计算机科学

第53卷第6期目录

计算机科学. 2026, 53 (6): 0-0.

摘要 ( 138 )

PDF(387KB) ( 147 )

相关文章 | 多维度评价

AI数字人教师驱动的智能教学模式研究

蒋杰, 杨若藜, 戚瑞, 万百妍

计算机科学. 2026, 53 (6): 1-9. doi:10.11896/jsjkx.250600156

摘要 ( 262 )

PDF(2437KB) ( 243 )

参考文献 | 相关文章 | 多维度评价

AI数字人教师作为教育智能化的重要组成部分,正逐渐应用于多种教学场景。围绕其在多门课程中的普适性应用展开研究,从模块化教学设计原则出发,分析语音合成与视频生成等关键技术,探索AI数字人教师在内容展现、动机激发、个性化适配、学后反馈等教学环节中的效果提升路径,并以程序设计课程为实例,提出具体的教学适配机制和改进方法。研究表明,AI数字人教师在提升教学环节的适配性和互动性方面具有潜在优势,为未来智能化教学模式的优化与实践探索提供了可行思路。

基于胶囊网络的教学评价情感分析方法

柯昌博, 李天昊, 张伯雷, 肖甫, 徐康

计算机科学. 2026, 53 (6): 10-18. doi:10.11896/jsjkx.251200107

摘要 ( 229 )

PDF(2859KB) ( 159 )

参考文献 | 相关文章 | 多维度评价

随着智慧教育的深入推进,教学评价文本的智能化分析成为提升教育质量的重要研究方向。教学评价文本通常具有多维度共存、情感表达隐式以及类别分布不均衡等特征,对细粒度情感分析方法提出了更高要求。为此,提出一种融合RoBERTa预训练语言模型、交叉注意力机制和胶囊网络的情感分析模型CrossAtt-CapsNet-RoBERTa。该模型首先利用 RoBERTa 获取文本与方面类别的深层语义表示;随后,通过跨语义交叉注意力机制强化方面类别与上下文之间的关联;最后,引入可学习的类别引导胶囊,并借助动态路由机制实现方面检测与情感分类的联合建模。为验证模型性能,自主构建了包含9个方面类别的真实教学评价数据集。实验结果表明,所提出的模型在公开数据集Res14上的情感分类准确率达91.3%,在公开数据集MAMS-ACSA上的情感分类准确率达83.68%,均高于基线模型;在自主构建的真实教学评价数据集上,方面检测F1值达79.95%,情感分类准确率达92.76%,均高于对比模型。消融实验进一步证实了交叉注意力机制、类别引导胶囊等模块设计的有效性。此外,在小样本场景下,模型展现出较强的适应性与泛化能力。研究结果为教学评价的智能化处理提供了有效的技术思路。

基于注意力机制和特征交互的学业预警预测模型

刘如意, 吕筱晗, 苗启广, 卢子祥, 王笛

计算机科学. 2026, 53 (6): 19-29. doi:10.11896/jsjkx.250600192

摘要 ( 252 )

PDF(3673KB) ( 202 )

参考文献 | 相关文章 | 多维度评价

在“互联网+教育”背景下,高校教育信息管理平台积累了海量学生行为数据,为学业预警研究提供了重要基础。然而,这些数据存在显著的类别不平衡问题。此外,由于学生行为数据以结构化形式存储,其特征间缺乏天然的空间关联性,传统深度学习方法难以有效挖掘特征间的潜在交互关系。此外,结构化数据中的不同特征具有明显语义差异,若不加区分地进行特征交互,可能导致模型学习到无效甚至误导性的关联模式,影响预警准确性。针对上述问题,提出了一种基于注意力机制和特征交互的学业预警预测模型。首先通过一种基于相对邻域密度的非线性少样本合成算法进行数据增强,以缓解类别不平衡问题。在模型架构上,采用残差连接结构,先通过可学习的多元高斯核将异质特征统一编码为向量表示,减少结构化数据中不同特征在数据类型和分布特性上的差异。在此基础上,结合语义匹配和注意力机制构建特征交互模块。具体而言,将每个特征建模为图中的一个节点,利用语义匹配机制动态计算边权重,并融合全局语义拓扑结构确定特征间的交互关系。此外,为直观展示特征对预测结果的影响,设计了基于泰勒公式的改进神经加性模块,利用泰勒多项式拟合输入输出间的非线性关系,使模型输出能显式呈现为特征的线性和非线性组合;同时引入张量分解技术,降低计算复杂度,提升高维数据处理效率,进一步提高了模型的泛化能力。

基于GNN多模态融合的高校舆情分析

李振, 张洋, 李智超, 展鹏, 陈琳

计算机科学. 2026, 53 (6): 30-38. doi:10.11896/jsjkx.250600158

摘要 ( 163 )

PDF(3318KB) ( 151 )

参考文献 | 相关文章 | 多维度评价

当前社交媒体平台已成为高校舆情事件识别的重要信息来源,但高校舆情分析仍面临领域术语稀疏、平台结构特异、事件类型多样等独特挑战。为此,提出一种基于图神经网络的多模态融合框架,通过融合DOM拓扑结构、知识增强文本、跨模态动态交互,为高校管理者提供高鲁棒性、高精度的舆情分析工具。通过挖掘HTML DOM的拓扑语义与跨模态动态交互信息,获取深度融合特征信息,提升舆情分析的鲁棒性。模型将DOM树解析为多层级图结构,利用GNN建模节点间拓扑关系;设计门控跨模态注意力模块,动态调节DOM、文本与图像的融合强度;引入维基百科知识增强策略,通过实体关联扩展短文本语义。实验结果表明,所提模型在诸多基准数据集上性能较基线模型有所提升。该框架有效解决了模态语义割裂、短文本信息不足等问题,为高校舆情分析提供了高精度的多模态融合解决方案。

基于前额叶EEG驱动的自适应学科学习效果评估模型研究

谢晖, 梁丹, 杨慧婷, 贾春丽, 贺江山, 董泽骁, 任子琪, 蒋明哲, 陈雪利

计算机科学. 2026, 53 (6): 39-49. doi:10.11896/jsjkx.250600153

摘要 ( 125 )

PDF(3786KB) ( 85 )

参考文献 | 相关文章 | 多维度评价

我国目前拥有多种在线学习平台,在线教育用户超过3亿人,在线教育成为了人们生活必不可少的一部分。在线教育在为人们提供便利的同时,其学习效果评估仍面临许多挑战:一是传统方法难以捕捉学科间神经响应的差异,二是缺乏融合多维度行为数据的动态评估指标。针对这些问题,基于比格兰学科分类模型,设计了多学科拟真在线学习实验,系统比较了学生学习不同学科时前额叶的EEG特征差异,同时设计了包含实验答题时间与答题准确率的学习效果标签,建立了EEG特征数据集并训练了在16个学习视频、8门课程与四大学科层面的学习效果分类模型。实验结果表明,学生学习人文科学与硬学科(自然科学、应用科学)在前额叶的响应模式有较大差异;在按四大学科统计学习效果时可以实现约90%的学习效果分类准确率,验证了便携式EEG设备在教育评估中的可行性,为未来教育智能评估中的个性化肖像生成提供可借鉴方案。

融合核心句子与关键词引导的多任务课堂标题生成方法

上怡, 英迪, 赵晖

计算机科学. 2026, 53 (6): 50-58. doi:10.11896/jsjkx.250600151

摘要 ( 121 )

PDF(2505KB) ( 80 )

参考文献 | 相关文章 | 多维度评价

标题生成作为文本生成任务的一项基础应用,常面临信息覆盖不足和语义偏离的问题。针对这一挑战,提出一种以核心句子为引导的多任务标题生成模型,强调核心句子在捕捉原文主旨和提升标题生成质量中的关键作用。该模型以原文、核心句子与关键词为输入,训练阶段使用标注的核心句子,测试阶段则由核心句子分类任务自动获取。通过核心句子分类与标题生成的联合训练,模型能够在识别关键内容的同时,更精准地生成高度契合原文语义的标题。此外,为进一步提升生成效果,引入关键词与标题的相似度损失,辅助加强主题一致性。解码阶段,在教学场景中明确区分了内容理解和概念聚焦两种认知过程,模型构建了双层交叉注意力,生成概括性强且简洁流畅的标题。实验结果表明,在多任务框架下,核心句子提取任务的结果可以辅助标题生成任务,任务间通过共享信息协同优化,显著提升了标题生成的质量,为教学资源的自动化构建提供了新思路。

