收藏本站
《中国矿业大学》 2011年 博士论文
收藏 | 手机打开
二维码
手机客户端打开本文

改进的支持向量机分类算法及其在煤矿人因事故安全评价中的应用

金珠  
【摘要】:支持向量机是建立在统计学习理论中VC维和结构风险最小化原则基础上的一种新的机器学习方法。它具备坚实的数学理论基础,在模型复杂度和期望风险之间寻求最佳结合点,推广能力较强,很好地解决了传统机器学习方法中的过学习、维数灾难等问题,在有限样本、高维的模式识别问题中性能卓越,已成为机器学习领域中的研究难点与热点。正是由于支持向量机诸多的优越性能,它的出现为一些学习样本难以统计的实际应用(如煤矿人因事故等)提供了新的研究思路。近些年,随着我国煤炭需求量的逐年递增,煤矿特大事故也频繁发生。据统计,绝大部分煤矿事故直接或间接源于人因事故,人因事故已成为严重影响系统安全的重要因素。然而,由于煤矿行业的特殊性,人因事故形成因素繁多,事故特征不易提取,发生机理复杂,且事故数据难以精确统计,可利用的训练样本很少,因而单纯依靠传统安全系统工程方法评价人因事故有一定的局限性,而支持向量机提供了解决小样本、高维、非线性特征下的人因事故评价分析的有效方法。 论文以统计学习理论为主线,讨论分析支持向量机分类算法中存在的不足,研究流形学习、内积相似性间隔、核校准等理论与支持向量机分类算法的融合,在理论改进的基础上,将支持向量机分类算法与煤矿安全评价理论相结合,应用支持向量机构建煤矿人因事故评价体系。论文研究工作主要集中在以下几个方面: 1.支持向量机分类算法模型的改进研究 针对支持向量机分类器对噪音过于敏感的缺陷,利用流形学习算法研究样本分布的内在规律,结合流形延伸方向分析其发展变化趋势,研究观测空间到嵌入空间的非线性映射下的分类性能评价方法,以此构造目标函数训练分类器。 SVM求解最大间隔对应的分类超平面需要计算复杂的二次规划问题,时间复杂度较高。论文将核密度估计与支持向量机相结合,研究支持向量机的直接学习方法,以改进传统SVM算法在计算复杂性上的不足,具有模型简单、计算量小等优点,在保持较好泛化性能的同时得到更好的分类精度。 此外,针对经典支持向量机在增量学习中的不足,给出一种基于云模型的最接近支持向量机增量学习算法。该方法利用最接近支持向量机的快速学习能力生成初始分类超平面,用其和k-近邻法对全部训练集进行约简,在得到的较小规模的精简集上构建云模型分类器直接进行分类判断。该算法模型简单,能够保持较好的分类精度和推广能力,运算速度较快。 2.煤矿人因事故的安全评价指标体系研究 论文在深入研究煤矿安全评价理论的基础上,详细分析了煤矿人因事故形成因素,针对人因事故的特点,提出一种基于蚁群优化算法的人因事故特征选择评价指标及相应的特征提取方法,将复杂的多因素交织的特征选择问题转化为并行的组合优化全局寻优过程。通过有效的特征选择,降低了系统的结构复杂性,消除冗余因素对系统评价的干扰。在此基础上,分析了改进的SVM算法模型在人因事故评价中的应用。 3.支持向量机的模型选择算法及其在煤矿人子系统可靠性影响因素关联分析中应用研究 核函数及其参数的选择对支持向量机的性能尤为重要。论文从间隔角度考虑,深入讨论SVM的推广能力、VC维与间隔之间的关系,提出一种新的特征空间中的内积相似性间隔,从理论上分析其函数集的表达能力,给出该函数集维数估计的上界;同时,借助核密度估计理论,构建基于核密度估计的高维特征空间中核参数模型评价指标,研究基于核密度估计的支持向量机核参数模型选择方法。 在此基础上,论文详细分析了综采工作面人子系统可靠性及其影响因素,利用核密度估计聚类给出一种多指标人子系统可靠性等级划分方法,并结合支持向量机构建了可靠性等级与影响因素之间的显性映射关系,应用本文建立的模型选择方法进行核参数选择,使得该等级划分方法具有较好的非线性处理能力。 4.支持向量机多类分类算法与煤矿组织管理因素安全评价模型研究 研究提出一种新的支持向量机多类分类器,对参数进行有效约简,同时避免求解复杂的二次规划问题,解决了传统SVM在多类分类问题中的不足。在此基础上,将多类算法模型应用到煤矿安全组织管理因素分析,从人的管理、组织机构管理、企业环境管理、现场及技术管理四个方面详细分析了煤矿组织管理中的主要影响因素,提出一种基于核校准和支持向量机的组织管理安全评价等级预测方法,并分析了组织管理的安全评价等级与各影响因素的关联关系。 5.煤矿人因事故安全评价分析原型系统 研究了煤矿人因事故安全评价原型系统的设计与实现。将理论研究成果与实际应用相结合,从软件系统工程的角度,探讨了系统设计中的关键问题。该系统具有较好的实际应用价值,有助于提高煤矿安全管理水平,同时也为相关领域其它系统平台的研究提供参考和借鉴。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 朱国强,刘士荣,俞金寿;支持向量机及其在函数逼近中的应用[J];华东理工大学学报;2002年05期
2 贾存良;吴海山;巩敦卫;;煤炭需求量预测的支持向量机模型[J];中国矿业大学学报;2007年01期
3 张红亮;王水林;吕颖慧;尹小涛;;爆破震动效应的支持向量机分析预测[J];矿业研究与开发;2007年04期
4 张国新;汤青波;许德昌;;基于支持向量机的液压泵故障诊断[J];煤矿机械;2007年08期
5 冯剑丰;王洪礼;李胜朋;;基于支持向量机的浮游植物密度预测研究[J];海洋环境科学;2007年05期
6 辛玉红;朱广田;;基于支持向量机的ERP软件供应商选择[J];辽宁工程技术大学学报;2007年S2期
7 邹华胜;杨峰;李刚;;基于支持向量机的路基检测研究[J];矿业研究与开发;2008年02期
8 张金牡;;基于支持向量机的水利工程项目风险评价[J];西部探矿工程;2008年06期
9 景海河;叶欣;高彦东;;基于支持向量机的矿区开采沉降的预测[J];黑龙江科技学院学报;2008年04期
10 刘德地;陈晓宏;;基于支持向量机的洪水灾情综合评价模型[J];长江流域资源与环境;2008年03期
11 刘解放;高普梅;侯振雨;;连续小波变换-支持向量回归模型及其在谷物近红外光谱分析中的应用(英文)[J];东莞理工学院学报;2008年05期
