計(jì)算機(jī)工程與設(shè)計(jì)最新期刊目錄

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

摘要：為解決INS/GNSS組合導(dǎo)航系統(tǒng)在GNSS信號(hào)失鎖條件下導(dǎo)航誤差迅速增大的問(wèn)題，提出一種基于改進(jìn)的鵜鶘優(yōu)化算法(IPOA)優(yōu)化長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)超參數(shù)，進(jìn)而輔助INS/GNSS組合導(dǎo)航的算法。當(dāng)衛(wèi)星信號(hào)可用時(shí)，通過(guò)訓(xùn)練建立輸入與輸出之間的關(guān)系；衛(wèi)星信號(hào)失鎖后，利用訓(xùn)練好的模型進(jìn)行預(yù)測(cè)，抑制純慣導(dǎo)的發(fā)散。實(shí)測(cè)數(shù)據(jù)實(shí)驗(yàn)結(jié)果表明，在GNSS信號(hào)失鎖60 s內(nèi)，提出的改進(jìn)算法優(yōu)于通用的LST...

緩存輔助的移動(dòng)邊緣計(jì)算任務(wù)卸載與資源分配————作者：李致遠(yuǎn);陳品潤(rùn);

摘要：針對(duì)邊緣計(jì)算網(wǎng)絡(luò)環(huán)境下的計(jì)算任務(wù)卸載與資源分配問(wèn)題，提出一種基于分層強(qiáng)化學(xué)習(xí)的聯(lián)合優(yōu)化緩存、卸載與資源分配(HRLJCORA)算法。以時(shí)延和能耗為優(yōu)化目標(biāo)，將原優(yōu)化問(wèn)題分解為兩個(gè)子問(wèn)題，下層利用深度Q-learning網(wǎng)絡(luò)算法進(jìn)行緩存決策，上層使用軟動(dòng)作評(píng)價(jià)算法進(jìn)行計(jì)算任務(wù)卸載與資源分配決策。仿真實(shí)驗(yàn)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(kāi)銷，相較于聯(lián)合優(yōu)化計(jì)算任務(wù)卸載與資...

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

摘要：針對(duì)三維點(diǎn)云處理方法缺少對(duì)點(diǎn)的坐標(biāo)信息和額外特征的綜合考慮，導(dǎo)致特征表示不充分、稀疏點(diǎn)云魯棒性下降等問(wèn)題，提出一種基于雙分支殘差交叉注意力的點(diǎn)云數(shù)據(jù)處理網(wǎng)絡(luò)DB-RCANet。采用上下兩個(gè)具有不同特征提取網(wǎng)絡(luò)結(jié)構(gòu)的分支，上分支僅輸入點(diǎn)云坐標(biāo)信息，關(guān)注點(diǎn)云的空間幾何特征，下分支輸入點(diǎn)云額外特征(法向量或RGB顏色),關(guān)注點(diǎn)云的語(yǔ)義信息；利用并行殘差交叉注意力模塊捕捉坐標(biāo)和額外特征之間的復(fù)雜依賴關(guān)系，...

改進(jìn)鄰域粗糙集模型的快速屬性約簡(jiǎn)算法————作者：徐久成;章磊;倪萌;許詩(shī)卉;韓子欽;

摘要：為解決鄰域粗糙集模型時(shí)間復(fù)雜度較高的問(wèn)題，提出一種改進(jìn)鄰域粗糙集模型的快速屬性約簡(jiǎn)算法。設(shè)計(jì)一種Fisher Score計(jì)算方法快速獲取各條件屬性的重要度并進(jìn)行排序；提出一種自適應(yīng)鄰域算法，解決鄰域半徑參數(shù)選取時(shí)主觀性強(qiáng)和時(shí)間成本高的問(wèn)題；通過(guò)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(yīng)鄰域算法得到最終的約簡(jiǎn)集合。利用KNN、CART和SVM分類器對(duì)約簡(jiǎn)集合進(jìn)行分類精度評(píng)估，實(shí)驗(yàn)結(jié)果表...

