數(shù)據(jù)清洗和支持向量機技術研究.pdf

1、由于數(shù)據(jù)倉庫頻繁從各種源數(shù)據(jù)中裝載和刷新，常常存在數(shù)據(jù)缺失等問題，因此必須進行數(shù)據(jù)清洗工作。在分類識別中支持向量機（SVM）能取得較好的應用效果，但其性能受懲罰參數(shù)和核參數(shù)的影響。為此，本文為提高數(shù)據(jù)清洗效果，研究基于壓縮感知的缺失值填補方法；為提高SVM的分類識別精度，研究基于半定規(guī)劃的貝葉斯支持向量機技術。并將這些方法技術應用于石油測井之中。
　　主要研究內容和創(chuàng)新點如下：
　?。?）基于壓縮感知的數(shù)據(jù)清洗技術研究。由于

2、采集的數(shù)據(jù)總是受缺失值等噪聲的影響，其數(shù)據(jù)質量問題影響著決策效果。為了提高空值清洗的效果，采用基于壓縮感知的正交匹配追蹤算法對采集的數(shù)據(jù)進行清洗，即根據(jù)原始數(shù)據(jù)的稀疏性，將缺失的部分通過重構算法重構出來。實驗仿真結果表明其清洗效果顯著。
　　（2）基于貝葉斯準則的支持向量機分析。由于支持向量機的分類識別精度受懲罰參數(shù)和核參數(shù)的影響。為了獲得更好的分類識別精度，需要合適的懲罰參數(shù)和核參數(shù)。為此，根據(jù)貝葉斯理論框架，分析了由貝葉斯準則

3、推斷支持向量機的懲罰參數(shù)和核函數(shù)參數(shù)的過程。仿真實驗表明這種貝葉斯支持向量機取得合理的分類識別效果。
　?。?）基于半定規(guī)劃的貝葉斯支持向量機研究。為進一步提高支持向量機的分類識別精度，基于多核函數(shù)思想，構造多核支持向量機模型，即將多個核函數(shù)進行線性組合，首先由貝葉斯理論推導出單核支持向量的參數(shù)值，再通過半定規(guī)劃的算法求取多核核函數(shù)的最優(yōu)組合系數(shù)，仿真驗證了其有效性和優(yōu)越性。
　?。?）油氣層識別實際應用研究。油氣層識別是石