基于PCA-SVM算法在岩性识别中的应用

• 作者: 刘光萍 李佳丽
• 来源期刊: 江西科学
• 关键词: 岩性识别 主成分分析 判别分析 支持向量机
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 数理科学
• 页码范围: 504-510
• 页数: 7页
• 分类号: TP183
• 语种: 中文
• DOI: 10.13990/j.issn1001-3679.2016.04.020

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％.