由我天地宽——6款广角数码相机大比拼

通常，大多数人在选择数码相机时，只注意了像素数、镜头的光学变焦倍数等参数；稍懂行一点的，则会留意到测光模式、对焦方式、光圈和快门范围等性能指标。不过假如阁下是“驴友”一族，喜欢拍摄名山大川，现代城市的高楼大厦，或者一些宏伟壮观的场景；又或者经常应邀为一大班朋友合影，就会发现自己常常面临“前有追兵（景物），后无退路（空间）”尴尬情景。合影还可以要大家靠拢一些，可自然景观，高楼大厦却没法压缩了。     

让我一次“取”个够——奥林巴斯CAMEDIA C-5060WideZoom数码相机

奥林巴斯（OLYMPUS）CAMEDIA C-5060WideZoom数码相机（以下简称5060WZ）是其CDMEDIA C-5050Z（以下简称5050Z）以来的又一经典之作，刚一发布就因其独特的“WideZoom”引起了众多关注，今天终于到了“掀起盖头来”的时候。     

奥林巴斯C-750 Ultra Zoom两全其美

奥林巴斯公司的产品一直占据着10倍光学变焦数码相机市场的主导地位，自从C-700诞生至今，这个系列的产品一直倍受用户喜爱。其最新的C-750，又是一款大倍率变焦与高像素兼得的佳作。     

模糊聚类在三维地震参数处理中的应用

三维地震参数是一个庞大的三维数据体，能从不同侧面反映储集层的特征。通过对三维地震参数的分析，可以评估油藏表征的参数（沉积相、构造、生长历史、流体饱和度等）。针对传统的聚类方法不能很好地综合考虑各个参数之间的相似程度，提出了用模糊C-均值聚类（fuzzy c-means clustering，简称FCM）对三维地震参数进行处理。从三维地震参数和油藏表征参数之间的关系出发，采用模糊C-均值聚类方法对三维地震参数进行处理，依此评估油藏表征的参数。测试结果表明，模糊C-均值聚类方法能够对三维地震参数进行较为准确的分类，并为储集层的研究提供了很好的依据。     

FCM预选取样本的半监督SVM图像分类方法

针对基于拉普拉斯支持向量机(LapSVM)的半监督分类方法需要将全部无标记样本加入训练样本集中训练得到分类器,算法需要的时间和空间复杂度高,不能有效处理大规模图像分类的问题,提出了模糊C-均值聚类(FCM)预选取样本的LapSVM图像分类方法。该方法利用FCM算法对无标记样本聚类,根据聚类结果选择可能在最优分类超平面附近的无标记样本点加入训练样本集,这些样本可能是支持向量,携带对分类有用的信息,其数量只是无标记样本的一少部分,因此使训练样本集减小。计算机仿真结果表明该方法充分利用了无标记样本所蕴含的判别信息,有效地提高了分类器的分类精度,降低了算法的时间和空间复杂度。