基于攝動(dòng)分解和S4模型的聲學(xué)場(chǎng)景分類算法————作者：王煒欣;馬建芬;劉榮江;郭夢(mèng)溪;菅傲群;

摘要：針對(duì)在聲音信號(hào)處理的過(guò)程中，經(jīng)常缺乏對(duì)物理上的非線性聲學(xué)特征提取的問(wèn)題，根據(jù)聲音傳播的物理方程提出一種攝動(dòng)分解的方法。聲音信號(hào)作為一個(gè)較長(zhǎng)的時(shí)間序列，使用神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)表征時(shí)需要考慮其長(zhǎng)距離的依賴性，而S4模型則剛好可以完成這一任務(wù)。分析該方法在聲學(xué)場(chǎng)景分類中的應(yīng)用，在此基礎(chǔ)上測(cè)試其在不同的參數(shù)設(shè)置下的效果。實(shí)驗(yàn)結(jié)果表明，該方法使分類準(zhǔn)確率提升，說(shuō)明了其有效性

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

摘要：針對(duì)工業(yè)污染物排放量數(shù)據(jù)的不穩(wěn)定性和波動(dòng)性，提出一種基于MFRFNN和動(dòng)態(tài)分解重構(gòu)策略的污染物預(yù)測(cè)模型。利用二次分解和重構(gòu)技術(shù)處理污染物數(shù)據(jù)，降低數(shù)據(jù)復(fù)雜度；通過(guò)動(dòng)態(tài)分解重構(gòu)策略獲得低準(zhǔn)確度的分量，實(shí)現(xiàn)多任務(wù)分量預(yù)測(cè)；采用多功能遞歸模糊神經(jīng)網(wǎng)絡(luò)(MFRFNN)和門(mén)控循環(huán)單元(GRU)串行學(xué)習(xí)污染物的時(shí)序性特征，得到最終的預(yù)測(cè)值。實(shí)驗(yàn)結(jié)果表明，對(duì)污染物排放量進(jìn)行預(yù)測(cè)，提出的模型從3個(gè)指標(biāo)來(lái)看效果均有...

基于知識(shí)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(duì)當(dāng)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(dǎo)致描述內(nèi)容缺失、準(zhǔn)確性差的問(wèn)題，通過(guò)引入知識(shí)圖譜增強(qiáng)生成字幕的語(yǔ)義完整性，利用全局上下文信息約束進(jìn)一步增加生成描述的準(zhǔn)確性，提出一種基于知識(shí)圖譜與全局上下文注意的圖像描述模型。通過(guò)利用知識(shí)圖譜，將外部知識(shí)編碼到模型當(dāng)中，提高生成初始語(yǔ)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(jìn)一步約束指導(dǎo)最終生成的圖像描述，提高...

基于三重生成對(duì)抗的多維時(shí)間序列異常檢測(cè)————作者：霍緯綱;吳藝凝;

摘要：為有效解決多維時(shí)間序列(multivariate time series, MTS)無(wú)監(jiān)督異常檢測(cè)模型中自編碼器模塊容易擬合異常樣本、正常MTS樣本對(duì)應(yīng)的隱空間特征可能被重構(gòu)為異常MTS的問(wèn)題，設(shè)計(jì)一種具有三重生成對(duì)抗的MTS異常檢測(cè)模型。以LSTM自編碼器為生成器，基于重構(gòu)誤差生成偽標(biāo)簽，由判別器區(qū)分經(jīng)偽標(biāo)簽過(guò)濾后的重構(gòu)MTS和原始MTS;采用兩次對(duì)抗訓(xùn)練將LSTM自編碼器的隱空間約束為均勻分布...

帶定向天線無(wú)線Mesh網(wǎng)絡(luò)的雙令牌鄰居發(fā)現(xiàn)算法————作者：趙訓(xùn)威;吉芝璐;吳曉軍;張春玲;王志剛;白杰;

