| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-22页 |
| 图清单 | 第22-25页 |
| 表清单 | 第25-27页 |
| 变量注释表 | 第27-28页 |
| 1 绪论 | 第28-40页 |
| ·课题研究背景与意义 | 第28-29页 |
| ·支持向量机研究概况 | 第29-33页 |
| ·煤矿人因事故研究概述 | 第33-35页 |
| ·课题的研究内容与结构 | 第35-38页 |
| ·论文结构 | 第38-40页 |
| 2 研究基础 | 第40-47页 |
| ·统计学习理论 | 第40-42页 |
| ·支持向量机分类算法概述 | 第42-45页 |
| ·煤矿人因事故理论 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 3 支持向量机分类算法的改进研究 | 第47-70页 |
| ·基于流形延伸方向的SVM | 第47-54页 |
| ·基于云模型的最接近支持向量机增量学习方法 | 第54-61页 |
| ·基于概率密度估计的直接SVM | 第61-68页 |
| ·本章小结 | 第68-70页 |
| 4 基于SVM和蚁群优化的煤矿人因事故安全评价指标体系研究 | 第70-88页 |
| ·煤矿安全评价原理 | 第70-74页 |
| ·煤矿安全人因事故评价指标体系 | 第74-77页 |
| ·基于SVM和蚁群算法的人因事故特征选择与评价 | 第77-87页 |
| ·本章小结 | 第87-88页 |
| 5 结合SVM模型选择的煤矿人子系统可靠性影响因素关联分析 | 第88-108页 |
| ·支持向量机的模型选择方法 | 第88-89页 |
| ·基于内积相似性间隔模型选择算法 | 第89-96页 |
| ·基于核密度估计的支持向量机模型选择 | 第96-102页 |
| ·基于概率密度估计聚类和SVM的综采工作面人子系统可靠性分析 | 第102-107页 |
| ·本章小结 | 第107-108页 |
| 6 基于多类SVM的煤矿组织管理因素安全评价模型研究 | 第108-125页 |
| ·研究问题 | 第108页 |
| ·支持向量机多类分类技术 | 第108-111页 |
| ·基于核校准的广义特征值多类支持向量机 | 第111-119页 |
| ·多类支持向量机在煤矿安全组织管理因素分析中的应用 | 第119-124页 |
| ·本章小结 | 第124-125页 |
| 7 煤矿人因事故安全评价原型系统分析 | 第125-133页 |
| ·概述 | 第125页 |
| ·系统总体框架 | 第125-126页 |
| ·系统开发过程 | 第126-128页 |
| ·系统功能结构 | 第128页 |
| ·运行效果 | 第128-132页 |
| ·本章小结 | 第132-133页 |
| 8 总结与展望 | 第133-136页 |
| ·论文结论 | 第133-134页 |
| ·研究展望 | 第134-136页 |
| 参考文献 | 第136-147页 |
| 作者简历 | 第147-150页 |
| 一、基本情况 | 第147页 |
| 二、学术论文 | 第147-148页 |
| 三、获奖情况 | 第148页 |
| 四、研究项目 | 第148-150页 |
| 学位论文数据集 | 第150页 |
