计算机科学

第53卷第2期目录

计算机科学. 2026, 53 (2): 0-0.

摘要 ( 36 )

PDF(420KB) ( 78 )

相关文章 | 多维度评价

个性化教育资源推荐综述

席鹏晖, 吴夏祯, 蒋文聪, 方良达, 贺超波, ,官全龙

计算机科学. 2026, 53 (2): 1-15. doi:10.11896/jsjkx.250700184

摘要 ( 199 )

PDF(1941KB) ( 132 )

参考文献 | 相关文章 | 多维度评价

在“双减”政策和教育数字化转型的背景下,个性化教育资源推荐系统(Educational Recommender Systems,ERS)成为智慧教育的重要支撑技术。ERS通过建模学生的知识水平、学习兴趣与行为特征,能够实现因材施教并提升学习效率。对此,系统梳理了该领域的研究进展,围绕课程推荐、习题推荐和学习路径推荐三大典型任务展开。课程推荐从传统的协同过滤与矩阵分解逐步演进到基于图神经网络与强化学习的方法,显著提升了推荐的精准性与适应性。习题推荐则从静态标签匹配转向动态知识追踪与深度学习建模,能够更好地刻画学习者与习题之间的复杂关系。学习路径推荐需要兼顾知识依赖、能力演化与多目标约束,近年来融合了图模型、强化学习和进化算法,实现了个性化路径优化。此外,还对主流数据集与实验结果进行了对比分析,总结了不同方法的优势与不足。最后指出未来研究的方向应聚焦于动态知识演化感知,跨场景泛化能力,自适应学习策略设计,以及高可解释性与教育可用性,以推动教育推荐系统由静态、封闭的“黑箱”模型向动态、透明、以人为本的教育生态系统转变。

基于图神经网络的学业表现预测方法研究综述

翟洁, 陈乐旋, 庞智玉

计算机科学. 2026, 53 (2): 16-30. doi:10.11896/jsjkx.250800001

摘要 ( 113 )

PDF(1690KB) ( 120 )

参考文献 | 相关文章 | 多维度评价

目前,学业表现预测作为个性化教育支持系统的核心环节,已成为教育数据挖掘领域的研究热点,在教学决策优化与学生发展指导中发挥重要作用。然而,传统预测方法难以有效应对教育场景中多源异构数据的复杂关联、时序演化及群体依赖等挑战,导致预测精度与泛化能力受限。图神经网络凭借强大的关系建模与表示学习能力,为应对上述问题提供了新范式。因此,许多学者致力于将图神经网络应用于学业表现预测的研究中。针对当前基于图神经网络的学生学业表现预测任务的研究工作进行系统性综述,首先从问题定义出发,解析学业表现预测的核心挑战;接着梳理了图神经网络的基础知识和常用模型;然后分类综述了静态特征建模、融合静态和动态特征建模以及新兴大模型技术赋能等学业表现预测方法的代表性模型及应用场景,在此基础上,系统性总结和分析了基于图神经网络的学业表现预测方法的评估相关数据集及指标;最后从模型的可扩展性、可解释性、多模态语义信息融合以及动态图预训练等维度展望未来研究方向。

基于双层级对比学习的健壮知识追踪模型

陈晓岚, 毛舜, 李伟生, 林荣华, 汤庸

计算机科学. 2026, 53 (2): 31-38. doi:10.11896/jsjkx.250700196

摘要 ( 97 )

PDF(2824KB) ( 127 )

参考文献 | 相关文章 | 多维度评价

知识追踪是实现自适应学习的关键,它的目的是为了评估学生的知识状态并预测他们的未来表现。目前,数据的稀疏性问题使得现有的知识追踪模型在问题嵌入学习和学生知识状态模拟两个方面受到了限制。因此,一些研究引入了对比学习来缓解这一问题。然而,现有的对比学习方法依赖随机扰动图结构(用于问题嵌入)或修改学习交互序列(用于知识状态建模)生成对比视图,引入了噪声与错误自监督信号,导致问题嵌入无法良好适配学习系统下游任务。因此,提出一种创新的双层对比学习框架(Dual-level Contrastive Learning Framework,DCLF)用于同时增强知识追踪中问题的嵌入学习和学生知识状态模拟两个方面。DCLF采用了一种更有效的对比范式,这种对比范式的主要思想是不改变数据的原本信息,通过对原始数据进行关系变换或利用不同神经网络在同一数据上的输出作为对比视图。具体来说,在嵌入学习中,所提出的方法通过对数据进行关系变化,获得对比视图。在学生知识状态模拟上,所提模型使用不同的神经网络对学习交互进行编码,获得不同编码器下的知识状态。这种方法能够提取多个对比视图下丰富的自监督信号,保留数据的内在语义信息,有效避免噪声的引入。在3个常用的知识追踪数据集上进行实验验证,实验结果表明DCLF在性能上优于现有知识追踪模型。

基于方向感知孪生网络的知识概念先序关系预测方法

杨明, 贺超波, 杨佳琦

计算机科学. 2026, 53 (2): 39-47. doi:10.11896/jsjkx.250600005

摘要 ( 79 )

PDF(3141KB) ( 115 )

参考文献 | 相关文章 | 多维度评价

知识概念先序关系预测旨在通过挖掘知识概念间的语义和拓扑关系信息补全课程知识图谱,从而提升海量教学资源组织和个性化学习路径规划等下游任务的性能。现有的基于特征工程与深度学习的方法在实体语义信息和先序关系方向性建模方面仍存在局限性,知识概念先序关系预测性能仍有提升的空间。针对该问题,设计了一种基于方向感知孪生网络的知识概念先序关系预测方法DSN-PRL。DSN-PRL首先采用基于对比学习的预训练语言模型BERT学习知识概念的语义表示,然后应用图神经网络聚合多跳拓扑特征以增强层次化结构建模,最后设计方向感知孪生网络,用于学习先序关系的方向性差异以进行预测。在3个基准数据集上进行相关实验,DSN-PRL在多个关键评价指标上均优于现有基线方法,特别是相比表现最优的基线模型DGPL,其精确率分别提升了7.3个百分点,2.7个百分点和11.4个百分点,F1分别提升了1.6个百分点,1.3个百分点和4.3个百分点。

基于轻量级教育大模型的个性化实践学习资料动态推荐

翟洁, 李艳豪, 陈乐旋, 郭卫斌

计算机科学. 2026, 53 (2): 48-56. doi:10.11896/jsjkx.250800002

摘要 ( 54 )

PDF(3350KB) ( 93 )

参考文献 | 相关文章 | 多维度评价

人工智能技术在教育领域的深度应用,已成为国家教育数字化转型的核心战略。在计算机实践教学领域,实践学习资料的精准推荐是提升学生学习效能与质量的重要途径。针对高校教育规模化与学生需求多元化之间的矛盾,提出一种基于轻量级教育大模型的个性化实践学习资料推荐模型LightPLRec(Lightweight Personalized Learning Recommender for Dynamic Practice Materials),旨在依据学生个体特征的动态变化智能推荐个性化的实践学习资料。基于低算力需求的轻量级大模型,通过指令微调和强化学习方法构建了面向个性化实践学习资料推荐的教育大模型SPIR(Student Profile & Interest-based Re-commender)。通过整合多源异构数据,深度融入课程知识体系、学科前沿动态、产业发展趋势、国家战略导向,构建了跨学科、多模态的实践学习资料库,并设计了图转主题文本方法gragh2topic。依托于SPIR大模型的强大赋能和多源资料库的坚实支撑,提出了基于智能工作流的资料推荐方法。设计主题分析方法从学生能力评估结果中提取学生的能力特征,应用图卷积网络算法GCN从学生学习行为数据中挖掘学生的兴趣特征,创建了“能力-推荐智能体”和“兴趣-推荐智能体”,构建了双智能体协同驱动的智能化流程体系,实现了从学生个性化画像智能生成到实践学习资料动态推荐的系列工作流任务;并且构建了个性化资料推荐数据集,在该数据集上验证了所提模型的性能显著优于基线模型。其中,以Qwen2.5-3.0B为基模型训练的LightPLRec模型,在能力推荐与兴趣推荐这两项任务中展现出卓越性能,准确率分别高达0.947和0.939,其表现均优于DeepSeek-V3在同一数据集上的测评结果。该研究为教育大模型的垂直场景应用提供了技术范式,同时通过创建个性化实践学习资料动态推荐模型,为践行“因材施教”理念和培育高素质计算机实践人才提供了创新路径。

