Esta revista proporciona un acceso abierto inmediato a su contenido, basado en el principio de que ofrecer al público un acceso libre a las investigaciones ayuda a un mayor intercambio global de conocimiento.
Por tanto se acoge a la Licencia Creative Commons 4.0 Atribuciones Reconocimiento – NoComercial – CompartirIgual (by-nc-sa): No se permite un uso comercial de la obra original ni de las posibles obras derivadas, la distribución de las cuales se debe hacer con una licencia igual a la que regula la obra original.
http://creativecommons.org/licenses/by-nc-sa/4.0/
Cesión de Derechos:
UNIVERSIDAD DE SAN BUENAVENTURA, BOGOTÁ
AUTORIZACIÓN DEL AUTOR DE ESCRITOS ACADÉMICOS PARA SU REPRODUCCIÓN EN REVISTA INGENIUM
Yo______________________________________________________, Autorizo a la Universidad de San Buenaventura, Bogotá, para que en los términos establecidos en la Ley 23 de 1982, Ley 44 de 1993, Decisión Andina 351 de 1993, Decreto 460 de 1995 y demás normas generales sobre derechos de autor, reproduzcan por cualquier medio la totalidad de la ponencia, artículo, conferencia o escrito producto de mi actividad académica y titulado: __________________________________________________________________________________________________________________________________________________
La Universidad de San Buenaventura, Bogotá, hará uso estrictamente académico de este producto sin fines de lucro y asumirá los costos de la reproducción; los autores no solicitarán derechos patrimoniales a la Universidad por esta reproducción, renunciando a lo establecido en el artículo 72 de la ley 23 de 1982. Con todo, en mi condición de autor me reservo los derechos morales de la obra antes citada con arreglo al artículo 30 de la ley 23 de 1982. Como autor o autores, manifestamos que el escrito académico objeto de la presente autorización es original y la realizo sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de nuestra exclusiva autoría y poseemos la titularidad sobre la misma. En caso de presentarse cualquier reclamación o acción por parte de un tercero en cuanto a los derechos de autor sobre la obra en cuestión, el autor o autores, asumirán toda la responsabilidad, y saldrán en defensa de los derechos aquí autorizados; para todos los efectos la Universidad actúa como un tercero de buena fe.
En concordancia suscribo este documento en la Universidad de San Buenaventura, Bogotá, a los ________ días del mes de ____________________ de _________.
NOMBRE _______________________________________ FIRMA ________________________________________
DOC. IDENTIDAD__________________________________
Resumen
La característica conocida como Brigth spot en los registros sísmicos determina una alta probabilidad de encontrar “trampas” de hidrocarburos. Este trabajo presenta el resultado de la clasificación de registros sísmicos que poseen esta característica empleando una máquina de soporte vectorial con kernel polinómico de tercer orden como clasificador automático. Se “ensambla” una matriz de diez atributos característicos de cada registro sísmico y empleando el análisis de componentes principales para reducir la dimensionalidad de la información sísmica, se obtienen dos características que explican el 99% de la varianza con lo cual se consigue un reconocimiento promedio de registros con característica Brigth spot del 95.65%.
Palabras clave:
Referencias
[2] P. Oosterlinck y A. Suetens, «Industrial pattern recognition,» de Pattern Recognition in Practice II, Elsevier, 2012.
[3] J. Prieto y F. Rodríguez, «Analyzing the relevance of shape descriptors in automated recognition of facial gestures in 3D images,» de Three-Dimensional Image Processing (3DIP) and Applications SPIE, 2013.
[4] K. Y. Huang, «Neural network for robust recognition of seismic patterns,» de Neural Networks, 2001. Proceedings. IJCNN’01, 2001.
[5] K. Y. Chao y Y. Huang, «Seismic pattern recognition using neural network and tree automaton,» de Geoscience and Remote Sensing Symposium. IEEE International, 2004.
[6] C. M. Orietta, Implementación de algoritmos para estudios de factibilidad de atributos sísmicos utilizando datos sintéticos, Universidad Simón Bolívar, 2005.
[7] T. K. Hasselman, M. C. Anderson y W. Gan, «Principal components analysis for nonlinear model correlation, updating and uncertainty evaluation,» SPIE proceedings series, 1998.
[8] T. Hastie, S. Rosset, R. Tibshirani y J. Zhu, «The entire regularization path for the support vector machine,» The Journal of Machine Learning Research, vol. vol. 5, p. pp. 1391–1415, 2004.
[9] W. Z. Zhong, «A new one-class svm based on hidden information,» ScienceDirect. Knowledge-Based Systems, 2014.
[10] Y. X. Xu, «Two methods of selecting gaussian kernel parameters for one-class svm,» Science Direct Knowledge Based Systems, 2014.
[11] P. Jiménez y L. Rengifo, «Al interior de una máquina de soporte vectorial,» Revista de ciencias universidad del valle, 2010.