計算機工程與設計最新期刊目錄

基于IPOA-LSTM輔助的組合導航算法————作者：周理想;陳佳;毛寬民;

摘要：為解決INS/GNSS組合導航系統(tǒng)在GNSS信號失鎖條件下導航誤差迅速增大的問題，提出一種基于改進的鵜鶘優(yōu)化算法(IPOA)優(yōu)化長短期記憶神經(jīng)網(wǎng)絡(LSTM)超參數(shù)，進而輔助INS/GNSS組合導航的算法。當衛(wèi)星信號可用時，通過訓練建立輸入與輸出之間的關系；衛(wèi)星信號失鎖后，利用訓練好的模型進行預測，抑制純慣導的發(fā)散。實測數(shù)據(jù)實驗結(jié)果表明，在GNSS信號失鎖60 s內(nèi)，提出的改進算法優(yōu)于通用的LST...

緩存輔助的移動邊緣計算任務卸載與資源分配————作者：李致遠;陳品潤;

摘要：針對邊緣計算網(wǎng)絡環(huán)境下的計算任務卸載與資源分配問題，提出一種基于分層強化學習的聯(lián)合優(yōu)化緩存、卸載與資源分配(HRLJCORA)算法。以時延和能耗為優(yōu)化目標，將原優(yōu)化問題分解為兩個子問題，下層利用深度Q-learning網(wǎng)絡算法進行緩存決策，上層使用軟動作評價算法進行計算任務卸載與資源分配決策。仿真實驗結(jié)果表明，HRLJCORA算法與現(xiàn)有基線算法相比，有效降低了總開銷，相較于聯(lián)合優(yōu)化計算任務卸載與資...

基于雙分支殘差交叉注意力的點云數(shù)據(jù)處理網(wǎng)絡————作者：王家賢;馮秀芳;崔海航;曹若琛;

摘要：針對三維點云處理方法缺少對點的坐標信息和額外特征的綜合考慮，導致特征表示不充分、稀疏點云魯棒性下降等問題，提出一種基于雙分支殘差交叉注意力的點云數(shù)據(jù)處理網(wǎng)絡DB-RCANet。采用上下兩個具有不同特征提取網(wǎng)絡結(jié)構的分支，上分支僅輸入點云坐標信息，關注點云的空間幾何特征，下分支輸入點云額外特征(法向量或RGB顏色),關注點云的語義信息；利用并行殘差交叉注意力模塊捕捉坐標和額外特征之間的復雜依賴關系，...

改進鄰域粗糙集模型的快速屬性約簡算法————作者：徐久成;章磊;倪萌;許詩卉;韓子欽;

摘要：為解決鄰域粗糙集模型時間復雜度較高的問題，提出一種改進鄰域粗糙集模型的快速屬性約簡算法。設計一種Fisher Score計算方法快速獲取各條件屬性的重要度并進行排序；提出一種自適應鄰域算法，解決鄰域半徑參數(shù)選取時主觀性強和時間成本高的問題；通過研究一種悲觀皮爾遜方法消除條件屬性間的冗余性，結(jié)合自適應鄰域算法得到最終的約簡集合。利用KNN、CART和SVM分類器對約簡集合進行分類精度評估，實驗結(jié)果表...

基于攝動分解和S4模型的聲學場景分類算法————作者：王煒欣;馬建芬;劉榮江;郭夢溪;菅傲群;

摘要：針對在聲音信號處理的過程中，經(jīng)常缺乏對物理上的非線性聲學特征提取的問題，根據(jù)聲音傳播的物理方程提出一種攝動分解的方法。聲音信號作為一個較長的時間序列，使用神經(jīng)網(wǎng)絡進行學習表征時需要考慮其長距離的依賴性，而S4模型則剛好可以完成這一任務。分析該方法在聲學場景分類中的應用，在此基礎上測試其在不同的參數(shù)設置下的效果。實驗結(jié)果表明，該方法使分類準確率提升，說明了其有效性

基于GRU-MFRFNN的工業(yè)污染物預測模型————作者：李曉麗;申超;韓院彬;

摘要：針對工業(yè)污染物排放量數(shù)據(jù)的不穩(wěn)定性和波動性，提出一種基于MFRFNN和動態(tài)分解重構策略的污染物預測模型。利用二次分解和重構技術處理污染物數(shù)據(jù)，降低數(shù)據(jù)復雜度；通過動態(tài)分解重構策略獲得低準確度的分量，實現(xiàn)多任務分量預測；采用多功能遞歸模糊神經(jīng)網(wǎng)絡(MFRFNN)和門控循環(huán)單元(GRU)串行學習污染物的時序性特征，得到最終的預測值。實驗結(jié)果表明，對污染物排放量進行預測，提出的模型從3個指標來看效果均有...