CPViG-Net:基于局部跨阶段视觉图卷积的学生课堂行为识别

张浩鹏, 施铮, 刘峰, 宋婉茹

计算机科学. 2026, 53 (2): 57-66. doi:10.11896/jsjkx.250500100

摘要 ( 213 )

PDF(3609KB) ( 85 )

参考文献 | 相关文章 | 多维度评价

随着教育范式从“人机协同”向“人智协同共育”演进,课堂教学的智能化评价也面临着新的要求和挑战,其中以学生行为为出发点的任务近些年来获得了广泛的关注。针对真实课堂环境中存在的学生行为多样、遮挡频繁及背景干扰严重等问题,提出一种局部跨阶段视觉图卷积模型,旨在提升复杂课堂环境下的学生行为识别精度。该模型以经典目标检测算法为基准框架,通过融合视觉图卷积神经网络的动态特征建模能力,构建了局部最大相对图卷积模块(PMG)与局部跨阶段融合(CPF)模块。其中,PMG模块通过嵌入最大相对图卷积来捕捉节点间特征差异最大的邻域信息,进而针对性地解决局部区域遮挡引起的信息丢失问题,并结合了深度可分离卷积降低图卷积算法的计算开销;CPF模块利用全连接层重构特征结构,并通过C2f模块的跨阶段连接机制,实现多层级的特征融合,从而增强模型对小尺度目标的识别能力。此外,模型通过近邻K值优化,提出针对不同数据集的优化策略。在公开数据集 SCB03-S上,CPViG-Net的mAP@50达到 70.9%,较基准模型提升2个百分点;在多个公开数据集上的实验表明,该模型在处理真实课堂情境下学生行为识别面临的诸多问题中表现出较好的性能和较高的鲁棒性。

融合跨模态注意力与角色交互的学生课堂专注度研究

卓铁农, 英迪, 赵晖

计算机科学. 2026, 53 (2): 67-77. doi:10.11896/jsjkx.250300026

摘要 ( 101 )

PDF(2036KB) ( 90 )

参考文献 | 相关文章 | 多维度评价

随着智慧教育的不断发展,学校可以通过检测学生课堂的专注度对学生的学习情况与教师的教学质量进行评估,从而优化教学体系。以往的研究多侧重于单模态、单角色的特征提取,但教学课堂是一个多模态、多角色且角色之间相互影响的复杂场景,因此从多模态多角色角度去探讨学生课堂的专注度具有重大意义。然而,多模态之间如何有效建模时间相关性与语义交互性,以及多角色之间如何相互影响是实现学生课堂专注度评判的重大挑战。针对以上问题,构建了一个包含教师音频和学生视频的学生课堂专注度数据集,并提出了基于多模态多角色的长短时上下文学生课堂专注度评估模型(Long-Short Context Model,LSCM)。其中多模态是指学生的视频与教师的音频,多角色是指学生与学生、学生与教师。该模型主要包含长时上下文模块和短时上下文模块两个模块。长时上下文模块通过音频自注意机制和视觉自注意机制提取单一学生的长时行为特征,并利用视听交叉注意机制增强音频与视觉信息的关联性;短时上下文模块则聚焦于局部时间片段,以刻画课堂环境中多个学生专注度的动态变化。最后,模型输出视频中各个学生的专注度类别。实验表明,该方法通过有效挖掘多模态数据的互补性及角色间的关联性,使专注度检测准确率较现有方法显著提高,验证了多模态融合与角色交互建模的有效性。

GTKT:融合联通主义学习和多层时序图Transformer的知识追踪模型

李佳豪, 荆军昌, 徐茜, 刘栋

计算机科学. 2026, 53 (2): 78-88. doi:10.11896/jsjkx.250700188

摘要 ( 81 )

PDF(3082KB) ( 72 )

参考文献 | 相关文章 | 多维度评价

知识追踪(Knowledge Tracing,KT)是根据学习者在一定学习周期内的历史答题记录,构建其知识状态,并预测其未来回答问题情况。传统知识追踪研究主要以学习者行为序列为研究对象,忽略了知识之间的拓扑结构关系。近年来,基于知识静态图的知识追踪方法取得了一定进展,但未充分考虑学习者、问题和知识点之间的动态图结构关系,忽略了学习者知识掌握过程中潜在的关联信息,导致模型泛化能力和可解释性较弱。针对以上问题,提出融合联通主义学习和多层时序图Transfor-mer的知识追踪模型(Graph Transformer Knowledge Tracing,GTKT)。首先,以联通主义学习理论为指导,构建学习者时序子图用于刻画学习者的历史练习序列,提出时间感知分层子图采样策略,利用邻居共现编码器挖掘节点之间的潜在关联;其次,以学习和遗忘效应理论为依据,提出了一种多频带时间编码器,用于捕捉学习者回答问题的时间特性,构建学习者-问题-知识点交互信息的多特征融合模块;再次,构建了多层时序图Transformer学习者知识追踪预测模块,实现学习者知识状态的动态建模与预测;最后,在6个公共数据集上的实验结果表明,GTKT在预测学习者准确率方面优于主流知识追踪模型。

基于多模态体育教育数据的图空间融合动作识别方法

陈海涛, 梁俊威, 陈晨, 王宇帆, 周宇

计算机科学. 2026, 53 (2): 89-98. doi:10.11896/jsjkx.250800007

摘要 ( 63 )

PDF(2711KB) ( 64 )

参考文献 | 相关文章 | 多维度评价

在智能体育与教育信息化的背景下,精细化的人体动作识别已成为体育教学与训练评估中的关键技术。针对传统动作识别方法在复杂运动场景中存在的模态信息利用不足、时空结构表达受限等问题,提出了一种融合骨架数据与可穿戴传感器信息的多模态图卷积网络模型。首先,提出了一种基于“虚拟传感器”的融合方法,将可穿戴传感器信号映射至骨架关节构建的时空图结构中并融合,有效提升了对动作细节的建模能力与跨模态语义一致性。其次,构建了针对复杂运动模式的多层图卷积网络,通过对身体进行局部划分,增强了模型在复杂体育场景下的识别能力。此外,面向击剑这一技术动作复杂的竞技项目,自主采集并构建了一套涵盖不同典型技术动作与运动水平层次的多模态数据集,为精细化动作识别与水平评估提供了数据支持。在该数据集与多个标准数据集上进行的实验表明,所提方法在动作识别精度与技术水平判断上优于现有主流方法,为体育教育场景中的智能识别与评估提供了新的建模框架与技术支持,具有良好的应用前景。

DCL-FKT:融合双重对比学习与遗忘机制的个性化知识追踪模型

李春英, 汤志康, 庄郅玮, 李文博, 郭炎熙, 张晓薇

计算机科学. 2026, 53 (2): 99-106. doi:10.11896/jsjkx.250600002

摘要 ( 113 )

PDF(2679KB) ( 95 )

参考文献 | 相关文章 | 多维度评价

在教育数字化背景下,精准追踪学生的知识掌握程度成为教育数字化中提升教学质量的关键方法之一。知识追踪旨在通过对学生的多种行为数据(如试题作答情况、在线学习时长等)进行分析,评估学生对知识点的掌握程度。已有的知识追踪方法尽管在学生个性化学习表现预测中取得了较好的效果,但仍存在两方面的挑战:1)无法解决教育场景中普遍存在的数据稀疏问题;2)忽视学生知识获取的复杂动态过程,不能有效刻画知识的动态变化与遗忘规律。为突破这些瓶颈,提出一种融合双重对比学习与遗忘机制的个性化知识追踪模型DCL-FKT。该模型利用问题掩码和替换解决数据稀疏问题,并在传统对比学习框架的基础上,创新性地引入特征对比学习模块消除冗余解,提升模型表征效率。同时,结合遗忘门机制,动态模拟人类遗忘曲线,精准捕捉学生知识随时间衰减的非线性变化,实现对学习过程的动态建模。在真实数据集上的对比实验结果表明,该模型在预测准确率等核心指标上均有显著提升,能更精准地反映学生的真实知识水平,为学生在线个性化学习提供可靠支持。

