基于主成分分析方法的海量地震数据属性降维优化

摘要：

针对传统的地震数据属性降维优化方法所选取的地震数据属性特征贡献率低导致降维过程计算量大、CPU占用率高等问题,提出一种基于主成分分析的海量地震数据属性降维优化方法.首先根据地震样本特征建立地震数据特征矩阵,把矩阵中的特征进行聚类,运用降序法排列聚类结果,选取前几项数据作为地震数据属性特征选取结果,对其结果评估分类信息量;通过特征积分准则(FSC)修正分类信息量,获取海量地震数据属性特征节点;运用主成分分析方法对地震数据属性特征节点主成分添加标签,确定Fisher判别分析与PCA可变动选择不确定关系,建立半监督降维的全局最优化形式,运用特征值分解计算降维结果,克服海量地震数据属性降维过程中的过拟合问题,融合主成分分析算法与Fisher判别分析算法实现海量地震数据属性降维优化.实验结果证明,所提方法选取的属性特征精度及贡献率较高,降维过程中CPU占用率较低.

关键词：地震数据特征矩阵、降序法、PCA算法、Fisher判别分析算法

所属期刊栏目：41

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金4004-61772223;武汉市教育局课题2017118

在线出版日期：2019-06-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：757-762