基于模型的远红外序列图像自适应增强算法及其分析 被引量：5

1

作者 唐明 马颂德 肖京 《计算机学报》 EI CSCD 北大核心 2000年第8期893-893,F003,共2页

在深入分析 Highnam和 Brady提出的基于成像模型的远红外图像增强方法的基础上 ,设计了一种新的基于模型的远红外序列图像自适应增强算法 ,并进行了自适应参数对算法性能影响的实验研究 .新算法可以通过适当选取自适应参数来体现对增强... 在深入分析 Highnam和 Brady提出的基于成像模型的远红外图像增强方法的基础上 ,设计了一种新的基于模型的远红外序列图像自适应增强算法 ,并进行了自适应参数对算法性能影响的实验研究 .新算法可以通过适当选取自适应参数来体现对增强质量和增强时间的折衷考虑 ,以便满足不同的应用需求 . 展开更多

关键词 滤波 远红外序列图像 自适应增强算法

下载PDF 职称材料

基于改进长短时记忆神经网络-自适应增强算法的多天气车辆分类方法 被引量：4

2

作者 李达 张照生 +2 位作者 刘鹏 王震坡 董昊天 《汽车工程》 EI CSCD 北大核心 2020年第9期1248-1255,共8页

针对目前国内外车辆分类效果不理想和受天气影响较大的问题,本文中提出一种基于改进长短时记忆神经网络自适应增强算法(LSTM-AdaBoost)的多天气车辆分类方法,并提出一种“多层网格法”以准确地确定LSTM的超参数。首先建立地磁车辆检测... 针对目前国内外车辆分类效果不理想和受天气影响较大的问题,本文中提出一种基于改进长短时记忆神经网络自适应增强算法(LSTM-AdaBoost)的多天气车辆分类方法,并提出一种“多层网格法”以准确地确定LSTM的超参数。首先建立地磁车辆检测系统平台和车辆分类方法,然后分析基于改进LSTM-AdaBoost的车辆分类结果,并对不同车辆分类方法和不同天气下的分类准确率进行了对比。结果表明,与最邻近结点算法和反向传播神经网络算法相比,本文所提出的方法具有较高的准确率,最高分类准确率为92.2%。暴雨、雾霾和晴天3种天气中,暴雨时的分类准确率最低,但差别不大,最大相差3.9个百分点。 展开更多

关键词 车辆分类 地磁信号 长短时记忆神经网络-自适应增强算法 多天气

下载PDF 职称材料

基于自适应增强算法的支持向量机组合模型 被引量：4

3

作者 杨慧中 邓玉俊 《控制与决策》 EI CSCD 北大核心 2011年第2期316-319,共4页

为了提高软测量模型的泛化能力,提出一种基于AdaBoosting算法的组合支持向量机(SVM)模型.该方法在贝叶斯分析的基础上,利用样本概率初始化惩罚系数,依据回归过程中的损失函数更新惩罚系数权重,使得SVM训练模型有强、弱之分,突出一些重... 为了提高软测量模型的泛化能力,提出一种基于AdaBoosting算法的组合支持向量机(SVM)模型.该方法在贝叶斯分析的基础上,利用样本概率初始化惩罚系数,依据回归过程中的损失函数更新惩罚系数权重,使得SVM训练模型有强、弱之分,突出一些重要样本的作用,以提高模型的估计精度和泛化能力.仿真结果表明,依据该方法建立的组合模型明显改善了软测量模型的估计能力和泛化能力. 展开更多

