期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
利用自组织图识别和划分多次波
1
作者
robert essenreiter
李乐中
《勘探地球物理进展》
2002年第5期70-78,共9页
人工神经网络能有效地用于识别和划分地震数据集中的多次波。可用一种特别的神经网络 ,即自组织图(SOM)建立起表征实际问题的规则。将从CMP道集中选取的地震数据属性作为输入模式 ,SOM则在抽象空间中将数据聚成不同的类。通过合成数据...
人工神经网络能有效地用于识别和划分地震数据集中的多次波。可用一种特别的神经网络 ,即自组织图(SOM)建立起表征实际问题的规则。将从CMP道集中选取的地震数据属性作为输入模式 ,SOM则在抽象空间中将数据聚成不同的类。通过合成数据和实际资料来说明如何用SOM识别和划分一次波和多次波 ,以及如何划分与地下某种生成机制相适应的各种多次波。
展开更多
关键词
自组织图
识别
划分
多次波
神经网络
SOM
聚类分析
地震勘探
在线阅读
下载PDF
职称材料
题名
利用自组织图识别和划分多次波
1
作者
robert essenreiter
李乐中
出处
《勘探地球物理进展》
2002年第5期70-78,共9页
文摘
人工神经网络能有效地用于识别和划分地震数据集中的多次波。可用一种特别的神经网络 ,即自组织图(SOM)建立起表征实际问题的规则。将从CMP道集中选取的地震数据属性作为输入模式 ,SOM则在抽象空间中将数据聚成不同的类。通过合成数据和实际资料来说明如何用SOM识别和划分一次波和多次波 ,以及如何划分与地下某种生成机制相适应的各种多次波。
关键词
自组织图
识别
划分
多次波
神经网络
SOM
聚类分析
地震勘探
分类号
P631.443 [天文地球—地质矿产勘探]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
利用自组织图识别和划分多次波
robert essenreiter
李乐中
《勘探地球物理进展》
2002
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
