阎辉
- 作品数：9 被引量：275H指数：6
- 供职机构：清华大学更多>>
- 发文基金：国家自然科学基金中国石油天然气集团公司科技项目更多>>
- 相关领域：自动化与计算机技术天文地球理学更多>>
- 基于核函数的最大间隔聚类算法被引量：31
- 2002年
- 提出了基于最优超平面与支持向量机思想的最大间隔聚类算法。该方法借鉴了最优超平面思想和用核函数非线性映射构造支持向量机的思想。通过构造一个二次规划问题 ,得到了使分类后两类间距最大的聚类方法 ,并且借助非线性核函数将该方法推广到非线性情况。仿真试验表明 :该方法可以较好地解决很多非监督分类问题 。
- 阎辉张学工李衍达
- 关键词：支持向量机无监督学习最优超平面核函数非线性映射统计学习理论
- 基于变异函数的径向基核函数参数估计被引量：43
- 2002年
- 研究了支持向量机 (support vector machine,SVM)方法在一定假设条件下 ,核函数取为样本协方差函数时解的具体形式 ,得出了在该假设情况下 SVM方法等价于克立格方法的结论 ,提出了用协方差函数作为 SVM核函数的思想 .考虑到在某些情况下协方差函数可能不存在 ,因此考虑用变异函数来代替协方差函数估计径向基核函数的宽度参数 .这样不仅解决了SVM中径向基核函数宽度参数的确定问题 ,而且把这种情况下的 SVM拟合与概率统计学中的克立格方法联系了起来 ,赋予了
- 阎辉张学工马云潜李衍达
- 关键词：变异函数参数估计支持向量机
- 基于小波变换的自适应多井对比技术被引量：13
- 2001年
- 针对多井对比中的层位识别问题 ,提出了利用自适应小波变换进行地层自动划分的解决办法。该方法首先利用已知井的标志层信息 ,提取该标志层的小波尺度信息 ,在该小波尺度信息的基础上得到一个小波尺度序列 ;然后利用该小波尺度序列对未知标志层井段的测井信号进行相应的小波变换 ,对得到的变换序列利用奇异值点进行分割得到一组包含后选标志层的层段 ;最后利用动态规划算法计算已知层序列和被分割序列的最佳匹配距离。在一系列小波尺度序列对应的最佳匹配距离中 ,必有一最小者 ,而该最小者对应的小波尺度即为对该井进行分层的最佳尺度 ,因此可以根据各个井测井信息的不同自动调整小波变换尺度参数 ,大大减少用户调整参数的工作量 ,避免人为的误差。
- 阎辉张学工张贤达
- 关键词：小波变换测井信号奇异值测井
- 应用自组织神经网络进行自动地层划分的设计与实现被引量：6
- 2000年
- 本文针对多井对比中的地层划分问题,提出了利用自组织神经网络进行地层划分的解决办法。该方法利用未分层井段的测井信号,结合自组织神经网络的自适应算法对测井信号进行反复学习,最终得到样本空间的分类结果。该方法不仅可以针对每一口井的测井信号进行处理,而且可以将某一口井的学习结果进行保留,用于其它井测井信号进行分类的分类器。
- 阎辉张学工李衍达
- 关键词：地层划分测井资料解释自组织神经网络
- 支持向量机与最小二乘法的关系研究被引量：91
- 2001年
- 研究了支持向量机 (SVM)在二次损失函数下的优化问题解的形式 ,并与普通的最小二乘 (L S)估计问题进行了比较 ,得到了几乎完全一致的优化问题形式。由于 SVM在二次损失函数下的优化问题对应于一个欠定问题 ,该问题在最小二乘估计中有最小范数解。如果 SVM的参数选择合适 ,从理论上可以证明采用二次损失函数的 SVM函数拟合问题实际为约束最小二乘估计问题 ,并且该问题的解对应于最小范数最小二乘解。由于最小化范数解实际是 SVM在取某些参数时的一个特例 ,如果能够自动调整这些参数 ,则得到一类最小化范数解。由此提出了采用 SVM解决最小二乘法问题的思想 ,由于 SVM的优点 。
- 阎辉张学工李衍达
- 关键词：支持向量机最优分类面最小二乘估计最小范数解统计学习理论
- 测井曲线的小波变换特性在自动分层中的应用被引量：58
- 2000年
- 研究了信号在特定函数作为小波基时其小波变换过零（极值）点的特征，提出了利用小波变换过零（极值）点特性对测井信号进行地层划分的方法．该方法包括两个主要步骤，一是利用小波变换的多分辨率特性得到测井曲线的形态特性随空间坐标的变化信息；二是利用小波变换过零（极值）点的特征在不同尺度上的反映，提取不同尺度下的奇异点作为分层的待参考点，结合实际情况最终确定分层点．并结合实际应用，验证了利用该方法处理测井信号的有效性。
- 阎辉李鲲鹏张学工李衍达
- 关键词：小波变换过零点极值点测井曲线
- 基于核函数的机器学习方法研究
- 基于核函数的机器学习方法是近年来随着支持向量机方法的兴起而引入的一种新的概念.它很好的将输入空间的非线性问题转换成高维特征空间的线性问题加以解决,克服了数据在高维空间中计算内积所带来的困难.该文较为系统地研究了基于核函数...
- 阎辉
- 关键词：支持向量机非监督学习油藏描述
- 应用SVM方法进行沉积微相识别被引量：46
- 2000年
- 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 。
- 阎辉张学工李衍达
- 关键词：统计学习理论模式识别沉积微相SVM方法
- 一种新的主成分分析方法
- 许多实际问题中研究的指标很多,而这些指标间往往有相关性,这就给数据处理带来很大困难.因此在尽可能少丢失信息的前提下减少指标的个数(降维).即从所研究的多个指标中,求出几个新指标,它们能综合原有指标的信息,并且这些指标间是...
- 阎辉张学工李衍达
- 文献传递