摘要：針對(duì)帶定向天線無(wú)線Mesh網(wǎng)絡(luò)的鄰居發(fā)現(xiàn)問(wèn)題，提出一種雙令牌動(dòng)態(tài)異步鄰居發(fā)現(xiàn)(D-DANDi)算法。在時(shí)間異步條件下，該算法通過(guò)節(jié)點(diǎn)的扇區(qū)輪換發(fā)現(xiàn)鄰居，把已發(fā)現(xiàn)節(jié)點(diǎn)的分享信息快速加入當(dāng)前節(jié)點(diǎn)的鄰居表�；�于迭代深入搜索思想實(shí)現(xiàn)雙令牌并行鄰居發(fā)現(xiàn)，快速建立局部網(wǎng)絡(luò)的拓?fù)洹７抡娼Y(jié)果表明，在不同節(jié)點(diǎn)數(shù)和不同扇區(qū)數(shù)的設(shè)置下，該算法的相關(guān)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(jì)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(diǎn)的存在所造成系統(tǒng)資源分配整體收益低、節(jié)點(diǎn)間不可信問(wèn)題，提出一種基于區(qū)塊鏈技術(shù)的可信霧計(jì)算資源分配方法，保證可信節(jié)點(diǎn)的利益。將資源分配過(guò)程建模為區(qū)塊鏈上的交易，對(duì)參與交易節(jié)點(diǎn)構(gòu)建信任模型，采用節(jié)點(diǎn)信譽(yù)評(píng)估算法實(shí)現(xiàn)對(duì)不可信節(jié)點(diǎn)的篩選；考慮節(jié)點(diǎn)信譽(yù)度、需求和資源分配條件，以時(shí)延和能耗優(yōu)化加權(quán)和作為系統(tǒng)整體增益，制定最大化系統(tǒng)增益優(yōu)化問(wèn)題；利用可信模擬退火算法對(duì)優(yōu)化問(wèn)題求解，得到最優(yōu)...

基于默克爾樹(shù)結(jié)構(gòu)的多鏈溯源技術(shù)————作者：周子愚;陳珊珊;

摘要：針對(duì)供應(yīng)鏈溯源中存儲(chǔ)成本高、隱私易泄露、交易速度慢等問(wèn)題，基于默克爾樹(shù)搭建多鏈架構(gòu)，設(shè)計(jì)智能合約實(shí)現(xiàn)數(shù)據(jù)查詢、精準(zhǔn)監(jiān)管等功能，通過(guò)IPFS優(yōu)化數(shù)據(jù)流；運(yùn)用CBC-SM2算法保護(hù)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(yù)機(jī)制改進(jìn)Raft共識(shí)，根據(jù)信譽(yù)值設(shè)置L標(biāo)志位減少無(wú)效競(jìng)選。實(shí)驗(yàn)結(jié)果表明，該方案降低約27%存儲(chǔ)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(rèn)證與密鑰協(xié)商方案————作者：葛宇;梁靜;熊玲;

摘要：針對(duì)物聯(lián)網(wǎng)終端設(shè)備與服務(wù)器通信過(guò)程中的身份認(rèn)證與密鑰協(xié)商問(wèn)題，提出一種認(rèn)證密鑰協(xié)商方案�；�于物理不可克隆函數(shù)(physical unclonable function, PUF)設(shè)計(jì)終端設(shè)備與服務(wù)器之間的雙向認(rèn)證，利用切比雪夫映射的半群特性設(shè)計(jì)相應(yīng)的密鑰協(xié)商機(jī)制。結(jié)合隨機(jī)預(yù)言模型對(duì)方案進(jìn)行安全性分析，驗(yàn)證了該方案的正確性和有效性。與近年來(lái)具有代表性的認(rèn)證密鑰協(xié)商方案對(duì)比結(jié)果表明，該方案實(shí)現(xiàn)了計(jì)算開(kāi)...

基于區(qū)塊鏈的城市車聯(lián)網(wǎng)聲譽(yù)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(chǎng)景中的惡意偽裝節(jié)點(diǎn)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(yù)管理(urban internet of vehicles reputation management, UIRM)方案。利用區(qū)塊鏈技術(shù)對(duì)車聯(lián)網(wǎng)產(chǎn)生的數(shù)據(jù)進(jìn)行加密與存儲(chǔ)，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(jìn)行設(shè)計(jì)，保證節(jié)點(diǎn)隱私，提高數(shù)據(jù)共享的效率。實(shí)驗(yàn)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(yù)測(cè)模型————作者：王園琳;陳韜宇;

摘要：針對(duì)現(xiàn)有云資源容量預(yù)測(cè)中存在的實(shí)驗(yàn)數(shù)據(jù)波動(dòng)明顯、預(yù)測(cè)模型泛化能力低等問(wèn)題，提出一個(gè)基于貝葉斯優(yōu)化長(zhǎng)短期記憶網(wǎng)絡(luò)(Bayesian optimization long short-term memory, BO-LSTM)的云資源消耗量預(yù)測(cè)模型。將營(yíng)銷策略信息加入到預(yù)測(cè)模型的實(shí)驗(yàn)數(shù)據(jù)集中，提升預(yù)測(cè)模型的預(yù)測(cè)精度；利用貝葉斯優(yōu)化算法優(yōu)化關(guān)鍵參數(shù)，提升預(yù)測(cè)模型的泛化能力。在聯(lián)通云10個(gè)地域的真實(shí)數(shù)據(jù)集上...

