半监督学习及其在煤矿瓦斯安全信息处理中的应用研究

发布时间：2024-03-24 19:32

　　近年来，煤矿瓦斯安全生产事故频发，特别是随着开采深度的加大导致开采条件更趋复杂，瓦斯灾害的威胁越加严重，煤矿瓦斯安全生产事故已然成为煤炭行业可持续发展的制约因素，现有的安全技术基础及管理已难以适应当前煤矿安全高效生产的迫切需求。因此，如何减少和防止瓦斯安全事故的发生，科学、系统地查除矿井瓦斯事故隐患和开展矿井瓦斯危险性的演化机制分析及预测，摆脱瓦斯事故带来的不利安全局面，是值得深入研究的课题。论文以国家自然科学基金为依托，以煤矿具体项目为实际应用背景，对半监督学习算法及其在煤矿瓦斯安全信息处理中的应用进行了深入研究。本文研究工作主要包括以下四个方面： 1.针对煤矿瓦斯安全数据的高维特性导致智能算法效率低下的问题，提出了一个基于图的无参数维数约减算法。首先，给出了一种新的边界点定义方法，在所有非边界点和离他们各自最远的同类点上建立内在图，同时在所有边界点及它们各自的最近邻异类点上建立了惩罚图。通过一个新的判别准则将问题转化为一个广义特征分解问题，通过求解得到从原始空间到低维空间的一个显式映射。该算法避免了传统基于图的维数约减算法中近邻参数的选择，实验表明在降低了复杂度的同时，该算法仍能保...

【文章页数】：123 页

【学位级别】：博士

【部分图文】：

图1-1基于聚类假设的半监督学习Figure1-1Clusterassumptionbasedsemi-supervisedlearning

聚类假设是指处在相同聚类中的样本有较大的可能拥有相同的标记。根据该假设，决策边界就应该尽量通过数据较为稀疏的地方，从而避免把稠密的聚类中的数据点分到决策边界两侧。图1-1给出了聚类假设下的半监督学习方式。在这一假设下，大量未标记样本的作用就是帮助探明样本空间中数据分布的稠密和稀疏....

图1-2基于流形假设的半监督学习Figure1-2Manifoldassumptionbasedsemi-supervisedlearning

Figure1-2Manifoldassumptionbasedsemi-supervisedlearning流形假设是指处于一个很小的局部邻域内的样本具有相似的性质，因此，其标记也应该相似。图1-2给出了流形假设下的半监督学习方式。这一假设反映了决策函数的局部平滑性....

图2-2a中给出的是PCA的基本原理图，箭头所指的方向是数据集方差最大的

箭头所指的方向是数到的是第一主成分。著名的特征域所提出的方法，图2-2b给出了(b)Eig及基于Eigenface的维数约减效果

图2-2PCA原理及基于Eigenface的维数约减效果

博士学位论文（2-4）是由对应的的特征值构成的对角矩阵，。主成分变换得到：（2-5）选择方差最大的个分量，得到数据进行维数约减后的结果：（2-6）其中是最大的个特征值对应的特征向量，为降维结果。图2-2a中给出的是PCA的基本原理图，箭头所指的方向是数据集方差最大的方....

本文编号：3937910