煤矿安全监测监控数据知识发现方法PDF电子书下载

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