注冊(cè) | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當(dāng)前位置: 首頁(yè)出版圖書科學(xué)技術(shù)工業(yè)技術(shù)石油、天然氣工業(yè)SVM分類算法及其在管道泄漏檢測(cè)中的應(yīng)用

SVM分類算法及其在管道泄漏檢測(cè)中的應(yīng)用

SVM分類算法及其在管道泄漏檢測(cè)中的應(yīng)用

定 價(jià):¥68.00

作 者: 謝文昊 著
出版社: 中國(guó)石化出版社有限公司
叢編項(xiàng):
標(biāo) 簽: 暫缺

購(gòu)買這本書可以去


ISBN: 9787511472014 出版時(shí)間: 2023-12-01 包裝: 平裝-膠訂
開本: 16開 頁(yè)數(shù): 字?jǐn)?shù):  

內(nèi)容簡(jiǎn)介

  本書針對(duì)天然氣管道泄漏檢測(cè)系統(tǒng)采集到的非均衡數(shù)據(jù)、高噪聲數(shù)據(jù)、具有多分類需求數(shù)據(jù)、批量獲取的動(dòng)態(tài)小樣本數(shù)據(jù)的分類問題,提出了基于SVM的改進(jìn)算法。本書從管道泄漏等故障檢測(cè)領(lǐng)域面臨的實(shí)際問題出發(fā),介紹了SVM分類技術(shù)及原理,在此基礎(chǔ)上針對(duì)上述提到的具有不同特點(diǎn)和不同分類需求的小樣本數(shù)據(jù)的分類問題,分別提出了面向非均衡數(shù)據(jù)的SMOTE-SVM改進(jìn)算法,面向高噪聲數(shù)據(jù)、基于SVDD的改進(jìn)FSVM算法,面向具有多分類需求數(shù)據(jù)、基于平衡二叉決策樹的改進(jìn)多分類算法,面向批量獲取的動(dòng)態(tài)小樣本數(shù)據(jù)的分類問題,提出了基于廣義KKT條件的改進(jìn)ISVM算法以及基于類中心直徑的ISVM改進(jìn)算法。在理論上,本書提出的這些優(yōu)化和改進(jìn)算法,對(duì)于SVM分類算法的擴(kuò)充有著重要的參考價(jià)值。同時(shí),在故障診斷和管道泄漏檢測(cè)等應(yīng)用領(lǐng)域,本書提出的改進(jìn)和優(yōu)化算法,對(duì)于提高油氣企業(yè)的故障診斷率和故障診斷水平、確保長(zhǎng)線管道的安全運(yùn)輸和管理具有重要意義。

作者簡(jiǎn)介

  謝文昊,博士,西安石油大學(xué)理學(xué)院副教授,研究方向:SVM數(shù)據(jù)分類算法優(yōu)化。自2015年以來,主持陜西省教育廳科研項(xiàng)目1項(xiàng);主持陜西省教育廳教學(xué)改革重點(diǎn)項(xiàng)目1項(xiàng);作為主要參與人參與陜西省教育廳科研項(xiàng)目1項(xiàng)、陜西省重點(diǎn)實(shí)驗(yàn)室基金項(xiàng)目1項(xiàng);作為重要參與人參與企業(yè)橫向項(xiàng)目3項(xiàng)。近5年發(fā)表論文十余篇,其中SCI檢索論文3篇,EI檢索論文2篇,ISTP檢索論文1篇,北大核心期刊論文1篇。2019年作為第一發(fā)明人申請(qǐng)實(shí)用新型專利1項(xiàng)并獲批,2020年作為第二發(fā)明人申請(qǐng)發(fā)明專利1項(xiàng)并獲批。近5年作為主編、副主編撰寫教材2部,共計(jì)20萬字。2014年榮獲陜西省總工會(huì)頒發(fā)的“五一巾幗標(biāo)兵”稱號(hào),2016年獲得西安石油大學(xué)骨干教師的稱號(hào)。

