基于软间隔委员会投票主动学习的遥感影像分类

针对遥感影像数据具有大量未标记样本的特性,采用主动学习方法从未标记样本中,挑选出最有利于改善遥感影像分类性能的样本添加到已标记样本中进行学习,以有效避免过多的人工干预,减少标记样本数量。进一步,针对传统基于委员会投票主动学习难以处理噪声及线性不可分数据的问题,提出基于软间隔的委员会投票主动学习方法,对样本间隔添加考虑样本分布的松弛项,以弱化硬间隔对噪声数据分类的影响。遥感影像数据集上的仿真结果表明,所提算法能够使用较少的训练样本来获得较高的分类精度。     

双权法LSSVM在旋转设备故障诊断中的应用

由于旋转设备故障数据样本存在不平衡性,导致传统的LSSVM无法对异常值样本正确分类,为了解决这一问题,首先采用LSSVM从训练集中提取错分样本及其分类的支持向量,再根据各类故障样本数量对惩罚因子进行加权,以减少样本数量不平衡对分类结果的影响;然后根据错分样本到本类边界支持向量的距离,对松弛系数设置不同的权值,使错分的异常值样本分类得以修正。通过煤矿风机故障数据集验证了该算法分类效果明显优于传统的LSSVM方法。它有效地消除了因故障样本数据不平衡、样本分布异常对分类器造成的影响,提高了设备故障诊断的正确率。     

基于太赫兹光谱技术的煤岩识别方法

煤岩识别是无人化开采中的重大问题,为了研究基于太赫兹谱的煤岩识别方法,首先应用太赫兹时域光谱技术对不同矿井采集来的煤岩样本进行了实验,得到了煤岩样本的太赫兹谱。然后计算出煤岩样本的折射率谱和吸收谱,并分别将其作为训练集和测试集。研究不同支持向量机参数对建模以及煤岩分类结果的影响。结果表明,通过合理的寻优方式,并利用煤岩的吸收特性和折射特性等样本的固有属性,可以建立稳定的THz-SVM的煤岩识别模型,从而可以快速稳定地区分出煤岩介质,这也意味着可以通过该方法来描述采煤机的截割状态(割煤/割岩),从而为采煤机自动调高提供依据。     

诊断汽轮发电机组振动故障的一种Fuzzy聚类分析模型

首先运用基于传递闭包的模糊等价矩阵法对原始数据进行初始分类,得到了标准故障样本,然后将标准故障样本与待检样本一起作为分类样本,再用模糊ISODATA法求出最优分类矩阵和聚类中心,并依此来判断待检验样本的故障类型。实践证明,这种方法能够有效地诊断发电机组的振动故障。     

小样本下基于改进ACGAN数据增强的X射线矿石图像分类方法

针对工业领域利用深度学习模型对矿石进行在线分类时,矿石样本稀少导致的模型过拟合、分类准确率低的问题,提出一种结合X射线透射成像技术的矿石数据增强分类方法。该方法基于改进辅助生成对抗网络(Enhance-based Classification ACGAN-gp, EC-ACGAN-gp),采用卷积和连续残差块构建判别器和生成器,引入注意力机制捕捉矿石细节特征,生成高质量样本扩充原始数据集,同时使用带梯度惩罚的Wasserstein距离重构判别器的损失函数提高对抗训练的稳定性,避免模式崩溃。通过增加辅助分类器重建样本标签信息,最终实现矿石样本的类别预测。结果表明,该方法能实现矿石品位分类的精准预测,准确率可达89.62%,比现有传统方法提高3.98%。该模型生成的矿石样本泛化性良好,能够显著提高小样本数据集的泛化性,在SVM、LeNet5、VGGNet、ResNet上测试,精度分别提升了2.83%、2.36%、1.89%和3.74%,可进一步用于提升其他分类模型在矿石品位预测方面的性能。     