基于多智能体协作的学生代码知识点自动标注方法——以C语言为例

刘佳琦, 高志泽樟, 孟宪佳, 孙霞, 冯筠

计算机科学. 2026, 53 (6): 59-68. doi:10.11896/jsjkx.250600150

摘要 ( 141 )

PDF(2308KB) ( 92 )

参考文献 | 相关文章 | 多维度评价

在智能教育系统中,知识点标注是实现教学资源组织、个性化推荐与学生认知状态建模的关键模块。然而,传统以习题为导向的知识点标注方法存在局限性,难以反映学生在编程过程中展现的个体差异。为此,提出了一种基于多智能体协作的学生代码知识点自动标注方法。该方法从习题导向转向代码导向,构建了涵盖语句层、代码块层与函数层的三层次知识点体系,并设计了由知识点标注、任务分析与整合反馈3个智能体组成的协作系统,该系统具备内部自检与迭代优化能力。实验基于基础编程课程的363份学生代码样本展开,在真实教学案例中展现出对学生知识点标注的良好的解释性与群体分析能力,能够有效揭示学生的知识掌握情况与典型认知缺陷。此外,该研究采用基于大语言模型(LLM)评审机制的评判方法进行评估。结果表明,多智能体协作方法在五维度(完整性、准确性、合理性、错误识别能力和教育指导性)的评分均优于直接采用LLM的方法,且被选为最佳方案的次数显著更多。研究实现了对学生代码知识点的自动化标注与可解释性,为细粒度学生建模、个性化评估等下游任务提供了技术支撑与实践基础。

从识别到生成:在线学习场景下学生专注行为的自然语言表达

解聪聪, 安宇轩, 王笛, 罗雪梅, 王义峰

计算机科学. 2026, 53 (6): 69-76. doi:10.11896/jsjkx.250600189

摘要 ( 115 )

PDF(3074KB) ( 86 )

参考文献 | 相关文章 | 多维度评价

人工智能技术的持续发展推动了教育智能化进程,学生行为分析成为支持精准教学与个性化教育的重要研究方向。然而,现有方法大多依赖专用模型进行行为特征提取与分类,结果通常以抽象标签呈现,缺乏可解释性和直观性。为实现在线学习场景下学生专注行为的自然语言表达,构建了一个在线课堂场景下图文对齐数据集,包含学生在线学习图像及其对应专注行为描述,涵盖单帧图像与多帧图像序列两种形式;在此基础上,提出了一种面向学生专注行为描述任务的多模态微调方法,并在视觉语言大模型Qwen2.5-VL-3B和Qwen2.5-VL-7B上进行了微调验证。该方法基于头部姿态、视线方向和面部表情设计提示词,引导模型学习学生专注度相关特征,并设计学生专注度感知损失,增强模型对学生行为的理解精度。实验结果表明,微调后的模型较现有视觉语言模型在学生专注行为描述任务中具有较好的准确性。

基于代码分析的编程学情反馈报告生成

崔灿, 高志泽樟, 崔磊, 冯筠, 孙霞

计算机科学. 2026, 53 (6): 77-83. doi:10.11896/jsjkx.250600160

摘要 ( 118 )

PDF(2178KB) ( 78 )

参考文献 | 相关文章 | 多维度评价

为解决传统编程反馈依赖结果性指标,无法提供细粒度指导,以及大语言模型在教育场景中应用泛化、引导不足等难题,构建了一个基于代码数据的学情报告自动生成系统。该系统创新性地融合了静态代码质量分析与多次代码提交记录,并针对性地采用多角色智能体(Agent)协作模式、优化的思维链(CoT)提示策略与分层生成机制,旨在为学生提供精准、全面的学情反馈。对真实学生编程数据的实证研究结果表明,该系统能够有效定位学生代码中的具体问题,清晰地呈现其解题思维路径与知识盲区。学生评估反馈证实,生成的学情报告在准确性、实用性等方面表现优异,于编程教学实践中展现出显著的应用价值与发展潜力。

基于关系学习的记忆网络知识追踪模型

许智宏, 杨鑫磊, 王利琴, 董永峰, 王旭

计算机科学. 2026, 53 (6): 84-92. doi:10.11896/jsjkx.250600155

摘要 ( 116 )

PDF(2825KB) ( 80 )

参考文献 | 相关文章 | 多维度评价

知识追踪技术,即根据学生过去的答题信息建模,准确预测学生对各知识概念的掌握程度和未来学习表现,成为构建智能教育系统的核心和关键。随着深度学习的发展,知识追踪的研究方法越来越多,但是问题与知识点之间的关系复杂且隐晦,在缺乏专家标注的条件下,模型难以准确挖掘其潜在的关系特征。针对现有方法在问题和知识点间关系建模能力不足及模型可解释性差的问题,提出了基于关系学习的记忆网络知识追踪模型MKTRL。首先,模型使用多层Transformer组成的自监督关系学习模块,有效建模问题与知识点间的关系特征,并且结合动态多头注意力提取问题序列中的关键信息,提升模型对序列中长期依赖的处理能力;然后,使用双矩阵的知识记忆存储模块动态建模学生对每个知识点的掌握状态,并进行学习表现预测;最后,使用基于PGD的对抗训练方法生成对抗样本进行联合训练,提升模型的泛化能力。在3个知识追踪数据集上与7个代表模型的对比实验表明,MKTRL在AUC与ACC指标上均有提升,多维度实验进一步验证了该模型的预测有效性。

基于知识图谱的个性化在线课程推荐方法

赵蕾, 杨雨露, 袁波

计算机科学. 2026, 53 (6): 93-101. doi:10.11896/jsjkx.250600154

摘要 ( 129 )

PDF(2010KB) ( 77 )

参考文献 | 相关文章 | 多维度评价

随着在线学习平台数量激增与课程内容的指数级增长,用户在海量信息中面临着严重的选择困境。由于未能充分挖掘用户与课程之间的交互信息,现有推荐模型的推荐结果与用户真实需求存在偏差,严重影响学习体验与资源匹配效率。针对上述问题,提出一种基于增强信息表示的图神经网络推荐模型——IKGCN(Interactive Knowledge Graph Convolutional Network)。该模型通过构建课程知识图谱和用户-课程交互图,借助融合门聚合机制识别并整合两类图结构的互补信息,实现双重信息维度的深度融合,从而有效捕捉用户行为模式的动态特征,显著提升课程语义表征的准确性与推荐系统的智能化水平。实验结果表明,相较于传统基线方法,IKGCN 在多个关键指标上实现了显著突破,在召回率和归一化折扣累积增益(NDCG)等核心评估维度上分别提升了4.84%和9.22%,充分验证了该模型在优化在线教育推荐服务中的有效性与实用性。

扩散模型并行训练与推理综述

朱虎明, 刘卉杰, 董西淼, 陈志鹏, 高天琦, 焦李成

计算机科学. 2026, 53 (6): 102-116. doi:10.11896/jsjkx.251000119

摘要 ( 145 )

PDF(3959KB) ( 101 )

参考文献 | 相关文章 | 多维度评价

扩散模型目前在图像与视频等生成任务中展现出卓越的生成质量与可控性,但在大规模训练与推理场景下仍面临显著的系统性能瓶颈。对此,从扩散模型的基本原理与建模范式出发,考虑去噪网络的计算特征,系统分析了训推阶段面临的挑战,总结了当前主流开源扩散模型采用的并行优化策略与分布式训练框架。分析得出训练阶段的主要挑战包括显存压力大、训练时间开销长和计算效率不足;推理阶段则存在时间步维度的冗余计算与推理延迟高的问题。针对这些瓶颈,归纳并比较了数据并行、张量并行、序列并行、流水线并行及时间步并行等多种优化方法,系统分析各方法在优化显存、减少通信代价与通算重叠等方面的适用性与计算效率提升潜力。基于开源技术报告与实验数据,分析得到并行优化可显著降低显存开销并提升推理速度的结论。进一步调查了主流扩散模型推理框架的并行支持特性,揭示了在多节点推理、动态调度与混合专家并行等方面的潜在发展方向。该研究为扩散模型的高效训练与推理提供了系统参考,对大规模生成模型的性能优化与分布式部署具有重要意义。

