论文部分内容阅读
将自组织特征映射网络和支持向量机进行优选组合，建立煤与瓦斯突出危险性预测的SOM—SVM模型，充分利用非监督学习算法SOM的数据压缩、特征抽取的功能特性对训练样本进行压缩去噪处理，为有导师学习算法SVM提供高质量的有标记样本，进而发挥SVM分类精度高的特性，同时提高其分类速率。通过现场实测数据进行煤与瓦斯突出危险性预测，结果表明：两种算法的结合对煤与瓦斯突出危险性预测是有效的，它与传统的预测方法相比，分类速度更快，容错能力更强，预测精度更高。