计算机科学杂志北大期刊CSCD期刊统计源期刊

摘要：网络大数据时代的到来使得开放知识库的构建技术越来越受到学术界和工业界的关注。近年来，依托开放知识库构建技术而构建的知识库及相关应用层出不穷。然而，目前并没有一种较为统一、全面的开放知识库构建技术的多维量化评价方法。在已有工作的基础之上，提出了一套开放知识库构建技术的多维评价指标体系，综合考虑包括开放知识库的构建准确率、构建时间、构建规模在内的多个维度，并在此基础上提出了开放知识库构建技术的多维量化评价方法。实验表明，开放知识库构建技术的评价结果较传统的评价方法更为全面、合理，并且可以根据实际应用中维度的重要性差异产生不同角度的评价结果。

摘要：关键节点在网络中的重要程度高于其他大部分节点，关键节点挖掘是网络分析的重要研究内容，对网络结构和网络中的关系等研究而言都具有非常重要的意义。已有的关键节点挖掘算法从不同的侧重点进行节点关键性评价，文中基于网络中节点的局部性信息，结合节点与其一阶邻居节点的关联关系，提出了一种有向网络关键节点挖掘算法。该算法在关注节点所处局部环境的同时考虑关联节点间的关联强度及重要性影响，根据局部重要性和关联重要性共同进行关键节点的评价。在实验网络上的影响力传播实验表明，相比于经典的皮中心性等关键节点许价算法，所提算法挖掘得到的关键节点对影响力的传播能力支弦，说明了算法的准确性。

摘要：网络逐渐成为了人与人之间的主要社交工具，在网络中挖掘最有影响力的用户成为了非常值得关注的问题。在传统影响力最大化算法的基础上提出了一种面向主题将合的影响力最大化算法，该算法首先分析网络中不同主题之间的稿合相似性，在综合考虑主题之间柄合相似性与用户对不同主题偏好的基础上扩展独立级联模型，并使用经典的贪心算法挖掘最具有影响力的用户。与不考虑主题搞合的影响力最大化算法相比，所提算法考虑了传播主题之间的稿合相似性，并且能够与用户偏好进行更为有效地结合。最后，实验表明，相比于经典的影响力最大化算法，该算法能够更为有效地挖掘在特定主题下最具有影响力的种子节点。

摘要：极限学习机算法虽然训练速度较快，但包含了大量矩阵运算，因此其在面对大数据量时，处理效率依然缓慢。在充分研究Spark分布式数据集并行计算机制的基础上，设计了核心环节矩阵乘法的并行计算方案，并对基于Spark的极限学习机并行化算法进行了设计与实现。为方便性能比较，同时实现了基于Hadoop MapReduce的极限学习机并行化算法。实验结采表明，基于Spark的极限学习机并行化算法相比于Hadoop MapReduce版本的运行时间明显缩短，而且若处理数据量越大，Spark在效率方面的优势就越明显。

摘要：位置推荐服务能使用户更容易地获得周边的兴趣点信息，但也会带来用户位置隐私泄露的风险。为了避免位置隐私泄露带来的不利影响，提出一种面向位置推荐服务的差分隐私保护方法。在保持用户位置轨迹与签到频率特征的前提下，基于路径前缀树及其平衡程度采用均匀分自己和几何分配两种方式进行隐私预算分配，然后根据隐私预算分配结果添加满足差分隐私的Laplace嗓音。实验结采表明该方法能有效保护用户位置隐私，同时通过合理的隐私预算分配能减少差分隐私嗓音对推荐质量的影响。

摘要：正则化路径算法是数值求解支持向量回归机(Support Vector Regression,SVR)的有效方法。根据SVR正则化路径的分段线性性质，该类算法可在相当于一次SVR求解的时间复杂度内求得正则化参数的所有可能取值及对应SVR的解。由于在解路径建立过程中需妥求解线性方程组，已有的精确计算方法难以处理大规模的样本数据，因此研究了正则化路径近似算法，并提出了SVR正如j化路径近似算法SVRRPMCC。首先，应用Monte Carlo方法实现线性方程纽系数矩阵的随机采样，求得近似系数矩阵;然后，应用Cholesky分解方法实现，快速求解系数逆矩阵;进一步，分析了SVRRPMCC算法的近似误差和计算复杂性;最后，在标准数据集上的实验验证了SVRRPMCC算法的合理性和较高的计算效率。

摘要：针对多示例多标记学习算法MIMLSVM只从也层面构造聚类，而忽略了包内示例分布对分类造成影响这一不足，提出一种基于概念权重向量的MIMLSVM改进算法---I-MIMLSVM算法。首先从示例层面构造聚类，挖掘出示例中的潜在概念簇，运用R-PATTE卧J算法计算每个概念簇的概念权重;然后利用TF-IDF算法计算每个概念簇在各个示例包中的重要度;最后将示例包表示为概念权重向量，向量的每一维即为概念簇的概念权重与其在该包中的重要度的乘积。将该算法在包含2000幅图像的自然数据集上进行实验验证，结采表明改进的算法在分类性能上整体优于原算法，尤其在Hamming loss,Coverage和Average precision这3个测评指标上较为明显。

