·128· 北京科技大学学报 2005年第1期 根据·义Rayleigh商并忽酪比例因子得a=数、多项式核函数和两层神经网络Sigmoidal核函 T(M,-M),特征空间F中任一点在Fisher判定最 数，经过比较对照，在这里选用的是多项式核函 优方向上的投影为w'(x)=∑aKx,x).选取适当 数Kx,x)=(x'x+1Y,其中p取1. =1 的阅值b,可得在新的特征空间F中Fisher判别函 (3)式(23)中阙值b的求取.在这里可以令b- aM+M,在有些文献中曾也用到b= 1 数为： gx)=∑aKx,x+b (24) Ta'M+hM)求得. 1.4方法说明 每次从全部样本集中随机取出部分样本作 应用本方法时首先通过上述介绍的剔除奇 为训练集，用来建立判别准则，再随机取出部分 异点方法剔除整个样本集奇异点，进而应用选择 样本作为测试集，依照上述过程分别做了5次实 交集的方法将剔除奇异点后的样本集分为交集 验，训练集样本点个数和测试集样本点个数都分 部分和非交集部分，在交集部分应用核Fisher判 别为400,600,1000,1400,2000时，其核Fisher判 别方法建立判别函数，而在非交集部分利用传统 别方法识别率分别为99.23%，99.83%，96.98%， Fisher判别方法建立判别函数. 98.73%,95.97%.从中可以看出使用本方法识别 油水层，识别准确率都在95%以上，取得的满意 2应用实例 的效果， 将这种方法应用于解决某油田一研究区的 3结语 油水层识别问题.在18口井的部分井段进行了 试油，取得了4条测井曲线，分别为深侧向电阻 采用主成分分析的思路剔除奇异点，对原始 (RT)、微侧向电阻(RXO)、声波时差(AC)和自然电 信息去伪存真，使测井数据更能反映地质真实特 位(SP).整个过程分为训练过程和判别过程.训 征：通过选取交集作单独处理，进一步增强分类 练过程应用本文所介绍的方法，旨在剔除奇异 器的识别能力，该方法对两类的交集部分采用核 点，选择交集：判别过程中对个待识别样本点 Fisher非线性判别方法，弥补了Fisher线性判别 首先判断它是否落在交集内，如果是则将它代入 方法的不足，并在油水识别实验中取得了满意的 训练过程中建立起来的核Fisher判别函数进行分 效果 类判别，否则应用Fisher判别方法进行分类判别. 参考文献 另外有儿点细节值得注意： (1)各测井曲线单位不统一，为了消除量纲的 】王惠文，偏最小二乘回归分析及其应用，北京：国防工业 出版社，1999.130一184 影响，首先对数据集进行了标准化处理，即： L2)李应，焦李成.基于Fisher判别分析的目标识别.西安电子 x=4x(1,2,,6户1,2,3,4) (25) 科技大学学报，2003,302)：167 其中，=三，为第/列的平均值：Wa阳为 [3]Cortes C.Vapnik V N.Support vector networks.Machine Learning.1995,203):273 第列的样本方差、 [4]Tou J T.Gonzadez R C.Pattern Recognition Principle Reading: Addison-Wesley,1974 (2)核函数的选取，常用的核函数有高斯核函 Application of kernel Fisher method based on primary factor analysis to recogni- tion problem between oil layer and water layer XU Zhengguang".WANG Shusheng",LIU Jiwei,WANG Zhiliang",SHI Lifeng" 1)Information Engineering School.University of Science and Technology Beijing,Beijing 100083,China 2)Information Center of Building Material Industry,Beijing 100835,China ABSTRACT The idea of primary component analysis was applied to eliminating the singular point and selecting the intersection of raw log data sets according to the characteristics of raw log data.Then kernel Fisher method was used in the intersection,which remedy the shortcoming of linear differentiate methods.By combining the two meth- od,primary component analysis and kernel Fisher,the differentiate capability was improved and the practicability is testified in application. KEY WORDS primary factor analysis;singular point;kernel Fisher北 京 科 技 大 学 学 报 2 0 5年 第 1期 根 据 广 义 R ya eil hg 商 并忽 略 比 例 因子 得 a 二 r ’ (抓一 从 ) , 特征 空 间 F 中任 一点 在 iF s h er 判 定 最 优 方 向上 的投 影 为` T中伽) 一 冬 a 月不 , x ) · 选 取适 当 的闽值 b , 可得 在 新 的特 征 空 间 F 中 iF s he r 判别 函 数 为 : 尔无) = 芝a 月奔 潇, x) +b ( 2 4 ) 1 .4 方法 说 明 应 用 本 方 法 时 首先 通 过 上 述 介 绍 的剔 除奇 异 点方法剔 除整 个样 本集 奇异 点 , 进而 应用 选择 交 集 的方 法将 剔 除 奇 异 点后 的 样 本集 分 为 交集 部分 和 非交集 部分 , 在交 集 部分 应用 核 iF s h e r 判 别方 法建 立判 别 函数 , 而 在 非交集 部分 利用 传统 iF hs er 判 别方 法建 立判 别 函 数 . 2 应 用 实 例 将这 种 方 法 应 用 于 解 决某 油 田 一 研 究 区 的 油 水层 识 别 问题 . 在 18 口 井 的部 分井 段进 行 了 试 油 , 取得 了 4 条测 井 曲线 , 分别 为深 侧 向 电阻 (RT ) 、 微 侧 向 电阻 (R X O ) 、 声 波 时差 (A C )和 自然 电 位 ( S )P . 整 个过 程 分为 训练 过程 和 判 别过程 . 