基于机器学习对电子回旋辐射成像信号数据清洗的研究

发布时间：2021-04-23 17:36

　　电子回旋辐射成像在托克马克实验诊断中起着探测极向剖面的电子温度及其涨落的作用。因此,电子回旋辐射成像的诊断数据可以用来研究锯齿不稳定性,对理解托克马克内部的锯齿行为十分重要。为了更方便地挖掘出诊断数据的统计规律,有必要前期对电子回旋辐射成像信号进行数据清洗,筛选出好的信号,并做出对信号的初步分类。电子回旋辐射成像信号可以初步分为饱和信号、无信号、弱信号、正常信号。传统上,一般用人工识别的方式去筛选,存在着识别效率低,错误率比较大的问题。为了很好的实现数据分类的目标,并结合电子回旋辐射成像信号数据量大的特点,本文采用大数据处理手段中常用的机器学习方法进行分类。鉴于分类电子回旋辐射成像信号是个多分类问题,依据机器学习的策略,从两种角度出发,实现具体的分类算法。一种是将多分类问题拆解成为多个二分类问题,采用支持向量机与决策树结合的方法逐步完成多个二分类任务,支持向量机和决策树均是机器学习中实现二分类性能比较优异的算法;第二种是采用可以直接处理多分类问题的机器学习算法,如集成学习中的随机森林。为了更好的比较这两种学习策略,在相同的数据集、测试集上实现了支持向量机与决策树混合模型、随机森林模型分... 

【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 引言
    1.2 ECEI微波成像的介绍
    1.3 机器学习在其他科研大数据中的应用
    1.4 本论文研究的内容以及意义
第二章 基于支持向量机和决策树混合模型分类电子回旋辐射成像信号
    2.1 支持向量机算法的概述
        2.1.1 支持向量机的原理
        2.1.2 支持向量机的应用场景
    2.2 决策树算法的概述
        2.2.1 决策树的原理
        2.2.2 决策树的应用场景
    2.3 多分类问题解决思路
        2.3.1 多分类问题常见的拆解方法
        2.3.2 二叉树结构
    2.4 基于支持向量机和决策树的混合模型的信号分类
        2.4.1 支持向量机和决策树混合模型的概述
        2.4.2 饱和信号的识别
        2.4.3 无信号的识别
        2.4.4 弱信号的识别
    2.5 本章小结
第三章 基于随机森林算法分类电子回旋辐射成像信号
    3.1 随机森林算法的概述
        3.1.1 集成学习的原理
        3.1.2 随机森林的构建
    3.2 基于随机森林模型的信号分类
        3.2.1 调优基决策树分类器的个数
        3.2.2 调优基决策树的属性个数
    3.3 本章小结
第四章 信号分类的实验结果与讨论
    4.1 样本集与特征集
    4.2 实验的硬件平台
    4.3 基于偏二叉树结构的支持向量机与决策树混合模型的分类结果
    4.4 基于随机森林模型的分类结果
    4.5 实验结果的讨论
    4.6 本章小结
第五章 总结与展望
    5.1 研究结果总结
    5.2 工作展望
参考文献
致谢
在读期间发表的学术论文与取得的其他研究成果


【参考文献】：
期刊论文
[1]集成学习之随机森林算法综述[J]. 王奕森,夏树涛.  信息通信技术. 2018(01)
[2]基于混合核学习支持向量机的主减速器故障诊断[J]. 张华伟,左旭艳,潘昊.  计算机应用与软件. 2017(05)

博士论文
[1]EAST托卡马克上聚变中子诊断技术研究[D]. 钟国强.中国科学技术大学 2018
[2]基于电子回旋辐射成像诊断的磁流体不稳定性实验研究[D]. 赵朕领.中国科学技术大学 2017
[3]EAST电子回旋辐射成像系统研制与芯部MHD行为实验研究[D]. 高炳西.中国科学技术大学 2013
[4]EAST超导托卡马克等离子体放电上升段特性的研究[D]. 薛二兵.东华大学 2012

硕士论文
[1]EAST上快离子损失诊断（FILD）的研究及初步应用[D]. 金钊.中国科学技术大学 2017
[2]EAST上电子回旋辐射成像诊断系统的屏蔽优化研究[D]. 仝丽.中国科学技术大学 2015



本文编号：3155747