基于线程池任务调度的局部同步FMI联合仿真方法

薛朝阳, 钱晓超, 刘飞

计算机科学. 2026, 53 (2): 107-116. doi:10.11896/jsjkx.250200061

摘要 ( 73 )

PDF(3796KB) ( 74 )

参考文献 | 相关文章 | 多维度评价

并行仿真是提高仿真性能的关键技术,然而当前基于FMI(Functional Mock-up Interface)的并行联合仿真存在诸多挑战,如FMU(Functional Mock-up Unit)和执行线程耦合、输入输出同步、FMI API互斥等问题。针对这些问题,提出了一种基于线程池任务调度的局部同步FMI联合仿真方法。首先,给出了该方法的框架,该框架由仿真方案、主算法、调度器和缓冲区组成,以提供并行仿真的模块化表示。然后,重点描述了FMI并行联合仿真主算法,其将单个FMU的单次仿真任务分为仿真执行和任务调度两阶段,由调度器调度执行,并自定义读写锁解决仿真过程中的同步问题;同时,通过将输出暂存到缓冲区,以避免FMI API竞争访问的问题。最后通过一个房间温差模型和一个船舶定位模型验证了所提方法的准确性,与FMU并行的非迭代雅可比方法进行对比,所提方法取得了显著的性能提升。

基于条件语句半不变性分析的循环分裂优化

韩林, 邵晶晶, 聂凯, 李浩然, 刘浩浩, 陈梦尧

计算机科学. 2026, 53 (2): 117-123. doi:10.11896/jsjkx.250300153

摘要 ( 42 )

PDF(1688KB) ( 79 )

参考文献 | 相关文章 | 多维度评价

循环分裂是一种重要的编译优化技术,可有效减少循环控制开销、提升指令流水线效率,并为后续优化创造机会。针对GCC编译器现有循环分裂策略适用范围受限的问题,提出了一种改进的循环分裂优化算法,该算法基于静态单赋值形式,根据循环内条件变量所在PHI节点的位置,将其区分为循环头PHI节点条件变量和合并PHI节点条件变量,针对这两种条件变量,算法分别进行半不变性分析,并以此选择分裂点,从而实现更通用的循环分裂优化。在申威GCC编译器中实现了该算法。在申威新一代处理器平台上的实验结果显示,相比原有的循环分裂算法,该算法使SPEC CPU 2006测试集中的470.lbm测试程序性能提升8.8%,SPEC CPU 2017测试集中的620.omnetpp_s测试程序性能提升4.3%。所提方法扩展了可优化循环结构的范围,提升了申威GCC编译器的优化效率,可助力国产申威平台的基础软件生态建设。

基于网格化粒子群搜索算法的最大浮点误差并行检测方法

冀立光, 周蓓, 杨鸿儒, 周玉畅, 崔梦琦, 许瑾晨

计算机科学. 2026, 53 (2): 124-132. doi:10.11896/jsjkx.250200014

摘要 ( 41 )

PDF(2580KB) ( 71 )

参考文献 | 相关文章 | 多维度评价

浮点计算程序广泛应用于航空航天、人工智能、国防军事、金融结算等领域,浮点程序的计算精度和性能直接关系到相关应用的安全和效果。最大浮点误差值是衡量浮点计算程序精度的核心关键指标,浮点误差的累积效应也会导致难以承受的灾难,因此需要研发一款精准高效的浮点数最大误差检测工具,为研究人员及时采取优化和干预措施提供支撑作用。对此,将浮点数最大误差检测问题转换为目标函数最大值搜索问题,充分发挥国产申威平台的主从架构两级并行计算模式的算力优势,深度挖掘粒子群启发式搜索算法的性能和精度潜能,采用“网格搜索、独立培养、分层汇聚、动态适应”的思想优化粒子群算法,根据搜索过程所处的不同阶段针对性地设置相关搜索参数,使得改进后的算法在搜索精度和搜索性能两个方面均有所提高。该算法为精确检测浮点数最大误差提供了一种新的实用工具和思路参考,同时进一步丰富了国产申威平台的工具库。

基于黑盒插桩的闭源数据库管理系统的模糊测试技术研究

李忠杰, 梁皓天, 贾浩阳, 王清贤, 曹琰

计算机科学. 2026, 53 (2): 133-144. doi:10.11896/jsjkx.241200060

摘要 ( 55 )

PDF(2345KB) ( 63 )

参考文献 | 相关文章 | 多维度评价

数据库管理系统(Database Management Systems,DBMSs)是被广泛用作管理业务数据的应用软件,其安全性至关重要,任何形式的数据泄露或损坏都可能导致重大安全问题。目前针对闭源DBMS漏洞检测的公开研究成果相对较少。为了实现闭源DBMS的有效测试,提出了基于文法结构的变异和基于语义规则的变量填充的方法来批量生成测试数据集,根据提供的原始语料生成语法和语义高度正确的复杂SQL查询,使得输入数据能够深入探索DBMS的深层逻辑;同时提出了基于Pin的动态覆盖率分析方法来收集闭源DBMS的实时覆盖率,根据覆盖率反馈指导模糊测试的种子调度。基于上述方法实现了面向闭源DBMS的自动化测试原型工具OFuz。使用OFuz对Oracle和SQL Server两种DBMS进行测试,实验结果验证了该工具的有效性,在生成测试集和覆盖统计方面相比其他工具效果更优。

融合对比学习的掩码图自编码器

王新喻, 宋小民, 郑慧明, 彭德中, 陈杰

计算机科学. 2026, 53 (2): 145-151. doi:10.11896/jsjkx.250100155

摘要 ( 61 )

PDF(1792KB) ( 74 )

参考文献 | 相关文章 | 多维度评价

掩码图自编码器(Masked Graph Autoencoders,MGAEs)因能够有效处理图结构数据的节点分类任务而受到广泛关注。现有的掩码图自编码器模型在预训练编码器的过程中,存在语义信息损失和掩码节点嵌入相似两方面的不足。针对上述问题,提出一种融合对比学习的掩码图自编码器模型(CMGAE)。首先,将掩码图和原图分别输入在线编码器和目标编码器,生成在线嵌入和目标嵌入。然后,通过信息补充模块将在线嵌入和目标嵌入进行相似度对比,补充损失的语义信息。同时,将在线嵌入输入辨别函数和解码器,前者适当扩大掩码节点嵌入之间的方差,缓解掩码节点嵌入相似的问题,后者得到重构节点特征,用于训练在线编码器。最后,将预训练结束的在线编码器用于节点分类任务。在5个转导公共数据集和1个归纳数据集上进行节点分类实验,CMGAE的转导数据集准确率分别达到85.0%,73.6%,60.0%,50.5%,71.8%,归纳数据集的Micro-F1分数达到74.8%,相较于现有模型有着更好的性能。

基于用户静动态兴趣和去噪隐式负反馈的新闻推荐算法

魏金生, 周苏, 卢官明, 丁佳伟

计算机科学. 2026, 53 (2): 152-160. doi:10.11896/jsjkx.241200177

摘要 ( 49 )

PDF(2763KB) ( 81 )

参考文献 | 相关文章 | 多维度评价

在现有的新闻推荐系统中,通常将用户历史未点击新闻视为隐式负反馈,对隐式负反馈进行建模能够引导推荐模型过滤掉用户不感兴趣的新闻。未点击的新闻中可能会存在用户感兴趣的内容,即存在偏好噪声,导致对隐式负反馈建模的干扰;此外,由于用户兴趣的多样化和多变性,现有的新闻推荐系统往往存在“信息茧房”的问题。为了解决上述问题,提出了一种基于用户静动态兴趣和去噪隐式负反馈的新闻推荐算法。通过对用户的静态和动态兴趣进行融合建模,并对静动态兴趣隐式负反馈进行去噪,来构建动态更新的用户偏好模型。首先,构建基于正交映射的静态兴趣去噪模块,对静态兴趣中的隐式负反馈进行去噪;然后,将门控循环单元(Gated Recurrent Unit,GRU)与正交映射相融合,构建基于改进GRU的动态兴趣去噪模块,充分建模用户的兴趣变化并实现对动态兴趣中的隐式负反馈进行去噪;最后,通过引入对比学习技术,增强模型对隐式正反馈和负反馈的区分能力,以提升个性化新闻推荐性能。在MIND数据集上的实验表明,与基线方法相比,该模型在AUC,MRR,NDCG@5,NDCG@10这4种评价指标上分别提升了1.18%,1.84%,2.75%,1.67%,验证了该模型的有效性。

