申请/专利权人：山东省地质矿产勘查开发局第六地质大队(山东省第六地质矿产勘查院)

申请日：2023-10-26

公开（公告）日：2024-03-29

公开（公告）号：CN117216576B

主分类号：G06F18/214

分类号：G06F18/214;G06F18/2321;G06F18/10;G06F17/16

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2023.12.29#实质审查的生效;2023.12.12#公开

摘要：本发明公开了一种基于高斯混合聚类分析的石墨金矿找矿方法，属于找矿领域，包括数据准备单元、数据预处理单元、高斯混合模型参数设置单元、模型训练单元、聚类单元、异常圈定单元和找矿预测单元，所述数据预处理单元用于处理收集的数据，所述高斯混合模型参数设置单元使用处理后的数据求出混合高斯分布的各个参数，所述模型训练单元使用EM算法进行训练计算后验概率，所述聚类单元根据模型训练单元中计算出的最大化后验概率完成类别判断，所述异常圈定单元用于圈定聚类单元中出现的异常点，所述找矿预测单元使用训练好的高斯混合模型对未知区域进行预测。本发明具有高效、准确、环保等优点，大大提高石墨金矿的找矿效率，降低找矿成本。

主权项：1.一种基于高斯混合聚类分析的石墨金矿找矿方法，其特征在于：包括数据准备单元、数据预处理单元、高斯混合模型参数设置单元、模型训练单元、聚类单元、异常圈定单元和找矿预测单元；所述数据准备单元用于收集数据，所述数据预处理单元用于处理数据准备单元收集的数据，所述高斯混合模型参数设置单元使用数据预处理单元处理后的数据求出混合高斯分布的各个参数，所述模型训练单元使用EM算法进行训练计算后验概率，所述聚类单元根据模型训练单元中计算出的最大化后验概率完成类别判断，所述异常圈定单元用于圈定聚类单元中出现的异常点，所述找矿预测单元使用训练好的高斯混合模型对未知区域进行预测；找矿方法如下：S1、收集包含石墨金矿和不含石墨金矿的区域的地质数据；S2、对这些数据进行清洗，标准化和归一化操作；S3、使用已知的金矿数据即训练集来训练一个高斯混合模型GMM，将数据点划分为多个“簇”，每个簇都是由一个高斯分布描述；S4、观察两个概率值的接近程度来判断一个模型是否拟合良好，并通过EM算法反复迭代这个过程，直到两个概率值非常接近时停止更新并完成模型训练；S5、通过选择最大化后延概率来完成聚类，并使用训练好的高斯混合模型GMM对未知数据进行聚类分析，得到不同的簇；S6、找出步骤S5中聚类结果中的异常点，并将其圈定出来；S7、将聚类结果可视化，根据不同簇的特征，以显示哪些数据点被归类为金矿；在步骤S4中，还包括如下步骤：S4-1、两个概率分别为采样的概率值和模型概率值；S4-2、在训练过程中，EM算法会尝试找到使所有数据点分配到最合适的簇的最佳参数；S4-3、假设所有的数据样本X都是由某一个给定参数的多元高斯分布所生成的，一个高斯混合模型的概率密度函数可以由K个多元高斯分布组合成的混合分布表示： 其中，pX|μ,∑为服从高斯分布的n维随机向量X的概率密度函数 其中，μ为n维均值向量，Σ为n*n的协方差矩阵，X-μT为X-μ的转置向量，μi和Σi为第i个高斯混合成分的参数；高斯混合模型由K个不同的多元高斯分布共同组成，每一个分布被称为高斯混合模型中的一个成分，ωi为第i个多元高斯分布在混合模型中的权重，且有 假设已有一个存在的高斯混合模型，那么，样本空间中的样本的生成过程即：以ω1，ω2，……ωK作为概率，选择出一个混合成分，根据该混合成分的概率密度函数，采样产生出相应的样本；那么，利用高斯混合模型GMM进行聚类的过程就是利用高斯混合模型GMM生成数据样本的“逆过程”：给定聚类簇数K，通过给定的m个数据样本，推导出每一个混合成分的参数，均值向量μ、协方差矩阵Σ和权重ω，每一个多元高斯分布成分即对应于聚类后的一个簇；高斯混合模型在训练时使用了极大似然估计法，最大化以下对数似然函数： 然后进行EM算法迭代，步骤如下：步骤一：根据给定的K值，初始化K个多元高斯分布以及其权重；步骤二：根据贝叶斯定理，估计每个样本由每个成分生成的后验概率；步骤三：根据均值，协方差的定义以及步骤二中求出的后验概率，更新均值向量、协方差矩阵和权重；步骤四：重复步骤二和步骤三，直到似然函数增加值已小于收敛阈值，或达到最大迭代次数。

全文数据：

权利要求：

百度查询： 山东省地质矿产勘查开发局第六地质大队(山东省第六地质矿产勘查院) 一种基于高斯混合聚类分析的石墨金矿找矿方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD