《面向不平衡数据集的煤矿监测系统异常数据识别方法》PDF+DOC
作者:冀汶莉,郗刘涛,王斌
单位:中煤科工集团常州研究院有限公司
出版:《工矿自动化》2020年第01期
页数:8页 (PDF与DOC格式可能不同)
PDF编号:PDFMKZD2020010040
DOC编号:DOCMKZD2020010049
下载格式:PDF + Word/doc 文字可复制、可编辑
《多源数据融合高时空分辨率晴雨分类》PDF+DOC 匡秋明,杨雪冰,张文生,何险峰,惠建忠
《基于机器学习的铁路工务人员行为识别方法》PDF+DOC2019年第07期 杜成飞
《采用运动传感器的人体运动识别深度模型》PDF+DOC2018年第08期 滕千礼,A.ESMAEILI KELISHOMI,蔡忠闽
《面向动作捕捉的非线性时间序列预测方法研究》PDF+DOC2018年第07期 黄天羽,郭芸莹
《全球未来智慧城市的发展趋势》PDF+DOC2017年第02期
《基于改进随机森林算法的智能环境活动识别》PDF+DOC2019年第05期 薛铭龙,李一博
《个人运动管理系统中的行为识别方法》PDF+DOC2013年第01期 赵中堂,马倩,陈益强
《监督学习在无线认知传感器网络中的应用》PDF+DOC2014年第04期 郎为民,陈凯,张国峰
《智能机器人水果采摘识别系统设计》PDF+DOC2014年第09期 朱霞,陈仁文,夏桦康,章飘艳
《基于旋转模式的移动设备佩戴位置识别方法》PDF+DOC 时岳,喻纯,史元春
异常数据识别对于煤矿安全监测系统具有重要作用,但安全监测系统中异常数据一般只占数据总量的1%左右,不平衡性是此类数据的固有特点。目前多数机器学习算法在不平衡数据集上的分类预测准确率和灵敏度都相对较差。为了能准确识别异常数据,以煤矿分布式光纤竖井变形监测系统采集的数据为研究对象,提出了一种面向不平衡数据集、基于去重复下采样(RDU)、合成少数类过采样技术(SMOTE)和随机森林(RF)分类算法的煤矿监测系统异常数据识别方法。该方法利用RDU算法对多数类数据进行下采样,去除重复样本;利用SMOTE算法对少数类异常数据进行过采样,通过合成新的异常数据来改善数据集的不平衡性;并利用优化后的数据集训练RF分类算法,得到异常数据识别模型。在6个真实数据集上的对比实验结果表明,该方法的异常数据识别准确率平均值达到99. 3%,具有较好的泛化性和较强的鲁棒性。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。