改進主成分分析貝葉斯判別方法
大小：0.74 MB 人氣： 2017-12-01 需要積分：1
標簽：貝葉斯(12518)
針對主成分分析一貝葉斯判別法（ PCA-BDA）僅支持安全評價但不能發(fā)現(xiàn)危險因素的問題，引入屬性重要度的概念，提出一種改進的PCA-BDA算法，并將其應(yīng)用于石油鉆井安全評價。首先，使用原始PCA-BDA方法評估出各條記錄的安全等級；然后，利用主成分分析（PCA）過程中的特征向量矩陣，貝葉斯判別（BDA）過程中的判別函數(shù)矩陣，以及各安全等級的權(quán)重計算得出屬性重要度；最后，通過參考屬性重要度來調(diào)控屬性。安全評價準確率的對比實驗中，改進PCA-BDA方法準確率達到96. 7%，明顯高于層次分析法（AHP）和模糊綜合評價法（FCE）。調(diào)控屬性的仿真實驗中，調(diào)控重要度最高的3個屬性70%以上的鉆井安全等級得到改善；相對地，調(diào)控重要度最低的3個屬性鉆井安全等級幾乎沒有變化。實驗結(jié)果表明，改進PCA-BDA方法不僅能夠準確地實現(xiàn)安全評價，同時能夠找出關(guān)鍵屬性使石油鉆井安全管理更有針對性。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
改進主成分分析貝葉斯判別方法下載
相關(guān)電子資料下載
- 3.GraphSAGE[9]：generalized aggregation方法 322
- 貝葉斯優(yōu)化是干什么的(原理解讀) 684
- 貝葉斯深度學(xué)習(xí)介紹 425
- 關(guān)于貝葉斯概念進行形式化的建模和推理 319
- 貝葉斯網(wǎng)絡(luò)的因果關(guān)系檢測(Python) 572
- 什么是卡爾曼濾波？卡爾曼濾波過程步驟 1764
- 機器學(xué)習(xí)4個超參數(shù)調(diào)優(yōu)方法 403
- 機器學(xué)習(xí)theta是什么？機器學(xué)習(xí)tpe是什么？ 1418
- 什么是貝葉斯定理 實例詳解貝葉斯推理的原理 1772
- In-context learning如何工作？斯坦福學(xué)者用貝葉斯方法解開其奧秘 1176