字符串动态匹配算法在地层对比中的应用

提出改进的最大类间方差法通过计算有序序列最大类间方差、最小类内方差以实现测井曲线分层,弥补最大类间方差法只能将序列分成2类的缺陷。数值形式表示的曲线不便于对比的描述,提出将数值曲线序列提取特征并转换成离散的、相对抽象的字符串序列的方法,并以具有可以得到全局最优解特点的动态规划法为理论基础进行曲线对比。使用胜利油田地质科学院提供的真实地质数据,验证利用字符串进行动态匹配进行曲线对比在地层对比中的应用,实验结果表明,算法对地层缺失、地层尖灭和地层逆序的情况均适用,且具备简化特征提取、对比效率高的特点。     

三维地质建模中地质面的生成与编辑

三维地质建模的过程就是根据已有数据建立三维地质计算机模型的过程，这些数据是一个个离散的点，只能反映地质构造的某些局部。三维地质建模系统需要提供必要的手段根据已知的离散的点生成能够反映地质构造全貌的网格表示的曲面。     

三维网格单一位率压缩技术研究

三维网格压缩技术在三维图形处理和网络传输中有着重要的作用,其中的单一位率压缩技术将网格的几何信息和拓扑连接信息分开独立压缩。根据网格信息的特点,将该类算法分为连接信息驱动的编码压缩算法和几何信息驱动的编码压缩算法。对两类算法进行了综述性研究,总结和对比了其中主要算法的思想及实现过程,分析了它们的适用环境和优缺点。最后论述了单一位率压缩算法的发展趋势。     

基于对抗深度学习的无人机航拍违建场地识别

对违建场地的检测方法主要是通过人工对无人机航拍视频进行检查,存在检测精度低、识别性能差、工作效率低的问题。提出一种结合空间变换网络与Fast RCNN的生成对抗网络ASTN-Fast RCNN,通过深度学习与无人机航拍视频相结合自动识别检测处在建设初期的违建场地。将空间变换网络作为生成器,生成Fast RCNN目标检测器难以识别的旋转形变样本,并通过目标检测器与生成器的对抗式训练,提高检测器的鲁棒性。实验结果表明,该方法能够有效提高对无人机航拍违建场地的识别性能。     

基于深度学习的场景文本检测与识别

针对复杂场景下文本识别流程复杂繁琐、适应性差、准确度低等缺点,本文提出一种复杂场景下文本检测和识别的新方法.该方法由文本区域检测网络及文本识别网络构成,文本区域检测网络为改进的PSENet,将PSENet的骨干网络改为ResNeXt-101,在特征提取过程中加入可微二值化操作来优化分割网络,不仅简化了后处理,而且提高了文本检测的性能.将卷积神经网络和加入聚合交叉熵损失的长短时记忆网络组成文本识别网络,聚合交叉熵的引入提高了文本识别的准确性.本文在两个数据集上进行验证,实验结果表明,两个网络模型融合后准确率最高达到95.6％,优于改进之前的方法.该方法能有效地检测和识别任意文本实例,具有很好的实用性.     

基于自适应隐马尔可夫模型的石油领域文档分词

中文分词技术是把没有分割标志的汉字串转换为符合语言应用特点的词串的过程,是构建石油领域本体的第一步。石油领域的文档有其独有的特点,分词更加困难,目前仍然没有有效的分词算法。通过引入术语集,在隐马尔可夫分词模型的基础上,提出了一种基于自适应隐马尔可夫模型的分词算法。该算法以自适应隐马尔可夫模型为基础,结合领域词典和互信息,以语义约束和词义约束校准分词,实现对石油领域专业术语和组合词的精确识别。通过与中科院的NLPIR汉语分词系统进行对比,证明了所提算法进行分词时的准确率和召回率有显著提高。     

基于改进词向量的石油文档语义关系识别

语义关系识别是对文档进行处理识别出包含的语义关系的过程,是构建本体重要组成部分之一.在石油领域本体的构建过程中,由于石油领域的文档具有组合词多的特点,语义关系识别更加困难.目前使用的语义识别算法主要是基于关联规则的识别算法,但此类算法没有领域针对性.通过分析石油文档的特点,提出一种基于改进词向量的石油文档语义关系识别算法,以连续词袋（Continuous Bag-Of-Words,CBOW）模型为基础,对石油专业术语进行扩展训练,引入负采样和二次采样技术提高训练准确率和效率,利用向量特征训练支持向量机（Support Vector Mechine,SVM）分类器进行语义关系识别.实验结果表明,该方法训练的词向量能够准确识别石油领域的语义关系,在石油领域具有明显的优势.     

基于GPU的皮肤变形算法

为提高基于实例的皮肤变形算法的效率和速度,对加权姿态空间变形(WPSD)等算法进行了研究.WPSD中需要的逐顶点计算可以在GPU上以单指令流多数据流(SIMD)方式并行执行.并行顶点计算一般在GPU顶点处理器中执行,但是更进一步的并行操作是可以由片段处理器来获取到的.提出了一种基于GPU片段处理器实现的并行变形算法.每个顶点的关节权值可以由样本姿态自动的计算出,因此减少了手动操作,提高了WPSD等皮肤变形算法的质量.     

基于Neo4j的海量石油领域本体数据存储研究

语义网技术的发展促进了石油领域中多学科本体之间的整合技术的发展。随着数据的规模的增大,传统的基于关系型数据库的数据存储和信息检索等存在较多问题。对此,提出了一个基于Neo4j数据库的领域本体构建过程,专注于改进数据存储和信息检索两个方面。首先,提出了一种基于图形数据库Neo4j的大规模本体数据存储问题的解决方案,通过设计一种基于Neo4j的存储模型配合分布式存储机制,实现存储空间的高效利用。其次,在Neo4j数据模型的基础上,设计了一种两层索引结构的检索算法。实验评估表明, 提出的方法与基于关系数据库的方法相比,在数据存储方面可以节省10％以上的存储空间,在信息检索方面将检索效率提高了30多倍。     

用OpenGL实现屏幕元素的选取

通过OpenGL画在屏幕上的图元通常都经历过多次旋转、平移和投影变换,在三维场景中要确定用户所选择的究竟是哪一个图元就显得非常困难。OpenGL提供了一种选择机制,可自动通知用户在窗口的某个特定区域里画出的是哪个图元,可以使用OpenGL提供的这种机制,结合面向对象的多态特征,来实现一种通用的(三维)屏幕图形元素的选择功能。任意给定一个图元(通过多态,可以处理所有类型的图元,而不必关心它是一条线还是一个圆)集合和鼠标的位置,使用本文介绍的方法便可以确定在这个鼠标位置之下集合中的哪一个图元被选中了。下面介绍实现选择的基本步…