非监督空-谱双支深度学习模型的地球化学异常识别方法

本发明提供了一种非监督空‑谱双支深度学习模型的地球化学异常识别方法，该模型基于生成对抗网络，主要由空间分支和谱分支组成。空间分支通过基于图卷积和反图卷积操作的生成对抗网络来有效地捕捉地球化学空间模式并提取相邻像素之间的空间关系。其中，反图卷积通过线性层和图卷积层的差值来还原数据的原始特征；谱分支由长短期记忆网络组成，刻画地球化学元素组合。本发明可同时考虑地球化学异常的空间特征和谱特征，通过对抗学习的方式来优化空间生成器、空间判别器、谱生成器、谱判别器，以此训练模型并圈定地球化学异常，提升地球化学异常识别深度学习模型的精度和成效。