分支定界半监督SVM在油层识别中的应用

• 作者: 夏克文 潘用科 王莉 贺紫平
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 油层识别 半监督学习 支持向量机 分支定界
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 563-570
• 页数: 8页
• 分类号: TP18
• 字数: 6423字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2019.04.018

摘要

为解决油层识别中存在的获得有标记数据的代价过高,有标记数据稀少的问题,提出一种新的基于分支定界的半监督支持向量机(branch and bound for semi-supervised support vector machine,BBS3VM)的油层识别方法.此方法主要将半监督学习(semi-supervised learning,SSL)和分支定界的思想引入到支持向量机(support vector ma-chine,SVM)分类算法中.通过半监督学习的思想,使用大量未标记的样本来改善学习性能,利用分支定界算法提高半监督支持向量机(semi-supervised support vector machine,S3VM)算法的分类精度,将此改进算法应用于测井数据挖掘中的油层识别.经过对某油田的实际测井资料进行处理,实验结果表明,半监督油层识别方法要优于传统的S3VM分类算法,识别率更高,分类效果更显著,与全监督的SVM算法相比较,得到相差不大的分类精度的同时,速度更快.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘用科	河北工业大学电子信息工程学院	2	9	1.0	2.0
2	夏克文	河北工业大学电子信息工程学院	82	512	14.0	20.0
3	王莉	河北工业大学电子信息工程学院	13	47	4.0	6.0
4	贺紫平	河北工业大学电子信息工程学院	2	1	1.0	1.0