作者:邹涛峰;许少华; 时间:2008-01-01 点击数:
邹涛峰;许少华;
1:大庆油田有限责任公司第七采油厂
2:大庆石油学院计算机与信息技术学院
摘要(Abstract):
针对时变信号动态模式分类问题,提出一种过程支持向量机模型PSVM.过程支持向量机的输入可为时变函数(或函数向量),通过核函数变换将动态模式映射到高维特征空间,经过对训练样本集中过程支持向量类别特性的学习,可直接建立时变信号的分类模型.给出过程支持向量机的一般模型和求解算法,油水层判别仿真实验结果验证了模型和算法的有效性.
关键词(KeyWords):过程支持向量机;时变信号;动态模式分类;求解算法;应用
Abstract:
Keywords:
基金项目(Foundation):黑龙江省自然科学基金(ZA2006-11);;
黑龙江省科技攻关项目(GZ07A103)
作者(Author):邹涛峰;许少华;
Email:
参考文献(References):
[1]VAPNIK V N.Statistical learning theory[M].New York:Wildy,1998.
[2]FELIPE C,STEVE S.Onthe mathematical foundations of learning[J].Bulletin of the American Mathematical Society,2001,39(1):1-49.
[3]马勇,丁晓青.基于层次型支持向量机的人脸检测[J].清华大学学报:自然科学版,2003,43(1):35-38.
[4]高学,金连文,尹俊勋,等.一种基于支持向量机的手写汉字识别方法[J].电子学报,2002,30(5):651-654.
[5]杜树新,吴铁军.模式识别中的支持向量机方法[J].浙江大学学报:工学版,2003,37(5):522-527.
[6]HAZEM M,El-Bakry,NIKOS M.Anewapproach for fast face detection[J].WSEAS Transactions on Information Science and Ap-plications,2006,3(9):1 725-1 730.
[7]虞和济,陈长征.基于神经网络的智能诊断[J].振动工程学报,2000,13(2):202-209.
[8]HE Xingui,LI ANG Jiuzhen.Procedure neural networks[R].Proceedings of conference on intelligent information proceeding,16thWorld Computer Congress 2000.Beijing:Publishing House of Electronic Industry,2000:143-146.
[9]王国胜.核函数的性质及其构造方法[J].计算机科学,2006,33(6):172-174.
[10]雍世和,张超漠.测井数字处理与综合解释[M].北京:石油工业出版社,1996:366-376.
2019 版权所有©东北石油大学 | 地址:黑龙江省大庆市高新技术产业开发区学府街99号 | 邮政编码:163318
信息维护:学报 | 技术支持:现代教育技术中心
网站访问量: