摘要
本发明属于地学大数据技术领域,提出一种基于机器学习的花岗岩构造环境判别方法,包括如下步骤:S1、对花岗岩中的样本数据进行预处理,并将处理好的数据划分为训练数据集和测试数据集;S2、对上述数据集进行特征分析;S3、构建半监督卷积随机森林模型SCRF;S4、通过特征重要性分析,构建判别图解;S5、综合模型评估,通过训练的模型进行花岗岩构造环境判别。本发明将半监督卷积随机森林方法应用于区分花岗岩构造环境,结合了监督学习和无监督学习的优点,提高了机器学习模型的准确率,并且可以处理大量高维和非线性结构数据,节约试验时间成本,增加数据的综合性和准确性。
技术关键词
随机森林模型
判别方法
半监督随机森林
线性回归模型
样本
一维卷积神经网络
协方差矩阵
变量
非线性结构
预测输出值
数据缺失值
机器学习模型
大数据技术
特征值
文本
综合性
元素
系统为您推荐了相关专利信息
态势感知方法
多元异构数据
多尺度特征提取
时域卷积网络
表达式
灰阶
函数关系模型
亮度
计算机指令执行
尺寸显示面板
深度学习模型
多设备
节能方法
节能系统
设备能耗采集
内容分类
样本
模型优化方法
代表
训练深度学习模型