径向基神经网络模型在滇东南金矿潜力预测中的应用

采用人工网络神经法（Artificial Neural Network,ANN）有助于理解成矿系统的非线性动力学行为和对矿产资源进行预测.其中的径向基神经网络（Radial Basis Function Neural Network,RBFNN）具有优秀的逼近特性,优化过程简单,训练速度快,适合于需要大量数据综合的矿产预测.采用RBFNN方法对成矿地质条件复杂的中国滇东南地区开展金矿成矿预测.研究结果表明,该模型能快速获取成矿潜力信息.通过采用受试者工作特征（Re-ceiver Operating Characteristic,ROC）曲线进行精度验证,表明该模型具有优越的预测能力.     

基于支持向量机及遗传算法的光刻热点检测

提出一种基于支持向量机（SVM）及遗传算法（GA）的集成电路版图光刻热点检测方法.首先对版图样本进行离散余弦变换（DCT）以提取样本的频域特征,然后基于这些样本训练SVM分类器以实现对光刻热点的检测.为了提高光刻热点检测的精度及效率,采用遗传算法（GA）对频域特征进行选择,并同时优化SVM参数.实验结果表明,基于SVM及版图频域特征并结合遗传算法进行优化的光刻热点检测方法可以有效提高版图光刻热点的检测精度.     

SVM回归法在汛期旱涝预测中的应用研究

研究基于统计学习理论的支持向量机（SVM）回归在汛期旱涝预测中的应用．根据浙江省38个测站的降水量资料，用正态化Z指数对汛期旱涝等级进行划分，得到了能够反映全省旱涝状况的指标．以此指标作为预测量，通过相关分析从前期大气环流场、海温场中选取高相关预测因子，应用逐步回归和SVM回归技术分别建立浙江省汛期旱涝短期气候预测模型，并进行了对比分析．结果表明：SVM回归模型集中了众多预测因子的预测信息，有效地利用了支持向量机方法的非线性映射能力，无论在历史样本拟合的精度上还是模型实际预测的能力上都比传统的逐步回归方法有一定提高，具有较好的应用效果．     

多元统计分析在塔里木瓦吉里塔格钒钛磁铁矿床多元素相关性及成矿预测研究中的应用

塔里木巴楚县瓦吉里塔格地区出露有与塔里木早二叠世大火成岩省的形成密切相关的大型钒钛磁铁矿床. 基于多元统计分析对该矿区露头和大量钻孔岩心样品中Fe-Ti-V元素和部分主量元素数据开展了元素地球化学相关性研究. 采用SPSS软件对大量数据进行相关分析和回归分析,计算各元素间的相关系数,Fe、Ti、V 3种元素的相关性分析结果表明： 矿床中Fe、Ti和V之间均呈正相关, 成矿元素与造岩元素之间存在负相关关系;建立伴生钒元素与铁和钛元素之间关系的回归方程V=-4.984+0.360 Fe+0.984Ti,由Fe和Ti元素质量分数可以估算伴生组分V的质量分数.利用Matlab软件的可视化功能,绘制了Fe-Ti-V元素质量分数的三维立体图,建立空间模型,发现Fe₂O_3T、TiO₂和V₂O₅品位较高的位置相对一致,均主要分布于研究区北部中间一带,富集在辉石岩中. 该空间模型的建立有助于识别矿体和非矿体的分布范围和富集趋势,并进行成矿预测. 此项研究对钒元素含量的精确估算和矿藏勘探有一定的指导意义.     

基于SVM的固化土无侧限抗压强度模型

为实现较少试验次数下固化土无侧限抗压强度(qu)的准确预测, 提出了基于支持向量机(SVM)的固化土qu的预测模型. 以固化剂各组分掺入比、龄期、初始含水量、固化剂掺量等因素为输入量, 固化土的qu作为输出量, 以径向基为核函数, 采用网格搜索法和交叉验证法进行参数优化, 建立了基于SVM的固化土qu的预测模型. 算例分析表明: 该模型适用于任意条件下固化土qu的精确预测, 且在较小试验成本下实现与响应面法相当的预测精度.     

