地球物理测井多参数综合识别储层流体类型的新型神经网络

建立了一种基于引力的新型神经网络模型 ,引入了合力作用机制 ,解决了储层流体类型划分的判定半径问题 ,克服了以往神经网络对任何输入数据都要产生响应 ,并给出一个分类结果的缺陷。改进了传统的距离计算方法 ,克服了传统方法易受单个参数突变的影响而引起误判的缺点。利用新型神经网络方法并结合测井资料 ,对某油田的储层流体性质及类型进行了识别 ,获得了很高的识别率。与径向基神经网络的判别结果相比 ,该神经网络的识别率明显提高。     

具无穷时滞状态依赖变元微分方程解的有界性及概周期性

本文研究了一类具无穷时滞状态依赖变元泛函微分方程dx/dt=F(t,x(t),x(t-ρ((x1))),t≥0 有界解及概周期解的存在性。     

基于改进模糊C均值聚类的弥散张量成像图像分割

为了避免随机选取初始聚类中心点的缺陷,利用最大最小距离的方法确定初始聚类中心点.实验结果表明,和传统的模糊C均值聚类(FCM)算法相比,所提聚类算法具有较高的稳定性和准确性,所分割的胼胝体图像边缘信息更加清晰.     

基于快速最小距离树的肝脏图像非刚性配准

为精确诊疗肝脏疾病,针对CT肝脏图像中呈现出与相邻器官灰度值相似、边界不清晰,仅靠灰度水平法难获得理想的分割结果的问题,采用快速最小距离树度量多维特征,构造了Renyiα-entropy能量函数,成功完成了atlas和待分割图像之间的非刚性配准,实现了肝脏的自动精准分割.该方法的分割精度较传统互信息法明显提高,较传统Prim算法分割速度更快.     

距离修正的混沌粒子群多维标度定位算法

针对不规则网络以及网络空洞造成估计距离与欧氏距离相差较大,导致定位精度不足这一问题,提出一种距离修正的混沌粒子群多维标度定位算法(CMDS-CPSO).首先通过递推策略计算节点对距离,利用接收信号强度对距离加权修正,以减少距离误差,回避网络空洞问题.然后采用混沌粒子群算法对坐标转化参数问题进行优化,进一步降低坐标转换中参数所带来的影响.通过对比SPSO-MDS算法与MDS-DMC算法,仿真结果表明,距离修正的混沌粒子群算法能够明显改善节点定位精度,具有更好的鲁棒性和对不规则网络的适应性.     

基于粒子群优化算法的井下目标定位方法

针对矿井结构复杂,井下未知节点定位存在信标节点布置冗余、定位精度低等问题,提出了一种基于粒子群优化算法的井下目标定位方法。根据矿井环境特点区块化布置信标节点,通过引入线性递减权重的粒子群算法对未知节点与信标节点的测量距离和估计距离的误差进行优化,降低定位误差。与四边测量法、加权最小二乘法和RSSI加权质心算法进行Matlab仿真对比实验。仿真结果显示:信标节点为5个,节点总数为15时,平均定位误差为0.877 m。高斯白噪声标准差取值范围从5递增到20,平均定位误差由1.21 m增长到4.65 m,增长幅度最小,抗噪性最好。信标节点密度由10%增加到40%,平均定位误差从2.82 m下降到0.76 m,定位精度明显好于其他三种算法,稳定性好于RSSI加权质心算法。定位精度更高,抗噪性更好,可靠稳定,在井下巷道环境中适应性更强。     

含位形权重的磁流变液孤立链流变剪应力模型

为降低采用标准孤立链理论模型计算高体积分数磁流变液流变剪应力时的计算误差,提出一种通过距离权重系数评价磁链间相互作用的流变模型.编写Monte Carlo仿真程序计算颗粒位置与磁矩方向矢量、同时输出与系统颗粒间距有关的距离权重系数.按标准和距离权重这两种链结构模型计算磁流变液剪切应力数值,并和4种磁流变液(30.58%~44.79%)的流变仪剪应力测试数据进行比较,结果显示,权重模型在磁场全范围内具有更高的计算精度,并且和流变试验实际结果基本符合,证实了磁链微观结构间的相互作用力是影响磁流变液流变特性的主要因素之一.     

Φ-φ-型压缩映象不动点的存在性

使用压缩尺度函数,在完备2-距离空间中研究一类Φ-φ-型轨道压缩映象不动点的存在与唯一性,在适当条件下证明了一个新的不动点定理,推广和改进了已知的结果.     

g_λ随机变量间的距离及特征函数的性质

本文给出并证明了关于gλ随机变量的特征函数的唯一性定理;此外还给出了gλ随机变量间的距离的概念及若干性质,并为系统建立Sugeno测度空间上关于gλ随机变量的不确定理论奠定理论基础。     

小波域Copula多维模型纹理检索

提出一种有效的小波域copula多维模型的纹理检索方法.针对小波域上各个子带间独立性建模的不足,方法利用小波分解系数的相关结构设计了树状依赖结构,并在这种依赖结构上实现了copula多维分布模型.树状依赖结构能同时捕获尺度间依赖和邻域依赖,且与邻域依赖结构相比该树状结构具有维数低、需要的copula模型个数少的特点.由于copula多维模型较为复杂,很难计算其Kullback-Leibler距离(KLD),本文提出一种基于copula多维模型的KLD相似度检索方法:Copula模型的KLD由其边缘分布函数的KLD和copula函数的KLD组成.在Vis Tex与Brodatz数据库上的实验表明,本文提出的树状依赖结构和相似度检索方法在小波域相关性建模方面计算效率高,较大地提高了纹理图像的检索率,并且能很好地推广到其他小波域(比如复数小波域、方向小波域等).