我们高兴地向读者推出本期“优青专辑”，展示在国家自然科学基金优秀青年科学基金项目（“优青基金”）资助下取得的部分成果。优青基金是国家自然科学基金委员会从2012年起设立的一类人才项目，主要支持在基础研究方面已取得较好成绩的青年学者自主选择研究方向开展创新研究，促进青年科学技术人才的快速成长，培养一批有望进入世界科技前沿的优秀学术骨干。截止到我们组织这期专辑的时候，计算机学科共有三批39位（包括4位女性）青年学者得到了优青基金资助，研究方向几乎涉及了计算机学科所有重要研究领域（尽量从数量上看分布还不够均衡）。优青基金获得者表现出很高的学术素养，令人欣喜不已，倍感我国科技事业后继有人。本专辑得到优青基金获得者的积极响应和赐稿。经过专家评审，我们选择13篇文章在这里刊载。与其它专辑有所不同，本专辑的文章并未限定在某个特定研究领域，而是涉及计算机科学技术中比较宽泛的研究内容，包括互联网、无线网络、数据中心、人工智能与模式识别、图像处理、可靠性与容错、、大数据和知识库技术等，既有对具体创新成果的介绍，也有对重要研究方向的分析和综述，色彩纷呈。

互联网从一个实验网络成长为如今的超复杂系统，其服务性能一直备受关注.网络性能作为衡量网络服务的重要指标，广泛地应用于服务选择、拥塞控制、路由选择、网络性能优化、未来网络体系架构设计等方面.针对这些应用需求，学术界提出了众多的网络性能测量技术.互联网性能测量技术经过长期的发展与演变，其测量范围从小规模网络发展到覆盖全球，测量目标从点到点测量发展成大规模分布式P2P测量，测量对象从QoS转变到基于用户感受的QoE，其发展过程可分为3个阶段：传统的“所见即所得”测量、路径拟合的大规模分布式测量以及大数据驱动的QoE测量，每个阶段都具有独特的测量技术.最后，分析了互联网和网络应用的高速发展对网络性能测量技术带来的挑战，指出了未来需要研究的内容和发展方向.

在无线传感器网络中应用虚拟骨干，可以有效地节约能量、减少干扰、延长网络寿命，在几何路由算法和网络拓扑控制等方面具有广泛的应用.虚拟骨干可以模型化为图中的连通控制集.主要从近似算法角度介绍连通控制集及其各种变形在国内外的研究现状及最新进展，侧重于研究方法和理论结果，为相关研究人员提供参考.

信息时代的众多网络应用需求孕育了多种多样的无线网络通信协议，蓬勃发展的物联网将众多无线网络协议纳入了一个共同的网络框架内.随着物联网系统的广泛应用，同一区域内，尤其在室内环境中，多种无线网络协议共存的情况越来越普遍.众多共存的无线网络协议不仅不能彼此分享数据信息，反而会对彼此造成干扰，影响通信效率.因此，无线网络协议共存技术近年来成为了工业界和学术界的研究热点.然而现在关于2.4 GHz频段上的无线网络共存的综述研究或仅仅针对某2种协议间的共存，或缺少对最新技术的总结.因此，在重新梳理相关研究的基础上，介绍了共存问题的成因，分析了共存问题的影响，按照共存环境复杂性，回顾了现有工作提出的关键共存技术，包括同质干扰的避让、容忍和并发传输，异质干扰的检测、识别和异质干扰环境下的共存传输.最后，展望了物联网发展大环境下共存技术的发展趋势——更广泛的互联互通.

随着无线通信技术的快速发展，无线频谱成为越来越紧缺的网络资源.现有的静态频谱管理机制导致频谱资源在空间维度和时间维度上的低利用率.拍卖机制被认为是解决频谱资源稀缺问题的行之有效的方法.然而，设计高效、实际的频谱拍卖机制需要考虑5个挑战：理性用户自私策略行为、信道异质特性、信道空间重用特性、用户偏好多样性和社会福利的最大化.对频谱拍卖机制的研究现状做了全面的综述，指出现有工作存在的问题，并提出可行的解决方案；展示了在异质频谱管理中的最新研究成果；将异质频谱的重分配问题建模成组合拍卖模型，结合5个设计难题提出高效的信道分配机制和定价策略.该机制实现了防策略性和近似社会福利最大化.

