基于小波变换和CNN-Transformer模型的测井储层流体识别

针对具有复杂储集空间和极强的非均质性的低孔低渗储层,常规测井响应特征不够明显,使用传统解释手段难以有效识别储层流体的问题,提出了一种基于小波变换和CNN-Transformer混合模型的储层流体识别方法。首先,使用小波变换将测井信号从时域扩展到时频域,并生成时频谱图以增强信号特征,然后使用滑动时窗沿着测井曲线深度方向滑动采样,获取代表解释深度处地层信息的频谱特征图,最后,通过训练CNN-transformer模型深度挖掘特征图信息,实现储层流体识别。混合模型在利用储层对应深度处测井数据的同时,又兼顾测井曲线随深度的变化趋势和地层前后信息的关联性,挖掘时频谱图的局部细节和全局特征表示,自动识别流体类型。将模型应用于大港油田22口实测测井资料中,并与CNN和BiLSTM等多个模型的流体识别效果进行对比分析,基于小波变换和CNN-Transformer模型识别效果明显优于其他方法,在测试集上识别准确率达到了92.7%。研究结果表明该方法可以作为低孔渗油藏常规测井资料识别储层流体的有效手段,为流体评价提供了新思路。

基于卷积神经网络的乳腺癌病理图像分类方法

针对单一卷积神经网络在乳腺癌识别分类准确率不高、研究集中二元分类等问题,基于深度学习提出一种多模型融合机制方法。对乳腺癌组织学图像进行预处理,通过数据增强方法缓解数据集较少且分布不均匀问题;使用六个CNN通过迁移学习策略进行训练,提取多网络特征并保存,通过验证集损失率选出最优两个模型ResNet50和Inception_v3进行融合;实现病理图像在不同放大倍数下的多级分类。实验结果表明,模型融合后在患者级别和图像级别分类准确率最高达到94.18%、94.12%,优于单一网络、传统机器学习方法和现有基于深度学习二元分类方法,说明该网络有助于乳腺癌病理图像的分类研究。

基于混沌万有引力搜索算法的SVM参数优化及应用

针对万有引力搜索算法存在局部优化能力差的问题,引入混沌序列和遗传算法的交叉思想对其改善,并将其应用于SVM的参数优化,通过仿真实验验证了该SVM模型具有更高的精度。最后将该模型应用于火电厂一次风机的状态监测,实验结果表明该模型是有效的。

基于XML文档相似性的构件聚类分析

构件聚类时,提出了一种计算基于XML描述的构件间相似度的递归算法,能有效度量构件XML描述文档包含的结构和语义信息。构造文档相似矩阵,利用遗传算法将高维样本映射到二维平面上,使用k-means算法聚类,获得全局最优的构件聚类。最后,在构件库测试模型上进行实验,实验结果表明,基于XML相似度的构件聚类算法在构件查询实践中具有可行性和有效性。

基于阀值逆序算子的优化组合遗传算法

针对遗传算法局部搜索能力差的缺点,模拟生物染色体中基因排列的有序性,对阀值逆序算子进行了研究,它与传统逆序算子相比,能较好地提高群体性能提高,减少了对种群多样性的破坏,改善了遗传算法的局部搜索性能,与具有全局搜索性能好的遗传算子组合,弥补了阀值逆序算子对全局搜索性能的影响,构造了一种基于阀值逆序算子的优化组合遗传算法。从理论上证明了该算法的收敛性,实验结果表明,该优化组合算法具有更好的寻优能力,对应用串型编码的遗传算法解决一般的优化问题时,具有很好的借鉴意义,阀值可根据求解问题特征和局部搜索强度而选定。

基于YOLOv3网络的电能表示数识别方法

随着智能电网的不断发展,基于数字图像处理方法的电能表自动抄表系统被广泛应用,为提升传统电能表示数自动识别的准确率,提出了一种基于YOLOv3 (You Only Look Once)网络的电能表示数识别新方法.对于电能表图像,构建基于YOLOv3-Tiny网络的计数器定位模型并训练,使用训练完毕的模型定位计数器目标区域,裁剪计数器区域生成计数器图像;对于计数器图像,构建基于YOLOv3网络的计数器识别模型并训练,使用训练完毕的模型识别计数器目标区域的数字.选择巴西巴拉那联邦大学公开的电能表数据集作为研究对象,通过与YOLOv2-Tiny定位模型、CR-NET识别模型的对比实验,表明了本方法具有更高的定位准确率和识别准确率.

