龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国石油天然气股份有限公司
摘要：本发明公开了一种基于对比学习的无监督地震相分类方法及装置，其中该方法包括：根据地震数据和地震属性，构建正样本对和负样本对；利用正样本对和负样本对训练无监督对比学习聚类网络，直至无监督对比学习聚类网络的损失函数值小于设置阈值，得到训练好的无监督对比学习聚类网络：将正样本对和负样本对输入编码器网络，得到地震数据的特征矩阵和地震属性的特征矩阵；确定无监督对比学习聚类网络的聚类对比损失函数值；根据无监督对比学习聚类网络的：聚类对比损失函数值和实例对比损失函数值，确定无监督对比学习聚类网络的损失函数值。本发明可以满足无监督网络模型的稳定性，提高无井区域地震相智能分类结果可靠性。
主权项：1.一种基于对比学习的无监督地震相分类方法，其特征在于，包括：根据地震数据和地震属性，构建正样本对和负样本对；按如下方式，利用正样本对和负样本对训练无监督对比学习聚类网络，直至无监督对比学习聚类网络的损失函数值小于设置阈值，得到训练好的无监督对比学习聚类网络：将正样本对和负样本对输入编码器网络，得到地震数据的特征矩阵和地震属性的特征矩阵；将地震数据的特征矩阵和地震属性的特征矩阵输入聚类级映射器，得到第一组特征矩阵；根据第一组特征矩阵，确定无监督对比学习聚类网络的聚类对比损失函数值；第一组特征矩阵包括经聚类级映射器处理后的地震数据的特征矩阵和地震属性的特征矩阵；将地震数据的特征矩阵和地震属性的特征矩阵输入实例级映射器，得到第二组特征矩阵；根据第二组特征矩阵，确定无监督对比学习聚类网络的实例对比损失函数值；第二组特征矩阵包括经实例级映射器处理后的地震数据的特征矩阵和地震属性的特征矩阵；根据无监督对比学习聚类网络的：聚类对比损失函数值和实例对比损失函数值，确定无监督对比学习聚类网络的损失函数值；将待分类的地震数据和地震属性样本输入到训练好的无监督对比学习聚类网络，得到地震相分类结果。
全文数据：
权利要求：
百度查询： 中国石油天然气股份有限公司 基于对比学习的无监督地震相分类方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号