基于贝叶斯网络的不确定性知识的推理方法

贝叶斯网络是不确定性知识表达与推理的一种新方法。它是概率论和图论相结合的产物,可用于复杂多因果关系的分析,是人工智能领域的研究热点和重要成果之一。由于它的解决方案明确、直观,所以近年来在远程医疗、故障诊断以及数据挖掘等领域,得到了广泛的应用。本文论述了贝叶斯网络的基本理论、方法和应用,并指出当前所存在的主要问题。     

乘性和加性噪声中谐波恢复和循环统计量方法

本文从循环平衡的观点出发来研究乘性和加性噪声的谐波恢复问题。首先，在一定条件下建立了一般复过程的有限长付里叶变换的大样本性质。然后，得到了任意阶循环矩的样本估计关于循环频率的一致收敛速度。对于乘性和加性噪声中的谐波信号，建立了一、二、三阶循环矩样本估计的统计性质。在此基础上，分别提出了基于不同阶循环矩的谐波分量个数和频率的估计方法，并得到了估计的强相容性质和强收敛速度，最后给出了模拟实验结果。     

乘性和加性噪声中谐波恢复的循环统计量方法

本文从循环平衡的观点出发来研究乘性和加性噪声中的谐波恢复问题.首先，在一定条件下建立了一般复过程的有限长付里叶变换的大样本性质．然后，得到了任意阶循环矩的样本估计关于循环频率的一致收敛速度．对于乘性和加性噪声中的谐波信号，建立了一、二、三阶循环矩样本估计的统计性质．在此基础上，分别提出了基于不同阶循环矩的谐波分最个数和频率的估计方法，并得到了估计的强相容性质和强收敛速度，最后给出了模拟实验结果．     

有序样品聚类的相关序列法

本文借助于广义相关系数（相关度），引入了相关序列的概念，并提出了有序样品聚类的相关序列法。应用该方法确定二叠－三叠系界线的实例表明，相关序列法是简单而有效的。     

S阶偶项信号和最小平方偶项卷积反演方法

本文提出了S阶偶项信号并讨论了它的性质。给出了信号的对数谱序列和S阶偶项信号之间的关系。当信号为有限长时!给出了S阶偶项信号的Z变换表达式。对于周期信号,给出了S阶偶项信号和离散Fourier变换之间的关系。提出了最小平方偶项卷积反演方法。     

符号位地震信号检测

符号位地震信号处理,具有存贮少、运算快的优点,在地震资料处理中具有广阔的应用前景。本文从理论上讨论了符号位地震信号检测问题和符号位地层参数检测问题,根据参与处理的道数多少和时窗大小,给出了不同的检测方法,这些方法便于实际应用。     

对《石油物探》两篇关于符号位文章的商榷

《石油物探》有两篇关于符号位的文章(见[1]和[2]),对这两篇文章的有关论述,本文提出商榷.1.对《数据压缩技术在地震勘探中的应用》一文的商榷该文在其第二部分“利用符号位检出的地震勘探技术”中写道:“对于野外检波器所获得的信号根据其极性正负送1或0.……设各地震道震迹为T_1(t),对于反射信号来说,如果没有噪音存在,则     

基于最优采样模式的自适应光线投射法

三维直接体显示算法是显示三维数据体的一种重要显示方法,已广泛应用在医学图象生成和科学可视化领域之中。光线投射法又是三维直接体显示算法中最基本的一种方法。然而由于光线投射法需要大量的计算而受到限制。该文从减少光线投射数目的角度出发,提出了一种基于最优采样模式的频率投射算法。它的优点是不仅可以利用人的简单的视觉模型和强大的傅立叶分析工具,而且在采样模式上也更能符合人类视觉特点,减少了假模式,从而使更多     

自适应预测法在去噪声中的应用

在信号检测中,突变点和脉冲点的检测尤为重要,本文首先用多项式预测法找出输入信号的突变点和脉冲点。并证明了预测因子之和为１．文中将时装城的一维信号看成有产品,,上突变点信号按谱系分成多类,然后对每一类用多项式预测法,即左预测和右预测去除脉冲噪声和白噪声,该方法能有效的保护信号的突变现象。     

最大方差模反褶积

1977年,Wiggins提出最小熵反褶积(MED)。这个方法依赖于定义一个能衡量信号简单性的模,这个模就是在“数据分析”中已应用多年的规范方差模。最小熵反褶积就是寻找反褶积因子使规范方差模达到最大值。因此,我们直接称这种反褶积为最大方差模反褶积,简记为MVND (Maximum Variance Norm Deconvolution的缩写)。为什么对地震记录能使用最大方差模反褶积呢?Wiggins的文章并没有分析这个问题。这个问题是很复杂的,这篇文章只是试图作一初步讨论。首先,我们给出了规范方差模的两个基本性质;其次,指出了在什么条件下能使用最大方差模反褶积。我们希望这篇文章能起到抛砖引玉的作用,能引起物探工作者的兴趣,以便进行更多的试验和更深入的研究。