第1章 基礎理論1.1 最優(yōu)化理論1.1.1 最優(yōu)化問題的表示1.1.2 線性規(guī)劃和非線性規(guī)劃1.1.3 凸集和凸函數1.2 統(tǒng)計學習理論1.2.1 機器學習的問題表示1.2.2 經驗風險最小化原則1.2.3 VC維1.2.4 結構風險最小化原則第2章 支持向量機理論2.1 最優(yōu)分類超平面2.2 支持向量分類機2.2.1 線性分類
第1章 基礎理論1.1 最優(yōu)化理論1.1.1 最優(yōu)化問題的表示1.1.2 線性規(guī)劃和非線性規(guī)劃1.1.3 凸集和凸函數1.2 統(tǒng)計學習理論1.2.1 機器學習的問題表示1.2.2 經驗風險最小化原則1.2.3 VC維1.2.4 結構風險最小化原則第2章 支持向量機理論2.1 最優(yōu)分類超平面2.2 支持向量分類機2.2.1 線性分類2.2.2 近似線性分類2.2.3 非線性分類2.2.4 多類分類問題2.3 支持向量回歸機2.3.1 SVM回歸問題2.3.2 線性支持向量回歸機2.3.3 非線性支持向量回歸機2.4 核函數第3章 煤礦安全及支持向量機研究現狀3.1 研究背景及意義3.1.1 研究背景3.1.2 研究意義3.2 國內外研究現狀3.2.1 煤礦事故預測模型研究現狀3.2.2 支持向量機研究現狀3.3 常用預測模型3.3.1 時間序列模型3.3.2 灰色模型3.3.3 人工神經網絡模型第4章 煤礦百萬噸死亡率預測指標體系的建立4.1 煤礦百萬噸死亡率影響因素的構成4.1.1 煤礦安全生產控制指標4.1.2 指標的下達方式及分解計算方法4.1.3 煤礦百萬噸死亡率影響因子4.2 基于灰色關聯分析的煤礦百萬噸死亡率指標體系的建立4.2.1 灰色關聯分析的基本特征4.2.2 灰色關聯分析模型4.2.3 2004年煤礦百萬噸死亡率關聯分析4.2.4 2010年煤礦百萬噸死亡率關聯分析4.2.5 煤礦百萬噸死亡率灰色關聯分析結果對比4.3 基于改進的灰色關聯煤礦百萬噸死亡率指標體系的建立4.3.1 數據無量綱化處理方法的改進4.3.2 關聯度加權改進算法4.3.3 煤礦百萬噸死亡率改進灰色關聯分析結果對比第5章 基于灰色模型的煤礦百萬噸死亡率指標的測算5.1 煤礦百萬噸死亡率GM(1,1)模型5.1.1 GM(1,1)模型建模機理5.1.2 GM(1,1)模型的檢驗5.2 煤礦百萬噸死亡率Dm-GM(1,1)模型5.2.1 緩沖算子改進灰色模型的建立過程5.2.2 緩沖算子改進灰色模型的優(yōu)點5.3 Dm-GM(1,1)模型在煤礦百萬噸死亡率指標測算中的應用5.3.1 煤礦百萬噸死亡率原始數據處理5.3.2 基于GM(1,1)模型的煤礦百萬噸死亡率指標測算5.3.3 基于D-GM(1,1)模型的煤礦百萬噸死亡率指標測算5.3.4 基于Dm-GM(1,1)模型的煤礦百萬噸死亡率指標測算5.3.S基于Dm-GM(1,1)模型的煤礦百萬噸死亡率指標誤差檢驗