浅析概率可靠性模型的优缺点

中国结构设计规范大多采用了概率可靠性模型作为结构设计理论,该模型和其它数学模型一样,都有其优点及缺点;阐述了概率可靠性模型的概念,采用比较法和计算分析的方法对该模型自身进行了研究,分析了其具有的优缺点,并指出了改进的方向．     

混凝法处理胜利油田聚合物驱采出水效果研究

采用化学混凝法处理胜利油田聚合物驱采出水,并在比较不同单一混凝剂的除油、除浊效果基础上,进行了混凝剂的优化复配。结果表明:传统铝盐和传统铁盐混凝剂的除油、除浊效果明显优于无机高分子混凝剂和有机高分子絮凝剂。氯化铁和氯化铝按投加量质量比为1:3比例复配时,不但能提高絮体的沉降速度,减少污泥量,而且能达到较高的除油、除浊效果。复配铁铝混凝剂与阴离子聚丙烯酰胺(APAM)三元复配时,除油、除浊效果主要决定于无机复配铁铝混凝剂的投加量;投加0.5mg/L的APAM便能使絮体进一步发生桥联作用,提高沉降性和减少污泥体积。     

C0-半群的概率型逼近

借助于算子值数学期望以及概率论方法,利用适当的随机变量的矩生成函数估计式,讨论了Banach空间上C0-半群的概率表示式及收敛速度的估计式.     

移动自组织网中基于最优距离的概率广播方案

广播是移动Adhoc网络提供路由发现、地址解析等网络功能的一项重要操作．为了减少了泛洪广播算法中的端到端延迟,有效利用有限的带宽资源,解决广播风暴问题,文中提出了一种距离感知的广播技术,即基于最优距离的概率广播方案．本方案通过结合概率算法和距离感知来解决广播风暴问题,以高可达率和低延迟在网络中传播广播数据包．仿真结果显示与主流的泛洪算法和概率广播算法相比,本方案在可到达率、端到端延迟及重播概率等方面的性能有所提高．     

SAGD添加非凝析气技术研究

利用数值模拟和物理模拟方法对蒸汽辅助重力泻油(SAGD)技术进行研究,对比分析了非凝析气在SAGD中的增产机理,跟踪分析国外UTF项目中SAGP应用情况和效果,认为向蒸汽中添加非凝析气体是一项技术上可行的方法,非凝析气体在蒸汽的前面运动,具有较高的驱油效率,能够维持成熟SAGD蒸汽腔的有效扩展,可以取得较好的产油速度和油汽比,节约了蒸汽的用量;UTF现场试验数据和所得的结论对SAGD的后续开发具有重要的借鉴作用,证明了该工艺具有广泛的推广应用价值.     

基于扩展头随机标记的IPv6攻击源追踪方案

针对IPv4网络环境下的随机包标记法不能直接应用于IPv6的问题,依据IPv6自身的特点提出了一种基于扩展报头随机标记的IPv6攻击源追踪方案。对IPv6报头进行分析研究,选取了合适的标记区域及编码格式,对PMTU算法进行了修改以更好地满足追踪的需要,采用攻击树生成算法重构攻击路径。理论分析与仿真实验结果表明,该方案能够有效地重构攻击路径,实现对IPv6攻击源的追踪。     

基于有限元方法的单搭接接头可靠性设计

将概率统计的设计观念引入单搭接粘接接头,通过有限元分析方法分析了对粘接接头力学性能影响较大的因素,并在抽样100次的情况下,分析了单搭接粘接接头失效的概率。结果表明,该模型可以有效地反映接头的实际情况,为粘接结构的可靠度设计提供了依据。     

结合稀疏表示和概率潜在语义的图像模糊度评价

目的 图像的模糊度评价是客观图像质量评价的一种,主要用来衡量图像信号经过成像系统或处理算法后的降质程度,其在图像获取、传输、分析以及图像处理系统或算法评价等领域有着广泛的应用。针对目前图像模糊度评价方法没有考虑人类视觉系统的无监督学习和层次化特征提取的特性,本文将图像稀疏表示和利用概率潜在语义提取图像主题相结合,提出基于稀疏表示和概率潜在语义的图像模糊度评价算法。方法 该算法在图像稀疏表示的基础上,通过概率潜在语义方法分别提取清晰训练图像和待测图像的主题,以待测图像潜在主题与清晰图像平均潜在主题之间的相似性作为模糊度评价的依据。主要过程分为3个阶段:词典构建阶段、训练学习阶段和模糊度评价阶段。词典构建阶段的目的是通过样本学习获得图像稀疏表示的词典;训练学习阶段的目的是采用概率潜在语义的方法获得训练图像的平均主题;模糊度评价阶段的目的是通过待测图像的潜在主题与训练图像的平均潜在主题的相关系数来计算图像的模糊程度。结果 在仿真图和公共测试数据库上与典型算法的比较实验表明:本文算法在单调性、抗噪性以及视频质量专家组制定的5个评价指标上都取得了较好的效果,其中Pearson相关系数和Spearman秩相关系数分别为0.995 6和0.993 4。结论 本文根据人类视觉系统具有无监督学习和层次化特征提取的特点,以待测图像潜在主题与清晰图像平均潜在主题之间的相似性作为模糊度评价的依据,提出了一种新的基于稀疏表示和概率潜在语义的图像模糊度评价方法。实验结果表明该方法能够对图像的模糊度进行较准确的评价,并且结果与人的主观评价结果一致。     

Feature selection on probabilistic symbolic objects

In data analysis tasks, we are often confronted to very high dimensional data. Based on the purpose of a data analysis study, feature selection will find and select the relevant subset of features from the original features. Many feature selection algorithms have been proposed in classical data analysis, but very few in symbolic data analysis （SDA） which is an extension of the classical data analysis, since it uses rich objects instead to simple matrices. A symbolic object, compared to the data used in classical data analysis can describe not only individuals, but also most of the time a cluster of individuals. In this paper we present an unsupervised feature selection algorithm on probabilistic symbolic objects （PSOs）, with the purpose of discrimination. A PSO is a symbolic object that describes a cluster of individuals by modal variables using relative frequency distribution associated with each value. This paper presents new dissimilarity measures between PSOs, which are used as feature selection criteria, and explains how to reduce the complexity of the algorithm by using the discrimination matrix.     

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。