计算机学报

计算机学报杂志 北大期刊 CSCD期刊 统计源期刊

Chinese Journal of Computers

杂志简介:《计算机学报》杂志经新闻出版总署批准,自1978年创刊,国内刊号为11-1826/TP,是一本综合性较强的计算机期刊。该刊是一份月刊,致力于发表计算机领域的高质量原创研究成果、综述及快报。主要栏目:研究论文与技术报告、短文、学术通信、学术活动、中国计算机学会学术动态

主管单位:中国科学院
主办单位:中国计算机学会;中国科学院计算技术研究所
国际刊号:0254-4164
国内刊号:11-1826/TP
全年订价:¥ 1036.00
创刊时间:1978
所属类别:计算机类
发行周期:月刊
发行地区:北京
出版语言:中文
预计审稿时间:1-3个月
综合影响因子:3.08
复合影响因子:3.18
总发文量:2311
总被引量:58329
H指数:103
引用半衰期:3.7154
立即指数:0.0735
期刊他引率:0.9579
平均引文率:16.0037
  • 模拟退火算法的动力系统模型及收敛性分析

    作者:李元香; 项正龙; 夏界宁 刊期:2019年第06期

    模拟退火算法是经典的拟物类自然计算方法,其算法设计及应用研究取得了丰硕的成果,模拟退火策略也广泛地融入到现代群智能演化算法的研究之中.早期的性能分析和收敛性分析等理论研究主要是基于随机过程中的马尔科夫链理论,获得了依概率意义的收敛性定理.由于物理和数学已经积淀了深厚的理论基础和丰富的分析工具,可以用来进行随机启发式算法的理...

  • 基于社会媒体内容和网络拓扑的特定话题推特摘要研究

    作者:贺瑞芳; 段兴义; 张雪菲; 赵文丽 刊期:2019年第06期

    推特摘要旨在从话题相关的社会媒体短文本中提炼概要的推文集,以获取有效信息,可用于舆情监控、竞争情报分析及电子商务等.然而社会媒体的海量、嘈杂及不规范性使得仅依赖纯文本的传统摘要方法难以直接迁移到社交媒体情景中;而现有的推特摘要方法很少考虑数据稀疏性和社会网络传播带来的强冗余性,鲜有通过挖掘推文之间潜在的社会网络结构关系进...

  • 智能家居场景联动中基于知识图谱的隐式冲突检测方法研究

    作者:肖丁; 王乾宇; 蔡铭; 李秀 刊期:2019年第06期

    智能家居场景联动是智能家居系统提供的一种自动化服务,它通过各类智能设备的互联、互通和互动,从而为住户提供更为舒适、安全和节能的家居环境.然而,由于各个智能场景的侧重点不同、管理策略各异,当多个智能场景联动和叠加时,会引起作动器设备之间的竞争、干扰和矛盾等控制冲突现象,降低智能场景用户体验,缩短智能设备使用寿命,甚至危及住户的...

  • 量子并行神经网络

    作者:陈佳临; 王伶俐 刊期:2019年第06期

    本文在前期量子概率神经网络(QPrNN)的基础上,提出了一种物理可实现的量子神经网络,称为量子并行神经网络(QPNN).主要特点是基于量子神经元的激活机制,利用量子并行性跟踪所有网络状态来提高分类结果.与之前的研究相比,在网络各个中间层和输入层之间添加了连接,增加了量子神经网络的非线性表达能力,所以结构上可以向深层网络发展.由于QPNN独特的...

  • 关联规则推荐的高效分布式计算框架

    作者:李昌盛; 伍之昂; 张璐; 曹杰 刊期:2019年第06期

    关联规则推荐模型是在电子商务网站应用最广泛的商用推荐引擎之一,目前已有的工作大多聚焦于如何挑选高质量规则,以提升推荐精度.然而,关联规则数量庞大,且用户并发访问量通常极大,如何快速匹配用户浏览记录和关联规则库,为海量在线用户产生近实时推荐,成为制约关联规则推荐能否胜任真实电子商务网站推荐的重要因素.为此,本文研究关联规则推荐的...

  • 非平衡基因数据的差异表达基因选择算法研究

    作者:谢娟英; 王明钊; 周颖; 高红超; 许升全 刊期:2019年第06期

    针对准确率不适于评价不平衡数据特征子集性能的缺陷,提出了 F2 -measure(简称 F2 )准则.为避免mRMR(minimal Redundancy-Maximal Relevance)的互信息方法倾向于选择多值特征,提出了归一化互信息 SU (Symmetrical Uncertainty).针对最大化 AUC (Area Under an ROC Curve)框架下,特征选择算法的特征与类标相关性、特征间相关性的取值范围(量纲)不...

  • 融合改进二元萤火虫算法和边界最小化测度的集成剪枝方法

    作者:朱旭辉; 倪志伟; 程美英; 李敬明; 金飞飞; 伍章俊 刊期:2019年第06期

    集成剪枝是提高分类器集成性能的一种关键性技术,其通过选择较小规模的基分类器,获得更优的集成性能.目前集成剪枝方法通常单独采用基分类器间的差异性测度或元启发式算法,进行集成剪枝.基分类器的平均精度和差异性被广泛认为是集成剪枝的两个重要指标,但增大基分类器间差异性势必会减小其平均分类精度,提高基分类器的平均精度亦会降低其差异性....

