一种新颖的编辑距离限制下的相似性确认算法

针对相似性确认步骤中编辑距离计算的高复杂性问题，提出了一种在编辑距离限制下的基于鸽笼原理的字符串相似性确认算法.首先找到满足编辑距离片段映射的片段，以此片段为基准，将长度为500bp的read分段.然后对满足编辑距离片段映射的左右部分递归地进行编辑距离计算，将各段得到的编辑距离相加即为最后结果.最后根据最长公共子串的下限将需要验证的片段数目降到最低，得到优化方案.实验结果表明，基于鸽笼原理的分段递归计算编辑距离的确认算法减少了验证步骤的时间，并能保证假阳率和假阴率都为零.     

基于曼哈顿距离构建非参数Q矩阵修正方法

将被试得分、理想反应距离和被试得分异常原理相结合,并加入属性计分下的被试得分特性,开发了用于多级评分情境下属性计分曼哈顿距离法(SA-MD),在不同条件下验证了SA-MD的稳定性和适宜性.通过模拟研究和实证研究表明:(i)从逻辑推导出SA-MD用于多级评分情境下Q矩阵修正更合理;(ii)在多种条件中,SA-MD 均有较优的修正效果,适用范围更广,稳定性更高;(iii)当小样本测验进行Q矩阵修正时,使用SA-MD方法可获得更优的效果.     

安次地区奥陶系潜山裂缝特征及油气地质意义

针对安次地区奥陶系潜山储层非均质性强、井间生产差异性大等问题，利用岩芯、薄片及测录井等资料，对研究区内裂缝类型、发育程度及有效性进行分析，认为工区内发育构造缝、溶蚀缝和成岩缝3类，其中，构造缝最为发育，以NE走向的高角度缝为主；岩性和断层控制裂缝的发育程度，厚度薄、岩性纯、靠近断层发育的白云岩储层裂缝最为发育；张开度和充填程度反映裂缝有效性，研究区裂缝发育，多数裂缝半填充未填充，裂缝有效性好。多口井钻探证实，裂缝具有重要的油气地质意义，它不仅可以改善储层物性条件，还提供油气运移优势通道，提高单井产能，同时，裂缝的形成时期和发育部位控制油气运聚成藏：新近纪以后形成的裂缝发育程度高、有效性好；油气藏内部的裂缝发育，有利于油气运聚，形成富油气聚集区。     

基于复杂网络的国际石油贸易关系定量研究

针对如何更加准确地评价国际石油贸易关系问题，开展了将该贸易关系进行网络化和结构化的特征指标量化分析研究。研究中以复杂网络理论进行网络化建模，以结构平衡理论进行定量分析，采用了计算聚类系数、平衡度等关键指标进行年度基准对比。获得了国际石油贸易关系网络随着贸易者数量的增加尤其是进口国数量增加，网络的聚类系数变大，平衡度值增加，整个贸易网络平衡性变差，贸易关系变得更加紧张这一结论。本研究采用网络化和结构化的方式进行关系评价，是将石油贸易关系的研究从定性推进至定量的有益尝试。     

考虑多个子群意见的多要素大群体决策方法

针对存在多个子群的多要素大群体决策问题，提出一种决策分析方法.首先，依据参与决策的个体针对方案构成要素的排序，计算各要素针对各参与个体的borda分值.其次，构建要素针对各子群的平均borda分值向量，再将其归一化后作为针对各子群的虚拟方案.然后，考虑到各子群的评估一致性存在差异，计算各子群的权重.进一步地，计算各虚拟方案与各备选方案之间的贴近度，并将其与各子群权重相集结，得到针对各备选方案的综合贴近度，并据此对备选方案进行排序.最后，通过一个考虑公众意愿的城市公园设计方案选择问题的算例说明了所提出方法的可用性.     

新不确定度量下的冲突证据融合

针对证据高度冲突的情况下,DS证据理论在实际应用中出现错误融合结果的问题,提出基于不确定度的冲突解决方法.首先分析现有的不确定度量方法的不足,研究基本概率赋值本身所包含的信息,提出一种新的对证据不确定性度量的方法;依据新的不确定度量,结合证据距离生成权重来修正待组合证据体,再利用Dempster规则完成证据组合,可有效解决证据高度冲突情况下的信息融合问题,最后通过算例验证了该方法的有效性.     

火电厂空冷岛下架空线瓷复合绝缘子的应用

为解决火电厂空冷岛下布置的220 k V架空线耐张绝缘子串在空冷冲洗时的污闪问题,首次将纯瓷绝缘子更换为在高压输电线路上已广泛应用的悬式瓷复合绝缘子,有效增大了爬电距离,保证了绝缘子串的机械性能,避免了纯瓷绝缘子喷涂RTV需后期多次复涂且质量无法控制的缺点,提高了绝缘子串抗污闪能力。     

考虑多人给出参照点的风险型多属性决策方法

针对多人给出参照点的风险型多属性决策问题,提出了一种基于累积前景理论的决策分析方法.在该方法中,首先依据累积前景理论,计算每个参与决策人针对不同自然状态下每个方案的属性值的前景价值及决策权重函数值,进而得到每个参与决策人针对各方案的综合累积前景值;然后,计算每个参与决策人的决策信息与总体决策信息的期望一致性程度,并得到每个参与决策人的权重;在此基础上,计算各方案的总体累积前景值,并依据总体累积前景值的大小对各备选方案进行排序.最后,通过一个数值算例来说明该方法的可行性.     

基于图像欧氏距离流形降维的端元提取算法

由于多重反射和散射,高光谱图像中的混合像元实际上是非线性光谱混合传统的端元提取算法是以线性光谱混合模型为基础,因此提取精度不高针对高光谱图像的非线性结构.本文提出了基于图像欧氏距离非线性降维的高光谱遥感图像端元提取方法该方法结合高光谱数据的物理特性,将图像欧氏距离引入局部切空间排列进行非线性降维以更好的去除高光谱数据集中冗余的空间信息和光谱维度信息,然后对降维后的数据利用寻找最大单形体体积的方法提取端元.真实高光谱数据实验表明,提出方法对高光谱图像端元提取具有良好的效果,性能优于线性降维的主成分分析算法和原始的局部切空间排列算法.     

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。