期刊信息
刊名：量子电子学报
曾用名：量子电子学
主办：中国光学学会基础光学专业委员会;中国科学院合肥物质科学家研究院
主管：中国科学院
ISSN：1007-5461
CN：34-1163/TN
语言：中文
周期：双月
影响因子：0.365217
数据库收录：
文摘杂志;北大核心期刊（2000版）;北大核心期刊（2004版）;北大核心期刊（2008版）;北大核心期刊（2011版）;北大核心期刊（2014版）;北大核心期刊（2017版）;化学文摘（网络版）;中国科学引文数据库（2011-2012）;中国科学引文数据库（2013-2014）;中国科学引文数据库（2015-2016）;中国科学引文数据库（2017-2018）;中国科学引文数据库（2019-2020）;日本科学技术振兴机构数据库;中国科技核心期刊;期刊分类：无线电电子学；物理学
期刊热词：
学术活动_第十三届全国光学前沿问题讨论会论文摘要集
曾用名：量子电子学
主办：中国光学学会基础光学专业委员会;中国科学院合肥物质科学家研究院
主管：中国科学院
ISSN：1007-5461
CN：34-1163/TN
语言：中文
周期：双月
影响因子：0.365217
数据库收录：
文摘杂志;北大核心期刊（2000版）;北大核心期刊（2004版）;北大核心期刊（2008版）;北大核心期刊（2011版）;北大核心期刊（2014版）;北大核心期刊（2017版）;化学文摘（网络版）;中国科学引文数据库（2011-2012）;中国科学引文数据库（2013-2014）;中国科学引文数据库（2015-2016）;中国科学引文数据库（2017-2018）;中国科学引文数据库（2019-2020）;日本科学技术振兴机构数据库;中国科技核心期刊;期刊分类：无线电电子学；物理学
期刊热词：
学术活动_第十三届全国光学前沿问题讨论会论文摘要集
石油天然气工业论文_改进的协同训练半监督SVM
【作者】网站采编
【关键词】
【摘要】文章摘要:实际石油测井中有标签数据获取代价昂贵,而大量低廉的无标签数据未被使用,如何利用有限的有标签样本及大量的无标签样本获取准确的油层分布有待解决。半监督学习方法因
文章摘要:实际石油测井中有标签数据获取代价昂贵,而大量低廉的无标签数据未被使用,如何利用有限的有标签样本及大量的无标签样本获取准确的油层分布有待解决。半监督学习方法因能同时利用少量有标签样本及大量无标签样本便可获取良好的分类模型而被广泛应用。因此,基于半监督支持向量机（S3VM）,提出一种改进的基于量子行为粒子群优化（QPSO）的协同训练S3VM油层识别算法（QPSOCS3 VM）。首先引入多视图的协同训练策略,构造2个独立的初始分类器提高识别精度;然后为提高初始分类精度,引入了量子行为粒子群算法以优化S3VM;最后引入一种改进的近邻数据剪辑方法用于预测无标签样本伪标签的置信度,从而避免因错分样本导致的模型性能恶化下降的问题。对某两口井的测井数据进行油层识别,改进的协同训练半监督SVM相较于传统的协同训练算法在两口井中的识别率分别提升了5.00百分点和3.12百分点。结果表明:所提算法油层识别精度较高,有一定的实际应用意义。
文章关键词:
文章来源：《量子电子学报》 网址: http://www.lzdzxbzz.cn/qikandaodu/2021/0929/1192.html