發(fā)布時(shí)間：2021-04-23 17:36

　　電子回旋輻射成像在托克馬克實(shí)驗(yàn)診斷中起著探測(cè)極向剖面的電子溫度及其漲落的作用。因此,電子回旋輻射成像的診斷數(shù)據(jù)可以用來研究鋸齒不穩(wěn)定性,對(duì)理解托克馬克內(nèi)部的鋸齒行為十分重要。為了更方便地挖掘出診斷數(shù)據(jù)的統(tǒng)計(jì)規(guī)律,有必要前期對(duì)電子回旋輻射成像信號(hào)進(jìn)行數(shù)據(jù)清洗,篩選出好的信號(hào),并做出對(duì)信號(hào)的初步分類。電子回旋輻射成像信號(hào)可以初步分為飽和信號(hào)、無信號(hào)、弱信號(hào)、正常信號(hào)。傳統(tǒng)上,一般用人工識(shí)別的方式去篩選,存在著識(shí)別效率低,錯(cuò)誤率比較大的問題。為了很好的實(shí)現(xiàn)數(shù)據(jù)分類的目標(biāo),并結(jié)合電子回旋輻射成像信號(hào)數(shù)據(jù)量大的特點(diǎn),本文采用大數(shù)據(jù)處理手段中常用的機(jī)器學(xué)習(xí)方法進(jìn)行分類。鑒于分類電子回旋輻射成像信號(hào)是個(gè)多分類問題,依據(jù)機(jī)器學(xué)習(xí)的策略,從兩種角度出發(fā),實(shí)現(xiàn)具體的分類算法。一種是將多分類問題拆解成為多個(gè)二分類問題,采用支持向量機(jī)與決策樹結(jié)合的方法逐步完成多個(gè)二分類任務(wù),支持向量機(jī)和決策樹均是機(jī)器學(xué)習(xí)中實(shí)現(xiàn)二分類性能比較優(yōu)異的算法;第二種是采用可以直接處理多分類問題的機(jī)器學(xué)習(xí)算法,如集成學(xué)習(xí)中的隨機(jī)森林。為了更好的比較這兩種學(xué)習(xí)策略,在相同的數(shù)據(jù)集、測(cè)試集上實(shí)現(xiàn)了支持向量機(jī)與決策樹混合模型、隨機(jī)森林模型分... 

【文章來源】：中國(guó)科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：56 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 引言
    1.2 ECEI微波成像的介紹
    1.3 機(jī)器學(xué)習(xí)在其他科研大數(shù)據(jù)中的應(yīng)用
    1.4 本論文研究的內(nèi)容以及意義
第二章 基于支持向量機(jī)和決策樹混合模型分類電子回旋輻射成像信號(hào)
    2.1 支持向量機(jī)算法的概述
        2.1.1 支持向量機(jī)的原理
        2.1.2 支持向量機(jī)的應(yīng)用場(chǎng)景
    2.2 決策樹算法的概述
        2.2.1 決策樹的原理
        2.2.2 決策樹的應(yīng)用場(chǎng)景
    2.3 多分類問題解決思路
        2.3.1 多分類問題常見的拆解方法
        2.3.2 二叉樹結(jié)構(gòu)
    2.4 基于支持向量機(jī)和決策樹的混合模型的信號(hào)分類
        2.4.1 支持向量機(jī)和決策樹混合模型的概述
        2.4.2 飽和信號(hào)的識(shí)別
        2.4.3 無信號(hào)的識(shí)別
        2.4.4 弱信號(hào)的識(shí)別
    2.5 本章小結(jié)
第三章 基于隨機(jī)森林算法分類電子回旋輻射成像信號(hào)
    3.1 隨機(jī)森林算法的概述
        3.1.1 集成學(xué)習(xí)的原理
        3.1.2 隨機(jī)森林的構(gòu)建
    3.2 基于隨機(jī)森林模型的信號(hào)分類
        3.2.1 調(diào)優(yōu)基決策樹分類器的個(gè)數(shù)
        3.2.2 調(diào)優(yōu)基決策樹的屬性個(gè)數(shù)
    3.3 本章小結(jié)
第四章 信號(hào)分類的實(shí)驗(yàn)結(jié)果與討論
    4.1 樣本集與特征集
    4.2 實(shí)驗(yàn)的硬件平臺(tái)
    4.3 基于偏二叉樹結(jié)構(gòu)的支持向量機(jī)與決策樹混合模型的分類結(jié)果
    4.4 基于隨機(jī)森林模型的分類結(jié)果
    4.5 實(shí)驗(yàn)結(jié)果的討論
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 研究結(jié)果總結(jié)
    5.2 工作展望
參考文獻(xiàn)
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的其他研究成果


【參考文獻(xiàn)】：
期刊論文
[1]集成學(xué)習(xí)之隨機(jī)森林算法綜述[J]. 王奕森,夏樹濤.  信息通信技術(shù). 2018(01)
[2]基于混合核學(xué)習(xí)支持向量機(jī)的主減速器故障診斷[J]. 張華偉,左旭艷,潘昊.  計(jì)算機(jī)應(yīng)用與軟件. 2017(05)

博士論文
[1]EAST托卡馬克上聚變中子診斷技術(shù)研究[D]. 鐘國(guó)強(qiáng).中國(guó)科學(xué)技術(shù)大學(xué) 2018
[2]基于電子回旋輻射成像診斷的磁流體不穩(wěn)定性實(shí)驗(yàn)研究[D]. 趙朕領(lǐng).中國(guó)科學(xué)技術(shù)大學(xué) 2017
[3]EAST電子回旋輻射成像系統(tǒng)研制與芯部MHD行為實(shí)驗(yàn)研究[D]. 高炳西.中國(guó)科學(xué)技術(shù)大學(xué) 2013
[4]EAST超導(dǎo)托卡馬克等離子體放電上升段特性的研究[D]. 薛二兵.東華大學(xué) 2012

碩士論文
[1]EAST上快離子損失診斷（FILD）的研究及初步應(yīng)用[D]. 金釗.中國(guó)科學(xué)技術(shù)大學(xué) 2017
[2]EAST上電子回旋輻射成像診斷系統(tǒng)的屏蔽優(yōu)化研究[D]. 仝麗.中國(guó)科學(xué)技術(shù)大學(xué) 2015



本文編號(hào)：3155747