基于流形学习的异常检测算法研究

摘要：

化探异常识别是成矿预测的重要依据。化探异常识别本质上是一不均衡数据的分类问题。异常识别过程中面临的主要问题是高维数据的处理问题，流形学习通过非线性降维方法实现维数约简。提出了一种基于流形学习的异常识别算法，通过流形学习进行维数约简，结合AdaCost技术，以改善不平衡数据的分类性能。以某锡铜多金属矿床的数据为研究对象进行仿真实验，实验结果表明该算法能够更准确地圈定区域化探异常，为成矿预测与评价提供了新的解决途径。

关键词：异常检测分类、不均衡数据、流形学习、代价敏感学习

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金No.40972206；中央高校基本科研业务费专项资金资助项目No.1323520909。

在线出版日期：2013-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：105-109