基于颗粒球单类分类的无监督磁异常检测方法 潘宇伟， 任海刚， 李旭， 李建伟， 左博新

《Applied Sciences》：Unsupervised Magnetic Anomaly Detection Method Based on Granular Ball One-Class Classification Yuwei Pan, Haigang Ren, Xu Li, Jianwei Li and Boxin Zuo

　　

摘要

在复杂的海洋环境中，水下磁异常检测具有挑战性，因为目标磁异常信号通常较弱，容易被背景磁噪声掩盖。尽管基于深度学习的方法显著提高了检测能力，但大多数现有方法仍然依赖于丰富的标记目标数据，而在实际应用中获取这些数据非常困难。为了解决这一挑战，本文提出了一种基于高斯颗粒球单类分类（GBOC）的无监督水下磁异常检测方法。该方法引入了一种基于密度的分层划分策略，将潜在空间划分为多个紧凑的高密度区域，并构建相应的高斯颗粒球表示。这种策略能够更有效地模拟复杂的背景磁噪声，从而在信噪比（SNR）较低的情况下提高异常检测性能。实验结果表明，该方法在无监督环境下能够在不同的SNR水平下保持稳健的性能。与其他方法相比，它在固定的误报率下具有更高的检测率和更稳定的结果。此外，通过引入少量关于磁异常的先验信息，还开发了一种半监督磁异常检测方法。实验结果表明，这种半监督方法能够在保持良好稳健性和稳定性的同时进一步提高检测精度。