改進(jìn)的支持向量機(jī)分類算法及其在煤礦人因事故安全評(píng)價(jià)中的應(yīng)用

1、改進(jìn)的支持向量機(jī)分類算法及其在煤礦人因事故安全評(píng)價(jià)中的應(yīng)用支持向量機(jī)是建立在統(tǒng)計(jì)學(xué)習(xí)理論中VC維和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則基礎(chǔ)上的一種新的機(jī)器學(xué)習(xí)方法。它具備堅(jiān)實(shí)的數(shù)學(xué)理論基礎(chǔ), 在模型復(fù)雜度和期望風(fēng)險(xiǎn)之間尋求最佳結(jié)合點(diǎn) , 推廣能力較強(qiáng) , 很好地解決了傳統(tǒng)機(jī)器學(xué)習(xí)方法中的過(guò)學(xué)習(xí)、維數(shù)災(zāi)難等問(wèn)題 , 在有限樣本、高維的模式識(shí)別問(wèn)題中性能卓越, 已成為機(jī)器學(xué)習(xí)領(lǐng)域中的研究難點(diǎn)與熱點(diǎn)。正是由于支持向量機(jī)諸多的優(yōu)越性能 , 它的出現(xiàn)為一些學(xué)習(xí)樣本難以統(tǒng)計(jì)的實(shí)際應(yīng)用 ( 如煤礦人因事故等 ) 提供了新的研究思路。近些年 , 隨著我國(guó)煤炭需求量的逐年遞增 , 煤礦特大事故也頻繁發(fā)生。據(jù)統(tǒng)計(jì) , 絕大部分煤礦

2、事故直接或間接源于人因事故, 人因事故已成為嚴(yán)重影響系統(tǒng)安全的重要因素。 然而 , 由于煤礦行業(yè)的特殊性 , 人因事故形成因素繁多 ,事故特征不易提取 , 發(fā)生機(jī)理復(fù)雜 , 且事故數(shù)據(jù)難以精確統(tǒng)計(jì), 可利用的訓(xùn)練樣本很少 , 因而單純依靠傳統(tǒng)安全系統(tǒng)工程方法評(píng)價(jià)人因事故有一定的局限性 , 而支持向量機(jī)提供了解決小樣本、 高維、非線性特征下的人因事故評(píng)價(jià)分析的有效方法。論文以統(tǒng)計(jì)學(xué)習(xí)理論為主線 , 討論分析支持向量機(jī)分類算法中存在的不足 ,研究流形學(xué)習(xí)、內(nèi)積相似性間隔、核校準(zhǔn)等理論與支持向量機(jī)分類算法的融合 , 在理論改進(jìn)的基礎(chǔ)上 , 將支持向量機(jī)分類算法與煤礦安全評(píng)價(jià)理論相結(jié)合 , 應(yīng)用支持向

3、量機(jī)構(gòu)建煤礦人因事故評(píng)價(jià)體系。論文研究工作主要集中在以下幾個(gè)方面 :1. 支持向量機(jī)分類算法模型的改進(jìn)研究針對(duì)支持向量機(jī)分類器對(duì)噪音過(guò)于敏感的缺陷 , 利用流形學(xué)習(xí)算法研究樣本分布的內(nèi)在規(guī)律 , 結(jié)合流形延伸方向分析其發(fā)展變化趨勢(shì) , 研究觀測(cè)空間到嵌入空間的非線性映射下的分類性能評(píng)價(jià)方法,以此構(gòu)造目標(biāo)函數(shù)訓(xùn)練分類器。SVM求解最大間隔對(duì)應(yīng)的分類超平面需要計(jì)算復(fù)雜的二次規(guī)劃問(wèn)題 , 時(shí)間復(fù)雜度較高。論文將核密度估計(jì)與支持向量機(jī)相結(jié)合 , 研究支持向量機(jī)的直接學(xué)習(xí)方法 , 以改進(jìn)傳統(tǒng) SVM算法在計(jì)算復(fù)雜性上的不足 , 具有模型簡(jiǎn)單、計(jì)算量小等優(yōu)點(diǎn) , 在保持較好泛化性能的同時(shí)得到更好的分類精度

