应用SVM方法进行沉积微相识别

• 作者: 张学工 李衍达 阎辉
• 来源期刊: 物探化探计算技术
• 学科: 地球科学
• 关键词: 统计学习理论 支持向量机 机器学习 模式识别 径向基神经网络 沉积微相
• 年，卷（期）: 2000,（2）
• 页码范围: 158-164
• 页数: 7页
• 分类号: P628+.2
• 字数: 4590字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1749.2000.02.013

摘要

作者针对目前沉积微相识别中的特征提取问题,提出了应用SVM(支持向量机)方法进行沉积微相识别的方案.该方法不是象传统方法那样首先试图将原输入空间降维(即特征选择变换),而是设法将输入空间升维,以求在高维空间中问题变得线性可分(或接近线性可分).因为升维后只是改变了内积运算,并没有使算法复杂性随着维数的增加而增加,因此这种方法才是可行的.所以,利用该方法我们可以不必将很大的精力集中于特征的提取中,而是借助于算法的内在特征提取能力,使得该方法更能胜任实际情况.实际处理表明该方法在小样本情况下,性能远优于神经网络,可很好地克服过学习问题.