有机硅材料改性泥岩物性变化规律研究

 以新生代煤系地层中的泥岩作为研究对象,对泥岩进行有机硅材料改性试验。采用静态水接触角法、液氮等温吸附、自由膨胀试验、扫描电镜能谱分析以及常规岩石力学强度试验等物理化学测试手段对比分析泥岩改性前后疏水性、孔裂隙、胀缩性、微结构及物理力学特征等物性变化规律,并分析有机硅改性泥岩的改性机制。结果表明：(1) 有机硅材料可有效改变泥岩的表面结构与性质,岩样表面水滴润湿角由8.51°增至113.34°,由亲水性变为憎水性。(2) 改性后孔裂隙形态变化不大,但总量明显减小,氮气吸附量由26.488 2 cm3/g减少至9.477 3 cm3/g,BET比表面积由13.029 8 m2/g减少至2.856 4 m2/g,孔隙最大孔径由150 nm左右减小至110 nm左右。(3) 岩样自由膨胀率由3.54%减少至0.51%。(4) 改性后岩样化学元素组成比例发生了较大变化,碳元素的大量增加和硫元素的出现表明改性材料已渗入岩样内部。(5) 改性后岩样的强度显著增加,其中单轴抗压强度由9.3 MPa增至26.05 MPa,抗拉强度由1.69 MPa增至3.22 MPa。     

滨海湿地信息提取方法比较研究

以江苏省典型滨海湿地为研究对象,利用2005年5月26日的Landsat7 ETM+图像数据,在湿地特征及其遥感图像表征分析的基础上,逐步提高湿地信息的提取精度,通过对多光谱遥感图像特征向量的分析,总结出一些湿地信息提取的规则和方法。在滨海湿地光谱特征分析的基础上,对研究区的图像进行了非监督分类,利用湿地的光谱相应特征、纹理特征、主成分变换、归一化差异水体指数等特征和相应的知识规则,得到用于优化分类的知识规则,采用分层分类的方法对非监督分类的结果进行了优化,从而使提取结果的精度较原来有了很大程度的提高。还利用给予数据挖掘的分层分类法进行分类比较,通过建立误差矩阵和对比各种分类方法的分类精度,总结出一套分类精度较高的针对该研究区的湿地信息提取方法。     

关联规则中频繁项集高效挖掘的研究

针对Apriori时间性能较低的缺陷,结合二项集支持度矩阵提出了Apriori改进算法Apriori-M。在扫描数据库时生成一个二项集支持度矩阵,利用矩阵的性质提高了连接和剪枝的效率;通过第二次扫描数据库就能正确地获取所有的频繁项集,并很好地解决了Apriori生成无效二项集的问题。实验结果表明Apriori-M的性能优于Apriori。     

不完备决策表的扩展差别矩阵规则获取方法

针对不完备决策表,通过引入扩展差别矩阵,利用基数排序对广义决策值进行划分,只比较广义决策值不同的对象,并且记录对应的条件属性值,克服了计算过程中反复检查属性值对与广义决策值是否冲突的缺点,从而优化了算法。实例分析结果说明了该方法的正确性和优越性。     

元胞自动机仿真模拟在矿山厂址选择决策中的应用

元胞自动机是由离散的元胞组成,按照一定的局部规则在离散的时间维上进行动态演化,其强大的空间建模以及运算能力能够模拟出具有时空特征的复杂动态系统。将元胞自动机仿真模拟应用于堆积型铝土矿厂址选择,建立元胞选址竞争力函数,构建矿山厂址选择模型,利用仿真软件Mirek's Cellebration模拟矿山厂址选择的演化过程。模拟结果显示,三个备选厂址元胞经过一系列动态演化之后最终收敛于区域一点,表明了元胞自动机仿真模拟厂址选择的合理性和优越性,元胞自动机在模拟矿产资源开发的动态演化方面有很好的应用前景。     

决策规则分类器在网络入侵检测中的应用

入侵检测作为一种主动防御技术,弥补了传统安全技术的不足。另外,它还具有实时监测功能,大幅提高了计算机网络系统的安全性能。提出了一种应用于网络入侵检测的决策规则分类器,该分类器对多目标函数的进化算法进行优化,使其分类精度和覆盖率达到最大,其中覆盖率最大就是可分类数据与不可分类数据的比例最大。研究结果表明该分类器对网络攻击有着较好的分类精度和覆盖率。     

基于关联规则的条件状态模糊Petri网及其在故障诊断中的应用

模糊Petri网作为一种知识表达模型,能够用于工业过程系统故障推理和诊断。然而,模糊Petri网的建立大多需要先验知识,为此限制了其广泛应用。为了能够有效利用工业生产过程数据,提出了一种基于关联规则的条件状态模糊Petri网,并将其用于工业过程故障推理与诊断。采用数据挖掘的关联规则方法提取模糊Petri网的模糊规则及置信度,通过变量间的关联分析,将影响置信度的关键主元（条件量）提取出来,建立条件状态模糊Petri网;基于极大代数的迭代算法进行动态置信度逆向推理,可以获得工业过程的故障发生概率。该方法实现了故障诊断网络的数据驱动,从而提高故障诊断的快速性与准确性,某化学反应研究表明所提方法的有效性。     

Confidence metric for signal classification in Non Destructive Evaluation

Quantitative assessment of the reliability of defect classification is critical in non-destructive evaluation (NDE) applications. Particularly in automated data analysis systems, such a measure enables the system to monitor its own performance and automatically flag indications where operator intervention is required. Apart from inherent ambiguity of non-discriminative features and inadequate training samples, noisy measurement is a primary reason underlying the classifier's unreliable decisions. In this paper, we have developed a framework to incorporate the major sources of classification errors into a single quantitative measure. By bootstrapping and weighting Bayes posterior probability with estimated noise distribution, effect of noise in NDE measurements is embedded in the resultant confidence measure. The effectiveness of the proposed method is first demonstrated on synthetic dataset from an eddy current simulation model. It is then used to analyze confidence of classifying experimental data from eddy current inspection of defects in steam generator tubes.     

基于多级索引的前向语义数据流推理

语义数据流推理需要对实时高速的RDF数据进行高效推理.针对目前语义数据流处理中推理效率低、查询延迟高等难题,提出一种基于多级索引的前向实时推理机制.基于规则依赖建立推理规则触发顺序;针对开销最大的传递规则进行优化;构建基于传递规则的结果集子图索引;建立基于变量位置的三元组索引消除中间结果;通过查询条件依赖关系进行连接操...