基于语义相似度的标签优化

为解决社交媒体中标签的缺失、错误等问题,提出一种基于内容相似度和语义相似度的标签优化方法。首先利用TF-IDF(term frequency-inverse document frequency)计算文本间相似度,然后利用文本间相似度与标签相似度的一致性定义了目标函数,最后加入了修正项来减少优化前后用户提供标签的偏差。将目标函数应用到豆瓣电影标签进行优化,并将结果与原标签进行比较分析。与原标签相比,优化后的标签准确性得到了提高。试验结果表明,该方法能够有效地优化标签,有效解决标签缺失和错误等问题。     

含钙三元氯化物体系相图计算与熔盐热稳定性

为寻求太阳能热利用高温传热储热材料,以盐湖资源为原料,提出分支/分区相图计算方法,设计NaCl-CaCl₂-KCl和KCl-CaCl₂-MgCl₂熔盐传热储热材料。基于正规溶液模型,以不同分支不同相互作用系数,计算了5个边界体系相图,实现用正规溶液模型计算含化合物体系复杂相图。含化合物KCl-CaCl₂和KCl-MgCl₂体系及3个不含化合物二元体系的计算相图与实验相图十分吻合。以分区域方法计算三元体系相图,预测出5个低共熔点来指导熔盐制备。采用差示扫描量热法测试并验证熔盐最低共熔点,确定其工作温度下限;以质量损失实验,确定其工作温度上限。结果表明,钠钾钙和钾镁钙氯化物熔盐能在550~850℃和480~700℃内稳定运行,可用作高温传热储热流体。     

断层——低熟油烃源岩排油的控制因素

苏北盆地洪泽凹陷管镇次凹与顺河次凹阜宁组低熟油烃源岩（Ｒｏ〈０．７％）生油史与排油史模拟结果的对比表明，低熟油烃源岩相对于成熟烃源岩通常较难达到含油饱和度排油门限，但是只要低熟油烃源岩区断层发育，在断层作用下石油的初次运移可以发生，并形成工业性油藏。就石油初次运移机理而言，达到排油饱和度门限并不是必要条件，断层可以导致烃源岩在生油主带阶段之前的低熟阶段形成低熟油藏。     

复杂背景下的人脸检测

提出了一种亲折复杂背景下的人脸检测方法。首先,根据图象的灰度直方图,把图象分割成若干子图象区域,然后分别在这些子图象区域中搜索可能的人脸,进行全局特征－奇异值特征的提取,最后根据特征匹配检验的结果作出决策。     

基于Actor-Critic帧间预定位的改进SiamRPN模型

目标跟踪在智能监控、无人驾驶、航空航天等领域有广泛的应用,其目的是在视频每一帧中找到运动目标并用目标框将其定位出来,但由于运动模糊、外观变化、遮挡、光照变化和背景混杂等原因,跟踪器在跟踪过程中极易丢失跟踪目标.由于SiamRPN模型搜索目标区域面积较小,模型有丢失目标的风险,为了提高跟踪准确率和成功率,论文提出了一种扩大搜索区域的改进SiamRPN模型ACSiamRPN,利用目标在图像前后帧间的运动信息进行目标预定位的方法,扩大目标搜索区域,借助强化学习中的Actor-Critic方法,训练预定位网络来回归目标位置,并利用预定位结果来校正SiamRPN模型搜索区域中心,从而提高跟踪准确率和成功率.在OTB2013、OTB2015、DTB70、NFS30以及VOT2016数据集上,论文提出的改进SiamRPN模型ACSiamRPN的跟踪准确率和成功率均超越了SiamRPN,运行速度达到65fps,仍然保持良好的实时性能,与当今较为先进的一些跟踪方法相比具有明显优势.     

裂缝储层空气泡沫驱注入参数优化实验

为提高裂缝性油藏空气泡沫驱的采收率,以王窑中西部地区长₆段储层为研究对象,开展前期水驱、空气泡沫驱、后续水驱实验,优化气液体积比、泡沫段塞体积、注入压力、注入速率和注入时机等参数。结果表明:泡沫注入岩心后,含水率迅速降低,采出程度迅速提高,裂缝岩心相对基质岩心封堵更快,但封堵效果较差;注入空气泡沫时间越早,最终采收率越高;最优气液体积比、泡沫段塞体积、注入压力、注入速率与岩心渗透率呈负相关,但因裂缝渗透率较大,渗透率变化对最佳注入参数的敏感性较弱。该研究结果可为低渗透油藏裂缝性储层空气泡沫驱精细化注入提供重要的理论依据。     

变电站SCADA系统双服务器无扰动切换算法

在变电站监控与数据采集(SCADA)系统中,应保证在双服务器的切换过程中上、下行报文不丢失,并在双服务器恢复正常工作后自动同步实时数据库和历史数据库的信息.在双网架构的变电站SCADA系统中,双服务器的双网交叉故障情况下系统如何工作是另一个难点问题.文中介绍了一种适用于变电站SCADA系统中双服务器的无扰动切换算法,该算法能确保在双服务器切换的瞬间不丢失网络数据报文和历史数据记录.重点讨论了服务器状态切换过程、双服务器各有一个网络中断时系统的运行情况以及历史数据库和实时数据库的同步问题.     

应用于不平衡多分类问题的损失平衡函数

传统分类算法一般要求数据集类别分布平衡,然而在实际情况中往往面临的是不平衡的类别分布。目前存在的数据层面和模型层面算法试图从不同角度解决该问题,但面临着参数选择以及重复采样产生的额外计算等问题。针对此问题,提出了一种在小批量内样本损失自适应均衡化的方法。该算法采用了一种动态学习损失函数的方式,根据小批量内样本标签信息调整各样本损失权重,从而实现在小批量内各类别样本总损失的平衡性。通过在caltech101和ILSVRC2014数据集上的实验表明,该算法能够有效地减少计算成本并提高分类精度,且一定程度上避免了过采样方法所带来的模型过拟合风险。     

一种因参考光源强度变化导致的热释光剂量测量结果偏差的修正方法

在热释光剂量测量中,参考光源强度是影响测量结果的重要因素之一。对参考光源强度的调整往往通过调整测量仪器的高压来实现,但调高高压参数会导致测量仪器暗电流增加,进而导致测量值偏差增大。频繁的调整高压参数,也可能会使仪器的稳定性变差。针对参考光源强度变化导致的测量偏差,提出利用测量时的参考光源强度值与校准测量时参考光源强度值的变化求出相应的修正系数,进行测量结果修正。该方法经标准值样片测量检验,其测量值更准确、误差更小,与标准辐照值的偏差小于5%,表明该方法可行,可在实际工作中应用。