计算机科学杂志北大期刊CSCD期刊统计源期刊

摘要：路由可用性是指用户能够得到所请求服务的概率.随着互联网的发展,大量实时业务涌现,对网络实时性的要求也越来越高,对互联网的“自我修复能力”也提出了很高的要求.网络故障频繁发生,在修复网络故障的过程中可能会发生路由环路和收敛时间过长等问题,而且修复故障的时间一般在几秒到几十秒之间,已经无法满足实时应用对目前互联网的可用性需求.因此,提高路由可用性已经成为目前亟需解决的问题.文中总结和分析了目前已有的提高路由可用性的方案,并将这些方案主要分为被动恢复方案和路由保护方案两大类;详细介绍了目前国内外的科研成果,对比了各方案的优缺点,总结分析了这些方案的主要贡献及不足,并探讨了进一步的研究方向.

摘要：阅读理解能力是人类智能中最关键的能力之一,而机器阅读理解作为自然语言处理领域皇冠上的明珠,一直是该领域的研究焦点.近年来,随着深度学习方法的快速发展,机器阅读理解技术获得了长足的进步.首先,对基于深度学习的机器阅读理解技术的研究背景和发展历史进行了概述;然后,详细介绍了词向量、注意力机制以及答案预测这三大关键技术的研究进展;在此基础上,分析了目前机器阅读理解研究所面临的问题;最后,对机器阅读理解技术的未来发展趋势进行了展望.

摘要：线条画作为一种简单而有效的视觉传达手段,通过突出主要的细节特征,使得人们可以快速地获得主要信息;同时,风格线条画作为一种艺术形式,让人们能够快速欣赏和理解其艺术特征.文中对线条画的生成方法进行了综述与分析.线条画生成技术可以分为基于2D图像的方法与基于3D模型的方法.其中,基于2D图像的线条画生成技术包括样本学习方法、非样本学习的数据驱动方法与非数据驱动方法;基于3D模型的线条画生成技术包括图像空间方法、对象空间方法以及两者的混合方法.通过介绍与分析各种方法并对比分析其优缺点,总结了线条画生成技术现阶段存在的问题及其可能的解决方案,并在此基础上对线条画生成的未来发展趋势进行了展望.

摘要：帕金森型震颤和原发性震颤的诊断一直是临床上的难题,而正确的诊断和用药对病人的治疗和康复尤为重要.随着传感器和人工智能技术的发展,越来越多的学者开始利用新的研究成果对两种疾病进行辅助诊断,并取得了良好的效果.文中总结了目前用于两种疾病诊断的可穿戴设备及其涉及到的相关分类算法,并讨论其优点和局限性;最后分析两种震颤辅助诊断研究当前存在的主要问题,并展望了未来可能的研究方向.

摘要：形状的检索和识别在医疗诊断、目标识别、图像检索和计算机视觉等领域都有重要应用,而高效的形状检索和识别取决于形状表达算法的优劣.给出了形状表达优劣的一般判断标准,对目前的主要形状表达方法进行分类,包括线性组合表达、空间关联关系表达、基于微分和积分的特征表达,以及变形表达等方法.对每一类方法,从使用的数学模型、多分辨率表达能力、不变量、鲁棒性、形状重构、信号噪声分辨性能等方面进行分析和综合评价,指出这些表达方法的优劣,尤其是就这些算法的数学机理进行分析探讨,并给出了未来需要进一步研究的方向和思路.

