计算机科学杂志 北大期刊 CSCD期刊 统计源期刊

计算机科学 2019年第06期杂志 文档列表

计算机科学杂志大数据与数据科学

大数据分析技术在网络领域中的研究综述1-20

摘要：随着移动互联网、物联网、5G通信网等新兴技术的迅猛发展,数以亿计的网络接入点、联网设备以及网络应用产生的海量数据,给网络故障排查、网络安全保障等带来了极大的挑战,同时也为人们深度挖掘和充分利用网络大数据的巨大价值带来了机遇。大数据分析可以处理海量数据,并从中抽取有价值的潜在知识,帮助决策者发现隐藏的关系和模式,近年来引起了学术界和工业界的广泛关注。文中围绕大数据分析技术应用于网络领域的最新研究成果,首先阐述了网络大数据的概念、分类和数据分析方法;然后从无线网络、SDN网络、光纤网络和网络安全4个层面着重介绍了大数据分析技术在故障检测、流量监控、网络优化、流量预测、APT攻击检测、网络异常检测等网络领域中的解决方案,重点分析和归纳了这些解决方案中大数据分析技术的思路;接着回顾了大数据分析技术在工业界中应用的情况;在此基础上,给出了基于大数据分析的网络设计周期;最后总结了大数据分析技术在网络领域中面临的机遇和挑战,并指出下一步需要关注的研究方向。

DNA数据存储技术研究进展21-28

摘要：随着计算机技术和网络技术的飞速发展,由此产生的海量数据给传统数据存储方式带来了巨大挑战,因此研究人员开始致力于寻找新一代存储方案。脱氧核糖核酸(Deoxyribonucleic Acid,DNA)作为天然的遗传信息存储介质,具有存储容量大、能耗低和寿命长等优点,有效克服了传统硬盘和计算机存储等方式的不足,故DNA数据存储技术成为信息技术和生物技术交叉领域的研究热点。文中综述了DNA数据存储技术的研究进展,首先对DNA及其存储的理论框架进行了介绍;然后详细阐述了DNA数据存储中的编码技术:二进制数据的压缩编码算法、纠错算法以及二进制数据到DNA 4种碱基的转换方法;最后对现阶段已有的DNA存储方案进行了分析,并对DNA数据存储研究存在的挑战进行了讨论。

基于句法分析与词向量的领域新词发现方法29-34

摘要：很多已经存在的词汇和词组可能会被运用于它们之前从未被运用过的领域文本中,这样的词汇或词组被称为领域新词。领域新词的发现可以为该领域的研究人员提供最新的领域发展动态,帮助其分析该领域的最新舆情,因此具有非常重要的意义。针对领域新词发现这一问题,文中提出了一种基于依存句法分析与词向量的领域新词发现方法。首先,提出了句法词典的概念,并基于依存句法分析,结合TF-IDF值的计算,提出了构建领域句法词典的方法;然后,使用领域句法词典,结合词向量技术,完成了领域新词发现方法的设计;最后,使用来自于护肤品论坛的真实文本数据集对所提方法进行了正确性验证。实验结果表明,构建的句法词典的质量较高,所提方法在进行领域新词发现时具有良好的性能。

基于压缩感知的时间序列缺失数据预测算法35-40

摘要：数据缺失在时间序列采集过程中频繁发生,已经严重阻碍了精确的数据分析.然而,现有的缺失数据预测算法多是从采集到的数据中发现某种规律,从而预测缺失的数据,并不适用于缺失数据较多的情况.基于此,提出了一种基于压缩感知的缺失数据预测算法.首先,该算法利用时间序列的时域平滑特性设计稀疏表示基,从而将缺失数据预测问题转化成稀疏向量恢复问题.其次,根据未缺失数据的位置特点设计了与稀疏表示基相关性低的观测矩阵,从而保证了算法的重构性能.仿真结果表明,即使数据缺失率高达90%,所提方法依然可以非常有效地预测出缺失数据.

