計算機工程最新期刊目錄

分層聯邦學習中非交互式可驗證安全聚合方法————作者：宋書漢;田有亮;王帥;

摘要：聯邦學習作為一種分布式機器學習框架，能夠在保護數據隱私的同時實現模型協同訓練。然而，聯邦學習在隱私保護、參與方互信及惡意攻擊等方面仍面臨挑戰，尤其是在分層架構聯邦學習中，中心服務器、中間層及終端設備的不可信性可能導致隱私泄露或惡意操縱。此外，惡意用戶可能上傳異常參數破壞訓練進程，影響模型性能。因此，如何在分層聯邦學習中高效實現安全驗證和惡意檢測，成為亟待解決的問題。本文針對分層架構聯邦學習中的參與...

一種基于不確定性校正的可信連續學習方法————作者：沈勤豐;黃璐瑤;

摘要：連續學習是一種能在連續的數據流中訓練模型的深度學習范式，適合日益開放復雜的智能應用場景。連續學習最大的挑戰是“災難性遺忘”，即模型在學習新知識后會遺忘過去學習的知識。現有的連續學習忽視了不確定性對模型訓練的影響，且大多數方法都聚焦于連續學習后續階段的改進，對模型初始階段研究較少。本文提出一種基于不確定性校正的可信連續學習方法，通過在初始階段約束模型輸出的不確定性來彌補模型參數漂移帶來的分類誤差，從...

HTTP協議語義不一致問題研究及測試————作者：李丹波;顏學雄;毛恩輝;

摘要：HTTP協議作為互聯網通信的核心基礎設施，其現代通信模型依賴多服務器協同工作。若處理鏈中的服務器未嚴格遵循協議規范或存在語義解釋差異，將引發系統性特征的語義不一致問題，導致訪問控制繞過、多Host問題、請求走私及緩存污染等安全威脅。差分模糊測試通過觀測不同服務器對報文處理結果的差異，分析語義不一致問題。為了解決現有工具中字段集合范圍失準、突變效率低、觀測維度單一的問題，提出了一種改進的差分模糊測試...

基于路徑規劃和像素翻轉的魯棒二維碼隱寫算法————作者：李紅棒;董理;王讓定;嚴迪群;李元滿;廖鑫;

摘要：二維碼作為一種高效的信息存儲和傳輸方式，廣泛應用于支付、廣告和物流等領域。然而，現有二維碼隱寫技術在噪聲和干擾環境下的魯棒性和隱蔽性尚存不足，難以滿足高安全性信息傳輸的需求。為此，研究提出了一種基于路徑規劃和像素翻轉的魯棒二維碼隱寫算法。該算法通過將二維碼視為迷宮，結合路徑規劃算法選擇像素進行翻轉，確保在不影響二維碼正常識別的前提下增強秘密信息的抗干擾能力。在技術實現上，首先設計了路徑規劃算法用于...

間隔值草圖：融合數據包間隔的多維度大流檢測草圖算法————作者：林澍;黃家瑋;邵婧;李思覃;梁琦;王啟樂;趙藝琳;

摘要：在網絡通信和網絡流量管理等領域中，快速、準確地識別大流對流量擁塞控制、惡意流量監測等任務具有重要意義。然而，現實網絡環境中的數據流傳輸速率極高，使得大流檢測變得異常復雜和具有挑戰性。目前，大多數現有的大流檢測方法主要依賴單一維度的統計數據，通常僅基于流中數據包的估計值進行流量統計與分析。這種方法的局限性在于忽略了其他潛在維度的關鍵信息，例如數據包間隔的分布特性，這些信息在準確識別大流時可能起到關鍵...

