123,123,123

內(nèi)容簡(jiǎn)介

　　支持向量機(jī)是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展而來(lái)的一種通用學(xué)習(xí)機(jī)器，業(yè)已廣泛應(yīng)用于人工智能的各個(gè)領(lǐng)域，其在礦山空間數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)領(lǐng)域也具有良好的應(yīng)用前景。為了便于讀者閱讀和解決實(shí)際問(wèn)題，《礦山水害空間數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)的支持向量機(jī)理論與方法》分為理論與應(yīng)用兩大部分，在理論部分對(duì)支持向量機(jī)的訓(xùn)練參數(shù)、核函數(shù)及核參數(shù)的選擇進(jìn)行了探討，研究了多類支持向量機(jī)的分類問(wèn)題。在應(yīng)用部分，將理論部分的研究成果應(yīng)用于礦井突水水源識(shí)別、突水評(píng)價(jià)與預(yù)測(cè)、突水?dāng)?shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)等領(lǐng)域。主要內(nèi)容包括支持向量機(jī)的參數(shù)選擇、多類支持向量機(jī)的分析模型、多類支持向量機(jī)的建模方法、礦井突水水源識(shí)別的支持向量機(jī)模型、礦井突水知識(shí)發(fā)現(xiàn)的支持向量機(jī)模型、礦井突水預(yù)測(cè)的粒子群支持向量機(jī)模型、礦井水害數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)系統(tǒng)等。《礦山水害空間數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)的支持向量機(jī)理論與方法》可供從事空間數(shù)據(jù)挖掘、礦井水文地質(zhì)、數(shù)據(jù)分析、人工智能、決策支持等領(lǐng)域的科技工作者、研究生和本科生參考使用。

作者簡(jiǎn)介

暫缺《礦山水害空間數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)的支持向量機(jī)理論與方法》作者簡(jiǎn)介

圖書目錄

第1章緒論
1．1 研究背景、目的及意義
1．2 MGIS和MD概述
1．3 礦井突水預(yù)測(cè)分析方法綜述
1．4 SVM理論基礎(chǔ)
1．5 本書的研究?jī)?nèi)容和體系結(jié)構(gòu)
第2章 SVM的推廣能力估計(jì)與參數(shù)選擇
2．1 SVM推廣能力估計(jì)的理論基礎(chǔ)
2．2 sVM推廣能力的估計(jì)方法
2．3 SVM的推廣性能與參數(shù)的關(guān)系
2．4 對(duì)（C，?）優(yōu)選方法的改進(jìn)
2．5 本章小結(jié)
第3章多類支持向量機(jī)
3．1 現(xiàn)有多類支持向量機(jī)算法
3．2 多類支持向量機(jī)的比較
3．3 本章小結(jié)
附錄
第4章多類支持向量機(jī)的改進(jìn)
4．1 H-SVMs的改進(jìn)策略
4．2 ECOC SVMs的改進(jìn)策略
4．3 本章小結(jié)
第5章 SVM在礦井突水水源分析中的應(yīng)用
5．1 礦井水源識(shí)別方法綜述
5．2 水源分析SVM建模
5．3 多水源分析的SVM模型
5．4 SVM在混合水源分析中的應(yīng)用
5．5 本章小結(jié)
第6章 SVM在礦井突水預(yù)測(cè)中的應(yīng)用
6．1 礦井突水預(yù)測(cè)與分析
6．2 礦井突水規(guī)則的獲取方法
6．3 煤層底板破壞深井預(yù)測(cè)的PSO-LSSVM模型
6．4 本章小結(jié)
第7章基于MGIS的礦井突水評(píng)價(jià)與預(yù)測(cè)系統(tǒng)
7．1 研究區(qū)概況
7．2 突水規(guī)則的獲取
7．3 利用關(guān)系數(shù)據(jù)庫(kù)管理突水規(guī)則
7．4 系統(tǒng)簡(jiǎn)介
7．5 本章小結(jié)
第8章結(jié)論與展望
參考文獻(xiàn)
本書相關(guān)的學(xué)術(shù)成果