包郵機器學習的煤與瓦斯突出前兆識別方法研究

作者：閆秋艷

出版社：中國礦業大學出版社出版時間：2017-10-01

開本： 21cm 頁數： 183頁

本類榜單：工業技術銷量榜

中圖價:¥29.8(8.3折) 定價 ~~¥36.0~~ 登錄后可看到會員價

加入購物車收藏

開年大促， 全場包郵

?新疆、西藏除外

本類五星書更多>

>
公路車寶典(ZINN的公路車維修與保養秘籍)

公路車寶典(ZINN的公路車維修與保養秘籍)

¥69.6¥120
>
晶體管電路設計(下)

晶體管電路設計(下)

¥25.7¥38
>
基于個性化設計策略的智能交通系統關鍵技術

基于個性化設計策略的智能交通系統關鍵技術

¥34.3¥68
>
花樣百出:貴州少數民族圖案填色

花樣百出:貴州少數民族圖案填色

¥17.2¥45
>
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

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

¥12.7¥39
>
鐵路機車概要.交流傳動內燃.電力機車

鐵路機車概要.交流傳動內燃.電力機車

¥158.4¥198
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡

利維坦的道德困境:早期現代政治哲學的問題與脈絡

¥31.9¥49

商品詳情
商品評論(0條)

中圖價:¥29.8 加入購物車

版權信息
內容簡介
目錄

機器學習的煤與瓦斯突出前兆識別方法研究版權信息

ISBN：9787564636777
條形碼：9787564636777 ; 978-7-5646-3677-7
裝幀：一般膠版紙
冊數：暫無
重量：暫無
所屬分類：
工業技術
>
能源與動力工程

機器學習的煤與瓦斯突出前兆識別方法研究內容簡介

本書以煤與瓦斯突出監測數據 (瓦斯濃度及電磁強度) 為研究對象, 通過引入“概率數據流”模型, 對監測數據進行建模, 并在此模型基礎上實現干擾模式的檢測和突出前兆模式的識別, 同時提出了突出數據的類不均衡問題, 并對突出模式識別產生的影響進行了深入分析, 給出了有效的解決方法。

機器學習的煤與瓦斯突出前兆識別方法研究目錄

第1章緒論
1．1 引言
1．2 我國煤與瓦斯突出的概況
1．3 煤與瓦斯突出的分類
1．4 煤與瓦斯突出危險性預測的必要性及分類
1．5 工作面煤與瓦斯突出預測的研究現狀
1．6 小結

第2章突出監測數據的建模及分段模式表示
2．1 引言
2．2 突出監測數據的流數據特性分析
2．3 流數據挖掘研究現狀
2．4 時間序列模式表示方法研究現狀
2．5 基于擬合點的分段線性擬合方法
2．6 復雜度分析
2．7 實驗及結果分析
2．8 小結

第3章非突變型干擾模式檢測方法
3．1 引言
3．2 流數據異常檢測方法概述
3．3 基于概率相似距離的模式異常檢測算法
3．4 復雜度分析
3．5 實驗及結果分析
3．6 小結

第4章突變型干擾模式檢測方法
4．1 緒論
4．2 Discord的定義及其在突出電磁數據應用中存在的問題
4．3 不確定Top-k查詢的研究現狀
4．4 分值連續分布的Top-k查詢算法（MCTop-k）
4．5 不確定連續時間序列的Discord查詢算法
4．6 小結

第5章突出前兆趨勢的模式識別方法
5．1 引言
5．2 相關知識
5．3 基于趨勢分析的災害異常檢測算法
5．4 實驗及結果分析
5．5 小結

第6章不均衡突出數據的分類方法研究
6．1 概述
6．2 不均衡數據學習概述
6．3 不均衡數據學習方法概述
6．4 基于shapelets特征空間的不均衡時間序列分類方法
6．5 實驗結果及分析
6．6 小結
參考文獻

展開全部

商品評論(0條)

寫書評賺書幣

暫無評論……

書友推薦