共 9 条
- [9] Enlarging the margins in perceptron decision trees[J]. MACHINE LEARNING, 2000, 41 (03) : 295 - 313Bennett, KPCristianini, NShawe-Taylor, JWu, DH
一种新型的矿井突水分析与预测的支持向量机模型
被引：12
作者：
闫志刚
[1
]
白海波
[2
]
张海荣
[1
]
机构：
[1] 中国矿业大学环境测绘学院
[2] 深部岩土力学与地下工程国家重点实验室
来源：
关键词：
矿井突水;
支持向量机(SVM);
层次支持向量机(H-SVMs);
突水预测;
突水规则;
D O I：
10.16265/j.cnki.issn1003-3033.2008.07.014
中图分类号：
X924.3 [安全监控系统];
学科分类号：
摘要：
针对矿井突水样本数少,信息不完整的特点,提出了矿井突水分析的线性核H-SVMs模型。推导模型的理论推广误差公式,设计自顶向下基于SVM最大间隔逐层分类构造H-SVMs的新方法,并应用于实际的矿井突水预测。实验结果表明,线性核H-SVMs模型结构简单、泛化能力强,不仅能很好地预测矿井突水,而且其层次结构能正确反映突水的等级关系,各判别函数的法向量还可以指示各突水影响因素的权重,通过判决函数能有效分析突水影响因素并提取突水预测规则,为矿井突水预测提供了新的方法。
引用
收藏
页码：166 / 170
页数：5
相关论文