计算机工程与科学杂志
知网收录(中),维普收录(中),上海图书馆馆藏,CSCD 中国科学引文数据库来源期刊(含扩展版),北大核心期刊(中国人文社会科学核心期刊),国家图书馆馆藏,万方收录(中),统计源核心期刊(中国科技论文核心期刊)
主管/主办:国防科技大学/国防科技大学计算机学院
国内刊号:CN:43-1258/TP
国际刊号:ISSN:1007-130X
期刊信息

中文名称:计算机工程与科学

语言:中文

类别:计算机

主管单位:国防科技大学

主办单位:国防科技大学计算机学院

创刊时间:1973

出版周期:月刊

国内刊号:CN43-1258/TP

国际刊号:ISSN1007-130X

邮发代号:42-153

定价:624.00元/年

出版地:湖南

首页>计算机工程与科学
  • 杂志名称:计算机工程与科学
  • 期刊级别:北大核心期刊CSCD核心期刊统计源期刊
  • 主管单位:国防科技大学
  • 主办单位:国防科技大学计算机学院
  • 国际刊号:1007-130X
  • 国内刊号:43-1258/TP
  • 出版周期:月刊
  • 期刊荣誉:知网收录(中),维普收录(中),上海图书馆馆藏,CSCD 中国科学引文数据库来源期刊(含扩展版),北大核心期刊(中国人文社会科学核心期刊),国家图书馆馆藏,万方收录(中),统计源核心期刊(中国科技论文核心期刊)
  • 期刊收录:知网收录(中),维普收录(中),上海图书馆馆藏,CSCD 中国科学引文数据库来源期刊(含扩展版),北大核心期刊(中国人文社会科学核心期刊),国家图书馆馆藏,万方收录(中),统计源核心期刊(中国科技论文核心期刊)
计算机工程与科学期刊介绍

《植物保护学报》是中国科协主管、中国植物保护学会和中国农业大学共同主办的综合性学术期刊,为国家科技核心期刊、中文核心期刊。本刊创刊于1962年,多年来,本刊严格执行国家有关新闻出版方面的政策法规,重视编辑出版方面国家标准和国际标准的实施,并注意加强与国内外的信息交流,在国内外颇具影响。目前《植物保护学报》已被美国化学文摘CA、英国国际农业与生物科学技术文摘CABI、美国农业文献索引AGRICOLA、国际农业文献索引AGRIS、英国动物学记录ZR、日本科学技术振兴机构中国文献数据库等国际主流数据库收录,并被国内多家权威检索系统《中国核心期刊要目总览》、《中国生物学文摘》、《中国学术期刊文摘》、中国学术期刊综合评价数据库、中国科学引文数据库、CNKI中国期刊全文数据库、万方数据库等收录。

《植物保护学报》办刊宗旨:百花齐放、百家争鸣,开展学术交流,为实现农业现代化服务。主要刊登农作物病害、虫害、草害、鼠害、农药等方面未曾发表过的偏重应用或与应用联系较紧密的研究论文、文献综述及研究简报等。

《植物保护学报》的读者对象主要是植物保护研究领域的研究人员、大专院校师生及具有同等水平的专业人员。优先发表国家重大、重点项目及有突破性进展和对生产有重要指导作用的科研成果。期刊为中英文混排,为促进国际交流,欢迎采用英文撰稿。

栏目设置
算法研究、图形与图象、计算机网络、神经网络、仿真技术研究、人工智能、研究与实现、试题选载与博士论文摘要
数据库收录/荣誉
知网收录(中),维普收录(中),上海图书馆馆藏,CSCD 中国科学引文数据库来源期刊(含扩展版),北大核心期刊(中国人文社会科学核心期刊),国家图书馆馆藏,万方收录(中),统计源核心期刊(中国科技论文核心期刊) 知网收录(中),维普收录(中),上海图书馆馆藏,CSCD 中国科学引文数据库来源期刊(含扩展版),北大核心期刊(中国人文社会科学核心期刊),国家图书馆馆藏,万方收录(中),统计源核心期刊(中国科技论文核心期刊)
计算机工程与科学杂志投稿须知

