摘要:支持向量机(SVM)作为统计学理论最年轻的分支,其应用日益广泛。针对油层沉积微相的多类识别问题,可采用支持向量机和决策树相结合的方法。对传统的SVM决策树进行改进的基础上,在SVM核函数选取过程中,构造了与实际问题有关的核函数。此方法有效的降低了支持向量机的设计难度,同时提高了识别精度和泛化能力。最后用实例对比神经网络验证了该方法的优越性。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
热门期刊服务
Advances in Atmospheric Sciences Journal of Environmental Sciences Biomedical and Environmental Sciences The Journal of China Universities of Posts and Telecommunications Journal of Systematics and Evolution Chemical Research in Chinese Universities Journal of Zhejiang University Science A Journal of Zhejiang University Science B Journal of Huazhong University of Science and Technology Applied Mathematics:A Journal of Chinese Universities