對煤巖顯微組分進行分類與識別,建立煤巖顯微組分參數(shù)與煤的性質(zhì)之間的關系對煤的高效清潔利用具有極其重要的意義。由于煤巖的某些組分難以獲取豐富的樣本,為準確分類帶來困難。研究表明,虛擬樣本技術是一種擴充訓練樣本集、提高學習機泛化能力的有效手段。鑒于此,本文在分析煤巖顯微圖像信息特征的基礎上,對基于高斯分布的虛擬樣本生成方法進行改進,以此對煤巖顯微圖像的初始樣本集進行擴充,以提高分類算法的準確率。本文主要工作如下:（1）在廣泛查閱相關文獻的基礎上,概述煤巖顯微組分分類識別及虛擬樣本構造方法的研究現(xiàn)狀。（2）特征提取及特征選擇以鏡質(zhì)組為例,提取基于灰度直方圖的5個統(tǒng)計特征量、基于灰度共生矩陣和行程長度的16個紋理特征。分析各組分特征量的分布特點,并從中選擇既符合高斯分布又能有效區(qū)分各組分的特征量建立特征參量集。（3）虛擬樣本的構建對基于高斯分布的虛擬樣本構造方法進行改進。改進后的方法首先采用最大似然估計求取有效特征量的均值、方差,由此構造高斯分布函數(shù),再在初始樣本周圍依據(jù)該高斯分布隨機地生成一定數(shù)目的虛擬樣本,并將虛擬樣本添加到初始訓練樣本中生成新的訓練樣本集。（4）實驗與驗證為了驗證初始樣本... 

【文章來源】：安徽工業(yè)大學安徽省

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

結構鏡質(zhì)體圖像

(e) 膠質(zhì)鏡質(zhì)體 (f) 碎屑鏡質(zhì)體圖 2.2 無結構鏡質(zhì)體及碎屑鏡質(zhì)體圖像3）碎屑鏡質(zhì)體又稱鏡屑體，在煤中比較少見，主要由鏡質(zhì)組碎屑顆粒組成，其粒徑小于10

均值為0標準差不同時的高斯曲線

【參考文獻】：
期刊論文
[1]整合原始人臉圖像和其虛擬樣本的人臉分類算法[J]. 劉梓,宋曉寧,唐振民.  計算機科學. 2015(05)
[2]煤巖顯微組分對活性炭孔結構及電化學性能的影響[J]. 邢寶林,郭暉,諶倫建,張傳祥,黃光許,徐冰,儀桂云.  煤炭學報. 2014(11)
[3]神府煤煤巖顯微組分的浮選分離及富集物的低溫熱解產(chǎn)物特性研究[J]. 趙偉,張曉欠,周安寧,楊志遠.  燃料化學學報. 2014(05)
[4]基于組合核函數(shù)SVM沙塵暴預警技術的研究[J]. 傅清秋,謝永華,湯波,張恒德.  計算機工程與設計. 2014(02)
[5]基于高斯分布隨機樣本生成的小樣本聚類算法[J]. 丁智.  電腦知識與技術. 2013(29)
[6]煉焦煤和焦炭特性[J]. Bennett P,Andriopoulos N,Johnson L,Reifenstein A,張娜.  世界鋼鐵. 2013(02)
[7]基于行程長度紋理特征的焦炭顯微圖像分類算法[J]. 王培珍,繆家龍,周可,張代林.  煤炭學報. 2012(06)
[8]新疆地方性肝包蟲CT圖像的灰度直方圖特征提取與分析[J]. 木拉提·哈米提,周晶晶,嚴傳波,李莉,陳建軍,胡彥婷,孔德偉.  科技導報. 2012(06)
[9]虛擬樣本生成技術研究[J]. 于旭,楊靜,謝志強.  計算機科學. 2011(03)
[10]支持向量機理論與算法研究綜述[J]. 丁世飛,齊丙娟,譚紅艷.  電子科技大學學報. 2011(01)

碩士論文
[1]支持向量機分類算法中訓練樣本集的構造方法[D]. 于旭.哈爾濱理工大學 2009
[2]基于灰度共生法和小波變換的遙感影像紋理信息提取[D]. 曾文華.東北師范大學 2006



本文編號：3561304