融合node2vec和深度神经网络的隐式反馈推荐模型41-48

摘要：利用隐式反馈信息实现个性化推荐是实用且具有挑战性的研究课题。对如何有效结合辅助信息来解决数据稀疏问题从而实现高效推荐的问题进行了研究,提出了一种融合node2vec和深度神经网络的隐式反馈推荐模型。该模型采用一种嵌入元数据的深度神经网络框架(Deep Neural Network Framework with Embedded Meta-data,Meta-DNN),首先将用户和项目的one-hot向量进行低维映射,再嵌入元数据信息,并结合node2vec的二阶随机游走方法学习网络中的邻居节点,使得相邻节点具有相似的节点表示,同时通过增强相邻用户和项目的平滑度来缓解数据稀疏性;最后使用深度神经网络进一步学习用户对项目的偏好,进而为用户产生推荐。其中,还引入了流行度参数对未知项目进行非平均抽样,优化隐式反馈负采样策略。在Gowalla和MovieLens-1M两个数据集上的实验表明,所提方法可以明显提高系统的预测性能和推荐质量。

基于LSTM神经网络的短期高压负荷电流预测方法49-54

摘要：传统模型在短期高压负荷电流预测中难以同时解决负荷电流数据的非线性和时间相关性问题。针对此问题,提出一种基于长短期记忆(LSTM)循环神经网络的短期高压负荷电流回归预测方法SHCP-LSTM。该方法引入自循环权重,使细胞彼此循环连接,可以动态改变累积的时间尺度,使其具有长短期记忆功能;使用遗忘门来控制输入和输出,从而使得门控单元具有sigmoid非线性。实验结果验证了该方法的可行性和有效性,与线性逻辑回归算法LR和机器学习算法ANN神经网络、BPNN神经网络预测相比,SHCP-LSTM收敛速度更快,且精确度更高。

复杂事件管理的多元时序数据处理技术研究55-63

摘要：随着数据量变得不断庞大,将不同业务系统数据融合在一起挖掘潜在价值变得越来越有意义。复杂事件处理技术就是将业务数据抽象为事件序列,通过复杂事件描述方法将有潜在价值的复合数据描述为特定的事件匹配结构。复杂事件检测引擎从大量事件流中检测出满足匹配结构的事件序列,最终输出数据融合结果。但传统复杂事件描述只适用于输入事件流为单一原子事件类型,且谓词约束为简单的属性值比较或聚合操作,事件间为简单的时序约束。这使得传统检测方法无法满足诸如医学、金融等对时间要求比较精确、事件谓词约束要求更加丰富的应用领域。因此,设计了一种能够支持多元事件输入的基于TCN的量化时序约束表示模型和基于时段特征约束的谓词约束表示模型,并且提出了并行化的复杂事件检测算法(PARALLEL-TCSEQ-DETECTION检测算法),使得复杂事件检测方法更加高效。对2045支股票2亿条记录的分析结果表明了提出的复杂事件处理技术的可行性与高效性。

基于流形正则化的多类型关系数据联合聚类方法64-68

摘要：随着大数据应用的发展,通过非线性流形采样得到的多类型关系数据规模越来越大,数据几何结构更加复杂,异构关系数据变得异常稀疏,导致数据挖掘难度增大且准确率降低.针对上述问题,提出一种基于流形非负矩阵三分解的多类型关系数据联合聚类方法:首先,对于较小规模的实体,根据其自然关系或内容相关性构造关联矩阵,对其分解后得到该类实体的聚类指示矩阵,将其作为非负矩阵三分解的输入;然后,在快速非负矩阵三分解(FNMTF)的基础上加入流形正则化处理,实现数据类型间关系与类型内部关系的联合聚类,进一步提高聚类的准确率.实验表明:在准确率和整体性能方面,流形非负矩阵三分解算法优于传统的基于非负矩阵分解的联合聚类算法.

面向序数回归的组合特征提取方法69-74

摘要：序数回归(也称序数分类)是一种监督学习任务,即使用具有自然顺序的标签对数据项进行分类。序数回归与诸多实际问题密切相关,近几年关于序数回归的研究受到越来越多的关注。序数回归与其他监督学习任务(分类、回归等)一样,需要通过特征提取来提高模型的效率和准确性。虽然特征提取被广泛研究并用于分类学习任务中,但是在序数回归中的研究较少。众所周知,相比单特征,组合特征可以表达更多的数据底层语义,但是加入一般的组合特征很难提高模型的准确性。文中基于频繁模式挖掘,借助K-L散度值来选取最有区分能力的频繁模式进行特征组合,提出了一种新的序数回归组合特征提取方法,并在公开数据集和自有数据集上使用多个序数回归模型进行实验。结果表明,使用最有区分能力的频繁模式组合特征,能够有效提升大多数序数回归模型的训练效果。