带状矩阵LU分解在GPU上的实现和优化

孙小雪, 贾海鹏, 张云泉, 喻越, 秦品乐

计算机科学. 2026, 53 (6): 117-127. doi:10.11896/jsjkx.251000118

摘要 ( 119 )

PDF(5204KB) ( 65 )

参考文献 | 相关文章 | 多维度评价

带状矩阵是一类广泛应用于科学计算与工程模拟中的稀疏矩阵,其LU分解作为一种经典的直接求解方法,在求解大规模线性方程组、仿真计算以及工程优化等问题中具有重要意义。针对传统算法在并行度和内存访问效率等方面的局限性,提出一种带状矩阵LU分解在国产DCU上的高效实现和优化方法,主要包括:一种结合Right-looking结构与块划分策略的优化方法,能够显著提升计算局部性和执行效率;一种高性能Panel分解算法,能够显著减少kernel启动次数和全局内存访问开销。在不同矩阵规模和带宽设置下的实验评估结果表明,所提出的GPU实现在保持数值稳定性的前提下,在运行时间和资源利用率方面均优于传统的LAPACK和MKL实现。研究表明,该方法具有良好的可扩展性与工程实用价值,为带状矩阵在异构并行计算平台上的高效实现提供了理论依据和实践参考。

基于 RISC-V 指令拓展的神经网络加速器编译技术研究

王一品, 蔡成欢, 许嘉滨, 周学功, 张逢喆, 曹伟, 张帆, 余新胜

计算机科学. 2026, 53 (6): 128-136. doi:10.11896/jsjkx.250600137

摘要 ( 143 )

PDF(2325KB) ( 78 )

参考文献 | 相关文章 | 多维度评价

随着人工智能的快速发展,基于 RISC-V 指令扩展的神经网络加速器成为研究热点。深度学习编译器是实现神经网络模型在硬件平台上高效部署的关键。然而,结合硬件特性修改现有编译器的调优规则对开发人员要求较高,同时现有编译器缺乏对专门转置硬件单元的编译支持,无法通过数据流重构实现高效转置,导致未充分发挥此类硬件的性能潜力。针对这些问题,首先,基于 MLIR 框架设计了一款面向 RISC-V 神经网络专用加速器的编译工具链,可实现模型端到端的部署;其次,在 MLIR 框架中引入了硬件特征相关的 Dialect,编译器能够结合加速器缓冲区大小、脉动阵列尺寸、双缓冲策略以及数据流模式优化分块矩阵乘法操作,并结合硬件结构,通过改变矩阵数据流的方式实现矩阵转置操作,避免大规模数据的交换。此外,还根据脉动阵列特性实现了卷积算子融合以及矩阵乘法与向量计算的算子融合。实验结果表明,转置优化后运行速度平均提升了14.55倍,算子融合后运行速度平均提升了 41.59%,综合优化后 BERT 模型运行速度平均提升了 5.13%。

基于Kokkos的直接求解器及其在异构平台上的实现

李珍佳, 王武

计算机科学. 2026, 53 (6): 137-144. doi:10.11896/jsjkx.251000114

摘要 ( 110 )

PDF(2345KB) ( 68 )

参考文献 | 相关文章 | 多维度评价

文中实现了一种基于 Kokkos 的高效并行 LU 直接求解器,用于在加速卡异构系统上求解电磁矩量法(MoM)产生的大规模复稠密线性方程组。求解器利用 Kokkos∷parallel_for 在 GPU 上高效并行填充阻抗矩阵和激励电压向量;基于求解结果,在主机端遍历观测角度并合成散射场以计算 RCS,整体流程高效且具备良好的可扩展性。在基于 DCU 加速卡的“东方”超级计算平台上对求解器进行了性能评估。实验分析了二维处理器划分策略对性能与通信开销的影响。结果表明,在 16 个进程(16 张 DCU)下,将每行处理器数由 1 增至 4 时,计算性能提升 40.7%,通信开销占比显著下降,从 64.71% 降至 55.07%。合理配置每行处理器数量能够有效平衡计算与通信负载,显著降低通信开销,从而提升整体并行计算效率。在 64 张 DCU 上,求解器浮点性能达到 16 655.73 GFLOP/s;当规模扩展至 2 048 张 DCU 时,浮点性能进一步提升至 58 338.90 GFLOP/s,展现出良好的可扩展性。针对弱可扩展性测试,当 DCU 数由 4 张扩展至 2 048 张时,并行效率为 24.45%。测试结果表明,基于 Kokkos 的直接求解器在高性能异构平台上具备优异的性能表现,能够满足大规模电磁仿真的计算需求。

面向CPU-DSP异构处理器的Fortran编译器实现技术研究

朱鹏志, 黄春, 沈洁, 陈诚, 徐浩然, 龙标

计算机科学. 2026, 53 (6): 145-152. doi:10.11896/jsjkx.251000117

摘要 ( 112 )

PDF(3671KB) ( 71 )

参考文献 | 相关文章 | 多维度评价

Fortran 语言在科学与工程计算领域具有广泛应用。然而,通用数字信号处理器(General-Purpose Digital Signal Processor,GPDSP)目前主要使用C语言或汇编语言进行编程,尚不支持 Fortran 语言。针对这一现状,面向 CPU-DSP 异构处理器的 Fortran 编译器实现技术,基于LLVM Flang 编译器框架设计并实现了 Fortran 编译器原型 mtFortran,完成了 Flang 前端移植,并重点解决了 Fortran 程序在异构架构上的编译和运行支持,包括加载执行、语法支持、内建函数实现及输入输出(I/O)系统适配问题。实验结果表明,该 Fortran 编译器成功支持 Fortran 语言商用测试集 U_F90_TS_LITE 中 GUIDE F90 测试集的语法特性,在 176 个测试程序中运行时库已完全支持的测试程序(102 道)全部通过异构编译与加载执行验证,主要类别内建函数的实现率达 79.38%,并可支持典型高性能计算程序的运行(如 NPB-EP 测试程序),实现了 Fortran 程序在 CPU-DSP 异构处理器架构上的基础运行能力,为后续完善标准支持、性能优化及并行化扩展奠定了基础。

基于机器学习的超算应用并行参数优化

李金优, 张文帅, 沈瑜, 张运动, 李会民, 李京

计算机科学. 2026, 53 (6): 153-162. doi:10.11896/jsjkx.251000113

摘要 ( 122 )

PDF(2899KB) ( 69 )

参考文献 | 相关文章 | 多维度评价

在高性能计算领域,超级计算机平台利用大规模计算资源池实现多任务的并行处理,显著提升了作业执行速度。其资源调度机制要求用户提交作业时显式指定相应请求资源及其数目,而当前实践仍高度依赖人工经验的并行参数配置,往往导致硬件资源利用率难以逼近理论最优值,形成显著的资源利用效率瓶颈。对于结构复杂的超算软件,其输入参数与实际硬件资源紧密耦合,仅调整个别参数难以构建简明有效的框架以充分探索参数空间,而遍历整个参数搜索空间的应用配置代价极为昂贵。基于机器学习的并行计算应用运行时优化方法,通过多个高效模型分析处理大量运行数据来提供更好的参数配置建议,无需用户指定资源量即可自动化确定作业申请的硬件参数配置,从而降低集群软件使用门槛,提高工作效率,有效解决现有技术中超算集群用户配置并行参数效率低下以及特定任务高质量作业运行数据集匮乏的问题。实验结果表明,相比默认或普遍通用的参数配置,基于机器学习方法给出的参数配置在多例典型VASP实例上实现了普遍的加速效果和较低的机时开销,具有显著的推广实践价值。