基于知識圖譜與全局上下文注意的圖像描述生成模型————作者：陶瑞;張素蘭;周慧媛;

摘要：針對當前大多數(shù)圖像描述模型僅利用圖像內(nèi)容推理生成圖像描述而導致描述內(nèi)容缺失、準確性差的問題，通過引入知識圖譜增強生成字幕的語義完整性，利用全局上下文信息約束進一步增加生成描述的準確性，提出一種基于知識圖譜與全局上下文注意的圖像描述模型。通過利用知識圖譜，將外部知識編碼到模型當中，提高生成初始語義信息的完整性；從初始的完整描述中獲取全局上下文信息，利用上下文信息進一步約束指導最終生成的圖像描述，提高...

基于三重生成對抗的多維時間序列異常檢測————作者：霍緯綱;吳藝凝;

摘要：為有效解決多維時間序列(multivariate time series, MTS)無監(jiān)督異常檢測模型中自編碼器模塊容易擬合異常樣本、正常MTS樣本對應的隱空間特征可能被重構為異常MTS的問題，設計一種具有三重生成對抗的MTS異常檢測模型。以LSTM自編碼器為生成器，基于重構誤差生成偽標簽，由判別器區(qū)分經(jīng)偽標簽過濾后的重構MTS和原始MTS;采用兩次對抗訓練將LSTM自編碼器的隱空間約束為均勻分布...

帶定向天線無線Mesh網(wǎng)絡的雙令牌鄰居發(fā)現(xiàn)算法————作者：趙訓威;吉芝璐;吳曉軍;張春玲;王志剛;白杰;

摘要：針對帶定向天線無線Mesh網(wǎng)絡的鄰居發(fā)現(xiàn)問題，提出一種雙令牌動態(tài)異步鄰居發(fā)現(xiàn)(D-DANDi)算法。在時間異步條件下，該算法通過節(jié)點的扇區(qū)輪換發(fā)現(xiàn)鄰居，把已發(fā)現(xiàn)節(jié)點的分享信息快速加入當前節(jié)點的鄰居表。基于迭代深入搜索思想實現(xiàn)雙令牌并行鄰居發(fā)現(xiàn)，快速建立局部網(wǎng)絡的拓撲。仿真結(jié)果表明，在不同節(jié)點數(shù)和不同扇區(qū)數(shù)的設置下，該算法的相關性能均優(yōu)于典型異步鄰居發(fā)現(xiàn)算法，能夠提高鄰居發(fā)現(xiàn)速度

區(qū)塊鏈賦能的可信霧計算資源分配方法————作者：趙小虎;劉桁琳;王越;

摘要：為解決霧環(huán)境中惡意節(jié)點的存在所造成系統(tǒng)資源分配整體收益低、節(jié)點間不可信問題，提出一種基于區(qū)塊鏈技術的可信霧計算資源分配方法，保證可信節(jié)點的利益。將資源分配過程建模為區(qū)塊鏈上的交易，對參與交易節(jié)點構建信任模型，采用節(jié)點信譽評估算法實現(xiàn)對不可信節(jié)點的篩選；考慮節(jié)點信譽度、需求和資源分配條件，以時延和能耗優(yōu)化加權和作為系統(tǒng)整體增益，制定最大化系統(tǒng)增益優(yōu)化問題；利用可信模擬退火算法對優(yōu)化問題求解，得到最優(yōu)...

基于默克爾樹結(jié)構的多鏈溯源技術————作者：周子愚;陳珊珊;

摘要：針對供應鏈溯源中存儲成本高、隱私易泄露、交易速度慢等問題，基于默克爾樹搭建多鏈架構，設計智能合約實現(xiàn)數(shù)據(jù)查詢、精準監(jiān)管等功能，通過IPFS優(yōu)化數(shù)據(jù)流；運用CBC-SM2算法保護企業(yè)隱私，將CBC模式與區(qū)塊鏈結(jié)合降低密鑰管理難度，減少上鏈成本；引入信譽機制改進Raft共識，根據(jù)信譽值設置L標志位減少無效競選。實驗結(jié)果表明，該方案降低約27%存儲成本，查詢效率提高，較其它方案僅單次查詢即可完成溯源數(shù)據(jù)...

