本文關(guān)鍵詞：礦山地質(zhì)環(huán)境評價(jià)模型的改進(jìn)SVM算法

  更多相關(guān)文章： SVM 礦山地質(zhì)環(huán)境 比特壓縮 加權(quán)支持向量機(jī) BP 神經(jīng)網(wǎng)絡(luò)

【摘要】：經(jīng)典SVM(Support vector machine)算法使用的對象樣本較大、運(yùn)算速度較慢,難以對礦山地質(zhì)環(huán)境進(jìn)行有效評價(jià),故對其進(jìn)行了改進(jìn),提出了一種改進(jìn)SVM算法的礦山地質(zhì)環(huán)境評價(jià)模型。該算法利用比特壓縮原理,首先將樣本數(shù)據(jù)進(jìn)行比特壓縮;然后用加權(quán)支持向量機(jī)訓(xùn)練分類器實(shí)現(xiàn)樣本壓縮,提高收斂速率。采用江西某礦區(qū)的實(shí)測數(shù)據(jù)分別對BP神經(jīng)網(wǎng)絡(luò)算法、經(jīng)典SVM算法與改進(jìn)SVM算法構(gòu)建的評價(jià)模型進(jìn)行對比分析,結(jié)果表明:1改進(jìn)SMV算法構(gòu)建的評價(jià)模型輸出誤差、收斂速率均優(yōu)于BP神經(jīng)網(wǎng)絡(luò)算法建立的模型,經(jīng)典SVM算法與改進(jìn)SVM算法建立的評價(jià)模型的輸出誤差相近,但改進(jìn)SVM算法構(gòu)建的模型的收斂速率較高;2改進(jìn)SMV算法隨著比特壓縮位數(shù)的增大,訓(xùn)練樣本縮減率逐漸增大,即在樣本數(shù)量減少、訓(xùn)練時(shí)間縮短、收斂速率提高的情況下,模型輸出誤差可基本保持不變�？梢�,采用改進(jìn)SMV算法構(gòu)建的評價(jià)模型,不僅提高了模型的訓(xùn)練速率,而且降低了樣本數(shù)據(jù)量,可對礦山地質(zhì)環(huán)境進(jìn)行有效評價(jià)。
【作者單位】： 包頭輕工職業(yè)技術(shù)學(xué)院電子商務(wù)學(xué)院;
【關(guān)鍵詞】： SVM 礦山地質(zhì)環(huán)境 比特壓縮 加權(quán)支持向量機(jī) BP 神經(jīng)網(wǎng)絡(luò)
【分類號】：TD167
【正文快照】： 近年來,隨著礦山開發(fā)進(jìn)程的加快,各類地質(zhì)環(huán)境問題頻發(fā),給礦山正常生產(chǎn)、礦區(qū)人民生產(chǎn)生活造成了較大威脅。對礦山地質(zhì)環(huán)境問題進(jìn)行有效評價(jià),對于合理布置礦區(qū)生產(chǎn)勘探、制定開發(fā)規(guī)劃、保護(hù)礦區(qū)生態(tài)環(huán)境有較大價(jià)值[1-3]。對此,馮進(jìn)程等[4]使用物元分析法對小秦嶺金礦區(qū)的地質(zhì)

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 劉國棟;;基于海量煤炭采集文本數(shù)據(jù)的可擴(kuò)展SVM算法的研究與應(yīng)用[J];煤炭技術(shù);2013年05期

，

本文編號：846053