計算機科學最新期刊目錄

基于可驗證憑證的軟件定義邊界匿名身份認證方案————作者：司雪鴿;賈洪勇;李惟賢;曾俊杰;門蕊蕊;

摘要：標準軟件定義邊界（SDP）架構采用基于訪問者身份的認證與授權策略，實時監控與審計訪問行為。但訪問者需完全披露身份信息以獲取訪問權限，可能泄露與服務無關的敏感數據，從而帶來隱私風險。針對當前軟件定義邊界架構下存在的用戶隱私信息難以得到有效保護、訪問記錄容易遭受惡意關聯等問題，提出一種適用于軟件定義邊界架構的基于可驗證憑證的匿名認證方案。基于雙線性映射和CL簽名構建可驗證憑證驗證算法，并將可驗證憑證體...

基于知識蒸餾的聯邦學習后門攻擊方法————作者：趙桐;陳學斌;王柳;景忠瑞;鐘琪;

摘要：聯邦學習能夠使不同參與者利用私人數據集共同訓練一個全局模型。然而聯邦學習的分布式特性，也為后門攻擊提供了空間。后門攻擊中的攻擊者對全局模型進行投毒，使全局模型在遇到帶有特定后門觸發器的樣本時誤導至有針對性的錯誤預測。本文提出了一種基于知識蒸餾的聯邦學習后門攻擊方法。首先，利用蒸餾生成的濃縮毒化數據集訓練教師模型，并將教師模型的“暗知識”傳遞給學生模型，以提煉惡意神經元。最后，通過神經元Z分數排序和...

融合本體和實例的知識圖譜嵌入模型————作者：秦晶;李貫峰;陳昱胤;肖毓航;

摘要：知識圖譜嵌入通過將實體和關系投影到連續的低維向量空間中，為機器學習模型提供更強大的知識表示輸入，從而支撐更多的知識圖譜應用場景。近年來，研究人員試圖利用知識圖譜中的本體和實例之間的潛在語義信息來增強知識圖譜的嵌入。然而，它們未能有效融合概念的層次結構和實例的特定信息，并且忽略了isA關系之間的傳遞性，導致模型在處理知識圖譜中的長尾實體時的性能和泛化能力受限。為了解決上述不足，本文提出了一個融合本體...

NISQ量子線路高頻-密集量子門集策略優化算法————作者：李暉;劉述娟;鞠明媚;王杰鵬;姬迎松;

摘要：在噪聲中等規模量子(Noisy Intermediate-Scale Quantum， NISQ)時代，考慮硬件耦合約束限制，并非所有量子門均可直接執行，通常需要利用額外引入的SWAP操作實現量子比特交換后，邏輯線路才能直接運行于物理硬件上。為了克服傳統量子線路映射過程中SWAP操作帶來的額外開銷，對量子比特頻度進行定義，提出一種高頻-密集量子門集策略(High Frequency-Dense Q...

基于LLaMa3和Choquet積分的最優相似度選擇集成學習方法————作者：付超;余良菊;常文軍;

摘要：為了解決在多分類器集成過程中，如何篩選和賦權存在相關關系的基分類器這一難題，提出了一種基于LLaMa3和Choquet積分的最優相似度選擇集成方法（LCOS-SELM）。該方法在開源大模型LLaMa3的基礎上，通過少量標注樣本數據進行提示詞學習，以實現非結構化文本的關鍵特征提取。然后，通過Choquet積分融合存在相關關系的分類器預測結果，評估其相關關系以優化分類器選擇。最后，采用最優相似度策略學...

基于BEV感知的視覺平面圖定位————作者：陳集偉;陳澤彬;譚光;

摘要：視覺平面圖定位任務通過視覺觀測數據與場景平面圖表示的匹配實現位姿估計。實際應用中，有效融合視覺觀測與平面圖之間的幾何和語義關聯對提升定位精度至關重要。然而，現有方法存在兩個主要局限：一是未能充分挖掘相機視野內的語義信息，二是缺乏幾何與語義線索的聯合匹配機制。針對上述問題，本研究提出基于BEV(Bird Eye View，鳥瞰圖)感知的視覺平面圖定位框架，其包含三個核心模塊：首先，BEV語義建圖模塊...

OpenRank 動力學：面向開源生態的影響力評估與動態傳播模型————作者：趙生宇;彭佳恒;王偉;黃帆;

摘要：開源生態系統的快速發展，影響力評估已成為衡量開發者貢獻和項目價值的重要工具。在開源生態中，復雜的異質網絡結構使得傳統靜態評估方法難以全面捕捉節點間的影響力傳播。為解決這一問題，本文提出了一種OpenRank 動力學方法，結合靜態評估與動態傳播模型，從多維度和動態視角對開源社區中的節點影響力進行綜合評估。首先，基于矩陣代數法和Pregel框架的圖迭代法，本文實現了OpenRank算法在中小規模和大規...

