模糊K個最近鄰點法則於震測圖型識別之研究

Abstract

模糊K個最近鄰點法則(Fuzzy K nearest neighbors rule)是一個利用測試圖形(Testing pattern)的K個最 近鄰點所提供的對各分類(Class)所屬程度( Membership degree)訊息,而亦給予測試圖形對各分 類所屬程度的方法.它的優點在於較不受K值影 像,並提供了穩健的 (Robust)辨識能力.對於震測 資料(Seismic data)識別工作而言,震測描繪編輯( Seismic trace editing)與首先到達信號選取(First arrival picking)常常會因雜訊干優 (Disturbance)而嚴 重影像識別率.因此,我們需要一個能提供不受 信號對雜訊(Signal-to-noise)改變的影響,而擁有穩 健與可信賴辨識能力的程序與方法.本研究將 針對模糊K個最近鄰點法則在震測資料上的穩 健性識別,以及辨識率上作一深入研究.而為了 提升此識別法之運算效能,我們也將發展相對 應具有平行運算能力之神經網路 (Neural network) 架構與演算法.