基于时频域注意力的时间序列异常检测模型

徐敬涛, 杨燕, 江永全

计算机科学. 2026, 53 (2): 161-169. doi:10.11896/jsjkx.241200106

摘要 ( 43 )

PDF(2931KB) ( 91 )

参考文献 | 相关文章 | 多维度评价

时序数据中复杂的时间依赖关系和有限的异常标签数据,使得时序异常检测成为一项十分具有挑战性的工作。以往大多数工作的聚焦点局限于数据的时域建模上,而忽略并缺失了对时序数据频域信息的提取与利用,造成了一定程度的性能瓶颈。以此为突破点,提出一种基于时域注意力和频域注意力的异常检测模型——TFA-TSAD。该模型首先创新性地对输入数据进行渐进式分解,进而探索数据在不同模式下的异常情况;然后利用精心设计的时频域建模模块,以注意力机制为核心,分别对时序数据的时域信息与频域信息进行高效提取来提高异常检测的性能;此外,在传统误差损失的基础上,采用均方误差加和平均的方式作为损失函数,进一步提高了模型的性能。经过大量的实验验证,该方法在多个数据集上的性能表现卓越,与其他13个基线模型相比,异常检测效果提升显著。

D-LINet:融合双线性层与双向归一化的时间序列预测框架

耿海军, 李东鑫

计算机科学. 2026, 53 (2): 170-179. doi:10.11896/jsjkx.250100137

摘要 ( 50 )

PDF(2740KB) ( 79 )

参考文献 | 相关文章 | 多维度评价

时间序列预测在能源管理、交通流量和气象分析等多个实际场景中具有重要应用价值。然而,时间序列数据中存在的分布漂移(Distribution Shift)与长程依赖(Long-term Dependency)仍限制了传统方法与现有深度学习模型在长期预测中的表现。为此,提出了一种名为 D-LINet(Dual-Normalization and Linear Integration Network)的创新模型。该模型结合了Dish-TS(Distribution Shift in Time Series Forecasting)框架的分布归一化能力与线性映射的高效性,并采用双向归一化与双线性层的设计,有效缓解输入与输出空间的分布偏移,增强了对周期性与趋势性特征的捕捉能力。在多个真实数据集上对D-LINet的预测性能进行了全面评估。结果显示,在短期与长期预测中,D-LINet 的均方误差和平均绝对误差均显著优于主流模型(如 Transformer,Informer,Autoformer和DLinear)。此外,实验还探讨了输入窗口长度及先验知识的引入对预测性能的影响,为后续模型优化提供了重要指导。该研究针对复杂分布漂移问题提出了新的解决思路,并有助于提升时间序列预测的精度与稳健性。

融合多尺度特征和注意力机制的时间序列预测模型

潘建, 汪绪豪

计算机科学. 2026, 53 (2): 180-186. doi:10.11896/jsjkx.250100113

摘要 ( 48 )

PDF(2028KB) ( 97 )

参考文献 | 相关文章 | 多维度评价

目前,在时间序列预测任务的研究中,基于Transformer的模型主要关注从时序数据中提取全局性和局部性特征,并通过改进注意力机制以降低模型的复杂度。然而,现有方法往往忽略了时间序列在多个尺度上展现出的不同粒度特征。针对这一问题,提出了一种融合多尺度特征和注意力机制的时间序列预测模型——MTSformer。首先,通过对原始序列进行下采样,得到多个尺度的子序列,使模型能够融合多个尺度的特征信息,从而增强泛化能力;其次,使用多预测头代替传统的解码器,在提升预测速度的同时降低模型的复杂度;最后,在5个基准数据集上进行了实验,结果显示,与现有的方法相比,MTSformer模型在时间序列预测上的MSE平均降低了24.51%,MAE平均降低了17.84%。

基于动态数据敏感等级的大数据细粒度访问控制模型

张焕, 侯明星, 刘光娜, 史颖

计算机科学. 2026, 53 (2): 187-195. doi:10.11896/jsjkx.251000127

摘要 ( 67 )

PDF(2565KB) ( 90 )

参考文献 | 相关文章 | 多维度评价

针对大数据环境下静态访问控制模型难以适应数据动态性与上下文多变性的问题,提出了一种基于动态数据敏感等级的细粒度访问控制模型。该模型首先构建一个多维度量化评估体系,通过分析数据内容、上下文环境及历史操作行为,动态计算数据的实时敏感等级,克服了传统静态分类的僵化性。在此基础上,将动态敏感等级作为核心决策属性,与基于属性的访问控制模型深度集成,设计了一种情境自适应的权限动态授予与撤销机制,实现了对不同用户在不同时间、地点及场景下访问行为的精准管控。实验结果表明,该模型能够在保证较低性能开销的同时,有效感知数据价值与风险的变化,相较于传统基于角色的访问控制模型和静态基于属性的访问控制模型,在权限分配的精确度与安全性上均有显著提升,尤其适用于数据流动频繁、安全需求多变的大数据应用场景,为构建智能、自适应的数据安全防护体系提供了有效途径。

数据空间中基于纠删码的数据布局策略

林兵, 姜海鸥, 檀啸, 陈星, 郑裕恒

计算机科学. 2026, 53 (2): 196-206. doi:10.11896/jsjkx.241200199

摘要 ( 56 )

PDF(3378KB) ( 81 )

参考文献 | 相关文章 | 多维度评价

针对云边环境下面向多目标优化的科学工作流数据布局问题,考虑数据可靠性、工作流执行时延和数据中心负载均衡等因素,提出了数据空间中基于纠删码的数据布局策略。首先,提出在科学工作流执行时使用低存储开销的纠删码冗余技术以提供容错能力,并通过构建数据空间来管理工作流产生的多样化数据;其次,设计了一种响应式多目标进化算法(Interactive Multi-Objective Evolution Algorithm,IMOEA),同时优化执行时延和数据中心负载均衡,通过与决策者交互,使算法生成的解决方案更符合决策者的期望,提高了优化结果的个性化和可接受性。实验结果表明,针对不同规模和类型的工作流,相比于DIST,MOGA和RAND算法,IMOEA在空间指标(Space,SP)上分别降低了2.3%~36.34%,15.71%~44.01%和22.50%~47.64%,在超体积指标(Hypervolume,HV)上分别优化了7.84%~38.23%,14.65%~48.4%和45.01%~109.45%。此外,IMOEA算法可以很好地对决策者的偏好做出反应,找到令决策者满意的数据布局方案。

面向业务流程动态调整的异常检测与修复方法

刘芙洁, 方贤文

计算机科学. 2026, 53 (2): 207-215. doi:10.11896/jsjkx.241200037

摘要 ( 52 )

PDF(3068KB) ( 83 )

参考文献 | 相关文章 | 多维度评价

在数字化转型浪潮中,业务流程的异常检测与修复对保障企业运营效率和决策质量至关重要,同时也对其检测与修复技术提出了更高的要求。传统的异常检测方法已无法满足当前业务流程实时监控和适应性调整的需要,而现有方法多侧重于静态分析,没有充分考虑业务环境的复杂性与多变性,难以适应流程动态变化的需求。基于此,创新性地提出了一种自适应异常处理方法(Adaptive Anomaly Handling Method,AAHM)。该方法通过动态参数调整和实时数据反馈,提高异常检测的准确性和修复的有效性。为验证该方法的有效性,实验采用了4组真实事件日志进行仿真。结果表明,该方法通过特征向量补全和行为修复策略,能够有效识别并对异常行为进行修复,恢复业务流程的正常执行。此外,通过对实验结果进行事后检验分析,进一步验证了所提方法的有效性和合理性。

基于变密度的自适应数据流的异常检测算法

唐承海, 杨雨晴, 杨海峰, 蔡江辉, 周立婵

计算机科学. 2026, 53 (2): 216-226. doi:10.11896/jsjkx.241200044

摘要 ( 99 )

PDF(2952KB) ( 82 )