基于申威編譯器的并行調度策略優化技術研究————作者：徐金龍;王庚武;韓林;聶凱;李浩然;陳夢堯;劉浩浩;

摘要：調度策略是編譯器進行并行化的重要組成部分，其作用是保持多核處理器下的負載均衡。然而，當前申威GCC編譯器在進行自動并行編譯流程中，默認采用靜態調度劃分循環的迭代次數，導致其在非規則循環結構中出現了負載不均衡的問題，影響申威平臺并行程序的運行效率。針對這一問題，文中所提出的方法在權衡調度開銷和負載均衡的同時結合梯式調度策略，對申威GCC原有的調度策略進行改進，提高申威GCC編譯器的并行化效率。該調度...

基于多專家協同和信息交互的社會化學習————作者：李林昊;許亞楠;董永峰;王振;

摘要：在分布式環境中，數據異質性表現為數據特征差異，專家模型協同存在知識孤立與任務分配不合理的問題，導致專家訓練效果參差不齊，難以充分發揮個模型優勢，從而整體性能受限。針對這些問題，提出了一種基于多專家協同和信息交互的社會化學習框架（Social learning based on multi-expert collaboration and information interaction，MECII）...

構建場景-行人-行人交互的行人軌跡預測時空圖卷積網絡————作者：洪銘駿;紀慶革;

摘要：行人軌跡預測是自動駕駛和智能監控系統中的一項基礎而關鍵的任務。場景的限制是影響行人運動軌跡的重要因素之一。盡管現有的研究已經嘗試將場景因素融入軌跡預測中，但這些方法在整合場景信息時往往存在不足，尤其是沒有考慮到場景的全面融合。為了克服這些限制，本研究提出了一種新的行人軌跡預測模型——構建場景-行人-行人交互的時空圖卷積網絡SPP-STGCN。SPP-STGCN模型采用兩階段架構來提高預測準確性。第...

基于文本-圖像多模態融合的變電所布局圖紙圖符檢測方法————作者：范家斌;王寶會;陳繼軒;

摘要：為了解決人工識別變電所布局圖紙過程中存在操作不便、效率低、識別數據管理難等問題，本文提出了一種基于形態學的大尺寸圖紙分割方法和基于文本-圖像多模態融合的圖紙圖符檢測方法，結合圖符檢測的后處理方法，形成了一種可推廣到其他領域的大尺寸布局圖紙圖符檢測思路。其中，文本-圖像多模態融合圖紙圖符檢測模型基于開集目標檢測模型YOLO-World進行改進，通過引入CTCM卷積注意力協同模塊、小目標圖符特征增強模...

機器學習在食管癌診療中的研究進展————作者：王泳荃;蘇夢琦;石清磊;馬藝寧;孫揚帆;王昌淼;汪國有;襲肖明;尹義龍;萬翔;

摘要：食管癌（Esophageal Cancer， EC）是一種全球范圍內高致死率的惡性腫瘤，尤其在我國，由于早期診斷率低、預后不良，已成為臨床診療面臨的重大挑戰。近年來，機器學習（Machine Learning， ML）技術憑借多模態數據融合的智能分析方法，在推動食管癌診療精準化發展方面取得了顯著進展。傳統機器學習方法通過整合食管癌影像組學特征與臨床文本信息，有效提升了早期病變診斷的敏感性，并為高風...

FE-DARFormer：基于頻域增強與退化感知路由Transformer的圖像去雪模型————作者：秦溢;戰鵬祥;鮮峰;柳晨龍;王明輝;

摘要：圖像去雪的目標是從包含復雜雪景退化的圖像中恢復清晰的場景信息。與雨的規律性和半透明性不同，雪具有各種退化形態和尺度，嚴重退化的區域會嚴重遮擋場景信息。近年來，許多方法通過自注意力機制來恢復不同的退化現象。然而，對圖像所有區域進行全局自注意力計算成本較高，為了降低計算成本這些方法通常將自注意力計算限制在有限的窗口內。但是由于嚴重退化區域的遮擋效應，這些退化區域的恢復只能依賴捕捉周圍區域的信息。這導致...

