基于数字岩心模拟的深层页岩气储层可压性评价模型

首先构建深层页岩气储层典型的三维数字岩心模型,再采用有限元分析模拟岩石弹性参数,然后利用摩尔斯分类法确定弹性参数控制因素敏感性相对大小,最终建立基于层次分析法的深层页岩气储层可压性评价模型。结果表明：经过与理论值与实验测试值误差分析,数字岩心模拟值可靠;经微地震监测和压裂施工曲线验证,基于数字岩心模拟建立的可压性评价指数与储层改造体积和压裂曲线取得较好的一致性,可为深层页岩气储层靶点层位选取和压裂工艺优化提供指导。     

基于自组织映射网络的流量分类算法

网络流量分类在QoS、流量控制及网络安全等领域发挥了重要作用. 有监督型的机器学习方法对新流量的识别往往依赖于先前的人工分析;自组织映射网络算法模拟生物神经元,通过自组织行为对数据进行分类学习;实验表明,该无监督型算法能够对新流量进行自动识别,提高了流量识别的准确率.     

基于2D Gabor小波和HSV空间的木材缺陷检测

提出了一种有效的木材缺陷自动检测方法,试图赋予计算机从木材图像数据中自动辨别出缺陷的能力,主要分析了木材缺陷的形态、走向和分布规律.首先将要识别的木材图像变换到HSV色彩空间,分别对H,S和V层进行区域分割和Gabor小波变换,得到各个子图像块的局部区域的基于不同频率和方向的特征向量,用于描述高维的木材图像.接着将提取出的纹理特征归一化后送入SVM分类器,检测过程采用二次循环搜索方式,利用特征向量间的相似度进行缺陷的定位和识别.模拟实验结果表明,该方法可有效识别出缺陷区域,识别效果较好.     

基于机器学习的比特币实体分类方法研究综述

比特币是一种去中心化的电子加密货币,交易地址的匿名性隐藏了交易用户的真实身 份,导致比特币被一些不法分子应用于各类非法活动中。通过分析已知实体的交易属性和行为特 征,利用机器学习的方法可以对未知实体的交易类别进行预测。本文首先概述了比特币实体类别 及分类标签的来源;其次,分析和归纳了基于机器学习的比特币实体分类方法;最后,分析了现阶 段面临的主要问题,并对未来的发展趋势进行了展望。     

一种改进的朴素贝叶斯文本分类方法

朴素贝叶斯分类器是一种简单有效的文本分类方法.改进方法利用同义词对文本的特征词集进行过滤,在一定程度上放松了朴素贝叶斯的特征独立性假设;在特征选择时迭代了2种不同的特征选择方法,有效地提高了特征集的代表性.实验结果表明,本方法有效地提高了朴素贝叶斯分类器的性能.     

基于一类分类方法的多类分类及其应用

在分析一种非线性数据处理新方法的核心概念基础上,研究了基于一类分类方法的多类分类基本原理,提出了应用于多类分类的可信度函数,使聚类与分类的结果更具有可信度．最后,以某企业对供应商关系的调查数据为例,将这种方法应用于企业商业关系网络分析中．结果表明了该方法的有效性．     

基于属性聚类的贝叶斯分类算法

在数据挖掘的过程中,由于贝叶斯分类算法要求条件属性必须独立,因此具有一定的局限性.考虑该缺陷,提出用数据挖掘中另一种常用聚类算法对原始数据的条件属性进行数据预处理后,再使用贝叶斯算法.实验表明该算法提高了分类的准确率.     

基于RS与GIS的西峡县森林资源时空动态变化

以西峡县2个年份同一季节的遥感数据为研究对象,利用图形处理软件(ERDASIMAGINE)进行波段组合、图像增强、监督分类、矩阵分析和分类重编码,研究了河南省西峡县森林资源的时空变化。并且在此基础上利用GIS软件进行统计分析和遥感制图,从时空序列上分析了森林资源的动态变化情况。结果表明:从时间序列上看,1998~2002年西峡县阔叶林面积和针叶林面积有所增加,增加部分主要来源于退耕还林和荒地的植树造林;从空间序列上看,森林植被的变化主要集中于低海拔地区,高海拔地区主要集中于道路和河流附近。     

基于决策树的DDoS攻击检测方法研究

采用决策树中的ID3算法,提出一种基于数据挖掘技术的DDoS攻击检测方法.该方法从被监控网络采集的数据中提取网络流量特征设计检测系统,较好地解决了网络流量分析中数值属性特征的分类问题.实验结果表明该系统能有效检测网络中发生的DDoS攻击行为.     

低信噪比神经元锋电位信号的分类方法

基于离散序列小波变换和主元分析，对低信噪比的神经元锋电位信号提出了新的分类方法。通过对原始信号进行尖峰检测，获得尖峰信号样本，对每个样本进行离散序列小波变换之后，再对小波变换系数进行主元分析，选取主元进行聚类，实现对原始信号的分类。将该方法应用于多电极细胞外记录的小鸡视网膜神经节细胞电活动信号分析，并据此推断出某电极附近的神经节细胞的个数。仿真结果表明，在低信噪比情况下，该方法比单纯通过小波变换进行分类的方法更有效。