改進的支持向量機分類算法及其在煤礦人因事故安全評價中的應用

1、改進的支持向量機分類算法及其在煤礦人因事故安全評價中的應用支持向量機是建立在統(tǒng)計學習理論中VC維和結(jié)構(gòu)風險最小化原則基礎(chǔ)上的一種新的機器學習方法。它具備堅實的數(shù)學理論基礎(chǔ), 在模型復雜度和期望風險之間尋求最佳結(jié)合點 , 推廣能力較強 , 很好地解決了傳統(tǒng)機器學習方法中的過學習、維數(shù)災難等問題 , 在有限樣本、高維的模式識別問題中性能卓越, 已成為機器學習領(lǐng)域中的研究難點與熱點。正是由于支持向量機諸多的優(yōu)越性能 , 它的出現(xiàn)為一些學習樣本難以統(tǒng)計的實際應用 ( 如煤礦人因事故等 ) 提供了新的研究思路。近些年 , 隨著我國煤炭需求量的逐年遞增 , 煤礦特大事故也頻繁發(fā)生。據(jù)統(tǒng)計 , 絕大部分煤礦

2、事故直接或間接源于人因事故, 人因事故已成為嚴重影響系統(tǒng)安全的重要因素。 然而 , 由于煤礦行業(yè)的特殊性 , 人因事故形成因素繁多 ,事故特征不易提取 , 發(fā)生機理復雜 , 且事故數(shù)據(jù)難以精確統(tǒng)計, 可利用的訓練樣本很少 , 因而單純依靠傳統(tǒng)安全系統(tǒng)工程方法評價人因事故有一定的局限性 , 而支持向量機提供了解決小樣本、 高維、非線性特征下的人因事故評價分析的有效方法。論文以統(tǒng)計學習理論為主線 , 討論分析支持向量機分類算法中存在的不足 ,研究流形學習、內(nèi)積相似性間隔、核校準等理論與支持向量機分類算法的融合 , 在理論改進的基礎(chǔ)上 , 將支持向量機分類算法與煤礦安全評價理論相結(jié)合 , 應用支持向

3、量機構(gòu)建煤礦人因事故評價體系。論文研究工作主要集中在以下幾個方面 :1. 支持向量機分類算法模型的改進研究針對支持向量機分類器對噪音過于敏感的缺陷 , 利用流形學習算法研究樣本分布的內(nèi)在規(guī)律 , 結(jié)合流形延伸方向分析其發(fā)展變化趨勢 , 研究觀測空間到嵌入空間的非線性映射下的分類性能評價方法,以此構(gòu)造目標函數(shù)訓練分類器。SVM求解最大間隔對應的分類超平面需要計算復雜的二次規(guī)劃問題 , 時間復雜度較高。論文將核密度估計與支持向量機相結(jié)合 , 研究支持向量機的直接學習方法 , 以改進傳統(tǒng) SVM算法在計算復雜性上的不足 , 具有模型簡單、計算量小等優(yōu)點 , 在保持較好泛化性能的同時得到更好的分類精度

4、。 此外 , 針對經(jīng)典支持向量機在增量學習中的不足 , 給出一種基于云模型的最接近支持向量機增量學習算法。該方法利用最接近支持向量機的快速學習能力生成初始分類超平面, 用其和 k-近鄰法對全部訓練集進行約簡, 在得到的較小規(guī)模的精簡集上構(gòu)建云模型分類器直接進行分類判斷。該算法模型簡單 , 能夠保持較好的分類精度和推廣能力 , 運算速度較快。 2. 煤礦人因事故的安全評價指標體系研究論文在深入研究煤礦安全評價理論的基礎(chǔ)上 , 詳細分析了煤礦人因事故形成因素, 針對人因事故的特點 , 提出一種基于蟻群優(yōu)化算法的人因事故特征選擇評價指標及相應的特征提取方法 , 將復雜的多因素交織的特征選擇問題轉(zhuǎn)化為

5、并行的組合優(yōu)化全局尋優(yōu)過程。 通過有效的特征選擇 , 降低了系統(tǒng)的結(jié)構(gòu)復雜性 , 消除冗余因素對系統(tǒng)評價的干擾。在此基礎(chǔ)上 , 分析了改進的 SVM算法模型在人因事故評價中的應用。3. 支持向量機的模型選擇算法及其在煤礦人子系統(tǒng)可靠性影響因素關(guān)聯(lián)分析中應用研究核函數(shù)及其參數(shù)的選擇對支持向量機的性能尤為重要。 論文從間隔角度考慮 , 深入討論 SVM的推廣能力、 VC維與間隔之間的關(guān)系 , 提出一種新的特征空間中的內(nèi)積相似性間隔 , 從理論上分析其函數(shù)集的表達能力 , 給出該函數(shù)集維數(shù)估計的上界 ; 同時 , 借助核密度估計理論 , 構(gòu)建基于核密度估計的高維特征空間中核參數(shù)模型評價指標 , 研究

6、基于核密度估計的支持向量機核參數(shù)模型選擇方法。在此基礎(chǔ)上 , 論文詳細分析了綜采工作面人子系統(tǒng)可靠性及其影響因素 , 利用核密度估計聚類給出一種多指標人子系統(tǒng)可靠性等級劃分方法 , 并結(jié)合支持向量機構(gòu)建了可靠性等級與影響因素之間的顯性映射關(guān)系 , 應用本文建立的模型選擇方法進行核參數(shù)選擇 , 使得該等級劃分方法具有較好的非線性處理能力。 4. 支持向量機多類分類算法與煤礦組織管理因素安全評價模型研究研究提出一種新的支持向量機多類分類器 , 對參數(shù)進行有效約簡 , 同時避免求解復雜的二次規(guī)劃問題 , 解決了傳統(tǒng) SVM在多類分類問題中的不足。在此基礎(chǔ)上 , 將多類算法模型應用到煤礦安全組織管理因素分析 , 從人的管理、組織機構(gòu)管理、 企業(yè)環(huán)境管理、 現(xiàn)場及技術(shù)管理四個方面詳細分析了煤礦組織管理中的主要影響因素 , 提出一種基于核校準和支持向量機的組織管理安全評價等級預測方法 , 并分析了組織管理的安全評價等級與各影響因素的關(guān)聯(lián)關(guān)系。5. 煤礦人因事故安全評價分析原型系統(tǒng)研究了煤礦人因事故安全評價原型系統(tǒng)的設(shè)計與實現(xiàn)。