语义模型驱动的数据属性匹配技术研究

目前,企业对数据集成的要求逐渐上升到语叉层面。针对数据语叉上的异构问题,提出了一种语义模型驱动的集成方式,并实现了语叉模型应用框架;讨论了框架中语义模型驱动的数据属性匹配技术,该技术用于在语义模型已存在的前提下,通过提供映射的方法实现异构数据到已有模型的映射。     

技能型社会背景下“技能”的新意涵、维度与形成路径的优化

造就高技能人才、推进技能型社会建设是国家经济社会高质量发展的重大战略。技能型社会背景下,“技能”具有新的意蕴,其不仅存在于技术知识中,也承载于关系与制度中。在不同的国家战略和研究视角下技能的维度和呈现形式有所不同,不同国家对技能也提出了新的要求。基于技能在职业发展中的作用,提出职业精神技能、功能性技能、专业性技能、可迁移性技能、可持续发展技能五个维度的技能观;并从厘清技能形成的制度环境、构建技能发展网络、创设基于数字技术的课程体系三方面提出了技能培养的优化路径。     

数据挖掘中的属性处理方法比较研究

决策树是分类数据挖掘的重要方法。其中,经典ID3算法根据具有最大信息增益的属性对训练样本集进行分类,适用于离散型属性。C4.5算法延用了ID3算法的基本策略,增加了处理连续数值型属性的方法。本文在其基础上讨论了新的基于属性变换的离散化处理方法。该方法基于统计概率信息,依据概率属性的最佳分裂对应分裂连续属性,增加了决策树的分类精度。     

地震属性分析技术在西南庄太古界潜山内幕储层预测中的应用

针对西南庄太古界潜山变质岩储层埋藏深、构造复杂、地震资料品质差、储层解释和预测难度大等技术难题,借鉴国内外太古界变质岩潜山油气勘探的研究思路与地质新认识,利用高分辨率处理地震资料,通过玫瑰图裂缝方向分析、地震多属性分析与优选、裂缝和缝洞综合评价等多项技术,形成了一套西南庄太古界潜山风化壳与内幕裂缝和缝洞储层叠前、叠后预测技术。通过对太古界花岗岩风化壳与内幕地层构造特征、储层特征及油气成藏富集因素等方面的预测与研究,降低了有利目标的勘探风险,为西南庄太古界花岗岩潜山油气藏的勘探提供技术支持。     

扩散滤波与相干属性在断层检测中的应用

非常规油气储层多依赖于地质的构造情况,断层作为重要的地质结构类型是资料处理中的重点对象。实际处理中,常常采用曲率、相干等地震属性技术进行检测。但地震资料采集环境复杂,往往存在较多的噪声干扰,使得断层检测不准确,影响后续的处理工作。本文提出用扩散滤波对地震资料进行滤波,在去除噪声的同时对断层构造进行保留,再进一步使用相干属性技术进行断层检测。试验表明,使用扩散滤波能在去噪的同时保留和突出断层。进一步使用相干属性技术检测的断层结果中,干扰信息更少、断层能量更集中、走向更加清楚,提高了后续处理和解释等工作的准确性。     

高分辨率地震预测技术概述

薄层油气藏在我国广泛发育,对地震解释与储层描述的分辨率提出越来越高的要求。高分辨率地震预测技术是识别、描述薄层油气藏的关键。本文首先介绍了分辨率的基本概念和影响因素,然后从地震数据高分辨率处理、地震属性分析、确定性反演、随机反演等方面概述了高分辨率地震预测的主要方法技术,为薄层油气藏的勘探开发提供有益的参考。     

协调决策形式背景的属性约简

本文研究基于对象定向概念格和属性定向概念格协调决策形式背景属性约简的问题。首先介绍了协调决策形式背景属性约简的概念,讨论了其等价的定义。进一步给出了属性约简的判定定理和相应的可辩识属性矩阵,从而为概念格中协调决策形式背景属性约简提供了一种具体的方法。     

基于教师和学生视角的工科教师工程实践能力评价维度研究

"新工科研究与建设"思路的提出为我国新一轮工程教育改革指引了方向,作为工程教育核心力量的工科教师不仅应掌握广博深厚的理论知识,还应具备较强的工程实践能力。历史和现实多种因素累积,使工科教师工程实践能力成为我国工程教育改革中重要而又艰难的块垒。当前工科教师工程实践能力状况如何,教师和学生对此有何理解和期待?采用扎根理论研究方法对三所双一流高校40名工科教师和工科研究生进行深度访谈,通过对访谈内容进行三级编码,得到被访者对工科教师当前实践能力的基本印象,进而构建出基于教师和学生视角的工科教师工程实践能力评价维度模型。研究表明:教师和学生对当前工科教师工程实践能力状况的认识和期待基本是清晰、全面、一致的,并抱有许多无奈。研究结果澄清了一些模糊认识,对进一步的工程教育改革有参考价值。     

双分支跨级特征融合的自然场景文本检测

现有的场景文本检测方法在处理任意形状文本时,由于复杂背景的影响会造成文本区域定位不准确、相邻文本漏检误检的问题,基于此提出一种双分支跨级特征融合的自然场景文本检测方法。首先,以Resnet50为主干网络提取初始特征,设计跨级特征分布增强模块（cross-level feature distribution enhancement module,CFDEM）,增强跨级特征文本信息的交互性,提高特征的表达能力;然后,为自适应地选择过滤非文本或冗余特征,降低误检率和漏检率,提出自适应融合策略（adaptive fusion strategy,AFS）,利用双分支结构加强不同维度特征之间的联系,优化融合过程;最后,预测阶段采用可微分二值化的方法来生成文本检测结果。所提方法在ICDAR2015、ICDAR2017、Total-Text、CTW1500数据集上进行消融实验,实验结果表明该方法能准确定位文本区域,克服文本漏检误检影响。     

基于属性组权重的分类数据离群检测

属性分组是高维离群检测中的有效手段之一,可以有效缓解“维度灾难”的干扰,但现有的属性分组离群检测方法未能体现属性组之间的差异性,以及属性组的偏离程度,严重影响了高维离群检测的效果与性能。该文采用信息熵累加和刻画与描述属性组之间的差异性,提出了一种基于属性组权重的分类离群检测方法。首先,根据数据模式频率和编码长度,定义了属性组偏离因子,并将其作为属性组之间的合并依据,有效地刻画了属性组的偏离程度,进一步提高了属性分组过程中的搜索效率;其次,利用信息熵累加和定义了属性组权重,有效地体现了不同属性组之间的差异性;然后,依据属性组权重,重新定义了离群得分函数,并提出了一种基于属性组权重的分类数据离群检测算法;最后,采用UCI,NTU,KEEL和人工合成数据集,实验验证了该离群检测算法不仅具有较高的检测精度和效率,而且也具有良好的可扩展性与伸缩性,可适用于高维海量分类属性数据集的离群检测任务。