支持向量机在物化探异常预测多金属矿中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·选题背景及依据 | 第9-10页 |
| ·成矿预测研究现状 | 第10-14页 |
| ·成矿预测理论现状 | 第10-11页 |
| ·成矿预测技术方法现状 | 第11-12页 |
| ·成矿预测模型现状 | 第12-14页 |
| ·课题研究内容与技术路线 | 第14-15页 |
| ·研究内容 | 第14页 |
| ·技术路线 | 第14-15页 |
| ·主要成果及创新点 | 第15-16页 |
| 第2章 成矿预测的基础 | 第16-27页 |
| ·岩矿石的分类与特性 | 第16-19页 |
| ·岩矿石的分类 | 第16-17页 |
| ·岩石的化学成分 | 第17页 |
| ·岩矿石的物性特征 | 第17-19页 |
| ·成矿预测的地球物理前提 | 第19-23页 |
| ·岩、矿石电阻率与金属矿含量的关系 | 第19页 |
| ·岩、矿石激电效应与金属矿含量的关系 | 第19-20页 |
| ·岩矿石磁性与含矿量的关系 | 第20页 |
| ·地球物理方法简介 | 第20-23页 |
| ·成矿预测的地球化学前提 | 第23-25页 |
| ·指示元素与矿床的关系 | 第23-24页 |
| ·地球化学晕与矿床的关系 | 第24页 |
| ·地球化学方法简介 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第3章 支持向量机（SVM）理论 | 第27-38页 |
| ·统计学习理论 | 第27-30页 |
| ·机器学习问题 | 第27-28页 |
| ·经验风险最小化 | 第28页 |
| ·VC 维 | 第28-29页 |
| ·推广能力的界 | 第29页 |
| ·结构风险最小化 | 第29-30页 |
| ·支持向量机简介 | 第30-35页 |
| ·最优分类面 | 第31-32页 |
| ·核函数 | 第32-35页 |
| ·回归模型 | 第35-37页 |
| ·不敏感损失函数 | 第35页 |
| ·最优回归超平面 | 第35-36页 |
| ·SVR 模型 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 输入特征量的遴选 | 第38-43页 |
| ·面金属量的引入 | 第38-39页 |
| ·基本输入特征量 | 第39页 |
| ·输入特征量的正则(归一)化 | 第39-41页 |
| ·输入特征量的优化选择 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 预测模型的建立 | 第43-49页 |
| ·核函数及其参数的选择 | 第43-45页 |
| ·成矿预测模型的建立 | 第45-46页 |
| ·预测系统的编制 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第6章 预测模型的应用实例 | 第49-61页 |
| ·沙那根钼钨矿地质概况 | 第49-52页 |
| ·大地构造背景 | 第49页 |
| ·地层与岩石 | 第49-50页 |
| ·地球化学异常特征 | 第50页 |
| ·地球物理异常特征 | 第50页 |
| ·矿体地质特征 | 第50-51页 |
| ·沙那根呼都格找矿模型 | 第51-52页 |
| ·激电测深工作 | 第52-53页 |
| ·仪器设备及参数设置 | 第52-53页 |
| ·数据处理 | 第53页 |
| ·化探工作 | 第53-54页 |
| ·化学分析方法及处理 | 第54页 |
| ·数据处理 | 第54页 |
| ·沙那根呼都格钼钨矿点实例应用 | 第54-60页 |
| ·应用效果分析 | 第60-61页 |
| 第7章 结论与展望 | 第61-63页 |
| ·结论 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 个人简介 | 第67-68页 |
