可控源音频大地电磁测深法在地热勘查中有效性探讨

电磁测深方法的探测深度与频率密切相关,而音频范围的可控源音频大地电磁测深深度可达数千米,适用于研究地下深部电性分布规律,判识地层与构造特征,圈定热储埋深,为地热井选址提供依据。以北京延庆山区、江苏洪泽湖凹陷与张家港西张褶皱隆起三个典型勘查区为例,介绍了可控源音频大地电磁测深在厘定深部地层结构、解释深大断裂延伸方向及倾向、推断储热地层及地热通道等方面的应用。实例表明可控源音频大地电磁测深方法在地热探测中有效可行。

浙江乌岙铅锌矿原生异常特征与远景预测

浙江乌岙铅锌矿是一个隐伏层状热液型矿床,赋存于前震旦系陈蔡群混合岩化片麻岩层间剥离构造中。面积性构造裂隙岩石测量结果显示,矿区发育Pb、Zn、Ag、W、Sn、Cd、S、Se、Te、In、Cu、Bi、Co等元素异常,常量组分CaO、MgO、Fe_(2)O_(3)高值区和SiO_(2)、Al_(2)O_(3)、K_(2)O低值区套合部位为成矿有利区。在矿区西北部发现三处新的地球化学异常,推测深部可能存在隐伏矿体。

综合物化探方法在干旱荒漠区金属矿勘探中的应用

在环境极端困难的干旱荒漠区,单一物化探方法难以快速有效的获得金属矿勘探成果,为此在内蒙古黑鹰山地区利用高精度磁法、大功率激电、可控源音频大地电磁测深法和化探岩屑测量等技术手段进行了综合勘探:首先在较短时间内采用高精度磁法、大功率激电法进行面积性测量,确定成矿有利部位,在此基础上利用可控源音频大地电磁测深法成果,结合化探岩屑测量结果进行验证孔位布设。依据综合勘查资料推断该区金属矿(化)体处于构造破碎带内及两侧部位,经钻孔验证,深度5~216.2m均可见矿化体,其中在孔深65.9m处发现较厚富矿体,钻探结果与物化探预测较吻合。

基于K近邻的快速稀疏描述改进算法设计

传统的基于稀疏描述分类SRC人脸识别算法采用1范数,需要进行多次迭代运算,计算复杂度高,难以满足实际人脸识别的响应效率的需求.针对这些问题,提出了一种基于2范数的K近邻的快速稀疏描述算法,这种方法通过cosine相似性测试样本间距,求出K近邻,线性组合K近邻,进而求出训练样本与测试样本间的相对偏差,进行分类.整个过程主要计算代价除确定K近邻外,仅为线性组合K近邻求解一个线性方程组的计算代价,与传统基于迭代算法的稀疏方法相比,计算复杂度降低,具有较好的鲁棒性和可靠性.

覆盖区矿产勘查中电法技术应用及有效性探讨

香林香达铜矿床位于内蒙古苏尼特右旗境内,属于华北板块北缘多金属成矿带的一部分。区内覆盖较厚,为草原景观区,地表露头较少,地质填图和化探方法难以满足勘查需求。本次在探矿权范围内,通过大比例尺激电中梯面积测量圈定了两处激电异常(1km2),有效缩小了找矿靶区范围。结合可控源音频大地电磁测深精测剖面对激电中梯异常部位进行剖析,圈定了地下极化异常体的空间位置。经钻探验证激电异常为矿致异常,见矿总厚度15m,铜的最高品位3.14%,平均品位1.21%。确定了本区可控源音频大地电磁测深反演剖面高阻异常的边缘部位,构造带低阻异常区内相对高阻异常部位为矿体位置,证实了激电中梯面积测量配合频率域电磁法在覆盖区内金属矿勘查中得有效性,相关研究成果为该类覆盖区找矿提供参考依据。

北山地区古元古界北山岩群中长英质脉内锆石U-Pb年龄及其地质意义

深熔作用是大陆地壳分异、元素迁移富集的重要地质过程。位于中亚造山带南缘的北山地区,笔者等对前寒武系北山岩群进行了研究,结果表明该岩群普遍经历了角闪岩相变质及深熔作用,长英质浅色脉体分布广泛,却鲜有文献报道。绵山地区出露的古元古代北山岩群斜长角闪岩及相关的长英质浅色脉体的野外地质特征、相互关系共同指示了北山岩群变质地层经历了部分熔融,熔体在原地分凝聚积。锆石LA-ICP-MS U-Pb测定结果表明,顺北山岩群变质地层片理产出的长英质浅色脉体锆石n(^(206)Pb)/n(^(238)U)加权平均年龄约为370 Ma,表明深熔作用发生时间为晚泥盆世;一测点的n(^(207)Pb)/n(^(206)Pb)年龄为1623±12 Ma,与前人报道的北山岩群测年结果高度相近,虽此年龄值不足为证,但结合产出特征,可能指示长英质浅色脉体的源岩为北山岩群。此外,北山岩群中深熔作用普遍发育,露头可见大量的石榴子石、电气石、云母类矿物,指示区内部分稀有元素成矿潜力巨大。

