应用SVM方法进行沉积微相识别

被引：22

作者：

阎辉

张学工

李衍达

机构：

[1] 清华大学自动化系智能技术与系统国家重点实验室!北京

来源：

物探化探计算技术 | 2000年 / 02期

关键词：

统计学习理论; 支持向量机; 机器学习; 模式识别; 径向基神经网络; 沉积微相;

D O I：

暂无

中图分类号：

P628.2 [];

学科分类号：

0818 ; 081801 ;

摘要：

作者针对目前沉积微相识别中的特征提取问题 ,提出了应用 SVM(支持向量机 )方法进行沉积微相识别的方案。该方法不是象传统方法那样首先试图将原输入空间降维 (即特征选择变换 ) ,而是设法将输入空间升维 ,以求在高维空间中问题变得线性可分 (或接近线性可分 )。因为升维后只是改变了内积运算 ,并没有使算法复杂性随着维数的增加而增加 ,因此这种方法才是可行的。所以 ,利用该方法我们可以不必将很大的精力集中于特征的提取中 ,而是借助于算法的内在特征提取能力 ,使得该方法更能胜任实际情况。实际处理表明该方法在小样本情况下 ,性能远优于神经网络 ,可很好地克服过学习问题

引用

页码：158 / 164

页数：7