计算机科学杂志

发表咨询:400-808-1731

订阅咨询:400-808-1751

计算机科学杂志 北大期刊 CSCD期刊 统计源期刊

Computer Science

  • 50-1075/TP 国内刊号
  • 1002-137X 国际刊号
  • 0.94 影响因子
  • 1-3个月下单 审稿周期
计算机科学是国家科技部西南信息中心主办的一本学术期刊,主要刊载该领域内的原创性研究论文、综述和评论等。杂志于1974年创刊,目前已被维普收录(中)、北大期刊(中国人文社会科学期刊)等知名数据库收录,是国家科学技术部主管的国家重点学术期刊之一。计算机科学在学术界享有很高的声誉和影响力,该期刊发表的文章具有较高的学术水平和实践价值,为读者提供更多的实践案例和行业信息,得到了广大读者的广泛关注和引用。
栏目设置: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

计算机科学 2017年第S1期杂志 文档列表

多通道延时遥交互研究综述1-6

摘要:多通道遥交互(Multimodal Tele-interaction,MMTI)旨在通过使用多种交互设备和协作方式,并利用多交互通道间的互补特性,以便有效传达和理解用户交互信息,提高交互效率,增进交互自然性,最终使用户能够以“预期的想法”完成遥交互任务。近年来,随着多通道遥交互的发展,人们对深空、深海和远程医疗的探索和开发不断增强,由于通信时延的约束,多通道遥交互面临着交互异步和通道缺失等问题,对用户行为、心理和认知等人素特性产生了根本影响,切断和阻碍了交互通道的连续性、实时性和自然性,降低了交互的用户体验,并进一步影响了系统的有效性,因此迫切需要对大时延约束下的多通道遥交互技术进行研究。分析了国内外研究现状,给出了遥交互的一个定义,讨论了遥交互研究问题和关键技术(包括时延、异步和缺失问题),讨论了其关键应用领域,最后展望了遥交互的发展趋势和研究挑战。

半监督集成学习综述7-13

摘要:半监督学习和集成学习是目前机器学习领域中两个非常重要的研究方向,半监督学习注重利用有标记样本与无标记样本来获得高性能分类器,而集成学习旨在利用多个学习器进行集成以提升弱学习器的精度。半监督集成学习是将半监督学习和集成学习进行组合来提升分类器泛化性能的机器学习新方法。首先,在分析半监督集成学习发展过程的基础上,发现半监督集成学习起源于基于分歧的半监督学习方法;然后,综合分析现有半监督集成学习方法,将其分为基于半监督的集成学习与基于集成的半监督学习两大类,并对主要的半监督集成方法进行了介绍;最后,对现有研究进了总结,并讨论了未来值得研究的问题。

跨语言命名实体翻译对抽取的研究综述14-18

摘要:跨语言命名实体对于机器翻译、跨语言信息抽取都具有重要意义,从命名实体的音译、基于平行/可比语料库的跨语言命名实体对齐、基于网络挖掘的跨语言命名实体对翻译抽取3个方面对跨语言命名实体翻译对抽取的研究现状进行了总结。音译是跨语言命名实体翻译对抽取的重点内容之一,基于深度学习的音译模型将是今后的研究重点。目前,跨语言平行/可比语料库的获取和标注直接影响基于语料库的跨语言命名实体对齐的深入研究。基于信息检索和维基百科的跨语言命名实体翻译对抽取研究将是跨语言命名实体翻译对抽取研究的趋势。

基于深度学习的视觉跟踪算法研究综述19-23

摘要:视觉跟踪是计算机视觉的重要研究领域之一。传统的视觉跟踪算法难以很好地解决复杂背景中的跟踪问题,如光线变化、目标发生较大的尺寸和姿态变化或目标被遮挡等。而深度学习的引入为视觉跟踪研究开辟了新的途径。但目前国内外基于深度学习的视觉跟踪研究文献相对较少,为吸引更多视觉跟踪领域研究者对深度学习进行探索和讨论,并推动视觉跟踪算法的研究,简要介绍了视觉跟踪和深度学习的研究现状,重点分析了基于深度学习的视觉跟踪算法的相关文献,讨论了各算法的优缺点,最后提出了进一步研究的方向以及对基于深度学习的视觉跟踪算法的展望。

基于Xen的虚拟化访问控制研究综述24-28

摘要:虚拟化作为云计算的核心技术,在广泛应用与迅速发展的同时,其安全威胁也日益凸显,严重阻碍了虚拟化的发展,是亟待解决的重要问题。学术界提出各种解决方案,其中访问控制技术作为虚拟化安全的重要屏障,获得广泛关注和研究。首先回顾了访问控制技术的发展及其对比,其次分析了Xen虚拟化环境中的安全问题以及所采用的访问控制技术,最后对目前国内外虚拟化安全访问控制的研究进行了总结。

主题模型中的参数估计方法综述29-32

摘要:主题模型利用快速的机器学习算法从高维稀疏的单词数据中提取出低维的主题表示,实现了对文档单词的聚类。对主题模型中的参数进行估计是该领域的一项重要研究工作。详细描述了概率潜在语义分析模型和潜在狄利克雷模型以及主题模型中基本的参数估计方法,并对模型的困惑度进行了实验比较。

基于社交媒体的事件感知与多模态事件脉络生成33-36

摘要:随着信息技术的发展和社交媒体的流行,普通用户已经完成了从信息接受者到信息产生者的转变,每个人都可以实时分享自己身边的信息,也可以转发自己感兴趣的内容,这使得社交媒体的数据量迅速增长。在海量数据中蕴含着丰富的社会事件发生和发展的记录,如何有效地从这些数据中挖掘出有价值的信息成为了当前信息领域的重要问题。针对该问题,介绍了基于社交媒体的事件感知与多模态事件脉络生成。基于社交媒体的事件感知与多模态事件脉络生成旨在通过分析社交媒体中的文本、时间、图像、评论、观点、情感和用户交互等多模态数据,感知事件并刻画事件的关系,从而实现对事件的总结。讨论了基于社交媒体的事件感知与多模态事件脉络生成的描述模型、概念、发展历史、关键技术与挑战以及其广泛的应用领域,综述了社交媒体分析在事件感知和事件总结方面的研究进展,并对其未来发展进行了展望。

基于数据驱动的故障诊断技术研究现状及展望37-42

摘要:对基于数据驱动的过程故障诊断方法进行了总结和划分,其中包含多元统计方法、机器学习方法、流形学习方法等。将各类基于数据驱动的故障诊断方法的原理、研究进展及其在工业过程中的应用进行了描述和分析,最后指出这一领域中需要进一步解决的问题以及近期的研究热点。

虚拟现实技术在专门用途英语教学中的应用研究综述43-47

摘要:阐述了虚拟现实技术与专门用途英语教学之间的联系,介绍了近年来国内外虚拟现实技术应用在专门英语教学中的相关案例、理论探讨及应用模式,对比了现阶段国内外研究的优势和不足,分析了虚拟现实及其相关技术对计算机辅助专门用途英语教学的意义和应用价值,对今后虚拟现实技术如何更好地服务于计算机辅助专门英语教学进行了探讨,并对未来相关研究工作进行了展望。

浅析领域知识对大数据发展的影响48-49

摘要:大数据正在成为当今社会的热门话题,除了IT领域对它的不断探索外,大数据也在持续影响着经济、社会的进程。各行各业对大数据的炒作愈演愈烈,应该认真思考大数据研究与应用过程中面临的诸多问题。知识领域对于一项新技术来说尤为重要,若不清楚各行各业的知识领域,则新技术在不同领域中的发展及应用将会面临很多阻碍[1]。分析了大数据研究与应用的几个环节,指出了大数据处理涉及到的数据采集、数据管理、数据分析、数据建模和数据应用等过程,其中领域知识是沟通大数据处理的核心环节。由于大数据应用的关键是数据分析,数据分析的基础是领域知识,因此大数据处理必须通过领域知识才能前后贯通。

基于增强AlexNet的深度学习的阿尔茨海默病的早期诊断50-60

摘要:在中国,越来越多的老人正在忍受着阿尔茨海默病(Alzheimer’s Disease,AD)的痛苦。阿尔茨海默病俗称老年痴呆症,临床上表现为失忆、丧失语言能力等。目前,中国的阿尔茨海默病患者人数已居世界第一。因此,早期诊断阿尔茨海默病变得十分急迫。研究表明,轻度认知障碍(Mild Cognitive Impairment,MCI)转化为阿尔茨海默病的概率很高,它是介于阿尔茨海默病和正常(Healthy Control,HC)之间的一种状态。随着大数据时代的来临,机器学习方法在疾病诊断方面受到热捧。所以,研究提出使用深度学习方法实现对阿尔茨海默病、轻度认知障碍和健康人群的诊断。数据库来自网络公开数据库ADNI。原始的核磁共振图像(Magnetic Resonance Imaging,MRI)的预处理得到首都医科大学附属北京天坛医院的指导。使用卷积神经网络对降维后的实验数据进行训练。因为目前的网络模型不是针对医学图像的,所以实验的重点在于改进现有网络模型,使之达到良好的诊断效果。改进的网络模型是在图像分类方面十分出色的AlexNet网络模型。实验根据阿尔茨海默病的特点提出改进原始模型的4种算法,采用并行方式计算,使用曙光W780-G20服务器,利用8块NVIDIA Tesla K80进行GPU计算,获得4个分类器:AD vs.HC,AD vs.MCI,MCI vs.HC和AD vs.MCI vs.HC。数据集中图像总数量超过7万张,耗时不超过30分钟。最终,通过绘制ROC曲线,计算敏感度、特异度、精确度,对测试结果进行评估,得到了较好的测试结果。

