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

    复合钢结构不均匀受力下弹性形变预测与仿真

    吕晓丹高山凤
    466-470页
    查看更多>>摘要:不均匀受力容易导致复合钢结构中的局部应力集中、变形不均等问题,进而导致结构的失稳和损坏.为了保障复合钢结构的安全使用,提出复合钢结构不均匀受力下形变弹性预测仿真.结合熵增原理与热力第一、第二定律,通过分析不均匀受力状态下的复合钢结构内部能量分布情况,明确复合钢结构弹性形变分布情况.基于复合钢结构弹性形变过程中的力学分析,对弹性形变发生过程中的刚性振动现象展开分析,并利用广义力对因弹性形变造成的复合钢振动形态事实描述,获取其弹性形变动力学参数.将获取的参数输入反向传播(Back Propagation,BP)神经网络并对其训练,使BP神经网络具备复合钢结构形变弹性预测能力.通过反向权值修正,优化BP神经网络的预测精度,实现复合钢结构不均匀受力下形变弹性的精准预测.实验证明所提方法预测效果精准,且形变弹性分布预测结果与实际基本一致,为复合钢结构的广泛应用提供重要保障.

    熵增原理热力第一定律热力第二定律刚性振动神经网络

    基于改进黏菌算法的移动机器人路径规划

    施文娟徐华沈法华云霄...
    471-475页
    查看更多>>摘要:针对标准黏菌算法(Slime Mould Algorithm,SMA)收敛速度较慢、初始种群多样性低以及全局寻优较差等问题,提出一种融合多策略的黏菌算法(Multi-strategy improved Slime Mould Algorithm,MSMA).在黏菌初始种群中利用Tent混沌映射产生的混沌序列,丰富算法种群多样性,避免局部最优;在黏菌接近食物阶段引入莱维飞行策略,改进黏菌的寻优方式;利用黄金正弦算法的遍历性,提高黏菌算法的搜索精度.将MSMA应用在移动机器人的全局路径规划上,获取路径规划结果.所提算法具有较好的收敛性以及全局搜索的能力,在移动机器人路径规划方面具有较好的规划性能和寻优能力.

    黏菌算法混沌映射莱维飞行黄金正弦路径规划

    基于动态运动基元的机器人轨迹学习方法研究

    张焕鑫万俊孙薇吴洪涛...
    476-480页
    查看更多>>摘要:针对动态运动基元(Dynamic movement primitives,DMP)轨迹学习方法在机器人示教轨迹学习过程中轨迹位置收敛精度低的问题,提出了一种改进的动态运动基元机器人轨迹学习方法.首先采用操作空间动态运动基元对示教轨迹进行泛化,然后利用高斯函数在少数示教轨迹型值点处建立位置误差吸引力势场函数,并耦合在标准动态运动基元转换系统函数中.将提出的方法与标准动态运动基元方法追踪同一条轨迹进行对比仿真.仿真结果表明,所提方法能够有效提高机器人在轨迹学习过程中的轨迹位置收敛精度.

    动态运动基元机器人轨迹学习吸引力势场函数

    多模态图像局部极值点特征生成方法仿真

    张镭赋高家骥
    481-485页
    查看更多>>摘要:针对因多模态图像特征种类较多、存在噪声干扰导致的特征生成难度较大的问题,提出一种基于改进CNN的图像局部特征生成方法.引入注意力机制,计算像素分布序列中上一时刻与下一时刻之间的信息模态关联,针对图像中的不同区域均给出同等权重,获取区域信息.建立灰度共生矩阵,矩阵中每一层都有与自身相对应的像素值,提取待生成图像的全局灰度均值,在矩阵中查找局部极值点的对应层次,提取该层次中梯度量级和偏导系数,通过偏导系数与全局特征调试对比,实现多模态图像局部特征生成.实验结果表明,所提方法针对样本图像的特征生成效果较好,基本不受图像噪点和局部遮挡的影响.

    改进CNN多模态图像局部特征生成全局灰度均值偏导系数灰度共生矩阵

    嵌入式多任务操作下可信软件的漏洞挖掘方法

    张志慧张利桃
    486-490页
    查看更多>>摘要:嵌入式多任务操作系统中存在多个任务同时运行,彼此之间有交互和共享资源的情况,增加了可信软件漏洞挖掘的复杂性.为了有效地挖掘漏洞,提出嵌入式多任务操作下可信软件漏洞挖掘方法.将嵌入式多任务可信软件程序源代码转换为代码属性图,通过切片操作保留其中与敏感操作相关的有价值信息,采用编码处理代码属性图为特征张量并调节其为固定形状.构建嵌入式多任务可信软件漏洞挖掘模型,引入粒子群优化算法和离散粒子群优化算法分别优化网络参数和特征图连接结构,构建最优深度卷积神经网络模型,将特征张量输入至模型中,实现嵌入式多任务操作下可信软件漏洞挖掘.实验结果表明,所提方法漏报率在 5%以下、误报率在10%以下,且ROC曲线理想、漏洞挖掘时间短.

