造价通

反馈
取消

热门搜词

造价通

取消 发送 反馈意见

机器学习的煤与瓦斯突出前兆识别方法研究图书目录

2022/07/1672 作者:佚名
导读:第1章 绪论 1.1 引言 1.2 我国煤与瓦斯突出的概况 1.3 煤与瓦斯突出的分类 1.4 煤与瓦斯突出危险性预测的必要性及分类 1.5 工作面煤与瓦斯突出预测的研究现状 1.6 小结 第2章 突出监测数据的建模及分段模式表示 2.1 引言 2.2 突出监测数据的流数据特性分析 2.3 流数据挖掘研究现状 2.4 时间序列模式表示方法研究现状 2.5 基于拟合点的分段线性拟合方法 2.6 复杂

第1章 绪论

1.1 引言

1.2 我国煤与瓦斯突出的概况

1.3 煤与瓦斯突出的分类

1.4 煤与瓦斯突出危险性预测的必要性及分类

1.5 工作面煤与瓦斯突出预测的研究现状

1.6 小结

第2章 突出监测数据的建模及分段模式表示

2.1 引言

2.2 突出监测数据的流数据特性分析

2.3 流数据挖掘研究现状

2.4 时间序列模式表示方法研究现状

2.5 基于拟合点的分段线性拟合方法

2.6 复杂度分析

2.7 实验及结果分析

2.8 小结

第3章 非突变型干扰模式检测方法

3.1 引言

3.2 流数据异常检测方法概述

3.3 基于概率相似距离的模式异常检测算法

3.4 复杂度分析

3.5 实验及结果分析

3.6 小结

第4章 突变型干扰模式检测方法

4.1 绪论

4.2 Discord的定义及其在突出电磁数据应用中存在的问题

4.3 不确定Top-k查询的研究现状

4.4 分值连续分布的Top-k查询算法(MCTop-k)

4.5 不确定连续时间序列的Discord查询算法

4.6 小结

第5章 突出前兆趋势的模式识别方法

5.1 引言

5.2 相关知识

5.3 基于趋势分析的灾害异常检测算法

5.4 实验及结果分析

5.5 小结

第6章 不均衡突出数据的分类方法研究

6.1 概述

6.2 不均衡数据学习概述

6.3 不均衡数据学习方法概述

6.4 基于shapelets特征空间的不均衡时间序列分类方法

6.5 实验结果及分析

6.6 小结

参考文献2100433B

*文章为作者独立观点,不代表造价通立场,除来源是“造价通”外。
关注微信公众号造价通(zjtcn_Largedata),获取建设行业第一手资讯

热门推荐

相关阅读