论文部分内容阅读
西部高寒山区是我国极具找矿潜力的重要成矿区域。快速勘查评价这些区域的矿产资源,变资源优势为经济优势,是带动西部地区经济发展的重要途径之一。在此类自然景观区开展矿产资源勘查评价工作,遥感技术具有传统地质找矿方法无法比拟的技术优势。不断研究、探索有效的遥感矿化蚀变信息提取新方法,提高地质找矿信息的可靠性和准确性,具有十分重要的现实意义。支持向量机是一种基于统计学习理论的新的机器学习方法,以其全局优化、适应性强和推广能力好等优点而得到了广泛应用。但是,对于模型参数的选择人为干预较多。基于此问题,本文在充分研究支持向量机和粒子群优化的基本理论基础上,提出了基于粒子群优化的支持向量机模型参数选择方法,并在此基础上进行了支持向量机的遥感矿化蚀变信息提取试验。取得了如下主要研究成果:1、利用粒子群优化方法的群体智能特性,本文提出了基于粒子群优化的支持向量机模型参数选择方法。与LibSVM库中常用的网格搜索方法相比,该方法表现出学习次数少的优越性。2、在基于粒子群优化的模型参数选择基础上,本文进行了基于支持向量机的遥感矿化蚀变信息提取试验,并且给出了该方法的整体框架。试验结果表明,该方法对于矿化蚀变信息提取是有效的。3、基于均匀设计思想,在粒子群优化的初始化阶段,本文采取在搜索空间随机且均匀分布粒子的策略,以及在粒子群迭代到一定次数后,采取细化搜索空间、减少粒子数量的策略。这两个策略有利于减少搜索次数。