关键词 支持向量机 自适应增强算法 组合模型

原文传递

基于多种机器学习算法和语音情绪特征的阈下抑郁辨识模型构建

4

作者 陈梅妹 王洋 +3 位作者 雷黄伟 张斐 黄睿娜 杨朝阳 《南方医科大学学报》 北大核心 2025年第4期711-717,共7页

目的分析阈下抑郁组和正常组的语音情绪特征,并通过6种机器学习算法构建语音识别分类模型,为阈下抑郁辨识提供客观化依据,以提高早期诊断率。方法采集正常组和阈下抑郁组的朗读单词和文本的不同语音数据,每个语音段提取384维语音情绪特... 目的分析阈下抑郁组和正常组的语音情绪特征,并通过6种机器学习算法构建语音识别分类模型,为阈下抑郁辨识提供客观化依据,以提高早期诊断率。方法采集正常组和阈下抑郁组的朗读单词和文本的不同语音数据,每个语音段提取384维语音情绪特征变量,包括能量特征、梅尔频率倒谱系数、零交叉率特征、声音概率特征、基频特征、差分特征等多个维度。采用递归特征消除方法筛选语音特征变量,然后利用自适应增强算法(AdaBoost)、随机森林(RF)、线性判别分析(LDA)、逻辑回归、Lasso回归和支持向量机机器学习算法构建分类模型,并评估模型的性能。为评估模型泛化能力,采用真实世界的语音数据,对最佳阈下抑郁语音识别分类模型进行测试。结果AdaBoost、RF和LDA模型在单词朗读语音测试集上预测准确率为100%、100%和93.3%,展现出高准确率和稳定性;在单词文本语音测试集上,AdaBoost、RF和LDA模型的预测准确率为90%、80%和90%,其余3个算法模型的准确率均小于80%。阈下抑郁语音AdaBoost和RF分类模型对真实世界的朗读单词和文本语音数据的预测准确率仍然可以达到了91.7%和80.6%,86.1%和77.8%。结论通过分析语音情绪特征可以有效地识别阈下抑郁个体,AdaBoost和RF模型在阈下抑郁个体分类方面表现出色,是识别阈下抑郁的有力工具,可以为临床应用和研究提供参考。 展开更多

关键词 阈下抑郁识别 语音情绪特征 机器学习 自适应增强算法 随机森林

下载PDF 职称材料

增强型自适应时隙数防碰撞算法研究 被引量：3

5

作者 张学军 田侃 王锁萍 《南京邮电大学学报（自然科学版）》 北大核心 2012年第1期59-65,108,共8页

标签碰撞是射频识别系统的关键问题,它增加了系统的时间开销和无源标签的能量消耗,降低了识别速率。结合自适应时隙数防碰撞算法和二进制树算法,提出了一种新型的防碰撞算法——增强型自适应时隙数算法。该算法首先运用改进型的自适应... 标签碰撞是射频识别系统的关键问题,它增加了系统的时间开销和无源标签的能量消耗,降低了识别速率。结合自适应时隙数防碰撞算法和二进制树算法,提出了一种新型的防碰撞算法——增强型自适应时隙数算法。该算法首先运用改进型的自适应时隙数算法,依据碰撞时隙迅速把标签分成若干组,再根据保存在队列中的碰撞时隙应用二进制树算法快速识别标签。性能分析和仿真结果显示,该算法在识别效率和吞吐率上都有很大的改善。 展开更多

关键词 射频识别技术 防碰撞算法 增强型自适应时隙数算法

下载PDF 职称材料

增强型LMS自适应电网畸变电流检测算法研究 被引量：2

6

作者 李文江 安丽 刘爽 《电工电能新技术》 CSCD 北大核心 2014年第9期57-61,共5页

为解决常规LMS自适应算法在电网畸变电流检测中存在收敛速度和稳态误差之间的矛盾,本文提出了一种增强型LMS自适应算法。该算法通过对输入信号环节进行预置带通滤波处理,改善信号的自相关数值,实现了基波处的幅值无衰减且相位无延时,同... 为解决常规LMS自适应算法在电网畸变电流检测中存在收敛速度和稳态误差之间的矛盾,本文提出了一种增强型LMS自适应算法。该算法通过对输入信号环节进行预置带通滤波处理,改善信号的自相关数值,实现了基波处的幅值无衰减且相位无延时,同时通过对LMS算法权值和误差环节嵌入低通滤波拓扑结构,达到了降低畸变电流波动的目的。最后在对常规算法与增强型LMS算法分析比较的基础上,通过仿真和实验证明了本文理论分析的可行性,验证了此算法在畸变电流检测中的有效性和准确性。 展开更多

