基于U-Net和CNN深度学习求取地质属性建模变差函数参数

在油气藏地质属性建模中,变差函数的求取尤为关键,一般是通过拟合实验变差函数求取变程、方位角、基台值等参数的方式获得,但当研究区内样本点数量过少时,实验变差函数拟合效果较差,从而影响属性建模质量。为了克服传统方法的不足,最大限度地利用空间数据,文中提出一种基于U-Net和CNN网络求取变差函数参数的新方法:以孔隙度属性建模为例,首先选用球状模型并利用序贯高斯模拟(SGS)算法模拟生成多组孔隙度模型,以所得孔隙度平面模型抽取的数据点为基准构成样本集;然后采用U-Net进行孔隙度模型重构,保证孔隙度分布的空间相关性;最后利用CNN对样本集进行深度学习,从而建立求取变差函数的模型。实际应用表明,利用所提方法取得的主变程方位角与通过实验变差函数拟合求取的方位角仅相差1.52°,与沉积微相展布方向一致,得到的主次变程与实验变差函数非常契合,证明求取的变差函数结果可靠。同时,该方法简化了地质建模工作流程,减少了求取实验变差函数主观性,降低了研究区内样本点数量的局限性,为变差函数的预测提供了一种新的思路。

Picture模糊数的改进得分函数在多属性群决策中的应用

针对picture模糊环境下专家权重和属性权重信息未知的多属性群决策问题进行研究.首先,针对现有picture模糊数的得分函数存在一些不足问题,提出了一种新的得分函数.通过分析其相关性质,并与现有得分函数进行比较,说明其更具合理性,能更好地处理模糊决策信息.其次,提出了基于得分函数的picture模糊环境下的多属性群决策方法,根据每位专家给出的picture模糊评价信息的不精确程度及不同专家给出信息的差异程度,从个体和群体两方面综合得到决策者权重;利用得分函数构造不同属性的灰靶贡献度,从而确定属性权重.最后,通过实例比较分析验证了所提方法的可行性和有效性.

Kronecker函数环对PvMD的一个新刻画

设R是整环,若R是整闭的,则R是Prüfer整环当且仅当Kr(R,b)是平坦R[X]-模;当且仅当Kr(R,b)是平坦R-模(Aaderson D F,Bobbs D E.J Pure Appl Algebra,1989,61:107-122.).给出这一定理在w-版本下的陈述形式,即若R是整闭整环,则R是P v MD当且仅当Kr(R,v c)是w(R[X])-平坦R[X]-模;当且仅当Kr(R,v c)是w-平坦R-模.

基于非线性测度函数的改进属性识别模型在水质综合评价中的应用

线性测度函数的传统属性识别模型,对水质评价标准随机抽样的评价结果存在较大误差。为增加其对实测样本评价的可信度,提出了基于非线性属性测度函数的改进属性识别模型。均匀随机和正交设计两种抽样的评价试验显示,改进属性识别模型评价结果准确度明显好于传统模型,说明指标的属性测度函数对属性识别模型的综合评价结果有重要影响。太原市地下水水质的综合评价实例说明,由于非线性测度函数比线性测度函数能更好地描述评价指标的实际隶属度,故改进的属性识别模型具有更高的评价可信度,在水质综合评价中具有更广泛的适用性。

基于支撑函数的概念格属性约简

依据概念格中一个概念的内涵属性相对于另一个概念的内涵的不同关系,提出了区分属性概念,并研究了其性质;利用区分属性构造出概念格支撑函数。提出并证明了以支撑函数为基础的形式背景属性约简定理,改进了文献[7]中基于辨识函数的属性约简方法。

基于近似函数依赖的关系数据属性权重评估方法

在现实应用中,一些关系数据的规范化程度不高,往往存在数据冗余和不一致现象。为了有效评估此类数据中的属性重要程度,提出了一种基于近似函数依赖的属性权重评估方法。该方法基于一致集的概念导出最大集,生成最小非平凡函数依赖集,从而找出属性之间的近似函数依赖关系,进而求出近似候选码和近似关键字,在此基础上根据属性支持度计算属性权重。实验结果和分析表明,提出的属性权重评估方法能够合理地获取关系数据中的属性重要程度,算法具有较好的稳定性和较高的执行效率。