融合多級別粒度特征的中文醫療文本實體識別————作者：代子男;張捷;陳沖沖;諶章義;陳付龍;

摘要：中文醫療命名實體識別旨在從醫療文本中識別具有特定意義的實體，如疾病、藥物、癥狀及身體部位等多種類型的醫療實體。這一任務可為臨床輔助決策、醫療信息整合和病案管理等方面提供有力支持。現有的中文醫療命名實體識別研究尚未充分考慮醫療文本的復雜結構，存在專業術語繁多、嵌入信息單一以及語義信息利用不足等問題。為此，提出了一種融合多級別粒度特征的中文醫療文本命名實體識別模型。該模型首先利用BERT預訓練模型生成...

基于多視圖混合一致性約束的神經隱式表面重建方法研究————作者：朱文倩;宋麗娟;郭新茹;馬子睿;

摘要：在基于神經隱式表面學習的多視圖三維重建過程中，復雜物體的幾何形狀和外觀表示存在潛在的模糊性。因此，物體的幾何細節信息在紋理稀疏區域、邊界區域與較大光滑區域中容易丟失，難以精確恢復。為解決這個問題，提出了一種基于多視圖混合一致性約束的神經隱式表面重建方法。該方法采用多視圖立體（MVS）、多視圖光度一致性與特征一致性、體渲染技術來優化隱式表面表示，從而重建具有精細幾何細節的復雜物體模型。首先，提出了一...

基于MEC的空天地一體化網絡任務分割與資源分配————作者：杜劍波;董偉哲;金蓉;王軍選;康嘉文;劉雷;策力木格;

摘要：在6G時代，空天地一體化網絡(SAGIN)可以為物聯網(IoT)設備提供無處不在的覆蓋，能有效解決當前網絡架構覆蓋能力不足的問題。多接入邊緣計算(MEC)是一種非常重要的技術，可以進一步增強SAGIN的服務能力，其中MEC在有效降低任務執行延遲和系統能耗方面表現出顯著的能力。提出一種支持MEC的SAGIN架構，其中衛星和多架無人機(UAV)作為邊緣節點，為IoT設備就近提供算力。通過IoT設備的任...

面向彌散張量圖像的魯棒可逆水印算法————作者：李丹丹;李智;鄭龍;張麗;

摘要：彌散張量成像(DTI)是一種常用的核磁共振成像技術，為了對彌散張量圖像進行版權保護，同時保證彌散張量數據的完整性，提出一種基于黎曼度量的兩階段魯棒可逆水印算法。為了避免常規歐幾里得運算在張量空間中的誤差，通過對數-歐幾里得變換，將彌散張量從流形空間映射到對數-歐幾里得空間，利用深度學習模型提取彌散張量圖像的特征并嵌入水印信息。然后，結合可逆水印算法，在嵌入魯棒水印后恢復出高質量的彌散張量圖像。實驗...

支持FPGA動態重構的RISC-V擴展指令集設計與實現————作者：周炫錦;蔡剛;黃志洪;

摘要：目前實現動態重構的常用方法是通過片上接口進行配置，一般采用現場可編程門陣列(FPGA)官方提供的動態重構控制知識產權(IP)核，并通過系統總線與處理器相連。這種方法會占用較多靜態部分的邏輯資源，并且限制了片上接口的運行頻率。針對這些問題，提出將FPGA抽象為大規模存儲器的設計理念，構建DPRC動態重構控制指令集及配套應用程序編程接口(API),以優化邏輯資源占用量，消除緩沖延遲。指令集的實現以原有...

基于高效特征表達的敦煌壁畫修復方法————作者：劉仲民;羅強;

摘要：針對敦煌壁畫修復過程中上下文特征提取不充分、圖像特征信息丟失的問題，提出了一種基于高效特征表達的敦煌壁畫修復方法。該方法充分結合注意力機制與多尺度特征融合，以提升破損壁畫的修復質量。首先，在編碼-解碼結構的基礎上，引入雙注意力模塊在壁畫圖像的空間和通道維度上進行特征細化，以增強壁畫的上下文特征表達能力，提高修復區域的語義一致性與細節還原效果；然后，在跳躍連接處引入多尺度門控模塊，以捕獲編碼階段的特...

