的压力符号函数的变分水平集图像分割算法.首先,利用新的压力符号函数代替边缘函数,构造了新的活动轮廓模型;其次,该算法保持了测地线活动轮廓(GAC)模型和chan-vese(C-V)模型的优点,使水平集函数演化到目标的边界上;最后,对一些弱边界、灰度不均匀的图像进行仿真实验,结果表明提出的算法能够精准地分割目标,并且具有一定的抗噪性.
40-43

基于MapReduce的特征选择并行化研究

摘要:特征选择已经成为一种对高维数据进行预处理的必不可少的手段.随着数据规模的爆炸性增长,传统的特征选择算法已经不能满足当前高维大规模数据的处理要求.采用Google的MapReduce编程模型,设计了一种分布式的基于局部学习的特征选择算法D-logsf.在多个现实和合成数据集上的实验表明,分布式特征选择算法D-logsf具有较好的可靠性,且与传统特征选择算法Logsf相比可以获得接近线性的加速比,同时可以有效处理大规模数据集.
44-47

改进的局部稀疏表示分类算法及其在人脸识别中的应用

摘要:近年来,稀疏表示分类(Sparse Representation Based Classification,SRC)方法在人脸识别中受到越来越多的关注.原始SRC方法使用所有的训练样本组成字典矩阵,当训练样本比较多时,稀疏系数的求解会变得非常耗时.为了解决这一问题,提出一种新的局部稀疏表示分类(Local SRC,LSRC)方法.该方法针对每个测试样本,根据测试样本和训练样本稀疏系数之间的相似性来选择部分训练样本,由这些训练样本组成字典,然后在这个字典上对测试样本进行稀疏分解.该方法性能相比于原始LSRC方法更稳定.在ORL、Yale和AR人脸库上的实验结果表明,该方法的效果优于SRC和LSRC.
48-51

基于视觉显著性的非监督图像分割

摘要:交互式的图像分割算法需要用户输入先验信息,从而增加了算法的时间复杂度和用户的负担.提出了基于视觉显著性的非监督图像分割算法.该算法首先通过均值漂移算法先对图像进行预处理,将图像过分割成互不重叠的小区域.这些区域采用区域邻接图表示,当两个区域相邻时对应的节点之间存在边.其次,通过计算各个区域的颜色相异性和纹理一致性,得到相邻区域之间的合并概率.再次,根据区域的颜色和空间位置信息,定义每一个区域的显著性指标,选择最大显著性指标对应的区域作为目标种子区域,图像边缘区域中显著性指标最小的区域作为背景种子区域.最后,基于最大相似性合并策略,对与种子区域相邻的且合并概率最大的区域进行合并.实验表明,所提算法不需要先验信息,且可以得到较好的分割效果;与非监督图像分割算法相比,所提算法可以避免过分割.
52-55

一种基于局部排序PCA的线性鉴别算法

摘要:主分量分析(Principal Component Analysis,PCA)是模式识别领域中一种重要的特征抽取方法,该方法通过K-L展开式来抽取样本的主要特征.基于此,提出一种拓展的PCA人脸识别方法,即分块排序PCA人脸识别方法(MSPCA).分块排序PCA方法先对图像矩阵进行分块,对所有分块得到的子图像矩阵利用PCA方法求出矩阵的所有特征值所对应的特征向量并加以标识;然后找出这些所有的特征值中k个最大的特征值所对应的特征向量,用这些特征向量分别去抽取所属的子图像的特征;最后,在MSPCA的基础上,将抽取子图像所得到的特征矩阵合并,把这个合并后的特征矩阵作为新的样本进行PCA+ LDA.与PCA和PCA+ LDA方法相比,分块排序PCA由于使用子图像矩阵,可以避免使用奇异值分解理论,从而更加简便.在ORL人脸库上的实验结果表明,所提出的方法在识别性能上明显优于经典的PCA和PCA+ LDA方法.
56-59

