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

• 作者: 李亚楠 李诒靖 石咏 郭海湘
• 来源期刊: 系统管理学报
• 学科: 工学
• 关键词: 支持向量机 k-means 石油储层
• 年，卷（期）: 2015,（6）
• 页码范围: 835-841
• 分类号: TE112.221
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭海湘	中国地质大学经济管理学院	62	539	14.0	20.0
13	李亚楠	中国地质大学经济管理学院	10	97	4.0	9.0
14	李诒靖	中国地质大学经济管理学院	3	58	1.0	3.0
15	石咏	中国地质大学经济管理学院	2	2	1.0	1.0