基于自优化的多属性高斯核函数相关向量机方法

在相关向量机的预测模型中,核函数的选择和核参数的取值对模型预测性能影响很大.针对这一问题,文中采用多属性高斯核函数建立相关向量机预测模型,提出了一种自优化的核参数学习方法进行参数优化,并将该模型用于二维标准函数预测和污水处理系统出水水质预测,与不同核函数下的相关向量机模型以及不同参数优化方法下获得的预测模型进行了对比实验.结果表明,基于自优化的多属性高斯核相关向量机模型对低维数据的参数敏感度较低,对高维数据有良好的输出精度和稀疏性,在污水出水水质预测中获得比较满意的结果.

基于多属性效用函数的工程合同索赔机理分析

构造了以工程投资、工期和工程质量为多属性变量的甲乙双方的多属性效用函数。以积式函数为目标函数 ,通过对双方博弈Nash解的数学分析得出了达成协议的合同平衡点处双方效用值的关系及其影响因素。根据效用平衡点的变化分析了索赔产生的机理 ,并从理论上解释了现实中工程界存在的“中标靠低价 ,盈利靠索赔”

函数依赖集在属性子集上投影的新方法

研究了函数依赖集在属性子集上投影的理论问题.在此基础上开发了算法,成功地利用消元法解决了函数依赖集在属性子集上投影的计算问题,对于数据库模式设计有一定的参考价值.

函数P-集合与信息规律的属性控制

函数P-集合(Function Packet sets)是一个新的数学模型与新的数学结构,是研究动态信息系统信息规律的一个新理论与新方法。函数P-集合是由函数内P-集合SF珚(function internal packet set SF珚)与函数外P-集合SF(func-tion outer packet set SF)构成的函数集合对。函数P-集合具有规律(函数)特征、动态特性。利用这一特性,研究信息规律属性控制,给出函数P-集合与信息规律生成,实现信息规律属性控制定理及信息规律的属性控制在信息图像边界稳定中的应用。

多属性采购拍卖的价值函数与打分规则

在多属性采购中,采购方不仅关心交易价格,更加关注供应商的交货时间和提供的装备质量对其价值的影响。为综合评价供应商的投标,采购方在采购拍卖开始时宣布一个打分规则。本文根据装备采购实践建立多属性采购拍卖的价值函数,以此为基础构建集成了质量属性、提前期属性和价格的三元打分规则。

基于属性价值函数估计的不确定多属性决策方法

针对属性权重为实数,且权重信息完全未知的不确定多属性决策问题,提出了一种基于属性价值函数估计的决策分析方法。首先,对多属性效用函数和价值函数进行了分析;然后,采用曲线拟合的方法确定属性价值函数的近似表达式,计算决策方案各属性的价值函数值,根据价值函数的可加性确定各方案的价值函数值,以此对方案进行排序与择优。最后给出一个算例,验证了所提方法的有效性。

基于Hash函数的属性泛化隐私保护方案

针对用户连续查询过程中属性可被关联并获得位置隐私的问题,文章基于属性泛化要求提出了一种基于Hash函数的属性泛化方法。该方法通过由属性转化的Hash值比较寻找具有相同属性的匿名用户,一方面防止具有攻击特性的中心服务器获得用户发送的隐私信息;另一方面通过这种Hash比较简化了相似属性的寻找过程,提高了算法的执行效率。同时,为了证明中心服务器具有潜在的攻击特性,利用博弈树量化的方式证明了中心服务器的不可靠性。最后,通过安全性分析和实验验证,并将文章提出的方法与其他同类算法进行比较,进一步证明了文中算法在隐私保护能力和算法执行效率方面的优势。

