一种基于加法对数比值和Canopy-K-Means聚类的元素异常识别方法技术

本发明专利技术涉及勘查地球化学技术领域，尤其是涉及一种基于加法对数比值和Canopy‑K‑Means聚类的元素异常识别方法，主要特征包括：对化学成分进行成分数据理论ALR转换；对加法对数比值alr(m)进行Canopy预聚类；依据Canopy预聚类结果对alr(m)进行K‑means聚类；将K‑means聚类的边界值所对应的浓度值作为背景和不同等级的异常阈值；所识别结果不受专家经验影响，元素背景和异常识别过程智能高效。

【技术实现步骤摘要】

本专利技术涉及勘查地球化学，尤其是涉及一种基于加法对数比值和canopy-k-means 聚类的元素异常识别方法。

技术介绍

1、识别背景和异常是勘查地球化学工作的重要内容。准确识别背景和异常阈值能够有效认识元素分布特征，为矿产勘查工作提供决策支持。传统上，元素背景异常的识别由专家通过对原始浓度数据进行统计分析，依据自身以往的经验决定的，比如平均值离差迭代法（），其中 n 可以为1、2、2.5、3、4等数值，具体取值由专家自身的经验决定，从而导致背景和异常的阈值具有主观性，不同专家对同一批数据的异常识别不一样，影响异常识别、靶区圈定的结果。

2、原始浓度数据是成分数据。闭合操作导致浓度不是独立随机变量，使其分布不符合高斯分布，进而不符合一些数理统计方法的要求，直接对原始浓度数据进行统计分析可能会产生错误的结论。在对浓度成分数据开展分析前，需要对其进行预处理。成分数据的转换方法主要有三种：加法对数比值（alr）、中心对数比值（clr）和等距对数比值（ilr）。三种方法各有优劣，alr 方法简单方便，但生成的数据不是等距的，且维度比原始数据少一维，本文档来自技高网...

【技术保护点】

1. 一种基于加法对数比值和 Canopy-K-Means 聚类的元素异常识别方法，其特征在于：对化学成分进行成分数据理论加法对数比值 ALR 转换；对加法对数比值  进行Canopy 预聚类；依据 Canopy 预聚类结果对加法对数比值  进行 K-means 聚类；将 K-means 聚类的边界值所对应的原始浓度值作为背景和不同等级的异常阈值。

2. 根据权利要求 1 所述的元素异常识别方法，其特征在于包括如下具体步骤：

3. 根据权利要求1或2所述的元素异常识别方法，其特征在于：所述步骤 S1 具体包括选择拟研究元素 m， Cl 可以是任意其他单个元素的浓度...

【技术特征摘要】

1. 一种基于加法对数比值和 canopy-k-means 聚类的元素异常识别方法，其特征在于：对化学成分进行成分数据理论加法对数比值 alr 转换；对加法对数比值  进行canopy 预聚类；依据 canopy 预聚类结果对加法对数比值  进行 k-means 聚类；将 k-means 聚类的边界值所对应的原始浓度值作为背景和不同等级的异常阈值。

2. 根据权利要求 1 所述的元素异常识别方法，其特征在于包括如下具体步骤：

3. 根据权利要求1或2所述的元素异常识别方法，其...

【专利技术属性】
技术研发人员：刘艳鹏，段吉琳，
申请(专利权)人：东华理工大学，
类型：发明
国别省市：