人工神经网络在地质学判别分析中的应用

将现代人工神经网络方法应用于地质学的判别分析，通过实例计算表明，无论是对于两组判别分析还是多组判别分析，人工神经网络方法都是切实可行的。     

南海北部海区水团的判别分析

将判别分析应用于南海北部海区的水团分析。划分为八个水团:沿岸冲淡水团(F),近岸混合水团(M),暖表层水团(WS),表层水团(S),表—次层混合水团(SU),次层水团(U),次—中层混合水团(UI)和中层水团(I)。给出了各水团在四季代表月的Bayes多组判别的系数和参数。用资料检验判别的成效.冬季和春季可达95.90％以上,夏季为94.80％,秋季是全年最低值,为92.72％。讨论了造成错判的原因,并与Fisher判别作了比较。当测值维数较低时,建议选用Bayes判别。对八个水团以及各水团两两之间差异的显著性进行了检验,证实在每个季节中各水团之间的差异,都在高度置信水平(α=0.01)上具有显著性。因而,划分为八个水团是有实际意义的,其判别式的系数和参数,可用于实际的判别和预报。     

法国诺曼底地震分布的点模式分析

提出了分析稀疏震中分布的一种新的数学方法。此方法主要是用于评价地震震中分布的线性特征是否显著，从而进一步识别地震断层。将该方法用于合成数据集和旧金山湾地震数据的试验表明，其识别能力还是较好的。如果把该方法应用于实际数据，必须结合地质信息，以此消除人为影响。本文应用该方法分析了西诺曼底地区的震中分布，并由稀疏震中追踪主要的构造方向。     

脑白质稀疏的CT特点及诊断价值

目的　探讨螺旋CT对脑白质稀疏的诊断价值，以提高脑白质稀疏的诊断水平。方法　对100例脑白质稀疏患者的CT及临床资料进行回顾性分析研究。结果　脑白质稀疏好发于50岁以上者，常见于痴呆及脑血管患者。CT特征表现为双侧脑白质对称性低密度灶，或并发脑梗塞、脑出血及脑萎缩。结论　熟悉本病的临床和CT特点，对提高本病的诊断正确率有重要价值。     

使用稀疏宽带台网进行区域及远区域地震定位和震源参数估计：对里奇克雷斯特地震序列的检验

对1995年加利福尼亚里奇克雷斯特地震序列，使用伯克利数字地震台网（BDSN）的宽带，大动态范围仪器记录的数据进行了地震定位和震源参数估计。本文的目的是研究稀疏宽带合网对网外区域的监测能力，它也适合于全面禁止核试验条约（CTBT）监测小震级地震事件的情况，另外，我们还介绍一个震例研究，这是其他区域宽带台网检测能力的代表。为了评估稀疏台网的检测能力，我们把根据BDSN震相测量所估计的地震位置与“直实位置”目录中由南加州地震台网（SCSN）记录数据得出的高质量地震位置做了比较。为了确定不同类型数据对绝对事件定位的重要性，使用了一个自适应网络搜索定位程度，它利用了一个或多个台站的多震相拾取的时间和方位角。我们使用了BDSN台站距离范围在250－500km和500-800km内的稀疏子台网，结果表明：在区域距离范围内，可能得到达到18km以内的绝对事件定位，这是CTBT所要求的，然而，在远区域距离范围内，较低的保噪水平不可能使事件的定位达到CTBT所要求的目标。     

地球物理反问题中的随机反演理论

本文从最大后验概率密度观点出发，在数据噪音向量和待求模型向量为具有零均值的独立高斯随机过程的假设前提下，建立起了随机反演的非线性系统方程；给出了模型方差估计的函数表达式，并在文章最后，证明了反演解的稀疏性，即解释了随机反演的输出解的高分辨率特征。文章在最小二乘反演方法的基础上，发展并完善了随机反演方法的理论基础；揭示了随机反演方法与最小二乘反演方法之间的本质区别；阐述了随机反演方法的优越性，并指出了其广阔的应用前景。     

夏季降水量与气温资料的恢复试验

该文对我国汛期降水量和气温缺测资料及资料均一性恢复的方法进行试验研究。对单个气候地区（东北区），以及全国6个气候地区用逐步回归和逐步判别方法进行缺测1～5年恢复试验。对东北地区内所有站点的试验表明，逐步判别分析方法比逐步回归分析方法恢复效果好些；选择邻站用判别分析方法建立的恢复模型，效果更好。全国气候地区试验表明，选择邻站的判别分析方法有较好的恢复效果。     

数学地质在矿山研究中的应用--判别分析归类矿体属性实例

数学地质方法为宏观地质研究提供了定量的可能。判别分析对研究未知属性矿体的归属有着重要的意义。苏州西部地区通安——潭山多金属成矿带中，小茅山铜铅锌矿段，潭山铅锌银铁矿段位于成矿带的两端，属性已知。该成矿带中有一未知属性的铜铅锌银迂里矿段，用判别分析方法对其归类。研究结果表明，未知属性的迂里矿段归属潭山多金属硫化物矿床类型，即高—中温多金属硫化物矿床类型。     

高光谱影像概率分类向量机分类方法研究

从分析基于支持向量机和相关向量机的高光谱影像分类方法的优势和不足出发,将基于概率分类向量机的方法用于高光谱影像分类试验。在贝叶斯理论框架下,概率分类向量机为基函数权值引入截断Gauss先验概率分布,使得不同类别的基函数权值具有不同符号的先验分布,并利用EM算法进行参数推断,得到足够稀疏的概率模型,弥补了相关向量机选取错误类别的样本作为相关向量的不足,从而有效地提高了模型的分类精度和稳定性。OMIS和PHI影像分类试验表明,概率分类向量机能够很好地应用在高光谱影像分类。     

养殖曼氏无针乌贼(Sepiella japonica)的两性异形及判别模式的建立

两性个体的有效鉴别是曼氏无针乌贼高效繁育及养殖模式(如单性养殖)建立的基础。为研究曼氏无针乌贼主要形态指标及雌雄形态差异,测量了160只F1代曼氏无针乌贼的19项可测量性状及13项标准化性状。采用聚类分析、主成分分析和判别分析方法研究了曼氏无针乌贼同生群两性间的形态差异。结果表明:两性间可测量性状和标准化性状各有10项有显著性差异(P0.05);对标准化性状经过主成分分析和R-聚类分析均显示曼氏无针乌贼的两性的差异主要集中在辅助交配器官特征,头部特征,捕食器官和肥瘦特征以及体型特征等4个方面。在此基础上,通过逐步判别法从标准化性状中筛选出3项,即左3腕长/胴长、左4腕长/胴长及左触腕长/胴长,建立了雌雄的判别方程:雄性:F1=223.42X3+165.85X4+7.951X5–108.06;雌性:F2=151.48X3+92.71X4+19.19X5–60.38。所建立的判别方程,对样本群体的综合判别率达到95.00%。利用F2代亲体测量数据对判别函数进行识别验证,综合判别率达到85.34%。在判别方程中的3个标准化性状中,左3腕长/胴长和左4腕长/胴长在两性亲体间均存在显著的差异(P0.05),表明曼氏无针乌贼的雄性在性选择的作用下,交配器官存在显著差异。