基于L1-范数和弹性网约束的鲁棒稀疏块PCA

块主成份分析(block principal component analysis,BPCA)是一种重要的子空间学习方法,能充分利用图像矩阵的部分关联.基于L1-范数的BPCA是近年来发展起来的鲁棒降维的有效方法.本研究提出了一种新的鲁棒稀疏BPCA方法,称之为BPCAL1-S.该方法相对于传统的基于L2-范数的PCA对噪声更加鲁棒.为了建立稀疏模型,优化过程中引入弹性网,联合使用Lasso与Ridge惩罚因子进行约束.提出了一种贪心算法逐个提取特征向量,对迭代过程的收敛性做了理论证明.将BPCAL1-S应用于图像分类与图像重构,实验结果验证了该方法的有效性.

一种稀疏图正则化的非负低秩矩阵分解算法

非负矩阵分解方法(non-negative matrix factorization,NMF)广泛应用于图像聚类、计算机视觉、信息检索等领域。但是,现有的NMF方法还存在一些不足之处:①NMF方法直接在高维原始图像数据集上计算它的低维表示,而实际上原始图像数据集的有效信息常常隐藏在它的低秩结构中;②NMF方法还存在对噪声敏感以及鲁棒性差的缺点。为了提高NMF算法的鲁棒性和可解释性,提出一种稀疏图正则化的非负低秩矩阵分解算法(sparse graph regularized non-negative low-rank matrix factorization,SGNLMF)。通过低秩约束和图正则化,SGNLMF算法同时利用了数据的几何信息和有效低秩结构;此外,SGNLMF算法还对基矩阵加以稀疏约束,使得其鲁棒性和可解释性均有一定的提升。还提出了一种求解SGNLMF的迭代算法,并从理论上分析了该求解算法的收敛性。通过在ORL和YaleB数据库上的实验结果表明SGNLMF算法的有效性。

基于Hessian正则化和非负约束的低秩表示子空间聚类算法

针对低秩表示(LRR)子空间聚类算法没有考虑数据局部结构,在学习中可能会造成局部相似信息丢失的问题,提出了一种基于Hessian正则化和非负约束的低秩表示子空间聚类算法(LRR-HN),用来探索数据的全局结构和局部结构。首先,利用Hessian正则化良好的推测能力来保持数据的局部流形结构,使数据局部拓扑结构的表达能力更强;其次,考虑到获得的系数矩阵往往有正有负,而负值往往没有实际意义的特点,引入非负约束来保证模型解的有效性,使其在数据局部结构描述上更有意义;最后,通过最小化核范数寻求数据全局结构的低秩表示,从而更好地聚类高维数据。此外,利用自适应惩罚的线性交替方向法设计了一种求解LRR-HN的有效算法,并在一些真实数据集上,采用正确率(AC)和归一化互信息(NMI)对所提出的算法进行了评估。在ORL数据集上聚类数目为20时的实验中,LRR-HN与LRR算法相比,AC和NMI分别提高了11%和9.74%;与自适应低秩表示(ALRR)算法相比,AC和NMI分别提高了5%和1.05%。实验结果表明,LRR-HN与现有的一些算法相比,AC和NMI均有较大的提升,有较好的聚类性能。

自适应图正则化的低秩非负矩阵分解算法

图正则化(nonnegative matrix factorization,NMF)算法(graph regularization nonnegative matrix factorization,GNMF)仍存在一些不足之处:GNMF算法并没有考虑数据的低秩结构;在GNMF算法中,其拉普拉斯图是使用K近邻(K nearest neighbor,KNN)方法预先定义的,而KNN方法无法总是获得最优图解,从而使得GNMF算法的性能不能达到最优。为此,本文提出了一种自适应图正则化的非负矩阵分解算法(nonnegative low-rank matrix factorization with adaptive graph neighbors,NLMFAN)。一方面,通过引入低秩约束,使得NLMFAN可以获得原始数据集的有效低秩结构;另一方面,设计了一种通过自适应求解相似度矩阵的方法来进行图的构建,即图的构造和矩阵分解的结果被融入一个整体的框架中,使得图中节点的相似性是自动从数据中学习得到的。此外,本文还给出了一种求解NLMFAN的有效算法。在多种数据集上的实验验证了本文所提出的算法的有效性。

基于L21范数的非负低秩图嵌入算法

现有的非负矩阵分解方法直接在原始高维图像数据集上计算低维表示,同时存在对噪声数据、噪声标签、不可靠图敏感及鲁棒性较差的缺点.为了解决上述问题,文中提出基于L21范数的非负低秩图嵌入算法(NLGEL21),同时考虑原始数据集的有效低秩结构和几何信息.在图嵌入和数据重构函数中引入L21范数,进一步提高鲁棒性,并给出求解NLGEL21的乘性迭代公式和收敛性证明.在ORL、CMU PIE、YaleB人脸数据库上的实验验证NLGEL21的优越性.

