检索结果-内蒙古大学图书馆

石油地球物理勘探 2023年第1期58卷 46-55页

作者：魏国华韩宏伟刘浩杰李明轩袁三一中国石化胜利油田分公司物探研究院山东东营257000 中国石油大学(北京)油气资源与探测国家重点实验室北京102249

孔隙度是一种描述储层物性特征的重要参数。考虑砂岩与泥岩的孔隙度存在明显差异,提出了一种基于半监督高斯混合模型与梯度提升树的相控孔隙度预测方法,以实现砂岩储层孔隙度的精细描述。首先利用少量具岩相标签的测井数据确定高斯混合... 详细信息

孔隙度是一种描述储层物性特征的重要参数。考虑砂岩与泥岩的孔隙度存在明显差异,提出了一种基于半监督高斯混合模型与梯度提升树的相控孔隙度预测方法,以实现砂岩储层孔隙度的精细描述。首先利用少量具岩相标签的测井数据确定高斯混合模型的初始聚类中心及对应的岩相类别;其次利用大量无标签测井数据优化高斯混合模型,实现砂岩与泥岩的准确划分;再次基于地质认识将泥岩孔隙度解释为固定的极小值,从而后续只开展砂岩孔隙度预测;然后将测井曲线拟合方法导出的孔隙度先验信息和测井敏感属性作为梯度提升树算法的多元输入信息,通过学习统计性岩石物理关系建立砂岩孔隙度的计算模型;最终根据岩相结果将砂岩段与泥岩段的孔隙度进行组合得到相控孔隙度。D油田的18口井数据测试结果表明:半监督高斯混合模型的岩相分类效果优于K均值、支持向量机、随机森林等机器学习算法,2口盲井的岩相分类准确率达到94.5%;所构建方法对2口盲井预测的相控孔隙度结果与真实孔隙度具有较高的一致性,平均相关系数达0.805。

关键词：相控孔隙度预测岩相划分半监督高斯混合模型梯度提升树机器学习

来源：评论

学校读者我要写书评

暂无评论

基于半监督高斯混合模型的垃圾邮件过滤

基于半监督高斯混合模型的垃圾邮件过滤

引用

作者：王成勇中国科学院大学

学位级别：硕士

基于机器学习的垃圾邮件过滤是目前垃圾邮件过滤的主要方法，本文在对比研究了多种传统垃圾邮件过滤方法的基础之上，提出了一种利用半监督高斯混合模型进行垃圾邮件过滤方法，该方法本质上是基于邮件内容的文本分类方法，也可以将其推... 详细信息

基于机器学习的垃圾邮件过滤是目前垃圾邮件过滤的主要方法，本文在对比研究了多种传统垃圾邮件过滤方法的基础之上，提出了一种利用半监督高斯混合模型进行垃圾邮件过滤方法，该方法本质上是基于邮件内容的文本分类方法，也可以将其推广到一般的文本分类应用中去。本文从半监督高斯混合模型在垃圾邮件过滤方面的可用性、特征向量维度对半监督高斯混合模型性能的影响、半监督高斯混合模型在小规模有标记训练样本下的适应性和半监督高斯混合模型对不同文本特征向量降维方法的适应性几个方面进行了研究，主要贡献如下:\n (1)分析了不同特征向量维度对半监督高斯混合模型性能的影响\n 本文利用不同维度由TF-IDF向量经主成分分析降维的特征向量形成的训练集合生成了多个半监督高斯混合模型，对这些模型在测试数据下的性能表现进行了考察，结果显示半监督高斯混合模型在特征向量维度高于30维之后，各个模型的性能表现差异不是十分明显，在特征向量维度为290维左右的时候，半监督高斯混合模型的性能相对更好，这为后来者在将半监督高斯混合模型应用于文本分类时的特征向量维度选择提供了一个参考。\n (2)研究了半监督高斯混合模型在不同特征向量降维方法下的性能\n 不同特征向量降维方法的选择一般会对文本分类算法的性能带来一定的影响，本文中在主成分分析和独立成分分析两种降维方法下研究了半监督高斯混合模型和其他对比模型的垃圾邮件过滤效果，结果表明半监督高斯混合模型在这两种降维方法下的性能差异不大，对比效果优于多数常用文本分类算法。\n (3)验证了半监督高斯混合模型应用于垃圾邮件过滤的有效性\n 高斯混合模型广泛应用于图像识别、语言识别等领域，在文本分类领域的应用却鲜有提及，本文将半监督高斯混合模型应用于基于邮件内容的垃圾邮件过滤，实验结果表明，半监督高斯混合模型的垃圾邮件过滤效果和常用算法性能表现接近，说明半监督高斯混合模型是可以用于基于内容的垃圾邮件过滤或文本分类的。\n (4)分析了小规模训练样本下半监督高斯混合模型的性能\n 本文对比研究了小规模有标记训练样本条件下半监督高斯混合模型的垃圾邮件过滤效果，结果显示，半监督高斯混合模型在这种条件下仍然有着良好的性能表现，这为该模型在缺乏大量标注数据的情况下进行文本分类的有效性提供了实验支持。

关键词：垃圾邮件过滤文本分类算法文本特征半监督高斯混合模型

来源：评论

学校读者我要写书评

暂无评论

基于双语词典的微博多类情感分析方法

引用

电子学报 2016年第9期44卷 2068-2073页

作者：栗雨晴礼欣韩煦宋丹丹廖乐健北京理工大学计算机学院北京100081 北京市海量语言信息处理与云计算应用工程技术研究中心北京100081

现有微博文本情感分析方法多面向单一语种语料,如:中文语料.但是,中英文搭配使用的表达习惯已逐渐成为个体意见表达的重要形式.本文提出一种基于双语词典的多类情感分析方法,通过构建双语多类情感词典对微博文本进行多分类语义倾向性分... 详细信息

现有微博文本情感分析方法多面向单一语种语料,如:中文语料.但是,中英文搭配使用的表达习惯已逐渐成为个体意见表达的重要形式.本文提出一种基于双语词典的多类情感分析方法,通过构建双语多类情感词典对微博文本进行多分类语义倾向性分析,以便更准确有效捕捉群体意见,及时发现社会舆论倾向.通过与多数投票算法、支持向量机算法、基于余弦距离的K近邻分类算法相比,本文提出的基于双语词典的多类情感分析模型具有良好的分类效果,其在分类准确率、F1值等方面都有明显提高.

关键词：双语语义倾向性分析半监督高斯混合模型相对熵情感词典

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：