参考文献 | 相关文章 | 多维度评价

数据流是一类具有高生成率、动态分布特性的数据,其异常检测旨在从这一类数据中发现偏离预期行为的数据流,从而为医疗、工业生产、金融等诸多领域的决策提供支持。现有数据流异常检测方法普遍面临参数敏感性高、时空开销大、阈值选取难等问题。为了解决上述问题,提出一种基于变密度的自适应数据流的异常检测方法。首先定义了可变局部离群因子(Va-riable Local Outlier Factor,VLOF),VLOF通过对比数据点在并行的不同k值的邻域窗口下,其局部可达密度和局部异常因子的变化情况,度量数据点的密度分布,降低单一k近邻密度度量导致的结果不准确。其次,计算VLOF与k值的相对增长率和绝对均值率,以反映数据流的动态变化趋势,并将适应这种动态变化趋势的数据点定义为核心点,通过核心点加快对后续正常点的判断。最后,将相对增长率和绝对均值率作为数据点理论分布的度量指标,计算理论分布和新数据点实际分布的差异,从而自适应地将偏离理论分布的点识别为异常。为了验证提出算法的有效性,在多个UCI数据集和真实数据集下与8个算法进行对比实验,实验结果表明:与基线模型相比,所提方法在精确率、召回率、F1性能指标上表现良好,且时间和空间效率也有相应提升。

多模态水声图像目标视觉检测

黄靖, 王腾, 刘健, 胡凯, 彭鑫, 黄亚敏, 文元桥

计算机科学. 2026, 53 (2): 227-235. doi:10.11896/jsjkx.241200082

摘要 ( 117 )

PDF(4033KB) ( 85 )

参考文献 | 相关文章 | 多维度评价

由于水声图像数据不足,水声目标的监督信息过少,现有的目标检测算法难以直接使用。为了解决此问题,在DETR(End-to-End Object Detection with Transformers)的基础上,提出了一种基于开集的水声图像目标检测方法USD(Underwater Sonar Detection)。首先,在跨模态特征融合编码模块中,使用多尺度可变形注意力机制对图像特征单独迭代,帮助网络有选择性地自动关注重要信息,减少计算量,同时采用多头自注意力机制迭代文本特征,提高模型对序列的全局建模能力;然后,使用双向注意力机制融合文本与图像特征,关注输入序列中的双向关系,使网络学习到更复杂的文本图像关系;最后,在图像文本特征解码模块中,使用Encoder模块输出的图像特征初始化query,在训练时使用DN(DeNoising)方法解决模型收敛慢的问题。实验表明,所提方法在自制的水声图像数据集上的平均检测精度达到77.5%,与其他检测方法相比具有更高的精度,同时实现了开集目标检测,具有良好的检测性能。

双支特征融合的带约束的多损失视频异常检测

韩磊, 商浩宇, 钱小燕, 顾妍, 刘青松, 王闯

计算机科学. 2026, 53 (2): 236-244. doi:10.11896/jsjkx.250300103

摘要 ( 65 )

PDF(2706KB) ( 81 )

参考文献 | 相关文章 | 多维度评价

针对视频异常事件的时空相关性学习对检测性能存在重要影响的问题,提出了基于融合双支特征的带约束损失的视频异常检测方法(Dual-branch Feature Fusion Based Constrained Multi-loss Video Anomaly Detection,DBF-CML-transMIL)。该方法考虑多示例学习中片段的显著性和相关性,利用多层线性神经网络学习各片段的空间显著性特征,并设计级联Transformer融合模块来学习示例间的多层时序相关性;然后利用多损失模型对融合特征进行多loss监督学习,以丰富预测的多样性;针对现有top-k的离散性问题,提出了带约束机制的滑窗top-k强化异常事件的相关性。在ShanghaiTech和UCF-Crime数据集上的对比实验与消融实验表明,DBF-CML-transMIL的异常检测曲线下面积(Area Under Curve,AUC)分别达到97.33%和83.82%;各模块都能有效提升视频异常事件检测的性能。

基于注意力机制的音频驱动数字人脸视频生成方法

郭星星, 肖雁南, 温佩芝, 徐智, 黄文明

计算机科学. 2026, 53 (2): 245-252. doi:10.11896/jsjkx.241200067

摘要 ( 90 )

PDF(3346KB) ( 73 )

参考文献 | 相关文章 | 多维度评价

音频驱动数字人脸视频生成的难点问题在于,如何将音频与视频两种不同模态的信息对齐,从而实现唇音同步。现有技术大多基于英文数据集开发,由于中文发音与英文发音存在差异性,直接将这些技术运用于中文音频驱动数字人脸视频生成时,存在牙齿模糊和视频清晰度不够的问题。基于GAN框架,提出了一种基于注意力机制的音频驱动数字人脸视频生成方法M-CSAWav2Lip。将MFCC和Mel Spectrogram融合,实现音频特征提取。利用MFCC的时间动态特性和Mel Spectrogram的频率分辨能力,全面捕捉语音信息的细微变化。在数字人脸生成过程中,采用基于注意力机制及残差连接的网络架构,通过加权通道和空间注意力机制强化特征的重要性,提高关键音频和视频特征的获取能力,实现有效编码和融合中文音视频信息,生成与语音内容相匹配的唇部动作和面部视频。最后,在自建的中文数据集及通用数据集上进行训练与测试。实验结果表明,所提方法生成的唇音同步数字人脸视频在精度和质量方面均有一定的提升。

语义引导的红外与可见光图像混合交叉特征融合方法

季赛, 乔礼维, 孙亚杰

计算机科学. 2026, 53 (2): 253-263. doi:10.11896/jsjkx.250100123

摘要 ( 67 )

PDF(5177KB) ( 77 )

参考文献 | 相关文章 | 多维度评价

对于自编码器图像融合算法难以突出红外显著目标,现有融合策略难以同时考虑全局结构与局部细节信息,以及大多数融合算法过度关注统计指标,而忽视了高级视觉任务的支持需求的问题,提出了一种基于语义分割网络引导的图像融合方法,并设计了混合交叉特征机制作为融合策略。首先,在编码器和解码器之间引入浅层和深层的跳跃连接,通过最大值选择策略融合特征,以突出显著目标并减少冗余信息。其次,融合策略采用混合交叉特征机制,在单一框架内通过交叉注意力和卷积操作融合不同模态特征,来整合全局上下文与局部细粒度信息。最后,将生成的融合图像输入到分割网络中,利用语义损失引导高级语义信息回流至融合网络,以生成具有丰富语义信息的融合图像。结果表明,所提方法在RoadScene数据集的SD,MI,VIFF,Qabf和AG等客观评价指标上,相较于7种对比算法分别平均提高了33.93%,112.81%,49.89%,27.64%,23.87%。在MSRS数据集的语义分割任务中,该方法在car,person和bicycle这3个类别上交并比超越了7种先进算法,分别平均提高了3.47%,6.37%和9.57%。

聚焦边界和多尺度特征融合的脑卒中病灶分割

刘晨红, 李凤莲, 阳佳, 王夙喆, 陈桂军

计算机科学. 2026, 53 (2): 264-272. doi:10.11896/jsjkx.250300137

摘要 ( 45 )

PDF(4075KB) ( 81 )

参考文献 | 相关文章 | 多维度评价

借助计算机辅助诊断技术定位脑卒中发病区域,有助于提升临床医生的诊断与治疗效率。目前,医学图像里脑卒中病变与健康组织边界常不清晰,而现有多数基于深度学习的分割方法在识别小尺寸病变及处理模糊边界方面存在不足。为此,提出了一种创新的边界感知多尺度特征集成网络(Boundary-Aware Multi-Scale Feature Integration Network,BAMFNet),用于更准确地进行脑卒中病灶分割。BAMFNet中设计了多尺度特征提取模块,该模块利用卷积神经网络和Transformer的混合架构来捕获局部和全局多尺度特征,通过内卷积机制有效减少冗余信息。此外,提出了边界增强和融合模块,其在特征融合过程中有效增强了边界区域的特征。融合模块集成了多层次的信息交互机制,增强了边界特征表示,实现了深层特征和浅层特征的有效结合。在ATLAS v1.2,ATLAS v2.0和ISLES 2022卒中数据集上的实验证明,BAMFNet的骰子相似系数分别达到了62.93%,61.79%和86.66%,优于对比方法。

知识图谱的复杂逻辑查询方法研究综述

陈昱胤, 李贯峰, 秦晶, 肖毓航

计算机科学. 2026, 53 (2): 273-288. doi:10.11896/jsjkx.250400033

摘要 ( 66 )

PDF(3089KB) ( 103 )

