时态神经网络模型及其在股票分类预测上应用

对具有时间属性的数据进行数据挖掘称为时态数据挖掘，用以发现数据在时间上的知识，当数据变化不规律时，如股票交易数据,就很难发现有价值的规律与规则。而神经网络具有并行、容错、可以硬件实现以及自我学习的优点,可作为股票分类预测应用的一种方法。通过将股票数据与时态型相结合，将股票数据转换成时态型股票数据，提出时态神经网络模型的分类方法，对收集的若干上市公司十年内的股票数据进行分析，构建了时态股票数据神经网络分类器对股票进行分类预测。经过实验验证，相比改进前的神经网络和支持向量机方法，该分类器具有更高的分类准确率。结果证明，这种时态数据神经网络模型对于多只股票的分类预测是非常有效的，可以很好地运用到股票市场的分类预测中。     

Title加TextRank抽取关键句的情感分类研究

考虑到不同句子对判断文档情感倾向的重要程度不同，因而区分文档的关键句和细节句将有助于提高情感分类的性能。同时，考虑到Title和上下文信息，提出了一种基于Title和加权TextRank抽取关键句的情感分析方法SKTT，实现了高效的情感分析。根据文档Title的情感权重计算Title贡献度，考虑到标点和语义规则对情感倾向的影响；根据加权TextRank算法思想，在文档正文中构建了一个情感句有向图来提取关键句；计算所有关键句的情感倾向进行情感分类。在4个领域上进行实验，实验结果表明，该SKTT方法性能明显优于Baseline，具有高效性。     

随钻测井系统的信号传输方式探讨

测井技术中随钻测井技术是其中的主要研究和发展对象,目前在钻井施工过程中有着十分重要的作用。目前我国的测井参数逐渐的增多,测井的资料也随之增多,随钻测井系统中信号的传输要求也越来越高,信号的传输效率是保障随钻测井技术发展的前提。本文主要阐述了我国随钻测井系统中的几种信号传输方式,对不同的随钻测井系统信号传输方式进行介绍,阐明各种信号传输方式的优点和缺点,以及在国内外的应用现状。有效的解决了目前随钻测井系统中各种信号传输方式中存在的设计和应用难题,对我国未来的随钻测井系统信号传输方式进行了展望。目前我国在随钻测井技术中主要使用的信号传输方式有两种:一种为无线信号传输方式,另一种为有线信号传输方式。前者主要包括有泥浆脉冲信号传输方式、声波信号传输方式、电磁波信号传输方式等;后者是随钻测井系统信号传输未来的主要研究方向,其中研究的方向是解决钻杆短节间有线限号的传输问题和井下电力供应问题。     

面向图像差异特征融合的基于弗里德曼检验的小波基分类研究

对小波基分类是图像融合中依据不同融合需求选择小波基的基础,可以提高图像融合的智能化水平。针对现有的小波基分类方法仅根据小波自身特性进行分类,没有从统计角度有效建立小波基和图像差异特征之间的联系,本文提出了面向图像差异特征融合的基于弗里德曼检验的小波基分类方法。首先,选择典型的差异特征和小波基用于分类研究;其次,选择针对差异特征的评价指标,以评价指标结果作为标记量并进行分类实验的区组设计;然后,采用弗里德曼检验对不同区组数据进行处理及执行相应的后续检验和分类步骤,形成面向图像差异特征的小波基类集;最后,设计对比实验对分类方法的有效性进行验证和分析。试验结果表明,该分类方法能有效把对图像差异特征融合效果相近的小波基归为一类,能根据融合需求选择较好的小波基。     

基于改进飞蛾扑火优化算法的MIMO雷达相位编码信号集设计

提出一种MIMO雷达相位编码信号集设计方法，该方法对飞蛾扑火优化算法进行改进，利用改进的飞蛾扑火算法优化相位编码信号集，提高其正交性.在改进方法中，增加对火焰的更新过程，使火焰不仅能够保存最优飞蛾位置还具有搜索最优解的功能.优化过程以自相关函数旁瓣峰值和、互相关函数峰值和，以及自相关函数旁瓣能量、互相关函数能量作为算法适应度函数.仿真实验结果表明，改进方法明显提高了飞蛾扑火优化算法的收敛速度和收敛精度，且优化得到的信号集具有较低的自相关旁瓣值和互相关值.     

图像分类中基于分类矢量量化的视觉词袋模型

特征表示是图像识别和分类的基础，视觉词袋是一种图像的特征表示方法。分析现有视觉词典构建方法的不足，提出一种新的视觉词典构建方法。首先利用梯度方差把特征矢量分为光滑类和边缘类，然后分别针对不同类别的特征矢量进行视觉词典的构建，最后根据两类视觉词典生成视觉词袋。图像分类实验表明，提出的新方法能提高分类准确率。     

基于MIMU的FastICA算法钻头故障振动信号分析

为了解决钻头在钻进过程中由于采集到的信息存在信噪比低和钻头与钻柱振动信号互相混叠而难以对钻头故障振动状态进行有效识别的问题。提出一种基于MIMU的FastICA算法来对钻头与钻柱振动数据进行处理分析,从而放大了钻头振动信号特征(正常、松动),提高了钻头振动信号的识别度。首先对经MIMU采集而来的原始数据进行误差分析和预处理,接着使用FastICA算法进行仿真实验,最后采用预处理后的松动状态下钻头与钻柱的振动信号进行实例实验验证。经验证,此方法有效放大了钻头的振动信号特征,有一定的实际意义。