关键词 电网畸变电流检测 LMS自适应算法 低通滤波器 增强型LMS自适应算法

下载PDF 职称材料

用C++Builder6.0实现改进的自适应语音增强算法 被引量：2

7

作者 国雁萌 胡亚龙 莫福源 《微计算机应用》 2002年第5期306-309,共4页

本文利用Visual C++Builder6.0的编译环境,实现了一种基于减谱法的语音增强算法,并提出一种综合的自适应有声/无声判决算法。结果表明,该方法对噪声的适应性较强,有较好的语音增强效果,并可在PC机上实时实现。

关键词 C++Builder6.0实 自适应语音增强算法 语音信号处理 减谱法 信噪比 离散傅里叶变换

下载PDF 职称材料

一种增强多种调频信号的自适应新算法

8

作者 郭业才 赵俊渭 +1 位作者 张小凤 陈华伟 《陕西师范大学学报（自然科学版）》 CAS CSCD 北大核心 2003年第1期66-69,共4页

依据变步长LMS算法可改善ALE算法跟踪性能的优点,构造了基于高阶累积量变步长类LMS自适应谱线增强新算法,用运动目标辐射噪声的实测数据进行了动态仿真.结果表明,该算法对多种调频信号有很强的增加能力和很好的跟踪性能,这为水下运动目... 依据变步长LMS算法可改善ALE算法跟踪性能的优点,构造了基于高阶累积量变步长类LMS自适应谱线增强新算法,用运动目标辐射噪声的实测数据进行了动态仿真.结果表明,该算法对多种调频信号有很强的增加能力和很好的跟踪性能,这为水下运动目标识别与检测提供了新的技术途径. 展开更多

关键词 变步长类LMS算法 调频信号 跟踪性能 信号增强 水声信号 自适应谱线增强算法

下载PDF 职称材料

基于代价敏感思想和自适应增强集成的SVM多分类算法

9

作者 何旭 席佩瑶 辛云宏 《微型电脑应用》 2023年第9期1-3,共3页

针对数据识别分类在传统的支持向量机(SVM)个体分类器上正确识别率不理想的问题,提出一种基于代价敏感思想(cost-sensitive)和自适应增强(AdaBoost)的SVM集成数据分类算法(CAB-SVM)。在自适应增强算法每次迭代训练SVM弱分类器之前,根据... 针对数据识别分类在传统的支持向量机(SVM)个体分类器上正确识别率不理想的问题,提出一种基于代价敏感思想(cost-sensitive)和自适应增强(AdaBoost)的SVM集成数据分类算法(CAB-SVM)。在自适应增强算法每次迭代训练SVM弱分类器之前,根据样本总数设置初始样本权值,并抽取样本组成临时训练集训练SVM弱分类器。其中在权重迭代更新阶段,赋予被分错样本更高的误分代价,使得被分错样本权重增加更快,有效地减少了算法迭代次数。同时,算法迭代过程极大地优化了个体分类器的识别鲁棒性能,使得提出的CAB-SVM算法获得了更优越的数据分类性能。利用UCI数据样本集的实验结果表明CAB-SVM分类算法的正确识别率高于SVM和SVME算法。 展开更多

