基于机器学习的矿物智能识别方法研究进展与展望
摘要
摘要: 矿物智能识别是地球科学与信息科学的重要交叉方向,显示出强大的生命力.本文在调研国内外研究动态的基础上,把矿物智能识别划分为4个阶段,即矿物采集、数据获取、模型构建、分类判别;根据测试方法和获得的数据类型,把矿物智能识别分为基于化学成分、显微光学图片、光谱分析的3条基本路线;总结了应用于矿物智能识别的机器学习方法和技术,包括统计学习、线性回归模型、距离度量模型、树结构模型、神经网络模型及其与样本问题相关的新技术.在此基础上,提出消除地质学与人工智能的鸿沟、建设可用于学习的高质量矿物数据集、完善适合矿物智能识别的机器学习方法、增进模型可解释性、加强工业推广的实践是该领域未来的重点发展方向. 关键词: 机器学习 / 矿物智能识别 / 矿物学 / 人工智能 / 地质学
引用本文（GB/T 7714）
Huizhen Hao, Qing Gu, Xiumian Hu. 基于机器学习的矿物智能识别方法研究进展与展望[J]. Earth Science-Journal of China University of Geosciences, 2021.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。