基于网络评论情感信任分析的推荐策略75-79

摘要：个性化推荐技术已经成为电子商务领域解决信息过载问题的一种有效手段.传统的协同过滤推荐系统由于算法自身的特点,普遍存在数据稀疏性和冷启动等问题,这些问题的存在使得个性化推荐过程中的准确率大大降低,影响了用户的个性化体验和对系统的信心.从社会学中的信任关系角度着手,通过对网络用户在线评论信息进行情感分析,提取出评论信息中用户的情感倾向,并对它进行有效量化,然后通过计算用户情感倾向的相似性建立用户间的信任关系.同时,在推荐过程中将所构建的信任关系与评分数据的相似度进行有效结合,弥补了相似度作为唯一权重因素而导致的推荐准确率降低的不足.首先,基于在线评论信息对用户的情感倾向性进行分析与量化;然后,基于情感相似度对用户信任关系进行建模;最后,基于用户情感信任关系对推荐策略进行设计.在所选数据集上的模拟对比实验表明,改进的引入情感分析信任模型的个性化推荐策略能够有效地降低平均绝对误差值MAE,推荐的准确率得到了提高;同时,覆盖率coverage和推荐系统对商品长尾的发掘能力也得到了有效的提升;另外,信任关系自主管理机制的引入,也大大改善了用户对系统的个性化体验,增强了用户对系统的信心.

计算机科学杂志网络与通信

基于闭合序列模式挖掘的未知协议格式推断方法80-89

摘要：现有的基于网络流量的协议格式推断方法只提取报文关键字的平坦序列,并没有考虑报文关键字之间的顺序、并列与层次关系的结构特性;此外,报文样本中的噪音往往导致关键字识别的准确率偏低。文中提出了一种自动识别未知协议报文关键字并推断报文结构的方法。所提出的方法在收集未知协议实体程序通信报文的基础上,采用二阶段闭合模式挖掘策略对通信报文实施闭合序列模式挖掘,识别协议关键字并生成包含具有关键字组合关系的关键字序列;在此基础上提取关键字之间的顺序、并列以及层次关系,进而推断报文结构。协议关键字识别过程中采用设置最小支持度阈值的方法,可直接分析实际网络中包含噪音的报文样本,保证了关键字识别的准确率。实验结果表明,所提出的协议格式推断方法被应用于文本协议和二进制协议时,对报文关键字识别与报文结构推断均能取得理想的推断效果。

基于SDN的数据中心网络多路径流量调度算法90-94

摘要：针对数据中心网络带宽利用率低、网络性能差的问题,提出一种基于SDN架构下,结合多因素的多路径流量调度算法(MSF).算法利用SDN架构中控制与转发分离的特性以及利用控制器集中控制的方式来为数据流计算路由,首先计算出源主机和目的主机间所有可达路径中跳数最少的路径集,然后找出最短路径集中关键度最小的数条路径,最后结合流特征找出代价最低的路径作为最终流表的下发路径.实验结果表明,在不同的流量模型下,与ECMP和Hedera两种算法相比,所提算法提升了链路带宽利用率和吞吐量,减少了流量的平均往返时延,从而提高了数据中心的整体网络性能.

融合学习差分进化和粒子群优化算法的认知决策引擎95-101

摘要：为了提高认知无线电系统的参数决策速度和性能,提出一种融合粒子群和学习差分进化算法的认知无线电决策引擎(HPSO-BLDE)。首先,对学习差分进化算法引入自适应变异机制,使得每条染色体随个体适应度和平均适应度进行自适应变异,提高其局部寻优能力。然后,改进粒子群算法的学习因子,并加入扰动项,防止算法早熟;选用更合适的变换函数,将正反向速度转换为相同概率更新粒子位置,提高最优解的精度,从而提高粒子群算法的全局寻优能力。最后,在认知引擎模型中并行地运行改进的粒子群算法(IBPSO)和差分进化算法(IBLDE),每隔固定的迭代次数后,融合两种算法的最优个体信息,得到HPSO-BLDE算法,使IBPSO算法和IBLDE算法的种群兼具二者的优点,从而提高了最优解的求解精度并加快了收敛速度。多载波通信系统的参数决策仿真结果表明,IBPSO算法、IBLDE算法和HPSO-BLDE算法的性能优于已有的爬山遗传(HGA)算法、量子粒子群算法(BQPSO)和二进制学习差分进化算法(BLDE),其中HPSO-BLDE算法的性能最优。

面向移动群智感知的位置相关在线多任务分配算法102-106

摘要：越高的数据质量要求对应越高的感知成本,如何权衡质量与成本是当前移动群智感知任务分配问题的研究热点之一。研究了保证最低数据质量要求的位置相关在线多任务分配问题,以最小化总体感知成本为优化目标,将数据质量要求量化为不同执行节点的个数;提出了一种基于划分的贪心算法,其主要思想是以执行节点的初始位置为圆心、以节点最远移动意愿为半径生成圆盘,然后从圆盘覆盖到的任务集合中选出合适的任务子集作为相应执行节点的待执行任务集。根据实验仿真,与GGA-I算法相比,所提算法在相同运行时间下,总体感知成本降低12.7%;在相近计算性能下,所需的计算时间平均缩短51.6%。

LLN中基于混合式的网络拥塞控制路由算法107-111

摘要：由于低功耗有损网络(Low Power and Lossy Networks,LLN)中现有网络拥塞控制路由算法无法高效地对当前网络拥塞进行缓解,因此提出一种基于混合式的网络拥塞控制路由算法(Hybrid-based Network Congestion Control Routing Algorithm,HNCCRA)。该算法主要包含3个创新点。首先,为了有效地降低网络拥塞的发生概率,在组网过程中,每个节点依据其备选父节点的负载状态进行父节点的选择;其次,为了避免网络拥塞节点的子节点在更换数据传输路径时选择处于重负载状态的备选父节点作为新的父节点,在网络拓扑维护过程中每个节点实时通告自身负载状态;最后,为了能够高效地缓解当前的网络拥塞,结合数据分流思想和更换数据传输路径的方式进行网络拥塞控制。仿真结果表明,与LLN中现有网络拥塞控制路由算法相比,HNCCRA算法能够有效地提升网络各方面的性能,其中网络拥塞的发生概率降低了19.89%,汇聚节点的平均吞吐量增加了11.35%,网络的平均寿命延长了9.75%。

一种基于节点状态的MANET路由发现和建立策略112-117

摘要：AODV是MANET网络中典型的按需路由协议。针对AODV路由策略的缺陷,提出一种基于节点状态的路由发现和建立策略。通过对MANET网络建模,在路由发现时,利用马尔可夫链预测邻节点的状态,在原有AODV路由策略的基础上,上一跳节点利用AODV路由发现时建立的反向路由获取邻节点的状态信息;在路由建立时,结合邻节点的状态信息,优先选择处于空闲状态和休眠状态的节点作为下一跳路由。仿真结果表明,基于该策略优化的AODV路由协议提高了网络中数据包的投递率,降低了端到端延迟,改善了网络性能。

基于均值二分的改进型FCME算法及其在极/超低频信道噪声检测中的应用118-123

摘要：极/超低频信道噪声脉冲因接收机前端暂态效应而钝化,导致常规时域幅度门限检测器的性能出现退化。针对该问题,文中提出了一种基于局部方差域变换(Local Variance Domain Transforming,LVDT)恒虚警率顺序统计分析(OS-CFAR)的检测算法。同时,针对FCME(Forward Consecutive Mean Excision)算法在迭代计算背景噪声时可能存在的发散问题,提出了一种基于均值二分搜索(Binary Searching Method by Mean,BSMM)的改进方法,BSMM无需初始集假设以及排序过程,因而具有更好的鲁棒性和更高的计算效率。仿真结果表明,与常规FCME算法相比,在不损失背景噪声估计精度的条件下,所提BSMM的计算时间平均缩短2个数量级以上,所提信道噪声检测算法优于局部最优非线性检测算法。

基于Q-learning的RFID多阅读器防碰撞算法124-127

摘要：为了解决无线射频识别(RFID)系统中多阅读器与标签通信的碰撞问题,文中将此问题建模为马尔可夫决策过程,并提出了一种基于Q-learning的防碰撞算法。该算法通过智能体agent不断与周围环境进行交互和学习,从而产生Q值函数,得到最佳信道分配策略;取消了HiQ算法中复杂的分层结构,简化了系统模型,引入ε贪婪策略以得到全局最优解,改进奖赏函数以得到最优状态。仿真结果表明,与HiQ算法和EHiQ算法相比,该智能算法能够自适应地为阅读器分配不同的信道来进行数据传输,从而有效降低碰撞率,提高信道利用率和吞吐率。