基于S型效用函数的区间直觉模糊多属性决策方法

针对属性值为区间直觉模糊数的多属性决策问题,文章提出一种基于S型效用函数的决策方法。该决策方法定义新的记分函数,方案属性值可据此转化为实数值。基于有限理性假设,引入双曲绝对风险规避函数,得到S型效用函数的一般形式,构建效用矩阵。关于定权问题,建立综合考虑主客观因素的优化模型。最后结合效用矩阵及属性权重计算方案效用值并选择最优方案。

基于改进得分函数的直觉模糊多属性决策方法

针对属性权重信息完全未知的直觉模糊多属性决策问题进行了探究,提出了一种综合考虑隶属度、非隶属度以及犹豫度的新的得分函数,利用改进的得分函数将传统的熵权法推广到直觉模糊领域,为属性权重完全未知的直觉模糊多属性决策问题提供了一个新的排序方法。实际的铁路冻害整治算例进一步说明该方法的可行性和有效性。

基于Cobb-Douglas效用函数的多属性采购拍卖

在多属性采购拍卖的实践中,利润和赢得合同对供给者来说具有不同的重要性.假设供给者使用Cobb-Douglas效用函数对利润和赢得合同的重要性程度进行权衡,在第一评分拍卖及第二评分拍卖下获得了供给者的均衡投标策略和采购者的期望效用,并对采购者的期望效用进行了比较.结果表明供给者对被采购物品的质量选择只与自己的成本参数和打分函数有关;当供给者越看重获取采购合同,采购者的期望效用越高;当采购者只能使用效用函数打分时,如果供给者更看重利润,采购者应该采用第二评分拍卖节约采购成本,否则使用第一评分拍卖.

一种基于函数依赖的属性相似度调整算法

属性相似度的准确性是影响实体分辨准确程度的重要因素之一.为提高属性相似度的准确性,分析了属性相似度与函数依赖的关系,给出了属性相似度调整原则,提出了依据函数依赖进行相似度划分、相似度传递调整和计算相似度调整代价的方法,提出了通过属性相似度调整提高属性相似度准确性的属性相似度传递调整算法.实验结果表明,该算法能够更好地区分匹配记录对和不匹配记录对,获得更高的查全率、查准率和F1值.

基于凝聚函数的混合属性数据聚类算法

借助于近似极大值函数的凝聚函数,将传统数据聚类问题转化为无约束优化问题求解.首先利用一阶必要条件,推导出数值属性下数据聚类中心的计算格式;其次采用类属性分解方法,提出计算类属性数据对象之间距离的新方法,并在此基础上给出混合属性下数据聚类中心的计算格式和一个能处理数值型和分类型混合数据集的凝聚聚类算法;最后选取不同初始聚类中心,使用凝聚聚类算法对英语借词进行了聚类实验和分析.结果表明,凝聚聚类算法在计算效率和计算效果方面均优于模糊k-prototypes聚类算法.

基于参考点相依效用函数的区间直觉模糊多属性决策方法

针对区间直觉模糊数多属性决策问题,文章提出一种基于参考点相依效用函数的决策方法。该方法首先定义了一种改进的记分函数,据此将区间直觉模糊数转化为便于计算和比较的数值。其次,鉴于决策者的非理性行为,引入参考点相依效用函数,构建参考点相依效用矩阵。然后,建立综合考虑属性公平性和属性值分布情况的优化定权模型。最后,结合参考点相依效用矩阵及优化定权模型计算各方案综合效用值并据此选择最优方案。

基于新得分函数的直觉模糊多属性决策方法

得分函数是常见排序直觉模糊数的一个重要指标。借助于S型函数,从客观的角度考虑直觉模糊数的犹豫度对其得分值的影响,提出了直觉模糊数的新得分函数,并通过实例说明新的得分函数能应用于某些现有得分函数失效的情形。基于新的得分函数和直觉模糊加权平均算子给出了一种属性值为直觉模糊数的多属性决策方法,并通过算例阐明该方法的可行性和有效性。