摘要：点击率预测模型的研究近年来备受学术界和工业界的关注。针对展示广告定向投放的点击率预测模型,研究了样本特征的预处理技术、基于传统机器学习模型的CTR预测方案、基于最新的深度学习模型的CTR预测方案、CTR预测模型的主要性能评价指标等,并基于一个开放数据集对其中的典型方案给出性能对比和量化分析,最后讨论了目前面向展示广告的点击率预测模型研究存在的问题和未来发展趋势。

摘要：为满足车载社交网络(Vehicular Social Network,VSN)中用户对视频等多媒体内容的需求,基于内容中心网络(Information-Centric Networking,ICN)架构,提出一种内容中心型VSN路由机制(Content-centric routing scheme in VSN,CVSN)。在CVSN中,兴趣路由根据车辆节点的相似内容存储选择兴趣包转发节点;数据路由根据车辆节点间的同行率选择数据包转发节点。同时,基于VSN用户的兴趣偏好进行内容的网络内缓存管理,在缓存达到上限时,首先丢弃用户兴趣偏好低的内容。基于公交车应用场景对所提出的路由机制进行了仿真实验,通过与现有机制在包交付率、平均延迟、平均跳数和网络开销方面的性能对比表明了文中提出的机制是可行且有效的。

摘要：超密集网络通过小小区的密集部署提升了空间的复用增益,成为解决未来5G数据流量1000倍及用户体验速率10~100倍提升的有效方案.然而,小小区密集部署带来的干扰问题以及小基站的较小覆盖范围导致的信号衰落,会减小网络容量并降低用户体验.为了同时考虑未来5G超密集组网“覆盖”和“容量”的问题,提出了基于分层多跳物理层网络编码的吞吐量增强方法.该方法利用超密集网络多节点的异构分层特征,结合多跳物理层网络编码的高频谱效率特性,在无需源节点和终端节点直达链路的情况下,有效提升了超密集网络的吞吐量,节省了源到终端节点的时隙开销,且降低了系统的干扰.最后,通过仿真验证了所提方案的有效性和正确性,相比传统方案有效提升了系统性能.

摘要：在M2M通信中,提高设备的能源效率、延长设备的电池使用寿命是一个关键问题。文中研究了LTE-A网络中M2M上行通信的联合子载波和功率分配的能源效率问题,在保证M2M设备的基本传输时延以及LTE-A上行资源分配约束的前提下,得到资源分配的优化问题;由于直接求解该问题的计算复杂度相当高,因此文中进一步提出一种基于拉格朗日乘数法的子载波和功率分配算法,该算法在降低计算复杂度的同时,能够获得更低的功率消耗以及更高的能源效率。仿真结果表明,所提算法在功率消耗和能源效率方面更接近最优算法。

摘要：针对到达时间差的声源测向问题,如果能够知道声源现场的速度参量,结合线性最小二乘法(Linear Least Squares,LLS)的波达方向(Direction of Arrival,DOA)的估计结果,则可以采用基于最大似然原理的迭代式算法进行求解。但在某些环境下,声信号传播的速度参量无法获得,或测量偏差较大,势必会影响DOA的估计精度。根据LLS无需声速的特点,以及基于最大似然原理的迭代式算法可直接求解声源方位角与俯仰角的特点,文中提出免声速迭代式模型,并采用泰勒级数展开法以及莱温伯格-马夸特法进行求解,该方法无需预先知道声音信号的速度参量。另外,文中推导了泰勒级数展开法、莱温伯格-马夸特法的测向均方差以及免声速迭代式模型的克拉姆-拉奥下界。模拟实验结果表明,在存在声速测量误差的情况下,所提方法明显优于现有方法。

摘要：车辆自组织网络的拓扑结构变化迅速,使得节点之间的无线连接不稳定,因此基于贪婪转发的地理位置路由协议经常由于连接断开而失败。针对这个问题,提出一种判断连接可靠性的方法。该方法通过计算每个邻居节点的链路稳定性因子和距离衰减因子等来评估传输连接的可靠性,设计的相应路由协议采用可靠性最高的连接形成路由,从而增加包投递成功率。同时,针对路由环路问题,提出一种预测路口节点的算法,使得数据包能选择性地利用交叉路口协调节点来确定数据传输路径,从而有效避免路由环路,提高转发效率。实验结果表明,提出的算法在包投递成功率、端到端时延和包转发次数等方面都取得了较好的路由性能。

