线性降维映射方法识别火山岩岩性

随着世界对油气资源的需求不断增加,火山岩油气藏的勘探和开发逐步成为油气储量、产量的新的增长点。火山岩岩性研究是火山岩油气储层研究的基础。常规的识别岩性方法不是很有效,作者曾用主成份分析方法来识别火山岩岩性,取得了一些效果,能够把基性岩,中性岩和酸性岩三大类岩石区分开来。但当岩性中也包括结构时,识别的效果就不是很理想,很难将流纹岩和流纹质凝灰岩区分开来。对岩石薄片鉴定,全岩分析以及综合测井曲线得到的火山岩岩样应用线性降维映射方法来识别,取得了很好的效果,它能将常规主成份分析方法很难区分的流纹岩和流纹质凝灰岩区分开来。

考虑局部非线性结构振动的模型预测控制

针对具有局部非线性的结构振动主动控制问题,首先,利用Newmark-β法推导了局部非线性结构动力响应的时域显式递推表达式。然后,基于该表达式,一方面建立了局部非线性结构振动预测模型,并借鉴模型的线性化思想对非线性环节进行处理,提出考虑局部非线性结构振动的模型预测控制算法;另一方面,在获取各仿真时刻的预测初始状态时,为避免直接对非线性动力学方程所有维度的完全迭代求解,推导了时域显式降维迭代方法,从而使在线计算效率得到显著提高。最后,分别以局部非线性弹簧振子系统在简谐激励作用下的无控动力学分析和含粘滞阻尼器毗邻框架建筑结构在地震激励作用下的受控振动为例,进行数值仿真,结果表明,本文算法计算准确且控制效果较好。

基于改进有监督局部线性嵌入的地震属性降维优化

为克服直接从地震资料中获取的地震属性具有维数高、数据量大、信息冗余、高度非线性,且数据样本缺乏先验知识分类等缺陷,用基于等价关系的模糊聚类方法对有监督局部线性嵌入算法进行改进,将其应用于地震属性的非线性降维优化,实例表明其地震属性降维优化效果优于常规线性降维方法,为地震资料解释处理、储层预测及物性参数反演提供了良好可靠的数据资料。

基于S-WLLE算法和SVR的植物叶片图像识别方法

针对加权局部线性嵌入(Weighted Locally Linear Embedding,WLLE)算法不能充分挖掘样本类别信息以及传统流形学习算法中利用已有训练样本流形邻域关系近似得到测试样本低维嵌入的低精确性,提出了基于监督加权局部线性嵌入(Supervised Weighted Locally Linear Embedding,S-WLLE)算法和支持向量机回归(Support Vector Regression,SVR)的植物叶片图像识别方法。首先利用叶片样本监督距离代替WLLE算法中的欧式距离,对训练样本进行降维;然后学习训练样本已有数据得到SVR模型,预测测试样本的低维嵌入;最后利用最近邻分类器分别实现正负类样本以及负负类样本之间的识别。实验表明,该算法不仅提高了正负类叶片的识别精度,而且能够有效实现负负类叶片的识别。

弹炮混编防空群兵力分配模型

针对对付现代日益发展的空袭手段的一种有效方法——弹炮混编防空布势中存在的防空武器种类繁多,兵力分配复杂,难以充分发挥各自效能的问题,建立了非线性规划模型,利用动态规划对该模型进行分析,运用拉格朗日降维法进行降维,将三维降为二维。经防空作战的实例验证该算法不但能将两维降到单维,而且还可以将多维降到单维,能节省计算机的内存使用率,提高仿真计算的速度,符合信息化条件下指挥决策实时化的要求且分配效果较好。

具有块三对角阵的线代数方程组的降维算法

本文对一类具有块三对角矩阵的大型线代数方程组,给出了一种有效的算法,在基本上不增加运算量的前提下,可以大幅度减少空间占用量,从而使复杂的计算可以在一般的计算机上实现。

Isomap的特点及其在基因芯片数据分析中的应用

基因芯片数据在本质上是非线性的,因此用线性数据分析方法处理基因芯片数据将不可避免的会带来偏差。全面分析非线性降维方法(Isomap)的技术特点以及将其应用到基因芯片数据分析中所需要注意的事项具有一定的意义。