基于流形学习的异常检测算法研究

• 作者: 刘凯伟 张冬梅
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 异常检测分类 不均衡数据 流形学习 代价敏感学习
• 年，卷（期）: 2013,（13）
• 页码范围: 105-109
• 页数: 5页
• 分类号: TP181
• 字数: 5553字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1111-0210

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张冬梅	中国地质大学计算机学院	36	324	9.0	17.0
2	刘凯伟	中国地质大学计算机学院	1	1	1.0	1.0