参考文献 | 相关文章 | 多维度评价

复杂逻辑查询作为一种深度挖掘知识图谱底层逻辑关系的技术,旨在通过从现有事实中进行推理,来精准回答复杂查询。该技术在语义搜索、推荐系统等场景中表现优异,促进了知识图谱在人工智能领域的深入发展。然而,目前针对复杂逻辑查询方法的研究仍旧不足,整合大语言模型的系统性综述尤为匮乏。鉴于以上现状,深入探讨了涵盖几何对象、概率分布、模糊逻辑及大语言模型四大类别的复杂逻辑查询技术,全面回顾了现有模型的技术特点,并系统总结了这些方法所采用的典型数据集及评价指标。在此基础上,进一步剖析了各方法的优势与局限,旨在为复杂逻辑查询技术的发展提供全面而深入的理论参考。最后,指出了当前复杂逻辑查询技术面临的挑战,并探讨了潜在的研究方向,为未来技术的革新与发展提供有益启示。

融合仇恨对象特征与变体词还原机制的中文仇恨言论检测

孙明旭, 梁刚, 吴逸飞, 胡海馨

计算机科学. 2026, 53 (2): 289-299. doi:10.11896/jsjkx.241200004

摘要 ( 582 )

PDF(3281KB) ( 94 )

参考文献 | 相关文章 | 多维度评价

网络仇恨言论的显著增加及其产生的危害使仇恨言论自动检测成为一项关键任务。现有方法忽略了文本中的仇恨对象对仇恨言论检测模型在语义提取方面的作用,导致模型上下文特征提取能力不足,易受特定表述影响而产生决策错误。同时,现有方法未考虑变体词给语义提取带来的干扰,导致仇恨言论检测漏报率较高。此外,中文仇恨言论检测领域缺乏可用数据集支持。针对上述问题,提出了一种融合仇恨对象特征与变体词还原机制的仇恨言论检测方法。该方法将仇恨对象识别作为中间任务,指导模型充分学习仇恨对象上下文特征,从而增强仇恨言论检测模型对文本的理解能力。此外,引入基于ChatGLM2-6B模型的变体词还原模块,通过还原变体词汇有效缓解了变体词对仇恨言论检测模型语义提取的干扰。最后,构建了一个中文仇恨言论数据集,以促进该领域的进一步研究。经实验验证,所提模型的F1分数达到96.71%,在各项性能上均超越了现有基线方法。特别地,模型在针对特定场景的检测准确率方面提升4.21%,对由变体词引起的漏报率降低3.45%。

用于中英文讽刺检测的动态交互双通道图注意力网络

谭萍萍, 徐计, 李逸骏, 汪海

计算机科学. 2026, 53 (2): 300-311. doi:10.11896/jsjkx.250500015

摘要 ( 35 )

PDF(5172KB) ( 90 )

参考文献 | 相关文章 | 多维度评价

汉语语义的复杂性和情感的细腻表达,导致中文文本讽刺检测具有挑战性。现有的讽刺检测方法多基于英文开发,难以适应中文的独特表达方式和文化内涵。因此,提出了一种新颖的动态交互双通道图注意力网络(Dynamic Interaction Dual-channel Graph Attention Network,DiDu-GAT),利用独特的双通道结构来分析文本中的句法依赖关系与情感特征。DiDu-GAT设计动态交互机制增强其跨通道学习能力,全面提取情感信息和句法信息,从而显著提升了中文讽刺检测的准确率。在哈工大中文讽刺数据集(GuanSarcasm)和两个公开英文讽刺数据集(IAC-V1和IAC-V2)上的实验结果表明,所提方法在主要性能指标上均显著优于现有基线方法,其在中英文讽刺检测任务中的有效性和优越性得到验证。

基于提示学习与自适应损失加权的汉越产业文本分类

陈霖, 马龙轩, 张勇丙, 黄于欣, 高盛祥, 余正涛

计算机科学. 2026, 53 (2): 312-321. doi:10.11896/jsjkx.250300038

摘要 ( 38 )

PDF(4909KB) ( 87 )

参考文献 | 相关文章 | 多维度评价

跨境产业文本分类是支撑跨境产业大数据分析的基础任务。随着东南亚地区跨境产业数据的快速增长,对产业数据的分析和处理,特别是对产业文本分类的需求也在日益增加。然而,当前跨境产业文本面临不同语种间的语言差异、语种间数据不均衡以及标注数据稀缺等问题,尤其在低资源语言中更加突出,导致跨境产业数据分类难度加大。针对这一问题,提出了一种基于提示学习和自适应损失加权策略的少样本跨境产业文本分类方法,显著提升了模型在跨境场景中的分类性能。具体而言,该模型基于提示学习框架缓解数据稀缺问题,利用预训练模型的先验知识增强少样本的学习能力;其次,通过构建跨语言文本对,实现语义空间的知识迁移和语义对齐;同时创新性地设计动态混合损失函数,将交叉熵损失、焦点损失和标签平滑损失进行多目标优化,并基于不确定性加权机制动态调整各损失项权重:交叉熵损失保障基础分类能力,焦点损失强化对难分类样本的关注,标签平滑则有效抑制过拟合风险。实验结果表明,所提方法在中文和越南语产业文本分类任务中显著优于现有主流方法,特别是在数据稀缺和语种不平衡的少样本学习场景下,提供了高效的解决方案,为低资源语言的处理提供了新的研究思路。

深度融合句法和语义特征的情感三元组片段级抽取方法

常轩伟, 段利国, 陈嘉昊, 崔娟娟, 李爱萍

计算机科学. 2026, 53 (2): 322-330. doi:10.11896/jsjkx.250100061

摘要 ( 47 )

PDF(2612KB) ( 87 )

参考文献 | 相关文章 | 多维度评价

方面情感三元组抽取旨在以三元组的形式抽取出句子中包含的方面词及其对应的观点词和情感极性。现有的抽取模型存在未能充分挖掘句子中包含的句法和语义信息、多词实体边界识别错误等问题。对此,提出了一种深度融合句法信息和语义信息的片段抽取模型(Span Extractor Incorporating Semantic and Syntax Features,SESS)。SESS通过结合自注意力机制和多通道图卷积网络,深度挖掘句法与语义特征之间的关联,提升了模型对复杂句式和多词实体的处理能力。同时,模型采用基于片段的抽取方法抽取方面词和观点词,捕捉长实体的整体语义,减少情感不一致性的问题。在标准数据集ASTE-Data-V2上进行的实验表明,SESS在F1值上优于绝大多数对比模型,尤其在复杂语句和多对一、一对多情感关系的处理上表现出色。此外,消融实验和案例分析验证了模型各个模块的有效性及其对任务性能的贡献,进一步证明了所提方法的先进性和鲁棒性。

基于背景结构感知的小样本知识图谱补全

张静, 潘景豪, 姜文超

计算机科学. 2026, 53 (2): 331-341. doi:10.11896/jsjkx.250100107

摘要 ( 84 )

PDF(2842KB) ( 111 )

参考文献 | 相关文章 | 多维度评价

小样本知识图谱补全旨在通过少量参考数据预测知识图谱中长尾关系的未知事实。如何在数据稀疏条件下高效编码实体和关系特征并构建有效的三元组评分函数对补全效果影响显著。现有的小样本知识图谱补全模型忽略了实体上下文背景结构信息对实体编码和评分函数的影响,导致关系表示学习能力不足。针对上述问题,提出了一种基于背景结构感知的小样本知识图谱补全模型(BSA)。首先,设计了一种实体对上下文背景结构信息交互指标,通过衡量邻居实体在结构上的影响,指导模型将注意力集中在与中心实体结构更相似的邻居节点,以减少噪声邻居的不良影响。其次,在关系表示学习阶段,引入背景知识图谱中语义和结构相似的关系信息进一步增强目标关系的嵌入表示。最后,在评分函数中引入头尾实体对的上下文信息交互指标,提升模型对复杂关系的推理能力。实验结果表明,与当前主流方法相比,BSA模型在NELL-One数据集测试中,MRR,Hit@5和Hit@1评价指标分别提高了0.4个百分点,0.8个百分点和0.5个百分点。在Wiki-One数据集测试中,MRR,Hit@10和Hit@5指标分别提高了1.9个百分点,2.2个百分点和2.2个百分点,充分证明了BSA模型的有效性。

