地震叠前信号分类方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 无监督学习 | 第14-15页 |
| 1.2.2 有监督学习 | 第15-17页 |
| 1.3 本文的主要工作与贡献 | 第17页 |
| 1.4 论文章节安排 | 第17-19页 |
| 第二章 地震叠前数据分类技术的相关原理 | 第19-33页 |
| 2.1 地震叠前信号降噪预处理 | 第19-22页 |
| 2.2 数据降维处理 | 第22-29页 |
| 2.2.1 传统降维方法 | 第22-24页 |
| 2.2.2 受限玻尔兹曼机 | 第24-29页 |
| 2.3 分类识别算法 | 第29-32页 |
| 2.3.1 无监督聚类算法 | 第29-30页 |
| 2.3.2 半监督分类算法 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于RBM地震叠前信号聚类方法 | 第33-54页 |
| 3.1 基于RBM叠前信号降维 | 第33-39页 |
| 3.1.1 连续输入玻尔兹曼机 | 第33-35页 |
| 3.1.2 基于RBM特征提取算法流程 | 第35-36页 |
| 3.1.3 算法性能测试 | 第36-39页 |
| 3.2 基于FSOM的地震叠前信号聚类 | 第39-43页 |
| 3.2.1 自组织神经网络算法 | 第39-41页 |
| 3.2.2 模糊自组织神经网络 | 第41-43页 |
| 3.3 基于组合学习的聚类框架 | 第43-49页 |
| 3.3.1 组合学习 | 第43-45页 |
| 3.3.2 基于组合学习的聚类算法模型 | 第45-48页 |
| 3.3.3 算法性能测试 | 第48-49页 |
| 3.4 算法总体描述及其应用 | 第49-52页 |
| 3.4.1 算法总体描述 | 第49-50页 |
| 3.4.2 算法在实际工区的应用 | 第50-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第四章 基于半监督学习地震叠前信号分类方法 | 第54-71页 |
| 4.1 协同深度置信网络原理 | 第54-61页 |
| 4.1.1 深度置信网络 | 第54-58页 |
| 4.1.2 协同训练 | 第58-61页 |
| 4.2 协同深度置信网络算法及测试 | 第61-66页 |
| 4.2.1 协同深度置信网络算法流程 | 第61-62页 |
| 4.2.2 算法性能测试 | 第62-66页 |
| 4.3 算法总体描述及应用 | 第66-70页 |
| 4.3.1 算法总体描述 | 第66-67页 |
| 4.3.2 算法在实际工区的应用 | 第67-70页 |
| 4.4 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 工作总结 | 第71-72页 |
| 5.2 工作展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77页 |
| 攻读硕士学位期间参加的科研项目 | 第77-78页 |
