基于决策树的我国农业数据挖掘分析

决策树是用于分类的常用建模方法。首先对分类的概念和决策树方法分别进行了总体介绍,在此基础上对我国30个省市自治区的乡村劳动力、耕地面积以及农业总产值信息数据进行了挖掘分析,在运用决策树对数据进行分类过程中对连续数据采用聚类分析的方法进行离散化处理,从而避免了原始经验分类方法的主观性。最后,通过上述决策树分类方法,生成我国农业情况的决策树,获得相关空间分类规则,并对其进行分析说明。结果表明,决策树分类方法适合我国农业情况。     

人口空间聚类规则挖掘——全国各省市产业结构分类研究

本文采用离差平方和法(Ward方法),对2005年全国31个省市产业结构情况进行分析说明,归纳总结出各省市的主要产业类型及各产业与人均生产总值的关系,并从经济的视角获得各省市的产业结构类型与其经济发展状况的关系。     

基于分区的局域神经网络时空建模方法研究

区域数据表现为两种尺度的空间特性:反映全局特征的空间依赖性和反映局域特征的空间波动性.空间波动性表现为空间数据在局部地区的聚集或高低交错现象.在研究区域数据时空预测性建模时,从降低数据的空间波动和不平稳性对模型预测能力的影响角度出发,提出了一种基于分区的局域神经网络时空非线性建模的思路.分区过程由基于空间邻接关系的K-means聚类算法完成.不同的分区方案通过相关性、波动性、紧凑性等指标进行评价和优选.在确定最优分区方案的基础上,对各子区分别采用两层前馈网络进行建模,模型的输入不仅要考虑本区内单元的作用,而且要考虑相邻子区的边界效应.各神经网络模型的时空预测能力通过平均相均差和动态相似率等指标进行衡量.最后,通过对法国94个县每周流感报告病例的时空建模分析表明,与全局神经网络模型相比,基于分区的局域神经网络模型具有更好的预测能力.     

下庄矿田湖子地区铀矿找矿方向探讨

湖子地区位于NNE向诸广-新兴铀成矿带与近EW向大东山-漳州大断裂复合部位,是华南早、晚两期铀成矿热液活动叠加区、放射性高场区,既有"硅化带大脉"型铀矿产出,又有"交点"型铀矿存在,找矿前景良好.文章在论述下庄矿田铀成矿地质环境、铀成矿特征及铀矿定位条件基础上,分析了湖子地区铀成矿条件与找矿前景,指出该区今后铀矿找矿方向是:① 6009号硅化断裂带,在其北段找硅化带大脉型铀矿,在其南段找"交点"型铀矿;②新桥-下庄硅化断裂带和6009号带之间成矿部位,寻找硅化带型和"交点"型铀矿;③NW向、近EW向辉绿岩脉与NNE向、NE向构造交汇部位(交点),寻找"交点"型铀矿.     

新疆坎儿井现状及其发展

简述了新疆坎儿井的构成、特点、研究意义,分析了坎儿井衰退状况及其原因,列举了已进行的坎儿井保护工作,提出了坎儿井于枯断流的综合治理对策及今后的发展方向。     

嵩县纸房钼矿地质特征与找矿方向

嵩县纸房钼矿为马超营断裂多金属成矿带上首次发现和评价的层间脉型钼矿床．并迅速带动了在该区寻找脉型钼矿。通过对矿体形态、矿石质量、围岩蚀变和控矿要素等的分析研究,认为该矿床为中低温热液充填石英脉型层状矿床．指出了该区域新的找矿方向。     

改进相似性测度的高光谱影像FCM聚类分析

高光谱遥感将反映目标辐射属性的光谱信息与反映目标空间几何关系的图像信息有机地结合在一起,能够实现地面目标的精细分类识别。FCM是一种有效的聚类算法,但存在相似性测度模型单一、分类精度的提高受到限制等问题。文中结合高光谱影像的技术特点,综合考虑光谱曲线的形状、地物辐射亮度及其权重,提出可以更好描述光谱向量之间的相似性的距离测度,并将其引入到FCM聚类模型中。聚类分析试验结果表明：通过改进和优化相似性测度的FCM,可以显著提高高光谱影像聚类精度。     

牟平邓格庄金矿地质特征及找矿方向

邓格庄金矿成因类型为中温热液充填式富硫含金黄铁矿石英脉型金矿床。通过对邓格庄金矿床的地质特征、控矿因素及矿床成因的系统研究,认为矿区NNE向断裂与其他方向断裂交汇部位为金矿的有利成矿部位,在分析找矿标志的基础上,提出应加大矿区深部及外围的找矿力度,进一步查证地球物理、化学异常,以期发现新的金矿远景区,进而指出了深部找矿的方向。     

一种基于双重距离的空间聚类方法

传统聚类方法大都是基于空间位置或非空间属性的相似性来进行聚类,分裂了空间要素固有的二重特性,从而导致了许多实际应用中空间聚类结果难以同时满足空间位置毗邻和非空间属性相近。然而,兼顾两者特性的空间聚类方法又存在算法复杂、结果不确定以及不易扩展等问题。为此,本文通过引入直接可达和相连概念,提出了一种基于双重距离的空间聚类方法,并给出了基于双重距离空间聚类的算法,分析了算法的复杂度。通过实验进一步验证了基于双重距离空间聚类算法不仅能发现任意形状的类簇,而且具有很好的抗噪性。     

Textural segmentation of digital rock images into bedding units using texture energy and cluster labels

The texture of digital rock images, as recorded, for instance, with borehole imaging devices, is shown to reflect different bedding types. Textural segmentation of borehole images, therefore, subdivides the recorded sequence into bedding units. We show that a textural segmentation algorithm based on the concept of texture energy achieves good results when compared with synthetic as well as real data in which petroleum geologists have performed zonations on cores. Texture energy involves filtering of the original image with a set of texture sensitive masks. The filtering is done as a finite convolution over the size of the masks. On the resulting images the variance is computed over a relatively large sliding window, which, in its practical implementation, covers the full width of the image. The resulting nine one-dimensional curves are then clustered hierarchically into a user-determined number of image texture or lithological bedding classes. Principal component analysis previous to clustering can be used to reduce redundancy in the data. A recurring and relatively ill-defined problem in this field are macro-textures, i.e., the cyclic interbedding of two or more bedding types. We show that sliding Fourier transforms and variable mask scale can successfully address the zonation of macro-textures. In general, the method gives best results with mask sizes equivalent to 2–4 centimeters, reflecting the length scale at which the investigated geological bedding seems to have its highest variation.