基于多种聚类算法和多元线性回归的多分类主动学习算法

作者：汪敏; 武禹伯; 闵帆^*

来源：计算机应用, 2020, 40(12): 3437-3444.

• 岩性识别
• 主动学习
• 多元线性回归
• 样本选择策略
• 密度聚类

针对传统岩性识别方法识别精度低,难以和地质经验有机结合的问题,提出了一种基于多种聚类算法和多元线性回归的多分类主动学习算法(ALCL)。首先,通过多种异构聚类算法聚类得到对应每种算法的类别矩阵,并通过查询公共点对类别矩阵进行标记和预分类;其次,提出优先级最大搜寻策略和最混乱查询策略选取用于训练聚类算法权重系数模型的关键实例;然后,定义目标求解函数,通过训练关键实例求解得到每种聚类算法的权重系数;最后,结合权重系数进行分类计算,从而对结果置信度高的样本进行分类。应用大庆油田油井的6个公开岩性数据集进行实验,实验结果表明,ALCL的分类精度最高时,比传统监督学习算法和其他主动学习算法提高了2.07%～14.01%。假设检验和显著性分析的结果验证了ALCL在岩性识别问题上具有更好的分类效果。

• 单位
  西南石油大学