基于核Fisher判别的致密碎屑岩岩性识别

致密碎屑岩储层具有致密、低孔隙和非均质性强等特点,岩性识别是储层预测中的难点之一。文章针对这一问题,提出将核Fisher判别方法用于致密碎屑岩储层的岩性识别,结果表明核Fisher判别方法能有效的识别川西XC地区致密碎屑岩中的砂岩和粉砂岩。     

素Γ-环理想上的强保交换导子

利用素Γ-环的性质讨论当素Γ-环的导子在一个非零理想上强保交换时素Γ-环的交换性,证明了:若导子d在素Γ-环R的非零理想I上强保交换,且d(I)I,则R是交换的.     

赵家寨矿井充水水源的综合判别分析

本文以赵家寨矿井为研究对象,采集了奥灰岩水样7个,L1-4灰岩水样6个,L7-8灰岩水样25个,砂岩水样2个,第三系水样1个,第四系地下水样1个,老空水样1个。灰岩水样分析结果表明,不同含水层水化学类型有一定差异,如以L7-8灰岩水HCO3-SO4型水为主。以六大离子作为判别因子,经灰色关联度分析、判别分析以及BP神经网络判别模型3种判别方法,对突水水源判别对比,综合选择出适当的水源判别方法。研究表明,该矿井以六大离子作为判别因子时选择BP神经网络分析法进行预测的结果更加可靠。     

单圈图的k-距离匹配控制数

单圈图是边数等于顶点数的连通图.令G=(V,E)是无孤立顶点的图,若集合DV(G)是G的一个k-距离控制集且导出子图〈D〉有完美匹配,则称D是G的一个k-距离匹配控制集.k-距离匹配控制数γkp(G)是G的最小k-距离匹配控制集的势.主要证明了单圈图k-距离匹配控制数的一个重要引理,由此找到了单圈图k-距离匹配控制数的上界,并构造了极图.     

基于VNS-EM混合算法的两阶段装配流水车间调度

针对以最小化工件提前期和拖期惩罚费用加权和为目标的两阶段装配流水车间调度问题,证明了工件之间的最优排序性质,并将其嵌入优化算法中.由于该问题的NP难性,提出了一种变邻域类电磁机制(VNS-EM)混合算法.该混合算法在类电磁机制(EM)算法的每一次迭代过程中嵌入改进的变邻域搜索(VNS)算法,利用其较好的局部搜索能力对每代最优个体的邻域进行精细搜索,从而提高解的质量.仿真结果表明了算法的有效性.与VNS算法和EM算法相比较,提出的VNS-EM混合算法能更好地兼顾算法的精度和求解速度.     

结合空间信息的FCM脑图像分割

针对传统模糊C均值聚类算法(FCM)在图像分割时没有利用图像的空间信息而对噪声敏感、分割结果不够准确的问题,提出一种结合空间信息的FCM改进算法.该算法利用邻域像素间的灰度差异计算出邻域加权系数,并利用该系数对中心像素的隶属度进行更新,控制邻域像素对中心像素的不同影响;该算法还利用了快速FCM算法对图像进行初始分割.对MRI脑图像分割的实验结果表明FCM改进算法简单有效,具有较强的抗噪能力,能取得较好的图像分割结果.     

一类特殊自仿集的连通性

本文研究了由扩张矩阵A=(0±31 0)分别与两类数字集D1={0,v,kAv}和D2={0,v,kAv}生成的自仿集T(A,D)的连通性,其中k∈Z\{0},k∈Z 2\{0}.通过分析一个生成邻居的算法,发现了参量k对于(A,D)连通性的影响,并且得到自仿集T(A,D)连通的充要条件.     

利用改进的HBDE算法求解MAX-k-SAT问题

目前,利用进化算法求解组合优化问题已成为智能计算领域中的研究热点。本文基于二进制差分演化算法和动态变邻域搜索相结合提出了一种求解最大可满足问题(MAX-k-SAT)的改进算法(记为IBDE),通过与遗传算法和Johnson算法对一系列随机大规模MAX-k-SAT实例的求解比较表明:IBDE是一种求解MAX-k-SAT问题非常有效的新方法。     

太行山猕猴跖骨性差

以39例成年太行山猕猴跖骨为标本(27雌,12雄),测量每根跖骨7个变量,采用SPSS 20.0进行数据分析,用7个跖骨变量建立逐步判别函数.选择性差最大的变量直接进行判别分析.结果表明,大部分变量性差显著(P<0.01),侧别差异很小.逐步判别分析选择出来的最好变量是跖骨长度.雄性判别率为78.6%⁹2.9%,雌性判别率为79.3%92.9%,雌性判别率为79.3%⁹3.1%,平均判别率为79.1%93.1%,平均判别率为79.1%⁹3.0%.交互检验比回代检验判别率略微低一些.结果显示用跖骨长度变量可以很好地鉴定性别.     

基于数显卡尺测量数值的4种鼠类特征研究

使用SPSS 18.0,对用数显卡尺采集的158只仓鼠科中成年布氏田鼠(Lasiopodomys brandtii)、棕色田鼠(Lasiopodomys mandarinus)、东方田鼠(Microtus fortis Buechner)、黑线毛足鼠(Phodopus campbelli Thomas)的体重、体长和头骨等17项形态学指标进行了差异显著性分析,基于分析结果,指出4种鼠的17项形态学指标均存在显著性差异,对编号1~138的鼠进行了判别分析并建立了判别函数,对编号139~158的20只鼠进行了判别归类,其判别结果与传统分类的结果完全一致,对158只鼠进行了聚类分析,其分析结果与判别分析结果一致。