基于改进LOG算子与Otsu算法结合的物体表面图像残损检测方法

针对物体表面残损区域存在明显的亮缺陷和不明显的暗缺陷这一特性,构建一种基于改进LOG算子与Otsu算法相结合的物体表面残损区域缺陷的边缘检测方法。首先,针对传统的LOG算子在检测图像亮缺陷边缘时检测结果不准确的问题,引入可根据图像特性自动调整模糊因子的Wiener滤波代替传统LOG算子中的高斯滤波,以提高图像亮缺陷检测的精度;其次,针对检测图像暗缺陷边缘时结果不准确的问题,使用Otsu算法分析图像暗缺陷的灰度直方图来自动确定阈值,以提升暗缺陷边缘检测准确率;最后,采用像素加权平均融合算法对检测出的物体表面图像亮、暗缺陷边缘进行融合,以实现物体表面残损缺陷检测。实验结果表明:相较于单独使用改进的LOG算子和Otsu算法,采用加权融合的方法检测到的缺陷像素点数量与原始图片中基本一致,能够更准确地对图像中物体表面残损区域的亮、暗缺陷边缘进行检测。

基于log-SAM改进Autogram的滚动轴承故障诊断

针对Autogram算法中的无偏自相关方法所得包络结果受到强噪声污染,导致无法有效地对滚动轴承进行故障诊断问题,提出改变原算法内部处理流程,同时将无偏自相关方法替换为log-SAM方法,形成一种改进Autogram算法。首先,对实测滚动轴承振动信号进行最大重复离散小波包变换分解(Maximal Overlap Discrete Wavelet Packet Transform,MODWPT),在不同分解层数形成一系列小波包子信号;其次,对小波包子信号求取谱峭度,并筛选最大谱峭度值所对应的子信号作为数据源;最后,对数据源进行阈值处理,进而将log-SAM替代无偏自相关方法进行包络分析,实现最优故障诊断。针对滚动轴承内圈仿真故障信号和实测故障信号,实验表明,改进Autogran算法具有良好的去噪能力和诊断效果,且较原Autogram算法和其他传统方法均更具有效性和优越性。

基于改进K-means数据聚类算法的网络入侵检测

随着入侵手段的不断更新和升级,传统入侵检测方法准确率下降、检测时间延长,无法满足网络防御要求。为此,提出一种经过改进K均值(K-means)数据聚类算法,以应对不断升级的网络入侵行为。先以防火墙日志为基础转换数值,然后基于粒子群算法求取最优初始聚类中心,实现K-means数据聚类算法的改进;最后以计算得出的特征值为输入项,实现对网络入侵行为的精准检测。结果表明:K-means算法改进后较改进前的戴维森堡丁指数更小,均低于0.6,达到了改进目的。改进K-means算法各样本的准确率均高于90%,相对更高,检测时间均低于10 s,相对更少,说明该方法能够以高效率完成更准确的网络入侵检测。

基于日志数据的窗口化异常检测方法

传统的异常检测方法采用不定时巡检和用户反馈等被动方式发现问题,效率低、无法主动发现故障。本文提出了一种基于日志数据的窗口化异常检测方法,首先对历史日志数据进行预处理,获取日志模式库,再将日志数据转换成事件统计矩阵,结合COPOD算法快速定位异常点,及时发现具体异常日志,保证检测高效及准确。经实验数据表明,本文提出的异常检测方法能有效检测出多事件中存在的异常数据,且在大数据处理过程中效率较高。

基于日志副本的Raft共识算法优化

在基于三副本策略的分布式存储系统中,当存储节点上的硬盘出现故障时,常见的处理方式是等待系统预设的时间.如果该故障硬盘超时未恢复,才开始恢复故障硬盘上的副本.这种处理方式存在的问题是,当三副本组中存在故障副本时,如果该副本组再有一个副本所在的硬盘发生故障,将导致系统无法继续提供服务,且不能自动恢复.本文提出一种基于日志副本的改进的Raft共识算法,即LR-Raft (log replica based Raft),日志副本没有完整状态机,可以快速加入集群,并参与投票与共识,提升了存在故障硬盘时系统的可用性;可以解决短时间内三副本中两个副本故障导致集群不可用和丢失数据的问题.实验结果表明,在副本组中引入日志副本后,与原Raft相比,LR-Raft在不同的工作负载下读写时延均明显降低,吞吐量显著提升.

