机器学习的煤与瓦斯突出前兆识别方法研究 中国矿业大学出版社 mobi 下载 网盘 caj lrf pdf txt 阿里云

《机器学习的煤与瓦斯突出前兆识别方法研究》以煤与瓦斯突出监测数据（瓦斯浓度及电磁强度）为研究对象，通过引入“概率数据流”模型，对监测数据进行建模，并在此模型基础上实现干扰模式的检测和突出前兆模式的识别，同时提出了突出数据的类不均衡问题，并对突出模式识别产生的影响进行了深入分析，给出了有效的解决方法。

章绪论

1.1引言

1.2我国煤与瓦斯突出的概况

1.3煤与瓦斯突出的分类

1.4煤与瓦斯突出危险性预测的必要性及分类

1.5工作面煤与瓦斯突出预测的研究现状

1.6小结

第2章突出监测数据的建模及分段模式表示

2.1引言

2.2突出监测数据的流数据特性分析

2.3流数据挖掘研究现状

2.4时间序列模式表示方法研究现状

2.5基于拟合点的分段线性拟合方法

2.6复杂度分析

2.7实验及结果分析

2.8小结

第3章非突变型干扰模式检测方法

3.1引言

3.2流数据异常检测方法概述

3.3基于概率相似距离的模式异常检测算法

3.4复杂度分析

3.5实验及结果分析

3.6小结

第4章突变型干扰模式检测方法

4.1绪论

4.2Discord的定义及其在突出电磁数据应用中存在的问题

4.3不确定Top-k查询的研究现状

4.4分值连续分布的Top-k查询算法（MCTop-k）

4.5不确定连续时间序列的Discord查询算法

4.6小结

第5章突出前兆趋势的模式识别方法

5.1引言

5.2相关知识

5.3基于趋势分析的灾害异常检测算法

5.4实验及结果分析

5.5小结

第6章不均衡突出数据的分类方法研究

6.1概述

6.2不均衡数据学习概述

6.3不均衡数据学习方法概述

***基于shapelets特征空间的不均衡时间序列分类方法

6.5实验结果及分析

6.6小结

参考文献

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：机器学习的煤与瓦斯突出前兆识别方法研究 中国矿业大学出版社在线阅读

在线听书地址：机器学习的煤与瓦斯突出前兆识别方法研究 中国矿业大学出版社在线收听

在线购买地址：机器学习的煤与瓦斯突出前兆识别方法研究 中国矿业大学出版社在线购买

暂无原文赏析，正在全力查找中！

暂无其它内容！