非负低秩图嵌入算法

现有的非负矩阵分解方法(NMF)还存在一些不足之处。一方面,NMF方法直接在高维原始图像数据集上计算它的低维表示,而实际上原始图像数据集的有效信息常常隐藏在它的低秩结构中;另一方面,NMF方法还存在对噪声数据和不可靠图敏感以及鲁棒性差的缺点。为了解决这些问题,提出了一种非负低秩图嵌入算法(NLGE),该算法同时考虑了原始图像数据的几何信息和有效低秩结构,使得其鲁棒性有了进一步的提高。此外,还给出了一种求解NLGE算法的迭代规则,并进一步证明了该求解算法的收敛性。最后,在ORL、CMU PIE、YaleB和USPS数据库上的实验结果表明了NLGE算法的有效性。

基于干净数据的流形正则化非负矩阵分解

现有的非负矩阵分解(NMF)算法往往基于欧氏距离来设计目标函数,对噪声比较敏感。为了增强算法的鲁棒性,提出一种基于干净数据的流形正则化非负矩阵分解(MRNMF/CD)算法。在MRNMF/CD算法中,把低秩约束、流形正则化和NMF技术无缝地融为一体,使算法性能较为优异。首先,通过添加低秩约束,MRNMF/CD可以从噪声数据中恢复干净数据,并获得数据的全局结构;其次,为了利用数据的局部几何结构信息,MRNMF/CD把流形正则化融入目标函数中。此外,还提出了一种求解MRNMF/CD的迭代算法,并从理论上分析了该求解算法的收敛性。在ORL、Yale和COIL20数据集上的实验结果表明,MRNMF/CD算法比现有的k-means、主成分分析(PCA)、NMF和图正则化非负矩阵分解(GNMF)算法具有更好的识别准确性。

自适应图正则化稀疏编码算法

在GraphSC算法中,拉普拉斯图是预先定义并且固定不变的,并不会参与之后对于字典与稀疏编码的学习过程,而预先定义的拉普拉斯图往往不是最合适的。针对此问题,提出了自适应正则化稀疏编码(graph regularization sparse coding with adaptive neighbour,GraphSCAN)算法。该算法使用自适应方法构建合适的局部拉普拉斯图,然后将其加到SC的目标函数中;从而将图的构建和稀疏编码纳入到统一框架中,使得图的构建与稀疏编码的运算同时迭代进行。在CMU人脸数据与COIL20数据上进行的图像聚类实验结果验证了GraphSCAN算法的有效性。

双重结构的最小二乘回归子空间聚类算法

最小二乘回归(Least Square Regression,LSR)算法是一种流行的子空间聚类方法,在处理计算机视觉和机器学习的相关问题中的应用十分普遍.然而,当数据含有噪声时,其求得的亲和矩阵不是块对角化的,还存在一定的噪声,这使亲和矩阵不够鲁棒可靠,因而降低了算法的聚类性能.为了解决以上不足,提出一种双重结构的最小二乘回归子空间聚类算法(Double Structure Least Squares Regression Subspace Clustering,DSLSR).首先对原始数据实施LSR算法,由于其生成的亲和矩阵往往不是块对角矩阵且含有噪声,需要对求得的亲和矩阵再次实施LSR算法来去除亲和矩阵中的噪声,使亲和矩阵更干净可靠,从而提升算法的聚类性能.最后,把两次LSR过程纳入一个统一的算法框架,设计一个统一的目标函数.此外,还采取了增广拉格朗日乘子方法对目标函数进行优化求解.在一些数据集上的实验证实,DSLSR算法比现有算法的性能更卓越.

Block Principle Component Analysis with Lp-norm for Robust and Sparse Modelling

Block principle and pattern classification component analysis （BPCA） is a recently developed technique in computer vision In this paper, we propose a robust and sparse BPCA with Lp-norm, referred to as BPCALp-S, which inherits the robustness of BPCA-L1 due to the employment of adjustable Lp-norm. In order to perform a sparse modelling, the elastic net is integrated into the objective function. An iterative algorithm which extracts feature vectors one by one greedily is elaborately designed. The monotonicity of the proposed iterative procedure is theoretically guaranteed. Experiments of image classification and reconstruction on several benchmark sets show the effectiveness of the proposed approach.