利用即时代码生成加速ARM平台的SPMM

施俊, 王庆林, 田飞扬, 王志成, 李润华, 刘杰

计算机科学. 2026, 53 (6): 163-170. doi:10.11896/jsjkx.251000116

摘要 ( 110 )

PDF(3588KB) ( 61 )

参考文献 | 相关文章 | 多维度评价

近年来,随着ARM架构处理器在边缘计算设备和云服务器领域的快速普及,以及稀疏矩阵乘稠密矩阵(SPMM)在深度学习等计算密集型应用中的关键作用日益凸显,针对ARM平台的稀疏计算优化研究已成为学术热点。当前ARM平台的SPMM解决方案主要采用提前编译(AOT)模式,即在程序执行前完成全部编译工作。然而,SPMM的AOT解决方案面临3个主要限制:不必要的内存访问、额外的分支开销以及冗余指令。因此,提出ASPJIT,其是一个ARM平台的即时(JIT)汇编代码生成框架,以加速ARM多核CPU上的SPMM计算。ASPJIT基于运行时稀疏特征分析,采用基于稀疏判断的列转行算法动态优化计算序列,显著提升指令级并行度(ILP);此外,ASPJIT通过寄存器分配策略缓存高频访问数据以减少内存访问时延,并精选单指令多数据SIMD指令集最大化算术吞吐量。对ASPJIT进行了性能评估,并将其与两个AOT基线进行了比较,第一个涉及使用ARM gcc编译器自动向量化编译的现有SPMM实现,第二个使用了ARM Eigen提供的经过优化的SPMM例程。结果表明,ASPJIT分别提供了平均3.8倍和5.6倍的提升。

面向高性能计算的工作负载分析与建模方法

吴璨, 肖海力, 王小宁, 赵一宁, 卢莎莎, 和荣

计算机科学. 2026, 53 (6): 171-184. doi:10.11896/jsjkx.250800064

摘要 ( 117 )

PDF(8857KB) ( 66 )

参考文献 | 相关文章 | 多维度评价

在高性能计算(HPC)领域,机器学习驱动的调度算法正逐渐成为研究的热点,这类算法的性能优化对工作负载数据的质量要求较高。因此,开展面向HPC环境的工作负载分析与建模方法研究,对于提升调度算法的效率和适应性具有重要意义。基于超级计算中心公开的运行日志,对HPC工作负载进行了深入分析,并形成了一套分析与建模方法。首先采用DBSCAN算法清洗异常数据,并系统分析了作业到达模式、处理器核数分布特征、应用分布特征、运行时间分布特征以及属性间的相关性。然后基于这些分析结果,开发了一个灵活的高性能计算工作负载生成器,不仅支持默认参数配置,还能自动分析SWF格式的工作负载特征,以满足不同场景的仿真需求。经过性能实验验证,所构建的生成器产生的数据相比于随机生成的数据,更贴近真实数据的特征分布,可以为新型调度算法的研发提供高质量的训练数据,对提升超级计算中心的资源使用效率具有重要的意义。

面向国产飞腾多核NUMA架构服务器的SP应用多层次优化研究

任荣耀, 马百威, 邓光华, 杜琦, 王跃礼, 李诗言

计算机科学. 2026, 53 (6): 185-192. doi:10.11896/jsjkx.251200067

摘要 ( 115 )

PDF(4027KB) ( 68 )

参考文献 | 相关文章 | 多维度评价

针对国产飞腾多核NUMA架构的服务器平台在高性能计算场景中的应用瓶颈,围绕SP基准应用程序开展多层次优化研究,提出并实现了从编译、内存分配、NUMA拓扑和向量化规约4个层次的优化策略。实验分析了1个MPI进程和8个MPI进程下,不同规模数据集在不同并行核数的运行时间、并行效率和加速比。实验分析显示,优化后的运算时间显著缩短,在8个MPI进程128并行核数下,中大规模数据集的性能提升了3~5倍,并缓解了高并发下的性能退化问题。优化后的并行效率更加线性,8个MPI进程的小规模数据集并行效率实现了倍数级提升;中大规模数据集在32,64和128并行核数下并行效率分别保持在90%以上、85%左右和64%~71%,延缓了性能饱和点的出现。加速比方面,8个MPI进程比1个MPI进程在高并发情况下表现出更好的性能增益。实验结果表明,所提多层次优化策略能够有效提升SP应用在目标架构服务器上的计算性能。特别是在核心数增多、NUMA效应凸显时,所提优化方案展现出强大的可扩展性优势,为国产高性能计算平台上的数值仿真与科学计算提供了优化路径。

面向寒武纪MLU加速卡的高性能图像预处理算子研究

李菲, 刘松, 郭松坚, 刘嘉政, 张颖, 洪龙伟, 张博宣

计算机科学. 2026, 53 (6): 193-202. doi:10.11896/jsjkx.251000093

摘要 ( 405 )

PDF(3709KB) ( 65 )

参考文献 | 相关文章 | 多维度评价

图像预处理是机器学习任务中的关键环节,其计算效率直接影响着模型训练和推理性能。传统CPU计算难以满足高分辨率图像和大规模数据集的实时性处理需求,而神经网络处理单元(NPU)凭借高性能成为加速图像预处理的理想平台。然而,图像预处理算子的多样性和访存密集特性与NPU的矩阵运算优化模式不完全匹配,给NPU的适配带来极大的挑战。为此,基于飞腾CPU和寒武纪MLU异构计算平台,提出了高效的图像预处理算子加速方法。通过深入分析MLU的多核并行架构和存储体系,重新设计了算子的计算逻辑和任务划分,结合多核并行调度、向量化计算、三级存储结构以及双缓冲机制等优化策略,显著提升了算子的计算性能,展示了NPU在图像预处理加速中的潜力。实验结果表明,优化后的10种常见的图像预处理算子相较于PaddlePaddle原生算子性能提升了33.22%~234.46%。在深度学习和传统的机器学习任务中,所提算法分别实现了12.47%与48.63%的端到端性能提升。

基于内存映射镜像的高性能集群缓存MMCache

刘中一, 肖巍, 张磊, 阎松柏, 黄向平, 李梦箫

计算机科学. 2026, 53 (6): 203-213. doi:10.11896/jsjkx.251000115

摘要 ( 110 )

PDF(2433KB) ( 66 )

参考文献 | 相关文章 | 多维度评价

分布式系统在高性能场景下的应用日趋广泛,但其依赖的传统缓存框架面临复杂对象传输开销大、跨节点同步延迟高、数据存取效率不足等瓶颈。为此,提出一种高性能集群缓存框架 MMCache,核心创新包括:基于内存映射镜像的数据传输读写机制,通过虚拟地址固化实现跨进程零拷贝访问与结构级高效读取;使用冷却池驱动的缓存单元无锁更新机制,在不阻塞业务访问的前提下实现运行时状态的原子可见性与快速回收;面向内存地址空间的泛型分配管理框架,融合 TCMalloc 与泛型适配器以实现镜像内存的高效分配、回收与碎片抑制。测试结果表明,在300万key的多场景负载下,MMCache冷却池占比可控,事务成功率保持在99%以上且响应时间稳定;相比Redis和Memcached,在高频读写、复杂对象存储及集群同步性能方面均表现出显著优势。该技术已在民航运价交易后台系统中应用,展现了高性能、低延迟、强一致性等特性,并在电子商务、大数据处理等高性能数据处理场景中具有广阔的推广价值。

基于激光雷达与相机融合的3D目标检测综述

纪文宇, 李阳, 王家宝, 付睿智, 刘小语, 苗壮

计算机科学. 2026, 53 (6): 214-231. doi:10.11896/jsjkx.250400111

摘要 ( 139 )

PDF(5020KB) ( 74 )