基于概率相关性的多标签数据流变化检测

摘要:由于传统的概念漂移检测研究主要针对单标签数据流,对现实中常见的多标签数据流却缺乏足够的关注,多标签数据流概念漂移检测问题有待进一步的研究.因此,通过分析多标签数据流中存在的特殊依赖关系,提出了一种基于概率相关性的多标签数据流概念漂移检测算法.其基本思想是从概念漂移的产生原因出发,利用概率相关性近似描述数据分布来监测新旧数据分布变化,判断概念漂移是否发生.实验结果表明,提出的算法能够比较快速、准确地检测到概念漂移,并在多标签概念漂移数据流分类问题上取得了预期的学习效果.
60-64

一种基于节点位置和密度的非均匀分簇路由算法

摘要:分析了现有分簇路由算法,提出了基于节点位置和密度的非均匀分簇路由算法.簇头选举阶段,考虑了节点的剩余能量,并引入竞争机制进行簇头选择;成簇阶段,综合考虑节点与基站的距离、节点密度以进行非均匀分簇,达到节点能耗均衡的效果,同时解决路由热区问题;簇间路由阶段,通过设立通信簇头节点,使簇间数据转发任务从簇头中分离,簇头节点只负责簇内的数据收集和融合,而通信簇头节点负责簇间数据传输,减少了簇头的能量消耗.实验结果表明,改进后的路由算法能够有效地均衡网络负载,并显著地延长网络的生命周期.
65-69

融合主题与语言模型的个性化标签推荐方法研究

摘要:随着Web的推广和普及,产生了越来越多的网络数据.广泛应用了标签系统,以便人们使用搜索技术来组织和使用这些信息.这些数据允许用户使用关键字(标签)注释资源,为传统的基于文本的信息检索提供了方案.为了支持用户选择正确的关键字,标签推荐算法应运而生.提出了一种个性化标签推荐方法,该方法综合了用户的资源标签与标签概率模型.该模型利用了简单语言模型和隐含狄利克雷分配模型,并针对现实世界的大型数据集进行了大量实验.实验表明,该个性化方法改进了标签推荐算法,推荐结果优于传统方法.
70-74

基于序列的G蛋白偶联受体-药物相互作用预测研究

摘要:准确预测G蛋白质偶联受体(GPCR)是否与药物(Drug)相互作用是新药开发的关键步骤之一.从时间和费用方面来说,通过生物实验的方法来确定GPCR-Drug是否相互作用的代价是昂贵的.因此,直接从蛋白质序列出发预测GPCR-Drug的相互作用具有重要的意义.提出了一种基于序列的GPCR-Drug相互作用预测方法:从蛋白质序列抽取进化信息特征;对药物抽取指纹特征;基于上述两种特征,使用基于证据理论的K近邻算法进行分类预测.在标准数据集上的实验结果表明了所述方法的有效性.
75-77

分块MMC及其在人脸识别中的应用

摘要:用最大间距准则(Maximum Margin Criterion,MMC)算法进行特征提取时,提取的是全局的特征,对局部的特征不能有效地抽取.因此,对MMC算法进行改进,提出一种基于分块MMC(Modular Maximum Margin Criterion,MMMC)的人脸识别方法.首先对图像矩阵进行分块,然后对分块后的矩阵进行MMC特征抽取,对每一子块抽取的特征进行整体融合,最后采用最近邻判决准则进行分类识别.在ORL、Yale人脸图像库进行的实验结果表明,新算法相比于MMC算法有更好的识别性能.
78-81

基于MapReduce的基因读段定位改进算法

摘要:由于高通量测序技术产生了海量基因读段数据,并行的基因读段定位算法成为近年来的研究热点.对基因匹配算法进行研究,提出了一种基于MapReduce的基因读段定位改进算法,并且通过在读段定位过程中融入生物信息以及利用Hadoop分布式缓存机制,在一定程度上降低了算法的复杂度.在拟南芥菜基因数据集上进行的实验表明,该算法能够有效提高算法执行效率,减少算法执行时间.
82-85