基于可穿戴传感器的人体运动识别算法

蒋磊, 王子, 杨荣, 韩旺林

计算机科学. 2026, 53 (2): 342-348. doi:10.11896/jsjkx.241200083

摘要 ( 49 )

PDF(3094KB) ( 76 )

参考文献 | 相关文章 | 多维度评价

在全球老龄化的背景下,膝关节外骨骼被广泛应用于老年人膝关节的健康维护和康复训练。膝关节外骨骼往往采用嵌入式设备进行人体下肢运动状态的识别,这需要在传感器的选择与布局、算法的准确性与计算复杂度之间找到平衡点。对此,提出了一种适用于膝关节外骨骼的人体运动识别算法。该算法利用大小腿部两个惯性测量单元(IMU)采集下肢运动数据,识别方法包括特征组合、特征筛选和运动状态识别3个步骤。通过交叉方法进行特征组合,以优化特征表达。改进的一对多(One-vs.-Rest,OvR)方法被应用于解决运动识别问题。该方法中使用了一种结合了Relief算法、皮尔森相关系数和机器学习反向筛选的方法的融合算法进行特征选择,以降低计算复杂性,并将历史信息以及其他状态数据整合到模型训练中,以进一步提高准确性。该模型对人体6种日常运动状态进行分类,识别准确率可达97.76% 。实验结果验证了该算法在有限的传感器个数限制下,可以准确且快速地识别下肢运动状态,为膝关节外骨骼的精准检测以及实时控制提供一个准确、低算力要求的解决方案。

基于迁移知识选择和种群削减的进化多任务优化算法

李二超, 黄鹏飞

计算机科学. 2026, 53 (2): 349-357. doi:10.11896/jsjkx.250600197

摘要 ( 58 )

PDF(2338KB) ( 66 )

参考文献 | 相关文章 | 多维度评价

进化多任务优化是近年来计算智能领域的研究热点之一,其原理是通过任务间的知识迁移提高算法同时求解多个任务的效率。不合理的迁移知识选择会降低任务间的正向知识迁移,因此如何合理选择迁移知识成为了当前的重点研究方向。此外,在算法进化过程中,单层种群削减难以长期维持算法的高效优化性能。基于此,提出了一种基于迁移知识选择和种群削减的进化多任务优化算法(MTDE-MCT)。首先,初始化任务种群并进行适应度评估,采用基于曼哈顿距离和适应度值的联合指标进行迁移知识的选取。其次,通过子群体对齐策略消除任务间迁移个体的特征差异。最后,提出了一种多层种群削减策略,根据算法的进化阶段对任务种群进行线性规模的削减。为验证所提算法的性能,在CEC2017问题测试集和WCCI2020问题测试集上将其与近几年的经典算法进行了比较。实验结果证明,该算法在求解多任务优化问题时具有较强的竞争力。

基于拓扑虚拟结构洞节点的分布式多智能体快速共识寻求

谢光强, 邱枫阳, 李杨

计算机科学. 2026, 53 (2): 358-366. doi:10.11896/jsjkx.241200109

摘要 ( 53 )

PDF(5595KB) ( 92 )

参考文献 | 相关文章 | 多维度评价

分布式智能体共识寻求是多智能体系统(Multi-agent Systems,MASs)研究中的一个重要问题。社会人际网络的结构洞理论表明,占据网络中的空洞位置能够促进节点间的信息融合与资源共享,加速信息协同,但在分布式的切换拓扑场景下,如何利用拓扑结构洞信息来加速智能体共识是一项挑战。此外,虚拟领导者具备快速引导、避障、协助达成期望目的等便捷优势,在追踪共识中广泛使用。鉴于此,提出了拓扑虚拟结构洞节点构建共识模型(Virtual Structure Hole Construction Consensus,VSHCC)。首先,设计了拓扑各要素(点、边、团)相关联的重要节点评估策略,用于多角度量化节点重要性并区分重要节点;其次,提出了虚拟结构洞节点构造方法,用于融合重要节点信息,同时,针对虚拟结构洞节点设计了一致性演化规则,使智能体能够朝着高度有利的位置演化。此外,引入基于锐角测试图的几何约束法来保证不分裂的同时适当扩大约束集,加快收敛速度。实验仿真表明,所提算法可以有效提高系统共识速度,增强系统的一致性。

移动边缘计算卸载技术研究综述

桓海盛, 赵鹏, 陈诺, 卡祖铭

计算机科学. 2026, 53 (2): 367-378. doi:10.11896/jsjkx.250100058

摘要 ( 103 )

PDF(2421KB) ( 78 )

参考文献 | 相关文章 | 多维度评价

随着物联网与5G技术的不断演进,数据流量呈现出前所未有的爆炸式增长趋势。在此背景下,传统集中式云计算模式已无法满足终端数据处理低延时和低能耗的需求,能够在数据产生源头提供即时服务的移动边缘计算(Mobile Edge Computing,MEC)逐渐成为解决该问题的最优选。计算卸载作为MEC技术的核心组成部分,其性能受多种因素影响,优化计算卸载以提升性能已成为全球研究者关注的焦点。对此,深入探讨了MEC的计算卸载技术。首先,回顾了MEC的发展历程,并阐述了MEC和计算卸载的概念和架构;其次,从计算卸载技术在不同场景下的实际应用出发,讨论了其研究现状,并介绍了有关计算卸载的优化技术;最后,分析了计算卸载技术面临的挑战,并对未来MEC计算卸载技术的研究方向进行展望,为后续的研究工作指明方向。

面向用户的移动群智感知动态负载均衡任务分配策略

李凡, 吴亚辉, 邓苏, 马武彬, 周浩浩

计算机科学. 2026, 53 (2): 379-386. doi:10.11896/jsjkx.241100196

摘要 ( 41 )

PDF(3264KB) ( 86 )

参考文献 | 相关文章 | 多维度评价

移动群智感知系统中,用户的参与意愿和体验对系统的整体性能和长期持续运行具有重要影响。现有面向用户的任务分配策略大多只考虑到用户的成本效益,忽视了任务分配过程的负载均衡问题,致使部分关键节点因负载较重而过早退出,影响系统的长期效能。为此,构建了一种以用户为中心的长时域动态任务分配模型,针对模型的动态性和持续性的特点,提出了基于改进Lyapunov优化理论的求解算法,同步考虑了系统整体效益和负载均衡性的双重优化,实现动态环境下的带有负载均衡约束的任务最优的分配。实验结果表明,所提算法在保证队列稳定性和系统整体效益最优的前提下,将用户的负载均衡性提升了近20%。

基于多目标优化的大规模Hadoop集群虚拟机放置

文佳, 吴舒霞, 于正欣, 苗旺, 陈哲毅

计算机科学. 2026, 53 (2): 387-395. doi:10.11896/jsjkx.241200020

摘要 ( 36 )

PDF(3827KB) ( 80 )

参考文献 | 相关文章 | 多维度评价

虚拟化技术已成为云计算快速发展的核心支撑。Hadoop作为一种广泛应用于云环境中的分布式框架,其集群性能通常受限于低下的资源管理效率。随着数据量与集群规模的不断增大,如何高效优化虚拟机放置进而降低Hadoop集群能耗、提升资源利用率和缩短文件访问延迟已成为一个极具挑战的难题。对此,提出了新型的面向大规模Hadoop集群虚拟机放置的可变长度双染色体多目标优化(Multi-objective Optimization with Variable Length Double chromosome,MO-VLD)方法。首先,通过结合可变长度染色体与非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-III,NSGA-III),设计了双染色体结构。接着,引入两阶段交叉与变异操作以增强解空间探索的多样性。基于谷歌集群真实运行数据集的大量实验表明,MO-VLD方法能够有效应对动态的资源需求并提升Hadoop集群的资源管理效率。相比于基准方法,MO-VLD方法在能耗、资源利用率和文件访问延迟方面均展现出更加优越的性能。

基于博弈论的UAV辅助MEC系统中飞行路径及任务卸载优化研究

韦熳熠, 王高才, 温一虎

计算机科学. 2026, 53 (2): 396-405. doi:10.11896/jsjkx.250300088

摘要 ( 77 )

PDF(2883KB) ( 83 )

