第二代航磁黄沙坪异常的分解及其矿产新空间

本文采用同时具有识別、分解、解释异常三重作用的三元解释法■,在黄沙坪异常负值区有效地提取了由未知的深源磁性体引起的剩余异常。该异常与已知的中、浅源磁性体分处于极为类同的成矿地质背景中。后者与隐伏岩体、铅锌多金属盲矿体之间有着密切的成生联系。这为前者间接找矿提供了有力的依据。定量解释结果中,两者间的磁矩等效关系,论证了已知矿床西侧深部空间里,仍存在找到又一个大型矿床的前景。     

地震前虎皮鹦鹉(Melopsittacus undelafus L.)叫声的模式识别

近年来,我国多数地震动物观察站(SAOS)监测虎皮鹦鹉(BG=budegerigar)的叫声频度与地震的关系,并取得了一些观测结果。但是,所用的声记录仪未能考虑BG叫声的声学特性,而不能分辨BG不同的叫声和进一步提取震兆性叫声模式(EPCP),并易受到环境噪声的干扰而产生误计数。 据此,分析了BG不同声行为叫声的声学特性。BG叫声大致上可分为单次叫声(SC)、变音调叫声(VTC)、单音节和多音节抗议叫声(MoSPC和MuSPC)。由此,进一步研制了它们的模式识别系统。该系统是以单片机为核心的微处理机,对BG叫声进行预处理、编码、分析、显示和打印输出。 观察结果表明,在高声场旅游飞机噪声(TAN)干扰下,该系统的BG叫声识别率(CRR)为66.7％,而对TAN没有误计数。在含10次不同声强的TAN干扰(432秒)的30分钟内,该系统记录了588次叫声(SC、VTC、MoSPC和SPC分别为377、22、20和169次),仅丢失65次叫声,其CRR平均为90％。但是,SAOS目前使用的声记录仪,这10次TAN干扰所产生的误计数可能约为BGU叫声的2.6—13倍。 由此可见,这种模式识别系统不仅可满足于BG不同叫声的识别,且具有良好的抗噪声功能。这就使之可为地震前BG声行为观测提供更有用的信息。不仅可给出BG叫声频度的昼夜节律变化与地震的关系,并可为揭示BG的EPCP提供一定的依据。     

我国大陆及其邻区6级以上地震的“缺震事件”——一种大地震中期预测指标的分析研究

在内陆强震活动的起伏中,6级以上地震的大范围长时间缺震,具有重要的意义。有的研究者已将其作为将发生7级地震前的标志之一。作者系统地清理了1897—1988年8月间中国大陆及其邻区6级以上地震“缺震事件”的始末,较多的震例表明,限定“缺震事件”起止的地震具有中期预报意义。它们在地震构造上的原因可能是代表区域最活跃的破裂,突然处于阻碍、闭锁状态,其持续时间大于10个月,再次发生6级以上地震为解锁,并随即出现新的一轮大地震活动。故可以作为一种大地震中期预测的指标。     

复杂构造应力扰动场与发震构造识别问题的研究

在地震短临阶段异常是由局部断层扩展或弱化引起。实验与数值模拟结果曾得到与之相伴的是平均应力扰动场的四象限分布和最大剪应力扰动场的八瓣式分布。为检验此结果的普适性作了进一步的研究。结果表明不论区域构造及其基本应力场如何复杂，这种四象限分布与八瓣式分布型式不变，这为最终判定失稳区提供了依据。与此同时，在复杂构造情况下这种应力扰动场的畸变也不容忽视     

动态聚类-模糊模式识别及其应用

本文以模糊子集论为指导,在迪戴的DCM法的基础上提出了动态聚类-模糊模式识别方法。实际上,它是一种新的模糊聚类的方法。该方法以DCM法的动态聚类部分做为原始数据变换的手段,而将迪戴的强模式概念推广为模糊模式,将强模式识别推广为模糊模式识别。此外,还提出了模糊模式间联系度的概念,从而解决了类间联系、类内典型个体、类间过渡个体、个体对各类的隶属程度以及内部有某种演化趋势的类别的划分等问题。文章还给出了该方法的数学模型和算法概要。最后,通过一个在地质学中的应用实例,说明了该方法的应用效果。     

Supervised neural network recognition of habitat zones of rice invertebrates

This study aimed to evaluate effectiveness and performance of several supervised neural network models and make pattern recognition on invertebrate habitat zones. Probabilistic, general regression, and linear neural networks, and discriminant analysis were used to recognize both known and unknown invertebrate habitat zones. The results showed that neural network models were better than traditional discriminant analysis in the recognition of known habitat zones. There was not distinctive variation in recognition from different neural network models. Sensitivity analysis indicated that the learning rate of the neural network would influence recognized results. An unknown invertebrate species from Lepidoptera was recognized to be soil-dweller (dryland) by both neural network models and discriminant analysis. In sensitivity analysis it was additionally recognized to be the type of plant canopy (terrestrial). Overall the species was estimated to be a soil-dweller (dryland) or live on plant canopy (terrestrial). It was concluded that neural network models can perform better than conventional statistic models in pattern recognition, but a comprehensive comparison among various models is necessary in order to achieve a high reliable recognition and prediction. Furthermore, sensitivity analysis can lead to an in-depth grasp on the mechanism in the recognition and is thus needed.     

土壤遥感分类识别推理决策器的设计

介绍了干旱区土壤遥感分类识别推理决策器的设计原理与实现方法。在用TM遥感图像对土壤类型进行非监督分类的基础上，建立了正向推理与逆向推理相结合的推理机制，对土壤类型进行分类识别决策。用知识表示的产生式规则与框架式规则相结合的数据结构表示土壤学专家的土壤分类识别知识。用像结构模式建立了土壤分类识别的规则，构造了土壤分类判决树，并用典型像例模式进行了各类型土壤判据文件的组织。用该方法对新疆天山北麓阜康试验区的土壤分类识别进行了试验研究。结果表明，该方法分类精度可靠，为干旱区土壤分类识别开辟了一条新的途径。     

卫星图像中不同水体类型识别研究

在具有高空间分辨率特性的图像上,城市中大型建筑物、道路、河流、湖泊和其他人工地物形状特征和纹理特征清晰可辨。针对高分辨率卫星图像的特点,文章以水体类型识别为例,从卫星数字图像目标地物波谱特征抽取入手,通过图像分类,将水体从背景中分离并予以识别,同时实现像素重组。在区域分割与边界跟踪基础上,对卫星图像进行水体形状特征的抽取与描述,实现不同水体类型的识别。     

地形图点状符号自动识别中不变性特征参数的提取

特征参数的抽取,是实现地形图中点状符号自动识别的关键。本文根据点状符号在扫描图中可能出现的旋转、缩放等情况,归纳和总结出了４种易于计算的不变性特征,并给出了这些特征的提取方法和部分实验结果。这４种特征参数是:复杂度——用以描述符号外围的复杂程度;扁率——用以反映符号的扁平程度;比重——符号的黑色部分在其整个覆盖区域中所占的比例;偏心率——用以反映符号重心与符号的几何中心的偏离程度。这４种特征参数具有旋转不变性和大小不变性,且便于提取、容易计算。     

关于若干化探数据处理方法的讨论

化探数据处理中的系统误差校正和异常识别方法很多，移动标准化法、分区标准化法和衬度系数法是其中的几种方法，主要对这几种方法做了简单的介绍并对其效果进行了对比，最后着重讨论了C型变换法的优点。