《计算机学报》（月刊）创刊于1978年，由中国计算机学会与中国科学院计算技术研究所主办、科学出版社出版，以中文编辑形式与读者见面，同时以英文摘要形式向国际各大检索系统提供基本内容介绍。 一直在计算机领域保持着领先水平,刊登的文章被国际多种著名检索刊物所收录.包括《中国学术期刊文摘》,美国《EI》，英国《SA》,美国《数学评论》,日本《科技文献速报》,俄罗斯《文摘杂志》等。

《计算机学报》刊登的内容覆盖计算机领域的各个学科，以论文、技术报告、短文、研究简报、综论等形式报道以下方面的科研成果：计算机科学理论、计算机硬件体系结构、计算机软件、人工智能、数据库、计算机网络与多媒体、计算机辅助设计与图形学以及新技术应用等。

《计算机学报》拥有众多读者，本刊的内容常被研究人员、大学教授及研究生们作为选题的依据。《计算机学报》的引用率在计算机相关领域的刊物中最高,发行量名列全国学术性刊物的榜首。

《计算机学报》愿意和国内外同仁建立友好往来，相互促进了解，加强合作，共同为计算机科学事业的发展而努力。《数学评论》《工程索引》Compendex数据库（核心）《物理学、电技术、计算机及控制信息数据库》收录。

1．来稿要求论点明确,数据可靠,条理清晰,文字精练,字迹清楚.

2．为了使审理过程顺利进行，在投稿的同时，作者需附一份关于文章所述工作的背景。将研究背景同文章放在同一个文件中，另起一页。并且需向编辑部声明：稿件内容属于作者的科研成果；署名无争议；引用他人成果已注明出处；未公开发表过.

3.稿件的写作顺序为：文章题目、作者姓名、作者单位、摘要、关键词（包括英文）、中图分类号、正文、参考文献、作者简介。

4.来稿必须做到清稿定稿.稿件中的外文字母必须分清大、小写,正、斜体;上、下角的字母、数码和符号,其位置高低应区别明显;符号第一次出现时需要进行说明。

5.文中的计量单位一律使用《中华人民共和国法定计量单位》.文中图表只附最必要的,插图要精绘,图中文字书写清楚.插图和照片不得用复印件,必须是清绘图和原照片.图、表应贴在正文中的相应位置上.图、表和公式分别用阿拉伯数字全文统一编号.

6.参考文献只择最主要的列入,一般不超过15条，综述文章的参考文献可根据内容而定。未公开发表的资料请勿引用.

年度被引次数报告 (学术成果产出及被引变化趋势)

• 深度卷积神经网络的发展及其在计算机视觉领域的应用

  作为类脑计算领域的一个重要研究成果,深度卷积神经网络已经广泛应用到计算机视觉、自然语言处理、信息检索、语音识别、语义理解等多个领域,在工业界和学术界掀起了神经网络研究的浪潮,促进了人工智能的发展.卷积神经网络直接以原始数据作为输入,从大量训练数据中自动学习特征的表示.卷积神经网络具有局部连接、权值共享和池化操作等特性,可以...

  作者：张顺; 龚怡宏; 王进军 刊期： 2019年第03期

• 基于ReliefF剪枝的多标记分类算法

  多标记分类问题需要为每个实例分配多个标记.常见的多标记分类方法主要分为算法转换法和问题转换法两类.合理利用标记间的依赖关系是提升多标记分类性能的关键.在该文中,作者从不同的问题转化方法的角度,将标记间依赖关系的利用方法分为标记分组法和属性空间扩展法两种.作者发现,对于属性空间扩展法,普遍存在的难题在于如何对标记间的依赖关系进...

  作者：刘海洋; 王志海; 张志东 刊期： 2019年第03期

• 融合关联矩阵自学习和显式秩约束的数据表示分簇算法

  复杂异构分布的高维数据在大数据时代随处可见,高效地挖掘其子空间结构并进行准确的分簇是机器视觉和模式识别领域的研究热点.低秩表示算法(Low-Rank Representation,LRR)因其优越的低维子空间挖掘能力而备受关注,其性能很大程度上取决于关联矩阵的构建,常见的方法都是通过原始输入数据或表示系数直接一次成形.然而,这些方法都采用独立的步骤进...

  作者：郑建炜; 鞠振宇; 朱文博; 王万良 刊期： 2019年第03期

• 大图中全部极大团的并行挖掘算法研究

  该文的目的在于优化现有的大图数据中全部极大团挖掘算法.在生物网络、社会网络及web分析中,找出图中的全部极大团是一个重要的应用.随着图数据规模的增大,传统的极大团挖掘算法因无法满足性能要求而被并行处理方式取代.但是,在现有的并行处理方法中,需要过滤大量的重复极大团和检测非极大团,降低了算法的性能.论文在分析了现有的极大团并行算法...

  作者：汤小春; 周佳文; 田凯飞; 李战怀 刊期： 2019年第03期

• 一种采用模型学习和经验回放加速的正则化自然行动器评判器算法

  行动器评判器(Actor Critic,简称AC)算法是强化学习连续动作领域的一类重要算法,其采用独立的结构表示策略,但更新策略时需要大量样本导致样本效率不高.为了解决该问题,提出了基于模型学习和经验回放加速的正则化自然AC算法(Regularized Natural AC with Model Learning and Experience Replay,简称RNAC-ML-ER).RNAC-ML-ER将Agent与环境在线交互...

  作者：钟珊; 刘全; 傅启明; 龚声蓉; 董虎胜 刊期： 2019年第03期