| 基于类最优高斯核多分类支持向量机的微震信号识别方法 | |
| 程健; 张子睿; 郭一楠; 唐凤珍3; 曹安业; 崔宁; 焦博韬 | |
| 2020-06-12 | |
| 著作权人 | 煤炭科学研究总院 ; 中国矿业大学 ; 中国科学院沈阳自动化研究所 |
| 国家 | 中国 |
| 文献子类 | 发明 |
| 产权排序 | 3 |
| 英文摘要 | 一种基于类最优高斯核多分类支持向量机的微震信号识别方法，属于机器学习与数据挖掘领域。首先，对微震数据按照信道划分，并进行数据格式转换；其次，对每个信道数据根据均值和方差进行特征提取，并将同一样本的所有信道合并，构成新特征，利用类最优高斯核多分类支持向量机，对合成数据进行特征选择，生成降维后的非平衡训练样本集；再次，根据训练样本的非平衡率，确定欠采样倍率，对大类样本进行欠采样；最后，采用多分类支持向量机构建降维后的微震信号分类器。本发明可以有效减少冗余特征对分类的影响；通过对信道特征和合并特征进行双重降维，有效降低微震信号维度，提高微震信号分类器的正确率和时效性，增加冲击地压灾害预警的准确率。 |
| 申请日期 | 2020-02-19 |
| 语种 | 中文 |
| 状态 | 公开 |
| 内容类型 | 专利 |
| 源URL | [http://ir.sia.cn/handle/173321/27301]  |
| 专题 | 沈阳自动化研究所_机器人学研究室 |
| 作者单位 | 1.中国矿业大学 2.煤炭科学研究总院 3.中国科学院沈阳自动化研究所 |
| 推荐引用方式 GB/T 7714 | 程健,张子睿,郭一楠,等. 基于类最优高斯核多分类支持向量机的微震信号识别方法. 2020-06-12. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论