基于中心定位算子的遗传算法

针对遗传算法局部搜索能力弱,求解精度不高的缺陷提出了一种中心定位算子。在进化一定代数(T)后,选择最优的若干个(N)染色体基因来计算中心定位算子,从而确定与中心定位算子相同的基因位,并且在以后的交叉、变异操作中,都不让相同的基因位参与。随着算法的进行,染色体相同的基因位逐渐全部地被确定下来。其次,通过与小生境技术的局部搜索能力算法的结合,提高了该算子的全局优化能力;最后,通过几个非常容易陷入局部最优的测试函数测试表明几乎所有的峰值都得到了理论值。

基于遗传算法的BP神经网络在油田措施规划预测中的应用

如何有效地确定神经网络的结构和参数,一直是神经网络研究中的一个难点。遗传算法是一种基于自然选择和生物遗传机理的全局搜索算法,本文提出了一种改进的遗传算法来优化BP神经网络,并将其应用于油田措施规划预测模型中。结果表明,该方法具有收敛速度快和预测精度高的特点。

BP网络自适应学习率研究

分析了自适应学习率BP算法,并对其进行了总结分类,针对每一类介绍了几种具体的自适应学习率BP算法。最后结合XOR问题把一种自适应学习率BP算法和标准BP算法进行了比较和评价。

基于卷积神经网络的皮肤癌识别方法

为了解决色素性皮肤病类间相似度高、类内差异化大的特点导致的皮肤癌识别工作中的误判、准确率低等问题,在迁移学习的基础上,提出了一种基于卷积神经网络特征融合识别皮肤癌的方法。首先,为了防止出现数据不平衡以及样本小带来的过拟合问题,进行数据增强。然后将数据集分别在预训练后的DenseNet模型以及Xception模型进行训练,得到的特征进行融合,交叉利用特征信息,循环采用上次保留的最佳权重作为模型权重进行训练,进而实现皮肤癌图像的识别。实验结果表明,该方法的准确率和敏感性可分别达到91.42%、87.37%,相比未进行特征融合的模型,准确率和敏感性均有所提高,有效地解决了皮肤癌类间相似度高,类内差异大的问题,进而有效地改善临床医学诊断效率的问题。

用OpenGL实现交互式的三维图形显示

OpenGL图形系统是访问图形硬件的一种软件接口,通过OpenGL可以创建交互式的可编辑三维图形系统,制作高性能三维图形处理软件。简要介绍了OpenGL的一些基本概念,在此基础上示例性地说明了如何控制OpenGL的三维显示以实现与用户的交互。

基于集成学习与生成对抗网络的皮肤镜图像分类方法

皮肤镜是辅助皮肤科医生诊断的有效途径,但是人工分类高度依赖医生的临床经验,并且皮肤镜图像本身的复杂性给分类提出了巨大的挑战。为了解决皮肤镜图像分类问题,基于集成学习提出了一种集成投票块的皮肤镜图像分类方法。首先,针对ISIC 2019提供的皮肤镜图像进行预处理,为了缓解数据集较少且分布不均的问题,使用生成对抗网络和旋转图像进行数据增强。然后基于迁移学习的思想训练多个卷积神经网络,从中挑选出分类效果较好的多个卷积神经网络组成投票块,进而集成投票块,最终实现皮肤镜图像的分类。实验结果表明,该方法的准确率、敏感度、特异度可分别达到0.925、0.563、0.927,相比单一的卷积神经网络模型,各个评价指标均有所提高,为皮肤镜图像分类提供了一种有效方案。

FO-CA:一种基于距离差异度组合权重的多属性数据分类方法

为了解决多属性数据分类问题,提出了一种基于模糊优选模型与聚类分析的分类方法(FO-CA)。首先由模糊优选模型得到有序综合指标数据集,其中在权重阶段提出了距离差异度并以此为依据构建了一种组合主客观权重的赋权方法;然后采用聚类分析将有序综合指标数据集聚类为几个簇进而分类;最后选取UCI中的Iris、Wine和Ruspini 3个数据集进行仿真实验。实验结果表明,该分类方法相比模糊优选方法及K-Means算法能获得更好的分类结果,对决策者有一定的参考价值。

一种基于项目属性评分的协同过滤推荐算法

协同过滤是电子商务推荐系统中应用最成功的推荐技术之一,但面临着严峻的用户评分数据稀疏性和推荐精度低等问题。针对数据稀疏性高和单一评分导致的推荐精度低等问题,提出一种基于项目属性评分的协同过滤推荐算法。首先通过均值法或缩放法构造用户-项目属性评分矩阵将单一评分转化为多评分;其次基于每个属性评分矩阵,计算用户间的偏好相似度,得到目标用户的偏好最近邻居集;然后针对每个最近邻居集,在用户-项目评分矩阵上完成对目标用户的初步评分预测;最后,将多个初步预测评分加权求和作为综合评分,完成推荐。在Movie Lens扩展数据集上的实验结果表明,该算法能有效提高推荐精度。

