摘要：面向石油矿区大规模的测井数据,有效地抽取少量的钻井(即标准井)进行置信度较高的专家人工匹配,进而对全局钻井进行有监督的自动或半自动匹配,对于石油开采矿区的地质构造精确解释具有重要的意义.然而,标准井筛选是一个复杂而耗时的过程,和钻井的空间分布以及钻井之间的地质特征密切相关.因此,综合考虑钻井的地理空间位置和多维地质属性特征,提出一种基于蓝噪声采样的多维标准井筛选可视分析方法.首先,根据大量钻井的地理空间位置,利用蓝噪声采样算法自适应地确定标准井采样率及其采样范围;然后在标准井的局部采样范围内,设计基于动态规划的地层匹配算法,计算钻井之间的多维属性差异以度量钻井之间的地质特征相似度,进而利用MDS算法对钻井的匹配关系进行降维投影,将钻井的空间分布与多维属性差异协同可视化,支持标准井的自动或交互筛选;进一步设计属性视图和矩阵视图,直观地呈现钻井的原始多维属性数据和匹配关系,引导领域专家对标准井的筛选过程进行探索分析和迭代优化.最后,集成便捷的用户交互模式,开发基于蓝噪声采样的多维标准井筛选可视分析系统,帮助用户交互式地探索和分析多维属性测井数据,在综合考虑钻井空间分布及多维属性特征的基础上,有效筛选具有代表性的标准井,为后续的地质构造解释提供准确而可靠的数据资料和经验支持.大量实验结果进一步验证了文中算法的有效性和实用性.

摘要：网络图可视化可以有效展示网络节点之间的连接关系,广泛应用于诸多领域,如社交网络、知识图谱、生物基因网络等.随着网络数据规模的不断增加,如何简化表达大规模网络图结构已成为图可视化领域中的研究热点.经典的网络图简化可视化方法主要包括图采样、边绑定和图聚类等技术,在减少大量点线交叉造成的视觉紊乱的基础上,提高用户对大规模网络结构的探索和认知效率.然而,上述方法主要侧重于网络图中的拓扑结构,却较少考虑和利用多元图节点的多维属性特征,难以有效提取和表达语义信息,从而无法帮助用户理解大规模多元网络的拓扑结构与多维属性之间的内在关联,为大规模多元图的认知和理解带来困难.因此,本文提出一种语义增强的大规模多元图简化可视分析方法,首先在基于模块度的图聚类算法基础上提取出网络图的层次结构;其次通过多维属性信息熵的计算和比较分析,对网络层次结构进行自适应划分,筛选出具有最优属性聚集特征的社团;进而设计交互便捷的多个关联视图来展示社团之间的拓扑结构、层次关系和属性分布,从不同角度帮助用户分析多维属性在社团形成和网络演化中的作用.大量实验结果表明,本文方法能够有效简化大规模多元图的视觉表达,可以快速分析不同应用领域大规模多元图的关联结构与语义构成,具有较强的实用性.

摘要：高职班开设应用写作课很有必要,为了调动学生的应用写作学习积极性,提高写作能力,使学生具备未来工作需要的应用写作能力,根据应用写作课的教学目标和课程特点,我们设计并进行以"写"为中心的教学方法和教学内容的改革.