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

    UFMC系统中基于阈值的改进DFT信道估计算法

    陈雷郝玉莲刘帅奇张锁良...
    338-342,414页
    查看更多>>摘要：针对通用滤波多载波(Universal Filtered Multi-Carrier，UFMC)系统中传统的基于离散傅里叶变换(Discrete Fourier Transform，DFT)的信道估计算法存在噪声区间不连续、信道长度内噪声消除不彻底、信号经DFT运算后频谱泄露高等问题，提出一种基于阈值的改进DFT信道估计算法。算法在频域通过加窗以降低信道冲激响应(Channel Impulse Response，CIR)能量泄露，在时域通过设置阈值和指数平滑可最大限度滤除样本内噪声。理论分析与仿真结果表明，与传统的DFT估计算法相比，所提算法误比特率(Bit Error Ratio，BER)更低，在高信噪比下有 1。5 dB左右的性能提升，能够进一步减少噪声对系统性能的影响，可有效提高信道估计的准确度。

    通用滤波多载波离散傅里叶变换信道冲激响应阈值指数平滑

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

    融合混沌灰狼优化算法的K-均值聚类算法

    李金李素王祖荣姜缘平...
    343-347,358页
    查看更多>>摘要：针对K-均值聚类(K-means)算法对初始聚类中心位置敏感、容易陷入局部最优的缺点，提出一种融合混沌灰狼优化算法的K-means算法。算法利用混沌系统的随机性和遍历性产生分布较均匀的Tent混沌序列来初始化灰狼种群，获得分布较均匀且多样性较高的初始解，提高了算法的全局搜索能力;在搜索全局最优聚类中心的过程中引入基于精英个体的变异操作，维持种群的多样性，提高了算法的的局部搜索能力，避免算法陷入局部最优。实验结果表明，与基本K-means、基于粒子群算法(PSO)改进的K-means、传统灰狼优化算法(GWO)改进的K-means相比，以上算法具有更优的聚类效果，更强的寻优能力。

    灰狼优化算法混沌序列全局最优局部最优变异

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

    基于SimCSE和BERT混合模型的短文本情感分类

    刘继李帅文
    348-352,435页
    查看更多>>摘要：为了解决BERT模型训练效果受到文本向量存在的各向异性问题，将对比学习(SimCSE)和BERT结合起来构建模型(SimCSE-BERT)，分类器不但通过对比学习思想扩充了训练数据量，还可基于SimCSE模型获得"对齐"和"均匀性"俱佳的文本向量去优化基础BERT模型以提高分类效果。实验结果表明，与基础BERT模型相比，混合模型的准确率在外卖、携程酒店和淘宝数据集上分别提升 0。562、0。584 和0。734 个百分点。该模型在短文本情感分类数据集上的分类效果有明显提升，并且具有良好的泛化能力。

    情感分类混合模型文本向量

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

    基于密距的CK-means协议分类算法

    刘正阳翟慧鹏姜勃王忠勇...
    353-358页
    查看更多>>摘要：在网络协议不均匀环境下，样本流分布变化对协议分类的准确性和稳定性有较大的影响。针对协议分类中类不均匀和中心点选取问题，提出一种基于最大密距的CK-means协议分类算法。算法通过样本确定算法所需阈值参数，通过获取样本密距值在聚类过程中确定初始中心点并剔除离群点。最大密距法适用于非均匀数据集且计算的中心点更趋近于类别中心位置，能够提高聚类的稳定性和结果的可靠性。实验分析表明，相比于其它算法，改进后的算法能够克服噪声和类不均衡对协议分类的不利影响，在协议分类准确率提高的同时也改善了聚类效果。

    阈值参数最大密距协议分类

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

    基于代理模型进化的高效神经网络架构搜索

    王龙业肖舒曾晓莉王圳鹏...
    359-365页
    查看更多>>摘要：针对传统人工神经网络设计的时间复杂性与调试困难等问题，研究基于神经网络架构搜索的高效神经网络架构自动搜索方法，解决网络设计方案，提出了一种代理模型进化方法的高效神经网络搜索方法。上述方法将代理模型集成到遗传算法中，通过训练代理模型将预测卷积神经网络(Convolutional Neural Networks，CNN)性能问题转化为二值分类问题，加速网络评估过程。另外，在最新一代模型中，子模型通过继承父模型参数，在训练数据集上训练较少次数，加速最优网络的生成。所提方法在CIfar-10 数据集上分类精度为 95。6%，模型参数为3。4M;在Cifar-100 数据集上分类精度为 77。46%，模型参数为 4。3M。由于使用代理模型和参数共享，新方法在cirar-10 数据集上经过 2。5 天搜索获得性能优异的模型，避免了43。8%的候选CNN训练。

