郝茜茜 ，周亚同 ，任婷婷

0 引言

地震相识别是地震层序划分的前提，是油气藏勘探和储层预测的基础[1].在地震剖面上包含着丰富的地质信息，已有很多聚类方法被用于地震相识别.例如K均值[2]，模糊C均值聚类[3]，DBSCAN聚类[4]，但上述都是一些常规的聚类方法.

近年又涌现了一些性能优良的聚类方法.例如SOM聚类[5]，次胜者惩罚竞争学习聚类[6]和均值漂移聚类.均值漂移[7]是一种基于非参数估计的密度聚类算法，通过迭代搜索特征空间中的样本点，使聚类中心始终向密度最大的方向移动.该算法迭代速度快，无需人为规定聚类个数且可以对任何的集群结构聚类，Subbarao等[8]和Vedaldi等[9]实现了均值漂移在核空间的聚类.此方法被广泛应用于目标跟踪[10]、图像分割[11-12]、图像去雾[13]和广播音频[14]等方面，但目前为止还未被用于地震相识别.

半监督学习是近年来较受关注的方法之一，通过将半监督学习与一些常规聚类方法结合，应用少量的先验信息去指导聚类过程以使聚类结果更准确.例如林超[15]通过对半监督学习方法与k均值聚类结合，解决了算法的约束违反问题.Kulis等[16]将半监督学习与图谱聚类结合优化了图形数据聚类.尹学松等[17]先根据成对约束得到投影空间后在投影空间进行k均值聚类，然后在由线性判别法得到的子空间中再次聚类.Tuzel等[18]和Anand等[19]实现了半监督学习与核聚类法的结合.

核均值漂移聚类不局限于集群结构的类型，适用于复杂多变的地震数据结构……