12 王君;刘道杰;;基于支持向量机的稳健单井成本估计[J];国外油田工程;2009年09期
13 李言德;刘飞;;基于支持向量机的精馏塔模糊预测控制算法研究[J];广州化工;2009年06期
14 陈祖云;张桂珍;邬长福;杨胜强;;支持向量机在岩爆预测中的应用[J];金属矿山;2009年11期
15 申俊琦;胡绳荪;冯胜强;高忠林;;基于支持向量机的焊缝尺寸预测[J];焊接学报;2010年02期
16 刘北战;梁冰;;基于SVM降雨充水矿井涌水量预测[J];辽宁工程技术大学学报(自然科学版);2010年S1期
17 刘爱华;傅雪海;王可新;彭伦;周宝艳;;支持向量机预测煤层含气量[J];西安科技大学学报;2010年03期
18 魏好;邓喀中;卢正;范洪冬;;基于支持向量机的主要影响角正切求取方法研究[J];金属矿山;2010年05期
19 聂玲玲;童凯军;侯东梅;韩雪芳;王刚;周凤军;;利用支持向量机方法求取缝洞型油气藏地层系数[J];中国海上油气;2011年02期
20 王冉;杨道军;;基于支持向量机的巢湖富营养化程度评价研究[J];环境科学与管理;2011年05期
中国重要会议论文全文数据库 前10条
1 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
2 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
3 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
4 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
5 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
6 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
7 师旭超;巴松涛;;基于支持向量机方法的深基坑变形预测[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(上册)[C];2004年
8 张军;;支持向量机方法在地下水位干扰排除中的初步应用[A];2007年地震流体学术研讨会论文摘要集[C];2007年
9 许建生;盛立东;;基于改进的支持向量机和BP神经网络的识别算法[A];第八届全国汉字识别学术会议论文集[C];2002年
10 荣海娜;张葛祥;张翠芳;;基于支持向量机的非线性系统辨识方法[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
中国博士学位论文全文数据库 前10条
1 刘叶青;原始空间中支持向量机若干问题的研究[D];西安电子科技大学;2009年
2 常甜甜;支持向量机学习算法若干问题的研究[D];西安电子科技大学;2010年
3 胡运红;支持向量机的若干算法研究[D];山东科技大学;2011年
4 周喜川;非可信环境下的支持向量机研究[D];浙江大学;2010年
5 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
6 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
7 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
8 栾锋;支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年
9 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
10 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年
中国硕士学位论文全文数据库 前10条
1 刘艳伟;支持向量机方法在感潮河段洪峰水位预报中的应用[D];浙江大学;2010年
2 杨镭;支持向量机算法设计及在高分辨雷达目标识别中的应用[D];国防科学技术大学;2010年
3 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年
4 聂小芳;模糊粗糙集与支持向量机在煤与瓦斯突出预测中的应用研究[D];辽宁工程技术大学;2009年
5 鄢常亮;基于支持向量机的高炉向凉向热炉况预测研究[D];内蒙古科技大学;2010年
6 韩叙东;基于支持向量机的水电故障分类器的设计与实现[D];东北大学;2008年
7 冯杰;慢时变对象的支持向量机建模与在线校正方法研究[D];东北大学;2009年
8 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
9 王奇安;基于广泛内核的CVM算法研究及参数C的选择[D];南京航空航天大学;2009年
10 张永新;基于支持向量机和遗传算法相结合的模拟电路故障诊断方法研究[D];东北大学;2009年
中国重要报纸全文数据库 前10条
1 课题主持人 李心丹 课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年
2 李水根;计算机详解配伍与药效关系[N];健康报;2005年
3 清华大学 苏光大;非接触式人脸识别技术[N];计算机世界;2006年
4 YMG记者 李仁 通讯员 曲华明 孙运智;我市九项目进入省“盘子”[N];烟台日报;2010年
5 上海大学理学院教授、副院长 陆文聪;酷爱化学 孜孜以求[N];中国化工报;2006年
6 ;选择合适的数据挖掘算法[N];计算机世界;2007年
7 周颖;王米渠与中医心理学[N];中国中医药报;2006年
8 记者 张云普通讯员 全攀峰 安强强;大庆物探深度域地震资料岩性解释技术获得五大突破[N];中国石油报;2008年
9 本报记者 冯治恩;敢与“雷公”试比高[N];铜川日报;2008年
10 记者 耿挺;蛋白质功能算出来[N];上海科技报;2007年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978