文献类型：期刊文章

作　　者：郝慧珍[1,2] 顾庆[1,3] 胡修棉[4]

Hao Huizhen;Gu Qing;Hu Xiumian(Software Institute,Nanjing University,Nanjing 210023,China;School of Information and Communication Engineering,Nanjing Institute of Technology,Nanjing 211167,China;Department of Computer Science and Technology,Nanjing University,Nanjing 210023,China;School of Earth Sciences and Engineering,Nanjing University,Nanjing 210023,China)

机构地区：[1]南京大学软件学院,江苏南京210023 [2]南京工程学院信息与通信工程学院,江苏南京211167 [3]南京大学计算机科学与技术系,江苏南京210023 [4]南京大学地球科学与工程学院,江苏南京210023

出　　处：《地球科学》

基　　金：国家自然科学基金项目(No.41972111);科学技术部第二次青藏高原科学考察研究计划项目(No.STEP 2019QZKK020405).

年　　份：2021

卷　　号：46

期　　号：9

起止页码：3091-3106

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、PA、PROQUEST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

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

分 类 号：P575]