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

    改进CA-Markov模型的城市土地空间结构演变预测

    王艺瑶陶莉
    505-509页
    查看更多>>摘要：城市土地空间结构演变预测需要大量的数据支持,现阶段预测手段存在预测精度不佳的问题,为此提出GIS技术下城市土地空间结构演变预测方法.通过GIS技术获取城市土地空间结构数据,并对其进行结构演变分析;通过人工神经网络模型、轮盘竞争机制和惯性系数对CA模型实行优化处理;将改进CA模型与Markov结构结合,建立改进CA-Markov模型,根据城市土地空间结构演变分析结果实现城市土地空间结构演变预测.实验结果表明,所提方法的城市土地空间结构演变预测精度更高,整体应用效果更好.

    城市土地空间结构演变预测模型优化

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于关键词加权的混合特征文本快速分类仿真

    徐佳丽杨长红
    510-513,518页
    查看更多>>摘要：电子文本形式的网络信息不仅数量多,且混合特征具有较高相似性,很难达到特征的平均分布.特征项在类别间的不均性导致文本权重计算易出现偏差,影响类别特征词的提取,导致文本分类难度较大.为此,提出一种基于关键词加权的混合特征文本快速分类方法.采用词频逆文本频率指数信息检索方法对文本加权,计算不同权重下文本关键词在中心集合中出现的频率.根据频率阈值提取关键特征,确定文本集合中类中心点.计算与类中心相关性最高的文本数据,提取关联度特征.建立神经网络分类模型,预先设定一组包含详细特征的文本集,作为初始值输入到神经网络中,每个层次根据目标特征逐一比对实现有效分类.实验证明,所研究方法的查全率更高,文本混合特征提取的召回率高于 40%,说明研究方法应用性能更优,对不同种类的文本集均能完成精准分类.

    关键词加权混合特征文本频率阈值神经网络分类模型

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于时间序列的局部离群数据挖掘优化算法

    姚红梁竹
    514-518页
    查看更多>>摘要：针对数据量较大和数据维度较高导致离群数据挖掘困难的问题,提出基于时间序列的局部离群数据挖掘优化算法.将角度优化的全局嵌入算法和共同核主成分分析法相结合构建AOCKPCA降维算法,对海量高维时间序列降维处理;在蚁群算法中引入K-means算法,提升蚁群算法运算效率,降低不稳定性;将降维后的时间序列输入到优化后算法中,实现局部离群数据挖掘.实验结果表明,采用所提方法挖掘离群数据的准确率较高,误判的离群点个数较少,说明其挖掘效果较好.

    时间序列局部离群数据挖掘数据降维蚁群算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    引入神经网络极限学习机的关键数据查询模型

    张勇飞陈艳君赵世忠
    519-523页
    查看更多>>摘要：网络空间数据的结构具有较高相似性,海量数据的不断增量更新,导致关键数据查询结果存在冗余和偏离问题.因此提出基于神经网络极限学习机的关键数据查询方法.建模描述关键数据查询问题.基于此引入神经网络极限学习机,建立关键数据查询模型.预处理数据库中无用数据和重复数据做,通过输出权值范数的最小二乘解,避免算法陷入局部最优.结合输出矩阵,训练查询模型,输出结果结果即为关键数据查询结果.为证明上述方法的性能优势,设计对比实验,结果表明提出的方法应用于关键数据查询的均方根误差不超过1.2,平均绝对百分比误差最高为4.1%,关系数F可达0.6,网络节点的使用率低于20%.以上实验数据验证了上述方法数据查询精度较高,可应用性更强.

    神经网络极限学习机关键数据输出权值最小二乘解数据预处理

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    属性关联模型下大数据集群查询仿真

    周敏曾达杨祥
    524-527,537页
    查看更多>>摘要：在数据查询过程中,易受冗余数据、服务器异常、虚拟信息等问题的干扰,导致查询时间长、查询稳定性差等现象产生.为了解决上述问题,提出基于属性关联模型的大数据集群查询算法.采用扩展t-SNE算法对大数据集群中的数据节点做降维处理,避免冗余数据对查询过程产生干扰.将降维后的数据输入到属性关联模型中,实现大数据集群的特征提取,并将提取的特征输入到分布式并行架构中,通过查询负载量的计算完成大数据集群的查询.实验结果表明,所提算法的响应时间短,查询开销小于 50Mb,且查询稳定性强.

