版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、本文首次用基于主成分分析的支持向量機(jī)劃分地震相?;谥鞒煞址治龅闹С窒蛄繖C(jī)劃分地震相的方法可以提高支持向量機(jī)分類的訓(xùn)練速度和預(yù)測速度,而且不會改變樣本的分布特性,還會保持樣本的分類信息,從而可以提高對地震相的劃分精度。地震相劃分的準(zhǔn)確性直接影響油氣勘探預(yù)測結(jié)果的可靠性,可以減少勘探風(fēng)險(xiǎn),帶來巨大的經(jīng)濟(jì)和社會效益。 文中介紹了近年來得到廣泛關(guān)注和研究的支持向量機(jī)(SupportVectorMachineSVM)的相關(guān)知識,討論了實(shí)
2、現(xiàn)支持向量分類機(jī)的算法,尤其深入地分析和研究了序貫最小優(yōu)化算法,總結(jié)出了該優(yōu)化算法與常用的選塊算法和分解算法相比較的優(yōu)勢和特點(diǎn)。 對于支持向量機(jī)多類分類算法,本文首先總結(jié)了常用的“一對一”和“一對多”算法的優(yōu)點(diǎn)和缺點(diǎn),然后提出了基于主成分分析的支持向量機(jī)編碼的多類分類算法。文中給出了該編碼算法的詳細(xì)步驟,舉例說明了該算法的訓(xùn)練和預(yù)測過程。通過地震數(shù)據(jù)的驗(yàn),證明了本文提出的多類分類方算法比現(xiàn)有的“一對多”和“一對一”算法降低了運(yùn)算
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于主成分分析和支持向量機(jī)的電力短期負(fù)荷預(yù)測.pdf
- 基于主成分分析和支持向量機(jī)的組合判別分析方法研究.pdf
- 基于主成分分析支持向量機(jī)的焊點(diǎn)檢測方法的研究.pdf
- 基于主成分分析網(wǎng)絡(luò)與支持向量機(jī)的肺結(jié)節(jié)輔助診斷.pdf
- 基于軟間隔支持向量機(jī)和核主成分分析的入侵檢測研究.pdf
- 基于主成分分析和遞歸特征消除的支持向量機(jī)分類方法研究.pdf
- 513.基于主成分分析和支持向量機(jī)的太赫茲光譜鑒別模型
- 基于核主成分分析和支持向量機(jī)的飛機(jī)艙音信號的識別.pdf
- 基于主成分分析算法與多核支持向量機(jī)人臉識別方法研究.pdf
- 基于主成分分析和支持向量機(jī)的汽輪機(jī)故障診斷研究.pdf
- 基于二維主成分分析和支持向量機(jī)的交通標(biāo)志識別.pdf
- 基于核主成分分析特征提取及支持向量機(jī)的人臉識別應(yīng)用研究.pdf
- 基于核主成分與支持向量機(jī)的體內(nèi)藥物代謝預(yù)測.pdf
- 基于多尺度主成分分析的地震數(shù)據(jù)局部斜率的計(jì)算.pdf
- 基于支持向量機(jī)的云南地區(qū)地震預(yù)測.pdf
- matlab主成分分析
- 主成分分析案例
- 基于主成分分析的顧客資產(chǎn)評估.pdf
- 基于主成分分析的入侵檢測方法.pdf
- 主成分分析實(shí)例
評論
0/150
提交評論