Physics‐based spectral sharpening through filter‐chart calibration

The spectral overlap of color‐sampling filters increases errors when using a diagonal matrix transform, for color correction and reduces color distinction. Spectral sharpening is a transformation of colors that was introduced to reduce color‐constancy errors when the colors are collected through spectrally overlapping filters. The earlier color‐constancy methods improved color precision when the illuminant color is changed, but they overlooked the color distinction. In this article, we introduce a new spectral sharpening technique that has a good compromise of color precision and distinction, based on real physical constraints. The spectral overlap is measured through observing a gray reference chart with a set of real and spectrally disjoint filters selected by the user. The new sharpening method enables to sharpen colors obtained by a sensor without knowing the camera response functions. Experiments with real images showed that the colors sharpened by the new method have good levels of color precision and distinction as well. The color‐constancy performance is compared with the data‐based sharpening method in terms of both precision and distinction. © 2014 Wiley Periodicals, Inc. Col Res Appl, 40, 564–576, 2015     

基于聚类的数据加权优化在犯罪预测中的应用

近年来，我国传统暴力犯罪与成年人犯罪呈下降态势，但是，犯罪案由层出不穷。为有效提升公安实践工作中犯罪预测能力，打击各类违法犯罪事件,本文针对犯罪数据，提出一种新型犯罪预测模型。利用密度聚类分析方法将犯罪数据分类，然后进行数据降维提取关键属性生成特征数据，继而对特征数据进行加权优化并采用机器学习的方式对特征数据进行学习，从而预测犯罪案由。实验结果表明，与传统方法相比，本文方法具有更好的预测效果，为公安实践工作中类似案件的侦破和预防，提供新的路径支撑。     

因素空间理论下基点分类算法研究

目前，基于因素空间理论的背景基提取算法计算过程复杂，初始化必须依赖各因素极值，基点数量提取冗余等原因，未能在应用中取得很好效果。为此，结合内点判别法和知识可继承、可扩展的思想，提出一种计算简单、初始化独立、基点数量小的改进的背景基提取算法。然后，利用改进的背景基提取算法构造出一种全新的数据分类算法-基点分类算法，基点分类算法以提取每一类样本的背景基为预测模型，再通过新定义的λ-背景基，优化预测模型。数值实验表明:基点分类算法原理简单、构造难度小、分类模型泛化能力强，预测能力准确率高，同时严格的模型限定区域又能为识别新类别提供新方法。     

一种基于Spark的不确定数据集频繁模式挖掘算法

如何在海量不确定数据集中提高频繁模式挖掘性能是目前研究的热点.传统算法大多是以期望、概率或者权重等单一指标为数据项集支持度，在大数据背景下，同时考虑概率和权重支持度的算法难以兼顾其执行效率.为此，本文提出一种基于Spark的不确定数据集频繁模式挖掘算法（UWEFP），首先，为了同时兼顾数据项的概率和权重，计算一项集的最大概率权重值并进行剪枝；然后，为了减少对数据集的多次扫描，结合Spark框架的优点，设计了一种具有FP-tree特征的新颖的UWEFP-tree结构进行模式树的构建及挖掘；最后在Spark环境下，以UCI数据集进行实验验证.实验结果表明本文的方法在保证挖掘结果的同时，提高了效率.     

海上稠油油田蒸汽吞吐产量确定新方法

针对目前蒸汽吞吐产量预测模型假设条件简单、普适性差等问题,一般采用测试法和类比法综合确定海上稠油油田蒸汽吞吐初期产量。由于目前海上油田通常只开展常规测试,无法直接获得热采开发初期产量。笔者提出海上稠油油田蒸汽吞吐初期产量确定新方法,建立蒸汽吞吐相对于常规开发的初期产量倍数预测模型,通过蒸汽吞吐产量倍数,将常规测试确定的产量转化为蒸汽吞吐产量。研究表明,蒸汽吞吐初期产量倍数主要受储集层渗透率、原油黏度、注入强度、蒸汽干度等因素影响,利用正交试验设计和多元回归等方法,建立海上稠油油田蒸汽吞吐初期产量倍数与油藏地质参数及注入参数之间的非线性预测模型,该模型经实际生产数据验证,预测误差小于5%,可靠性高,能够为海上稠油油田蒸汽吞吐初期产量的确定提供依据。     

测试(试井)成果影响因素浅析

随着测试技术的发展、测试质量及资料解释水平的提高，测试（试井）成果的可靠程度越来越受到重视。影响解释成果的环节和因素很多，从客观和主观两方面分析其主要因素，找出症结所在，从而完善现场环节，完善资料解释过程，提高测试技术及解释水平。     

测井资料在优选压裂层位中的应用

压裂是低孔、低渗油层改造的主要增产措施。根据常规测井资料、岩石物理实验分析数据及试油成果。研究储层四性关系，确定区块的低孔、低渗储层评价标准。进一步对油层进行分类，有针对性地为油层压裂提供施工层位和准确的储层参数。通过商543区块实例，阐述了选择压裂层位的方法。     

高浓度聚合物驱提高采收率方法实验研究

为探索一种新的提高原油采收率的方法,在外形尺寸为4.5 cm×4.5 cm×30 cm、气测渗透率0.9~1.0μm2、变异系数为0.72的二维纵向非均质人造岩心上,模拟大庆油田油藏流体性质及温度条件,研究了高浓度聚合物(HPAM)驱注入时机、聚合物相对分子质量、聚合物段塞体积及段塞组合对驱油效果的影响。通过注入大分子量、高浓度聚合物,结合合理的注入方式,在化学剂成本与三元复合驱相当的情况下,采收率比水驱提高20个百分点以上,接近或超过三元复合驱的水平。实验表明,采用高浓度聚合物驱油是一种较好的提高原油采收率的方法。     

IDS告警融合与关联模型的研究

入侵检测是保障网络安全的重要手段,针对现有入侵检测系统中告警数量多、协调性差等问题,论文提出了一种具有告警融合与关联功能的告警处理系统模型,该模型冗余告警量少、整体检测能力强,并能进行攻击企图的预测,能有效提高入侵检测的效率,有助于进一步增强网络的健壮性。