摘要 | 第5-7页 |
abstract | 第7-8页 |
第一章 绪论 | 第11-18页 |
1.1 研究目的及意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-15页 |
1.2.1 遥感蚀变异常提取的产生与发展 | 第12-13页 |
1.2.2 区域矿产资源潜力评价与预测方法简介 | 第13-15页 |
1.2.3 存在的问题 | 第15页 |
1.3 论文研究内容与组织结构 | 第15-17页 |
1.4 本章小结 | 第17-18页 |
第二章 植被覆盖区遥感蚀变异常提取 | 第18-33页 |
2.1 提取遥感蚀变异常方法路线 | 第18-19页 |
2.2 遥感数据与研究区简介 | 第19-22页 |
2.2.1 ASTER数据简介 | 第19页 |
2.2.2 研究区和提取目标 | 第19-22页 |
2.3 蚀变异常提取原理与应用 | 第22-30页 |
2.3.1 减弱植被影响 | 第22-29页 |
2.3.1.1 最小噪声分离技术(MNF) | 第22-24页 |
2.3.1.2 连续最大角凸锥(SMACC) | 第24-25页 |
2.3.1.3 植被波谱识别(SFF/SAM) | 第25-28页 |
2.3.1.4 像元线性补偿置换 | 第28-29页 |
2.3.2 提取蚀变异常 | 第29-30页 |
2.4 结果与分析 | 第30-32页 |
2.5 本章小结 | 第32-33页 |
第三章 基于证据理论模型的矿产资源潜力评价方法 | 第33-40页 |
3.1 Dempster-Shafer信任函数模型 | 第33-36页 |
3.2 信任函数的概率分配 | 第36-38页 |
3.3 验证与评价方法 | 第38-39页 |
3.4 本章小结 | 第39-40页 |
第四章 基于Logistic regression模型的矿产资源潜力评价方法 | 第40-45页 |
4.1 Logistic regression原理 | 第41-42页 |
4.2 模型参数估计 | 第42-43页 |
4.3 模型求解算法 | 第43-44页 |
4.4 本章小结 | 第44-45页 |
第五章 基于受限玻尔兹曼机模型的矿产资源潜力评价方法 | 第45-52页 |
5.1 模型概述 | 第45-46页 |
5.2 模型构建和参数求解 | 第46-48页 |
5.3 一个RBM模型用于异常检测的案例 | 第48-51页 |
5.4 本章小结 | 第51-52页 |
第六章 三种模型在四川省长柏乡热液型铜矿资源潜力评价中的应用 | 第52-86页 |
6.1 证据理论方法在矿产资源潜力评价中的应用 | 第52-64页 |
6.1.1 矿床模型 | 第52-55页 |
6.1.2 数据预处理 | 第55-57页 |
6.1.3 信任函数分配 | 第57-59页 |
6.1.4 证据合成及不确定性评价图 | 第59-62页 |
6.1.5 结果与分析 | 第62-64页 |
6.2 Logistic regression模型在矿产资源潜力评价中的应用 | 第64-76页 |
6.2.1 地球科学空间数据选择与分析 | 第64-67页 |
6.2.2 负类样本的选取 | 第67-68页 |
6.2.3 属性敏感度分析 | 第68-70页 |
6.2.4 矿产资源潜力评价结果 | 第70-74页 |
6.2.5 结果的验证 | 第74-76页 |
6.3 受限玻尔兹曼机方法在长柏乡铜矿产资源的应用 | 第76-80页 |
6.3.1 输入层选择 | 第76页 |
6.3.2 隐藏层和迭代次数的确定 | 第76-78页 |
6.3.3 评价结果 | 第78-80页 |
6.4 三种模型效果对比 | 第80-86页 |
6.4.1 可视化对比 | 第80-82页 |
6.4.2 AUC与ROC对比 | 第82-83页 |
6.4.3 已知矿点验证对比 | 第83-86页 |
第七章 结论与展望 | 第86-88页 |
7.1 结论 | 第86-87页 |
7.2 展望 | 第87-88页 |
致谢 | 第88-89页 |
参考文献 | 第89-95页 |
攻读硕士学位期间取得的成果 | 第95-96页 |