非均衡分类算法及在地层岩性识别的应用

《非均衡分类算法及在地层岩性识别的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP391学校代码：10697密级：公开学号：201531492专业硕士学位论文MASTER’SDISSERTATION非均衡分类算法及在地层岩性识别的应用学科名称：软件工程作者:加星指导老师：冯筠教授西北大学学位评定委员会二○一八年六月Researchonimbalancedataclassificationanditsapplicationonlithologyrecognitionofground-layerrockdataAthesissubmittedtoNorthwestUniversityinpartialfulfillmentoftherequirementsf

2、orthedegreeofMasterinSoftwareEngineeringByJIAXingSupervisor:FENGJunProfessorJune2018摘要非均衡数据的分类问题作为机器学习领域十大挑战之一，近年来吸引了很多学者的深入研究。本文在深入研究并总结了当前针对非均衡数据分类方法的基础上，从数据预处理角度和集成学习角度提出了对非均衡数据分类的改进方法，并在典型非均衡数据分类领域：地层岩石数据岩性识别的应用进行了研究。本文的具体工作如下：一、提出了基于最佳均衡比的非均衡数据预处理方法（apre-processingmethodforimbalancedatabase

3、donthebestbalanceratio），简称obtio。本文提出的obtio算法通过获取每一个特定非均衡数据的最佳均衡比，从数据预处理角度提高了非均衡数据的分类效果。实验结果表明，本文提出的obtio算法相比于谷琼等人提出的混合采样技术，F-measure值提高了0.2。二、提出了一种基于聚类和装袋的非均衡数据分类方法（amethodbasedonclusterandbaggingforimbalancedataclassification），简称C&B。本文提出的C&B算法通过聚类和装袋方法获取到多个均衡数据集，并结合集成规则，从集成学习角度提高了非均衡数据的分类效果。实验结

4、果表明，本文提出的C&B算法相比于Wei-ChaoLin等人提出的Clustering-basedundersampling方法，F-measure值提高了0.15。三、针对常规岩性识别方法岩性识别率低的问题，提出了一种地层岩石岩性识别方法（amethodforlithologyrecognitionofground-layerrockdata），简称LRGL。在数据预处理阶段，深入地分析了每一个岩石数据样本在岩石数据中的分布特性，通过过采样特定类型的少数类岩石数据样本，获取到均衡的岩石数据集，并运用BP神经网络进行岩性识别。实验结果表明：本文提出的LRGL方法相比于牟丹等人提出的方法

5、，AUC值提高了0.2，且岩性识别效果稳定。关键词：非均衡数据，数据预处理，集成学习，岩性识别IIIABSTRACTTheclassificationofimbalancedataisoneofthetenmajorchallengesinthefieldofmachinelearning,whichhasattractedmanyscholarsinrecentyears.Afterfurtherstudyingandsummarizingthecurrentmethodsthatcopewithimbalancedataclassification,weproposedtheimp

6、rovedmethodsfromtheviewsofdatapre-processingandensemblelearninginthispaper.Andwealsostudiedthemethodoflithologyrecognitionofground-layerrockdata,whichisthesignificantapplicationfieldofimbalancedataclassification.Thespecificworkofthisarticleisdescribedasfollows:First,weproposedapre-processingmeth

7、odforimbalancedatabasedonthebestbalanceratio,whichisshortforobtio.Byobtainingthebestbalanceratioofeachspecificimbalancedata,theobtioalgorithmweproposedimprovedtheclassificationresultsfromtheviewofdatapre-processing.Theexperi