排序方式: 共有7条查询结果,搜索用时 109 毫秒
1
1.
2.
3.
4.
黑龙江省浅成低温金矿床成矿地质特征及矿床成因 总被引:2,自引:0,他引:2
对发育在黑龙江省陆相火山岩区的主要金矿床的矿床地质特征、成矿流体和稳定同位素、稀土元素地球化学特征的归纳与总结,得出:该类型矿床属于典型的冰长石-绢云母化蚀变:δ^18O水 集中在-14.11‰~6.23‰,δD值在-78.25‰~-132.64‰,显示成矿流体以大气降水为主,有少量的岩浆水;δ^34S 多数集中在-3.1‰~4.6‰,稍正向偏离陨石硫的特点,^206Pb/^204Pb 为17.742~18.758,^207Pb/^204Pb为15.287~15.760,^208Pb/^204Pb 为37.414~38.616,显示成矿物质应主要来自于深部幔源物质的岩浆热液流体系统;稀土元素配分曲线显示,金矿体与赋矿围岩等有密切的关系,但稀土总量明显偏低,形态更趋复杂,显示了成矿物质来源的复杂性;成矿时代多集中在100~118Ma,多为早白垩世;流体包裹体均一值集中在150~280℃,盐度集中在1.2%~8.36%,成矿压力为4~19.6MPa,估算成矿深度为0.13~0.65km;显示为典型的浅成低温热液型金矿床的特点。 相似文献
5.
6.
波段选择是重要的高光谱图像降维手段。为了达到降维的目的,提出结合K-L散度和互信息的无监督波段选择算法,并进行了理论分析和实验验证。首先选出信息熵最大的波段作为初始波段,然后将散度与互信息量的比值定义为联合散度互信息(KLMI)准则,选择KLMI值大且信息量也大的波段加入波段子集中,选出信息量大且相似度低的波段集合,最终利用k最近邻分类算法实现了基于最大方差主成分分析算法、聚类算法、互信息算法和本文中方法的真实高光谱数据分类实验。结果表明,本文中的算法总体分类精度和κ系数均达到0.8以上,高于其它算法;大多数地物的分类精度均得到提升,具有较好的分类性能。该算法是一种实用的高光谱图像降维算法。 相似文献
7.
为了挖掘高光谱数据的光谱局部特征,从高光谱遥感数据内在的非线性结构出发,提出了一种基于光谱梯度角的高光谱影像流形学习降维方法。采用局部化流形学习算法局部保持投影(LPP)对高光谱遥感数据进行非线性降维,对距离度量进行改进,将能够更好刻画高光谱影像光谱局部特征的光谱梯度角相似性度量应用于LPP方法,并用真实高光谱图像进行降维实验,取得了优于LPP方法和采用光谱角的LPP方法的结果。结果表明,在光谱规范化特征值方面,所提方法优于LPP方法和采用光谱角的LPP方法;在信息量的保持方面,具有更好的局部细节信息保持量。采用光谱梯度角的流形学习方法用于高光谱影像降维能取得较好的降维效果。 相似文献
1