语音技术在少数民族语言的应用研究

本文研讨缺乏语言资源的民族语言（如维吾尔语）中如何引用语音技术、开发应用系统问题．提出基于GMM-UBM混合SVM技术方法实现实用性说话人识别系统,通过小语料人工标注语音语料预选高精度声学根（seed）模型、再引导大语料训练生成鲁棒性声模提高连续语音识别精度实现汉民会话语音翻译系统．对维吾尔语70人发话电话语音识别实验结果显示,基于GMM-UBM -SVM方法的不特定说话人识别实验其正确识别率为94.3%,比先行GMM-UBM方法精度提升3%;基于seed声模HTK-Julius技术的维吾尔语连续语音识别实验,其识别率为72.5%,比直接使用语音文本对齐语料单靠HTK实现识别方法（63.2%）精度提高9.3%;同时本研究讨论基于Moses技术的汉维医院门诊会话语音翻译系统预测Blue值达到了57.7%．     

一种基于速度强度熵VMME与纹理特征的人群异常检测算法

人群异常事件检测是智能视频监控领域的重要研究内容, 文章提出了一种融合速度强度熵VMME与纹理特征的人群异常行为检测算法. 该算法采用LBPCM算法提取图像纹理特征, 在视频帧计算光流基础上, 获得特征点速度强度图, 并以其熵VMME作为场景运动特征, 将场景纹理特征和运动特征送入支持向量机训练分类. 实验表明, 新算法可实现对人群异常行为的检测, 且有较高准确率.     

垂直布里奇曼法生长Cd1-xZnxTe晶体的位错分布研究

使用观察位错蚀坑密度方法研究了垂直布里奇曼法生长的Cd1-xZnxTe（CZT）单晶体位错分布规律.实验中选择（110）面几乎平行于径向的晶片,使用EAg-II腐蚀剂对晶片进行腐蚀,观察了晶面上蚀坑的形貌及分布,计算了位错蚀坑密度,得到CZT单晶体位错密度的分布趋势.结合晶体生长工艺,运用完全弛豫弹性应力近似理论讨论了CZT晶体位错密度分布规律.     

基于词序列核的垃圾邮件过滤

针对传统的基于词频特征向量核方法的垃圾邮件过滤算法中忽略词汇间的序列信息而导致信息损失影响过滤精度的问题,本文将词序列核与SVM（support vector machines）算法结合,对垃圾邮件进行过滤,相应的实验表明,该方法提高召回率、正确率和精确率,从而提高了过滤精度.     

精确稀疏扩展信息滤波的地图优化研究

研究了移动机器人同时定位与地图创建（SLAM）精确稀疏扩展信息滤波（ESEIF）的地图优化算法,即利用信息熵度量变量不确定性的特性来对地图特征点进行分类,选择不同类型的特征点处理ESEIF的不同更新过程,同时优化活动地图,使SLAM更新在恒定时间内实现,且提高了机器人和地图的估计精度.仿真实验证明：在特征点多的大环境下,特征点优化后的算法实时性强,估计精确度更高.     

新疆加曼特金矿与阿希金矿的流体包裹体特征对比研究

西天山吐拉苏-也里莫顿早石炭世火山岩带是伊犁晚古生代裂谷的组成部分,是新疆重要的金矿成矿带。本文通过对新疆伊犁加曼特金矿和阿希金矿成矿地质背景的分析,得出两矿的矿床地质特征都显示了明显的浅成低温热液型金矿地质特点。在此基础上,我们又对比研究了两矿床的流体包裹体特征,研究结果表明：两矿床的成矿流体均以低温、低盐度为特征;成矿流体特征相似。但加曼特金矿含矿类型更为复杂,还需进一步深入探讨。     

一种可伸缩的支持向量机的硬件实现方法

提出了支持向量机（Support Vector Machine）学习过程硬件实现的一种新的数字电路结构,它可以在保证向量机学习速度的同时,提高支持向量机的硬件资源利用效率;此外基于此结构的支持向量学习机还可以适用于低于设计数的样本集．由于该设计的灵活性以及其对硬件要求的减小,使得支持向量学习机可以更好、更方便地应用于嵌入式系统中．     

基于Nutch的医疗搜索引擎的研究与开发

针对当前大众借助网络获取医疗信息的需求日益增强,以及通用搜索引擎获取专业领域信息时准确性差、效率低下的缺点,本文设计了基于nutch组件的医疗垂直搜索引擎。该系统实现了中文分词功能,通过文本训练得出了专业词库,运用空间向量模型算法对网页进行医疗主题相关度的计算,实现了网页过滤功能,并在排序算法中加入了主题相关因素。测试结果表明：该系统相对于通用搜索引擎,在获取医疗行业信息方面具有更高查准率,减少了不相关信息的干扰,使医疗信息的查找与定位更精确,能够为大众提供更具针对性的服务。     

