为提高遥感影像变质矿物提取精度，提升变质带的识别效果，以甘肃北山ASTER影像为研究区，结合了比值运算、多尺度分割、随机森林分类法进行变质矿物提取。首先，通过矿物特征性光谱特征构造比值运算公式、进行影像增强；然后，对增强影像进行基于光谱及变差函数的多尺度分割；接着，采用随机森林法提取目标矿物；最后，通过野外勘查、采样、薄片鉴定进行精度评价。结果表明，黑云母、白云母、角闪石在ASTER影像上具有鉴定性特征，提取精度分别为85.4088%、84.7640%和85.7308%；其他含量较少的变质矿物提取精度可达到60%以上。多尺度分割能充分利用矿物的丛集特征；变差函数纹理能增强形态特征对矿物的区分能力；随机森林分类法对矿物混合引起的噪声不敏感、提取结果稳定

第一章 财务管理的基本概念 第一节 财务管理内容 第二节 财务管理目标 第三节 财务管理环境 第二章 财务管理的价值观念 货币的时间价值和投资的风险价值是财务管理的基础观念。 第一节 货币的时间价值 第二节 风险和报酬 第三节 利息率 第三章 财务分析 财务分析是运用财务报表数据对企业过去的财务状况和经营成果及未来前景的一种评价，可以为财务决策、计划和控制提供广泛的帮助。 第一节 财务分析概述 第二节 财务比率分析 第三节 趋势分析 第四节 综合分析 第四章 投资决策 第一节 资本投资概述 第二节 投资决策准则 第三节 投资项目分析 第四节 投资决策指标应用 第五节 证券投资 第五章 融资决策 第一节 融资概述 第二节 权益融资 第三节 负债融资 第四节 租赁融资 第五节 混合性融资 第六节 资本成本 第七节 杠杆与风险 第八节 资本结构 第九节 股利政策 第六章 营运资本管理

薄层分析、酶抑制技术和荧光技术都是 基于薄层展开后用不同的现色方法进行 显色分析的技术。其中薄层的制备、展 开和显色技术是该分析方法的基础

• 直接耦合放大电路 • 零点漂移 • 电路组成及工作原理 • 抑制零点漂移原理 6.2.0 概述 6.2.1 基本差分式放大电路 6.2.2 FET差分式放大电路 6.2.3 差分放大电路的传输特性 • 差分式放大电路中的一般概念 • 主要指标计算 • 几种方式指标比较

• 用近似估算法求静态工作点 • 用图解分析法确定静态工作点 • 交流通路及交流负载线 • 输入交流信号时的图解分析 • BJT的三个工作区 • 输出功率和功率三角形 3.3.1 静态工作情况分析 3.3.2 动态工作情况分析

为了研究不同絮凝条件下超细尾砂的絮凝效果, 本文基于超级絮凝理论, 应用超级絮凝测试仪UFT-ТFS-029, 采用相对絮凝率表征人造超细尾砂在pH值为9~12、絮凝剂单耗fd=2~20 g·t-1、料浆剪切速率γ=100~2000 s-1、料浆固体体积分数φ=2%~14%等条件下的絮凝行为. 发现相对絮凝率随着pH、絮凝剂单耗、剪切速率的增加均先增加后减少, 而随着浆料固体体积分数的增加逐渐减少, 并获得了一定条件下的最优絮凝条件, 即pH值为11、fd=12 g·t-1、γ=500 s-1、φ=4%. 同时, 固体体积分数越高, 达到最优相对絮凝率所需的最优剪切速率对固体体积分数的依赖性也越高. 因此, 在实际生产中需要对pH、絮凝剂单耗、剪切速率与固体体积分数等工况参数进行调整, 以达到最优絮凝效果. 应用超级絮凝理论可实现超细尾砂在极短时间内实现很好的絮凝, 为基于流场剪切速率与停留时间的深锥浓密机进料井设计提供参考

在医学中经常要遇到分析两个或多个变量间关系的情况,有时是希望了解某个 变量对另一个变量的影响强度,有时则是要了解变量间联系的密切程度,前者 用下一章将要讲述的回归分析来实现,后者则需要用到本章所要讲述的相关分 析实现

一,填空题(记忆类) 令N表示一定量的气体的分子总数,dN表示 dN/表示 这个dN/N比率与 因素有关。 f(v)=表示 对于处于一定温度下的气体它只是 的函数,叫 做 确定了速率分布函数f(v)用积分法求出分布在任一有限速率范围内v~v2内的分子 数占总分子数的比例为= 速率分布函数的归一化条件为

一、概论: 50年代以来随着溶剂萃取和离子交换色谱研究的深入及在分析化学,放射化学中的广泛应用。 ①大量高选择性萃取剂的出现 ②色谱分离的理论和技术的深入发展不断有人设想把溶剂萃取的高选择性和色谱分离的高效率结合起来,形成一种高效分配色谱

针对分类数据, 通过数据对象在属性值上的集中程度定义了新的基于属性值集中度的类内相似度(similarity based on concentration of attribute values, CONC), 用于衡量聚类结果中类内各数据对象之间的相似度; 通过不同类的特征属性值的差异程度定义了基于强度向量差异的类间差异度(dissimilarity based on discrepancy of SVs, DCRP), 用于衡量两个类之间的差异度.基于CONC和DCRP提出了新的分类数据聚类有效性内部评价指标(clustering validation based on concentration of attribute values, CVC), 它具有以下3个特点: (1)在评价每个类内相似度时, 不仅依靠类内各数据对象的特征, 还考虑了整个数据集的信息; (2)采用几个特征属性值的差异评价两个类的差异度, 确保评价过程不丢失有效的聚类信息, 同时可以消除噪音的影响; (3)在评价类内相似度及类间差异度时, 消除了数据对象个数对评价过程的影响.采用加州大学欧文分校提出的用于机器学习的数据库(UCI)进行实验, 将CVC与类别效用(category utility, CU)指标、基于主观因素的分类数据指标(categorical data clustering with subjective factors, CDCS)指标和基于信息熵的内部评价指标(information entropy, IE)等内部评价指标进行对比, 通过外部评价指标标准交互信息(normalized mutual information, NMI)验证内部评价效果.实验表明相对其他内部评价指标, CVC指标可以更有效地评价聚类结果.此外, CVC指标相对于NMI指标, 不需要数据集以外的信息, 更具实用性