基于PUF和切比雪夫映射的認證與密鑰協(xié)商方案————作者：葛宇;梁靜;熊玲;

摘要：針對物聯(lián)網(wǎng)終端設備與服務器通信過程中的身份認證與密鑰協(xié)商問題，提出一種認證密鑰協(xié)商方案。基于物理不可克隆函數(shù)(physical unclonable function, PUF)設計終端設備與服務器之間的雙向認證，利用切比雪夫映射的半群特性設計相應的密鑰協(xié)商機制。結(jié)合隨機預言模型對方案進行安全性分析，驗證了該方案的正確性和有效性。與近年來具有代表性的認證密鑰協(xié)商方案對比結(jié)果表明，該方案實現(xiàn)了計算開...

基于區(qū)塊鏈的城市車聯(lián)網(wǎng)聲譽管理方案————作者：陳杰;張?zhí)煜?李雷孝;斯琴;

摘要：為防止城市車聯(lián)網(wǎng)場景中的惡意偽裝節(jié)點共享虛假信息，提出一種基于區(qū)塊鏈的城市車聯(lián)網(wǎng)聲譽管理(urban internet of vehicles reputation management, UIRM)方案。利用區(qū)塊鏈技術對車聯(lián)網(wǎng)產(chǎn)生的數(shù)據(jù)進行加密與存儲，結(jié)合城市道路普遍存在的車輛密度較大、數(shù)據(jù)共享頻率較高等環(huán)境特征進行設計，保證節(jié)點隱私，提高數(shù)據(jù)共享的效率。實驗分析結(jié)果表明，在相同參數(shù)配置下，相比...

基于BO-LSTM云資源消耗量預測模型————作者：王園琳;陳韜宇;

摘要：針對現(xiàn)有云資源容量預測中存在的實驗數(shù)據(jù)波動明顯、預測模型泛化能力低等問題，提出一個基于貝葉斯優(yōu)化長短期記憶網(wǎng)絡(Bayesian optimization long short-term memory, BO-LSTM)的云資源消耗量預測模型。將營銷策略信息加入到預測模型的實驗數(shù)據(jù)集中，提升預測模型的預測精度；利用貝葉斯優(yōu)化算法優(yōu)化關鍵參數(shù)，提升預測模型的泛化能力。在聯(lián)通云10個地域的真實數(shù)據(jù)集上...

基于Q學習的Spark自動調(diào)節(jié)內(nèi)存管理器————作者：張軍;顧皓元;

摘要：為有效解決Apache Spark中靜態(tài)和統(tǒng)一內(nèi)存管理器適應性差、JVM垃圾內(nèi)存回收頻繁等問題，提出一種基于Q學習的Spark自動調(diào)節(jié)內(nèi)存管理器。采用Q學習自動調(diào)優(yōu)算法，根據(jù)不同的工作負載、任務需求和系統(tǒng)狀態(tài)，在全局范圍內(nèi)實現(xiàn)內(nèi)存分配的動態(tài)調(diào)整。內(nèi)存分配算法結(jié)合Q學習自動調(diào)優(yōu)算法的決策和空閑內(nèi)存，響應塊管理器和任務內(nèi)存請求，確保內(nèi)存高效分配與利用。實驗結(jié)果表明，新的內(nèi)存管理器在Spark任務執(zhí)行效...

基于一維卷積神經(jīng)網(wǎng)絡的雷達個體識別算法————作者：楊孟璋;農(nóng)麗萍;李然;王俊義;

摘要：為解決利用長序列雷達信號對雷達輻射源個體進行分類識別的問題，提出一種融合注意力機制和殘差的一維卷積深度神經(jīng)網(wǎng)絡(1CDNN)模型，利用一維卷積從原始長序列雷達信號中直接提取特征，減少模型的參數(shù)量。引入注意力機制幫助模型學習利用全局信息選擇關鍵特征，提高模型的分類識別精度。引入殘差使得模型在緩解梯度消失的同時更容易進行優(yōu)化和訓練。實驗結(jié)果表明，所提模型在實際采集數(shù)據(jù)集上具有結(jié)構簡單、訓練難度低、分類...

基于模糊提取器的無人機輕量級安全認證方法————作者：陳瑞政;李寧;郭艷;何明;韋建宇;

摘要：針對無人機在應用中遭遇的安全威脅，設計一種名為LSAKA的輕量級安全認證與密鑰協(xié)商協(xié)議。通過無人機在基站注冊并生成假名來保護其真實身份，利用物理不可克隆函數(shù)(PUF)并輔以模糊提取器，在確保產(chǎn)生會話密鑰安全性的前提下，解決PUF中的噪聲問題。通過Real-Or-Random(ROR)模型下的形式安全證明和AVISPA工具的形式化安全驗證，輔以安全性分析，證實LSAKA協(xié)議能夠有效抵御物理捕獲、重放...

