-
题名基于半监督学习和支持向量机的煤与瓦斯突出预测研究
被引量：5
- 1
-
-
作者
孙云霄
方健
马小平
-
机构
中国矿业大学信电学院
新兴重工北京三兴汽车有限公司
-
出处
《工矿自动化》
北大核心
2012年第11期40-42,共3页
-
基金
国家自然科学基金项目(60974126)
-
文摘
针对支持向量机要求输入向量为已标记样本,而实际应用中已标记样本很难获取的问题,提出将半监督学习和支持向量机结合的煤与瓦斯突出预测方法;介绍了采用SVM预测煤与瓦斯突出的流程及其输入向量的选择;对半监督学习中的协同训练算法进行了改进:在同一属性集上训练2个不同分类器SVM和KNN,将2个分类器标记一致的样本加入训练集,从而充分利用未标记样本不断补充信息,更新训练集标记样本,达到强化训练集的目的。测试结果表明,改进后的算法比单独的支持向量机预测方法准确率更高。
-
关键词
煤与瓦斯突出预测
支持向量机
半监督学习
协同训练
-
Keywords
prediction of coal and gas outburst, support vector machine, semi-supervised learning, cotraining
-
分类号
TD713
[矿业工程—矿井通风与安全]
-