    嵌入式多任务操作可信软件漏洞挖掘模糊测试

    单目视觉与IMU融合的室内定位方法研究

    同志学段东昱张学锋康智强...
    491-496页
    查看更多>>摘要:为提高室内环境下移动载体自主定位的定位精度,提出一种融合单目视觉和IMU的自主定位算法.基于视觉SLAM框架VINS-Mono,首先提取图像点特征并进行光流跟踪,在此基础上同时提取图像的线特征并计算描述子进行匹配,对场景结构提供额外的约束;然后在后端将点、线特征和IMU信息进行整合并通过滑窗模型进行优化,以提高后端位姿估计的精度;最后通过仿真和智能小车进行实验验证.结果表明上述定位算法相较于VINS-Mono的定位误差均方根平均降低了8%~13%,证明所提算法达到了提升定位精度的效果且满足定位实时性要求.

    自主定位视觉定位视觉-惯性融合定位精度

    基于改进决策树的不平衡数据集分类算法研究

    陈婷谢志龙
    497-501页
    查看更多>>摘要:不平衡数据集中各类样本数量不均,导致分类模型难以训练.针对不平衡数据分类模型稳定性差,准确率低的问题,提出一种基于改进C4.5 决策树数据分类算法,通过融合SMOTE优化采样算法,构建出N_C4.5-IDC不平衡数据分类模型.模型首先利用K-Means聚类对数据集进行状态分布分析,并使用SMOTE采样法进行混合采样,通过增加人为样本点提高少数类样本数,对数据集进行平衡处理;然后对C4.5 决策树的核心信息增益率模型进行简化改进,提高特征选择效率,并采用回缩损失对比的方法对决策树进行后剪枝处理,构建单一N_C4.5 决策树模型;最后将多组N_C4.5 模型进行组合叠加,采用加权处理的方法构建N_C4.5-IDC模型.消融实验数据结果表明:优化策略的叠加能显著提高模型性能指标.对比实验数据结果表明:与基线分类算法相比,所提算法准确率最高达 96.81%,召回率提高了 6.15%,综合性能上升了 5.66%.综上,基于改进C4.5 决策树构建的不平衡数据分类模型在平衡数据的同时,提高了分类的稳定性与准确性.

    不平衡数据集决策树混合采样

    面向外包空间数据库的查询验证机制设计实现

    陈伟卫王晶
    502-505,525页
    查看更多>>摘要:针对因外包数据库中数据基数大、身份特征难提取,导致的查询验证效率低、误差过大的问题,设计一种基于Hilbert曲线的查询验证机制.采用Hilbert曲线建立分析函数,线性贯穿二维、三维甚至更高维度的离散单元,描述外包空间数据库中数据在每个查询点的线性变化,将变化值映射到不同维度空间中,分别计算验证签名变化情况.求解数据在外包空间数据库中关键词权重,定义其为查询比对阈值,设定数据库中存在数据变换表,建立认证树,将计算得到的待验证数据节点权重输入至认证树中,查找对应信息,设定验证范围完成查询验证.实验结果表明,所提方法查询验证所需运算代价最小,在同等条件下验证耗时最少,验证结果与源数据存在高度一致性.

    外包空间数据库查询验证机制关键词权重离散单元

    基于LRMC模型的B2B定制化生产企业客户细分

    李文强金鸿吕盛坪劳景春...
    506-512页
    查看更多>>摘要:客户细分是企业精益管控各类客户的重要手段.研究首先综合考虑B2B定制化企业客户忠诚度、流失趋势、价值贡献和潜在价值等特性构建LRMC(length recency monetary capital)客户细分模型,基于LRMC模型指标需求融合转换企业订单数据和网络爬虫所获取客户特征数据;然后,引入密度峰值思想优化K-means聚类机制,以LRMC参数为输入对客户进行聚类划分,并采用组合赋权法计算不同客户群体加权价值;最后,开展实验,验证所提出模型和方法能更高效地标识客户关键特征并细分客户.提出的客户细分方法可为B2B定制化生产企业精益化客户关系管理提供理论支撑.

    客户细分聚类划分组合赋权客户关系管理

    基于剪枝处理的多源异构数据双挖掘仿真

    刘诗瑾杨知玲
    513-516,534页
    查看更多>>摘要:多源异构数据可能来自不同领域、不同格式和不同质量的数据源,处理难度较大,针对多源异构数据难以精准挖掘的问题,提出基于决策树分类的多源异构数据挖掘算法.构建决策树划分数据属性,对初始决策树实施剪枝处理,得出多源异构数据属性集,提取出多源异构数据因子,获取粗略的数据挖掘结果.再使用深度学习算法进一步挖掘出其余数据中残存的多源异构数据,并对原始多源异构数据集实施二次挖掘,将粗细挖掘结果整合后实现多源异构数据挖掘.实验结果表明,所提算法的F1 值较高,泛化误差较低,数据挖掘性能较强.

    决策树数据分类多源异构数据数据挖掘深度学习算法