基于PCA-SVM算法在岩性识别中的应用 |
| |
引用本文: | 李佳丽,刘光萍.基于PCA-SVM算法在岩性识别中的应用[J].江西科学,2016(4):504-510. |
| |
作者姓名: | 李佳丽 刘光萍 |
| |
作者单位: | 东华理工大学理学院;东华理工大学核资源与环境省部共建国家重点实验室培育基地 |
| |
基金项目: | 核资源与环境省部共建国家重点实验室项目(编号:101116) |
| |
摘 要: | 针对岩性识别中传统方法识别率低且信息冗余的问题,建立PCA-SVM(主成分分析与支持向量机组合)岩性识别模型,即先利用主成分分析(PCA)进行参数处理,整合冗余,降低维数,后将处理得到的主成分作为支持向量机(SVM)测量模型输入的分类方法。在此过程中,优化主成分分析和支持向量机的参数,使模型具有较高的训练精度。结果表明,与传统的基于主成分分析的判别分析方法相比,预测结果与实际结果相比具有较好的一致性,识别准确率达100%。
|
关 键 词: | 岩性识别 主成分分析 判别分析 支持向量机 |
本文献已被 CNKI 等数据库收录! |
|