MapReduce等分布式计算系统应用在数据中心内产生了严重的东西向流量，其中以incast和shuffle为代表的关联性流量占相当大的比重，进而严重影响到上层应用的性能.这促使研究者们考虑在这些关联性流量的网内传输阶段尽可能早而不是仅在流量的接收端进行流间数据聚合.首先以新型数据中心网络结构为背景讨论流间数据聚合的可行性和增益，为最大化该增益，为incast传输建立最小代价树模型.为解决该模型，提出了2种近似的incast树构造方法，其能够仅基于incast成员的位置和数据中心拓扑结构生成一个有效的incast树，进一步解决了incast树的动态和容错问题.最后，采用原型系统和大规模仿真的方法评估了incast流量的网内聚合方法，实验结果证明该方法能大幅降低incast流量造成的传输开销，能节约数据中心的网络资源.同时，提出的模型和解决方法也适用于其他类型的数据中心网络结构.

深度神经网络(deep neural networks, DNNs)及其学习算法，作为成功的大数据分析方法，已为学术界和工业界所熟知.与传统方法相比，深度学习方法以数据驱动、能自动地从数据中提取特征(知识)，对于分析非结构化、模式不明多变、跨领域的大数据具有显著优势.目前，在大数据分析中使用的深度神经网络主要是前馈神经网络(feedforward neural networks, FNNs)，这种网络擅长提取静态数据的相关关系，适用于基于分类的数据应用场景.但是受到自身结构本质的限制，它提取数据时序特征的能力有限.无限深度神经网络(infinite deep neural networks)是一种具有反馈连接的回复式神经网络(recurrent neural networks, RNNs)，本质上是一个动力学系统，网络状态随时间演化是这种网络的本质属性，它耦合了“时间参数”，更加适用于提取数据的时序特征，从而进行大数据的预测.将这种网络的反馈结构在时间维度展开，随着时间的运行，这种网络可以“无限深”，故称之为无限深度神经网络.重点介绍这种网络的拓扑结构和若干学习算法及其在语音识别和图像理解领域的成功实例.

随着计算技术和人机交互技术的不断发展，情感计算(affective computing, AC)逐渐成为情绪研究的新兴领域，而情绪识别(emotion recognition)又是情感计算中不可或缺的一环.基于生理信号的情绪识别方法比其他指标如面部表情、语音语调、身体姿势等更难以伪装，也能提供更丰富的信息.目前基于生理信号的情绪识别研究很多，但受到各种因素的影响，如刺激选取、诱发情绪的类别、采集设备、特征提取方法、不同的降维和分类算法等，各个研究的识别准确率差异性很大，很难进行比较.针对使用DEAP数据库(用音乐视频诱发情绪并采集脑电及外周生理信号的公开数据库)进行情绪识别的16篇文章做了梳理；对特征提取、数据标准化、降维、情绪分类、交叉检验等方法做了详细的解释和比较；最后分析了现阶段情绪识别在游戏开发、多媒体制作、交互体验、社交网络中的初步探索和应用，以及情绪识别和情感计算目前存在的问题及未来发展的方向.

人的行为识别是计算机视觉领域中的重点研究问题之一.相对于静态图像中物体识别研究，行为识别更加关注如何感知感兴趣目标在图像序列中的时空运动变化.视觉行为的存在方式从二维空间到三维时空的扩展大大增加了行为表达及后续识别任务的复杂性，同时也为视觉研究者提供了更广阔的空间以尝试不同的解决思路和技术方法.近年来，人的行为识别相关工作层出不穷，已成为计算机视觉研究中的热点方向.以时间为顺序，对从21世纪初至今约15年中出现的视觉行为识别研究方法进行了梳理、归类和总结.相比其他综述性文章，以不同时期人的行为识别数据库的演化为线索，介绍不同时期行为识别研究所关注的研究重点问题和主要研究思路，能更清晰直观地体现行为识别研究的发展历程.同时，以数据库演化历程为顺序介绍行为识别，能更好地呼应当前视觉领域愈来愈受人关注的大数据驱动的研究思路.通过对相关工作的梳理和总结，还对今后行为识别研究的发展方向做出展望，希望对各位研究者方向把握上提供一些帮助.