参考文献 | 相关文章 | 多维度评价

多模态融合的3D目标检测是自动驾驶、人机协作等领域的一项基本任务,近年来受到广泛关注。通过融合激光雷达和相机数据,3D目标检测可以有效传递信息并整合特征,进而提升对复杂环境的理解和目标检测的精度。然而,随着融合方法的不断增多,适用于稠密场景的传统融合方法面临着计算成本高、检测范围受限等问题,难以满足远距离检测的现实需求。因此,一些方法开始探索新的融合架构,旨在突破稀疏场景下的检测瓶颈。作为3D融合目标检测领域按照稠密与稀疏场景全新视角进行分类的首篇中文综述,全面分析了现有文献综述的特点,总结回顾了近年来该领域的发展变化。主要贡献如下:1)根据是否引入稠密的鸟瞰视角特征图,提出了包含稠密级融合与稀疏级融合两大类以及五小类的分类方法,指出了不同融合策略的特点及其应用场景;2)详细梳理了现有15个公开数据集,针对3个主流数据集,介绍了评价指标并对比了10余种不同方法在主流数据集上的实验结果;3)深入探究了典型融合方法的局限性,并展望了该领域的发展趋势,指出了未来可能的研究方向。

MambaCS:基于Mamba的图像压缩感知算法

李秀滢, 陈雪松, 李浩泽, 廖鸿苇, 韩佳萌, 段晓毅

计算机科学. 2026, 53 (6): 232-241. doi:10.11896/jsjkx.250400147

摘要 ( 117 )

PDF(4716KB) ( 75 )

参考文献 | 相关文章 | 多维度评价

压缩感知技术在图像采集与重建领域具有广泛应用,其核心目标是通过少量测量数据实现高质量图像重建。相较于传统方法,基于深度学习的图像压缩感知能够实现更高的重构质量与更低的计算成本,但如何提升低采样率下的重建精度仍是亟待解决的关键问题。为此,提出了一种基于Mamba的深度展开框架(MambaCS),通过创新性的设计显著提升了图像压缩感知的重建质量。在采样阶段,采用分块测量策略,以平衡计算复杂度和采样效率。在重建阶段,引入残差状态空间模块,利用Mamba在长序列建模上的优势,增强网络对复杂图像结构的建模能力。此外,为了充分挖掘测量数据的潜在信息,在算法中添加了多通道重用块,通过多尺度特征融合和测量值复用,增强网络对关键特征的提取能力。实验证明,在多个公开数据集上,MambaCS在重建质量方面均超越了现有先进方法。

基元动态加权的多模态显著性目标检测

李鹏, 张子豪, 韩亚洪

计算机科学. 2026, 53 (6): 242-251. doi:10.11896/jsjkx.250400143

摘要 ( 108 )

PDF(3649KB) ( 65 )

参考文献 | 相关文章 | 多维度评价

针对现有多模态显著性检测方法容易受到低质量辅助模态干扰,导致模型鲁棒性差的问题,提出了一种显著基元动态加权的多模态显著性目标检测方法。该方法通过捕捉不同显著物体的共同特征,并进行聚类得到显著基元,实现对显著区域的清晰定义;利用显著基元,动态调整不同模态在融合阶段的权重,使得高质量模态的语义信息在融合过程中能够得到充分利用,同时有效抑制低质量辅助模态带来的潜在干扰;引入了基元引导的特征对齐机制,有效缩小了主模态与辅助模态之间的语义差异,提高了模型的检测性能。所提算法能够更准确地捕捉跨模态间的共同特征,进一步提升了检测的准确性和稳定性。为了验证所提算法的有效性,在6个RGB-D数据集和3个RGB-T数据集上对其进行了全面的定性和定量评估。实验结果表明,在面对低质量辅助模态的情况下,所提方法表现出了良好的稳定性和鲁棒性。

小样本下基于空间交互和分割注意力的电力目标检测

邬满, 王高才, 卢玉婷, 文莉莉

计算机科学. 2026, 53 (6): 252-262. doi:10.11896/jsjkx.250400032

摘要 ( 261 )

PDF(4645KB) ( 72 )

参考文献 | 相关文章 | 多维度评价

电力线路巡检是预防停电、保障电网安全稳定运行以及促进经济发展的一项核心任务。在实际应用中,会遇到缺陷样本数量有限、设备形状多样、目标遮挡/粘连以及样本不平衡等挑战。为解决这些问题,提出了一种融入空间交互和分割注意力改进的新型两阶段目标检测网络AKS²-Net。该网络引入了多路分割注意力机制进行特征提取与融合,并通过度量学习对候选目标进行二次筛选,增强了对不规则、远小/模糊目标和被遮挡目标特征信息的提取与融合能力,并降低了少样本、样本不均衡对网络性能的影响。具体而言:1)设计了一种基于可变卷积和空间位移的分组卷积特征提取网络AKS² block(AKConv,Spatial-shift and Split-attention Block),使图像特征之间的空间信息交互以及特征通道之间的关系学习成为可能,从而增强了网络挖掘不规则和多尺度特征信息的能力;2)提出了一种新颖的多分支注意力多尺度特征融合(Multi-branch Attention Feature Fusion,MAFF)模块,通过空洞空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)和混合跳跃连接(Mixed Skip Connections,MSC)融合多通道和多层次的图像细节特征以及空间信息,从而在复杂场景中提高了分割精度和边界定位能力;3)提出了一种基于度量学习的特征相似度计算方法,通过对区域候选网络筛选出的负样本特征与所有支持的类别特征进行相似度计算,结合阈值实现对候选负样本的重新筛选,纠正出被误判为负样本的正样本,减少对网络训练的干扰,降低网络对小、模糊目标的漏检率;4)在分类损失计算中引入了FocalLoss函数,以减轻样本不平衡对检测结果的影响;5)以AKS²-Net为骨干,构建了一种适用于小样本、不均衡样本条件的基于两阶段微调的目标检测网络,通过微调机制为小样本目标检测提供了新的选择。大量实验结果表明,所提方法在电力线路目标检测数据集上表现出色,尤其是增强了网络对远小/模糊、被遮挡目标的检测能力,具有显著的实用价值。此外,在使用包括小样本数据集在内的各种数据集的类似实验条件下,与现有的目标检测网络(如ResNet 50,ResNet 101,Inception ResNet,ResNeXt 101,ResNeSt 101)相比,所提模型显示出更强的竞争力。

基于动态特征融合的目标检测方法

刘继康, 黄磊, 张科, 聂婕, 魏志强

计算机科学. 2026, 53 (6): 263-269. doi:10.11896/jsjkx.250700103

摘要 ( 123 )

PDF(2674KB) ( 84 )

参考文献 | 相关文章 | 多维度评价

目标检测是计算机视觉领域一项重要的基础性任务,已在自动驾驶、智慧交通和医疗诊断等领域得到广泛应用。在检测领域,DETR(DEtection TRansformer)摒弃了手动设计组件的需求,构建了一个完全端到端的目标检测框架。然而,该框架解码器各层对前序输出的高度依赖导致了解码阶段出现级联负优化的问题。针对上述问题,提出了一种基于动态特征融合的目标检测方法——DFF DETR(Dynamic Feature Fusion DETR)。该方法通过动态融合解码器跨层特征,实现目标查询在解码层间的有效传递,缓解解码器后续阶段对前序输出的高度依赖。在反向传播阶段,引入层间传递的监督信号,提升中间层目标查询的特征拟合效果,修正解码器前序输出,缓解解码阶段的级联负优化问题。在多种基于DETR框架的目标检测算法上进行的大量实验表明,嵌入DFF方法可实现近1.0％ mAP的性能增益,其中小目标检测精度的提升尤其明显。

基于双边引导滤波和多特征重校准的全色锐化方法

马宁, 常霞, 苑玲玉

计算机科学. 2026, 53 (6): 270-280. doi:10.11896/jsjkx.250400015

摘要 ( 102 )

PDF(8215KB) ( 47 )

