一种基于 SVDD 的单类分类器框架：在不平衡地质数据集上的应用
机器学习
2016-12-06 v1 应用统计
机器学习
摘要
碳氢化合物储层的评估需要从可用数据集中对岩石物理性质进行分类。然而，由于地下物理性质的非线性和非均质特性，储层属性的表征十分困难。在此背景下，本研究提出了一种基于支持向量数据描述（SVDD）的广义单类分类框架，旨在利用不平衡数据集，通过自然伽马、中子孔隙度、体积密度和声波 P 波这四种测井数据，将储层特征含水饱和度分为两类（高类和低类）。本文在 g 度量均值和执行时间方面，将所提出的框架与不同的监督分类算法进行了比较。实验结果表明，所提出的框架在这些性能评估指标上优于其他分类器。预计本研究中进行的分类分析将对进一步的储层建模有所助益。
引用
@article{arxiv.1612.01349,
title = {A One class Classifier based Framework using SVDD : Application to an Imbalanced Geological Dataset},
author = {Soumi Chaki and Akhilesh Kumar Verma and Aurobinda Routray and William K. Mohanty and Mamata Jenamani},
journal= {arXiv preprint arXiv:1612.01349},
year = {2016}
}
备注
presented at IEEE Students Technology Symposium (TechSym), 28 February to 2 March 2014, IIT Kharagpur, India. 6 pages, 7 figures, 2tables