%0 Journal Article
%T 最小二乘支持向量回归滤波系统性能分析
%A 邓小英
%A 杨顶辉
%A 刘涛
%A 李月
%A 杨宝俊
%J 地球物理学报
%P 2004-2011
%D 2010
%R 10.3969/j.issn.0001-5733.2010.08.027
%X 支持向量机(SupportVectorMachine:SVM)一直作为机器学习方法在统计学习理论基础上被研究和发展,本文从信号与系统的角度出发,证明了平移不变核最小二乘支持向量机(LeastSquaresSVM:LS-SVM)是一个线性时不变系统.以Ricker子波核为例,探讨了不同参数对最小二乘支持向量回归(LeastSquaresSupportVectorRegression:LS-SVR)滤波器频率响应特性的影响,这些参数的不同选择相应地控制着滤波器通带上升沿的陡峭性、通带的中心频率、通带带宽以及信号能量的衰减,即滤波器长度越长通带的上升沿越陡,核参数值越大通带的中心频率越高,且通带带宽越宽,正则化参数值越小,通带带宽越窄(但通带中心频率基本保持恒定),有效信号幅度衰减越严重.合成地震记录的仿真实验结果表明,Ricker子波核LS-SVR滤波器在处理地震勘探信号的应用中,滤波性能优于径向基函数(RadialBasicFunction:RBF)核LS-SVR滤波器以及小波变换滤波和Wiener滤波方法.
%K 支持向量机
%K Ricker子波核
%K 最小二乘支持向量回归滤波系统
%K 频率响应
%K 随机噪声
%U http://manu39.magtech.com.cn/Geophy/CN/abstract/abstract3249.shtml