国家自然科学基金(41074082)
- 作品数：3 被引量：18H指数：2
- 相关作者：曾晓献吕昊林君王冬欣李哲更多>>
- 相关机构：吉林大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：石油与天然气工程自动化与计算机技术天文地球更多>>
- 基于VTK的CT图像三维重建与可视化被引量：8
- 2015年
- 在医学辅助教学或临床诊疗中,为了帮助研究人员对人体内部信息的观察和检测,需要对医学CT数据进行三维可视化。针对这一情况,为了更好地实现医疗三维可视化效果,提出以可视化工具包VTK和VC++6.0为开发平台,并对可视化工具VTK的基本组成、可视化原理和流程进行了研究分析,采用面绘制的Marching Cubes算法和体绘制的Ray Casting算法对医学CT图像三维可视化。实验结果表明,采用上述算法对CT图像进行可视化能够得到很好的重建效果。
- 王冬欣李哲
- 关键词：三维可视化VTK面绘制体绘制
- 基于朴素贝叶斯的判别频率估计算法在油水层识别中的应用
- 2012年
- 贝叶斯网络分类器,已经广泛应用于各种分类问题。对于固定的贝叶斯网络结构,可以通过生成参数和判别参数2种方法进行学习。生成参数学习效率较高但是分类精度较低,而判别参数学习与之相反。通过对数据集中参数出现频率计算来进行参数学习,并加入一个判别参数来加强实例属性与分类目标值之间的关联性,在此基础上提出了一种简单、快速、有效的判别频率估计(DFE)算法。实验结果表明:在油水层模式识别当中,这种判别频率估计方法相对于其他算法在分类精度上能够提高5%～10%。
- 吕昊白雪曾晓献
- 关键词：朴素贝叶斯分类油水层识别油田开发
- 改进朴素贝叶斯分类算法的研究与应用被引量：10
- 2012年
- 由于生成参数学习方法以极大似然性为目标,从而导致分类精度较低.针对这一问题,本文提出了一种以最大化分类精度为目标的高效判别参数学习方法.该方法通过在频率估计方法中加入一个判别参数,从而判别性地计算参数的出现频率,加强实例属性与分类类别之间的关联性.在UCI数据集上的实验表明,该方法综合了生成学习与判别学习的优点,分类精度与目前主流的SVM算法相当,但是在训练时间上具有明显的优势.最后将本方法应用于油水层模式识别当中,其分类性能优于其他算法.
- 吕昊林君曾晓献
- 关键词：数据挖掘油田开发朴素贝叶斯分类油水层识别
