一种超低浓度表面活性剂体系在砂岩和石灰岩类油藏驱油中的应用

本文介绍了一种适用于砂岩和石灰岩类油藏并且在浓度很低情况下即可与原油间形成超低界面张力的新型表面活性剂。该表面活性剂可用于三元复合驱、表面活性剂驱以及作为辅助添加剂用于改善水驱驱替效果。它同以往用在三元复合驱和表面活性剂驱的表面活性剂相比 ,具有以下三个优点 :①低表面活性剂浓度。在砂岩油藏的三元复合驱中 ,该表面活性剂在较低浓度且无碱的条件下就可以与原油间形成超低界面张力。对于石灰岩油藏 ,也可与原油间形成超低界面张力 ,但为了减少岩石对活性剂的吸附要适当加入一定浓度的碳酸钠。②具有良好的抗盐效果。研究表明 ,这种表面活性剂在总矿化度 (TDS)约为 1 1× 1 0 4 ppm (其中二价阳离子约为 2 5 0 0ppm)的地层水中 ,表面活性剂浓度只需 0 0 5wt%就可同原油间形成超低界面张力。使用这种表面活性剂不需要对注入水进行处理或软化 ,可大大节省三次采油的成本。③表面活性剂用量低且实现了无碱化 ,减少了腐蚀、结垢和乳化等问题。本文列举了该种新型表面活性剂在模拟砂岩和石灰岩类油藏条件下的应用实例和实验结果。     

面向RGB-D场景解析的三维空间结构化编码深度网络

有效的RGB-D图像特征提取和准确的3D空间结构化学习是提升RGB-D场景解析结果的关键。目前,全卷积神经网络（FCNN）具有强大的特征提取能力,但是,该网络无法充分地学习3D空间结构化信息。为此,提出了一种新颖的三维空间结构化编码深度网络,内嵌的结构化学习层有机地结合了图模型网络和空间结构化编码算法。该算法能够比较准确地学习和描述物体所处3D空间的物体分布。通过该深度网络,不仅能够提取包含多层形状和深度信息的分层视觉特征（HVF）和分层深度特征（HDF）,而且可以生成包含3D结构化信息的空间关系特征,进而得到融合上述3类特征的混合特征,从而能够更准确地表达RGB-D图像的语义信息。实验结果表明,在NYUDv2和SUNRGBD标准RGB-D数据集上,该深度网络较现有先进的场景解析方法能够显著提升RGB-D场景解析的结果。     

模糊综合评判在热风方便面感官评定中应用

该文介绍模糊综合评判模型,且将模糊综合评判应用于热风方便面感官评定中,说明怎样进行方便面感官模糊综合评判,以使其结果更科学、合理、客观。     

像素扩展自适应窗口立体匹配算法

针对局部立体匹配方法中的视差图前景膨胀问题,依据格式塔视觉理论,采用基于像素扩展的自适应窗口立体匹配方法减少视差图中前景膨胀现象的产生。该方法首先通过扩展约束条件建立待匹配像素点窗口模型;然后通过待匹配点对的窗口相对重合率进行预匹配判定,在视差搜索范围内逐点筛选出满足匹配条件的窗口区域;最后利用窗口规则化的互相关系数方法以及平滑视差平面分割获得最终视差值。实验结果表明:该算法可以获得较准确的稠密视差图,提高立体像对中深度不连续区域和遮挡区域的匹配精度,在Bicycle2、Classroom2、Hoops和Staircase图像中平均误匹配率为14.9%。     

基于网络编码的混合式P2P内容分发机制*

对P2P网络结构进行混合式拓扑设计,并采取网络编码策略,使节点在存储、转发的单一功能之上增加编/解码操作.仿真结果表明,该方法有效地提高了资源的下载速率和成功率,同时也增强了P2P内容分发系统的鲁棒性和安全性.     

基于扩展Petri网的系统建模及形式化验证方法*

嵌入式实时系统对时间约束性、安全性和可靠性具有非常高的要求,但是传统的建模和形式化验证方法难以满足对系统的实时性和安全性的模拟和验证需求。通过对有色Petri网的时间属性进行扩展,提出了实时有色Petri网模型,能够对系统的时间属性进行模拟和评估;参考实时有色Petri网模型到时间自动机的语义转换规则对模型进行转换,可以利用时间计算树逻辑对系统的实时性、安全性和可靠性进行形式化验证。以列车通信网络控制器的双线冗余控制模块的建模和形式化验证为例,证明了该方法的有效性。     

Hardware/software partitioning based on dynamic combination of maximum entropy and chaos optimization algorithm

This paper presents an algorithm that combines the chaos optimization algorithm with the maximum entropy ( COA-ME) by using entropy model based on chaos algorithm,in which the maximum entropy is used as the second method of searching the excellent solution. The search direction is improved by chaos optimization algorithm and realizes the selective acceptance of wrong solution. The experimental result shows that the presented algorithm can be used in the partitioning of hardware/software of reconfigurable system. It effectively reduces the local extremum problem,and search speed as well as performance of partitioning is improved.     

无关性判别保局算法及其在人脸识别中的应用

特征提取是人脸识别过程中的一个重要步骤,是人脸识别算法有效性的关键。提出了一种基于无关性判别保局的特征提取算法,并应用于人脸识别。基于保局投影算法的人 脸识别是一种有效的人脸识别算法,但它只考虑了数据的局部性,没有考虑类别信息,也没有考虑所提特征之间的相关性,现有的改进算法虽然考虑了类别信息,但是没有考虑到 类间信息。本文算法使得所提特征之间相互无关,这样降低了数据冗余,同时考虑到类别信息,使得投影后的类间区分度加强了。实验结果验证了算法的正确性和有效性,比传统 算法有较好的识别性能。     

移动对等网络覆盖网

在移动对等网络的研究工作中,覆盖网络的构造是一个十分关键的核心问题.覆盖网络体系结构决定了移动对等网络的健壮性、安全性和性能.首先提出移动对等覆盖网络的概念,给出了其定义、构建覆盖网的重要意义和覆盖网的分类.然后阐述了3类不同的覆盖网,即分布式非结构化网络、分布式结构化网络和半分布式(混合式)网络,其中特别论述了这些覆盖网在移动自组网、车辆自组网以及无线Mesh网络等方面的应用,并进行了分析和比较.最后,对整个移动对等覆盖网络研究工作进行了总结,并对下一步研究方向进行了展望.     

基于特征加权和非负矩阵分解的多视角聚类算法

为了在多视角聚类过程中同时考虑特征权重和数据高维性问题,提出一种基于特征加权和非负矩阵分解的多视角聚类算法(Multiview Clustering Algorithm based on Feature Weighting and Non-negative Matrix Factorization,FWNMF-MC).FWNMF-MC算法根据每个视角中每个特征在聚类过程中的重要性,自动赋予不同的权值.通过将每个视角空间中的特征矩阵分解为基矩阵与系数矩阵的乘积,将多视角数据从高维空间映射到低维空间.为了有效利用每个视角信息挖掘聚簇结构,最大化每个视角在低维空间的一致性.最后实验结果表明FWNMF-MC算法的聚类效果明显优于已有的4种有代表性的多视角聚类算法.