[发明专利]一种先验约束分类器调整方法、系统及可读存储介质

权利要求书

1.一种预测测井数据类别的方法，其特征在于，包括：

获取样本集合：采集某一深度的地球物理测井曲线组成测井数据样本，表示地球物理测井数，沿深度取n个深度点的测井曲线，即可得到样本集合，为测井数据样本总数；为部分测井数据样本打上标签，标签的物理意义为泥岩和砂岩，为类别总数，为独热编码形式，则有标签样本集合为，所对应的标签集合为，为有标签样本的数量，无标签样本集合为，为无标签样本的数量，，表示实数域；

根据样本集合中的测井数据样本，计算全局拉普拉斯矩阵、全局样本权重矩阵和全局高维特征输出矩阵：根据无标签样本集合，计算全局拉普拉斯矩阵；根据有标签样本集合中已标注测井数据样本的类别分布，计算全局样本权重矩阵；随机生成z个输入权重向量和z个输入偏置标量，计算所述样本集合中每个测井数据样本的高维特征，得到全局高维特征输出矩阵；

基于全局拉普拉斯矩阵、全局样本权重矩阵、全局高维特征输出矩阵以及先验知识，对分类器进行初步调整，得到初始输出权重；

根据初始输出权重，对分类器进行再次调整，得到调整后的分类器，通过调整后的分类器预测新的测井数据样本的类别；

所述基于全局拉普拉斯矩阵、全局样本权重矩阵、全局高维特征输出矩阵以及先验知识，对分类器进行初步调整，得到初始输出权重，包括：

若，则所述分类器的初始输出权重为：

若，则所述分类器的初始输出权重为：

其中，为适维的单位阵，为全局高维特征输出矩阵，为全局样本权重矩阵，为分布差异度量矩阵，为全局拉普拉斯矩阵，向量，表示实数域，超参数，根据所述先验知识确定的类别先验数量向量，，所对应的标签为集合为，为维度为的零矩阵，为类别总数，为设定的隐藏层节点数即输入权重向量的个数或输入偏置标量的个数，，表示转置。

2.如权利要求1所述的预测测井数据类别的方法，其特征在于，所述随机生成z个输入权重向量和z个输入偏置标量，计算所述样本集合中每个测井数据样本的高维特征，得到全局高维特征输出矩阵，包括：

随机生成个输入权重向量和个输入偏置标量，；

计算所述样本集合中测井数据样本的高维特征，其中为激活函数；

计算所述有标签样本集合的高维特征输出矩阵，计算所述无标签样本集合的高维特征输出矩阵；

计算所述样本集合的全局高维特征输出矩阵。

3.如权利要求1所述的预测测井数据类别的方法，其特征在于，所述根据初始输出权重，对分类器进行再次调整，得到调整后的分类器，包括：

根据所述初始输出权重，求解所述无标签样本集合的伪标签，为无标签样本集合的高维特征输出矩阵，为所述初始输出矩阵；

根据的类别，更新矩阵，其中：

其中，分别表示有标签样本集合和中样本标签属于的数量，,分别表示有标签样本集合中第个和第个测井数据样本，,分别表示无标签样本集合中的第个和第个测井数据样本，为样本标签的类别 ；

根据更新后的矩阵，计算所述分类器的最终输出矩阵，得到调整后的分类器。

4.如权利要求3所述的预测测井数据类别的方法，其特征在于，所述根据更新后的矩阵，计算所述分类器的最终输出矩阵，得到调整后的分类器，包括：

若，计算所述分类器的最终输出权重为：

若，计算所述分类器的最终输出权重为：

；

得到调整后的分类器为，表示样本的高维特征。