期刊文献+

非平衡学习的地震断层识别研究

Seismic fault identification based on non-equilibrium learning
下载PDF
导出
摘要 利用三维地震数据开展断层自动识别研究时发现,基于矿区揭露信息的数据集的构建直接影响了机器学习算法对断层识别的最终效果。在实际工作中,可收集到的已揭露的断层点数量往往远小于非断层点的数量,这导致构建的地震属性数据集是不平衡的。在机器学习领域,解决非平衡数据集分类常用的方法主要有三类,主要包括:基于数据集重构的重采样方法;结合多个学习器对数据进行综合判断的集成学习方法.
作者 薛静雯 邹冠贵 韩成阳 XUE Jingwen;ZOU Guangui;HAN Chengyang
出处 《地质论评》 CAS CSCD 北大核心 2023年第S01期433-434,共2页 Geological Review
关键词 ADABOOST 随机欠采样 断层识别 AdaBoost random undersampling fault identification
  • 相关文献

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部