基于Gabor变换与改进SLLE的人脸表情识别

本文通过Gabor变换进行人脸表情图像的特征提取,并利用局部线性嵌入(LLE)系列算法进行数据降维操作.LLE算法是一种非线性降维算法,它可以使得降维后的数据保持原有的拓扑结构,在人脸表情识别中有广泛的应用.因为LLE算法没有考虑样本的类别信息,因此有了监督的局部线性嵌入(SLLE)算法.但是SLLE算法仅仅考虑了样本的类别信息却没有考虑到各种表情之间的关系,因此本文提出一种改进的SLLE算法,该算法认为中性表情是其他各种表情的中心.在JAFFE库上进行人脸表情识别实验结果表明,相比LLE算法和SLLE算法,该算法获得了更好的人脸表情识别率,是一种有效算法.

基于卷积神经网络的多人行为识别方法

为了解决多人行为识别中人物角色多且难以区分、图片增加的特征维数难以表达和学习以及行为背景复杂且容易产生干扰等问题,提出了一种基于卷积神经网络的多人行为识别方法。考虑到多人行为识别的复杂性,选择较为容易的两人交互行为作为研究对象,对实验中需要的图像数据库进行了初步的收集与预处理;然后选用在特征提取中不受拍摄角度、光照强度影响的Dense-sift算法来对原始图像进行初步的特征提取。由于人体行为图片相对手写数字图片更为复杂,因此为了使该网络能够很好地识别人体行为,针对该网络在其输入、网络层数、滤波器核数、学习率、输出等方面进行了修改。实验结果表明,提出的方法对拳击、拥抱、接吻3类交互行为的识别是有效的。

基于LSTM循环神经网络的核电设备状态预测

核电站的规模随着经济的发展日益扩大,核电设备运行状态的研究已成为数据挖掘的重要研究领域。核电设备是高可靠性和高安全性的复杂系统,多年的设备运行产生了大量的时间序列数据。为了解决核电设备运行状态难以准确预测等问题,提出了一种基于长短期记忆(long short-term memory,LSTM)循环神经网络的核电设备状态预测方法。首先除去原数据中噪点明显的数据,然后使用z-score标准化方法对数据进行预处理,然后实现LSTM的网络结构设计、网络训练和预测,最后对预测结果进行比较分析。考虑到核电设备各个部件运行产生的数据种类繁多,选择与核电设备运行状态相关的重要数据主泵电机绕组温度作为研究对象。通过与GRU、RNN等模型进行对比实验,表明了该算法对核电设备的运行状态有更高的预测精度。

在不完备信息系统中基于VPRSM的约简异常分析

属性约简问题的关键在于约简集合能否表达与原属性集完全一致的信息。分析了完备信息系统中基于变精度粗糙集模型属性约简异常出现的原因,并将其扩展到不完备信息系统中,在文献[1]的基础上,给出了不完备信息系统中基于集对分析的VPRSM的约简定义,既能保证在不完备信息系统中基于变精度约简的准确性,又能增加灵活性和容噪能力。

基于约束规划的选择性神经网络集成方法

提出了一种基于约束规划的选择性神经网络集成方法,在训练出个体网络之后,用约束规划方法选择出相对最佳的个体网络组成神经网络集成。理论分析和实验结果表明,该方法设计过程简单,能够以较小的运算代价提高神经网络集成的泛化能力。

基于多特征融合的评论文本情感分析

评论文本情感分析现已成为自然语言处理的重要研究领域。针对评论文本语法不规则、特征稀疏的问题,设计了一种针对评论文本的多特征融合的情感分类算法。首先提出一种改进的情感规则方法;然后从规则方法中提取出有效信息,将每一个情感信息量扩展为多维向量,再融合一元词特征、句法特征以及依存词语搭配特征构成向量空间,形成更有效的融合特征模板;最后利用信息增益理论进行特征选择,作为支持向量机的输入对评论文本进行识别和分类,实现了机器学习方法与规则方法相融合。以中文酒店评论数据集作为语料进行实验,结果表明该方法能让机器学习算法更加充分地利用规则特征,相比单纯地使用规则方法或机器学习方法,能够达到更好的分类性能,进一步提高分类精度。