MTM3D：融合Mamba與改進TTM的3D醫學圖像分析網絡————作者：楊洋;魏弘凱;孫士杰;胡紅利;王榮;王天添;

摘要：生物醫學成像在診斷和治療多種疾病中起著至關重要的作用。將深度學習方法應用于醫學圖像分析能夠提高醫學圖像的可讀性，為臨床決策提供更可靠的支持。然而，傳統的醫學圖像處理方法在有效捕獲三維圖像中的空間特征和復雜結構信息方面存在一定局限性，尤其是在處理不同成像方式生成的復雜3D醫學影像時，模型的精度和泛化能力常常受到挑戰。針對這一挑戰，提出了一種MTM3D模型用于醫學圖像分類任務，該模型結合了Mamba模...

基于特征回歸的多自監督特征融合方法————作者：潘敏敏;趙其魯;

摘要：自監督學習在計算機視覺任務中表現出強大的潛力，但是如何有效的融合多個自監督任務提取的特征，仍是當前研究領域的一大熱門挑戰。傳統多任務學習方法因輸入沖突、架構不兼容等問題難以有效整合異構自監督特征，而現有特征融合方法（如子空間學習）往往過度壓縮特征空間，導致任務特異性信息丟失。文中提出一種基于特征回歸任務的多自監督特征融合方法，該方法將特征融合問題視為多視角學習問題，其目的是學習一個跨越不同視角的公...

基于可穿戴運動護膝和個性化聯邦學習的健身動作識別方法————作者：丁磊;李思維;黃瑞婷;余慧坤;余烈;

摘要：針對基于可穿戴設備的健身動作識別方法收集標注的傳感器數據可能造成隱私泄露風險，以及傳統中心化模型訓練方法在新用戶適應性方面存在局限的問題，本文提出了一種基于可穿戴運動護膝和個性化聯邦學習的健身動作識別方法。該方法實現了健身動作類型和用戶表現水平識別兩項任務，通過幫助用戶了解自身健身表現，提高鍛煉效果。首先，該方法將每位用戶視為獨立的任務，以聯邦的方式元訓練了一個全局嵌入網絡學習跨用戶的共享表征，此...

基于有序熵優化模型的表格有序分類研究————作者：羅正東;張國昊;韓云飛;王軼;周喜;

摘要：現有表格數據預測方法主要聚焦于傳統分類和回歸的研究，然而在表格數據領域中存在一種標簽具有有序關系的數據類型，其預測任務被稱為表格有序分類。目前表格有序分類方法主要采用檢索相似特征的方式，通過相似特征與類間有序距離融合增強樣本特征表示。但現有方法忽略了標簽有序知識的充分利用，因此提出一種基于標簽有序熵優化的方法，通過挖掘標簽有序知識中蘊含的有序熵，有效指導模型學習有序信息。具體而言，首先建立有序熵計...

結合時空和Kolmogorov-Arnold網絡的多變量時間序列預測方法————作者：焦璐瑤;楊曉雅;孟耀飛;劉松華;

摘要：現有的時間序列預測方法未能充分考慮變量間的時空依賴關系，影響了預測精度的提升。基于圖神經網絡的空間建模方法在圖結構的構建上也存在局限：1)靜態預定義圖難以捕捉變量間的動態交互特性；2)自適應圖結構學習易受參數初始化影響陷入局部最優。為解決上述問題，提出結合時空和Kolmogorov-Arnold網絡的多變量時間序列預測方法。在空間維度上，設計圖結構學習模塊，利用皮爾遜相關系數建立變量的初始鄰接矩陣...

TGMM：結合解析樹與GPU的大規模多語言多粒度代碼克隆檢測方法————作者：葉宇航;任瀟寧;吳月明;

摘要：針對現有代碼克隆檢測工具在多語言適配與大規模克隆分析方面存在的不足，提出一種基于解析樹和圖形處理器（GPU）加速的大規模代碼克隆檢測方法—TGMM。該方法采用三級處理架構進行克隆分析：首先，根據各編程語言的詞法與語法規則生成標準化解析樹，并從中提取滿足特定粒度要求的子樹；其次，通過對子樹進行剪枝和語義等價轉換，實現子樹的簡化與非功能性差異的消除；最后，利用GPU并行構建全局后綴數組，實現大規模代碼...