摘要：在一般的非平衡有向切换网络中,网络中的个体间可能存在通信时延现象。针对该情况,文中提出了多个体切换网络中带有时延通信的分布式次梯度优化算法。在该算法中,通过对通信网络进行扩维,将存在通信时延的无约束凸优化问题转化为无时延的无约束凸优化问题进行解决。利用非二次李雅普诺夫函数法证明了只要非平衡有向切换网络是周期强连通的以及通信时延有上界,那么基于时延通信的分布式次梯度优化算法就是收敛的。由于集中考虑了网络拓扑与通信时延,该算法更贴合实际情况。最后通过仿真实验验证了算法的有效性。

摘要：针对传统恶意程序检测判定效率低及自动分析恶意程序能力不足的问题,在深度学习环境下,研究利用递归神经网络进行恶意程序的检测分类的问题。首先,用快速模拟器(Quick Emulator,QEMU)捕获到恶意程序运行时所调用的API及其参数序列,经过行为抽象,形成恶意程序的特征序列。然后使用对数化的双线性模型(Hierarchical Log-bilinear Language Model,HLBL)将特征序列映射成固定长度的词向量,并将这些词向量合成递归神经网络(Recursive Neural Network,RNN)所需要的输入矩阵。通过对递归神经网络模型的训练,建立恶意程序的多层语义聚合模型,完成对恶意程序的分类检测。实验数据表明,递归神经网络模型在恶意程序检测分类中能够有效地检测出恶意程序,与传统机器学习算法相比,其检测率提高了17%。特别是在引入张量(Tensor)的概念,采用递归张量神经网络(Recursive Neural Tensor Network,RNTN)模型后,通过降低整体的参数数量和计算量,使检测率较RNN模型又提高了7%。实验数据充分说明,采用递归神经网络模型完全可以完成大数据环境下恶意程序的检测分类任务。

摘要：云环境下,如何对用户加密数据实现高效检索是学术界的研究热点。现有大部分公钥可搜索加密方案不能有效抵御由云服务器发起的内部关键词猜测攻击(Inside Keyword Guessing Attack,IKGA),而抗IKGA方案存在效率不高,以及相同关键词对应搜索陷门相同导致的关键词统计信息泄露等问题。鉴于此,提出了一个新的高效抗IKGA的公钥可搜索加密方案,并基于变形DLIN(Decision Linear Problem)假设,以随机预言机模型证明了新方案满足内部关键词猜测攻击下的语义安全。新方案中,搜索陷门包含随机数且相同关键词的搜索陷门不同。与其他PEKS方案相比,新方案减少了双线性对运算的使用次数,因此具有更大的性能优势。

摘要：为了提高云存储访问控制(Access Control for Cloud Storage,ACCS)的安全性、高效性,目前国内外云储存服务技术在身份验证、用户授权、数据完整性和加密手段等方面提供了安全性支持,但只是在通信过程中采用https协议对报文进行加密或者引入第三方机构对数据文件重加密,导致在跨域共享中存在数据安全隐患,并且在加密过程中存在计算开销大、效率低的问题。为了解决以上问题,提出了云存储服务中一种高效属性撤销的AB-ACCS(Attributes-Based of Access Control for Cloud Storage)方案。该方案通过一种改进的CP-ABE(CiphertextPolicyAttri-bute Based Encryption))进行访问控制,在不引用第三方机构的情况下,云服务提供商(CloudStorageProvider,CSP)执行密文重加密操作,减少了权威机构和用户的通信负担。同时为了提高该方案在访问控制时的效率,在控制算法上加入新文件创建、新用户授权、属性撤销、文件访问的过程设计,并且结合了懒惰重加密技术,实现了云存储服务中一种高效属性撤销的AB-ACCS方案。实验结果验证了此方案在云存储服务中是有效可行的,并且安全性分析表明其具有向前和向后的双向保密性。