首页期刊导航|计算机辅助设计与图形学学报
期刊信息/Journal information
计算机辅助设计与图形学学报
计算机辅助设计与图形学学报

吴恩华

月刊

1003-9775

jcad@ict.ac.cn

010-62562491；62600342

100190

北京2704信箱

计算机辅助设计与图形学学报/Journal Journal of Computer-Aided Design & Computer GraphicsCSCD北大核心CSTPCDEI
查看更多>>本刊创刊于1989年，是我国CAD和计算机图形学领域第一个公开出版的学术刊物，原为季刊，1996年起改为双月刊，从2000年起改为月刊。 该刊以快速传播CAD与计算机图形学领域的知识与经验为目的，刊登有创新的学术论文，报导最新科研成果和学术动态，及时反映该领域发展水平与发展方向。 该刊面向全国，聘请了我国CAD和计算机图形学学术界的知名学者、专家参加刊物的编委会，具有权威性和代表性。 读者对象为从事CAD和计算机图形及其他有关学科的科研、工程技术人员及高等院校师生。 被《中文核心期刊要目总览》第三版定为我国计算技术、计算机类核心期刊；被中国科学技术信息研究所接受为中国科技论文统计与分析用刊；被中国科学引文数据库、《中国学术期刊文摘》、《电子科技文摘》收录。从1996年起，每期由清华大学国家光盘工程中心全文收录到《中国学术期刊(光盘版)》中。从1996年开始被美国的工程索引(EI)收录。从1999年起被英国SA，INSPEC(Computer & Control Abstracts)及俄罗斯文摘杂志收录。
正式出版
收录年代

    负面评论引导的高维多元数据可视分析系统

    吕梦雅王晓龙李凯旋孙梦梦...
    937-947页
    查看更多>>摘要：随着互联网平台以及多用户社交网络的成熟，群体用户消费体验的参考价值日趋扩大，在海量评论数据中，负面评论对企业和消费者的参考价值更为突出，有效的面向负面评论的可视分析是有必要的。针对评论数据高维多元的特征，为了给企业和消费者提供全新的评论分析视角，以负面评论为切入点，给出负面评论的划定范围，提出了一个交互式的可视分析系统。首先，利用情感分析和意见挖掘方法处理用户评论数据，并提出评论个体影响力差异量化方法;其次设计了主题情感波纹图、评论比较视图等一系列交互式可视化表示方法，利用动态交互式方法构建多维度关联视图探索影响负面评论产生的因素，负面评论产生的原因及其个体化差异。3个案例的结果表明，所提系统是有效和实用的;同时，该系统还可扩展应用于其他领域的评论文本可视分析中。

    负面评论情感分析意见挖掘可视分析

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

    融合趋势嵌入和粒度增强网络的小样本医学时间序列预测

    于敬楠张春霞薛新月薛晓军...
    948-959页
    查看更多>>摘要：随着大数据分析和深度学习的迅猛发展，时间序列预测方法被广泛应用于医学、金融、气象和交通等领域，为众多应用任务提供决策支持。针对小样本医学数据特征维度低和现有深度学习方法易于造成过拟合问题，研究小样本医学时间序列预测任务，提出融合趋势嵌入和粒度增强网络的预测方法。首先在卷积神经网络的框架下，粒度增强网络分别从时间维度和特征维度将医学时间序列数据提升为三维张量;然后以医学时间序列样本的一阶差分作为方向向量，基于方向导数生成趋势嵌入表征;再构建静态空间邻接矩阵和动态时间邻接矩阵，并通过时空图卷积网络学习时空嵌入表征;最后将构建的时空嵌入、预测嵌入和趋势嵌入整合到基于图卷积网络、门控循环单元和残差网络的网络架构之中，实现医学时间序列预测。在Cancer，ILI，Baries和COVID-19这4个数据集上的实验结果表明，与预测结果最佳的基线模型T-GCN相比，所提方法在每个数据集的MAE，MAPE和RMSE这3个评价指标上分别降低 34。0607，0。0107，70。672 8;11。1808，0。095 0，20。7285;0。3546，0。1127，0。455 3 和 449。243 7，0。0144，1 174。7273，其性能优于基线方法，验证了该方法的可行性及有效性。

    时间序列预测趋势嵌入粒度增强网络时空图卷积网络

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

    增强多层网络心理地图保持效果的力引导布局算法

    奎晓燕王子潇郑智浩赵欢喜...
    960-968页
    查看更多>>摘要：为了增强多层网络可视化中网络布局的心理地图保持效果，减轻读者在跨层分析任务中的认知负担，提出一种应用于切片式多层网络可视化的力引导布局算法。首先计算节点副本间的单向吸引系数;然后根据单向吸引系数和各节点副本的当前位置计算各节点副本的理想位置及距离差;最后结合距离差损失项、KK算法能量函数和节点副本间距损失项构建损失函数并优化得到布局方案。通过在10个公开数据集，包括7个社交网络数据集、3个遗传网络数据集上，与同类型算法对比在心理地图保持指标，即节点移动总距离上的表现的结果表明，所提算法能够显著增强多层网络布局的心理地图保持效果。

    多层网络布局心理地图保持力引导算法

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