基于集对分析的石膏矿采空区稳定性评价

为准确评判石膏矿采空区稳定性这一涉及因素众多的复杂系统问题,本文甄选影响石膏矿采空区稳定性的13个指标,探讨这些指标的评判方法;基于集对分析理论,由影响采空区稳定性的样本实测指标值与采空区稳定性标准构建集对,通过联系度描述集对关系并进行石膏矿采空区稳定性分类;运用此集对分析模型对一石膏矿采空区稳定性进行评价,结果表明,评价结果准确﹑计算简单﹑分类结果可信,为采空区稳定性评价开辟一条新的途径,并对其他岩体稳定性评价具有借鉴意义。     

超长综放面顶板来压特征

文章以N38综放面为工程背景,通过现场实测支架工作阻力和顶板破碎情况,对顶板来压进行特征分析,得出直接顶初次来压、基本顶初次来压、基本顶周期来压步距及强度,并进行了直接顶分类和基本顶分级;通过来压特征分析和顶板分级,可以为后续综放面的顶板管理和支架选型等提供依据。     

巨厚砾岩条件下的工作面顶板来压特征研究

某矿217综放面主采煤层上方的两层巨厚砾岩将对工作面的顶板来压、顶板管理造成潜在的威胁。通过顶板来压特征分析,得出了顶板周期来压步距、来压强度,进行了直接顶分类和老顶分级;通过支架的初撑力、末阻力与运转特性分析,证明了支架具有良好的适应性。     

基于BP神经网络的工作面来压预报研究

在分析影响回采工作面来压显现主要因素的基础上,通过Levenberg Marquardt优化算法改进BP神经网络,以现场实测工作面支柱支护阻力、超前支护下沉量和推进步距等作为样本值,建立了综采工作面矿山压力来压预警预报BP网络模型,并利用该模型对枣庄矿业集团新安煤矿新源井12101回采工作面来压进行了预报,预测结果与实际来压的时间非常接近,表明预报具有现实意义.     

小样本下结合X射线透射技术的数据增强型矿石分类方法

摘 要：目的 针对工业领域利用深度学习模型对矿石进行在线分选时,矿石样本稀少导致的模型过拟合、分类准确率低等问题,提出一种结合X射线透射成像技术的矿石数据增强分类方法。该方法基于改进辅助生成对抗网络（Enhance-based Classification ACGAN-gp, EC-ACGAN-gp）,可实现对矿石品位的精准预测。方法 首先,在模型架构上,判别器和生成器采用卷积和连续残差块构建,引入注意力机制捕捉矿石细节特征,并使用Wasserstein距离和梯度惩罚重构判别器的损失函数,以提高对抗训练的稳定性,避免模式崩溃。其次,在算法上,增加辅助分类器与生成器协同训练,生成高质量样本并扩充原始数据集。最后利用判别器对矿石样本进行类别预测。结果 实验结果表明,模型分类准确率可达89.62%。结论 所提方法可有效提高小样本条件下矿石品位的分类精度,模型生成的矿石样本泛化性良好,对提高其他识别网络在矿石品位预测方面的性能均适用。     

基于See5.0算法的决策树构建与分类研究

文中以地形较为复杂的济南市长清区为研究区域,综合TM影像的光谱特征、纹理特征与区域内的地形特征、植被特征信息作为样本集的属性值,结合研究区内6种主要地物类型训练数据集,基于See5.0的决策树分类法进行分类实验,并在ENVI中提取土地的利用现状信息.实验结果表明:综合利用不同的特征数据会有效的提高分类精度;See5.0和ENVI相结合可以高效、高精度地、客观地实现土地覆盖分类,是基于知识的遥感影像分类的有效的方法.     