东天山造山带晚古生代构造演化与多金属矿产成矿规律

东天山造山带在晚古生代时期经历了四阶段演化过程,即泥盆纪吐-哈古大洋形成,早石炭世俯冲造山,晚石炭世碰撞造山,以及二叠纪造山期后造山带的进一步变形.自北而南划分为大南湖-哈尔里克岛弧带、康-阿板块碰撞缝合带和中天山岛弧带等三个一级构造单元(带).东天山的矿产严格受构造控制,在晚古生代构造演化期间发育的铜、金、铜镍硫化物等多金属矿床的成矿具有十分明显的时-空演化规律.发育有斑岩型铜矿床、铜(镍)硫化物矿床、矽卡岩型铜多金属矿床、韧性剪切带型金矿床和热液型金矿床等矿床类型.这些矿床在东天山地区构成四条大的成矿带:康古尔断裂以北铜矿带;金、铜镍硫化物矿床成矿带(北带);阿齐山-雅满苏铁(铜)、银多金属成矿带(南带)和中天山地块铁、铅锌、银成矿带.     

吐哈盆地鲁克沁构造带稠油成藏机理

鲁克沁构造带稠油藏属于吐哈盆地前侏罗系稠油分布区．研究表明,其油源为台北凹陷二叠系,中高孔、渗的中上三叠统为其提供了良好的储层条件．鲁克沁构造带三叠系油藏烃类注入至少有两期,早期为晚三叠世-早侏罗世,晚期是晚白垩世,并以早期注入为主．稠油成藏则由多因素综合作用造成,由于早期源岩成熟度较低,原油本身较稠,而油气运移过程中轻质组分散失、生物降解和盆地抬升剥蚀阶段大气水下渗所导致的水洗氧化等作用则使其进一步稠化．     

一种基于核主元分析的支持向量机识别方法

核主元分析具有能较好地提取非线性特征的优势;支持向量机具有的非线性映射能力,且泛化能力强.它们在分类与识别中应用时都各有自己的优点,结合核主元分析和支持向量机的特点,提出一种基于核主元分析的支持向量机识别方法,用该方法分别对 ORL 人脸库和iris数据集中的数据进行分类与识别,结果表明:如果根据设计好的核函数的参数,可以得到极高的识别率.     

面向非平衡数据处理的样例惩罚支持向量机

支持向量机在处理非平衡数据集时常常不能取得良好的效果,因为其分类性能只考虑了总体分类精度,而忽略了不同类别样例之间的精度权衡.本文提出了一种基于样例分布的样例惩罚支持向量机,可以针对每一个样例根据其相应的分布特性选取惩罚以获得高敏感度的分类面.实验表明,该模型比标准支持向量机在非平衡数据上具有更好的性能.     

基于深度学习的岩石薄片矿物自动识别方法

岩石薄片矿物识别是岩石学研究工作的基础,亦是进一步认识岩石种类、成因机理、物质运移和演化历史的基础。传统的矿物识别主要依靠光学显微镜进行人工鉴定,经济成本和时间成本较高、效率较低,且受制于专家个人经验与主观判断。随着深度学习技术的发展,计算机能从图像中自动提取更准确的语义信息,从而为岩石薄片图像的智能分析提供有效途径。提出了一种基于深度学习的岩石薄片矿物自动识别方法,利用深度卷积神经网络自动提取岩石薄片图像中不同矿物的有效特征,并对其进行语义分割与识别,综合利用单偏光与正交偏光2种光性图像实现了对矿物的自动识别。对南京大学岩石教学薄片显微图像数据集进行了矿物识别测试,结果表明,总体精度为86.7%,Kappa系数为0.818,识别结果较传统图像分类方法更准确。     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据，随着高分辨率遥感图像数据的日益增多，迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分，在特征选择上存在一定的局限性。为此，提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network，DCNN）的多尺度神经网络（multi-scale neural network，MSNet）模型，基于残差网络构建了100层编码网络，通过并行输入实现输入图像的多尺度学习，利用膨胀卷积实现特征图像的多尺度学习，设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验，总体分类精度达91.97%，并将其与传统全卷积网络（fully convolutional networks，FCN）方法和基于支持向量机（support vector machine，SVM）的面向对象方法进行了对比，结果表明，本文所提方法分类精度更高，分类结果整体性更强。