[发明专利]一种基于主成分分析与全连接神经网络的岩性识别方法在审
| 申请号： | 201911413844.8 | 申请日： | 2019-12-31 |
| 公开（公告）号： | CN111178441A | 公开（公告）日： | 2020-05-19 |
| 发明（设计）人： | 师素珍;李明轩;冯建;冯国旭 | 申请（专利权）人： | 中国矿业大学（北京） |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京慕达星云知识产权代理事务所(特殊普通合伙) 11465 | 代理人： | 李冉 |
| 地址： | 100000 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 成分 分析 连接 神经网络 识别 方法 | ||
1.一种基于主成分分析与全连接神经网络的岩性识别方法，其特征在于，包括以下步骤：
将待测试数据输入至PCA-FCNN模型中，通过所述PCA-FCNN模型处理后得到岩性识别结果；
其中，所述PCA-FCNN模型的建立包括以下步骤：
S1.训练样本的选择与归一化处理；以不同岩性特征测井曲线作为输入数据，从输入数据中选取数据作为训练样本，并将训练样本中的数据打乱顺序后进行归一化处理；
S2.对归一化后的数据进行特征降维；对归一化后的数据通过主成分分析法进行特征降维，并根据降维后的结果选取n个主成分；
S3.采用FCNN算法建立神经网络；根据主成分的个数，建立n层FCNN神经网络，其中前n-1层的激活函数设置为Relu函数，第n层采用softmax函数。
2.根据权利要求1所述的一种基于主成分分析与全连接神经网络的岩性识别方法，其特征在于，归一化处理具体包括以下内容：
将训练样本中的数据根据岩性特征分别进行归一化处理；
其中岩性特征包括：声波时差、密度、电阻率、自然伽马和自然电位。
3.根据权利要求1所述的一种基于主成分分析与全连接神经网络的岩性识别方法，其特征在于，S2具体包括以下内容：
对归一化后的数据通过主成分分析法进行特征降维，并基于降维后各主成分方差占总方差比例大小的顺序排列进行输出数据的维度数选择，去除方差比例小的主成分。
4.根据权利要求1所述的一种基于主成分分析与全连接神经网络的岩性识别方法，其特征在于，在所述FCNN神经网络的前(n-1)层中加入Dropout算法。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国矿业大学（北京），未经中国矿业大学（北京）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201911413844.8/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种签名验证方法和装置
- 下一篇：一种提高算法精度的业务实现方法