关键词 支持向量机 自适应增强算法 代价敏感思想 数据识别分类

下载PDF 职称材料

动态核医学图象的自适应平滑增强算法

10

作者 王洪君 《中国图象图形学报（A辑）》 CSCD 北大核心 2002年第9期918-921,共4页

核医学图象是指采用特殊的探测装置通过在人体外探测体内放射性核素分布而形成的图象 ,医学上常用这种图象来反映器官组织的形态与变化 .由于其信噪比明显低于其他医学图象 (X- ray,CT及 MRI) ,图象粗糙 ,分辨率低 ,因此核医学图象处理... 核医学图象是指采用特殊的探测装置通过在人体外探测体内放射性核素分布而形成的图象 ,医学上常用这种图象来反映器官组织的形态与变化 .由于其信噪比明显低于其他医学图象 (X- ray,CT及 MRI) ,图象粗糙 ,分辨率低 ,因此核医学图象处理方法显得比其他医学图象更为重要 .为了获得较好的图象处理结果 ,针对动态核医学图象的特点 ,提出了一种用于动态核医学图象处理的自适应增强算法 ,用该算法进行图象处理不仅可增强图象的对比度和提高图象的视觉效果 ,而且可较好地滤除图象噪声 .处理后的核医学图象判读效果很好 .实验证明 ,该方法对于处理灰度较低、噪声干扰较大的动态核医学图象是一种行之有效的方法 ,而对静态核医学图象则要依据 γ图象的统计特性 ,采用适当的处理方法 . 展开更多

关键词 动态核医学图象 自适应平滑增强算法 图象噪声 图象增强 图象处理 滤波

下载PDF 职称材料

基于高光谱成像技术和自适应增强网络的水蜜桃产地溯源

11

作者 王昳昀 马芸芸 +3 位作者 杨冕清 赵庆典 陈国良 刘大洋 《食品安全质量检测学报》 CAS 2024年第23期77-87,共11页

目的基于高光谱成像技术和自适应增强网络(adaptive boosting,AdaBoost)算法建立最佳的不同产地的水蜜桃分类模型。方法本研究采集了来自无锡、徐州和宁波3个不同产地的‘白凤’水蜜桃高光谱图像,通过提取感兴趣区域获得各产地的光谱信... 目的基于高光谱成像技术和自适应增强网络(adaptive boosting,AdaBoost)算法建立最佳的不同产地的水蜜桃分类模型。方法本研究采集了来自无锡、徐州和宁波3个不同产地的‘白凤’水蜜桃高光谱图像,通过提取感兴趣区域获得各产地的光谱信息,并利用提取的光谱信息进行建模。分别比较在3种预处理方法下的AdaBoost、随机森林、长短期记忆网络、径向基函数神经网络产地分类模型,并选出最优模型。随后,利用连续投影算法(successive projections algorithm,SPA)和无信息变量剔除进行特征波长的提取,以进一步优化模型。结果实验结果表明,全光谱下基于标准正态变量(standard normal variate,SNV)预处理的AdaBoost模型分类效果最好,训练集和测试集的准确率分别达到100.0%和98.7%,召回率和F1值分别为95.8%和97.9%。在对AdaBoost模型采用SPA提取9个特征波长后,SPA-SNV-AdaBoost模型训练集和测试集准确率都达到了100.0%,召回率和F1值也达到100.0%。结论本研究基于高光谱成像技术和AdaBoost算法,构建了一种全新的水蜜桃不同产地分类模型,经过预处理和特征提取,该模型获得了较高的精度,能够有效地进行水蜜桃产地溯源,为水蜜桃品牌鉴别真伪打下了坚实的基础。 展开更多

关键词 高光谱成像技术 自适应增强网络算法 水蜜桃 产地溯源 机器学习

原文传递

一种改进的自适应增强-支持向量回归机的故障预测方法 被引量：3

12

作者 邓森 景博 +2 位作者 周宏亮 朱海鹏 刘小平 《兵工学报》 EI CAS CSCD 北大核心 2012年第8期991-996,共6页

针对支持向量回归(SVR)方法对突变故障预测精度较低的问题,提出了一种改进的自适应增强算法(AdaBoost)提升SVR故障预测性能。该方法通过AdaBoost算法获取训练样本中突变点的权重并构造加权支持向量回归机增强突变点的训练,以提高对突变... 针对支持向量回归(SVR)方法对突变故障预测精度较低的问题,提出了一种改进的自适应增强算法(AdaBoost)提升SVR故障预测性能。该方法通过AdaBoost算法获取训练样本中突变点的权重并构造加权支持向量回归机增强突变点的训练,以提高对突变故障预测精度。利用自适应权重裁减方法剔除权重较小的样本点,来提高算法的训练速度。将本文方法用于发动机磨损元素的时间序列预测中,一步预测相对误差达到了0.025.实验结果表明该方法在保证预测精度的前提下有效地提高了故障预测速度。 展开更多