参考文献 | 相关文章 | 多维度评价

遥感卫星成像过程中,通常会获取分辨率高的全色图像和分辨率低但包含丰富光谱信息的多光谱图像。为了充分利用这两类图像的优势,提出了一种基于双边引导滤波和多特征重校准的全色锐化方法。该方法设计了双流U-Net锐化网络,通过并行分支分别提取多光谱和全色图像的多尺度特征,避免了直接进行特征融合易导致信息损失的问题。此外,提出了双边引导滤波模块,该模块能够通过并行的特征引导路径和自适应权重融合机制增强特征交互。同时,设计了多特征重校准模块,该模块结合多方向边缘检测器和多头特征提取机制,通过动态特征重标定策略增强空间细节的重建能力,有效避免了过度增强导致的伪影问题。实验表明,该方法具有良好的波段适应性,不仅能有效处理4波段的GeoEye1和PLeiades1数据,在8波段的WorldView2和WorldView3数据集上同样表现出色。定量评价结果显示,所提方法在WorldView3数据集上CC值达到0.957 3;在GeoEye1数据集上PSNR值达到38.093 8 dB,ERGAS值较最优对比方法降低94.9%,Q4值提高了2.3%。该方法在主观视觉效果和客观评价指标上均优于现有方法,为遥感图像全色锐化任务提供了一种有效的解决方案。

基于大语言模型的推荐系统综述

史鸿旭, 刘艺, 刘坤

计算机科学. 2026, 53 (6): 281-303. doi:10.11896/jsjkx.250900077

摘要 ( 213 )

PDF(2290KB) ( 76 )

参考文献 | 相关文章 | 多维度评价

随着互联网应用的普及和信息过载问题的加剧,推荐系统在提供个性化服务、提升用户体验方面发挥着日益重要的作用。传统推荐方法和深度学习技术虽在用户-物品交互建模上取得显著进展,但仍受限于数据稀疏、冷启动以及对用户深层意图理解不足等问题。近年来,大语言模型凭借卓越的语义理解、知识迁移、生成能力及逻辑推理能力,为推荐系统研究开辟了新的方向。该文全面综述了基于大语言模型的推荐系统的研究进展,重点分析了大语言模型在推荐流程中的融合路径与技术演进,涵盖特征工程与数据增强、特征编码与语义表示、推荐结果生成、系统与用户交互以及推荐流程协调控制等关键环节,揭示了大语言模型在提升推荐准确性、可解释性和动态适应性等方面的独特优势。此外,探讨了模型计算效率、知识可信性、系统公平性及数据安全等现实挑战,并展望了未来发展方向。通过系统整理与深入剖析,为推荐系统领域的理论创新与实践应用提供参考与启示。

基于因果干预缓解虚假关联的信息级联流行度预测

余柳, 李硕, 匡平, 周帆, 蒋涛

计算机科学. 2026, 53 (6): 304-314. doi:10.11896/jsjkx.250400079

摘要 ( 152 )

PDF(3127KB) ( 56 )

参考文献 | 相关文章 | 多维度评价

信息传播中的级联流行度预测常受内部动态过程产生的虚假相关性影响。现有方法多假设级联数据满足独立同分布,但该假设在复杂传播环境中并不成立,易导致模型在分布外数据上的性能下降。为提升模型在异构数据下的稳定性与泛化能力,提出一种基于双重因果干预的级联预测方法——CCP。具体而言,级联内部干预通过随机修剪节点,打破观察级联规模与最终流行度之间的伪相关;级联间干预则引入结构相似级联的信息,以增加训练的多样性。CCP从因果视角解耦流行度与结构因素、观察时间等变量间的非因果关联,挖掘真正影响流行度的关键因子。在Weibo与APS两个数据集上,CCP相较现有先进方法CasCIFF,MSLE提升2%～5%,MAPE提升2%～3%,并在相同基线下展现出5%～7%的更优泛化性能。实验结果验证了CCP在复杂数据分布下的稳健性与有效性。

基于原型损失增强的半监督学习方法

牛纪龙, 管文辉, 宗辰辰, 黄圣君

计算机科学. 2026, 53 (6): 315-319. doi:10.11896/jsjkx.250600161

摘要 ( 100 )

PDF(1850KB) ( 78 )

参考文献 | 相关文章 | 多维度评价

半监督学习方法利用少量标注数据和大量无标注数据,能够在减少标注成本的同时,显著提升模型的泛化能力。然而,现有方法通常依赖置信度阈值来筛选无标注样本,导致部分无标注样本在训练后期仍未被充分利用,造成信息浪费并限制了模型性能的进一步提升。此外,难样本往往会对训练过程产生不利影响,导致模型的鲁棒性不足。为此,提出了一种基于原型损失增强的半监督学习方法,通过设计双头训练框架充分挖掘无标注数据中的潜在信息,并有效减轻难样本对模型性能的不利影响。该方法一方面利用一致性正则化约束无标注样本在不同扰动条件下的预测一致性;另一方面,设计基于原型的替代损失,通过度量样本特征与类别原型之间的相似度,引导无标注样本向正确类别聚集。实验结果表明,此方法在多个数据集上均取得了显著的性能提升,充分验证了其有效性和鲁棒性。特别地,在每个类别仅有4个标注数据的CIFAR-10和CIFAR-100数据集上,分类准确率相比最优基线方法分别提升了1.82个百分点和1.07个百分点。

时态图上基于核的边结构多样性Top-k查询

战琛婷, 周军锋, 杜明

计算机科学. 2026, 53 (6): 320-331. doi:10.11896/jsjkx.250400076

摘要 ( 334 )

PDF(3555KB) ( 56 )

参考文献 | 相关文章 | 多维度评价

时态图能够有效建模动态网络中的时序交互,但时态图中边结构多样性的高效计算仍面临挑战。针对时态图上基于核的边结构多样性Top-k查询问题,提出多层优化策略,以提升效率。传统方法忽略核结构且需遍历全图计算,导致效率低下。为此,首先定义基于t-core的边多样性度量模型,通过边自我网络中t-core连通分量数量量化结构多样性。其次,设计两种上界剪枝算法:LUBP利用节点度分布确定评分上界,快速筛选候选边;SUBP结合核值信息构建紧致上界,进一步缩减搜索空间。之后,进一步提出t-SUBP算法,通过限制计算范围为高核值子图(如(t+2)-core),避免对低核区域的冗余计算。在7个真实数据集上的实验表明,所提算法较基线方法效率提升最高达8倍,且随网络规模增长能保持良好的可扩展性。

基于均值漂移的模糊三支聚类

倪永婷, 钱进, 闫少伟, 吴越洋

计算机科学. 2026, 53 (6): 332-338. doi:10.11896/jsjkx.250600056

摘要 ( 107 )

PDF(3829KB) ( 69 )

参考文献 | 相关文章 | 多维度评价

均值漂移是一种被广泛使用的基于密度的聚类方法,但其受带宽选择的影响较大,且基于访问次数的划分特性可能导致聚类精度不高。为此,提出一种基于均值漂移的模糊三支聚类算法FTWMS,通过引入动态漂移点选择策略和基于模糊隶属度的划分机制,优化了传统均值漂移算法的聚类过程。首先,算法通过动态选择漂移点来优化漂移过程,以此选择更可靠的聚类中心。然后,结合数据点到不同漂移点的距离、不同簇的访问频率和簇的局部密度,计算模糊隶属度,分别划分簇的核心域和边界域,得到最终的三支聚类结果。最后,在6个人工数据集和6个UCI数据集上进行实验测试,结果表明,FTWMS算法在ACC,NMI和ARI这3个聚类评价指标中表现优异,相较于传统均值漂移方法、k-means和基于三支证据理论的密度峰值聚类(3W-PEDP)算法,能够更好地刻画簇的边界域,综合性能更优。

基于GWO-XGBoost模型和SHAP值的数据价格预测及可解释性分析

杨健, 曹楠, 金大意, 张家琦, 杨涛涛

计算机科学. 2026, 53 (6): 339-349. doi:10.11896/jsjkx.250900068

摘要 ( 135 )

PDF(5886KB) ( 90 )

