基于输入K-近邻的正则化路径上SVR贝叶斯组合

在ε-不敏感支持向量回归(ε-insensitive support vector regression,ε-SVR)正则化路径的基础上,提出基于输入K-近邻的三步式SVR模型组合方法。在整个样本集上进行训练,求得ε-SVR的正则化路径。由SVR正则化路径的分段线性性质确定初始模型集合,并应用平均贝叶斯信息准则(Bayesian Information Criterion,BIC)策略对初始模型集合进行修剪以获得候选模型集合。该修剪策略可减小候选模型集合的规模,提高模型组合的计算效率和预测性能。在预测或测试阶段,根据样本输入向量采用K-近邻法确定最终组合模型集合,并实现贝叶斯组合预测。证明了ε-SVR模型组合的Lε-风险一致性,给出了SVR模型组合基于样本的合理性解释。试验结果验证了正则化路径上基于输入K-近邻的ε-SVR模型组合的有效性。     

油田应用系统搭建与用户实践的提升策略

油田应用系统注重业务实现、辅助油田生产和业务办公,系统功能全面,使用高效快捷是用户体验和软件生命的关键。从软件的运行界面、使用功能、运用条件等诸多方面站在用户的角度来论证软件设计问题,结合实际开发出优质的软件,给出几种用户实践提升策略。     

基于分布式对象的软件开发模式探讨

本文对采用CORBA分布式对象技术开发油田应用软件的模式和开发方式进行探讨，通过分析分布式对象技术特点和油田开发应用环境状况，建立油田开发应用软件开发模式，并提出一种适合于油田开发的基于CORBA分布式对象技术的应用软件开发方式。