基于支持向量機的低阻油氣層識別算法研究.pdf

1、支持向量機是在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的一種新的機器學(xué)習(xí)方法,它已經(jīng)成為繼神經(jīng)網(wǎng)絡(luò)之后,機器學(xué)習(xí)領(lǐng)域的研究熱點.因為它具有很多優(yōu)點,現(xiàn)已被廣泛地應(yīng)用于模式識別、回歸估計、概率密度估計等方面,并取得了良好的應(yīng)用效果.油氣識別屬于典型的模式識別問題,由于油氣成因的復(fù)雜性,許多學(xué)習(xí)方法用于油氣識別都未能取得很好的應(yīng)用效果.本文在詳細(xì)研究支持向量機基礎(chǔ)理論之上,將這一新的學(xué)習(xí)方法應(yīng)用于油氣識別,通過與Bayes方法應(yīng)用于油氣識別相比較,證明了

2、支持向量機方法用于該領(lǐng)域的有效性.本文的主要內(nèi)容包括以下幾個部分:(1)介紹了支持向量機的基礎(chǔ)理論知識一機器學(xué)習(xí)和統(tǒng)計學(xué)習(xí)理論.包括機器學(xué)習(xí)中問題的表述方法,幾種主要問題的表現(xiàn)形式,統(tǒng)計學(xué)習(xí)理論中VC維概念和結(jié)構(gòu)風(fēng)險最小化這一核心內(nèi)容；(2)研究了支持向量機的數(shù)學(xué)模型及其推導(dǎo)過程,討論了核函數(shù)的引入方法；(3)給出了支持向量機的求解算法,在此基礎(chǔ)上,詳細(xì)介紹了針對大量數(shù)據(jù)樣本的序貫最小優(yōu)化算法；(4)分析了油氣樣本的選取原則,探討了Ba