关键词 系统工程方法论 支持向量回归 自适应增强算法 突变故障 故障预测

下载PDF 职称材料

基于万有引力的自适应近邻传播聚类算法 被引量：5

13

作者 王治和 常筱卿 杜辉 《计算机应用》 CSCD 北大核心 2021年第5期1337-1342,共6页

针对近邻传播(AP)聚类算法对参数偏向参数(Preference)敏感、不适用于稀疏数据、聚类结果中会出现错误聚类的样本点的问题,提出基于万有引力的自适应近邻传播聚类(GA-AP)算法。首先,在传统AP算法的基础上采用引力搜索机制对样本进行全... 针对近邻传播(AP)聚类算法对参数偏向参数(Preference)敏感、不适用于稀疏数据、聚类结果中会出现错误聚类的样本点的问题,提出基于万有引力的自适应近邻传播聚类(GA-AP)算法。首先,在传统AP算法的基础上采用引力搜索机制对样本进行全局寻优;其次,在全局寻优的基础上利用信息熵和自适应增强(AdaBoost)算法找到每个簇内正确聚类和错误聚类的样本点,并计算出这些样本点的权值,用计算出的权值更新对应的样本点,从而更新相似度、Preference取值、吸引度和隶属度,并进行重新聚类。不断操作以上步骤直到达到最大的迭代次数。通过在9个数据集上的仿真实验得出,相比于基于自适应属性加权的近邻传播聚类(AFW_AP)算法、AP算法、K均值聚类(K-means)算法和模糊C均值(FCM)算法,所提算法的纯度(Purity)、F值(F-measure)和准确率(ACC)的平均值分别最高提升了0.69、71.74%和98.5%。实验结果表明,所提算法降低了对偏向参数的依赖,提高了聚类效果,特别是对于稀疏数据集的聚类结果的准确率。 展开更多

关键词 近邻传播聚类 偏向参数 万有引力定律 信息熵 自适应增强算法

下载PDF 职称材料

基于加权高阶累积量切片的非线性调频信号增强算法

14

作者 郭业才 赵俊渭 陈华伟 《系统工程与电子技术》 EI CSCD 北大核心 2003年第4期405-408,共4页

为了综合考虑高阶累积量各种切片抑制高斯噪声的性能,定义了加权高阶累积量切片,并给出了加权高阶累积量切片符号联合迭代公式,得到了基于加权高阶累积量切片的自适应谱线增强新算法。对该算法增强水下目标辐射的非线性调频信号的效果... 为了综合考虑高阶累积量各种切片抑制高斯噪声的性能,定义了加权高阶累积量切片,并给出了加权高阶累积量切片符号联合迭代公式,得到了基于加权高阶累积量切片的自适应谱线增强新算法。对该算法增强水下目标辐射的非线性调频信号的效果进行了仿真研究。仿真结果表明:该算法能抑制大约18dB～28dB的高斯色噪声;调整高阶累积量切片的加权系数,可获得抑制高斯色噪声的最佳效果。在工程实践中,具有重要的指导意义和实用价值。 展开更多

