中国辽宁早白垩世华夏翼龙（翼龙目：翼手龙亚目）一新种及古神翼龙科的系统分类

根据中国辽西早白垩世九佛堂组一几乎完整头骨及头后骨骼建立古神翼龙类一新种：具冠华夏翼龙。具冠华夏翼龙以前上颌骨上具有一斧状矩形突起为特征，该突起的短轴垂直于前上颌骨的前边缘，除了该突起之外，其他的头骨特征比如鼻眶前孔的前边缘和前上颌骨的前边缘之间的吻部宽度均与季氏华夏翼龙的相似。华夏翼龙和中国的另一个古神翼龙类中国翼龙与古神翼龙共享有一些独特的头骨特征，并且这3个属看起来彼此之间的关系要比与其他神龙类密切的多。中国的古神翼龙（中国翼龙和华夏翼龙）具有相对长的头骨和弱的头骨嵴，而且似乎要比头骨短高和具有大的头骨嵴的古神翼龙原始。Tupuxuarids（Tupuxuara和Thalassodromeus）经常和古神翼龙类被放在古神翼龙科中，     

基于可分解马尔科夫网的极端椒盐噪声图像滤波

提出了一种基于可分解马尔科夫网(decomposableMarkovnetworks,DMN)的极端椒盐噪声的均值滤波方法,指出其网络节点的阈值衰减特性和网络节点的连接特性具有很好的对椒盐噪声污染图像的噪声定位的作用,并提出一种在该网络控制下,只对与噪声相关的像素进行均值计算以替代噪声像素的亚均值滤波算法,实现了图像的较强自适应滤波。实验表明,本文方法具有良好的滤波性能。     

图像平滑算法比较研究及改进策略

图像平滑作为去除图像中含有噪声的图像增强处理技术，是各种与图像有关软件中必不可少的功能模块。文中在分析噪声模型的基础上，对均值平滑、中值平滑、边缘保持平滑等技术从图像处理空间域中的算法原理、实现方法及效率等方面进行了详细比较。针对图像中含有的不同噪声模型，通过多次试验，得出了值得从事图像处理研究者参考的结论。这将有助于提高图像处理软件开发的效率。     

CCSD主孔100-2950m榴辉岩类和片麻岩类叶理及微断层产状特征

CCSD主孔100~2950m榴辉岩、退变榴辉岩类岩石叶理倾角明显较片麻岩类岩石叶理倾角陡,前者总体倾角55°左右,后者28°左右,局部可见片麻岩类叶理切割榴辉岩类叶理,因此两者叶理可能形成于不同时期;两类岩石之间现部分为韧性剪切带接触关系,韧性剪切带形成于苏鲁地体折返主期自SEE向NWW的韧性剪切作用。榴辉岩、退变榴辉岩类岩石叶理产状对发育于该类岩石内的微断层产状有一定控制作用,而片麻岩类岩石叶理产状对发育于该类岩石内的微断层产状控制作用相对较弱。孔区脆性变形主要反映白垩纪以来SEE-NWW向伸展构造应力场的变形特征,主孔100~1620m倾伏向以SEE向占绝对优势的微正滑断层擦痕即为该期变形的产物。     

新疆塔里木托云盆地沉积环境与聚煤规律

以1：5万地质填图和钻探验证为基础，经分析研究塔里木托云盆地的地层特征、聚煤期、古地理环境，从而建立起该区的沉积模式，总结出该盆地煤层发育于下侏罗统康苏组上段地层之中，含煤11层，煤层为不稳定发育，但分布具有一定的规律可寻，对进一步找煤具有一定的指导意义。     

晋城矿区西区9#煤层赋存规律及沉积环境

以大量勘探钻孔资料为基础,对晋城矿区西区9#煤层赋存规律、成煤古地理环境及其演化史进行了分析与研究,阐述了不同的沉积类型对煤层厚度的控制作用.为该区今后的地质勘探和煤矿开采提供了依据.     

藏北申扎地区奥陶纪鹦鹉螺类一新属（Variabioceras）

文中材料是采自西藏申扎县塔尔玛乡桥东—扎扛一带鹦鹉螺化石的一部分。描述了3属6种。其中有1个新属Variabioceras gen.nov．和3个新种V．typicum gen．etsp．nov．，V．zangbeiense gen．et sp．nov．，V．robustum gen．et sp．nov．     

中国甘肃发现世界上最大牙齿的植食性恐龙:巨齿兰州龙(新属、新种)

巨齿兰州龙（新属、新种）是发现于中国甘肃省兰州盆地早白垩世地层中的一新鸟脚类恐龙，其牙齿是世界上已知植食性恐龙中最大的。兰州龙下颌长1m，每侧有14个齿槽，而单个牙齿宽约4cm，这是已知恐龙中的首次报道。分支系统学分析发现巨齿兰州龙与非洲早白垩世Lurdusaurus arenatus关系密切。它们代表了鸟脚类恐龙进化中四足行走的笨重的一新支。兰州龙的发现也表明欧亚大陆与非洲在早白垩世具有较密切的联系。     

基于粗糙集的K--均值聚类算法在遥感影像分割中的应用

结合粗糙集理论和K——均值聚类算法，提出一种遥感影像的粗糙聚类分割方法。根据遥感影像中特征属性的相互依赖关系，应用粗糙集理论的等价关系。求出K——均值聚类所需要的初始类的个数和均值。然后采用聚类算法对图像进行分割。实验结果表明该方法比随机选取聚类的中心点和个数减少了运算量．提高了分类精度和准确性。     

基于PCM改进算法的遥感混合像元模拟分析

混合像元的存在是影响遥感图像分类精度的主要原因,模糊分类是进行混合像元分解的重要方法,其效果的好坏取决于各像元分类后对各类别的隶属度值能否准确地反映像元的类别组成。当非监督分类中的聚类数目与实际类别数目不符,或者监督分类中训练样本存在未训练类别时,常用的模糊c-均值(FCM)方法的效果将大大降低,而可能性c-均值(PCM)方法则可以解决这个问题。该文提出了基于PCM算法的遥感图像混合像元分解方法,并用监督分类方法实例说明PCM方法的优越性。