基于近程柱面SAR成像的改进距离徒动算法

为了提高近程柱面合成孔径雷达（synthetic aperture radar, SAR）成像的距离徒动算法（range migration algorithm, RMA）成像效率,增加RMA在实际工程中的应用价值,提出了一种SAR成像的改进RMA。该算法采用驻点相位法近似求解获得了波数域下的相位补偿项,避免了传统近程柱面SAR成像的RMA中需对补偿项进行角度维傅里叶变换的步骤,降低了计算量,提高了成像效率。通过峰值旁瓣比（peak side-lobe ratio,PSLR）、峰值信噪比（peak signal to noise ratio,PSNR）和结构相似性（structural similarity,SSIM）对改进RMA的成像质量进行了客观评价。仿真和实验结果表明,该算法提高了近程柱面SAR成像的RMA成像效率。     

基于改进PSO算法的LS-SVM油层识别模型

为解决常规油层识别方法因其本身缺陷而无法取得理想效果的缺点,提出一种基于改进PSO算法的LS-SVM油层识别模型,即综合已有改进的PSO模型提出一种新的改进形式,并用此算法迭代求解LS—SVM中出现的矩阵方程,从而避免矩阵求逆,加快LS-SVM算法的训练速度,节省内存,而且求得最优解．实际应用表明,所提出的识别模型优于BP模型和经典SVM模型,识别精度高、收敛速度快、效果显著．     

模糊相似比方法及其在油气识别中的应用

从模糊相似比原理出发，推证出一种简捷的快速算法，并综合了权重和海明距离两方面因素，从而使模糊相似比方法得到改进。应用实例表明该方法简单、实用，在油层识别和油气预测中效果良好。     

固井首波检测及程序

首波检测是固井声波测井中最为重要的工作之一，文章针对固井声波测井特点，寻求出一种简单易行的首波检测方法，给出了其汇编语言程序，试验结果表明其效果良好。     

测井目标函数极小化的最优单纯形法

用于测井目标函数极小化的常规单纯形算法主要缺点是收敛速度不快,在一些特殊情况下寻找不到最优点。改进后的最优单纯法主要思想是,用一维最优点X~*来代替当前单纯形中的函数最高值顶点x~h。对于测井解释中最优化问题,不管初始值如何选择,都能找到全局的最小点,并比常规算法收敛速度快一倍左右。     

利用卫星重力资料探讨地幔流应力场

地球内部物质密度的分布决定了地球表面及外空的重力场。卫星测量地球重力场包含着地球外部和内部丰富的地球物理信息,它有两个方面的应用:一是直接使用重力异常或大地水准面异常;二是由重力球谐系数建立地下流体动力学方程,计算岩石圈底面的地幔流应力场,从应力场的分布探讨板块构造有关问题,文中根据Rapp81卫星重力模型资料,从新的地幔流应力场计算模式出发,实算了中国及邻区岩石圈底面的地幔流应力场。通过分析应力场与区域构造或板内构造的关系,指出了区域构造或板内构造受地幔流应力的控制,地幔流应力是重要的构造驱动力,它为人们探讨地壳构造以及大油气田形成的地质控制因素的力源问题提供了新的途径。     

共享单车短时需求量预测的机器学习方法比较

由于共享单车的流动性强,随机性很高,因此快速精确地预测出城市共享单车的短时需求量具有十分重要的意义。采用随机森林、极端随机树、支持向量机、人工神经网络、XGBoost这5种机器学习方法,基于美国华盛顿共享单车项目数据,分析时间因子、气象因子等对单车需求量的影响,实现对共享单车短时需求量的预测。仿真结果表明,影响单车需求量的主要因素包括温度、节假日、季节以及早晚高峰时间段等因素;极端随机树的预测效果最优,MAE和RMSE最小,为22.93和36.84,训练集得分和验证集得分最高,为1.0和0.941,与随机森林和其它算法相比,鲁棒性高,泛化能力强,且预测结果曲线与真实结果曲线相吻合,预测精度高,可为实际的车辆预测和调度提供参考依据。     

云粒子群优化算法在无线传感器网络中的应用

无线传感器网络中节点计算能力和存储存能量有限的问题一直制约着无线传感器网络的发展.为此,本文提出了一种基于云PSO（particle swarm optimization）算法的无线传感器网络能量优化方法,主要包括网络分簇、网络能量模型建立、云PSO算法迭代优化等步骤.其中云PSO算法采用云理论模型优选惯性权重可以提高PSO算法的收敛速度,典型函数测试结果表明其效果优于常规PSO算法和遗传算法;在网络建模中采用二分功率控制算法可以降低网络能耗、延长节点寿命.最后经仿真试验和对比分析表明本文提出的方法在优化无线传感器网络中具有速度快、节点生存能力强的优点,并能有效地控制网络能耗.     

基于云PSO 的RVM入侵检测

入侵检测可为计算机网络信息提供安全保障,在其方法研究中,由于相关向量机(RVM)具有高稀疏性且预测中使用概率因素,在网络入侵检测中优于支持向量机.然而RVM的核函数参数是经验估计的,为此,提出一种基于云模型的粒子群优化算法的RVM方法,即采用云粒子群算法确定RVM的核参数,构建RVM分类模型,再采用一对一分类方法进行多类检测分类.经入侵检测实验研究,所得结果表明所提出的方法优于基于常规相关向量机的检测方法,且具有更高的入侵检测精度.     

采用云量子PSO的属性约简方法

针对粒子群优化算法在处理信息系统中属性约简收敛速度慢、早熟的问题,提出了一种结合云模型的量子粒子群优化算法（CQPSO）的属性约简方法。改进量子粒子群优化算法,即利用量子粒子群算法的量子行为来加快收敛速度;引入云模型控制粒子种群在不同状态下进行寻优;根据属性依赖度等性质构造属性约简数学模型;采用CQPSO算法对其进行求解,得到约简结果。实验中采用标准测试函数对CQPSO算法进行仿真对比,验证了CQPSO算法性能优于量子PSO算法;采用UCI标准数据库的典型例子进行属性约简测试,结果表明提出的属性约简方法优于现有约简方法,其计算速度快、识别精度高。