BP神经网络改进TSVM的矿产资源评价模型研究

• 作者: 赵学军 李育珍 武文斌
• 来源期刊: 矿业科学学报
• 关键词: TSVM BP神经网络 矿产资源 评价 半监督
• 年，卷（期）: 2016,（2）
• 页码范围: 188-195
• 页数: 8页
• 分类号: TP751.1
• 语种: 中文

摘要

在矿产资源评价模型研究中,针对TSVM在未标识样本中必须指定正标识样本数这一问题,本文提出了一种新的改进算法对矿产资源进行评价,即基于BP神经网络优化的直推式支持向量机(BP-TSVM).通过支持向量机将有标签样本进行识别分类,利用BP神经网络对已分类的边界内的无标签样本进行正负标注,然后作为下一次支持向量机训练时的有标签样本.提出的新算法避免了分类性能下降的问题,使得TSVM对正标签样本NP的估计更准确.同时,由于训练样本数量的保持使得训练时间大大减少.实验结果表明,与传统的SVM算法、TSVM算法和BP神经网络算法相比,本文提出的BP-TSVM算法能更准确地评价矿产资源.