由于低孔低渗储层孔隙结构较为复杂，现有核磁共振（NMR）测井渗透率模型对于低孔低渗储层预测精度不高。为此，提出一种融合深度置信网络（DBN）算法与核极限学习机（KELM）算法的渗透率预测方法。该方法首先对DBN模型进行预训练，然后将KELM模型作为预测器放置在训练好DBN模型后，利用训练数据进行有监督的训练，最终形成深度置信-核极限学习机（DBKELMN）模型。考虑到该模型需充分利用反映孔隙结构的横向弛豫时间谱信息，将离散化后的核磁共振测井横向弛豫时间谱作为输入，渗透率作为输出，确定NMR测井横向弛豫时间谱与渗透率的函数关系，并基于该函数关系对储层渗透率进行预测。实例应用表明，融合DBN算法与KELM算法的渗透率预测方法是有效的，预测样本的平均绝对误差（MAE）较斯伦贝谢道尔研究中心（SDR）模型降低了0.34。融合DBN算法与KELM算法的渗透率预测方法可提高低孔渗储层渗透率预测精度，可应用于油气田勘探开发。

针对采用主从式结构的主流云存储系统可能出现的性能瓶颈和可扩展问题,基于分布式哈希表(DHT)技术的完全分布式云存储系统成为一种新的选择。解决好节点的负载平衡问题,是此类技术获得推广的关键。研究了Kademlia算法应用于云存储系统的负载平衡性能。考虑到算法在异构环境下负载平衡性能有明显下降,改进算法在Kademlia找出的候选存储节点中根据节点的存储能力来分配负载。仿真结果表明,改进后算法的负载平衡性能有非常明显的提高,在系统模拟运行时间足够长(如1500 h以上)时,过载节点平均下降7.0%(轻载)和33.7%(重载);文件保存成功率平均提高27.2%(轻载)和35.1%(重载),而增加的通信开销可接受。

针对Dempster组合规则不能有效组合冲突证据，已有的基于证据间距离的改进组合方法计算复杂度较大的情况，提出了一种证据加权平均组合方法。首先以邓勇等人的组合方法为例计算了基于证据间距离的改进组合方法的计算复杂度，分析了造成计算复杂度较大的原因；然后通过引入证据的不确定性度量概念来描述证据的不确定性并以此为基础定义证据的权重；最后给出算法步骤。理论分析和数值算例表明，该方法能有效融合冲突证据，收敛速度快且降低了计算复杂度。

简要介绍了单指令多数据（Single-Istruction Multiple-Data，SIMD）指令系统，并用该技术对H.264中的整数离散余弦变换（Discrete Cosine Transform，DCT）、量化、插值和运动估计等模块进行了优化，实验结果表明优化后程序的编码速率可达到30fps左右，比未优化时速度提高了6～8倍。