    大数据集群降维特征提取属性特征分布式并行架构负载均衡分配查询负载量

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    建筑空间最优节能设计模型仿真研究

    周忠长刘集成
    528-532页
    查看更多>>摘要：由于建筑结构主体较多,空间能耗难以合并控制,导致目前建筑空间能源耗用量较大.为此,构建基于等效转换法的建筑空间最优节能模型,并对其仿真研究.提出建筑总体能耗作为初始优化的"尺度"概念,该尺度为建筑空间的外墙、内墙、屋顶、分户楼板以及门窗等参数,求解这些尺度的最佳标准值.采用等效转换法计算在节能条件下所能接受的最大能耗范围.在此基础上,以上述范围值为约束条件,建立控制函数.将上述提到标准尺度值和最大能耗范围设置为最优解,建立最优节能设计模型,设定温差调节因子,对每一次室内外温差实施有效调节控制,保证建筑体参数符合最佳能耗范围.仿真结果证明,所提方法对冬季采暖和夏季制冷的能耗控制效果均较佳,节能效果最优且算法收敛性高,鲁棒性较好.

    建筑空间最优节能设计等效转换控制函数调节因子

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于分数阶偏微分的数字图像滤波去噪仿真

    邹佩付明春段辰璐
    533-537页
    查看更多>>摘要：受多种因素影响,数字图像会呈现出不同程度的噪声图斑,导致图像质量、清晰度降低,加大了图像分析、检测、分割等难度,为此,提出基于偏微分方程的图像自适应滤波去噪算法.区分图像噪声点和非噪声点,检测图像的边缘特征,提高算法对边缘的保留能力;构建分数阶偏微分方程模型,通过模型完成对图像的自适应滤波去噪处理.选取含有不同程度的噪声图像对所提方法展开实验测试,结果表明,所提方法可以有效去除图像中的冗余噪声,使图像整体质量得到大幅度提升.

    偏微分方程自适应滤波去噪数值解矩阵噪声点梯度下降法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于深度学习的消费者投诉信息提取仿真

    孙徕壹董微李梦寒张青川...
    538-541页
    查看更多>>摘要：投诉平台的投诉信息中包含了许多消费者对产品及服务问题的反馈,快速、完整且准确地从消费者投诉信息中识别出问题的类别,并提取相关实体,可以为商家及时提升服务、提高用户满意度提供有效辅助.以黑猫投诉平台中的投诉数据作为数据基础,采用pipeline的方法对实体-多标签进行抽取.构建了Bert-BiLstm模型,提取实体之间的多标签类型,同时建立了Bert-BiLstm-CRF模型对实体对进行抽取.实验结果表明,所提出的实体-多标签抽取模型具有较好的性能,与基准模型对比,F1-score评估指标提升了 0.96%～3.22%.

    多标签分类实体抽取双向长短时记忆网络条件随机场投诉

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于稀疏自编码的多维数据去重聚类算法分析

    薛丽香高丽杰李占波
    542-547页
    查看更多>>摘要：随着科技信息的不断发展,数据量与数据类型与日俱增,针对数据集维度高、重复数据多导致有效信息提取复杂的问题,提出基于改进稀疏自编码器的多维数据聚类算法.算法分为数据处理与聚类分析两大部分,数据处理时首先利用S-SAE中逐层贪婪的原理将高维数据集降维至每组 6 维的数据集;接着采用映射值匹配机制对降维后的数据集进行重复数据清洗处理,被清洗的值用0 替代;然后将处理好的数据投入到K-Means++聚类算法中进行聚类分析;最终构建出TS-SAE-K-Means++多维数据聚类模型,并通过最优化分析得出其最优化参数设置情况.通过对不同基线组合算法的仿真对比分析表明,TS-SAE-K-Means++在聚类轮廓系数S与模型特征值F1 评价体系中均优于其它算法组合.这表明提出的算法在解决高维数据内有效信息提取的问题上具有一定的优越性.

    改进稀疏自编码器聚类算法评级指标

      原文链接:
    • NETL
    • NSTL
    • 万方数据