热红外与可见光视频融合的运动目标检测

摘要:在室外环境中,可见光相机可以获取场景中丰富的纹理细节和光谱信息,但受光照变化的影响很大;而热红外相机对光照变化不敏感,但热红外成像时比度低、颜色信息缺失.为了充分利用两者的互补信息,实现运动目标的精确检测,同时提高检测的鲁棒性,提出了一种应用RGBT混合高斯模型的目标检测方法.该方法将热红外图像作为第4个分量加入到传统的混合高斯模型中,提高了算法的正检率;还引入了阴影去除算法,增强了算法的鲁棒性.实验表明,该方法比传统的混合高斯模型检测精度更高,目标更完整,同时也能较好地满足实时性的要求.
86-89
计算机科学杂志网络与通信

能量高效的无线传感器网络路由协议

摘要:针对目前无线传感器网络分簇路由协议存在的节点能耗不均衡的问题,提出一种基于分簇思想的能量高效的多跳路由协议(EEMR).该协议首先基于节点临近度将网络划分成簇,采用簇首自适应轮转模式优化簇内节点通信的能量消耗,以高剩余能量短路径向心角的适应度路由算法均衡簇间通信负载和能量消耗,有效避免多跳路由中出现的能量消耗不均衡问题.仿真结果表明,EEMR协议能有效均衡网络内节点的能量消耗,显著延长无线传感器网络的生命期并提高网络能量利用率.
90-94

QoS保障的LTE-A飞蜂窝资源块分配与MCS选择研究

摘要:针对LTE-A飞蜂窝网络下行链路的资源块(Resource Block,RB)分配与调制编码策略(Modulation-and-Coding Scheme,MCS)选择问题,构建了整数线性规划模型,以在保障每个飞蜂窝用户最小吞吐量的需求下,最大化飞蜂窝系统吞吐量.其中,吞吐量是衡量网络性能最重要的服务质量(Quality of Service,QoS)指标之一.鉴于此问题是一个NP难问题,提出了一种ACOGA智能优化算法.该算法结合遗传算法(Genetic Algorithm,GA)与蚁群优化(Ant Colony Optimization,ACO)算法,可实现RB的动态分配与MCS的动态选择,并收敛到一种近优的分配策略.其中,GA算法动态地优化ACO算法中的参数配置,ACO算法利用优化后的参数配置执行RB分配与MCS选择.仿真表明,与采用静态参数配置的ACO算法相比较,ACOGA算法可使飞蜂窝系统的吞吐量提高12%以上,并显著提高了收敛速率.
95-100

基于无线自组网络分时发送协议的路由汇聚容量

摘要:对于无线自组网而言,由于网络拓扑与路由选择的随机性,容量的分析显得尤为复杂.研究了能量约束对无线自组网容量性能的影响.该网络具有路由汇聚功能,且节点的发送过程基于分时竞争发送协议.在假设能量缓存中的能量值足够大时,节点就能发送数据的前提下,提出了一种基于闭合排队网络的容量分析模型.该模型同时考虑了数据细节、能量缓存以及随机接入协议.然后研究了能量约束对随机接入协议设计参数的影响,以优化网络性能.最后分析了能量约束对最大稳定容量、稳定域以及分组丢弃率的影响.仿真结果验证了所提分析模型的准确性.
101-105

基于动态角色属性的MP2P信任模型

摘要:针对移动对等网络中终端稳定性差、动态性高的特点,提出了一种基于动态角色属性的MP2P信任模型.该信任模型引入了交易稳定因子和时间经验值,根据不同时刻的节点时间经验值以及贡献值,动态地赋予网络节点不同的角色,并根据角色的重要性决定计算信任值时的权重和资源下载量.仿真证实,该模型能抑制不稳定节点的影响,提高稳定节点的作用,减少“搭便车”行为以及伪善节点的影响,提高交易成功率.
106-111