计算机研究与发展

计算机研究与发展杂志 北大期刊 CSCD期刊 统计源期刊

Journal of Computer Research and Development

杂志简介:《计算机研究与发展》杂志经新闻出版总署批准,自1958年创刊,国内刊号为11-1777/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:综述、计算机技术、计算机网络、人工智能、计算机软件、计算机应用

主管单位:中科院出版委员会
主办单位:中国科学院计算技术研究所
国际刊号:1000-1239
国内刊号:11-1777/TP
全年订价:¥ 1099.20
创刊时间:1958
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:2.48
复合影响因子:2.65
总发文量:2976
总被引量:43749
H指数:82
引用半衰期:4.5171
立即指数:0.0594
期刊他引率:0.9216
平均引文率:19.5245
  • 面向车载自组织网络路由的轨迹预测算法

    作者:黎阳; 王哲; 张楚文; 戴惠辰; 徐文佺; 姬雪枫; 万颖; 刘斌 刊期:2017年第11期

    在车载自组织网络(vehicular ad hoc network, VANET)(也称车联网)中,基于地理位置的路由协议能够较好地适应网络拓扑的动态性变化和链路质量的不稳定性.由于位置信息需要在邻居节点间采用信标分组进行交互,信标分组间隔内的转发决策可能因车辆节点位置的移动而不准确,需要进行位置预测来修正车辆节点的位置.已有的位置预测算法存在普适...

  • 不确定环境下移动对象自适应轨迹预测方法

    作者:夏卓群; 胡珍珍; 罗君鹏; 陈月月 刊期:2017年第11期

    已有的轨迹预测方法难以对移动对象运动轨迹进行准确地描述,尤其在复杂且不确定的车载自组织网络(vehicular ad hoc network)(也称车联网)环境中.为了解决这一问题,提出基于变分高斯混合模型(variational Gaussian mixture model, VGMM)的环境自适应轨迹预测方法ESATP(environment selfadaptive prediction method based on VGMM).首...

  • 认知无线车载自组织网络中的联合路由调度

    作者:张沪寅; 王菁; 唐星 刊期:2017年第11期

    通过将认知无线电(cognitive radio, CR)技术应用到车载自组织网络(vehicular ad hoc networks, VANETs)(也称车联网)中,认知无线车载自组织网络(CR-VANETs)可以缓解频谱资源稀缺问题,有效提高车对车通信的频谱资源利用率.由于车辆的高速移动性以及认知无线电频谱资源的动态特性,使得传统的认知无线电网络或车载自组织网络中的路由协...

  • 可撤销动静态属性的车联网属性基加密方法

    作者:何倩; 刘鹏; 王勇 刊期:2017年第11期

    车载自组织网络(vehicular ad hoc network, VANET) (也称车联网)数据安全共享通常采用群加密方式,高速移动的车载终端给群组构建和群密钥管理带来困难.密文策略属性基加密(ciphertextpolicy attributebased encryption, CP-ABE)为车联网通信安全带来了新的解决方案,但是传统的CP-ABE方案解密计算复杂度高,属性撤销需要整个密文进...

  • 基于路径上报的车联网轨迹隐私保护

    作者:吴宣够; 王朋飞; 郑啸; 樊旭; 王小林 刊期:2017年第11期

    车载自组织网络(vehicular ad hoc networks, VANETs)(也称车联网)数据收集与应用为智能交通、城市规划、降低车辆污染等问题提供有效的技术和数据保障. 在车联网数据收集中通常需要车载用户上报连续路段位置信息,这给车载用户个人轨迹隐私带来严重的威胁. 然而现有用户轨迹保护算法主要基于单点位置保护,不能有效保护基于路径上报的用户...

  • 基于类哈夫曼编码的紧急消息广播方法

    作者:吴黎兵; 范静; 王婧; 聂雷; 王浩 刊期:2017年第11期

    城市的发展为车载自组织网络(vehicular ad hoc network, VANET)(也称车联网)提供了广阔的应用空间,其中紧急消息广播方法则是应用的一个重点研究内容.紧急消息广播需要满足低延迟、高可靠和高可扩展性等服务质量方面的要求.现有的紧急消息广播方法在选择下一跳转发节点时,假定每一个位置均有大致相等的概率被选为中继区域,对所有位置的...

  • 大数据存储中数据完整性验证结果的检测算法

    作者:徐光伟; 白艳珂; 燕彩蓉; 杨延彬; 黄永锋 刊期:2017年第11期

    云存储作为云计算中最为广泛的应用之一,给用户带来了便利的接入和共享数据的同时,也产生了数据损坏和丢失等方面的数据完整性问题.现有的远程数据完整性验证中都是由可信任的第三方来公开执行数据完整性验证,这使得验证者有提供虚假伪造的验证结果的潜在威胁,从而使得数据完整性验证结果不可靠,尤其是当他与云存储提供者合谋时情况会更糟....

