论文部分内容阅读
本文根据地震油气物化探工作中使用的方法参数多、信息量丰富、综合异常结构相对比较复杂等特点，从实际工作的要求和需要出发，在高维数据降维方法方面进行了一些探索，并给出了其在北京某地区地震属性参数降维中的应用。 真实世界的数据往往是高维的，因为高维而难于被人理解、表示和处理。其处理面临两个问题：一是维数灾难问题，维数膨胀给高维数据中模式识别和规则发现带来极大挑战；二是维数的增长又带来“维数福音”，高维数据中蕴藏的丰富信息中可产生解决问题的新的可能性。如何将高维数据表示在低维空间中，并由此发现其内在结构是高维信息处理研究的关键问题之一。国内外在高维数据降维方面一直处于不断发展和探索之中，前人提出了各种各样的降维方法，这些方法的提出对高维数据的有效降维起到了重要推动作用，但不同的方法在一定程度上都存在着局限性，既有优点所在，也有不足之处，所以说地震属性参数降维方法在不断发展是一种正常的现象，在这方面继续进行探索也是十分有必要的。 L．Saul和S．Roweis在2000年针对非线性数据的一种新的降维技术提出了非线性嵌入(LLE)算法，它不需要进行迭代运算，只有3个参数需要设置，而且在人的面部属性数据降维中取得了很好的效果。但它在其他方面的应用却鲜有报道，算法的收敛效果对参数的取值又非常敏感，而参数取值的客观算法又常不多见，尤其是数据空间的特征维数估计更是模式识别中的一个待解决问题。本文采用LLE算法对北京某地区的地震属性参数进行了有效的降维，对LLE算法的应用领域的拓展起到了有益的推动作用；此外，针对算法中参数传统的经验取值问题，本文提出了相应的优化算法，避免了人为因素的主观影响，丰富了L．Saul和S．Roweis提出的LLE算法理论体系。