关键词 加权高阶累积量切片 加权系数 自适应谱线增强算法 非线性调频信号

下载PDF 职称材料

基于AlexNet模型和自适应对比度增强的乳腺结节超声图像分类 被引量：18

15

作者 陈思文 刘玉江 +4 位作者 刘冬 苏晨 赵地 钱林学 张佩珩 《计算机科学》 CSCD 北大核心 2019年第B06期146-152,共7页

乳腺癌是女性是最常见的恶性肿瘤之一,其发病率有逐年增高的趋势,严重威胁着患者健康。如何取代传统活体穿刺,快速准确地对乳腺结节进行良恶性判断,近年越来越受到关注。医学研究表明,良恶性结节在边缘处呈现较为显著的差异,因此对边界... 乳腺癌是女性是最常见的恶性肿瘤之一,其发病率有逐年增高的趋势,严重威胁着患者健康。如何取代传统活体穿刺,快速准确地对乳腺结节进行良恶性判断,近年越来越受到关注。医学研究表明,良恶性结节在边缘处呈现较为显著的差异,因此对边界加强处理的算法为判断乳腺结节良恶性的深度学习提供了新思路。文中实验数据库的构建基础得到首都医科大学附属北京友谊医院的支持。在比较5种边界增强算法后对图像进行扩增,并采用在图像分类方面十分出色的AlexNet网络模型。将分别经过线性、非线性对比度拉伸、直方图均衡化、直方图阈值化以及自适应对比度增强算法处理后的数据用于AlexNet模型,比较5种算法对AlexNet模型准确度的影响,得出更适用于乳腺结节超声图像的预处理算法。扩增后的数据集图像总数量超过一万张,其中训练集占80%,验证集与测试集各占10%。最终,通过绘制ROC曲线计算敏感度、特异度、精确度参数,对测试结果进行评估,并得到了较好的测试结果。 展开更多

关键词 乳腺癌 乳腺结节 深度学习 卷积神经网络 AlexNet模型 图像预处理 自适应增强对比度算法

下载PDF 职称材料

基于深度学习与自适应对比度增强的臂丛神经超声图像优化 被引量：10

16

作者 杨桐 张姗姗 +3 位作者 江方舟 李奕飞 俞戈昊 赵地 《计算机科学》 CSCD 北大核心 2019年第S11期236-240,共5页

现代医学中,利用臂丛神经分割与识别后的图像经过对比度增强优化后,可以更利于医师识别出病症和肿瘤。在上肢手术与术后护理中需要进行麻醉护理,而臂丛神经阻滞是一种常用的局部麻醉方式。为了精确确定臂丛神经的位置,在实际治疗过程中... 现代医学中,利用臂丛神经分割与识别后的图像经过对比度增强优化后,可以更利于医师识别出病症和肿瘤。在上肢手术与术后护理中需要进行麻醉护理,而臂丛神经阻滞是一种常用的局部麻醉方式。为了精确确定臂丛神经的位置,在实际治疗过程中广泛应用超声设备对神经系统进行检测和定位。文中阐述了基于深度学习以及神经网络,在超声动态影像中准确地识别并分割臂丛神经,且在截出的图像中通过自适应对比度增强来优化超声图像的显示。实验数据来自于北京积水潭医院,分为病人的超声影像以及对应的良性恶性肿瘤图片。文中运用了增强对比度的算法对所提取的特征进行处理,结果表明增强了图像的对比度和显示内容的精确度。 展开更多

关键词 臂丛神经 超声图像 自适应增强对比度算法 卷积神经网络 深度学习 图像处理

下载PDF 职称材料

支持向量机与AdaBoost的结合算法研究 被引量：20

17

作者 张晓龙 任芳 《计算机应用研究》 CSCD 北大核心 2009年第1期77-78,110,共3页

将支持向量机与AdaBoost算法相结合,称其为Boost-SVM。从提升泛化性能和预测精度等方面对支持向量机的学习算法进行了研究与比较。Boost-SVM实验结果表明,该算法提高了支持向量机的预测精度并优化了学习机的性能。

