| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-12页 |
| 1 绪论 | 第12-19页 |
| ·课题研究的背景和意义 | 第12页 |
| ·煤与瓦斯突出研究现状 | 第12-15页 |
| ·煤与瓦斯突出机理的研究现状 | 第12-13页 |
| ·煤与瓦斯突出预测国内外研究现状 | 第13-15页 |
| ·支持向量机研究现状 | 第15-16页 |
| ·数据融合技术的研究现状 | 第16-17页 |
| ·本文的结构和内容 | 第17-19页 |
| 2 支持向量机和数据融合 | 第19-33页 |
| ·支持向量机 | 第19-27页 |
| ·支持向量机两类分类问题 | 第19-20页 |
| ·支持向量机的基本原理 | 第20-24页 |
| ·SVM 核函数 | 第24-26页 |
| ·支持向量分类机方法在瓦斯突出预测中的应用 | 第26-27页 |
| ·数据融合 | 第27-32页 |
| ·数据融合的概念 | 第27-28页 |
| ·数据融合系统结构 | 第28-29页 |
| ·数据融合技术的常用算法及分析 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 3 基于 SVM 数据融合的煤与瓦斯突出预测系统结构研究 | 第33-39页 |
| ·煤矿瓦斯的信息融合 | 第33-34页 |
| ·煤矿瓦斯的信息融合概念 | 第33-34页 |
| ·基于 SVM 煤矿瓦斯信息融合的思想 | 第34页 |
| ·煤矿瓦斯突出信息融合层次和融合算法确定 | 第34-36页 |
| ·信息融合层次 | 第34-36页 |
| ·融合算法的选取 | 第36页 |
| ·基于 SVM 和数据融合的瓦斯突出系统结构 | 第36-37页 |
| ·煤与瓦斯突出预测分层融合模型 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于 SVM 的煤与瓦斯突出预测特征层信息融合 | 第39-51页 |
| ·基于支持向量机的煤与瓦斯突出预测模型 | 第39-40页 |
| ·支持向量机融合方法 | 第40页 |
| ·支持向量机参数向量的选择与优化方法 | 第40-46页 |
| ·SVM 参数对其性能的影响 | 第40-42页 |
| ·SVM 参数向量的优化方法 | 第42-43页 |
| ·SVM 参数选取试验 | 第43-46页 |
| ·SVM 在煤与瓦斯突出预测系统特征层信息融合中的应用 | 第46-50页 |
| ·数据样本的预处理 | 第46-47页 |
| ·基于灰色关联理论的瓦斯突出特征指标集建立 | 第47-48页 |
| ·基于 SVM 的煤与瓦斯突出预测结果与分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 5 煤与瓦斯突出决策层融合方法—D-S 证据理论的研究 | 第51-55页 |
| ·基于 D-S 证据理论的瓦斯突出预测决策层信息融合 | 第51-52页 |
| ·信息融合识别框架 | 第51页 |
| ·构造基本概率分配函数 | 第51-52页 |
| ·证据体合成法则 | 第52页 |
| ·煤与瓦斯突出预测决策规则 | 第52页 |
| ·D-S 证据理论存在的问题及改进 | 第52-53页 |
| ·基于 D-S 证据理论的融合过程 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 6 基于支持向量机和数据融合的煤与瓦斯突出预测 | 第55-64页 |
| ·预测突出的基本特性指标集的选取 | 第55-57页 |
| ·基于两层信息融合的煤与瓦斯突出预测过程 | 第57-62页 |
| ·信息融合识别框架的确定 | 第57页 |
| ·信息融合证据体的获取 | 第57-61页 |
| ·基于 D-S 证据理论的煤与瓦斯突出预测 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 7.总结与展望 | 第64-67页 |
| ·全文总结 | 第64-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 作者简历 | 第70-72页 |
| 学位论文数据集 | 第72-73页 |
