CAJ | 학술논문

将自组织特征映射网络和支持向量机进行优选组合，建立煤与瓦斯突出危险性预测的SOM—SVM模型，充分利用非监督学习算法SOM的数据压缩、特征抽取的功能特性对训练样本进行压缩去噪处理，为有导师学习算法SVM提供高质量的有标记样本，进而发挥SVM分类精度高的特性，同时提高其分类速率。通过现场实测数据进行煤与瓦斯突出危险性预测，结果表明：两种算法的结合对煤与瓦斯突出危险性预测是有效的，它与传统的预测方法相比，分类速度更快，容错能力更强，预测精度更高。
장자조직특정영사망락화지지향량궤진행우선조합，건립매여와사돌출위험성예측적SOM—SVM모형，충분이용비감독학습산법SOM적수거압축、특정추취적공능특성대훈련양본진행압축거조처리，위유도사학습산법SVM제공고질량적유표기양본，진이발휘SVM분류정도고적특성，동시제고기분류속솔。통과현장실측수거진행매여와사돌출위험성예측，결과표명：량충산법적결합대매여와사돌출위험성예측시유효적，타여전통적예측방법상비，분류속도경쾌，용착능력경강，예측정도경고。