测绘科学

2014, v.39;No.193(07) 150-154

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

最小二乘支持向量机优化模型在煤矿安全预测中的应用
Application of PSO-LSSVM information fusion optimization model in coal mine safety level prediction

周华平;熊博杰;桂海霞;

摘要(Abstract):

针对传统信息融合技术在煤矿井下环境等级评价中的局限性,文章提出了一种智能算法:通过粒子群优化算法对最小二乘支持向量机进行参数寻优,建立多传感器信息融合模型PSO-LSSVM,克服参数选择的主观性、盲目性,从而提高算法的分类精度和收敛速度。实验结果表明,相比未经参数优化的最小二乘支持向量机模型、网格算法优化最小二乘支持向量机模型,PSO-LSSVM模型能很好地解决煤矿井下环境等级评价中小样本的高维、非线性、不确定性等方面的问题。

关键词(KeyWords): 信息融合;粒子群算法;最小二乘支持向量机;参数优化;交叉验证

Abstract:

Keywords:

基金项目(Foundation): 国家自然基金项目-神华煤炭联合(51174257);; 国家重点基础研究(973)计划项目(2010CB732002);; 安徽高校省级自然科学研究重点项目(KJ2010A083);; 安徽理工大学青年科学基金(2012QNY34)

作者(Author): 周华平;熊博杰;桂海霞;

Email:

DOI: 10.16251/j.cnki.1009-2307.2014.07.038

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享