一种新的分形油气检测方法

油气检测是石油勘探开发的一个重要课题。本文在研究和分析了现有分形油气检测方法的基础之上，提出了基于二维分形布朗运动模型的分形油气检测方法，详细介绍了该方法的原理和基本步骤，最后给出了在某油田的油气检测结果，其结果表明该方法具有很好的应用前景。     

一种用于PCA与MCA的神经网络学习算法

主元分析（ＰＣＡ）和次元分析（ＭＣＡ）是用于特征提取、数据压缩、频率估计、曲线拟合等信号处理的基本技术．以神经网络来实现ＰＣＡ和ＭＣＡ是当今研究的一大热点，相关矩阵Ｒ的特征值重数不为１时的主、次元分析则是其中一大难题．本文提出了一种新的学习算法，使得在输入数据的相关矩阵含多重特征值时，网络权重矢量亦收敛于相关矩阵的单位正交特征矢量     

智能控制和智能自动化

本文介绍了智能控制的发展情况，详细论述了智能控制的特点，提出了智能控制面临的一些重要课题及其发展方向，同时，介绍了智能自动化这一重要概念，指智能控制与智能自动化是时代发展的必然趋势。     

利用VSP资料提高井旁地震记录信噪比

井旁地震记录的信噪比直接影响到地震剖面的层位标定。因此，提高井旁地震记录的信噪比是一项重要的基础处理工作。本文利用VSP记录中的上行波作为参考信号，并采用LSL算法对井旁地震记录进行自适应处理，从而达到提高井旁地震记录信噪比的目的。一般说来，当参考信号与地震记录中的反射波线性相关，而与噪声不相关时，处理效果最佳；反之，就不能以VSP资料中的上行波作为参考信号。     

基于最小二乘支持向量机的油气判别技术

最小二乘支持向量机是支持向量机的一种变型,它用线性方程组来替代原始支持向量机的二次规划.本文将最小二乘支持向量机应用于油气勘探开发中的油气判别,提出了基于最小二乘支持向量机算法的油气判别技术.储集层油气横向预测和测井资料油气判别的试验结果证明了本文方法的有效性.     

电子商务中价格战问题的研究

1 引言随着互联网和电子商务的飞速发展,人们深刻地认识到信息资源的重要性,但事实上,许多重要信息不能在网上公开出来。目前的情况是,一些人拥有某种信息,并且希望以此获利;另一些人渴望得到这些信息,并且愿意付出一定的代价。合理的解决之道便是进行信息资源的交易。     

Subspaces of FM~mlet transform

The subspaces of FMmlet transform are investigated. It is shown that some of the existing transforms like the Fourier transform, short-time Fourier transform, Gabor transform, wavelet transform, chirplet transform, the mean of signal, and the FM-1let transform, and the butterfly subspace are all special cases of FMmlet transform. Therefore the FMmlet transform is more flexible for delineating both the linear and nonlinear time-varying structures of a signal.     

最小平方误差算法的正则化核形式

最小平方误差算法是最常用的一种经典模式识别和回归分析方法,其目标是使线性函 数输出与期望输出的误差平方和为最小.该文应用满足Meteer条件的核函数和正则化技术,改 造经典的最小平方误差算法,提出了基于核函数和正则化技术的非线性最小平方误差算法,即 最小平方误差算法的正则化核形式,其目标函数包含基于核的非线性函数的输出与期望输出的 误差平方和,及一个适当的正则项.正则化技术可以处理病态问题,同时可以减小解空间和控制 解的推广性,文中采用了三种平方型的正则项,并且根据正则项的概率解释,详细比较了三种正 则项之间的差别.最后,用仿真资料和实际资料进一步分析算法的性能.     

基于MDS变换聚类算法的数字电视用户特征提取

 提出利用MDS(Multidimensional Scaling)变换聚类算法提取数字电视用户的收视特征,解决了传统聚类算法因中间聚类中心无距离度量而无法应用的问题.基于实际运行的有线数字电视系统,建立了由时间、频道、节目主类别、节目子类别表述的节目特征模型及节目差异模型;提出了基于MDS聚类算法提取用户收视特征的具体步骤;基于实际用户收视记录的计算结果具有特征一致性,以提取特征为基准的节目推荐结果与用户实际的收视记录比对,具有70%准确性.     

非最小相位ARMA模型的一种自适应辨识算法

本文提出了一种加性有色高斯噪声中因果非最小相位ARMA模型的自适应辨识算法。模型输入假定为非高斯独立同分布随机过程。算法只利用了观测信号的高阶统计量。在每次迭代中,先估计AR参数,再估计MA参数,但不用计算残差序列。在参数递推中采用了随机梯度法。仿真实验证实了本文算法的有效性。