本文關鍵詞：礦山地質(zhì)環(huán)境評價模型的改進SVM算法

  更多相關文章： SVM 礦山地質(zhì)環(huán)境 比特壓縮 加權支持向量機 BP 神經(jīng)網(wǎng)絡

【摘要】：經(jīng)典SVM(Support vector machine)算法使用的對象樣本較大、運算速度較慢,難以對礦山地質(zhì)環(huán)境進行有效評價,故對其進行了改進,提出了一種改進SVM算法的礦山地質(zhì)環(huán)境評價模型。該算法利用比特壓縮原理,首先將樣本數(shù)據(jù)進行比特壓縮;然后用加權支持向量機訓練分類器實現(xiàn)樣本壓縮,提高收斂速率。采用江西某礦區(qū)的實測數(shù)據(jù)分別對BP神經(jīng)網(wǎng)絡算法、經(jīng)典SVM算法與改進SVM算法構建的評價模型進行對比分析,結果表明:1改進SMV算法構建的評價模型輸出誤差、收斂速率均優(yōu)于BP神經(jīng)網(wǎng)絡算法建立的模型,經(jīng)典SVM算法與改進SVM算法建立的評價模型的輸出誤差相近,但改進SVM算法構建的模型的收斂速率較高;2改進SMV算法隨著比特壓縮位數(shù)的增大,訓練樣本縮減率逐漸增大,即在樣本數(shù)量減少、訓練時間縮短、收斂速率提高的情況下,模型輸出誤差可基本保持不變�？梢�,采用改進SMV算法構建的評價模型,不僅提高了模型的訓練速率,而且降低了樣本數(shù)據(jù)量,可對礦山地質(zhì)環(huán)境進行有效評價。
【作者單位】： 包頭輕工職業(yè)技術學院電子商務學院;
【關鍵詞】： SVM 礦山地質(zhì)環(huán)境 比特壓縮 加權支持向量機 BP 神經(jīng)網(wǎng)絡
【分類號】：TD167
【正文快照】： 近年來,隨著礦山開發(fā)進程的加快,各類地質(zhì)環(huán)境問題頻發(fā),給礦山正常生產(chǎn)、礦區(qū)人民生產(chǎn)生活造成了較大威脅。對礦山地質(zhì)環(huán)境問題進行有效評價,對于合理布置礦區(qū)生產(chǎn)勘探、制定開發(fā)規(guī)劃、保護礦區(qū)生態(tài)環(huán)境有較大價值[1-3]。對此,馮進程等[4]使用物元分析法對小秦嶺金礦區(qū)的地質(zhì)

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 劉國棟;;基于海量煤炭采集文本數(shù)據(jù)的可擴展SVM算法的研究與應用[J];煤炭技術;2013年05期

，

本文編號：846053