基于Q學(xué)習(xí)的Spark自動(dòng)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(yīng)性差、JVM垃圾內(nèi)存回收頻繁等問(wèn)題，提出一種基于Q學(xué)習(xí)的Spark自動(dòng)調(diào)節(jié)內(nèi)存管理器。采用Q學(xué)習(xí)自動(dòng)調(diào)優(yōu)算法，根據(jù)不同的工作負(fù)載、任務(wù)需求和系統(tǒng)狀態(tài)，在全局范圍內(nèi)實(shí)現(xiàn)內(nèi)存分配的動(dòng)態(tài)調(diào)整。內(nèi)存分配算法結(jié)合Q學(xué)習(xí)自動(dòng)調(diào)優(yōu)算法的決策和空閑內(nèi)存，響應(yīng)塊管理器和任務(wù)內(nèi)存請(qǐng)求，確保內(nèi)存高效分配與利用。實(shí)驗(yàn)結(jié)果表明，新的內(nèi)存管理器在Spark任務(wù)執(zhí)行效...

基于一維卷積神經(jīng)網(wǎng)絡(luò)的雷達(dá)個(gè)體識(shí)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(zhǎng)序列雷達(dá)信號(hào)對(duì)雷達(dá)輻射源個(gè)體進(jìn)行分類識(shí)別的問(wèn)題，提出一種融合注意力機(jī)制和殘差的一維卷積深度神經(jīng)網(wǎng)絡(luò)(1CDNN)模型，利用一維卷積從原始長(zhǎng)序列雷達(dá)信號(hào)中直接提取特征，減少模型的參數(shù)量。引入注意力機(jī)制幫助模型學(xué)習(xí)利用全局信息選擇關(guān)鍵特征，提高模型的分類識(shí)別精度。引入殘差使得模型在緩解梯度消失的同時(shí)更容易進(jìn)行優(yōu)化和訓(xùn)練。實(shí)驗(yàn)結(jié)果表明，所提模型在實(shí)際采集數(shù)據(jù)集上具有結(jié)構(gòu)簡(jiǎn)單、訓(xùn)練難度低、分類...

基于模糊提取器的無(wú)人機(jī)輕量級(jí)安全認(rèn)證方法————作者：陳瑞政;李寧;郭艷;何明;韋建宇;

摘要：針對(duì)無(wú)人機(jī)在應(yīng)用中遭遇的安全威脅，設(shè)計(jì)一種名為L(zhǎng)SAKA的輕量級(jí)安全認(rèn)證與密鑰協(xié)商協(xié)議。通過(guò)無(wú)人機(jī)在基站注冊(cè)并生成假名來(lái)保護(hù)其真實(shí)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(huì)話密鑰安全性的前提下，解決PUF中的噪聲問(wèn)題。通過(guò)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(yàn)證，輔以安全性分析，證實(shí)LSAKA協(xié)議能夠有效抵御物理捕獲、重放...

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

摘要：針對(duì)日趨復(fù)雜的集成電路芯片，供應(yīng)鏈全球化導(dǎo)致生產(chǎn)過(guò)程中不可控因素增多，芯片的硬件木馬問(wèn)題防不勝防，提出一種基于軟件無(wú)線電設(shè)備采集的側(cè)信道信號(hào)進(jìn)行硬件木馬檢測(cè)的方法。通過(guò)軟件無(wú)線電設(shè)備采集芯片在不同工作狀態(tài)下對(duì)外的電磁輻射信號(hào)，利用小波包變換提取頻譜信息，利用機(jī)器學(xué)習(xí)分類判別加以區(qū)分有無(wú)硬件木馬。實(shí)驗(yàn)結(jié)果表明，采集的電磁側(cè)信道信息包含了檢測(cè)硬件木馬的所需信息，硬件木馬檢測(cè)的準(zhǔn)確率可達(dá)99.8%

基于屬性異質(zhì)圖嵌入的雙向跨領(lǐng)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(dòng)問(wèn)題，提出一種基于屬性異質(zhì)圖的雙向跨領(lǐng)域推薦方法DRAH。將用戶-項(xiàng)目關(guān)系建模為具有屬性的異構(gòu)圖，分別表征圖結(jié)構(gòu)信息、評(píng)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(lǐng)域間興趣偏好的統(tǒng)一空間分布，實(shí)現(xiàn)交互信息在兩個(gè)領(lǐng)域中的雙向遷移，共同提高兩個(gè)領(lǐng)域的推薦性能，更加準(zhǔn)確預(yù)測(cè)用戶評(píng)分。在公開(kāi)的數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，結(jié)果表明該方法緩...