基于支持向量机的矿用电机故障诊断

提出一种基于电流信号频谱分析和支持向量机(SVM)的矿用感应电机早期故障诊断方法。对定子电流采样后,经FFT变换后提取故障特征量作为支持向量机的输入,基于1对1算法和混合矩阵组合策略构造了多故障SVM分类,对不同类型的故障进行诊断和分类。实验结果表明,该方法能够有效解决电机故障诊断中小样本集、非线性、高维数时的故障分类问题,提高电机故障诊断的准确性。     

基于图卷积网络的轴承故障诊断

针对基于图卷积网络（GCN）的故障诊断方法大多默认节点间的权重相同、导致诊断精度较低与鲁棒性较差的问题,提出了一种基于欧式距离和余弦距离的GCN故障诊断方法（EC-GCN）。首先,充分考虑节点间的数值特征和方向特征,利用欧式距离和余弦距离构建加权样本关联图。其次,利用GCN对样本关联图的故障特征进行提取。最后,将故障特征输入分类器进行分类识别。对公开轴承数据集进行测试,EC-GCN方法能够有效提取轴承故障特征,故障分类精度达到了98.93%。     

基于支持向量机的故障诊断方法研究

故障样本缺乏是制约智能故障诊断发展的重要原因。支持向量机是近10 a来提出的一种基于小样本的统计学习方法。将支持向量机分类算法用于滚动轴承的多类故障分类并与RBF神经网络进行对比研究。实验表明,在有限样本条件下,支持向量机算法比RBF神经网络具有更好的分类性能。     

某矿开采初期矿压异常显现分析

该文以某矿31608工作面开采初期矿压异常显现为研究对象,采用理论分析、现场观测的方法,对工作面实际支护强度进行分类分析,得出工作面异常来压的原因及预防措施。     

诊断柴油机故障的Fuzzy聚类分析模型

首先运用基于传递闭包的模糊等价矩阵法对原始数据进行简单分类,然后再用模糊ISODATA法进行精确分类求出最优分类矩阵和聚类中心,并依此来判断待检验样本的故障类型。实践证明,这种方法能够有效地诊断柴油机的故障。     

基于逆向传播神经网络的工作面顶板矿压数据预测

为了将人工智能技术中的逆向传播神经网络应用于顶板矿压数据预测,以11个影响工作面顶板矿压数据预测的主要因素作为输入参数,以4个工作面顶板矿压参数为输出参数,确定隐含层层数为1层,隐含层神经单元个数为24个,并在此基础上建立了基于逆向传播神经网络的工作面顶板矿压数据预测模型。利用王家岭及周边煤矿具有代表性的工作面顶板矿压数据建立学习样本,以王家岭煤矿12309工作面实测矿压数据为验证样本,对预测模型精度进行了检验。经分析,利用逆向传播神经网络模型得到的初次来压步距、初次来压强度、周期来压步距、周期来压强度预测值与实测值相对误差分别为0.043 343 653、0.006 077 606、0.006 401 138、0.020 236 088,即矿压数据预测总体上相对误差小于5%,符合工程应用允许的误差范围,说明所建立的逆向传播神经网络模型具有较高的准确性和可靠性。     

基于Parzen窗概率密度估计的小样本选煤数据分类算法研究

针对小样本选煤数据分类问题,文章提出了一种基于概率密度估计的小样本分类算法。该算法首先对小样本选煤数据分类问题进行概率密度估计,然后根据估计的概率密度函数构造额外训练样本,最后将额外训练样本添加到原始样本集中进行分类。由于Parzen窗算法可以较为精确的进行概率密度估计,生成的额外训练样本的真实性较高,所以该算法可以有效的提高分类器在的小样本选煤数据分类问题上的性能。     

神东矿区煤层顶板分类方法及特点

分析了神东矿区各可采煤层顶板分类原则、方法及主要特点，引入RMR岩体分级系统进行顶板指标测定，用采场矿压薄板理论对顶板来压步距及强度进行计算。     

第三讲 坚硬顶板综机采面矿压及控制

坚硬顶板系指第二讲顶板分类中稳定和坚硬顶板,此类顶板综机采面矿压突出的特点是老顶来压明显,常呈大面积来压。 一、老顶来压显现 (一) 来压预兆与显现 1、坚硬顶板来压预兆与显现 分析此类顶板来压显现以大同煤层赋