有导师学习的k-means方法在多支持向量机中的线性划分及其在石油储层识别中的应用 |
| |
引用本文: | 李怡靖,石咏,李亚楠,郭海湘.有导师学习的k-means方法在多支持向量机中的线性划分及其在石油储层识别中的应用[J].系统管理学报,2015,24(6):835-841. |
| |
作者姓名: | 李怡靖 石咏 李亚楠 郭海湘 |
| |
摘 要: | 提出了一种带有指导信息的k-means方法多支持向量机(SkSVM)。带有指导信息的k-means方法多支持向量机中k-means的目标是对训练数据进行划分,附加指导信息是保证k-means在对训练数据进行划分过程中确保数据的划分子集同时来自不同的2个类,即划分的子集中有正标签(+1)和负标签(-1)的数据,并且子集的中心尽量靠近不同类别的分离边界,保证提供的数据子集能够高效地为支持向量机进行学习。对每一个划分的子集采用支持向量机进行学习。选取UCI标准测试集对SkSVM和已有的FaLKSVM、SVM-KNN和CSVM算法进行对比测试。最后,用SkSVM、k-means和SVM等3种分类方法对江汉油田某区块oilsk81、oilsk83和oilsk85三口油井进行石油储层识别(油层和非油层),其中,各油井数据2/3作为训练数据,1/3作为测试数据,结果表明,在识别准确率上,SkSVM方法都优于其他两种方法。
|
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《系统管理学报》浏览原始摘要信息 |
| 点击此处可从《系统管理学报》下载免费的PDF全文 |
|