基于粗糙集与支持向量机的水淹层识别研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及其意义 | 第10-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·水淹层识别研究现状 | 第11-12页 |
| ·粗糙集研究现状 | 第12-14页 |
| ·支持向量机研究现状 | 第14-15页 |
| ·本文的主要工作与结构 | 第15-16页 |
| 第2章 必要的理论准备 | 第16-33页 |
| ·粗糙集基本概念 | 第16-19页 |
| ·信息熵与粗糙集 | 第19-21页 |
| ·支持向量机理论基础 | 第21-33页 |
| ·机器学习中的基本问题 | 第21-23页 |
| ·统计学习理论 | 第23-25页 |
| ·支持向量机二分类 | 第25-33页 |
| 第3章 测井曲线的离散化与属性约简 | 第33-38页 |
| ·测井曲线离散化 | 第33-35页 |
| ·基于信息熵的离散化原则 | 第33-34页 |
| ·曲线断点重要度的推导 | 第34-35页 |
| ·曲线离散化的实现 | 第35页 |
| ·属性约简提取特征曲线 | 第35-38页 |
| ·基于信息熵的属性约简原则 | 第35-37页 |
| ·曲线属性约简的实现 | 第37-38页 |
| 第4章 水淹级别多分类算法的研究 | 第38-45页 |
| ·常用多分类算法 | 第38-40页 |
| ·有序多分类算法的实现 | 第40-45页 |
| ·水淹级别有序多分类问题表示 | 第40-41页 |
| ·内嵌空间支持向量机 | 第41-43页 |
| ·非线性内嵌空间支持向量机 | 第43-45页 |
| 第5章 算法在水淹层识别中的应用 | 第45-56页 |
| ·数据的采集与预处理 | 第45-48页 |
| ·数据来源 | 第45-46页 |
| ·数据常规预处理 | 第46-48页 |
| ·实验及结果分析 | 第48-51页 |
| ·曲线离散化 | 第48页 |
| ·属性约简 | 第48-49页 |
| ·分类及对比分析 | 第49-51页 |
| ·算法在实际项目中的应用 | 第51-56页 |
| ·智能多参数水淹层解释系统 | 第51-53页 |
| ·水淹层识别成果图 | 第53-54页 |
| ·推广应用 | 第54-56页 |
| 第6章 总结与展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 作者简介及在校期间取得科研成果 | 第62-63页 |
| 致谢 | 第63页 |
