蔡磊
- 作品数：9 被引量：71H指数：3
- 供职机构：西安石油大学计算机学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术理学电子电信天文地球更多>>
- 核向量机在大规模机器学习中的应用
- 针对大规模机器学习问题,使用F-SCORE特征选择算法对大规模数据进行预处理,提高学习的速度和精度。采用核向量机对处理后的大规模数据进行学习,核向量机将标准支持向量机中的二次规划问题转化为求解最小包围球问题,从而减少了训...
- 程国建蔡磊潘华贤
- 关键词：大规模数据支持向量机
- 文献传递
- 极限学习机在岩性识别中的应用被引量：32
- 2010年
- 基于传统支持向量机(SVM)训练速度慢、参数选择难等问题,提出了基于极限学习机(ELM)的岩性识别。该算法是一种新的单隐层前馈神经网络(SLFNs)学习算法,不但可以简化参数选择过程,而且可以提高网络的训练速度。在确定了最优参数的基础上,建立了ELM的岩性分类模型,并且将ELM的分类结果与SVM进行对比。实验结果表明,ELM以较少的神经元个数获得与SVM相当的分类正确率,并且ELM参数选择比SVM简便,有效降低了训练速度,表明了ELM应用于岩性识别的可行性和算法的有效性。
- 蔡磊程国建潘华贤
- 关键词：极限学习机前馈神经网络岩性识别支持向量机
- 支持向量回归在原油高压物性参数预测中的应用研究
- 地层原油的高压物性参数,如原油的泡点压力、地层体积系数、溶解气油比、油藏温度、原油比重和天然气比重等,在油气藏的储量计算以及确定油藏的特性等工作中起到了关键作用。由于传统经验公式仅适用于特定性质的油藏。因此,经验公式并不...
- 蔡磊赵斐程国建
- 关键词：支持向量回归高压物性参数体积系数神经网络
- 文献传递
- 基于球向量机的图像分割被引量：1
- 2011年
- 由于图像数据量庞大,将标准支持向量机应用于图像分割时,其训练的时间复杂度较高。通过使用球向量机对图像进行分割,以降低训练过程消耗的时间。实验表明,在无噪声和有噪声情况下,使用球向量机对图像进行分割,其分割效果和抗噪性能与标准支持向量机的分割效果基本相同。然而,球向量机在训练过程中所消耗的时间显著小于标准支持向量机。应用球向量机进行图像分割,可以显著提高图像分割的整体性能。
- 蔡磊程国建潘华贤
- 关键词：图像分割支持向量机包围球
- 极限学习机与支持向量机在储层渗透率预测中的对比研究被引量：38
- 2010年
- 极限学习机ELM是一种简单易用、有效的单隐层前馈神经网络SLFNs学习算法。传统的神经网络学习算法(如BP算法)需要人为设置大量的网络训练参数,并且很容易产生局部最优解。极限学习机只需要设置网络的隐层节点个数,在算法执行过程中不需要调整网络的输入权值以及隐元的偏置,并且产生唯一的最优解,因此具有学习速度快且泛化性能好的优点。本文将极限学习机引入到储层渗透率的预测中,通过对比支持向量机,分析其在储层渗透率预测中的可行性和优势。实验结果表明,极限学习机与支持向量机有近似的预测精度,但在参数选择以及学习速度上极限学习机具有明显的优势。
- 潘华贤程国建蔡磊
- 关键词：极限学习机前馈神经网络渗透率支持向量机
- SVM及其扩展算法在图像处理中的应用研究
- 图像是信息的一种重要来源，对数字图像的处理已经成为国内外研究的一项重点。图像分割作为图像处理中的重要环节，已经引起大量研究者的关注。由于图像分割无统一的分割标准，传统的分割方法仅适用于特定的应用。而利用支持向量机算法进行...
- 蔡磊
- 关键词：数字图像图像处理图像分割支持向量机空间复杂度
- 文献传递
- 基于支持向量回归的原油高压物性参数预测
- 2010年
- 地层原油的高压物性参数,如原油的泡点压力、地层体积系数、溶解气油比、油藏温度、原油比重和天然气比重等,在油气藏的储量计算以及确定油藏的特性等工作中起到了关键作用。由于传统经验公式仅适用于特定性质的油藏。因此,经验公式并不适合于计算所有类型原油的高压物性参数。近年,研究者将神经网络引入到原油的高压物性参数的计算中,但是,神经网络存在模型结构复杂、参数选择困难、易出现过拟合且精确度低等问题。而支持向量机能够较好地解决神经网络出现的问题,因此,该文将支持向量回归(SupportVectorRegression,SVR)算法引入到了地层原油高压物性参数的预测中,并且与神经网络的预测结果进行对比分析。实验结果表明,支持向量回归模型具有较好的预测结果以及实际应用价值。
- 赵斐蔡磊程国建
- 关键词：支持向量回归高压物性参数体积系数神经网络
- 基于PCA与支持向量回归的储层渗透率预测被引量：2
- 2009年
- 在测井技术与储层基本特征研究的基础上,对与渗透率相关的测井参数和岩心参数进行了分析,根据传统的储层渗透率预测方法,提出了一种基于主成分分析与支持向量回归的储层渗透率预测方法。应用主成分分析对测井参数和岩心参数进行数据降维,优选出与渗透率最相关的参数,将优选出的测井参数和岩心参数作为支持向量回归模型的输入参数进行渗透率预测。实验结果表明,利用主成分分析算法提取的特征参数与渗透率有较好的相关性,且支持向量回归具有较高的预测精度,显示出主成分分析和支持向量回归在储层渗透率预测中的优势与实际应用价值。
- 潘华贤程国建蔡磊
- 关键词：主成分分析渗透率支持向量回归测井参数
- 分类大规模数据的核向量机方法研究被引量：3
- 2009年
- 标准的支持向量机算法需要求解二次规划问题,因此,在处理大规模样本的时候,求解二次规划问题的时间复杂度和空间复杂度就成为支持向量机应用的一个瓶颈.核向量机将传统支持向量机中的二次规划问题转化为求解最小包围球问题,从而显著降低了二次规划的复杂程度.使用核向量机对大规模数据进行分类,所选用的数据样本数均超过2000,并与标准的支持向量机作了对比实验结果表明:核向量机在处理大规模数据分类时,比标准的支持向量机计算复杂度低,训练速度快,耗费空间少.
- 蔡磊程国建潘华贤贾峰
- 关键词：支持向量机
