模型显著域上的形状调控和处理

基于3维数字模型的显著性度量和显著域处理技术,提出一种模型显著域上的形状调控和处理方法。该方法首先基于曲面上采样顶点处局部投影高度的Gaussian加权平均双边滤波定义数字模型的表面显著性;然后利用定义在模型显著域上的形状调控函数——显著域低通形状调控函数、显著域高通形状调控函数和显著域增强形状调控函数,使模型的显著特征得到有效抑制、提升和增强,实现了针对模型表面显著特征的形状调控和处理。实验结果表明,该方法能够方便快速地实现3维数字模型的不同形状造型效果。     

面向医学数据的分层剥离体绘制算法

采用直接体绘制方法显示医学数据时,一般通过修改传递函数来显示感兴趣区域,但仅通过调节传递函数很难清晰地显示被遮挡的人体组织,为此提出一种新的分层剥离直接体绘制算法.通过计算相邻的不透明度极小值和极大值之间的斜率,并根据用户指定的斜率阈值和累积不透明度阈值确定分层点,实现对体数据的分层绘制.实验结果证明,该算法可以根据不同医学数据的特征信息更精确地定位分层点,绘制效果清晰,速度较快.     

用数据挖掘技术优选侧钻井井位

运用数据挖掘技术对油井实施开窗侧钻效果进行预测,以辅助侧钻井井位优选决策,为科学、客观地进行报废井侧钻提供依据,从而达到油田高效挖潜目的。介绍了数据挖掘技术的有关理论及算法,选取已实施侧钻的油井相关数据作为数据源训练神经网络。同时,预测了5口井的侧钻效果,经现场实施后,预测和实际效果基本吻合。通过实例及其结果的分析,证实了该方法新颖、简便、费用低、准确度高,易于推广。     

高校课堂学评教K.I.S.S模型及应用研究

分析当前学评教存在的问题和主要成因,提出一种教师主导、学生自愿参与、基于K.I.S.S(Keep Improve Start Stop)框架的高校课堂学评教模型,介绍具体实施流程及应用案例,通过数据说明学评教模型的有效性。     

特征抽象的直接体绘制方法

直接体绘制需要借助于传输函数,而设计一个有效的传输函数非常耗时且需要具备丰富的经验.为此提出一种不透明度自动调节的可视化方法.通过分析采样光线提取出数据的特征,并将这些特征抽象为不同层次的采样点,抽象采样点的不透明度根据采样光线上特征数的变化而改变;在保证最远抽象采样点可见度最大的前提下,推导并修改传统体绘制积分方程,得到基于抽象采样点的体绘制积分方程.实验结果表明,该方法不依赖于传输函数,能有效地展示体数据中的特征信息.     

FDSS中的人工智能技术研究

从财务决策支持系统ＦＤＳＳ的概念出发,介绍了ＦＤＳＳ的结构框架、知识表示、知识推理,重点论述了人工智能技术在ＦＤＳＳ的应用,主要是在实现ＦＤＳＳ的过程中用到的财务知识表示与财务推理机制,并针对具体的财务实例,介绍如何用财务知识表示与如何用财务推理机制的,并给出了结论。     

求解方程RaRx=RxRb的四元数几何研究

机器人手眼标定通常要解一个旋转方程[WTHX]RaRx[WTBZ]=[WTHX]RxRb[WTBZ],求解该方程有很多方法,其中利用四元数的方法最为简洁实用。但一般的四元数求解侧重应用,缺乏几何意义的对照,也没有全面分析方程各种解的情况。为了提高机器人手眼标定的效率和精度,在深入研究求解该方程的四元数几何方法的基础上,详细而严格地论证了各种情况下方程的解,不仅给出了四元数矩阵分析与几何解释的有趣对照,而且仿真验证了该算法的正确性。仿真实验表明,了解方程各种解的情形以及几何意义将有助于降低求解的条件数和提高标定的效率,此外,该研究对于发展四元数几何分析也有很大的意义。     

高维时空房地产数据的可视分析

高维房地产数据中包含着复杂的空间和时间趋势,为了使用户能够创建自己的可视化形式并理解房地产市场中的内容,提出基于HTML5的在线房地产信息的、包含4个组件的可视分析方法.该方法提出了基于楼盘地理位置聚类的可视化方法来展示楼盘地理信息的地学可视化组件,结合多种布局和排序方式来展示楼盘销售数量变化的堆栈图组件,基于楼盘销量和价格的聚类方法来展示楼盘多维属性的像素条图组件,并结合多种节点布局和排序的方式展示数据层次结构的树图组件;最后对各组件设计了良好的交互操作,丰富了系统的分析能力.文中方法已用于杭州市房地产的真实数据分析中,用户和专家反馈效果良好.     

济钢焦化厂循环冷却水系统运行管理及效果

由于循环冷却水系统在运行过程中会产生水垢附着、设备腐蚀和微生物滋生的危害,济钢焦化厂根据水质判断和成本运行比较,选取阻垢缓蚀剂CW-19304,通过分析其阻垢、缓蚀效果,浓缩倍数应控制在2．0—2．5,投加浓度为30-40mg／L。交替使用氧化性杀菌剂和非氧化性杀菌剂,控制系统中的菌藻滋生,优氯净1次／周,控制余氯在0．5-0．8mg／L;异噻唑啉酮1次／月,100-200mg／L。检测结果表明,循环水各项质量指标稳定。     

基于改进的Stacking集成模型的容器云负载预测研究

容器云的迅速发展使业务量迅速增加,对容器资源利用率的未来趋势进行预测,从而提前分配资源来提高资源的利用率并且降低资源的浪费是一种合理的做法。为了实现对容器云资源的合理预测,提出一种基于改进的Stacking集成方法的云资源负载预测模型。模型的第一阶段是通过设立基学习器对云资源负载数据进行特征选择,降低数据集特征的复杂度。第二阶段是使用GA-BP神经网络模型改进的DBN模型(DBN-GA-BP)对第一阶段的特征选择数据进行集成预测。实验结果表明,与单一模型和未改进的Stacking模型对比,该模型具有更高的预测精度。