参考文献 | 相关文章 | 多维度评价

在传统的移动边缘计算(Mobile Edge Computing,MEC)系统中,MEC服务器通常部署于固定位置,易受多径效应和非视距路径影响,造成通信阻塞。采用无人机(Unmanned Aerial Vehicle,UAV)辅助MEC,已经成为一种新的趋势。首先,为使UAV能够为区域内所有设备提供服务并延长运行时间与相关网络寿命,提出UAV辅助MEC中基于终端用户分簇的飞行路径优化方法,使用K-means算法将终端用户划分为多个簇,分簇后,基于簇中心将最短飞行路径问题转换为旅行商问题,并采用混沌博弈优化结合2-Opt的方法解决该问题。然后,为优化系统能耗与时延,从用户角度出发设计出基于势博弈的任务卸载策略方法,将全局优化问题建模为势博弈模型,并证明其至少存在一个纳什均衡(Nash Equilibrium,NE),且最优NE恰好对应全局最优解。实验结果表明,与其他经典算法相比较,所提飞行路径与任务卸载优化算法能在有效最小化系统的能耗与时延加权和的同时,确保服务覆盖整个区域。

低轨卫星网络中基于深度强化学习的航空器任务卸载策略

李芳, 袁宝淳, 沈航, 王天荆, 白光伟

计算机科学. 2026, 53 (2): 406-415. doi:10.11896/jsjkx.250200092

摘要 ( 67 )

PDF(4154KB) ( 64 )

参考文献 | 相关文章 | 多维度评价

低地球轨道(LEO)卫星通信具有传输距离远、覆盖范围广、不受地形地貌限制等优点,已成为民航运输业和通用航空业的重要通信手段。然而,低轨卫星网络是一个高度异构和动态的环境,卫星节点的移动性、通信链路的复杂性、航空器时空分布不均和多种业务并存等特点使得任务卸载和资源分配面临许多挑战性问题。为此,提出了一种基于双深度强化学习(Double Deep Reinforcement Learning,DDRL)的航空器任务卸载方法,目的是最大化系统整体效用。首先,系统效用最大化问题被建模为一个任务卸载和资源分配的联合优化问题,同时考虑LEO卫星的计算能力和覆盖时间。接下来,将问题转换为马尔可夫决策过程,利用双重深度Q网络(Dual Deep Q Network,DDQN)算法学习最优的任务卸载决策,并在此基础上使用时间差分三重策略梯度(Time Difference Triple Policy Gradient,TD3)算法以获得最优资源分配策略。仿真实验表明,在不同的计算资源和通信资源下,所提出的方案在系统效用上优于其他基准方案,证明了所提框架的可用性。

面向低地球轨道卫星的高能效RoI分片拍摄任务调度方案

高培泽, 田厉锋, 李跃鹏, 曾德泽, 钟梁, 龚文引

计算机科学. 2026, 53 (2): 416-422. doi:10.11896/jsjkx.250200054

摘要 ( 37 )

PDF(3357KB) ( 97 )

参考文献 | 相关文章 | 多维度评价

随着低地球轨道(Low Earth Orbit,LEO)卫星技术的快速发展,搭载高分辨率可旋转相机的LEO卫星在执行复杂的地球观测任务(Earth Observation Missions,EOMs)中发挥重要作用,这些任务通常需要对许多感兴趣区域(Region of Interest,RoI)进行多卫星协同拍摄。然而,不同于传统单颗卫星拍摄时仅需要考虑拍摄能耗,为保证任务要求的RoI区域能够被完全覆盖,需要卫星频繁调整摄像头角度,从而引发高昂的相机旋转功耗。不合理的RoI分片拍摄任务分配难以权衡在多星协同拍摄时所产生的相机拍摄能耗与相机旋转能耗。为此,研究了RoI分片拍摄任务分配问题,通过综合考虑卫星的轨道方向、星载相机旋转能耗与拍摄能耗的均衡,在确保区域完全覆盖的同时,实现拍摄任务总能耗降至最低。接着,提出了一种面向异构LEO卫星的高能效RoI分片拍摄任务分配(Energy-efficiency RoI Slicing Capturing Task Scheduling,ERSCTS)算法。最后,通过与经典的卫星拍摄任务分配算法进行全面的对比实验,验证了ERSCTS算法在降低卫星能量开销上的有效性。实验结果证明,在保证RoI区域全覆盖拍摄的条件下,ERSCTS算法可以将拍摄任务总能耗平均降低24.5%。

基于异构图注意力网络的智能合约漏洞检测方法

李诚宇, 黄可, 张锐恒, 陈伟

计算机科学. 2026, 53 (2): 423-430. doi:10.11896/jsjkx.241200144

摘要 ( 42 )

PDF(1646KB) ( 69 )

参考文献 | 相关文章 | 多维度评价

以太坊等区块链平台智能合约的安全漏洞一直是业界关注的焦点。使用字节码分析和检测智能合约漏洞是当前的主流方法之一,其中符号执行等传统方法需借助预定义的漏洞知识建立规则检测漏洞,存在效率低、精度差等问题。基于深度学习的检测方法则缺乏对字节码程序语义的深入理解,并且难以在过滤编译过程中产生噪声的同时捕捉完整的控制流与数据流信息。针对以上问题,提出了一种构建关键语义图检测智能合约漏洞的方法,首先定义了特定的去噪预处理规则实现对合约数据去噪,同时保留漏洞相关的关键语义信息,然后提出了一种能够捕捉程序丰富语义的异构图表示方法,并设计了一个基于异构图注意力网络(Heterogeneous Graph Attention Network,HAN)的漏洞检测模型。实验结果表明,所提方法优于现有的智能合约漏洞检测方法,对于拒绝服务、整数溢出、时间戳依赖和未检查函数返回值漏洞,其F1值分别提升了17.75,5.94,28.94和27.85个百分点。

支持分层访问控制的弱中心化敏感数据共享方案

郑开发, 孙炜, 周俊旭, 吴云坤, 徐振, 刘志全, 何强

计算机科学. 2026, 53 (2): 431-441. doi:10.11896/jsjkx.250900047

摘要 ( 40 )

PDF(3154KB) ( 74 )

参考文献 | 相关文章 | 多维度评价

在云边协同等分布式应用场景下,实现高效性、可检索性与弱中心化的细粒度访问控制是保障敏感数据安全共享的核心挑战。然而,传统方案存在高昂的计算开销、缺少密文检索功能和中心化架构固有的安全风险等问题。对此,提出一种支持分层访问控制的弱中心化敏感数据共享方案(HAC-SDS)。首先,通过云边端协同计算方式,将终端侧开销转移到云边侧,降低计算和存储开销。其次,通过构建加密的倒排索引,支持对云端文件进行快速、细粒度的检索,并结合属性撤销与动态更新机制,显著提升效率。最后,将区块链技术应用于密钥管理,通过其弱中心化的特性,从根本上消除传统中心化方案的单点瓶颈与信任风险。安全分析表明,密文的不可区分性有效保障了数据的机密性。实验结果表明,所提密文检索方案在实际应用中是高效可行的。

基于用户行为的云邮件防御资源分配方法

张万友, 宋礼鹏

计算机科学. 2026, 53 (2): 442-453. doi:10.11896/jsjkx.250300041

摘要 ( 60 )

PDF(4768KB) ( 95 )

参考文献 | 相关文章 | 多维度评价

近年来,随着云邮件应用的普及,用户数量不断增加,钓鱼攻击等邮件安全威胁日益严重。有效的防御资源分配成为保障云邮件系统稳定运行的关键。然而,现有的防御资源分配方法往往未充分考虑用户行为、多个云节点间的关联关系和横向钓鱼攻击问题,难以精准应对复杂的安全威胁,导致资源利用效率低下和防御效果不佳。为解决这一问题,提升云邮件节点的安全性和资源利用率,提出了一种基于用户行为的云邮件防御资源分配方法。首先,构建了云邮件节点风险评估模型,综合评估钓鱼邮件攻击成功率以及单个云邮件节点和多个关联节点的云端风险。随后,设计了单个节点防御资源动态分配算法和多个相互关联节点防御资源协同分配算法,根据用户登录概率、信任关系、行为模式、节点拥有的防御资源量和实时威胁态势动态调整资源分配策略。实验结果表明,与现有防御资源分配方法相比,所提方法能够实现节点之间资源的协同调配,有效提高了资源利用率并取得了最低全天系统总损失值,表现出了优越的效果,为云邮件节点的防御资源分配提供了更优的解决方案。