机器学习的煤与瓦斯突出前兆识别方法研究
￥ 28.8 8.0折 ￥ 36 全新
库存4件
作者闫秋艳
出版社中国矿业大学出版社
ISBN9787564636777
出版时间2017-10
装帧平装
开本32开
定价36元
货号1201820765
上书时间2024-11-27
- 在售商品 暂无
- 平均发货时间 7小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
目录
章绪论
1.1引言
1.2我国煤与瓦斯突出的概况
1.3煤与瓦斯突出的分类
1.4煤与瓦斯突出危险性预测的必要性及分类
1.5工作面煤与瓦斯突出预测的研究现状
1.6小结
第2章突出监测数据的建模及分段模式表示
2.1引言
2.2突出监测数据的流数据特性分析
2.3流数据挖掘研究现状
2.4时间序列模式表示方法研究现状
2.5基于拟合点的分段线性拟合方法
2.6复杂度分析
2.7实验及结果分析
2.8小结
第3章非突变型干扰模式检测方法
3.1引言
3.2流数据异常检测方法概述
3.3基于概率相似距离的模式异常检测算法
3.4复杂度分析
3.5实验及结果分析
3.6小结
第4章突变型干扰模式检测方法
4.1绪论
4.2Discord的定义及其在突出电磁数据应用中存在的问题
4.3不确定Top-k查询的研究现状
4.4分值连续分布的Top-k查询算法（MCTop-k）
4.5不确定连续时间序列的Discord查询算法
4.6小结
第5章突出前兆趋势的模式识别方法
5.1引言
5.2相关知识
5.3基于趋势分析的灾害异常检测算法
5.4实验及结果分析
5.5小结
第6章不均衡突出数据的分类方法研究
6.1概述
6.2不均衡数据学习概述
6.3不均衡数据学习方法概述
6.4基于shapelets特征空间的不均衡时间序列分类方法
6.5实验结果及分析
6.6小结
参考文献
内容摘要
《机器学习的煤与瓦斯突出前兆识别方法研究》以煤与瓦斯突出监测数据（瓦斯浓度及电磁强度）为研究对象，通过引入“概率数据流”模型，对监测数据进行建模，并在此模型基础上实现干扰模式的检测和突出前兆模式的识别，同时提出了突出数据的类不均衡问题，并对突出模式识别产生的影响进行了深入分析，给出了有效的解决方法。
相关推荐
-
机器学习的煤与瓦斯突出前兆识别方法研究
全新广州
￥ 19.90
-
机器学习的煤与瓦斯突出前兆识别方法研究
全新广州
￥ 21.90
-
机器学习的煤与瓦斯突出前兆识别方法研究
全新广州
￥ 21.90
-
机器学习的煤与瓦斯突出前兆识别方法研究
全新广州
￥ 19.90
-
机器学习的煤与瓦斯突出前兆识别方法研究
全新广州
￥ 21.90
-
机器学习的煤与瓦斯突出前兆识别方法研究
全新天津
￥ 22.00
-
机器学习的煤与瓦斯突出前兆识别方法研究
全新北京
￥ 22.70
-
机器学习的煤与瓦斯突出前兆识别方法研究
全新东莞
￥ 28.80
-
机器学习的煤与瓦斯突出前兆识别方法研究
全新南京
￥ 27.36
-
机器学习的煤与瓦斯突出前兆识别方法研究
全新保定
￥ 25.98
— 没有更多了 —
以下为对购买帮助不大的评价