基于軟件無線電的硬件木馬檢測方法————作者：王小龍;黃永輝;朱翔;張琬迎;

摘要：針對日趨復雜的集成電路芯片，供應鏈全球化導致生產(chǎn)過程中不可控因素增多，芯片的硬件木馬問題防不勝防，提出一種基于軟件無線電設備采集的側(cè)信道信號進行硬件木馬檢測的方法。通過軟件無線電設備采集芯片在不同工作狀態(tài)下對外的電磁輻射信號，利用小波包變換提取頻譜信息，利用機器學習分類判別加以區(qū)分有無硬件木馬。實驗結(jié)果表明，采集的電磁側(cè)信道信息包含了檢測硬件木馬的所需信息，硬件木馬檢測的準確率可達99.8%

基于屬性異質(zhì)圖嵌入的雙向跨領域推薦————作者：袁杰;朱焱;

摘要：為解決傳統(tǒng)推薦系統(tǒng)中數(shù)據(jù)稀疏以及冷啟動問題，提出一種基于屬性異質(zhì)圖的雙向跨領域推薦方法DRAH。將用戶-項目關系建模為具有屬性的異構圖，分別表征圖結(jié)構信息、評論信息以及屬性信息，并融合得到更豐富的屬性異質(zhì)圖嵌入；利用重疊用戶作為遷移橋梁，挖掘領域間興趣偏好的統(tǒng)一空間分布，實現(xiàn)交互信息在兩個領域中的雙向遷移，共同提高兩個領域的推薦性能，更加準確預測用戶評分。在公開的數(shù)據(jù)集上進行實驗，結(jié)果表明該方法緩...

融合GAT網(wǎng)絡的層級標注實體關系聯(lián)合抽取方法————作者：蔡阿雨;黃潔;張克;

摘要：為解決實體關系抽取任務中的關系重疊問題，提出一種融合圖注意力網(wǎng)絡(graph attention networks, GAT)的層級標注聯(lián)合抽取方法。將關系和詞建模為圖結(jié)構上的節(jié)點，通過GAT的“消息傳遞”機制實現(xiàn)兩類語義節(jié)點信息傳遞、融合與更新，實現(xiàn)兩類節(jié)點間的完整信息交互，在標注階段，采用層級標注策略，解決關系重疊問題，使用Focal Loss損失函數(shù)對模型進行訓練，緩解標注階段數(shù)據(jù)不均衡的問...

　　計算機工程與設計來自網(wǎng)友的投稿評論：

• 畫個圈圈兜住幸福

  9.27投稿，網(wǎng)站說2-7天郵件通知初審結(jié)果，10.17沒等到結(jié)果打電話催了一下，電話里說是沒過初審，問為什么沒有發(fā)郵件通知，說會補上，最后10.21才回郵件說我的稿件不適合他們期刊。

  2024-10-21 18:49
• zhaohhhh

  加急審稿，差不多一個月的時候返回退修通知。注重文章具有創(chuàng)新性以及方法、算法間的對比，但相對其他期刊來說還是較為容易的，就是版面費跟系統(tǒng)仿真學報一樣，有點貴。編輯的態(tài)度較為友好。研究方向: 信息科學 計算機科學 計算機應用技術

  2024-08-16 07:42
• 帶頭大哥666

  投稿10天了，沒給我回復，打電話問才給我回復沒有錄用，感覺很隨意

  2024-07-26 08:17
• zhaohhhh

  初審周期為2-7個工作日，通過初審需要繳納審稿費。外審意見較中肯。總體上這份刊物的難度屬于同類期刊中等，編輯不錯，耐心，小碩等可嘗試下。

  2023-04-16 11:13
• 奔跑的辣椒醬

  初審周期為2-7個工作日，審稿結(jié)果將以郵件形式通知。 如通過初審需要繳納審稿費，審稿費為100元/篇(外審時間在2個月左右)，加急審稿費為200元/篇(外審時間在1個月左右)。 外審專家給出的意見比較中肯，簡潔，感覺也是匆匆看了下，覺得沒有啥亮點的創(chuàng)新和工作量就以不夠創(chuàng)新拒稿了，細節(jié)也看得較為自習，語氣比較官方，不是很客氣，有啥說啥。 他們家的發(fā)的文章創(chuàng)新程度，工作量，學術深度都屬于計算機類中等，有點八股，注重格式，新手可多嘗試下。

  2022-09-16 09:48

提交