煤矿安全监测监控数据知识发现方法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

煤矿安全监测监控数据知识发现方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1　煤矿监测监控技术1

1.1.1　煤矿监测监控技术现状1

1.1.2　煤矿安全监测监控数据的复杂性2

1.2　知识发现4

1.2.1 KDD的产生5

1.2.2 KDD的相关概念7

1.2.3 KDD的基本任务8

1.2.4 KDD的对象9

1.2.5 KDD的方法9

1.2.6 KDD的处理过程11

1.2.7 KDD的预处理14

1.2.8 KDD的应用15

1.3　研究内容16

第2章　煤矿安全监测监控系统18

2.1　煤矿安全监测监控系统与数据分析18

2.1.1　煤矿安全监测监控系统现状18

2.1.2　煤矿安全监测监控系统组成19

2.1.3　煤矿安全监测监控系统存在的问题19

2.1.4　煤矿安全监测监控数据主要特点20

2.2　煤矿安全监测监控数据获取21

2.2.1　端口获取方法21

2.2.2　网络接入方法21

2.3　煤矿安全监测监控数据转换23

2.3.1　煤矿安全监测监控数据属性23

2.3.2　煤矿安全监测监控系统通信协议23

2.3.3　煤矿安全监测监控系统数据转换过程24

第3章　煤矿安全监测监控数据预处理27

3.1　数据预处理的基本概念27

3.2　一般的数据预处理方法28

3.2.1　数据清理28

3.2.2　数据集成和数据变换29

3.2.3　数据归约29

3.2.4　离散化和概念分层生成30

3.3　煤矿安全监测监控中不完备数据处理方法31

3.3.1 缺失数据处理方法31

3.3.2　基于EM的不完备数据处理算法描述35

3.3.3　试验结果分析37

3.4　煤矿安全监测监控中离群点数据处理方法42

3.4.1　离群点的基本概念42

3.4.2　基于误差调整密度的数据处理算法43

3.4.3　试验结果分析45

第4章 煤矿安全监测监控数据知识发现体系结构48

4.1 知识发现系统的基本框架48

4.1.1 典型知识发现系统的基本框架48

4.1.2　知识发现系统的层次结构50

4.1.3　煤矿安全监测监控数据知识发现系统的特点51

4.1.4　煤矿安全监测监控数据流的分层结构53

4.2　煤矿安全监测监控数据知识发现系统54

4.2.1 系统目标54

4.2.2　系统模型54

4.2.3　体系结构55

第5章 基于云理论的煤矿安全监测监控数据关联规则挖掘57

5.1　关联规则概述57

5.1.1　关联规则的基本概念57

5.1.2　关联规则的分类57

5.1.3　关联规则挖掘过程58

5.2　典型关联规则挖掘算法分析59

5.2.1 Apriori算法分析59

5.2.2 DIC算法分析63

5.2.3 FP-growth算法分析67

5.2.4　三种重要算法性能的实验比较69

5.3　云理论概述73

5.3.1 概述73

5.3.2　云的基本概念73

5.3.3　云的数字特征74

5.3.4　云模型75

5.3.5 云发生器76

5.3.6　云变换77

5.4　基于云理论的关联规则挖掘算法78

5.4.1　基于云理论的属性空间软划分方法78

5.4.2　基于云理论的关联规则挖掘88

5.5 应用实例92

第6章　基于语义描述的煤矿安全监测监控数据聚类分析96

6.1　本体知识概述96

6.1.1　本体的概念96

6.1.2　本体描述模型97

6.1.3　本体的分类97

6.1.4　本体描述语言99

6.1.5　本体表现形式99

6.1.6　本体构建准则100

6.1.7　本体构建方法100

6.1.8　本体构建工具101

6.2　聚类概述102

6.2.1 聚类分析102

6.2.2　聚类算法的有关定义102

6.2.3　聚类算法的分类103

6.2.4　经典的聚类算法105

6.3　基于语义的煤矿安全监测监控数据描述108

6.3.1　煤矿安全监测监控数据语义的描述108

6.3.2　基于语义和数值的煤矿安全监测监控数据描述109

6.4　煤矿安全监测监控数据的混合相似性度量方法110

6.4.1　基于数值的相似性度量方法110

6.4.2　基于语义的相似性度量方法111

6.4.3　煤矿安全监测监控数据的混合相似性度量方法112

6.4.4 煤矿安全监测监控数据的混合相似性度量方法的试验与分析112

6.5　基于语义描述的煤矿安全监测监控数据聚类分析114

6.5.1　初始类的划分115

6.5.2　类信息的存储115

6.5.3　算法描述116

6.5.4　性能分析118

6.5.5　结果分析119

6.6　仿真121

6.6.1　功能模块设计121

6.6.2　本体构造模块界面122

6.6.3　关键算法的实现126

6.6.4　结果分析模块130

第7章 基于粗糙集与神经网络的煤与瓦斯突出预测方法132

7.1　粗糙集理论概述132

7.1.1　粗糙集相关概念及其特点132

7.1.2　粗糙集理论的研究与应用133

7.2　神经网络理论概述135

7.2.1　人工神经网络模型135

7.2.2　神经网络的特点和分类136

7.3　粗糙集和神经网络常见的集成方法137

7.4　基于粗糙集与神经网络的煤与瓦斯突出预测模型138

7.5　粗糙集模块设计140

7.5.1 基于MDV函数和信息熵的连续属性离散化算法140

7.5.2　基于信道容量的粗糙集属性约简142

7.5.3　粗糙集规则提取143

7.6　基于粗糙集的神经网络结构设计144

7.7　实例分析145

参考文献149