协同训练支持向量机对煤与瓦斯突出预测的研究.docVIP

  协同训练支持向量机对煤与瓦斯突出预测 的研究 张静，缪燕子** 5 10 15 20 25 30 35 40 （中国矿业大学信息与电气工程学院，江苏 徐州 221116） 摘要：煤与瓦斯突出一直是煤矿最关心的问题之一，采用支持向量机对突出进行分类是一种 有效的方法。但是现实生活中标记样本很难得到，本文基于半监督支持向量机对煤与瓦斯突 出进行预测，算法采用半监督学习中的协同训练算法。另外，为了避免相近的两个学习器对 样本预测的置信度不高，本文将其中一个 SVM 分类器改进为 KNN 分类器，改进的算法得到了 较好的效果。 关键词：半监督学习；协同训练；SVM；KNN；煤与瓦斯突出 中图分类号：TP13 The reseach of coal and gas outburst prediction based on co-training and support vector machine Zhang Jing, Miao Yanzi (School of Information and Electrical Engineering,China University of Mining Technology, JiangSu XuZhou 221116) Abstract: Coal and gas outburst has been one of the most concern problem,using SVM to classify outburst is an effective.But the labeled samples are difficult to be getted in real life.The paper is based on the Semi-supervised support vector machine for prediction of coal and gas outburst,and the algorithm is the co-training. In addition ,in order to get a low confidence when using the similar classifier,This paper change one of the SVM classifiesr to the KNN classifier. Improved algorithms have been good results. Keywords: semi-supervised; co-training; SVM; KNN; coal and gas outburst 0 引言 目前，我国是世界上煤与瓦斯突出最严重的国家之一，为了降低它的危害，国内外对瓦 斯突出预测的研究从未间断过。总之，要加强防突基础和关键技术研究工作，针对普遍存在 的技术难题深入开展突出机理、预测和防治技术等方面的研究。[1] 现阶段煤与瓦斯的突出机理还不完善，还没能从根本上说明影响突出的各种因素之间的 相互关系和相互制约的复杂机制。一些传统的预测方法和基于数学建模的预测技术的应用已 经受到了很多限制。比如，神经网络预测方法容易陷入局部极大值，泛化能力差。支持向量 机是统计学习的一种新方法，它能解决小样本、非线性，避免了维数灾难，客服了局部极小 的缺点，近年来得到很好的应用。但是，支持向量机是典型的监督学习，需要大量有标记样 本，而现实世界中得到有标记数据是很困难的，而未标记数据很容易得到。所以本文提出半 监督支持向量机，可以很有效地既利用了有标记数据，又不浪费地利用了未标记数据。 1 半监督学习及协同训练算法 协同训练是半监督的一种分类算法，半监督学习通过利用数据分布上的模型假设，建立 学习器对未标注的样本进行标注。它的形式描述为：整个样本集合表示为： 作者简介：张静，（1986-），女，硕士研究生，控制工程。 通信联系人：缪燕子，（1981-），女，讲师，控制理论与控制工程。 E-mail: 1324290040@ -1-   D=L+U={( d1 , l1 ),( d 2 , l 2 ),…, ( d L , l L ), d L??1 , d L?? 2 ,…, d L?? U } 其中 l i 为文本 d i 的标签，|L|和|U|分别表示标注样本集和未标注样本集所包含的样本数。 整 个 样 本 集 合 可 以 看 成 是 一 个 部 分 数 据 集 合 d L??1 , d L?? 2 ,…, d L?? U 的 标 签 信 息 l L??1 , l L?? 2 ,…, l L?? U 缺失的不完整数据集。半监督学习就是在整个样本集 D 上寻找最优的 45 50 55 60 6