典型文献
基于t分布随机近邻嵌入的测井数据降维方法研究
文献摘要：
测井数据具有多维、多类、多量等显著特征,是测井资料地质解释工作的重要依据.针对测井数据处理过程中的多维度、非线性问题,文章应用流形学习思想进行测井数据降维,提出基于t分布随机近邻嵌入(t-distributed stochastic neighbor embedding,t-SNE)算法的测井数据解释模型:首先对测井数据进行预处理,并通过计算KL散度优选最佳维数,进而运用t-SNE算法将高维测井数据嵌入到低维空间;再结合支持向量机(support vector machine,SVM),构建t-SNE-SVM岩性解释模型,实现高维测井数据的非线性随机降维和岩性智能识别.实验结果表明,与传统的PCA等线性降维方法相比,经过t-SNE算法处理后的测井数据明显分为3类,进而有效地提高了t-SNE-SVM模型的透明度及可解释性.
文献关键词：
测井数据;非线性降维;t-SNE;t-SNE-SVM;岩性识别
中图分类号：
作者姓名：
邓力珲;曹丽;张俊杰
作者机构：
合肥工业大学 数学学院,安徽 合肥 230601
文献出处：
引用格式：
[1]邓力珲;曹丽;张俊杰-.基于t分布随机近邻嵌入的测井数据降维方法研究)[J].合肥工业大学学报（自然科学版）,2022(04):549-553,569
A类：
B类：
随机近邻嵌入,测井数据,数据降维,降维方法,多量,显著特征,测井资料,非线性问题,流形学习,学习思想,想进,distributed,stochastic,neighbor,embedding,SNE,数据解释,解释模型,KL,散度,高维,低维空间,support,vector,machine,岩性解释,机降,性智,智能识别,透明度,可解释性,非线性降维,岩性识别
AB值：
0.355762
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