  • 基于网络约束双聚类的癌症亚型分类

    作者:王星; 王峻; 余国先; 郭茂祖 刊期:2019年第06期

    癌症亚型识别在肿瘤异质性分析中具有重要意义.双聚类可以在大规模基因表达数据的基因和样本维度上同时进行聚类分析,发现部分样本在部分基因子集上表达相似的双聚类簇,进而发现相应的癌症亚型,为癌症的精准基因治疗等提供了重要的信息.双聚类算法通过结合基因相互作用网络数据,可进一步提高癌症亚型分类的准确度,但已有整合基因网络的双聚类算...

  • 偏好多目标进化算法研究综述

    作者:王丽萍; 丰美玲; 邱启仓; 章鸣雷; 邱飞岳 刊期:2019年第06期

    多目标优化需要同时优化若干相互冲突的目标,其目的是获得均匀分布于整个Pareto前沿上的最优解集.然而在实际多目标优化问题中,决策者通常只对目标空间中部分区域内的Pareto最优解感兴趣,因此将决策者的偏好信息与多目标优化方法相结合成为进化计算领域的研究热点.偏好多目标进化算法通过引入决策者的偏好信息,将算法的搜索集中在决策者感兴趣的...

  • 基于用户评论的深度情感分析和多视图协同融合的混合推荐方法

    作者:张宜浩; 朱小飞; 徐传运; 董世都 刊期:2019年第06期

    目前,大多数推荐技术使用用户评分来推断用户偏好.当有充足的评分信息时,协同过滤技术表现良好.然而,评分数据普遍存在着稀疏性,或者难以让用户将其偏好表示为对物品的评分等级,故有效性受到限制.基于内容的推荐方法依据物品的内容来寻找与目标用户喜欢的物品内容相似的物品.在目标用户没有充足的历史数据的情况下,该方法仍然不充分,其推荐效果...

  • 基于并行概率规划的股票指数模拟

    作者:饶东宁; 郭海峰; 蒋志华 刊期:2019年第06期

    在金融领域,股票指数(简称股指)模拟与分析是一个重要课题,用于股票市场的长期分析.然而,大多数的这类工作目前由专业的分析师来完成,非职业投资者难以涉及.另一方面,现有的基于数学或机器学习的股指模拟方法具有参数多、人工干预多、可解释性差等缺点.针对以上问题,本文基于并行概率规划(Parallel Probabilistic Planning,PPP),提出了一个股指...

  • 面向卫星遥测数据流的最小稀有模式挖掘方法

    作者:周忠玉; 皮德常 刊期:2019年第06期

    模式挖掘是应用于卫星智能监控服务中的一项重要技术.当前频繁模式挖掘的使用率要远远高于稀有模式挖掘,然而对于卫星遥测数据流来说,频繁模式挖掘在安全监测和故障预防等方面所取得的成效不如稀有模式挖掘.因为频繁模式挖掘无法从卫星的遥测数据中揭示卫星可能存在的潜在故障.卫星遥测是持续不断进行的,所以其数据流存在数据量大、传输速度快和...

  • 融合SOM功能聚类与DeepFM质量预测的API服务推荐方法

    作者:曹步清; 肖巧翔; 张祥平; 刘建勋 刊期:2019年第06期

    由于越来越多的企业和组织纷纷将自己的业务、数据或资源封装成服务,并通过API的形式到互联网上,API服务的数量呈现倍增趋势.在此背景下,如何从这样一个大规模的API服务集合中,快速有效地找到满足开发者用户Mashup需求的API服务,已成为一个挑战性问题.为此,本文聚焦于“推荐合适的API服务以构建高质量Mashup应用”问题,以面向服务内容的功能聚类...

  • IPv6地址结构标准化研究综述

    作者:张千里; 姜彩萍; 王继龙; 李星 刊期:2019年第06期

    随着IPv6网络商用化的进行和大面积部署,IPv6相关的研究正在成为新的研究热点.相对于IPv4而言,IPv6地址有128比特,因此其生成、使用、安全等方面的情况也要比IPv4复杂得多,而对IPv6地址结构的深入了解,是进行IPv6地址规划、IPv6网络测量、IPv6网络安全以及下一代互联网网络体系结构等方面研究的基础.涉及IPv6地址结构方面的互联网标准数量众多、...

  • 基于值函数和策略梯度的深度强化学习综述

    作者:刘建伟; 高峰; 罗雄麟 刊期:2019年第06期

    作为人工智能领域的热门研究问题,深度强化学习自提出以来,就受到人们越来越多的关注.目前,深度强化学习能够解决很多以前难以解决的问题,比如直接从原始像素中学习如何玩视频游戏和针对机器人问题学习控制策略,深度强化学习通过不断优化控制策略,建立一个对视觉世界有更高层次理解的自治系统.其中,基于值函数和策略梯度的深度强化学习是核心的...