礦山微震數(shù)據(jù)流上的概念漂移及分類方法研究
【學位單位】:中國礦業(yè)大學
【學位級別】:碩士
【學位年份】:2019
【中圖分類】:TD76;TP181
【部分圖文】:
因此,分類模型的時間效率也將是體現(xiàn)模型優(yōu)劣的重要指標,我們對預處理后的微震數(shù)據(jù)流分別使用本章給出的 CMBOUM 算法與 5 種傳統(tǒng)機器學習分類方法進行分類,統(tǒng)計各個階段準確率,實驗結(jié)果如圖 3-4 所示。
工程碩士專業(yè)學位論文)在 Colorado 植被數(shù)據(jù)流中,AWE 算法與 CMBOUM 算法有化趨勢,并且在數(shù)據(jù)流分類進行到第 30~40 個數(shù)據(jù)塊和第 6確率有兩次明顯的下降,數(shù)據(jù)流在此區(qū)間內(nèi)發(fā)生了概念漂移的法都具有適應新概念的能力,到下一個數(shù)據(jù)塊準確率記錄點時且上升趨勢基本相同。
26圖 3-6 CMBOUM 算法 Colorado 數(shù)據(jù)集實驗對比igure 3-6 Colorado dataset experimental comparison of CMBOUM algorith實驗結(jié)果圖所得出的信息,可以分析出以下兩點結(jié)論:)CMBOUM 算法在處理普通概念漂移數(shù)據(jù)流時也具有較高的經(jīng)典數(shù)據(jù)流分類算法 AWE,CMBOUM 算法具有相同的適應由于兩種算法均具有自動更新機制,在數(shù)據(jù)流發(fā)生概念漂移后類器來適應新概念,使分類模型保持穩(wěn)定的高性能。
【參考文獻】
相關(guān)期刊論文 前10條
1 陳晉音;何輝豪;;基于密度的聚類中心自動確定的混合屬性數(shù)據(jù)聚類算法研究[J];自動化學報;2015年10期
2 曹安業(yè);井廣成;竇林名;鞏思園;趙永亮;張貞良;;孤島面開采強礦震異常區(qū)的被動聲波探測技術(shù)及應用[J];采礦與安全工程學報;2015年01期
3 趙國彥;鄧青林;馬舉;;基于FSWT時頻分析的礦山微震信號分析與識別[J];巖土工程學報;2015年02期
4 郭濤;方向;謝全民;嚴中紅;范磊;;頻率切片小波變換在爆破振動信號時頻特征精確提取中應用[J];振動與沖擊;2013年22期
5 朱玲玲;朱利華;;自動化人工智能監(jiān)控在煤礦工業(yè)的應用[J];煤炭技術(shù);2012年12期
6 朱權(quán)潔;姜福興;尹永明;于正興;溫經(jīng)林;;基于小波分形特征與模式識別的礦山微震波形識別研究[J];巖土工程學報;2012年11期
7 陸振裕;竇林名;劉寶田;何江;;斷層處的礦震機理及震動信號特征研究[J];煤礦安全;2012年11期
8 郭躬德;李南;陳黎飛;;一種適應概念漂移數(shù)據(jù)流的分類算法[J];山東大學學報(工學版);2012年04期
9 徐文華;覃征;常揚;;基于半監(jiān)督學習的數(shù)據(jù)流集成分類算法[J];模式識別與人工智能;2012年02期
10 徐宏斌;李庶林;陳際經(jīng);;基于小波變換的大尺度巖體結(jié)構(gòu)微震監(jiān)測信號去噪方法研究[J];地震學報;2012年01期
本文編號:2885824
本文鏈接:http://sikaile.net/kejilunwen/anquangongcheng/2885824.html