基于模糊C均值聚类-支持向量机的海底沉积物分类识别

• 作者: 尤加春 李红星 段文豪 毛慧慧
• 来源期刊: 海洋科学
• 学科: 地球科学
• 关键词: 双相-随机介质 模糊C均值聚类(FCM) 支持向量机(SVM) 差分进化算法
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: 研究论文
• 页码范围: 123-131
• 页数: 9页
• 分类号: P738.4
• 字数: 6969字
• 语种: 中文
• DOI: 10.11759/hykx20130402003

摘要

在总结了目前海底底质分类研究的基础之上,率先提出利用计算机数值模拟技术对海底底质进行分类识别研究。相较于目前海底底质分类研究中所使用的水槽实验法,提出采用计算机数值正演技术模拟实际地震勘探中数据采集过程。在分类识别算法上,分别采用支持向量机(SVM)和模糊 C 均值聚类(FCM)算法对采集的数据进行分类,为使支持向量机分类识别率达到最大,引入差分进化算法对支持向量机中关键参数进行最优化搜索,并研究了向原始地震记录中加入10%,30%,50%的高斯白噪音时算法的稳定性。在分析了这两种算法分类识别的正确率及其各自的优缺点后,提出了海底底质分类识别的两步法,即(1)先利用模糊 C 均值聚类进行一粗糙的预测分类,在每一类中挑选聚类性较好的数据作为支持向量机的训练样本；(2)将上一步中筛选的样本作为支持向量机的训练样本,并用差分进化算法优化支持向量机分类参数,再利用训练好的支持向量机对其余数据做预测分类。鉴于计算机数值模拟的可重复性、高效快速性及本文提出的模糊C均值聚类-支持向量机方法的鲁棒性,为便于开展进一步研究,归纳总结了一套行之有效的采用计算机数值模拟技术开展海底底质分类识别研究的一般化流程。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李红星	东华理工大学核工程与地球物理学院	32	125	6.0	9.0
2	尤加春	中国地质大学地球物理与信息技术学院	4	5	1.0	2.0
3	毛慧慧	中国科学院地质与地球物理研究所	3	19	3.0	3.0
7	段文豪	中国地质大学地球物理与信息技术学院	1	5	1.0	1.0