X105区块微幅度构造识别方法及应用

微幅度构造是油田开发中注水未波及的剩余油富集区。X105区块井间存在井网难以控制的微幅度构造，由于规模小，地震识别难。为提高识别精度，从3个方面开展了技术对策研究，以提高基础数据的准确性：开展提高微幅度构造成像精度的地震振幅高保真处理；创新了相位体约束层位解释方法提高砂岩组顶面识别精度；利用厚砂体井震匹配矛盾、"深浅"井震匹配矛盾分析法对微幅度构造进行筛选，去伪存真。应用上述方法，砂岩组顶面识别出断层控制和非断层控制两种成因类型的微幅度构造。在微幅度构造发育部位优选出未波及型和完善注采关系型两类剩余油挖潜区域，部署补充井实现了剩余油有效动用。     

改进的非参数 Ce ns us 变换立体匹配算法

针对多数立体匹配算法的相似性测度都建立在像素灰度特性基础上, 无法彻底消除匹配差异性, 易出现歧异性的问题, 提出一种改进的非参数Census变换匹配算法. 该算法通过在传统非参数Census匹配过程中增加局部纹理反差值测度, 引入图像纹理度量的方向性, 使中心像素灰度值不再是唯一决定因素, 改进了匹配模版, 从而有效解决了传统匹配算法的歧异性问题. 实验结果表明, 改进算法是一种有效、 合理的立体匹配方法, 提高了稠密匹配精度.     

基于语言偏好信息的满意公平稳定双边匹配方法

针对语言偏好信息下的双边匹配问题,提出一种考虑匹配满意性、公平性和稳定性的双边匹配方法.首先,通过构造匹配满意度计算规则,将双边主体的语言偏好信息转化为匹配满意度;然后,给出满意匹配、公平匹配和稳定匹配的定义,在此基础上,考虑稳定匹配约束条件,建立双边匹配多目标优化模型,采用理想点法将多目标优化模型转化为单目标规划模型进行求解;最后,通过一个算例验证了提出方法的可行性和有效性.     

基于改进匹配网络的单样本学习

当前深度学习是基于大量标注数据样本通过多层网络实现模型自动识别。然而,在很多特殊场景下,难以获取大量标注样本数据,小样本物体识别仍是深度学习下关键性的难题。针对这一问题,首先利用4层深度卷积神经网络(deep convolution neural network,DCNN)提取训练样本和测试样本的高层语义特征,然后基于改进的匹配网络分别采用双向LSTM和attLSTM算法对训练样本和测试样本深入提取更加关键和有用特征并进行编码,最后在平方欧氏距离上利用softmax非线性分类器对测试样本进行分类识别。实验通过Omniglot数据集对提出的改进模型进行测试,取得了非常好的效果。改进的模型即使在最复杂的20 way 1 shot情况下,依然能够达到93.2%的识别率,Vinyals的原创匹配网络模型在20 way 1 shot的情况下只能达到88.2%的识别率,与原创匹配网络模型相比,改进的模型在类别数更多而样本数较少的复杂场景下具有更好的识别效果。     

不再打开的窗——《雷雨》“窗”的意象解读

"窗"在《雷雨》中反复出现,共计80次。大体说,《雷雨》共有三扇窗。一扇是禁忌之窗,即周公馆的那扇窗;一扇是情欲之窗,即鲁贵家四凤的那扇窗;还有一扇隐藏在文本的叙述里,即周家在无锡时的那扇窗,暗含了侍萍对自由的渴望。但在"雷雨"这一共同的外部环境下,三扇窗之间有了内在的联系,共同成为一扇命运之窗。这扇窗意味着毁灭与死亡。     

佤语语音语料端点检测算法

端点检测是语音信号处理的过程中非常重要的一个环节,其准确性直接影响语音信号处理的速度和结果.特别是在实际应用中因信噪比较低,使得某些高信噪比下性能好的端点检测算法准确率也比较低.为了提高在低信噪比的环境下佤语语音端点检测的准确率,本文使用了一种基于多窗谱估计谱减法和能熵比法的语音端点检测复合算法.该算法首先利用多窗谱估计谱减法去除语音的背景噪音以提高信噪比;其次再对去噪后的语音使用能熵比算法进行端点检测;最后借助Matlab工具对佤语语音进行仿真实验.仿真结果表明:对于低信噪比的环境下的佤语语音,本文使用的基于多窗谱估计谱减法和能熵比法复合算法同常规能熵比算法相比,端点检测的准确率提高了34%.     

货运O2O平台有时间窗同城零担集货匹配优化决策

零担集货业务的供需匹配和路线规划问题是同城货运020平台面临的发展难点.本文站在平台的角度,同时考虑司机和客户的实际需求,引入单位订单处理时间窗的概念,提出操作性较强的零担集货预匹配优化策略,突破传统逐级推送模式的思维局限,充分考虑需求和运力的属性-时间-空间分布;其次综合考虑客户OD点对、订单时间窗、以及司机工作时间窗、起终点、车辆容量限制等因素,在不考虑拒绝订单的条件下,以最小化服务总成本为优化目标,构建单位订单处理时间窗内某区域的半开放式多车场的带取送货和时间窗的车辆路径优化模型.最后针对模型特性采用改进的遗传算法进行求解,并选取卓集送公司某市某区某单位订单处理时间段(高峰期)连续60天的实例数据进行实证分析.研究结果表明,改进遗传算法的求解质量明显高于就近匹配贪婪算法,优化比例平均值为30%,最高达到53%,从而实现司机和客户双方的利益最大化.