基于分形SMOTE重采样集成算法圈定区域化探异常-计算机应用研究.PDF

第２９卷第１０期 计 算 机 应 用 研 究 Ｖｏｌ２９Ｎｏ１０ ２０１２年１０月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｏｃｔ２０１２ 基于分形 ＳＭＯＴＥ重采样集成算法圈定区域化探异常 ａ ｂ ｂ 李　江 ，金　辉 ，刘　伟 （中国地质大学ａ．信息工程学院；ｂ．计算机学院，武汉４３００７４） 摘　要：基于分形自相似性理论改进ＳＭＯＴＥ算法，实现数据集的均衡化。结合集成学习Ａｄａｂｏｏｓｔ技术更新样 本权值，改善非均衡数据的分类性能，并对云南个旧锡铜多金属矿床进行了仿真实验，结果表明新算法预测结果 能较好地检测成矿异常，为成矿预测与评价提供新的解决途径。 关键词：化探异常；不均衡数据；ＳＭＯＴＥ；分形；集成学习；Ａｄａｂｏｏｓｔ 中图分类号：ＴＰ１８１；Ｐ６２８　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１２）１０３７４４０４ ｄｏｉ：１０３９６９／ｊｉｓｓｎ１００１３６９５２０１２１００３６ ＮｏｖｅｌｉｍｐｒｏｖｅｄＳＭＯＴＥｒｅｓａｍｐｌｉｎｇｉｎｔｅｇｒａｔｅｄａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎ ｆｒａｃｔａｌｆｏｒｇｅｏｃｈｅｍｉｃａｌａｎｏｍａｌｉｅｓｅｖａｌｕａｔｉｏｎ ａ ｂ ｂ ＬＩＪｉａｎｇ，ＪＩＮＨｕｉ，ＬＩＵＷｅｉ （ａ．ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ｂ．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＧｅｏｓｃｉｅｎｃｅｓ，Ｗｕｈａｎ４３００７４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｂａｓｅｄｏｎｔｈｅｓｉｍｉｌａｒｉｔｙｔｈｅｏｒｙｏｆｆｒａｃｔａｌ，ｔｈｉｓｐａｐｅｒｐｕｔｆｏｒｗａｒｄａｎｅｗＳＭＯＴＥｒｅｓａｍｐｌｉｎｇａｌｇｏｒｉｔｈｍ．Ａｃｃｏｒｄｉｎｇｔｏ ｔｈｅｒｅａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓａｍｐｌｅｓ，ａｆｅｗｓｅｔｓｏｆｄａｔａｓａｍｐｌｅｓｓｈｏｕｌｄｂｅｒｅｃｏｎｓｔｒｕｃｔｅｄｔｏｒｅａｌｉｚｅｔｈｅｅｑｕａｌｉｚａｔｉｏｎｏｆｄａｔａｓｅｔｓ．Ｔｈｅ ｎｅｗａｌｇｏｒｉｔｈｍｃｏｍｂｉｎｅｄＡｄａｂｏｏｓｔｔｅｃｈｎｏｌｏｇｙ，ａｃｃｏｒｄｉｎｇｔｏｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｔｈｅｅｒｒｏｒｒａｔｅｕｐｄａｔｉｎｇｗｅｉｇｈｔｓｏｆｓａｍｐｌｅｓｔｏ ｉｍｐｒｏｖｅｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｐｅｒｆｏｒｍａｎｃｅｏｆｉｍｂａｌａｎｃｅｄｄａｔａ．Ｔｈｅｎｅｗａｌｇｏｒｉｔｈｍｗａｓｂａｓｅｄｏｎｔｈｅｓｉｍｕｌａｔｉｏｎｅｘｐｅｒｉｍｅｎｔｏｎｔｈｅ ｒｅｓｅａｒｃｈｏｂｊｅｃｔｉｏｎｏｆｐｏｌｙｍｅｔａｌｌｉｃｄｅｐｏｓｉｔｓｓｕｃｈａｓｔｉｎａｎｄｃｏｐｐｅｒｆｒｏｍＧｅｊｉｕ，Ｙｕｎｎａｎｐｒｏｖｉｎｃｅ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗ ｔｈａｔｐｒｅｄｉｃｔｅｄｒｅｓｕｌｔｓｆｏｒｔｈｅｎｅｗａｌｇｏｒｉｔｈｍｄｅｌｉｎｅａｔｉｎｇｒｅｇｉｏｎａｌｇｅｏｃｈｅｍｉｃａｌａｎｏｍａｌｉｅｓａｒｅｂｅｔｔｅｒｔｈａｎｔｒａｄｉｔｉｏｎａｌｍｅｔｈｏｄｓ， ｗｈｉｃｈｃａｎｉｄｅｎｔｉｆｙｔｈｅｇｅｏｃｈｅｍｉｃａｌａｎｏｍａｌｙａｃｃｕｒａｔｅｌｙ． Ｋｅｙｗｏｒｄｓ：ｇｅｏｃｈｅｍｉｃａｌａｎｏｍａｌｙ；ｉｍｂａｌａｎｃｅｄｄａｔａ；ＳＭＯＴＥ；ｆｒａｃｔａｌ；ｉｎｔｅｇｒａｔｅｄｌｅａｒｎｉｎｇ；Ａｄａｂｏｏｓｔ 因此，有效提高少数类的分类性能是成矿异常识别亟待解决的 　引言