训 练 过 程应 用 本 文所 介绍 的 方法 , 旨在 剔 除奇 异 点 , 选择 交 集 : 判别 过 程 中对 一 个 待识 别 样本 点 首 先判 断它 是 否落在 交集 内 , 如果 是则 将它代 入 训练 过程 中建立 起来 的核 iF hs er 判 别 函 数进 行分 类 判 别 , 否 则应 用 iF s he r 判 别 方法进 行 分类判 别 . 另外 有儿 点细 节 值得 注 意 : ( 1) 各 测井 曲线 单位 不统 一 为 了消除量 纲 的 影 响 , 首先 对数 据 集进 行 了标准 化 处 理 , 即 : 式一 罕 (拼 ` , 2 , 一 `; 、 ` , 2 , 3 , 4 ) ( 2 5 ) 其 中 , 、 一 令熟 , 为 第、列 的平 均值 ; =sj 万藏刁 为 第Z歹d的样 本 方差 、 (2 ) 核 函数 的选 取 . 常用 的核 函 数 有高 斯核 函 数 、 多项 式 核函 数 和两 层神 经 网 络 iS gm io da l 核 函 数 . 经 过 比较 对 照 , 在 这里 选 用 的是 多项 式 核 函 数 川义 百, x) = (x ` x 汁 1丫 , 其 中P 取 1 . ( 3) 式 ( 23 ) 中 闽值 b 的求 取 , 在这 里 可 以令 b = 一 静 T ( , + 二 ) , 在 有 些 文 献 中 曾 也 用 到。 - 一 静呱 , 十、二 ) 求 得 . 每 次 从 全 部样 本集 中 随机 取 出部 分 样 本 作 为训 练集 , 用 来建 立判 别准 则 , 再 随机 取 出部 分 样 本 作为 测 试集 , 依照 上述 过程 分 别做 了 5 次实 验 , 训练 集样 本 点个数 和测 试集 样本 点 个数都 分 别 为 4 0 0 , 60 0 , 1 0 0 0 , 1 4 0 0 , 2 0 0 0 时 , 其 核 F i s h e r 判 别方 法 识 别率 分 别 为 9 .2 3% , 9 . 83 % , % . 98 % , 98 . 73 % , 95 . 97 % . 从 中可 以看 出使用 本 方 法 识别 油水 层 , 识 别准 确 率都 在 9 5% 以上 , 取得 的满 意 的 效果 . 3 结 语 采用 主成 分 分析 的 思路 剔除 奇 异 点 , 对 原 始 信息去伪 存 真 , 使测 井数 据更 能反 映地 质真 实特 征 ; 通过 选取 交 集 作单 独 处理 , 进 一 步 增 强分类 器 的识 别 能力 . 该方 法对 两类 的 交集 部分采 用 核 F i s h e r 非线 性判 别 方法 , 弥补 了 F i s h e r 线性 判 别 方 法 的不足 , 并在 油水识 别 实验 中取 得 了 满意 的 效 果 . 参 考 文 献 【1 王 惠文 . 偏最 小二 乘 回归分析 及其 应用 . 北京 : 国防 工 业 出版 社 , 19 9 9 13 0 ~一 1 84 2[] 李应 , 焦李 成 . 基 于 iF hs er 判 别分 析的 目标 识别 . 西安 电 子 科技 大 学学报 , 2 0 0 3 , 30 ( 2 ) : 16 7 [ 31 C o zte s C , 喃p n 止 V N . s u P p o rt v e e t o r n e tw ork s . M a e 七恤e L e a rn i n g , 19 9 5 , 20 ( 3 ) : 2 73 [4 ] oT u J T, G o n aZ d e z R C . p at enr R e e o gn i ti o n P r i n e iP l e R e ad ign : A d d i s o n一 认七s lcy, 19 7 4 PA P li e a ti o n o f k e nr e l Fi s h er m e ht o d b a s e d o n P r im a yr af e t o r an a l y s i s t o er c o g n i - t i o n P r o b l e m b e wt e e n 0 11 lay e r an d w aet r lay er 刃乙 ) hZ e 刀皮洲 an g ` ) , 恻刃 G hS us he gn l) , LI U J iw iel 气恻刃G hZ il ia gn l) , S阴 L 诉心 , l ) I n fo mr at i o n Egn in e e r l ll g S e h o o l , U n i v眺ity o f s e i en c e an d eT c hn o l o gy B e ij in g , B e ij in g l 0 0 0 8 3 , C h i n a 2 ) I n of rm at i o n C e n t e r o f B u il d吨 劫a t e r i a l I n d u s tly, B e ij in g 10 0 8 3 5 , C h in a A B S T RA C T hT e ide a o f P n m娜 e o m Pon ent an ly s i s w as a p P l i e d t o e l而i n at ign ht e s in g u 1ar P o iin an d s e l e c t ign ht e i in e r s e e t i o n o f ar w l o g dat a s e t s a e c o dr ign t o ht e e h ar e t e ir s t i e s o f r a w l o g d a ta . hT e n k e me I Fi s h e r m het o d w a s u s e d i n ht e i n t e r s e e t i o n , hw i e h er m e街 t h e s h o rt e o m i n g o f line ar d i fe r e n t i aet m e t h 0 ds . B y c o m b i n i n g het wt o m het - o d , Pir m ayr e o mP o ne nt an a ly s i s 阳 d ke me l F i s he ’r het id 月七r e n ti at e e aP ab iliyt aws I m P r o v e d an d het Par e t i c ab i li ty 1 5 t e s it if e d i n ap P l i e at i o n . K E Y W O R D S P ir m a yr af e t o r an a l y s i s : s in g u lar P o iin : ke m e l F i s h e r