韩扬
- 作品数：2 被引量：7H指数：1
- 供职机构：河北工业大学电子信息工程学院更多>>
- 发文基金：天津市自然科学基金河北省自然科学基金河北省引进留学人员资助项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于贝叶斯证据框架下SVM的油层识别模型研究被引量：6
- 2016年
- 支持向量机(support vector machine,SVM)方法在石油测井领域的油层识别中取得了很好的应用效果,但SVM方法的识别效果受到惩罚参数和核参数的影响,不同的参数组合直接影响识别精度的优劣。为了在油层识别中获得更好的识别效果,提出一种基于贝叶斯证据框架下SVM的油层识别模型,即根据测井数据的训练样本信息,采用贝叶斯证据框架的理论求解惩罚参数以及核参数,再通过所求得的决策函数对测井数据的测试样本进行识别。实际测井数据实验表明,基于贝叶斯证据框架下SVM的油层识别模型的油层识别效果得到提高,优于传统SVM方法和基于粒子群优化算法(particle swarm optimization,PSO)的SVM方法。
- 夏莘媛戴静潘用科韩扬
- 关键词：支持向量机油层识别
- 数据清洗和支持向量机技术研究
- 由于数据仓库频繁从各种源数据中装载和刷新，常常存在数据缺失等问题，因此必须进行数据清洗工作。在分类识别中支持向量机（SVM）能取得较好的应用效果，但其性能受惩罚参数和核参数的影响。为此，本文为提高数据清洗效果，研究基于压...
- 韩扬
- 关键词：数据清洗压缩感知多核支持向量机贝叶斯理论半定规划