基于知识驱动图版约束的致密砂岩气储层测井参数智能预测

中国致密砂岩气资源潜力巨大,是天然气增储上产的重要对象,但致密砂岩储层空间类型多样,纵横向变化大,“四性”关系复杂,测井系列多样,测井项目少,常规测井技术评价致密储层参数难度大、效率低。为此,以四川盆地金秋、天府气田致密气为对象,构建构造区块—油气田—油气藏—测井解释图版主线,形成了致密砂岩气储层测井参数解释知识图谱,并通过神经网络算法对样本数据进行处理并约束模型结果,建立了图版约束的人工智能储层测井参数预测模型,实现了专家经验与数据双向驱动的储层测井参数智能预测。研究结果表明:(1)新智能模型融入了专家经验图版信息,且构建了专家经验与数据双向驱动的智能参数预测方法,极大地提升了模型对测井领域知识的理解能力和实践能力;(2)基于常规测井曲线,通过特征处理实现多维特征的挖掘,衍生出新曲线,与常规曲线一起作为输入进行模型强化训练,有助于提高解释模型的准确率;(3)实际应用结果表明,采用知识驱动图版约束的致密砂岩气储层参数智能预测方法计算的孔隙度和渗透率与岩心分析孔隙度及渗透率之间的误差分别为7.9%和15%,计算的含水饱和度与密闭取心饱和度之间的误差仅为5%。结论认为,基于知识驱动图版约束的致密砂岩气储层参数智能预测技术可以解决老井人工评价工作量大,测井解释标准不统一的问题,并可实现快速高效测井智能评价及潜力优选,将有力地推动了人工智能在测井领域的深度应用。

基于主成分自组织神经网络法的测井曲线分层技术

在砂岩型铀矿找矿工作中,提高测井岩性分层效率和精度至关重要。为提高砂岩型铀矿岩性分层效果,本文采用主成分分析法对多个测井曲线进行降维处理,将主成分分析法的第一主成分、第二主成分、第三主成分作为自组织神经网络的样本数据,进行自组织神经网络训练,将训练好的网络模型用于砂岩型铀矿岩性的自动化分层。实验结果显示:主成分自组织神经网络法岩性分层精度可达到85%以上,高于传统自组织神经网络算法78%的分层精度,具有更好的测井岩性分层效果。因此,主成分自组织神经网算法的岩性分层方法有效减少了输入样本的种类,简化了自组织神经网络结构,其自动化分层效果要优于传统的自组织神经网络算法。本文的研究结果表明,主成分自组织神经网算法在砂岩型铀矿领域岩性识别工作中具有较好的应用效果。

基于多信息融合的层次聚类测井曲线自动分层方法

随着人工智能的快速发展,机器学习的应用范围越来越广泛,将机器学习的方法用于测井曲线分层可以提高分层效率和精度。在利用测井资料进行岩性识别、沉积相分析等研究时,先要对测井曲线进行分层。文中提出一种基于多信息融合的层次聚类分层方法,实现了对测井曲线的自动分层。首先,采用滤波的方式滤除曲线上的噪点,对数据进行归一化处理,消除量纲的影响;其次,通过特征优选,选择包含较多地层信息的特征曲线,构造一个滤波器,将其中相似性较高的曲线融合,曲线融合的权值通过遗传算法求得;最后,使用层次聚类方法对多信息融合后的测井数据进行划分,将分层结果与人工分层结果进行对比验证。该方法能够提高分层效率,为地质勘探工作提供可靠的分层依据。

基于Adaboost算法的沉积微相自动识别--以陇东气田Q区山西组为例

在油气田开发中,沉积微相识别对于明确沉积背景及单砂体刻画起着重要的作用。陇东气田地质条件复杂,主力气藏深度大、产层单一,仅山1段底部产气,对于多种资料交叉共同分析沉积微相,仅依靠人工判别沉积微相,过程复杂且容易出错,很难在沉积微相和测井数据之间建立精确的对应关系。为了充分利用测井资料,提高沉积微相划分的效率,提出一种基于Adaboost算法的沉积微相自动识别方法,为后期气田开发沉积背景及单砂体刻画提供更准确的依据。在研究中,对测井曲线进行优选,并进行预处理,运用数学统计法提取了6个特征参数作为训练的输入集,把沉积微相的类型作为训练的输出结果标签,从已解释的沉积微相数据中选取共1210组作为训练样本,其中组建的训练样本共约968组,组建测试样本242组。研究结果显示,应用该方法的训练效果和测试结果的准确性分别达到96.45%,90.4%,可以验证该方法在陇东气田Q区应用效果较好。

一种改进的LOG遥感数字图像边缘提取算法

边缘提取 ,是遥感图像处理的基本工作之一 .LOG算法是一种较常用的边缘提取方法 ,但缺点也很明显 .通过去除光照强度影响、寻找空间常数σ最佳取值范围以及插值计算精确边缘等方法对LOG算法进行改进 ,使得边缘提取更加精确和有效 .

