改进高斯过程的硫化矿石自燃倾向性等级分类

发布时间：2023-08-25 22:48

　　当前，在硫化矿石自燃倾向性等级分类领域，核函数方法因具有可解决非线性问题和样本数据过少问题的能力，而受到科研人员越来越多的关注，逐步成为研究热点。高斯过程是一种基于核函数的方法。它具有完全的贝叶斯公式化表示，能够明确的进行概率建模，使结果更易于解释。 本文在依据硫化矿石自燃预测方法之一的自燃倾向性预测法的基础上，针对硫化矿石自燃倾向性的特点和分类方法存在的问题，首先利用公开的数据集分别建立基于期望传播法和拉普拉斯法的高斯过程分类模型，同时与SVM进行对比分析，指出基于期望传播法的高斯过程分类模型获得了最好分类结果。其次分析高斯过程和判别分析法的不足，提出一种改进的高斯过程分类方法，该方法通过小样本数据集训练先验判别来构建潜在变量模型。最后实现对硫化矿石自燃倾向性等级信息的充分挖掘，解决硫化矿石自燃倾向性等级分类问题，为硫化矿石自燃倾向性等级判定提供一条新途径。

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
1 绪论
    1.1 研究的背景和意义
        1.1.1 硫化矿石自燃火灾的危害
        1.1.2 研究硫化矿石自燃倾向性等级分类方法的意义
    1.2 硫化矿石自燃倾向性等级的研究现状
        1.2.1 硫化矿石自燃倾向性等级的特点
        1.2.2 硫化矿石自燃倾向性等级的分类方法
        1.2.3 存在的问题
    1.3 高斯过程的研究现状
    1.4 论文的研究内容与组织结构
2 高斯过程理论基础
    2.1 高斯过程的概念
        2.1.1 高斯分布
        2.1.2 高斯过程
    2.2 高斯过程的模型选择
        2.2.1 确定高斯过程核函数形式
        2.2.2 高斯过程中超参数的学习
    2.3 基于高斯过程的分类
        2.3.1 高斯过程二元分类
        2.3.2 高斯过程多元分类
3 基于高斯过程分类的近似算法比较
    3.1 问题的提出
    3.2 拉普拉斯近似算法
        3.2.1 拉普拉斯近似算法的实现
        3.2.2 拉普拉斯近似法下的边际似然函数
    3.3 期望传播近似法算法
        3.3.1 期望传播近似法算法的实现
        3.3.2 期望传播近似法下的边缘似然函数
    3.4 基于近似法的高斯过程模型建立
    3.5 对比实验
        3.5.1 实验环境
        3.5.2 实验数据来源及预处理
        3.5.3 实验结果分析
    3.6 本章小结
4 改进高斯过程分类算法
    4.1 问题的提出
    4.2 高斯过程模型
        4.2.1 高斯过程分类模型
        4.2.2 潜在变量高斯过程模型
    4.3 判别潜在向量高斯过程模型
        4.3.1 线性判别分析和广义判别分析
        4.3.2 判别法与潜在变量高斯过程的结合
    4.4 判别 GPLVM 的高斯过程分类
    4.5 实验结果及分析
5 改进高斯过程在硫化矿石自燃倾向性等级中的应用
    5.1 硫化矿石自燃倾向性影响因素的确定
    5.2 硫化矿石自燃倾向性等级分类
    5.3 基于硫化矿石自燃倾向性等级的改进 GPC 模型的建立
        5.3.1 实验数据的收集
        5.3.2 实验数据的预处理
        5.3.3 建立基于硫化矿石自燃倾向性等级的改进 GPC 模型
    5.4 实验结果及分析
6 结论
    6.1 总结
    6.2 展望
参考文献
作者简历
学位论文数据集



本文编号：3843451