首页期刊导航|计算机仿真
期刊信息/Journal information
计算机仿真
计算机仿真

吴连伟

月刊

1006-9348

kwcoltd@public.bta.net.cn jsjfz@compusimu.com

010-68767186

100037

北京海淀阜成路14号

计算机仿真/Journal Computer SimulationCSCD北大核心CSTPCD
查看更多>>本刊旨在促进我国仿真技术交流和发展,既总结过去、探索基础理论,又跟踪发展前沿,重点报导仿真应用成果。现已是中国科技论文核心期刊。于2003年被《中国科学文献计量评价研究中心》评为优秀期刊。同时被选入中国学术期刊(光盘版)文献检索系统、中国科学引文数据库、中国核心期刊数据库。现已成为仿真技术领域中优秀期刊。
正式出版
收录年代

    云计算平台下基于小波分解的数据同步采集

    丁嘉伟冯乃勤
    390-394页
    查看更多>>摘要:与单通道数据采集不同,双通道数据采集中需要在每个通道设置多个模拟信号,由此会造成网络能耗较大,为此提出云计算平台下基于小波分解的数据同步采集算法.通过小波分解数据生成小波系数与尺度系数,并运用阈值函数处理小波系数,根据得到的相关系数重构估计信号,完成数据去噪;利用平滑WVD方法提取数据特征,生成双通道数据的特征向量;根据得到的特征向量采用云计算平台实现双通道数据同步采集.实验结果表明,所提算法的拟合度较高、数据采集效果较好,有效降低了网络能耗.

    云计算平台特征提取数据采集数据去噪欧氏距离

    基于轻量级对称结构网络的棉花图像分割算法

    李尤张晨魏巍向森...
    395-400页
    查看更多>>摘要:棉纺产线中的自动化、数字化设备提高了产线的生产效率与质量,但在当前仍存在棉纺产线管道棉流中棉花状况难检测的问题.因此,结合棉纺产线中棉流图像的特征,提出了一种基于轻量级网络的分割方法(Light cotton-net).网络基于一种对称编解码结构,通过优化卷积方式与上采样方法、设计特称提取结构,在保证分割精度在误差可接受范围内的同时大幅减少网络参数、提高网络预测速度.以异纤机中拍摄的棉流图像为数据集,加入随机偏移、缩放、亮度变换等数据增广操作.实验数据表明,在网络参数量 6.0M(million),预测每张图片时间为 35.328ms的情况下,模型的分精确度和召回率分别为96.63%和93.87%,模型分割精度基本与U-net网络等同,参数量约为其1/3,图像分割速度约为其5 倍,模型对系统内存及算力的需求更低,更适合在工业设备上的部署.

    棉花图像图像分割算法对称结构网络棉流数据集

    基于模糊列表的相关高模糊效用挖掘算法

    王斌李晓华周伟胡克勇...
    401-408页
    查看更多>>摘要:针对传统的两阶段高模糊效用挖掘算法存在产生大量候选项集、忽略项集之间的联系和需要重复扫描数据库的问题,提出了一阶段基于模糊列表的相关高模糊效用挖掘算法(Correlated High Fuzzy Utility Mining Algorithm Based on Fuzzy List,CoHFUIM).算法设计了新的模糊列表结构(FHUI-list),使挖掘过程仅需扫描一次数据库,提高了运行效率;上述算法增加了相关性约束并提出了Cos-prune剪枝策略,减少了候选项集的数量,使挖掘出的项集既是高效用的也是高相关的;为了使上述算法适用于动态数据库,提出了改进算法CoHFUIM+.在Chess、Connect和Mushroom三个真实数据集进行仿真,结果表明改进算法的运行时间、内存使用及延展性均优于经典算法TPFU.

    相关性模糊列表动态收益效用挖掘

    基于海明距离的量子k-medians算法

    辛娟娟魏贺戚晗拱长青...
    409-414页
    查看更多>>摘要:随着大数据时代的到来,传统数据的相似性度量算法不再适用于高维数据的聚类.基于量子计算,人们提出利用控制交换门(Control-Swap)计算数据间相似度.但是,由于初始量子态的分解和制备是困难的,导致该算法的实用性降低.因此提出一种基于海明距离的量子k-medians(QHk-medians)算法来实现对高维结构化数据的聚类.QHk-medians主要由子程序Hamm DistCalc与GroverOptim组成.设计了子程序Hamm DistCalc和GroverOptim的通用量子线路,并基于IBM Qiskit进行了实验模拟,成功对网络入侵数据聚类.提出的QHk-medians算法量子态构造简单,能准确的测量两个独立高维数据的相似度并实现聚类,与经典k-medians相比,算法时间复杂度降低,分类准确率更高.

    汉明距离网络入侵检测仿真

    基于邻接比特压缩表的频繁闭项集挖掘算法

    杨博超吴美璇胡浩朱敏...
    415-424页
    查看更多>>摘要:频繁闭项集(Frequent Closed Items,FCI)是一种表示事物之间关联关系的有效方式,它能克服频繁项集(Frequent Items,FI)信息冗余的缺点.FCI挖掘算法研究旨在以更优的时空效率,在原始数据集中找到所有的FCI.相关研究成果重在关注时间效率的提升,但空间效率欠佳.提出一种高空间压缩率数据结构——邻接比特压缩表(Compressed Adjacency Byte table,Cab-table),将项集与交易集压缩到剔除全部0 之后的比特表中,使空间高度压缩.基于此数据结构的频繁闭项集挖掘算法(Cab-Miner),采用运算栈与检索栈来实现非递归方式的频繁闭项集挖掘,相较于之前普遍采用递归方式的算法,在理论上可使空间占用率由O(L∗N+M)降为O(3N).基于公开数据集与真实数据集的实验表明,上述算法在原始数据集压缩,以及运算内存消耗上,都有较优的表现,尤其在处理真实数据集时,空间表现极佳.另外在某些属性的数据集上也表现出优越的时间效率.