基于改进的Porter Stemmer词干提取与核方法的垃圾邮件过滤算法61-67

摘要:统计学习方法现已大量应用于垃圾邮件识别,其中表现突出的包括贝叶斯过滤器、支持向量机等。近年来,为应对日益严重的垃圾邮件问题,提出诸多改进算法或创新思路。通过改进Porter Stemmer并使之适用于垃圾邮件过滤,从而充分提取文本的有效特征,摒弃冗余信息,加强了过滤效果;将改进方法的Porter Stemmer与原方法分别应用于线性核、高斯核、多项式核支持向量机以及贝叶斯过滤器,对比实验结果可知,错误率分别下降了63.7%,63.1%,61.3%和11.4%,证明了改进方法的显著效果;另外,实验结果证明SVM过滤器显著优于贝叶斯过滤器,且能更大程度体现改进方法的优势;最后,给出多种定量评价和语义角度的分析,启发采用用户个性化定制的过滤器。

一种下肢外骨骼机器人随动控制算法的研究68-69

摘要:随动控制算法对下肢外骨骼机器人的助力效果起着决定性的作用。根据零力控制算法及下肢外骨骼机器人的运动特点,提出了一种末端随动控制算法,并给出了算法推导过程。最后通过Matlab仿真验证了该算法的有效性。

基于变精度和浓缩布尔矩阵的属性约简70-74

摘要:属性约简是粗糙集理论研究的重要内容。传统的基于差别矩阵的属性约简方法只能处理一致决策表,改进的差别矩阵针对决策表中一致和不一致的对象做不同的处理,从而解决了这一问题。浓缩布尔矩阵进一步节省了矩阵的存储空间并提高了矩阵的生成效率,从而可以快速计算得到约简。在此基础上,结合变精度的思想把部分不一致对象合理地加入到一致对象的集合中,从而增加了一致数据的信息量,并通过使用浓缩布尔矩阵有效降低了约简的计算消耗。实验表明,所提方法在运行速度和分类精度方面均表现出了优势。

直觉模糊序决策信息系统的分配约简75-79

摘要:在直觉模糊集概念的基础上,通过对直觉模糊数加权的方法建立一种新的序关系。利用传统的序关系和新的序关系分别建立直觉模糊序决策信息系统。然后在定义的分配函数和分配协调集的基础上,给出对应的分配约简的判定定理和辨识矩阵,进而建立直觉模糊序决策信息系统的分配约简的具体方法。最后通过实例验证该方法的有效性。

中文开放式多元实体关系抽取80-83

摘要:传统信息抽取针对特定的领域。当转换到新领域时,需要人工编写新的抽取规则和人工标记新的训练样本。开放信息抽取突破了传统信息抽取的局限性。现有的开放式信息抽取系统大多针对英文,然而,目前对于中文的研究相对较少,并主要以抽取三元组为主,没有针对中文抽取多元组的方法。因此提出了一种基于依存分析的中文开放式多元实体关系抽取方法。首先,对文本集进行预处理和依存关系分析;然后将动词视为候选关系词,将与此动词有满足条件的有效依存路径的基本名词短语视为实体词,关联两个及两个以上的实体词的关系词可与实体词组成候选多元实体关系组;最后,使用经过训练的逻辑回归分类器对多元实体关系组进行过滤。对百度百科数据集的抽取结果显示,所提方法在抽取大量实体关系多元组时准确性可达到81%。

基于双向学习排序的跨媒体语义相似性度量方法84-87

摘要:随着互联网技术的迅猛发展,网络信息的呈现形式不断从简单的文本扩展到图像、声音、视频等多媒体表达形式。在多媒体信息检索领域中,传统方法往往在同一个特征空间中表示所有的媒体模式,并采取一对一的配对数据,或者利用单向排序实例作为训练样本进行检索。在此背景下,考虑了学习双向排序实例,进而实现了跨媒体检索的方法。在Wikipedia数据集上进行测试,实验结果表明,基于双向排序的跨媒体语义相似性度量方法具有更好的性能。

基于紧集子覆盖的流形学习算法88-91

摘要:2000年以后新兴了一系列非线性降维的方法,流形学习中的Isomap就是其中的代表。该算法能够反映数据集的全局结构且简单高效,但是存在低维流形等距的欧氏子集必须是凸集和计算复杂度高等缺点。L-Isomap成功降低了算法的计算复杂度,但是对于地标点(landmark points)的选取大多采用随机的方法,致使该算法不稳定。依据拓扑学和泛函分析中有限维空间有界闭集与紧集(compact set)等价、紧集的任一开覆盖存在有限子覆盖等经典定理,分析数据集所在区域的拓扑结构,确定了一系列能够反映数据结构的地标点。这样的方法计算复杂度低,比L-Isomap稳定,且将数据集是凸集的要求弱化到紧集(有界闭集),避免了传统Isomap算法放大不完整流形中的“空洞”误差等问题。