摘要：现阶段的深度学习地震波阻抗反演大都是通过监督学习的方式来完成的,然而监督学习训练需要大量的标签数据,这在实际问题上是不现实的,并且会花费较大的人力和时间成本.为了在低成本下获取大量的地震波阻抗标签,采用主动学习中的机器学习算法对地震数据进行标注可获取数量大、成本相对较低的地震波阻抗标签.该方法的核心在于如何构建主动查询策略,不同的查询策略标注的结果会有所不同,并且在时间成本上也会有较大的差异.鉴于此,为了进一步探讨在不同查询策略下的地震波阻抗标注精度的关系,围绕不同查询策略下地震数据的标注为总目标,笔者设计了三组实验,采用4种不同的查询策略并利用机器学习算法对Marmousi-2数据集开展地震波阻抗标注的实验分析.经计算效率、召回率、皮尔逊系数、均方误差、决定系数评价指标的量化数据表明:基于最小置信度的查询方法标注效率和精度高,并将该方法推广到实际数据,且经实际工区中的验证井证实了方法的有效性.该研究可为高效获取大数据量的地震波阻抗标签提供新的思路,也为半监督学习的反演方法的应用奠定数据基础.

摘要：在对Web应用挖掘的基本步骤作系统性研究的基础上,设计了一个基于Web日志文件的关联规则挖掘模块。该系统应能够对用户访问Web时服务器方留下的访问记录进行挖掘,从中得出用户的访问模式和访问兴趣。为了识别用户浏览模式,实现了利用关联规则挖掘算法Apriori对Web应用挖掘过程中预处理阶段所产生的用户会话文件进行挖掘的模块,该模块针对用户选定的若干页面产生满足最小支持度和最小置信度的页面之间的强关联规则,并以文本的形式显示挖掘的结果。