关键词 支持向量机 增强法 自适应增强算法 算法优化

下载PDF 职称材料

基于Adaboost人脸检测算法 被引量：9

18

作者 于微波 赵琳 佟冬 《吉林大学学报（信息科学版）》 CAS 2014年第5期539-544,共6页

针对因图像背景复杂、光照变化及面部旋转等因素的影响,使复杂背景下人脸检测难度大、速度慢和准确率低的问题,使用Adaboost算法进行人脸检测,并在OpenCV上实现其检测过程。分别对具有面部旋转和复杂背景的图像进行了人脸检测实验,其检... 针对因图像背景复杂、光照变化及面部旋转等因素的影响,使复杂背景下人脸检测难度大、速度慢和准确率低的问题,使用Adaboost算法进行人脸检测,并在OpenCV上实现其检测过程。分别对具有面部旋转和复杂背景的图像进行了人脸检测实验,其检测准确率分别为85%和99%,平均检测时间分别是16.67 ms/张和76 ms/张。实验结果表明,该算法能在复杂背景下准确、快速地实现人脸检测,且能满足人脸识别系统实时性的要求。 展开更多

关键词 复杂背景 人脸检测 自适应增强算法 开源计算机视觉库

下载PDF 职称材料

家用非侵入式电力负荷监测与识别算法研究 被引量：12

19

作者 殷波 张帅 《中国海洋大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第6期149-156,共8页

为实现非侵入式电力负荷监测与识别过程中,负荷投切时间的精确辨识以及负荷类型的准确识别,有效地实现电网动态分析、诊断和优化,提高电力利用率,本文提出一种家用非侵入式电力负荷监测与识别算法。首先,提出一种基于改进滑动窗的负荷... 为实现非侵入式电力负荷监测与识别过程中,负荷投切时间的精确辨识以及负荷类型的准确识别,有效地实现电网动态分析、诊断和优化,提高电力利用率,本文提出一种家用非侵入式电力负荷监测与识别算法。首先,提出一种基于改进滑动窗的负荷投切检测算法,准确判断负荷投切时间和稳态时间,实现稳态负荷特征的高精度提取,提高投切检测辨识灵敏度和抗干扰能力。然后,利用Adaboost算法实现家用电力负荷识别。实验结果表明,本文提出的负荷投切事件检测算法和负荷识别算法准确率较高,可以满足实际应用需求。 展开更多

关键词 非侵入式 暂态事件检测 负荷监测 负荷识别 自适应增强算法

下载PDF 职称材料

3种经典机器学习算法在火山岩测井岩性识别中的对比 被引量：19

20

作者 牟丹 张丽春 徐长玲 《吉林大学学报（地球科学版）》 CAS CSCD 北大核心 2021年第3期951-956,共6页

岩性识别一直是火山岩油气勘探中的重要课题,基于测井数据的岩性识别也逐渐成为火山岩研究的需要,大数据背景下的机器学习算法为测井岩性识别提供了一个新方向。为提高某研究区火山岩岩性识别符合率,本文采用K近邻、支持向量机和自适应... 岩性识别一直是火山岩油气勘探中的重要课题,基于测井数据的岩性识别也逐渐成为火山岩研究的需要,大数据背景下的机器学习算法为测井岩性识别提供了一个新方向。为提高某研究区火山岩岩性识别符合率,本文采用K近邻、支持向量机和自适应增强3种经典机器学习算法,对研究区内的粗面岩、非致密粗面岩、辉绿岩、辉长岩、玄武岩和非致密玄武岩等6类中基性火山岩进行岩性识别。从常规测井系列中优选对研究区岩性敏感的自然伽马、声波时差、补偿中子、深侧向电阻率和补偿密度等5种测井参数作为岩性识别模型的输入向量,从研究区内5口有岩心样品或薄片鉴定资料的目标层中选取测井数据点1 440个,其中960个作为训练样本,其余480个作为测试样本。以识别符合率和时间作为评价指标,对3种算法的识别结果进行对比分析,实验表明:自适应增强算法的分类准确率最高,6类岩性平均识别符合率达到82.10%;支持向量机算法表现良好,平均识别符合率为81.04%;K近邻算法平均识别符合率为76.04%。 展开更多

关键词 K近邻 支持向量机 自适应增强算法 火山岩 岩性识别

下载PDF 职称材料