期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于连续限制玻尔兹曼机的支持向量机岩性识别方法
被引量:
20
1
作者
吴施楷
曹俊兴
《地球物理学进展》
CSCD
北大核心
2016年第2期821-828,共8页
基于测井数据分析的岩性识别是油气地球物理勘探的基础性问题之一.支持向量机(SVM)是目前分辨能力最高的岩性识别方法,特征优化可提高SVM的识别正确率,该方法采用主成分分析(PCA)进行目标特征提取,易受特征选取的影响.针对诸如白云岩和...
基于测井数据分析的岩性识别是油气地球物理勘探的基础性问题之一.支持向量机(SVM)是目前分辨能力最高的岩性识别方法,特征优化可提高SVM的识别正确率,该方法采用主成分分析(PCA)进行目标特征提取,易受特征选取的影响.针对诸如白云岩和灰岩的区分等测井响应差别不明显,岩性区分困难而又必须进行的问题,本文引入概率生成模型连续限制玻尔兹曼机(CRBM)进行测井数据岩性特征提取,然后再运用SVM在提取特征上进行岩性识别.运用所发展的CRBMSVM进行川西海相灰岩及白云岩的识别,正确率达到了81.9%.基于同样的支持向量机,CRBM提取特征识别正确率要高于PCA提取特征.
展开更多
关键词
岩性识别
支持向量
机
特征优化
连续限制玻尔兹曼机
主成分分析
原文传递
题名
基于连续限制玻尔兹曼机的支持向量机岩性识别方法
被引量:
20
1
作者
吴施楷
曹俊兴
机构
油气藏地质及开发工程国家重点实验室
成都理工大学地球物理学院
出处
《地球物理学进展》
CSCD
北大核心
2016年第2期821-828,共8页
基金
国家自然科学基金项目(41430323
41274128)
油气藏地质开发工程国家重点实验室自主探索课题联合资助
文摘
基于测井数据分析的岩性识别是油气地球物理勘探的基础性问题之一.支持向量机(SVM)是目前分辨能力最高的岩性识别方法,特征优化可提高SVM的识别正确率,该方法采用主成分分析(PCA)进行目标特征提取,易受特征选取的影响.针对诸如白云岩和灰岩的区分等测井响应差别不明显,岩性区分困难而又必须进行的问题,本文引入概率生成模型连续限制玻尔兹曼机(CRBM)进行测井数据岩性特征提取,然后再运用SVM在提取特征上进行岩性识别.运用所发展的CRBMSVM进行川西海相灰岩及白云岩的识别,正确率达到了81.9%.基于同样的支持向量机,CRBM提取特征识别正确率要高于PCA提取特征.
关键词
岩性识别
支持向量
机
特征优化
连续限制玻尔兹曼机
主成分分析
Keywords
lithology identification
support vector machine
feature optimization
continuous restricted Boltzmann machine
principal component analysis
分类号
P631 [天文地球—地质矿产勘探]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于连续限制玻尔兹曼机的支持向量机岩性识别方法
吴施楷
曹俊兴
《地球物理学进展》
CSCD
北大核心
2016
20
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部