    频繁闭项集邻接比特压缩表非递归算法高空间效率

    基于测试树模型的软件测试能力值优先级排序

    黄丽赵红霞朱叶杨秋琴...
    425-428,437页
    查看更多>>摘要:为了有效提升软件测试用例排序的执行效率,保障软件运行安全,提出基于UML顺序图的软件测试用例优先级排序方法.根据UML顺序图场景概念,通过遍历顺序图中的时间序列获取全部场景,得到与之对应的场景测试树模型.设置约束条件,根据场景环境条件形成软件测试用例.计算各个软件测试用例的迁移重要度,通过反馈机制动态调整软件测试用例的总测试能力值,根据测试能力值展开优先级排序.实验结果表明,采用所提方法可以全面提升软件测试用例缺陷检测率,确保在最短的时间内获取最优的排序结果.

    顺序图软件测试用例优先级排序测试场景

    多层中继网络通信时延高容忍度控制算法仿真

    陈俊蒋正帅陈磊
    429-432,484页
    查看更多>>摘要:在中继网络通信过程的高斯白噪声影响下,输入信号会产生相位偏转,即信号时延.通信时延不仅会降低网络稳定性,还会浪费信道信息资源.提出多层中继网络通信时延高容忍度控制算法.利用相似原则计算多层中继网络通信最大损耗能量,在能量限制下变换带有信息的节点值,分析通信信息源传输数据情况,将时延控制问题转变为最优概率求解,确保通信数据的传输成功率.根据网络模型计算最佳网络分簇个数,获得簇内节点数据通信周期损耗的能量,按照节点密度确定确实际节点通信半径,利用蚁群算法将全部簇头聚集至节点代价最低的多跳路由,实现多层中继网络通信时延的高容忍度控制.实验结果表明,随着通信信息缓存量的增多,研究方法的通信信息投递率仍可达到 0.40,通信网络开销可控制在300J以内,最低时延能够控制在12ms,远远低于其它算法,且研究方法应用下通信网络丢包率更低,实验结果验证了上述方法的应用优势明显,实用性更好.

    多层中继网络时延高容忍度通信网络节点节点能量

    病毒入侵下无线网络覆盖漏洞感知模型设计

    代琪怡刘维
    433-437页
    查看更多>>摘要:为了及时发现病毒入侵风险,保证无线网络安全,设计一种基于改进遗传神经网络的无线网络覆盖漏洞感知模型.考虑多径衰落效应,构建无线网络信号传播模型,计算信号传输路径损耗,采用地理信息系统获取可视化无线网络覆盖图;融合贝叶斯理论和属性攻击图,通过后验概率更新静态贝叶斯攻击图属性状态,实现覆盖漏洞动态风险评估;使用D-S证据理论融合多源数据,运用蚁群算法实施数据寻优,以过往与现阶段网络安全状态为基础,建立无线网络覆盖漏洞感知模型,凭借改进遗传神经网络优化模型感知准确度.仿真结果表明,所提方法在不同节点密度与感知半径下均具备良好的漏洞感知精度及效率,可广泛应用于现实场景.

    病毒入侵无线网络覆盖漏洞感知模型改进遗传神经网络

    改进时间卷积网络下局域网异常状态预测方法

    葛昕岳敏楠
    438-442页
    查看更多>>摘要:局域网异常会阻碍网络运行速度,严重时会导致网络瘫痪.为了精准预测局域网是否存在异常,提出一种基于改进时间卷积网络的局域网异常预测方法.组建变分模态分解(Variational Mode Decomposition,VMD)高频噪声分量判定标准,剔除高频分量,将剩余VMD分量叠加重构,去除局域网数据中的噪声.建立局域网异常预测模型,将去噪后的局域网数据特征数值规约到和灰度图像像素值对应的范围内,形成局域网灰度图,并将其输入到改进时间卷积网络结构中训练和模型调优,完成局域网异常预测.经实验测试证明,所提方法可以获取高精度和高效率的局域网异常预测结果,在局域网异常预测领域具有广阔的发展前景.

    改进时间卷积网络局域网改进灰狼优化算法异常预测变分模态分解

    云环境下改进自回归模型的网络数据去重仿真

    胡艳华张春玉崔亚楠倪志平...
    443-446,536页
    查看更多>>摘要:云环境网络数据去重过程中,若不能及时对网络数据实施噪声抑制,会直接降低数据的去重效果,为提升数据去重精度,提出基于自回归模型的云环境中网络数据去重算法.建立云环境弹性空间模型,确定网络数据的空间自相关度量值完成数据去噪,基于去噪结果详细分析云环境中网络数据属性特征;根据提取的属性特征对云环境中网络数据聚类处理,结合自回归模型建立网络冗余数据预测模型,精准预测出云环境中的网络冗余数据,并对其进行剔除处理,实现网络数据的精准去重.实验结果表明,使用该方法开展数据去重时能够有效去除网络数据中的冗余数据,去重效果较好.

    自回归模型云环境网络数据去重算法冗余数据预测模型