视觉在人与人交互以及人与自然界的交互过程中起到非常重要的作用，让终端设备具有智能的视觉识别和交互能力是人工智能和计算机技术的核心挑战和远大目标之一.可以看到，近年来视觉识别技术发展飞速，新的创新技术不断涌现，新的研究问题不断被提出，面向智能交互的应用呈现出一些新的动态，正在不断刷新人们对此领域的原有认识.从视觉识别、视觉描述和视觉问答3个角度对图像识别技术进行综述，对基于深度学习的图像识别以及场景分类技术进行了具体介绍，对视觉描述和问答技术的最新技术进行了分析和讨论，同时对面向移动终端和机器人的视觉识别和交互应用进行了介绍，最后对该领域的未来研究趋势进行了分析.

遥感影像变化检测技术用于检测同一地点在一段时间内所发生的变化情况，具有重要的应用价值.而基于合成孔径雷达(synthetic aperture radar, SAR)影像的变化检测由于其传感器具有不受时段、天气条件影响等优良特性而在近年内受到了广泛的关注.针对SAR影像变化检测这一核心任务，首先对其经典步骤以及每一步的传统方法进行介绍，然后对在近年来的诸多新兴热点算法加以归纳总结.这些热点算法对差异图的生成以及阈值、聚类、图切和水平集4种常用的差异图分析法进行了不同程度的研究，将传统方法针对变化检测任务进行了相应改善，取得了良好的效果.在由浅入深地介绍了这些算法的同时也进行了理论上的分析对比.为了验证这些方法的有效性，使用了2组数据集对这些方法进行了测试，定量比较了一些方法的性能.最后针对目前SAR影像变化检测技术中需要进一步研究的内容作了展望.

目前商业云平台和开源云平台种类繁多，如CloudStack,OpenStack,Eucalyptus等，这些云平台提供的管理能力和管理方式存在较大差异，即使在同一个云平台中也存在多种虚拟化方式，如Xen,KVM,VMware等.近年来，随着私有云和混合云的迅速发展，基础设施的异构程度加剧.由于容错机制往往依赖于基础设施的管理能力和管理方式，因此容错机制实例在不同的目标平台上需要分别实现，导致容错机制的开发难度和开发时间显著增加.针对这一问题，提出了一种基于模型的容错机制开发方法，实现容错机制的跨平台性.为了验证容错机制开发方法的有效性和实用性，实现了7种常见的容错机制实例，并在CloudStack和OpenStack开源云平台上进行验证.实验表明，这些容错机制能够有效地实现故障转移，提升容错对象可靠性、可用性等指标；提出的容错机制开发方法能够实现跨平台，并达到90%以上的代码复用率；对云平台管理员以及容错机制开发者的问卷调查结果表明，该方法能够较好地提升容错机制的开发体验和开发效率.

随着计算机软件规模和复杂度的日益增长，软件系统的可靠性和安全性倍受关注.空指针解引用是程序中常见的一类错误.提出了一种基于反例制导抽象精化CEGAR的C程序空指针解引用检测方法.该方法首先使用线性时序逻辑描述空指针解引用问题，然后通过抽象精化的方法检测待测程序中是否含有空指针解引用错误.为了达到完全自动验证的目标，同时针对空指针解引用问题，研究了该类性质的时序逻辑表达方法，并自动从程序中针对所有的指针变量，形成相应的时序逻辑公式.实验结果表明，所提出的方法在大规模C程序的空指针解引用检测方面有着重要的实际应用价值.

知识库的实体对齐(entity alignment)工作是近年来的研究热点问题.知识库实体对齐的目标是能够高质量链接多个现有知识库，并从顶层创建一个大规模的统一的知识库，从而帮助机器理解底层数据.然而，知识库实体对齐在数据质量、匹配效率等多个方面存在很多问题与挑战有待解决.从这些挑战出发，对十几年来的可用于知识库实体对齐的技术和算法进行综述，通过分类和总结现有技术，为进一步的研究工作提供可选方案.首先形式化定义了知识库实体对齐问题；然后对知识库的实体对齐工作进行总体概述，并从对齐算法、特征匹配技术和分区索引技术3个方面详细总结了各种可用方法和研究进展，重点从局部和全局2个角度对主流的集体对齐算法进行详细阐述，并介绍了常用的评测数据集；最后对未来重点的研究内容和发展方向进行了探讨和展望.