基于用戶靜動態興趣和去噪隱式負反饋的新聞推薦算法————作者：魏金生;周蘇;盧官明;丁佳偉;

摘要：在現有的新聞推薦系統中，通常將用戶歷史未點擊新聞視為隱式負反饋，對隱式負反饋進行建模能夠引導推薦模型過濾掉用戶不感興趣的新聞。由于未點擊的新聞中可能會存在用戶感興趣的內容，即存在偏好噪聲，導致對隱式負反饋建模的干擾；此外，由于用戶興趣的多樣化和多變性，現有的新聞推薦系統往往存在“信息繭房”的問題。為了解決上述問題，提出了一種基于用戶靜動態興趣和去噪隱式負反饋的新聞推薦算法。通過對用戶的靜態和動態興...

融合多尺度特征和注意力機制的時間序列預測模型————作者：潘建;汪緒豪;

摘要：目前，在時間序列預測任務的研究中，基于Transformer的模型主要關注從時序數據中提取全局性和局部性特征，并通過改進注意力機制以降低模型的復雜度。然而，現有方法往往忽略了時間序列在多個尺度上展現出的不同粒度特征。針對這一問題，提出了一種融合多尺度特征和注意力機制的時間序列預測模型：MTSformer。首先，通過對原始序列進行下采樣，得到多個尺度的子序列，使模型能夠融合多個尺度的特征信息，從而增...

Cubic+：用于跨數據中心網絡的改進Cubic擁塞控制算法————作者：龍鐵;肖甫;樊衛北;何昕;王俊昌;

摘要：跨數據中心網絡是處于不同地區的數據中心網絡(Data Center Networks，DCNs)通過廣域網(Wide-Area Network，WAN)連接組成的網絡，分布式應用通常基于該網絡為用戶提供高質量的服務。DCNs和WAN的緩沖區大小、往返時延存在顯著差異，這導致現有的Cubic擁塞控制算法在跨數據中心網絡場景下出現降速不準確、丟包率過高以及與其他擁塞控制算法兼容性差等問題。針對以上挑戰...

復雜系統的形式化建模及量化分析方法綜述————作者：王慧強;林烊;呂宏武;

摘要：形式化模型是系統驗證和性能分析的重要基礎手段，在系統設計階段即可評估復雜系統可行性和性能邊界，被廣泛用于各類復雜系統的抽象仿真與理論分析。由于系統交互模式逐漸向多元、動態轉變，加劇了系統的復雜性和不確定性。本文以形式化建模的核心評價要素為出發點，系統分析了幾種典型的形式化建模方法的優勢和不足，為復雜系統形式化建模提供了技術參考。首先，本文提出形式化建模及模型求解方法的評價要素框架。其次，對常見形式...

用戶數據驅動的App消退功能研究————作者：賈經冬;侯鑫;王哲;黃堅;

摘要：為有效促進App功能迭代，現有大量研究通過挖掘用戶評論來改善或增加新功能以促進版本更新，但忽視了從用戶評論中識別應該消退的功能。針對此問題，提出了用戶數據驅動的App消退功能分析方法。首先從應用市場采集用戶評論，構建關鍵字模板過濾出含消退功能的評論，應用語法范式從中挖掘功能短語，并訓練分類器識別功能短語以提取出待研究的消退功能，以構建消退功能數據集。根據版本更新日志和用戶評論回溯找到消退功能的生命...

基于TVM 的變維批處理小矩陣乘法的加速及應用————作者：戴翰文;陳長波;

摘要：很多實際應用中需要高效計算大量不同維度的小矩陣乘積，如基于圖神經網絡的圖分類需要將多個鄰接矩陣與節點特征矩陣相乘。針對現有方法無法跨不同硬件平臺高效計算此類維度各異(簡稱變維)批處理小矩陣乘法的問題，基于深度學習編譯器TVM,提出了一種可以跨平臺的高效算法BVSM,通過為小矩陣特制優化模板、運用張量化批處理和分組填充等技術使得TVM可以高效進行變維批處理小矩陣乘法。在真實圖分類任務數據集上的實驗表...

融合主題和實體嵌入的雙向提示調優事件論元抽取————作者：陳千;成凱璇;郭鑫;張曉霞;王素格;李艷紅;

摘要：近年來，提示學習在自然語言處理領域得到了廣泛應用。據調研，論元角色與文本中的主題往往有高度的語義相關性，且現有的提示調優方法忽略了實體信息和論元之間的交互。為此，提出一種融合主題和實體嵌入的雙向提示調優事件論元抽取模型(TEPEAE)。首先，使用主題模型提取主題特征并進行主題嵌入化表示；其次，基于觸發詞、論元和實體信息構建提示模板，并將主題嵌入融入模板；然后，利用掩碼語言模型預測每個實體的角色標簽...

　　計算機科學來自網友的投稿評論：

提交