基于LOG算法的DSA图像边缘检测

在对心血管狭窄病人的治疗中,常常需要对病人心血管的狭窄情况进行准确评估,而数字减影血管造影技术(DSA)是血管疾病诊断,特别是介入治疗不可缺少的检查手段,如何准确提取DSA血管边缘对于血管狭窄率的测量具有非常重要的意义。针对DSA血管图像的特点,本文在分析传统的LOG(Laplacian-of-Gaussian algorithm)轮廓检测算法存在问题的基础上,进行了改进使其能正确地获得血管的边缘图像,同时利用改进的边界链码对血管边缘进行了分割图像的结构化,将跟踪结果用于血管狭窄率的测量。最后,基于改进的边缘检测算法,开发了血管边缘检测和狭窄率测量工具,取得了良好的检测效果。

一种基于LoG算子的量子图像边缘检测算法

针对图像边缘的实时提取问题,设计了一种基于经典高斯-拉普拉斯算子(LoG算子)的量子LoG图像边缘检测算法。通过在经典计算机上利用Matlab软件对该量子LoG算法进行模拟仿真计算,证明了该量子LoG算法可以快速、有效地实现对图像边缘的识别与提取。此外,还考察了两类退相干效应对此算法的影响。计算结果表明,相较于目前已有的相关量子图像边缘检测算法,量子LoG算法具有更好的抗噪特性。

Turbo码Log-MAP译码算法的一种改进算法

Log-MAP算法是Turbo码译码算法的一种简化算法,本文针对其所存在的缺点提出了一种改进的算法,即用分段的线性函数对校正函数进行拟合。计算机模拟结果表明,应用此算法后可在不影响性能的情况下,既能简化算法过程,又能使硬件的实现变得更加容易。

用于Turbo迭代译码的log-MAP算法的简化

对用于Turbo迭代译码的对数最大后验概率(log-MAP)译码算法进行了分析和推导。根据Turbo编译码特点以及对格图中分支路径量度特性的分析,得到了简化分支路径量度和外部信息计算的方法。并就log-MAP算法中形如ln(e^x+e^y)的计算作了分析和化简,进一步减小log-MAP算法的复杂性。最后给出仿真结果并进行了分析。

基于LoG算子边缘检测的图像二值化处理

数码管图像的目标和背景分离不明显,直方图分布较复杂。针对该问题,提出基于拉普拉斯高斯(Laplacian of Gaussian,LoG)算子边缘检测的全局二值化方法对其进行处理,该方法通过提取图像边缘部份的像素灰度获得图像二值化的阈值。处理结果表明,与传统的几种方法相比,该方法能够快速选取良好的二值化阈值,较好地区分目标和背景,在相当大模板宽度内图像二值化的结果都令人满意。

采用近似max*运算的Log-MAP译码算法

为有效降低Turbo码译码的硬件存储消耗,提出一种基于近似max*运算的改进的Log-MAP算法。并通过设计合适的数字电路来找出一组数据中最大的两个值嵌入到其相关函数项中,有效实现了低复杂度的Turbo译码器的硬件结构。实验结果表明,所提出的结构比Constant Log-MAP算法结构平均简化了30%,达到了与Log-MAP几乎相同的误码率(BER)性能,降低译码的复杂度,便于实际工程应用。

UMTS Turbo码的滑动窗-线性-Log-MAP算法及VLSI设计

讨论UMTS中turbo码的设计,提出采用前向状态度量作为初始化精确值的滑动窗方法和改进的Log-MAP(线性Log-MAP)相结合的算法(称为滑动窗-线性-Log-MAP算法),设计出turbo码的VLSI结构,且在归一化处理时,介绍了一种可节约12.5%存储量的方法。FPGA设计结果显示在BER=10-5时,与最优算法Log-MAP相比,性能损失0.2dB,硬件资源节约30%,译码时延小,吞吐量大。

Turbo码Log-MAP译码算法简化实现的研究

Log-MAP算法实现Turbo译码时,要用查表等方法进行修正项的近似计算。用误差传播理论推导出Log-MAP算法大规模集成电路实现时状态度量和对数似然值等的精度要求,明确了量化方案,并由此得出计算修正项所需要的精度由信道接收值量化精度决定。理论上解释了信道接收值量化间隔为0.25时,8级查表就可以满足译码精度要求;也解释了高信噪比条件下,由于量化误差的传播,修正项可以忽略不计,此时Max-Log-MAP算法与Log-MAP算法一样,也是最优译码算法。根据推导出的对修正项精度的要求,结合修正项函数值分布特点,提出用6级非均匀查表计算修正项的方法。该方法能达到16级查表精度,在实现上比8级均匀查表简单。计算机仿真证明了上述结论。

近似Log-MAP turbo译码器研究

该文研究近似Log-M AP算法在turbo译码器中的应用。文章对基于近似算法的W CDM A turbo译码器在AW GN信道和平坦慢衰落Rayleigh信道上的纠错性能进行了仿真。仿真结果表明,二阶近似Log-M AP turbo译码器与M A P turbo译码器性能等价,优于SO VA turbo译码器0.7-0.9dB。

用于Turbo迭代译码的近似Log-MAP算法研究

本文运用逼近论,研究Log-MAP算法的近似算法.本文提出了校正函数的一阶、二阶和三阶逼近多项式,并对近似式的逼近精度进行了分析和比较.本文将近似Log-MAP算法用于WCDMA turbo译码器中,对译码器在AWGN信道和平坦慢衰落信道上的纠错性能进行了仿真.仿真结果表明：一阶近似Log-MAP算法将Max-Log-MAP turbo译码器的纠错性能改进了0.2~0.3dB,二阶及三阶近似Log-MAP算法与原Log-MAP算法性能等价,优于Max-Log-MAP 算法0.3~0.5dB.