参考文献 | 相关文章 | 多维度评价

随着数据要素市场化迅速发展,数据定价成为亟待解决的关键问题。为解决数据要素市场化进程中定价机制不透明与可解释性不足等问题,提出了一种基于灰狼算法(GWO)优化XGBoost的数据定价模型。首先,从优易数据平台获取原始数据集,对其进行描述性统计分析。然后,通过去除异常值、独热编码、对数变换和归一化等方法预处理数据,并利用Spearman相关系数进行特征相关性分析。最后,通过GWO算法优化XGBoost的超参数,提升模型的预测性能。实验结果显示,GWO-XGBoost模型的决定系数(R²)达0.971,显著优于其他5种基线模型,其均方误差(MSE)、均方根误差(RMSE)和平均绝对误差(MAE)等指标相较于传统的网格搜索、随机搜索等超参数优化方法均大幅降低。此外,借助SHAP可解释性分析方法,从全局和局部深入解析模型预测结果,识别出数据更新时间间隔是影响模型预测结果的主导因素,贡献了总预测增量的95.16%。该研究不仅为数据定价提供了科学合理机制,也为后续的模型优化指明了方向,对于推动数据要素市场健康发展意义重大。

基于Barrier的网络存储保序方法

韩磊, 李谋兴, 吴争, 樊卫北, 钱小燕

计算机科学. 2026, 53 (6): 350-357. doi:10.11896/jsjkx.250300164

摘要 ( 110 )

PDF(2690KB) ( 67 )

参考文献 | 相关文章 | 多维度评价

在传统数据交换模型中,网络延迟和操作系统调度等因素可能导致数据传输和处理出现乱序,从而导致大量延迟,以及存储性能降低。为解决这一问题,提出一种基于Barrier机制的存储系统数据写入顺序控制方法和改进后的融合网络传输特性M/G/1队列模型。该方法利用特定的Barrier命令确保数据写入操作的顺序性,并基于排队论中改进后的融合网络传输特性M/G/1队列模型量化存储过程,提高系统可靠性和一致性;同时,引入了请求保序机制,进一步保证数据传输的顺序。实验表明,所提保序方法在保证数据一致性和顺序性的同时,相较于传统方法(部署于Linux的原生存储系统),在较差的网络环境下,能够平均提升25%的存储效率,在普通的网络环境中能够最高提升8%的存储效率。

面向物联网的基于模糊聚类的DTN路由算法

常亚楠, 孙祎, 崔建群, 严湘龙, 宗诚路

计算机科学. 2026, 53 (6): 358-366. doi:10.11896/jsjkx.250400094

摘要 ( 109 )

PDF(3242KB) ( 61 )

参考文献 | 相关文章 | 多维度评价

在物联网DTN网络中,节点分布的稀疏性和高动态性,导致源节点难以与目的节点直接建立连接并传输数据。因此,如何设计一种高效、稳定的路由算法是物联网DTN网络中的关键问题。近年来,机器学习技术的快速发展给解决路由优化问题提供了新的思路,使得算法能够从复杂网络数据中挖掘潜在的模式,提升决策过程的效率与准确性。基于此,提出了一种基于模糊聚类模型FCM的物联网DTN路由算法FCMROP(A loT DTN Routing Algorithm Based on the Fuzzy Clustering Model)。该算法采用基于多特征融合的动态簇划分方法,综合考虑节点缓存、活跃情况、投递预测值和结构稳定性等特征,以提高簇划分的合理性和路由决策的精准度。同时,引入基于模糊隶属度加权的距离度量方法,以优化簇的选择。仿真实验结果表明,与GMMR,DBSCAN-R,KROP和Prophet路由算法相比,FCMROP在投递率、平均时延和消息丢弃率等方面均表现出更优的性能。

面向多可用区云存储的分层喷泉编码研究

孙婧, 王弈, 陈海燕

计算机科学. 2026, 53 (6): 367-375. doi:10.11896/jsjkx.260200107

摘要 ( 150 )

PDF(2308KB) ( 69 )

参考文献 | 相关文章 | 多维度评价

在现代多可用区(Multi-AZ)云存储系统中,故障呈现出显著的层次化与相关性特征。传统的纠删码(如RS码)或扁平化喷泉码方案往往忽略了物理拓扑结构,导致在处理频发的局部故障时产生高昂的跨AZ修复带宽,且难以兼顾异构网络下的灵活性。针对这一问题,提出了一种面向多可用区环境的分层AZ-Fountain编码模型。该模型将喷泉码的无码率特性与多AZ故障域结构进行显式耦合,设计了双层编码架构:在AZ内部采用局部优化双模态度分布(AZ-OBMD),以实现零跨区流量的局部修复;在全局采用Raptor-link度分布(AZ-RLD),以保障AZ级灾难下的高效恢复。实验结果表明,与RS码、LRC及最新的AZ-Code相比,所提方法在局部单块故障下能够与LRC一样保持零跨AZ流量,且其参与解码的数据块数量与修复延迟更低;在AZ级灾难恢复中显著降低了修复延迟与传输开销,实现了可靠性与修复代价的系统性权衡。

基于哈希时隙分配与动态帧复用的UWB多标签分布式注册方法

李天亮, 黄宝琦, 贾冰, 郝利飞

计算机科学. 2026, 53 (6): 376-387. doi:10.11896/jsjkx.251100143

摘要 ( 110 )

PDF(4703KB) ( 62 )

参考文献 | 相关文章 | 多维度评价

超宽带(Ultra-Wideband,UWB)技术因其高精度定位特性在学术界与工业界受到广泛关注。然而,现有大规模多标签UWB定位系统普遍依赖基于ALOHA的随机接入机制完成注册流程,在高并发条件下易发生严重的消息冲突,导致注册时延显著增加并降低资源利用效率。针对上述瓶颈,提出一种基于哈希时隙分配与动态帧复用的分布式多标签注册方法。该方法通过设计可复用的轻量级帧结构以及无需中心调度的分布式注册协议,有效降低了消息冲突,显著提升了系统的注册效率。与此同时,为缓解节点间时钟缓变引起的同步偏差,构建了自适应同步周期调整算法,实现了稳定且低开销的时间同步机制。仿真结果表明,在标签动态到达条件下,该方法的实际注册速率可逼近标签到达率,且注册性能对到达率与帧长度变化不敏感。与典型的Atlas FAST方法相比,注册时延降低至少一个数量级,充分验证了该方法的高效性与可行性。

L2C可信编译器中的时钟分析/检查及其验证框架探讨

甘元科, 王蕾, 王生原

计算机科学. 2026, 53 (6): 388-395. doi:10.11896/jsjkx.250400014

摘要 ( 113 )

PDF(2338KB) ( 66 )

参考文献 | 相关文章 | 多维度评价

Scade是一种广泛用于安全关键嵌入式控制软件开发的著名商业工具,其建模语言是一种同步语言,扩展自同步数据流语言Lustre。L2C可信编译器是经过形式化验证的类Scade建模语言到C语言高可信编译器长线项目之一。与同类工作相比,其源语言特性更接近于Scade建模语言。对于L2C可信编译器前端设计的一个重要环节,即时钟分析/检查过程的构造与验证,主要介绍分析/检查过程所采用的时钟分析/检查规则,并探讨其验证框架。

如何从开源社区筛选合作型开发项目——在GitHub上的探索性研究

董国郡, 程璨, 方晴, 游兰, 王伟, 彭庆喜

计算机科学. 2026, 53 (6): 396-407. doi:10.11896/jsjkx.250700114

摘要 ( 114 )

PDF(3204KB) ( 60 )

参考文献 | 相关文章 | 多维度评价

合作开发项目(Collaborative Development Projects,CDPs)和工程化开发项目(Engineering Development Projects,EDPs)是开源软件(Open-Source Software,OSS)生态中两种典型的项目形态,能反映出项目开发状态与工程化程度。对于开发者而言,了解项目是否是CDP通常具有挑战性,因其合作开发的特性缺乏明确界定;了解项目是否是EDP缺乏足够多的有价值的开发信息。对于研究者而言,若在样本筛选中忽视CDP和EDP两类样本,会导致样本池受到污染,混入大量非以开发为目标或无意合作的项目,从而降低研究结果的有效性。目前的研究缺乏针对这两类项目的自动化筛选方法。针对这一困境,通过构建标准数据集验证了50种不同方法与特征的组合和24种机器学习算法与特征集的组合方法在项目筛选中的性能差异,为研究者提供高效筛选目标项目的模型。研究表明:1)针对需求高Precision的场景,基准方法表现优异,在筛选CDP和EDP时其Precision分别为0.900和0.880;2)针对需求高F1-Score的场景,机器学习方法表现最佳,在筛选CDP和EDP时其F1-Score分别为0.879和0.821;3)大语言模型方法筛选CDP和EDP时,Precision分别为0.691和0.569;4)机器学习方法与现有筛选方法相结合,在筛选CDP时其Precision可提高4.56%~42.8%,在筛选EDP时其Precision可提高5.9%~237.5%。