圖書目錄

目錄
1概述(1)
1.1數(shù)據(jù)挖掘技術(shù)的產(chǎn)生、發(fā)展及應(yīng)用(2)
1.2數(shù)據(jù)挖掘技術(shù)簡(jiǎn)述(5)
1.2.1數(shù)據(jù)挖掘的任務(wù)和步驟(5)
1.2.2數(shù)據(jù)挖掘系統(tǒng)總體結(jié)構(gòu)(6)
1.3數(shù)據(jù)分類技術(shù)簡(jiǎn)述(6)
1.3.1分類問題概述(6)
1.3.2經(jīng)典的分類算法概述(7)
1.3.3常見的數(shù)據(jù)分類問題概述(18)
1.3.4數(shù)據(jù)預(yù)處理(20)
1.3.5分類算法性能評(píng)價(jià)(22)
1.4管道泄漏檢測(cè)技術(shù)(28)
1.4.1管道泄漏檢測(cè)技術(shù)概述(28)
1.4.2SVM分類技術(shù)在管道泄漏檢測(cè)中的應(yīng)用(31)
參考文獻(xiàn)(34)
2支持向量分類機(jī)及其理論基礎(chǔ)(38)
2.1最優(yōu)化理論(38)
2.2統(tǒng)計(jì)學(xué)習(xí)理論的基本思想(42)
2.3支持向量分類機(jī)(45)
2.4核函數(shù)(52)
2.5SVM參數(shù)選擇(58)
2.6本章小結(jié)(58)
參考文獻(xiàn)(59)
3基于樣本選擇策略的SMOTE-SVM算法對(duì)于非均衡數(shù)據(jù)的分類
研究(60)
3.1非均衡數(shù)據(jù)分類概述(61)
3.1.1算法層面上的研究(61)
3.1.2數(shù)據(jù)層面上的研究(62)
3.2現(xiàn)有算法描述(63)
3.2.1SMOTE算法(63)
3.2.2Random-SMOTE算法(65)
3.2.3基于樣本分類貢獻(xiàn)的AKN樣本選擇策略(65)
3.2.4K-means算法(67)
3.3改進(jìn)的SMOTE-SVM算法(AKN-Random-SMOTE-SVM)設(shè)計(jì)(67)
3.3.1基于中心距離比值的異類K近鄰個(gè)數(shù)提取算法設(shè)計(jì)(68)
3.3.2改進(jìn)的異類K近鄰支持向量加速算法設(shè)計(jì)(69)
3.3.3刪除重疊樣本點(diǎn)算法設(shè)計(jì)(69)
3.3.4AKN-Random-SMOTE-SVM算法流程(70)
3.4數(shù)值實(shí)驗(yàn)及結(jié)果(71)
3.4.1實(shí)驗(yàn)設(shè)置(71)
3.4.2實(shí)驗(yàn)結(jié)果與分析(72)
3.5本章小結(jié)(79)
參考文獻(xiàn)(80)
4基于SVDD的FSVM算法對(duì)于高噪聲數(shù)據(jù)的分類研究(83)
4.1模糊支持向量分類機(jī)概述(84)
4.2基于平均密度的去噪算法描述(86)
4.3SVDD算法描述(87)
4.4基于SVDD的FSVM改進(jìn)算法(IFSVM)設(shè)計(jì)(89)
4.4.1隸屬度函數(shù)描述(89)
4.4.2隸屬度函數(shù)優(yōu)化與改進(jìn)(91)
4.4.3IFSVM算法步驟(97)
4.5數(shù)值實(shí)驗(yàn)及結(jié)果(98)
4.6本章小結(jié)(104)
參考文獻(xiàn)(104)
5基于平衡二叉決策樹的SVM多分類算法研究(106)
5.1SVM多分類算法概述(107)
5.2基于類間分離性測(cè)度的決策樹多分類算法概述(112)
5.2.1類間分離性測(cè)度(113)
5.2.2現(xiàn)有算法描述(114)
5.3基于平衡二叉決策樹改進(jìn)多分類算法(IBDT-SVM算法)設(shè)計(jì)(114)
5.3.1改進(jìn)的類間分離性測(cè)度(115)
5.3.2基于Class-grouping-by-majority原則的類劃分算法(116)
5.3.3IBDT-SVM算法步驟(119)
5.4數(shù)值實(shí)驗(yàn)及結(jié)果(120)
5.5本章小結(jié)(124)
參考文獻(xiàn)(125)
6基于廣義KKT條件的ISVM算法對(duì)于動(dòng)態(tài)數(shù)據(jù)的分類研究(127)
6.1ISVM算法概述(128)
6.2KKT條件與樣本分布(130)
6.2.1KKT條件與樣本分布的關(guān)系(130)
6.2.2GKKT條件與樣本分布的關(guān)系(132)
6.3ISVM經(jīng)典算法簡(jiǎn)介(133)
6.3.1Simple-ISVM算法描述(133)
6.3.2PISVM算法描述(133)
6.3.3S-ISVM算法描述(134)
6.4基于GKKT條件的改進(jìn)ISVM算法(GGKKT-ISVM算法)設(shè)計(jì)(135)
6.4.1GKKT擴(kuò)展因子設(shè)置(135)
6.4.2分類器的二次修正(136)
6.4.3GGKKT-ISVM算法步驟(137)
6.5數(shù)值實(shí)驗(yàn)及結(jié)果(138)
6.6本章小結(jié)(142)
參考文獻(xiàn)(143)
7基于聚類中心直徑的ISVM算法對(duì)于動(dòng)態(tài)數(shù)據(jù)的分類研究(145)
7.1基于聚類中心直徑的SVM增量學(xué)習(xí)算法(CD-ISVM算法)(146)
7.1.1CD-ISVM算法簡(jiǎn)述(146)
7.1.2邊界向量選?。?47)
7.1.3訓(xùn)練集的確定(148)
7.1.4CD-ISVM算法步驟(149)
7.2數(shù)值實(shí)驗(yàn)與結(jié)果(150)
7.2.1實(shí)驗(yàn)數(shù)據(jù)集(150)
7.2.2實(shí)驗(yàn)結(jié)果及分析(151)
7.3本章小結(jié)(156)
參考文獻(xiàn)(157)
8基于SVM的數(shù)據(jù)分類算法在天然氣管道泄漏檢測(cè)中的應(yīng)用(158)
8.1相關(guān)理論(159)
8.1.1泄漏檢測(cè)方法(159)
8.1.2次聲波檢測(cè)法原理(161)
8.1.3基于小波包分解的能量特征提取方法(163)
8.2實(shí)驗(yàn)數(shù)據(jù)獲取及診斷方法(166)
8.3各改進(jìn)算法對(duì)于次聲波數(shù)據(jù)的泄漏檢測(cè)實(shí)驗(yàn)(169)
8.4本章小結(jié)(176)
參考文獻(xiàn)(176)

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) www.stefanvlieger.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號(hào) 鄂公網(wǎng)安備 42010302001612號(hào)