多分类器的组合及其在岩性识别上的应用
| 中文摘要 | 第1-3页 |
| ABSTRACT | 第3-4页 |
| 目录 | 第4-6页 |
| 第一章 绪论 | 第6-10页 |
| ·选题依据及研究意义 | 第6-7页 |
| ·国内外研究现状 | 第7-8页 |
| ·分类器组合研究现状 | 第7-8页 |
| ·岩性识别的研究现状 | 第8页 |
| ·论文的研究内容及研究思路 | 第8-10页 |
| ·研究的主要内容 | 第8-9页 |
| ·研究思路 | 第9-10页 |
| 第二章 特征的提取和分类器的选择 | 第10-21页 |
| ·特征的提取 | 第10-15页 |
| ·基于 K-L变换的特征提取方法 | 第10-12页 |
| ·基于 Fisher准则的特征选取方法 | 第12-13页 |
| ·一种新的特征选取方法 | 第13-15页 |
| ·特征提取具体实现 | 第15页 |
| ·分类器的选择 | 第15-21页 |
| ·分类器的选择标准 | 第16页 |
| ·分类器的选择模型 | 第16-18页 |
| ·几种分类器的简介 | 第18-21页 |
| 第三章 分类器组合理论 | 第21-33页 |
| ·分类器组合的必要性 | 第21-22页 |
| ·分类器组合的几种传统方法 | 第22-23页 |
| ·基于模糊数学的分类器组合策略 | 第23-28页 |
| ·分类器输出结果的表现形式 | 第23-24页 |
| ·基于模糊数学的多分类器组合 | 第24-26页 |
| ·组合分类器分类算法 | 第26-28页 |
| ·分类器组合权重的确定方法 | 第28-30页 |
| ·最优线性集成方法 | 第28-29页 |
| ·集成权重的确定方法 | 第29-30页 |
| ·分类器的性能评价 | 第30-31页 |
| ·本文方法的应用步骤 | 第31-33页 |
| 第四章 应用实例 | 第33-46页 |
| ·实例背景 | 第33-34页 |
| ·数据的预处理 | 第34-35页 |
| ·资料的预处理 | 第34-35页 |
| ·测井曲线资料的归一化 | 第35页 |
| ·学习样本的选取 | 第35-36页 |
| ·样本特征的提取 | 第36-38页 |
| ·基于 K-L变换的特征提取 | 第36-37页 |
| ·新方法的特征选取 | 第37-38页 |
| ·单分类器选取 | 第38-43页 |
| ·单个分类器的实现 | 第39-41页 |
| ·分类器的选择 | 第41-43页 |
| ·分类器的组合 | 第43-44页 |
| ·各分类器针对各种类别的隶属度函数的确定 | 第43-44页 |
| ·组合的权重的确定 | 第44页 |
| ·实验结果 | 第44-45页 |
| ·结果分析 | 第45-46页 |
| 结论和展望 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-49页 |