    代理模型遗传算法适应度评估参数继承

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

    基于差分阵列和时频掩蔽的语音增强算法

    于博文曾庆宁
    366-371页
    查看更多>>摘要：为了解决噪声抑制时出现语音失真的问题，提高语音增强质量。提出一种差分波束形成结合自适应时频掩蔽的双麦克风阵列语音增强算法。采用一阶时域差分波束形成技术处理双麦阵列接收的信号，充分利用时域、空域信息，抑制方向性噪声，得到差分波束形成后的输出信号，并且对畸变的语音信号进行恢复。其次，差分后语音信号仍有部分噪声残留，从语音信号中进行噪声估计，估计先验信噪比，计算自适应时频掩蔽(AM)，合成增强语音。AM通过信噪比将理想二值掩蔽和理想比值掩蔽按一定比值结合，避免过度抑制噪声。最后，使用SNR、PESQ及时域波形进行评测，将本文算法与单通道和多通道算法进行对比，实验结果证明，以上算法显著地提高了信噪比，语音质量优于对比算法，鲁棒性高且易于实现。

    差分波束形成时频掩蔽噪声抑制

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

    求解工程优化问题的多种智能优化算法仿真

    张金钱王先鹏孔凡康曾勇...
    372-377,454页
    查看更多>>摘要：探究新型优化算法的寻优性能和工程优化问题求解能力，选取 6 种智能算法:天鹰优化器(AO)、算术优化算法(AOA)、非洲秃鹫优化算法(AVOA)、人工大猩猩部队优化器(GTO)、饥饿游戏搜索算法(HGS)、野马优化器(WHO)，对其进行仿真对比。首先阐述新型算法的主体框架;然后，选取6 个基准测试函数并测试其寻优性能;最后，用其求解 2 种典型的工程优化问题，并且分析其改进方向和应用前景。对于测试函数的仿真结果分析，GTO算法的寻优能力最强，多次获取测试函数理论值，且运行时间较短;在工程优化问题的仿真中，GTO算法与WHO算法的寻优能力较为突出，寻优时间短，可靠性高。

    天鹰优化器算术优化算法非洲秃鹫优化算法人工大猩猩部队优化器饥饿游戏搜索算法野马优化器

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

    基于注意时序网络的中文词性标注方法

    张鹏周志强
    378-382页
    查看更多>>摘要：针对传统的基于统计与规则的词性标注模型存在的人工特征依赖、字向量表征单一、特征提取不全面等问题，提出一种有效的基于注意时序网络的中文词性标注模型。对原始的 TCN 模型结构进行三点改进，并提出将注意时序网络与BiLSTM模型融合到词性标注方法中。上述模型首先通过XLNet模型获取字级别的上下文表示，利用注意时序网络的因果卷积结构获取更高层次的文本序列特征并通过注意力机制优化特征，最后通过BiLSTM进一步学习序列上下文特征，提高词性标注的准确度。实验表明，上述模型性能相较于其它模型有明显提升。

    词性标注时序卷积网络注意力机制深度学习

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

    融合迁移学习的对抗训练模型鲁棒性优化方法

    张兆祥李林娟谢刚
    383-389页
    查看更多>>摘要：在图像分类网络中使用对抗训练方法会提高模型鲁棒性，但也会导致分类精度下降。为此，提出一种融合迁移学习的对抗训练鲁棒性优化方法。首先采用迁移学习中的模型迁移法提高网络对非鲁棒性特征的学习能力，并构造对抗样本;在损失函数中添加L2 正则化项，约束参数空间，加快对抗训练收敛速度;最后训练得到鲁棒的分类网络模型。在CIFAR-10和蚂蚁蜜蜂数据集上进行实验，实现了在三种对抗样本攻击下准确率分别提升 8。3%、36。7%、13。9%。实验结果表明，上述方法在提高模型鲁棒性的同时，分类精度也有所提高。

    迁移学习对抗训练对抗样本鲁棒性卷积神经网络

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

    眼动追踪下产品外形特征提取算法设计与仿真

    林璐秦文斌
    390-394页
    查看更多>>摘要：不同产品的外形非常复杂且多样化，在产品外形特征提取过程中，由于受噪声、杂乱背景或其它干扰元素的影响，导致特征提取的准确性降低。为了精准提取产品外形特征，提出一种眼动追踪下产品外形特征提取算法。通过塔型方向滤波器分解带有噪声的产品外形图像，利用多尺度阈值对高频子带去噪，在有效保留信号系数的同时达到抑制噪声系数的目的，根据Contourlet反变换获取去噪后的图像。通过眼动追踪技术确定产品外形图像中人眼感兴趣的区域，在感兴趣区域内提取多个底层特征。使用改进的量子遗传算法对底层特征展开选择，最终实现产品外形特征提取。实验结果表明，所提算法可以有效提升产品外形特征提取结果的准确性和特征提取效率。

    眼动追踪产品外形特征提取

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