基于支持向量机的煤矿安全建模研究及应用

第1章 基础理论1.1 最优化理论1.1.1 最优化问题的表示1.1.2 线性规划和非线性规划1.1.3 凸集和凸函数1.2 统计学习理论1.2.1 机器学习的问题表示1.2.2 经验风险最小化原则1.2.3 VC维1.2.4 结构风险最小化原则第2章 支持向量机理论2.1 最优分类超平面2.2 支持向量分类机2.2.1 线性分类


第1章 基础理论1.1 最优化理论1.1.1 最优化问题的表示1.1.2 线性规划和非线性规划1.1.3 凸集和凸函数1.2 统计学习理论1.2.1 机器学习的问题表示1.2.2 经验风险最小化原则1.2.3 VC维1.2.4 结构风险最小化原则第2章 支持向量机理论2.1 最优分类超平面2.2 支持向量分类机2.2.1 线性分类2.2.2 近似线性分类2.2.3 非线性分类2.2.4 多类分类问题2.3 支持向量回归机2.3.1 SVM回归问题2.3.2 线性支持向量回归机2.3.3 非线性支持向量回归机2.4 核函数第3章 煤矿安全及支持向量机研究现状3.1 研究背景及意义3.1.1 研究背景3.1.2 研究意义3.2 国内外研究现状3.2.1 煤矿事故预测模型研究现状3.2.2 支持向量机研究现状3.3 常用预测模型3.3.1 时间序列模型3.3.2 灰色模型3.3.3 人工神经网络模型第4章 煤矿百万吨死亡率预测指标体系的建立4.1 煤矿百万吨死亡率影响因素的构成4.1.1 煤矿安全生产控制指标4.1.2 指标的下达方式及分解计算方法4.1.3 煤矿百万吨死亡率影响因子4.2 基于灰色关联分析的煤矿百万吨死亡率指标体系的建立4.2.1 灰色关联分析的基本特征4.2.2 灰色关联分析模型4.2.3 2004年煤矿百万吨死亡率关联分析4.2.4 2010年煤矿百万吨死亡率关联分析4.2.5 煤矿百万吨死亡率灰色关联分析结果对比4.3 基于改进的灰色关联煤矿百万吨死亡率指标体系的建立4.3.1 数据无量纲化处理方法的改进4.3.2 关联度加权改进算法4.3.3 煤矿百万吨死亡率改进灰色关联分析结果对比第5章 基于灰色模型的煤矿百万吨死亡率指标的测算5.1 煤矿百万吨死亡率GM（1，1）模型5.1.1 GM（1，1）模型建模机理5.1.2 GM（1，1）模型的检验5.2 煤矿百万吨死亡率Dm-GM（1，1）模型5.2.1 缓冲算子改进灰色模型的建立过程5.2.2 缓冲算子改进灰色模型的优点5.3 Dm-GM（1，1）模型在煤矿百万吨死亡率指标测算中的应用5.3.1 煤矿百万吨死亡率原始数据处理5.3.2 基于GM（1，1）模型的煤矿百万吨死亡率指标测算5.3.3 基于D-GM（1，1）模型的煤矿百万吨死亡率指标测算5.3.4 基于Dm-GM（1，1）模型的煤矿百万吨死亡率指标测算5.3.S基于Dm-GM（1，1）模型的煤矿百万吨死亡率指标误差检验