矿井涌水水源识别的MMH支持向量机模型

被引:29
作者
闫志刚 [1 ,2 ]
白海波 [2 ]
机构
[1] 中国矿业大学环测学院
[2] 中国矿业大学深部岩土力学与地下工程国家重点实验室
基金
中国博士后科学基金; 国家自然科学基金重点项目;
关键词
采矿工程; 矿井涌水; 多水源识别;
D O I
暂无
中图分类号
TD745.2 [];
学科分类号
摘要
提出一种新的多水源判别的H支持向量机模型。推导H支持向量机的理论推广误差公式,发现确保高优先级节点的推广性能是提高H支持向量机性能的有效途径;设计基于SVM最大间隔逐层分类、最小间隔逐层聚类构造H支持向量机的新方法,以各支持向量机节点的分类间隔为分类、聚类指标,通过TopDown,BottomUp两种方式混合构造H支持向量机,即MMH支持向量机。实验效果表明,MMH支持向量机结构简单、泛化能力强,不仅能正确区分各类水源,而且其层次结构能很好地反映各水源的层次关系。判别函数的法向量还可以指示各含水层水质化验指标的权重,为矿井涌水水源识别提供了新的科学方法。
引用
收藏
页码:324 / 329
页数:6
相关论文
共 8 条
[1]   矿井涌水水源分析的支持向量机模型 [J].
闫志刚 ;
杜培军 ;
郭达志 .
煤炭学报, 2007, (08) :842-847
[2]   非线性方法在矿井突水水源判别中的应用研究 [J].
杨永国 ;
黄福臣 .
中国矿业大学学报, 2007, (03) :283-286
[3]   地下水化学特征组分识别的粒子群支持向量机方法 [J].
姜谙男 ;
梁冰 .
煤炭学报, 2006, (03) :310-313
[4]   一种新型多分类支持向量算法及其在故障诊断中的应用 [J].
徐启华 ;
师军 .
系统仿真学报, 2005, (11) :197-199+215
[5]   一种新的分裂层次聚类SVM多值分类器 [J].
张国云 ;
章兢 .
控制与决策, 2005, (08) :931-934
[6]   支持向量机多类分类算法研究 [J].
唐发明 ;
王仲东 ;
陈绵云 ;
不详 .
控制与决策 , 2005, (07) :746-749+754
[7]   数量化理论在矿井突(涌)水水源判别中的应用 [J].
张许良 ;
张子戌 ;
彭苏萍 .
中国矿业大学学报, 2003, (03) :42-45
[8]   Enlarging the margins in perceptron decision trees [J].
Bennett, KP ;
Cristianini, N ;
Shawe-Taylor, J ;
Wu, DH .
MACHINE LEARNING, 2000, 41 (03) :295-313