基于数据驱动的机器学习方法用于探测月球表面的反照率异常
原文中文，约400字，阅读约需1分钟。发表于：。通过机器学习技术，该研究引入基于数据驱动的方法，探索和预测月球表面的反照率异常，并利用多样的行星数据集，包括高空间分辨率的反照率地图和来自激光和伽马射线测量的元素地图（LPFe，LPK，LPTh，LPTi）来推断表面化学元素与反照率之间的关系，从而扩展我们对行星表面的认识并提供有关数据不完整区域的预测能力。通过高斯模糊技术，包括一种创新的自适应高斯模糊，弥合了反照率和元素地图之间的分辨率差距...
该研究使用机器学习预测月球表面的反照率异常，并推断表面化学元素与反照率之间的关系。研究使用高斯模糊技术弥合了分辨率差距，并部署了优化的回归模型。研究结果为了解月球表面和其他天体提供了框架。