摘要：在大数据时代，为了满足用户的信息需求，个性化推荐系统得到了广泛应用。协同过滤是一种简单有效的推荐算法。然而，许多传统的相似度计算方法仅仅基于用户的共同评分值，且不适用于稀疏数据环境，因此提出了一种新的基于Bhattacharyya系数的相似度方法。该方法使用了所有用户对项目的评分信息，不仅可以通过用户的评分行为获得用户的相似兴趣特征，而且可以获得用户已许分物品之间的相关性;同时由于不同的用户有不同的评分习惯，新方法也考虑了每个用户的评分偏好。通过考虑用户相似性的更多因素，可以为目标用户选择更恰当的邻域用户，以更有效地提升推荐性能。在两个真实数据集上进行的实验表明，所提方法优于其他当前最好的相似度方法。

摘要：数据的完整性是数据可用性的重要维度。由于数据采集等过程中存在的问题，现实中的数据往往存在缺失。现有的聚类算法在面对不完整数据时一般采用忽略缺失或填补缺失的策略，但是当数据缺失属于非随机缺失时，这样的处理策略会导致聚类精度严重下降。当数据缺失属于非随机缺失时，数据缺失模式与缺失属性的取值相关，因此在不完整对象的相似度量中加入缺失模式相似的度量，提出了两种结合缺失模式的PCM(Possibilistic c-means)模糊聚类算法:最小化缺失模式距离之和的PatDistPCM算法和基于缺失模式聚类的PatCluPCM算法。在两个公开数据集上的实验证明，考虑缺失模式的模糊聚类PatDistPCM和PatCluPCM算法，在对存在非随机缺失的数据进行聚类时，能有效提高聚类结果的准确性。

摘要：针对分布式认知无线电网络(DCRN)中节点时间同步的问题，提出一种基于M&S同步模型的节点协作式时间同步机制。首先，选定的主用户(PU)通过控制信道将其空闲频谱列表广播到邻居节点，以确定节点对之间的可用公共信道;然后，邻居节点以该PU节点为参考，在公共信道上发送同步信息，并通过M&S同步模型调整内部计时器，从而实现时钟同步;经过多次迭代，最终实现全网时间同步。实验结果表明，该方案能够实现DCRN的时间同步，同时具有较快的收敛速度和较低的开销。

摘要：随着基于位置的服务的流行，室内定位系统也受到越来越多的关注。基于WiFi的室内定位因其开放访问和低成本的属性而吸引了大量研究人员的目光。通过采用细粒度的信道状态信息CSI代替粗粒度的接收信号强度RSSI可以减少室内多径效应的影响。采用一种与传播模型参数无关的定位方法PILM来对接入点进行空间定位。通过有效CSl值与距离关系模型的公式变换，将问题转换为求满足最小向量二范数条件的点的坐标，即用最小二乘方法求解。通过在两种典型室内环境的实验验证了系统性能。

摘要：波达方向(DOA)估计是阵列信号处理的研究热点和难点之一。基于阵列天线，利用空间谱估计理论进行DOA估计，提出一种改进算法一1-UCA-ESPRIT。首先根据均匀圆阵(UCA)的中心对称性，将输入信号进行重新排列;然后将重新排列的信号进行实值转换，并对相关矩阵进行特征值分解;最后引入SVD算法，以求解来波信号的方位角和俯仰角。仿真结果表明，该算法不仅适用于DOA估计的非相干信号和相干信号，且优于UCA-RB-MUSIC算法和UCA-ESPRIT算法。

摘要：在保证云计算环境的高计算性能和较优服务质量的前提下，系统能效优化成为推广云计算所要重点解决的问题。为了适应多负载和多任务的云计算任务环境，设计了一种模糊解耦能效优化方案。首先进行输入输出及中间变量参数的设定;然后建立模糊神经网络(Fuzzy Neural Network,FNN)模型及解耦规则，对影响能效指标的关键参数进行提取和优化，该方法能快速找到影响能效的关键因素并对其进行评估，从而实现稳定可控的能效优化;最后加入模糊解耦的参数扰动自调整设汁，对解耦运算遇到的参数扰动进行自适应调整，提高系统的鲁棒性。

摘要：针对大规模RFID系统中的标签磁撞问题，提出了一种位追踪技术与最优分割理论相结合的标签防碰撞协议。该协议由二进制分裂过程与二进制追踪树识别过程这两个阶段组成。在分裂过程中，随机选择0或1可将当前响应标签集合进行二分，在得到可读时隙或空闲时隙时停止。在识别过程中，由于二分得到的左右子集合标签数近似相等，因此运用最优分割理论对左子集合标签数进行处理以得到右子集合的时隙数，自底向上在各右子集合上采用二进制追踪树时隙算法来完成对标签的识别。分裂过程简单、易实施，识别过程无需预先估计标签数量，对设备计算能力的要求低，设直最优分隔可明显减少空闲时隙。理论分析及仿真结采表明，该协议能够提高RFID系统的识别效率，在大规模RFID系统中性能更优。

摘要：精确的频谱预测能够有效地降低认知元线电系统的能耗，还有助于提高认知元线电系统的吞吐量。针对频谱预测方法的预测精度问题，提出了一种小波神经网络频谱预测模型，以预测迢迢占用状态情况。该模型利用离散小波交换产生分析信号的时频分布，使用一个时间序列来表示某子信道的占用状态;对预测精度、利用率和参数初始化之间的权衡进行了分析，以便选择一个近于最优的模型。实验测量结采表明，与基于BP神经网络算法的模型相比，所提模型在预测精度和能耗方面均表现出较优的性能。