简论倾向性改善高斯过程硫化矿石自燃倾向性等级分类
最后更新时间:2024-03-21
作者:用户投稿本站原创
点赞:5387
浏览:12399
论文导读:111绪论11-211.1探讨的背景和作用11-121.1.1硫化矿石自燃火灾的危害11-121.1.2探讨硫化矿石自燃倾向性等级分类策略的作用121.2硫化矿石自燃倾向性等级的探讨近况12-171.2.1硫化矿石自燃倾向性等级的特点12-131.2.2硫化矿石自燃倾向性等级的分类策略13-161.2.3有着的不足16-171.3高斯历程的探讨近况17-191.4论文的
摘要:当前,在硫化矿石自燃倾向性等级分类领域,核函数策略因具有可解决非线性不足和样本数据过少不足的能力,而受到科研人员越来越多的关注,逐步成为探讨热点。高斯历程是一种基于核函数的策略。它具有完全的贝叶斯公式化表示,能够明确的进行概率建模,使结果更易于解释。本论文在依据硫化矿石自燃预测策略之一的自燃倾向性预测法的基础上,针对硫化矿石自燃倾向性的特点和分类策略有着的不足,首先利用公开的数据集分别建立基于期望传播法和拉普拉斯法的高斯历程分类模型,同时与SVM进行比较浅析,指出基于期望传播法的高斯历程分类模型获得了最好分类结果。其次浅析高斯历程和判别浅析法的不足,提出一种改善的高斯历程分类策略,该策略通过小样本数据集训练先验判别来构建潜在变量模型。最后实现对硫化矿石自燃倾向性等级信息的充分挖掘,解决硫化矿石自燃倾向性等级分类不足,为硫化矿石自燃倾向性等级判定提供一条新途径。关键词:高斯历程论文期望传播法论文算法改善论文硫化矿石论文自燃倾向性论文
本论文由www.7ctime.com,需要论文可以联系人员哦。致谢5-6
摘要6-7
Abstract7-11
1 绪论11-21
4.
6 结论52-54
作者简历57-59
学位论文数据集59-60
摘要:当前,在硫化矿石自燃倾向性等级分类领域,核函数策略因具有可解决非线性不足和样本数据过少不足的能力,而受到科研人员越来越多的关注,逐步成为探讨热点。高斯历程是一种基于核函数的策略。它具有完全的贝叶斯公式化表示,能够明确的进行概率建模,使结果更易于解释。本论文在依据硫化矿石自燃预测策略之一的自燃倾向性预测法的基础上,针对硫化矿石自燃倾向性的特点和分类策略有着的不足,首先利用公开的数据集分别建立基于期望传播法和拉普拉斯法的高斯历程分类模型,同时与SVM进行比较浅析,指出基于期望传播法的高斯历程分类模型获得了最好分类结果。其次浅析高斯历程和判别浅析法的不足,提出一种改善的高斯历程分类策略,该策略通过小样本数据集训练先验判别来构建潜在变量模型。最后实现对硫化矿石自燃倾向性等级信息的充分挖掘,解决硫化矿石自燃倾向性等级分类不足,为硫化矿石自燃倾向性等级判定提供一条新途径。关键词:高斯历程论文期望传播法论文算法改善论文硫化矿石论文自燃倾向性论文
本论文由www.7ctime.com,需要论文可以联系人员哦。致谢5-6
摘要6-7
Abstract7-11
1 绪论11-21
1.1 探讨的背景和作用11-12
1.1 硫化矿石自燃火灾的危害11-12
1.2 探讨硫化矿石自燃倾向性等级分类策略的作用12
1.2 硫化矿石自燃倾向性等级的探讨近况12-17
1.2.1 硫化矿石自燃倾向性等级的特点12-13
1.2.2 硫化矿石自燃倾向性等级的分类策略13-16
1.2.3 有着的不足16-17
1.3 高斯历程的探讨近况17-19
1.4 论文的探讨内容与组织结构19-21
2 高斯历程论述基础21-282.1 高斯历程的概念21-23
2.1.1 高斯分布21-22
2.1.2 高斯历程22-23
2.2 高斯历程的模型选择23-242.1 确定高斯历程核函数形式23-24
2.2 高斯历程中超参数的学习24
2.3 基于高斯历程的分类24-28
2.3.1 高斯历程二元分类25-26
2.3.2 高斯历程多元分类26-28
3 基于高斯历程分类的近似算法比较28-403.1 不足的提出28
3.2 拉普拉斯近似算法28-29
3.2.1 拉普拉斯近似算法的实现28-29
3.2.2 拉普拉斯近似法下的边际似然函数29
3.3 期望传播近似法算法29-303.1 期望传播近似法算法的实现29-30
3.2 期望传播近似法下的边缘似然函数30
3.4 基于近似法的高斯历程模型建立30-31
3.5 比较实验31-39
3.5.1 实验环境31
3.5.2 实验数据来源及预处理31-35
3.5.3 实验结果浅析35-39
3.6 本章小结39-40
4 改善高斯历程分类算法40-464.1 不足的提出40-41
4.2 高斯历程模型41-43
4.2.1 高斯历程分类模型41-42
4.2.2 潜在变量高斯历程模型42-43
4.3 判别潜在向量高斯历程模型43-444.
3.1 线性判别浅析和广义判别浅析43
4.3.2 判别法与潜在变量高斯历程的结合43-44
4.4 判别 GPLVM 的高斯历程分类444.5 实验结果及浅析44-46
5 改善高斯历程在硫化矿石自燃倾向性等级中的运用46-525.1 硫化矿石自燃倾向性影响因素的确定46
5.2 硫化矿石自燃倾向性等级分类46-47
5.3 基于硫化矿石自燃倾向性等级的改善 GPC 模型的建立47-50
5.3.1 实验数据的收集47-48
5.3.2 实验数据的预处理48-49
5.3.3 建立基于硫化矿石自燃倾向性等级的改善 GPC 模型49-50
5.4 实验结果及浅析50-526 结论52-54
6.1 总结52-53
6.2 展望53-54
参考文献54-57作者简历57-59
学位论文数据集59-60