  • 一种高性能可靠的混合客户端缓存系统

    作者:李楚; 冯丹; 王芳 刊期:2017年第11期

    现代数据中心普遍使用网络存储系统提供共享存储服务.存储服务端通常使用独立冗余磁盘阵列(RAID)技术保障数据可靠性,如可以容单双盘错的RAID56.相比于传统磁盘,固态盘具有更低的访问时延和更高的价格,因此将固态盘作为存储客户端缓存成为一种流行的方案.写回法可以充分发挥固态盘的优势加速存储读写性能,然而一旦固态盘发生故障,写...

  • DCuckoo:基于片内摘要的高性能散列表

    作者:蒋捷; 杨仝; 张梦瑜; 代亚非; 黄亮; 郑廉清 刊期:2017年第11期

    散列表(Hash table)由于其支持高效的记录更新与检索操作,在计算机相关的各个领域中有着广泛的应用.但散列表有2个明显的缺点:冲突和低效的内存利用.最小完美散列使用N个位置存储N条记录,解决了冲突和空间效率的问题,但该算法不支持增量的更新.目标是设计一种高效的散列表,能够支持高速查询、最坏情况可以保证的高速更新、高效的空间使用...

  • 基于计算资源运行时剩余能力评估优化云平台

    作者:周墨颂; 董小社; 陈衡; 张兴军 刊期:2017年第11期

    云平台资源管理中存在资源供给与需求不匹配的问题,导致平台性能受到严重影响.针对此问题,基于相似任务建立运行时计算资源剩余能力评估模型,该模型利用云计算负载中相似任务执行逻辑相同的特点,使用相似任务代替测试程序量化资源剩余能力,避免了执行测试程序的计算资源代价;依据该模型提出了一种运行时云计算资源剩余能力分类评估方法RCE(reso...

  • 《信息安全研究》期刊简介

    刊期:2017年第11期

    指出“没有网络安全就没有国家安全,没有信息化就没有现代化一数字时代信息安全工具的大众化是不可阻挡的历史潮流.大众化的信息安我们每个人的利益,信息安全已成为国家、地方区域经济结构优化提升和转型发展的新机遇.在信息安全上升为国家战略、行业迎来崭新发展机遇,《信息安全研究》期刊应时代而生.

  • 面向大规模计算集群的多轨分割网络

    作者:邵恩; 元国军; 郇志轩; 曹政; 孙凝晖 刊期:2017年第11期

    在千万亿次规模的系统中,互连网络设计面临新的挑战.高性能节点和大规模是构建千万亿次系统的主要技术趋势,不断提高的节点计算能力要求互连网络提供更高的性能,而不断增大的规模又对互连网络扩展性提出了更高的要求.此外,随着系统规模的增大,集合通信的执行时间也在不断增长,制约了应用的扩展性,集合通信的性能需要得到进一步优化.除性...

  • 基于增量切空间校准的自适应流式大数据学习算法

    作者:谈超; 吉根林; 赵斌 刊期:2017年第11期

    流形学习是为了寻找高维空间中观测数据的低维嵌入.作为一种有效的非线性维数约减方法,流形学习被广泛应用于数据挖掘、模式识别等机器学习领域.然而,对于样本外点学习、增量学习和在线学习等流形学习方法,面对流式大数据的学习算法时间效率较低.为此提出了一种新的基于增量切空间的自适应流式大数据学习算法(selfadaptive streaming big ...

  • 2018年《计算机研究与》专题(正刊)征文通知——网络功能虚拟化

    刊期:2017年第11期

    随着云计算等新兴技术的发展,网络中涌现了越来越多的专用设备用于各式各样的网络功能,如负载均衡、服务、入侵检测、安全等等,用设常称为Middlebox.Middlebox大量应用于数据中心网络,在电信网络、互联网边和等位置也起着十分重要的作用.

  • 基于超结构的BN随机搜索学习算法

    作者:吕亚丽; 武佳杰; 梁吉业; 钱宇华 刊期:2017年第11期

    近年来,贝叶斯网络(Bayesian network, BN)在不确定性知识表示与概率推理方面发挥着越来越重要的作用.其中,BN结构学习是BN推理中的重要问题.然而,在当前BN结构的2阶段混合学习算法中,大多存在一些问题:第1阶段无向超结构学习中存在容易丢失弱关系的边的问题;第2阶段的爬山搜索算法存在易陷入局部最优的问题.针对这2个问题,首先采用Opt...