浮点误差的特征分析

段孟瑶, 许瑾晨, 杨鸿儒, 张嘉宁, 张涛, 李飞, 周蓓

计算机科学. 2026, 53 (6): 408-415. doi:10.11896/jsjkx.250600214

摘要 ( 101 )

PDF(3141KB) ( 72 )

参考文献 | 相关文章 | 多维度评价

浮点误差是计算机科学中不可避免的问题,特别是在科学计算、金融分析等对精度要求较高的领域,误差可能会带来严重后果。该研究对浮点误差特征进行了分析,选取了4个具有代表性的测试集,构成了109个测试程序,主要研究了浮点数精度、指数和表达式类型对误差的影响,探讨了浮点误差是否存在规律。研究结果表明,浮点误差的分布存在一定的规律性,其中包括:1)对于浮点表达式,有98.46%的表达式单精度和双精度的误差分布趋势相同;2)在双参数表达式中,当两个参数之间存在乘除关系时,有86.67%的显著误差集中在两个参数的指数位呈线性关系时;3)90.91%的分式型表达式的最大误差集中在使分母趋近于零的临界点领域。通过对浮点误差特征进行研究,揭示了浮点误差的规律性,并为改进误差检测工具、优化数值计算算法以及制定更严谨的误差控制策略提供了依据。

融合增强DOM与多模态大模型的Canvas元素自动化测试方法

张卫丰, 王祥伟, 许蕾

计算机科学. 2026, 53 (6): 416-426. doi:10.11896/jsjkx.250900004

摘要 ( 111 )

PDF(4158KB) ( 71 )

参考文献 | 相关文章 | 多维度评价

作为现代Web应用的核心组件,HTML5 Canvas被广泛用于界面的动态渲染、数据可视化等。由于 Canvas 元素缺乏 DOM 结构,现有Web测试工具难以有效测试。为此,提出了一种基于大模型的Canvas元素自动化测试方法,通过结合计算机视觉与大模型的优势解决这一问题。利用YOLO目标检测算法提取Canvas界面内部元素的类别和几何属性,并进一步提取推断元素的颜色、相关文本和层级关系等信息,构建增强DOM结构;并设计了提示策略,引导大模型充分利用Canvas图像以及相应增强DOM信息,生成高覆盖率的测试用例。实验表明,所提方法在结果上显著优于现有方法(如VisionTasker),在元素覆盖率和交互覆盖率上分别实现了10.53%和16.85%的提升。其中,仅通过使用增强DOM结构生成测试用例,可在较少资源消耗下达成99.18%的元素覆盖率和98.22%的交互覆盖率。此外,还比较了不同大语言模型在处理研究任务时的性能差异,证实了所提方法的通用性和有效性。

CausalVulGNN:基于因果推断与图神经网络的软件漏洞解释方法

张鑫, 陈文

计算机科学. 2026, 53 (6): 427-436. doi:10.11896/jsjkx.250800076

摘要 ( 113 )

PDF(2423KB) ( 72 )

参考文献 | 相关文章 | 多维度评价

漏洞解释是软件漏洞挖掘中的关键任务,旨在揭示导致漏洞形成的根本原因,提升软件漏洞的修复质量。现有的漏洞解释方法主要包括基于事实推理和反事实推理两类。其中,事实推理侧重于识别与模型预测结果高度相关的代码子图;反事实推理则通过施加最小扰动改变模型输出,以发现导致漏洞形成的相关代码子图。由于传统方法缺乏显式的代码与漏洞因果关系建模,难以有效区分仅与漏洞成因存在统计相关的伪变量(伪相关子图)和真正导致漏洞形成的因果变量(因果子图)。因此,漏洞解释任务容易受到伪相关子图的干扰而产生错误的结论。针对上述问题,提出一种基于代码图神经网络GNN的漏洞因果解释方法CausalVulGNN。该方法首先通过GNN多层聚合代码图领域内的节点和边信息,在图神经网络的高层学习代码抽象结构-语义特征。随后引入基于样本重加权机制与Hilbert-Schmidt独立准则(HSIC)的因果结构模型(Causal Structure Mo-del,CSM),通过建模GNN高层表示之间的因果关系以识别代码形成漏洞的因果子图。不同于传统相关性分析方法,CSM通过模拟高层变量的扰动,量化高层变量对模型预测结果的直接影响,从而识别与漏洞具有因果关系的子图,避免将仅与模型预测结果存在统计相关的伪相关子图错误地纳入漏洞解释过程,提升解释结果的正确性。实验结果表明,CausalVulGNN在多个检测模型与解释器上均取得显著性能提升,验证了其在因果推断视角下的解释能力。在真实大规模漏洞数据集Big-Vul上进行了系统性实验,对比方法涵盖GCN,GGNN,GIN,GraphConv等常用的检测模型。实验结果显示,集成CausalVulGNN方法后,常用解释器(CFExplainer,GNNExplainer和GNN-LRP)在Accuracy,Precision,Recall和F1等指标上均获得显著提升,其中CFExplainer在Accuracy上平均提高了19.6%,Recall提升超过28%,实验结果证实了CausalVulGNN在漏洞分析与解释任务中的有效性。

基于格的无证书匿名认证密钥协商协议

张青, 冯雁, 赵洪, 谢四江, 冯艺萌

计算机科学. 2026, 53 (6): 437-445. doi:10.11896/jsjkx.250400029

摘要 ( 110 )

PDF(1772KB) ( 59 )

参考文献 | 相关文章 | 多维度评价

认证密钥协商协议作为保障通信实体身份真实性与会话密钥机密性的重要机制,在现代通信系统中发挥着至关重要的作用。然而,目前的认证协议大多依赖于离散对数或整数分解等传统数学难题,不能抵抗量子计算攻击。为应对这一挑战,提出了一种基于格的无证书匿名认证密钥协商协议,其安全性可归约到环上带误差学习问题的难解性。该协议能够在两轮消息交互过程中实现双向认证,同时保证用户匿名性和前向安全性。此外,该协议不需要管理复杂证书,消除了密钥生成中心中存在的密钥托管安全风险。通过形式化和非形式化的安全分析,证明了该协议能够有效抵御多种攻击,具有良好的鲁棒性。对比实验结果表明,该协议在显著提升安全性的同时,有效降低了计算开销。

基于多密钥同态加密的边缘联邦学习隐私保护方案

李瑞芮, 郭瑞, 张应辉, 李雪雷, 刘光军

计算机科学. 2026, 53 (6): 446-459. doi:10.11896/jsjkx.250600089

摘要 ( 119 )

PDF(3513KB) ( 81 )

参考文献 | 相关文章 | 多维度评价

联邦学习可以使用户在不共享原始数据的前提下,通过聚合本地模型更新参数来协同训练一个机器学习模型。然而,传统联邦学习中存在因过度依赖中央服务器而导致的单点故障、隐私泄露及通信瓶颈等问题。为此,提出一种去中心化的多边缘分布式联邦学习隐私保护方案。通过设计基于聚合多密钥同态加密方案(Aggregation Multi-Key Cheon-Kim-Kim-Song,AMK-CKKS)的本地模型聚合机制,实现对数据拥有者原始数据的隐私保护功能。此外,利用RingAllreduce算法构建分布式全局模型聚合框架,边缘服务器代替中央服务器进行全局模型聚合,以有效降低通信负载并消除对中心节点的依赖。同时,引入区块链和SG-PBFT共识机制,在确保模型更新参数可审计性的前提下,使节点快速达成共识,保证运行过程中诚实节点的安全性。安全性分析表明,所提方案不仅能确保模型更新参数的隐私性,而且能够抵抗k<(n－2)个参与方之间的合谋攻击;与相关方案相比,所提方案的模型准确度损失不超过3%,且通信开销降低约76%。