本发明公开了一种基于多卷积自编码神经网络的多元化探异常识别方法,本发明将卷积自编码神经网络与欧氏距离结合,采用多个CAE模型并行训练建模的方法,每个CAE学习一个元素的背景特征方式,避免了单模型处理能力不足以及多元数据降维时造成的信息损耗,有效提取复杂地质环境下的多元化探数据的普遍规律(即地球化学背景),深度挖掘各元素中最能体现无矿背景区特性的数据以此提高各元素背景拟合精度,从而有效提高化探有价值异常识别的准确性,为复杂地质条件下利用多元化探数据进行异常识别提供了较为实用可靠的科学方法。
声明:
“基于多卷积自编码神经网络的多元化探异常识别方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)