版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、本文的目的是利用SVM這項新技術(shù),通過對礦山監(jiān)測監(jiān)控系統(tǒng)中被測參數(shù)數(shù)據(jù)的處理,為煤礦企業(yè)建立各項安全事故預測預報系統(tǒng),以期提高我國的煤炭安全生產(chǎn)能力。 以支持向量機為本課題的基礎(chǔ)算法,利用遺傳算法進行特征提取,使用融合技術(shù)對于從各種傳感器采集到的數(shù)據(jù)進行處理,最后使用SVM方法對于危險區(qū)進行分類,輔助變動系數(shù)對于瓦斯的突變情況進行跟蹤,這樣充分利用了SVM的分類能力,又兼顧了實時數(shù)據(jù)的監(jiān)測預報,最后給出了Rup構(gòu)架下的UML設(shè)計
2、圖。 由于本文研究的課題是以實際項目的形式出現(xiàn),是面向應(yīng)用的,所以文章從基礎(chǔ)數(shù)據(jù)的采集,預處理,特征提取,數(shù)據(jù)融合,支持向量分類,變動系數(shù)預報瓦斯突出,基于Rup的軟件構(gòu)架設(shè)計都給出了詳細的理論依據(jù)及具體的實際解決方案。論文章節(jié)安排都是按照概要介紹,理論依據(jù),實際應(yīng)用模式進行論述,在第8章將其它章節(jié)所述內(nèi)容系統(tǒng)的進行歸納并結(jié)合實際應(yīng)用情況進行了相應(yīng)闡述。由于軟件構(gòu)架的設(shè)計比較大,所以UML圖只給出了最重要的幾個系統(tǒng)圖形。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 一種基于自學習的遷移學習模型及應(yīng)用.pdf
- 基于SVM的雙足機器人步態(tài)自學習控制方法.pdf
- 基于聚類與分類的自學習系統(tǒng)模型.pdf
- 基于Hadoop系統(tǒng)的自學習資源調(diào)度器模型研究.pdf
- 基于自學習機制的信息過濾模型研究與實踐.pdf
- 基于MPSO-LS-SVM算法的瓦斯涌出量預測研究.pdf
- 基于改進GA-SVM算法的瓦斯涌出量預測研究.pdf
- 自學習算法及其應(yīng)用研究.pdf
- 基于GA-SVM的煤層瓦斯涌出量預測技術(shù)研究.pdf
- 基于自學習的深度數(shù)據(jù)恢復.pdf
- 基于自學習邏輯控制的溫度控制研究.pdf
- 武器效能評估模型及其自學習的研究與實現(xiàn).pdf
- 基于業(yè)務(wù)規(guī)則的自學習預警系統(tǒng)的研究與應(yīng)用.pdf
- 熱連軋數(shù)學模型自學習研究.pdf
- 基于視頻圖像的目標自學習與定位研究.pdf
- 情感詞網(wǎng)的自學習研究.pdf
- 基于自學習的直推式遷移學習方法研究.pdf
- 基于SVM的煤與瓦斯突出預測模型研究.pdf
- 基于機器自學習的電網(wǎng)安全校正算法研究.pdf
- 基于克隆智能體自學習的入侵檢測方法研究.pdf
評論
0/150
提交評論