4、。 此外 , 針對(duì)經(jīng)典支持向量機(jī)在增量學(xué)習(xí)中的不足 , 給出一種基于云模型的最接近支持向量機(jī)增量學(xué)習(xí)算法。該方法利用最接近支持向量機(jī)的快速學(xué)習(xí)能力生成初始分類超平面, 用其和 k-近鄰法對(duì)全部訓(xùn)練集進(jìn)行約簡(jiǎn), 在得到的較小規(guī)模的精簡(jiǎn)集上構(gòu)建云模型分類器直接進(jìn)行分類判斷。該算法模型簡(jiǎn)單 , 能夠保持較好的分類精度和推廣能力 , 運(yùn)算速度較快。 2. 煤礦人因事故的安全評(píng)價(jià)指標(biāo)體系研究論文在深入研究煤礦安全評(píng)價(jià)理論的基礎(chǔ)上 , 詳細(xì)分析了煤礦人因事故形成因素, 針對(duì)人因事故的特點(diǎn) , 提出一種基于蟻群優(yōu)化算法的人因事故特征選擇評(píng)價(jià)指標(biāo)及相應(yīng)的特征提取方法 , 將復(fù)雜的多因素交織的特征選擇問(wèn)題轉(zhuǎn)化為

5、并行的組合優(yōu)化全局尋優(yōu)過(guò)程。 通過(guò)有效的特征選擇 , 降低了系統(tǒng)的結(jié)構(gòu)復(fù)雜性 , 消除冗余因素對(duì)系統(tǒng)評(píng)價(jià)的干擾。在此基礎(chǔ)上 , 分析了改進(jìn)的 SVM算法模型在人因事故評(píng)價(jià)中的應(yīng)用。3. 支持向量機(jī)的模型選擇算法及其在煤礦人子系統(tǒng)可靠性影響因素關(guān)聯(lián)分析中應(yīng)用研究核函數(shù)及其參數(shù)的選擇對(duì)支持向量機(jī)的性能尤為重要。 論文從間隔角度考慮 , 深入討論 SVM的推廣能力、 VC維與間隔之間的關(guān)系 , 提出一種新的特征空間中的內(nèi)積相似性間隔 , 從理論上分析其函數(shù)集的表達(dá)能力 , 給出該函數(shù)集維數(shù)估計(jì)的上界 ; 同時(shí) , 借助核密度估計(jì)理論 , 構(gòu)建基于核密度估計(jì)的高維特征空間中核參數(shù)模型評(píng)價(jià)指標(biāo) , 研究

6、基于核密度估計(jì)的支持向量機(jī)核參數(shù)模型選擇方法。在此基礎(chǔ)上 , 論文詳細(xì)分析了綜采工作面人子系統(tǒng)可靠性及其影響因素 , 利用核密度估計(jì)聚類給出一種多指標(biāo)人子系統(tǒng)可靠性等級(jí)劃分方法 , 并結(jié)合支持向量機(jī)構(gòu)建了可靠性等級(jí)與影響因素之間的顯性映射關(guān)系 , 應(yīng)用本文建立的模型選擇方法進(jìn)行核參數(shù)選擇 , 使得該等級(jí)劃分方法具有較好的非線性處理能力。 4. 支持向量機(jī)多類分類算法與煤礦組織管理因素安全評(píng)價(jià)模型研究研究提出一種新的支持向量機(jī)多類分類器 , 對(duì)參數(shù)進(jìn)行有效約簡(jiǎn) , 同時(shí)避免求解復(fù)雜的二次規(guī)劃問(wèn)題 , 解決了傳統(tǒng) SVM在多類分類問(wèn)題中的不足。在此基礎(chǔ)上 , 將多類算法模型應(yīng)用到煤礦安全組織管理因素分析 , 從人的管理、組織機(jī)構(gòu)管理、 企業(yè)環(huán)境管理、 現(xiàn)場(chǎng)及技術(shù)管理四個(gè)方面詳細(xì)分析了煤礦組織管理中的主要影響因素 , 提出一種基于核校準(zhǔn)和支持向量機(jī)的組織管理安全評(píng)價(jià)等級(jí)預(yù)測(cè)方法 , 并分析了組織管理的安全評(píng)價(jià)等級(jí)與各影響因素的關(guān)聯(lián)關(guān)系。5. 煤礦人因事故安全評(píng)價(jià)分析原型系統(tǒng)研究了煤礦人因事故安全評(píng)價(jià)原型系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。