基于非均衡样本集的煤矿突水预测模型
针对煤矿突水样本集呈非均衡分布的特点, 提出基于集成学习分类的煤矿突水预测模型, 重点研究基分类器的构建方法、性能衡量指标和权重分析, 以及基于改进型Boosting的集成学习算法. 实验结果表明, 该算法以牺牲不突水样本的最小误判率为代价, 实现突水样本100%的判别准确率, 且计算量小, 易于实现.
煤矿突水预测、非均衡样本集、基分类器、Boosting改进算法
27
2018-05-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
124-130