两阶段领域自适应学习

针对领域自适应问题中源域和目标域的联合分布差异最小化问题,提出两阶段领域自适应学习方法.在第一阶段考虑样本标签和数据结构的判别信息,通过学习一个共享投影变换,使投影后的共享空间中边缘分布的差异最小.第二阶段利用源域标记数据和目标域非标记数据学习一个带结构风险的自适应分类器,不仅能最小化源域和目标域条件分布差异,还能进一步保持源域和目标域边缘分布的流形一致性.在3个基准数据集上的实验表明,文中方法在平均分类准确率和Kappa系数两项评价指标上均表现较优.     

三维合成炮叠前深度偏移

对国际上标准的SEG/EAEG模型进行了三维合成炮叠前偏移研究。与三维单炮叠前深度偏移不同 ,三维合成炮叠前偏移有一个叠前数据的合成过程 ,由于合成后数据量大大减少 ,所以合成炮偏移的计算量要比单炮偏移小得多。阐述了三维合成炮叠前偏移的实现过程 ,给出了相应公式。对SEG/EAEG盐丘模型的一个数据集进行了MPI并行计算 ,取得了良好的成像效果。所作的较多计算表明了三维合成炮叠前偏移的正确性和有效性 ,这为野外实际数据的三维叠前深度偏移提供了另一条有效途径。     

层状介质中重力,地震联合反演的迭代算法

本文提出一种用于层状介质中重力、地震资料联合反演层速度、层密度及弯曲界面深度的迭代算法。该方法通过引入加权最小平方目标泛函,将层状介质中的重力、地震资料联合反演问题转化成具体的优化问题。为了得到反问题的最优解,文中系统地研究了层状介质中双摄动处理技术,以及层状介质中波场摄动的一阶 Born 近似解与理论重力异常摄动解。并应用 Tarantola 的反演理论,导出了梯度算子的计算公式。然后应用最速下降法给出了求取最优解的具体算法,得到了一种类似于地震偏移与空间更投影的迭代反演方法。对理论模型进行重力、地震联合反演的结果表明,该方法不仅可碱少未知参数的个数,提高反演的收敛速度,而且可减少反演的不适定性,不失为一种可行的多参数反演方法。     

复杂构造叠后逆时深度偏移

本文从三维波动方程出发，导出了用于三维叠后逆时偏移的无层间反 波动方程，并给出了其数虎法和稳定性条件。     

基于平均距离聚类的NSGA-Ⅱ

拥挤度距离是一种用于度量解集多样性的指标. 然而, 在许多情况下, 该指标无法有效区分多样性较优个体. 其原因为拥挤度距离主要利用每个位置的局部信息. 为解决该问题, 基于整个种群全局位置信息, 本文设计了基于平均距离聚类的多样性度量指标, 并进一步提出了基于平均距离聚类的NSGA-Ⅱ. 该算法利用平均距离将种群划分为若干个大致均匀分布的小种群, 然后分别在各小种群内执行选择、交叉和变异等操作. 实验结果表明, 本文所提算法可以有效地保持种群多样性.     

基于词间关系分析的文本特征选择算法

传统的特征选择方法通常使用特征评价函数从原始词集中筛选出最具有类别区分能力的特征。这些方法是基于以独立的词作为语义单元的向量空间模型,忽略了词与词之间的关联关系,难以突出文本内容中的关键特征。针对传统特征选择方法的不足,本文提出一种新的基于词间关系的文本特征选择算法。该方法考虑对文本内容表示起到关键性作用的词,利用关联规则挖掘算法发现词语之间的关联关系,并且通过相关分析对强关联规则进行筛选,最终生成与类别属性密切相关的特征空间。实验结果表明,该方法更好地表示了文本的语义内容,而且分类效果优于传统算法。     

优化煅烧煤矸石胶凝性能的研究

本研究探讨了煤矸石胶凝性能的影响因素，比较了本研究制备得到的煤矸石与矿渣的胶凝性能，并以两种不同的工艺开展了煤矸石制备性能调节型辅助胶凝组分的半工业性试验。研究结果表明，掺有活性组分的煅烧煤矸石的胶凝性能有显著提高；实验室制备的煤矸石与硅酸盐水泥复合后的早期强度要高于矿渣与硅酸盐水泥复合样品的，但是28天强度却低于后者；运用水泥工业中试用回转窑制备的煤矸石与硅酸盐水泥复合后。获得了较好的胶凝性能。     

喹酞酮类分散染料及其中间体的合成

一、前言到目前为止,我国尚缺少性能优越的嫩黄色分散染料。据资料报导,属于喹酞酮类的Ⅰ黄和Ⅱ非黄的各种性能是较好的。现在世界上已有15家大公司生产Ⅰ黄,有10家大公司生产Ⅱ黄。这两只染料的耐晒牢度为6～7级。Ⅰ黄属于低温型,Ⅱ黄属于中温型分散染料,均能与其它分散染料拼混成鲜艳的果绿、浅一中咖啡及灰色。Ⅰ黄用于拼黑,特别受到东南亚市场的欢迎;Ⅱ黄与红3B,蓝2BLN组成快速染料的三原色。为了满足国内市场对浅色合成纤维     

异构信息网络数据上的融合概率图模型

针对异构信息网络中存在多种数据目标类型,以及多种数据连接关系的问题,将多个主题模型和马尔科夫逻辑网相结合,提出了一种融合概率图模型。多个主题模型可以分别描述不同数据目标子空间的主题分布,实现对多种数据目标的预处理。用一阶逻辑子句描述的连接规则构建马尔科夫逻辑网,将每个主题模型中的不同数据目标连接起来。通过使用Gibbs采样,可以对异构网络进行参数学习和推理。在国际通用的异构信息网络DBLP数据集上的实验结果表明,使用融合概率图模型能够更好地表示不同的数据目标和连接关系。实验对比了4种典型的分类方法,多次采样得到的分类结果稳定,对作者、文章和会议取得了较好的分类结果。     

朴素差分进化算法

针对变异算子学习方式的单一性,提出一种朴素变异算子,其基本思想是向优秀的个体靠近,同时远离较差个体,其实现方式是设计一种缩放因子调整策略,如果三个随机个体在某维上比较接近,则缩放因子变小,反之变大.在实验过程中通过平均适应度评价次数、成功运行次数和加速比等指标表明,基于朴素变异算子的差分进化算法能有效提高算法的收敛速度和健壮性.