摘要：为实现各类油田施工方案及措施辅助设计,提出基于知识服务驱动的油田施工方案辅助设计模型,构建智能化辅助设计支撑环境;智能化辅助设计模型包括生产数据管理、方案辅助设计支撑环境和方案辅助设计3个部分,依据油田施工方案设计业务知识,建立依赖推理机制驱动的辅助设计系统;形式化定义并描述支持关系数据推理的知识结构,包括方案设计元词汇层、施工事实层、设计规则及设计活动层,构建油田动态辅助决策知识结构;设计证据—生产信息推理机制,基于主词关系网分析生产数据,获得支持方案设计的相关证据.

摘要：为提高引力搜索算法的优化能力,通过在原始算法中融合量子计算,提出一种量子行为引力搜索算法.该算法采用类似量子行为粒子群优化的寻优机制,在每步迭代中,计算个体适应度,根据适应度计算个体质量,取前K个质量最大的个体作为候选集.采用轮盘赌方法在候选集中选择一个作为Delta势阱的中心,调整其他个体向该中心移动完成一步优化,在优化过程中使K值单调下降,以期达到探索和开发的平衡.标准函数极值优化的实验表明,所提出的算法比原算法在优化能力和优化效率两方面都有明显提高.

摘要：随着油田信息化的深入,油田信息化面临着信息可视化分析、不同行业人员协同工作、信息资源共享等困难和挑战。本文应用虚拟现实技术从基于VR的三维模型构建入手,通过介绍建模的流程以及建模的关键技术——实例技术、LOD技术、纹理映射技术,并构建了各类井筒工具。构建地层模型,通过粒子系统模拟井下措施。利用该系统用户能够完成井筒的自动装配、进行油水井的工程设计以及油水井措施的三维动态展示等功能。该系统能够为用户提供完备的数据库信息查询,能够直观地显示出井筒的各部分组件信息、完井状况和生产措施等情况,有利于工程设计人员展示、汇报和分析总结。

摘要：鉴于现有剩余时间预测模型所采用的离线构建方式周期长、更新速度慢,在流式事件分析中容易老化,提出一种在线预测模型的构建及剩余时间预测方法。融合多种抽象机制得到复合变迁系统作为预测模型,设计了增量式预测模型学习算法,以保证模型的实时性;基于统计理论定义预测信度,给出基于预测信度的剩余时间预测算法,采用轨迹回顾机制增强模型的预测能力;定义波动性衡量预测结果在时间维度上变化的幅度;通过在多个公开数据集上与已有方法对比,表明所提方法在预测准确性和波动性上均具有明显的优势。

摘要：为解决量子计算机上图像分割的问题,研究一种基于大津阈值的量子图像分割方法。设计量子加法器、量子减法器、量子乘法器、量子除法器和直方图的基本模块,在此基础上,设计累积直方图、累积平均值、类间方差等子模块,通过对每个灰度级所对应的类间方差进行排序,选取所有类间方差的最大值作为大津阈值,对得到的大津阈值进行图像二值化量子线路设计。通过在经典计算机上的仿真验证了方法的执行效果,基于所用基本量子门数量,分析量子线路的复杂度,其结果表明,所提方法可以实现对经典方法的加速。

摘要：为解决任意大小图像的量子描述及缩放问题,提出一种改进的量子图像描述方法。采用量子基态描述像素值,采用量子叠加态描述像素位置,该叠加态可包含任意数量的基态,描述任意大小的图像。提出一种基于量子傅里叶变换的图像双线性插值方法。基于量子傅里叶变换基本原理,设计实现加法和乘法的量子线路,利于这两个模块及其它辅助模块,研究实现图像双线性插值的量子线路设计方法,设计双线性插值放大和缩小两种具体的量子线路。基于线路中采用的量子基本门的数量,分析线路的复杂度,其结果表明,该方法可以实现对经典方法的指数加速。经典计算机上的仿真结果验证了提出方法的有效性。

摘要：为提高量子势阱粒子群优化算法的优化能力,通过分析目前量子势阱粒子群优化算法的设计过程,提出了改进的量子势阱粒子群优化算法.首先,分别基于Delta势阱、谐振子和方势阱提出了改进的量子势阱粒子群优化算法,并提出了基于统计量均值的控制参数设计方法.然后,在势阱中心的设计方面,为强调全局最优粒子的指导作用,提出了基于自身最优粒子加权平均和动态随机变量的两种设计策略.实验结果表明,三种势阱粒子群优化算法性能比较接近,都优于原算法,且Delta势阱模型略优于其他两种.

摘要：为解决行人重识别研究领域中行人标注图像获取困难的问题,提出一种多因素引导的行人数据增广方法。首先,在生成器网络中设计了一种局部多尺度引导机制,通过特征融合抑制生成图像的局部伪影;其次,提出了长距离相关性引导机制,通过外注意力引导生成图像的长距离依赖,提高生成行人图像的整体视感质量;最后,提出一种抗博弈判别网络,通过嵌入到生成对抗网络,从而构建一种三网络稳定博弈架构模型,增加生成对抗网络训练的稳定性。通过VIPeR、Market-1501、DukeMTMC-reID这3种不同规模数据集的仿真实验,结果表明该方法与目前主流方法相比,mAP与Rank-1精度上均有不同程度的提升,在小规模数据集上的提升较为显著。

摘要：计算机技术的高速发展驱动企业、消费者及其他市场主体的行为转变,同时也优化了区域经济结构,促进区域经济发展。因此,高校计算机类专业应大力构建创新型课程体系,将理论与实践相结合,为社会提供更多优秀的创新型人才,从而推动区域经济更加快速地发展。本文主要分析计算机专业创新型课程体系建设和区域经济发展之间的联系,指出创新型课程体系的特点与内容,总结有效构建计算机类专业创新型课程体系的方法,为制定推动区域经济发展的具体措施提供参考。

摘要：当使用神经网络解决问题时,得到的结果与神经网络的逼近能力有很大关系。如何提高神经网络的逼近能力目前还没有较为理想的解决方法。本文提出了一种利用多位量子受控非门来构造神经网络模型的新方法。该模型为三层结构,隐层为量子神经元,输出层为普通神经元。量子神经元由量子旋转门和多位受控非门组成,利用多位受控非门中目标量子位的输出向输入端的反馈,实现对输入序列的整体记忆,利用多位受控非门的受控关系获得量子神经元的输出。基于量子计算原理设计了该模型的L-M学习算法。该模型可从宽度和深度两方面获取输入序列的特征。纸牌预测的实验结果表明,当输入节点数和序列长度比较接近时,该模型对训练集的识别率比普通神经网络有大约8%的提高,从而揭示了量子计算机制对提高网络逼近能力的有效性。