کاربرد الگوریتم های داده کاوی در تشخیص داده های ژئوشیمیایی خارج از ردیف چند متغیره

تشخیص داده های خارج از ردیف چند متغیره به کمک الگوریتم های داده کاوی یکی از نکات ضروری پیش پردازش داده های اکتشافات ژئوشیمیایی محسوب می شود. در این مقاله چهار الگوریتم برآورد چگالی کرنل (KDE)، ضریب خارج از ردیف بودن محلی (LOF)، OPTICS-OF و SVDD که به ترتیب جزو روش های آماری، روش های مبتنی بر مجاورت، روش های مبتنی بر خوشه بندی و روش های مبتنی بر دسته بندی هستند، معرفی شده و کاربرد آنها بر روی داده های ژئوشیمیایی ورقه 100000/1 روم با ماتریس داده 41×902 بررسی شده است. برای این منظور ابتدا روش ilr برای باز کردن سیستم عددی داده ها بکار رفته و سپس داده ها در بازه صفر تا یک استاندارد شده است. نتایج پیاده شده چهار الگوریتم فوق بر روی مجموعه داده های استاندارد شده، نشان می دهد که در رویکرد تشخیص نمونه های دارای خطا، 10 نمونه که دارای بالاترین احتمال خارج از ردیف بودن هستند و در هر چهار الگوریتم نیز یکسان می باشند را می توان برای بررسی بیشتر به عنوان نمونه های انتخابی برای نمونه برداری تکراری در نظر گرفت. در رویکرد تشخیص نمونه های غیر نرمال، از 150 نمونه ی انتخابی 5/74% از نمونه ها در هر چهار الگوریتم و 1/16% و 4/9% نیز به ترتیب در یک و دو الگوریتم به عنوان داده ی خارج از ردیف شناسایی شده است. مقایسه نتایج الگوریتم های انتخابی با روش کلاسیک فاصله ماهالانوبیتس نشان دهنده ی برتری آنها در هر دو رویکرد است. همچنین پیشنهادی می شود از الگوریتم های تشخیص داده های خارج از ردیف چند متغیره می توان برای تعیین نمونه-برداری های تکراری، محاسبه ماتریس موقعیت و پراکندگی در آمار چند متغیره مقاوم پس از حذف داده های غیر نرمال و تعیین آنومالی های ژئوشیمیایی استفاده کرد.