1.参考文献表中列出的一般应限于作者直接阅读过的、最主要的、刊载在正式出版物上的文献,未公开刊载的资料,一般不宜列入参改文献表。

2.标题、作者单位、摘要、关键词采用中英文间隔行文;请注明是否基金资助项目论文(注明项目名称和编号),并注明文章中图法分类号。务必附上第一作者简历(姓名、性别、出生年月、学位、职称、研究方向)、通信地址、联系电话和Email,其中通信地址需提供英文翻译。

3.作者在投稿时须注明是否是CCF会员(高级会员、普通会员、学生会员),若是会员,请注明会员号。

4.来稿请用WORD软件编辑,格式为A4,40行×40列,通栏排版,字体为5号宋体。

5.稿中图形绘制要求工整、清晰、紧凑,尺寸要尽量小,图中文字用6号宋体加粗,线为0.5磅。

期刊引用
年度被引次数报告 (学术成果产出及被引变化趋势)
往期文章
  • 面向大规模海洋数据同化算法的并行实现及优化

    海洋数据同化是一种将海洋观测资料融合到海洋数值模式中的有效手段,经过同化的海洋数据更加接近海洋的真实情况,对人类理解和认识海洋具有重要意义。围绕海洋数据同化设计了一种基于区域分解的一般性并行实现方法。在此基础上,提出了一种基于IO代理的新并行算法。首先,IO代理进程负责数据的并行读取;接下来,IO代理进程对数据进行切块,然后将块...

    作者:万威强; 肖俊敏; 洪学海; 谭光明 刊期: 2019年第05期

  • 虚拟化环境中线程级SLO保障的I/O软件框架研究

    云计算产业的快速发展使得虚拟化技术在各大云服务商心目中占据重要地位。为了获取更高的利润,云服务商需要在保障用户体验的前提下尽可能地利用设备性能。通过利用I/O请求的优先级和重要性等信息,研究者们已经在Linux内核中实现了很多提高程序性能的方法。然而,虚拟机中的这些信息在传递到宿主机的过程中会丢失,所以提出了一种基于服务水平目标...

    作者:刘希明; 李雨轩; 宫晓利; 张金 刊期: 2019年第05期

  • 稀疏数据频繁项集挖掘算法研究综述

    频繁项集挖掘FIM是最重要的数据挖掘任务之一,被挖掘数据集的特征对FIM算法的性能有着显著影响。在大数据时代,稀疏是大数据的典型特征之一,对传统FIM算法的性能带来严峻挑战。针对在稀疏数据中如何高效进行FIM的问题,从稀疏数据的特征出发,分析了稀疏数据对3种类型FIM算法性能的主要影响,对已经提出的稀疏数据FIM算法进行了综述,对算法中采用的...

    作者:肖文; 胡娟 刊期: 2019年第05期

  • 一种基于Inter-warp异构性的缓存管理与内存调度机制

    在GPU中,一个warp内的所有线程在锁步中执行相同的指令。某些线程的内存请求可以得到快速处理,而其余请求会经历较长时间。在最慢的请求完成之前,warp不能执行下一条指令,导致内存发散。对GPU中warp间的异构性进行了研究,实现并优化了一种基于inter-warp异构性的缓存管理机制和内存调度策略,以减少内存发散和缓存排队延迟的负面影响。根据缓存命...

    作者:方娟; 魏泽琳; 于婷雯 刊期: 2019年第05期

  • 通过K-means算法实现神经网络的加速和压缩

    近年来,以神经网络为代表的机器学习领域快速发展,已广泛地应用于语音识别和图像识别等各个工业领域。随着应用环境越来越复杂,精度要求越来越高,网络规模也越来越大。大规模神经网络既是计算密集型又是存储密集型结构,其中卷积层是计算密集型层次,全连接层是存储密集型层次。前者的处理速度跟不上存取速度,后者的存取速度跟不上处理速度。基于...

    作者:陈桂林; 马胜; 郭阳; 李艺煌; 徐睿 刊期: 2019年第05期