掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
基于支持向量機的煤礦安全建模研究及應用 版權信息
- ISBN：9787560635415
- 條形碼：9787560635415 ; 978-7-5606-3541-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
基于支持向量機的煤礦安全建模研究及應用 內容簡介
本書利用灰色關聯分析方法、基于Vaugue思想的 [-1, 1] 線性生成算子的數據無量綱化處理方法和基于煤炭產量的關聯度加權的兩種改進灰色關聯分析方法, 建立了煤礦百萬噸死亡率預測指標體系 ; 引入了基于緩沖算子的灰色預測模型, 對煤礦百萬噸死亡率預測的指標進行了測算。
基于支持向量機的煤礦安全建模研究及應用 目錄
第1章 基礎理論 （1）
1.1 *優化理論 （1）
1.1.1 *優化問題的表示 （1）
1.1.2 線性規劃和非線性規劃 （1）
1.1.3 凸集和凸函數 （4）
1.2 統計學習理論 （6）
1.2.1 機器學習的問題表示 （6）
1.2.2 經驗風險*小化原則 （7）
1.2.3 VC維 （9）
1.2.4 結構風險*小化原則 （9）
第2章 支持向量機理論 （11）
2.1 *優分類超平面 （11）
2.2 支持向量分類機 （12）
2.2.1 線性分類 （12）
2.2.2 近似線性分類 （13）
2.2.3 非線性分類 （15）
2.2.4 多類分類問題 （16）
2.3 支持向量回歸機 （17）
2.3.1 SVM回歸問題 （17）
2.3.2 線性支持向量回歸機 （18）
2.3.3 非線性支持向量回歸機 （20）
2.4 核函數 （20）
第3章 煤礦安全及支持向量機研究現狀 （24）
3.1 研究背景及意義 （24）
3.1.1 研究背景 （24）
3.1.2 研究意義 （28）
3.2 國內外研究現狀 （30）
3.2.1 煤礦事故預測模型研究現狀 （30）
3.2.2 支持向量機研究現狀 （32）
3.3 常用預測模型 （34）
3.3.1 時間序列模型 （35）
3.3.2 灰色模型 （35）
3.3.3 人工神經網絡模型 （36）
第4章 煤礦百萬噸死亡率預測指標體系的建立 （37）
4.1 煤礦百萬噸死亡率影響因素的構成 （37）
4.1.1 煤礦安全生產控制指標 （37）
4.1.2 指標的下達方式及分解計算方法 （39）
4.1.3 煤礦百萬噸死亡率影響因子 （41）
4.2 基于灰色關聯分析的煤礦百萬噸死亡率指標體系的建立 （42）
4.2.1 灰色關聯分析的基本特征 （43）
4.2.2 灰色關聯分析模型 （43）
4.2.3 2004年煤礦百萬噸死亡率關聯分析 （46）
4.2.4 2010年煤礦百萬噸死亡率關聯分析 （52）
4.2.5 煤礦百萬噸死亡率灰色關聯分析結果對比 （58）
4.3 基于改進的灰色關聯煤礦百萬噸死亡率指標體系的建立 （59）
4.3.1 數據無量綱化處理方法的改進 （59）
4.3.2 關聯度加權改進算法 （61）
4.3.3 煤礦百萬噸死亡率改進灰色關聯分析結果對比 （61）
第5章 基于灰色模型的煤礦百萬噸死亡率指標的測算 （64）
5.1 煤礦百萬噸死亡率GM(1, 1)模型 （64）
5.1.1 GM(1, 1)模型建模機理 （64）
5.1.2 GM(1, 1)模型的檢驗 （65）
5.2 煤礦百萬噸死亡率DmGM（1, 1）模型 （66）
5.2.1 緩沖算子改進灰色模型的建立過程 （66）
5.2.2 緩沖算子改進灰色模型的優點 （68）
5.3 DmGM（1, 1）模型在煤礦百萬噸死亡率指標測算中的應用 （68）
5.3.1 煤礦百萬噸死亡率原始數據處理 （68）
5.3.2 基于GM(1，1)模型的煤礦百萬噸死亡率指標測算 （70）
5.3.3 基于DGM(1，1)模型的煤礦百萬噸死亡率指標測算 （72）
5.3.4 基于DmGM(1，1)模型的煤礦百萬噸死亡率指標測算 （74）
5.3.5 基于DmGM（1, 1）模型的煤礦百萬噸死亡率指標誤差檢驗 （76）
5.3.6 預測結果分析 （79）
第6章 基于支持向量機的煤礦百萬噸死亡率預測模型研究 （80）
6.1 支持向量機模型的選擇 （80）
6.1.1 *小二乘支持向量機基本原理 （80）
6.1.2 核函數的選取 （81）
6.1.3 預測誤差分析的指標 （82）
6.1.4 LSSVM參數選擇算法優劣的評價標準 （82）
6.1.5 LSSVM參數的優化 （84）
6.2 遺傳算法（GA）優化LSSVM （84）
6.2.1 遺傳算法 （84）
6.2.2 遺傳算法優化LSSVM （85）
6.3 粒子群（PSO）算法優化LSSVM （86）
6.3.1 粒子群算法理論 （86）
6.3.2 粒子群算法優化LSSVM （88）
6.4 LSSVM煤礦百萬噸死亡率預測 （89）
6.4.1 煤礦百萬噸死亡率樣本數據的歸一化處理 （89）
6.4.2 煤礦百萬噸死亡率模型參數選取 （93）
6.4.3 煤礦百萬噸死亡率訓練樣本預測 （97）
6.4.4 煤礦百萬噸死亡率測試樣本預測 （99）
6.5 DmGM(1，1)LSSVM煤礦百萬噸死亡率預測 （102）
6.5.1 2010的未來兩年指標灰色預測 （102）
6.5.2 2010的未來兩年煤礦百萬噸死亡率DmGM(1，1)LSSVM
預測 （105）
6.5.3 與其他預測方法的比較 （106）
結束語 （109）
一、主要工作與創新 （109）
二、進一步研究方向 （110）
展開全部
書友推薦
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
中國歷史的瞬間
- >
月亮與六便士
- >
月亮虎
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
羅曼·羅蘭讀書隨筆-精裝
- >
二體千字文
- >
我從未如此眷戀人間
本類暢銷