基于大模型與強化學習的威脅狩獵方法————作者：崔澤源;葛文翰;王俊峰;

摘要：網絡威脅狩獵通過主動發現攻擊線索與惡意證據實現對攻擊事件的快速響應。現有網絡威脅狩獵方法雖具備在廣泛信息源條件下進行決策的能力，但在現實場景中存在先驗知識缺乏以及反饋稀疏的問題。針對上述問題，提出一種基于大語言模型和強化學習的威脅狩獵算法RE-HUNTER。為解決先驗知識缺乏的問題，該方法構建了上下文向量數據庫，利用大語言模型中的領域知識和網絡威脅情報中的非結構化知識提升決策方法的冷啟動效果，初始...

融合關系上下文語義的知識圖譜補全————作者：翟社平;馬夢瑤;張文靜;楊銳;

摘要：現有知識圖譜補全方法未能有效區分不同層級路徑的語義差異，且關系表示未能充分利用鄰域上下文信息進行動態調整，導致對上下文語義的理解不夠全面。針對以上問題，提出了一種融合關系上下文語義的知識圖譜補全模型RCSKGC，旨在通過增強學習路徑和鄰域信息的語義表達來解決這些問題。首先，通過雙向門控循環網絡和注意力機制，針對不同層級的多跳路徑進行局部和全局編碼，從而提取有效路徑信息；通過關系嵌入對比學習進一步增...

一種融合親和傳播聚類與圖卷積神經網絡的成巖相樣本自動標注方法————作者：張可佳;王曉凡;劉濤;劉宗堡;張巖;王晨雨;王浩然;

摘要：成巖相樣本標注是保證成巖相智能識別準確的關鍵環節。針對成巖相樣本自動標注技術存在著樣本需求量大和準確率不高的問題，本文提出了一種融合親和傳播聚類和圖卷積神經網絡相結合的自動標注方法——AP-GCN，該方法充分融合了親和傳播聚類捕捉復雜關聯關系的優勢和圖卷積神經網絡挖掘空間分布特征的能力，選取松遼盆地三肇凹陷州六區塊扶余油層為靶區，實現成巖相樣本的自動標注。首先，歸納成巖相類型并預處理測井曲線數據，...

　　計算機工程來自網友的投稿評論：

• 畫個圈圈兜住幸福

  感覺很不錯的核心期刊，注重文章的創新性及論文語言的流暢性，期刊格式要求嚴格，編輯部很認真，兩位審稿專家意見都很詳細，對稿件要求也很高，投稿過去2個月后退修，返稿后半個月就錄用了。

  2024-08-16 07:55
• 帶頭大哥666

  七月投稿，等了一個月編輯聯系，兩個審稿人已經審完了，期刊比較符合選題，中間修改了不少，相對來說見刊還是比較快的。總的來說，時間如下： 23年7月投稿 23年11月10號 大修（兩個審稿人） 23年12月20號 修回 24年 2月 20號 新增了兩個審稿人 24年 3月 20號 rrc

  2024-03-23 23:27
• zhaohhhh

  投了一篇彩色圖像分割的論文，9月18日發稿，9月20日外審，10月8日退修，中間修改了多次對文章格式要求比較多，到11月1日修改好并發錄用通知，版面費1950，比較學術的一個期刊對搞學術的人來說難度中等偏下還是比較容易中的

  2023-05-13 10:47
• 畫個圈圈兜住幸福

  北大核心期刊，沒有版面費。 適合工程實踐和新技術應用類學術文章，較高的行業認可度。 審稿速度一般，初審1個月左右。

  2021-08-26 22:57

提交