地震相識別是根據(jù)地震數(shù)據(jù)的內(nèi)蘊結(jié)構(gòu),將之劃分為不同的地震結(jié)構(gòu)單元。地震相識別是一個典型的模式識別問題,首先從地震數(shù)據(jù)中提取多個特征(屬性),然后借助聚類等模式識別算法劃分地震相。本文采用核聚類識別地震相,研究內(nèi)容如下:(1)基于近似核K均值聚類的地震相識別研究考慮到核K均值聚類在計算核矩陣時需要所有樣本參與,時間和空間復(fù)雜度高而不適用于地震相識別。本文采用近似核K均值聚類(簡稱AKK均值聚類)對地震相進行識別。首先從全部樣本中抽取小部分樣本構(gòu)成一個核子空間,然后在此子空間中采用小部分樣本的線性組合去逼近聚類中心,從而規(guī)避了計算全部樣本的核矩陣問題,在不降低聚類準確度的前提下大幅降低了時間和空間復(fù)雜度。實驗表明此算法不僅可以快速準確識別地震反射結(jié)構(gòu)單元,而且識別效果比K均值聚類、譜聚類和Nystrom聚類要好。(2)基于多視角加權(quán)近似核K均值聚類的地震相識別研究構(gòu)建了一種基于多視角加權(quán)近似核K均值聚類(簡稱MV-AKK均值聚類)算法并將其用于地震相識別。首先從多個地震屬性中依次選取少量抽樣樣本,計算每個屬性的抽樣核矩陣;其次根據(jù)每個屬性的抽樣核矩陣最小化迭代約束條件,自動確定各屬性的權(quán)重...

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢
        1.2.1 國內(nèi)外研究現(xiàn)狀
        1.2.2 發(fā)展趨勢
    1.3 本文主要研究內(nèi)容及結(jié)構(gòu)安排
        1.3.1 主要研究內(nèi)容
        1.3.2 全文結(jié)構(gòu)安排
第二章 核聚類原理與地震屬性提取問題
    2.1 核K均值聚類算法
        2.1.1 K均值聚類算法
        2.1.2 核K均值聚類算法
    2.2 核均值漂移聚類算法
        2.2.1 均值漂移聚類算法
        2.2.2 核均值漂移聚類算法
    2.3 地震屬性提取問題
        2.3.1 提取地震屬性與歸一化
        2.3.2 地震屬性優(yōu)選
    2.4 本章小結(jié)
第三章 基于近似核K均值聚類的地震相識別研究
    3.1 AKK均值聚類算法研究意義
    3.2 AKK均值聚類算法原理
        3.2.1 AKK均值聚類算法簡述
        3.2.2 應(yīng)用AKK均值聚類法進行地震相識別流程
    3.3 實驗結(jié)果分析
        3.3.1 理論數(shù)據(jù)模型實驗
        3.3.2 實際地震數(shù)據(jù)實驗
    3.4 本章小結(jié)
第四章 基于多視角加權(quán)近似核K均值聚類的地震相識別研究
    4.1 MV-AKK均值聚類算法研究背景與意義
        4.1.1 MV-AKK均值聚類算法研究背景
        4.1.2 MV-AKK均值聚類算法研究意義
    4.2 MV-AKK均值聚類算法原理
        4.2.1 定義目標函數(shù)
        4.2.2 權(quán)重更新規(guī)則
    4.3 實驗結(jié)果分析
        4.3.1 應(yīng)用MV-AKK均值聚類識別地震相的流程及步驟
        4.3.2 實驗結(jié)果分析
    4.4 本章小結(jié)
第五章 基于半監(jiān)督核均值漂移聚類的地震相識別研究
    5.1 SKMS聚類算法研究意義
    5.2 SKMS聚類算法原理
        5.2.1 通過更新核函數(shù)實現(xiàn)線性變換
        5.2.2 通過logdet布雷格曼散度實現(xiàn)核函數(shù)更新
    5.3 實驗結(jié)果分析
        5.3.1 應(yīng)用SKMS聚類進行地震相識別的步驟
        5.3.2 理論數(shù)據(jù)模型實驗
        5.3.3 實際地震數(shù)據(jù)實驗
    5.4 本章小結(jié)
第六章 結(jié)論
    6.1 總結(jié)
    6.2 展望
參考文獻
攻讀學位期間所取得的相關(guān)科研成果
致謝



本文編號：3872026