融合GAT網(wǎng)絡(luò)的層級(jí)標(biāo)注實(shí)體關(guān)系聯(lián)合抽取方法————作者：蔡阿雨;黃潔;張克;

摘要：為解決實(shí)體關(guān)系抽取任務(wù)中的關(guān)系重疊問(wèn)題，提出一種融合圖注意力網(wǎng)絡(luò)(graph attention networks, GAT)的層級(jí)標(biāo)注聯(lián)合抽取方法。將關(guān)系和詞建模為圖結(jié)構(gòu)上的節(jié)點(diǎn)，通過(guò)GAT的“消息傳遞”機(jī)制實(shí)現(xiàn)兩類語(yǔ)義節(jié)點(diǎn)信息傳遞、融合與更新，實(shí)現(xiàn)兩類節(jié)點(diǎn)間的完整信息交互，在標(biāo)注階段，采用層級(jí)標(biāo)注策略，解決關(guān)系重疊問(wèn)題，使用Focal Loss損失函數(shù)對(duì)模型進(jìn)行訓(xùn)練，緩解標(biāo)注階段數(shù)據(jù)不均衡的問(wèn)...

　　計(jì)算機(jī)工程與設(shè)計(jì)來(lái)自網(wǎng)友的投稿評(píng)論：

• 帶頭大哥666

  9.27投稿，網(wǎng)站說(shuō)2-7天郵件通知初審結(jié)果，10.17沒(méi)等到結(jié)果打電話催了一下，電話里說(shuō)是沒(méi)過(guò)初審，問(wèn)為什么沒(méi)有發(fā)郵件通知，說(shuō)會(huì)補(bǔ)上，最后10.21才回郵件說(shuō)我的稿件不適合他們期刊。

  2024-10-21 18:49
• 奔跑的辣椒醬

  加急審稿，差不多一個(gè)月的時(shí)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(duì)比，但相對(duì)其他期刊來(lái)說(shuō)還是較為容易的，就是版面費(fèi)跟系統(tǒng)仿真學(xué)報(bào)一樣，有點(diǎn)貴。編輯的態(tài)度較為友好。研究方向: 信息科學(xué) 計(jì)算機(jī)科學(xué) 計(jì)算機(jī)應(yīng)用技術(shù)

  2024-08-16 07:42
• zhaohhhh

  投稿10天了，沒(méi)給我回復(fù)，打電話問(wèn)才給我回復(fù)沒(méi)有錄用，感覺(jué)很隨意

  2024-07-26 08:17
• 畫(huà)個(gè)圈圈兜住幸福

  初審周期為2-7個(gè)工作日，通過(guò)初審需要繳納審稿費(fèi)。外審意見(jiàn)較中肯�？傮w上這份刊物的難度屬于同類期刊中等，編輯不錯(cuò)，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(gè)工作日，審稿結(jié)果將以郵件形式通知。 如通過(guò)初審需要繳納審稿費(fèi)，審稿費(fèi)為100元/篇(外審時(shí)間在2個(gè)月左右)，加急審稿費(fèi)為200元/篇(外審時(shí)間在1個(gè)月左右)。 外審專家給出的意見(jiàn)比較中肯，簡(jiǎn)潔，感覺(jué)也是匆匆看了下，覺(jué)得沒(méi)有啥亮點(diǎn)的創(chuàng)新和工作量就以不夠創(chuàng)新拒稿了，細(xì)節(jié)也看得較為自習(xí)，語(yǔ)氣比較官方，不是很客氣，有啥說(shuō)啥。 他們家的發(fā)的文章創(chuàng)新程度，工作量，學(xué)術(shù)深度都屬于計(jì)算機(jī)類中等，有點(diǎn)八股，注重格式，新手可多嘗試下。

  2022-09-16 09:48

提交