[发明专利]基于多模态优化和集成学习的微震信号识别方法在审
| 申请号： | 201910976478.0 | 申请日： | 2019-10-15 |
| 公开（公告）号： | CN110688983A | 公开（公告）日： | 2020-01-14 |
| 发明（设计）人： | 程健;崔宁;郭一楠;焦博韬;陈晶晶;陈锦 | 申请（专利权）人： | 中国矿业大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/12 |
| 代理公司： | 32249 南京瑞弘专利商标事务所(普通合伙) | 代理人： | 刘珊珊 |
| 地址： | 221116 江苏省*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于多模态优化和集成学习的微震信号识别方法，实现对微震信号的分类，从而完成对冲击地压灾害更加准确、及时的预警。首先，根据微震训练样本集的非平衡率，确定采样倍率，实现基于SMOTE的小类样本生成；其次，采用放回采样方式，进行多次抽取，得到多个子训练样本集，并在每个子训练样本集上训练多个弱分类器；再次，根据每个子训练样本集上的分类结果，选择分类性能最优的个体作为最终的集成个体；最后，采用多模态优化技术，去除冗余的集成弱分类器个体，选择最优弱分类器组合参与集成。本发明充分考虑微震信号的非平衡特性，利用多模态优化技术对弱分类器个体进行选择，寻找部分具有差异性大的个体参与集成，减少冗余个体对集成学习器性能的影响，提高了微震信号的分类正确率，为冲击地压灾害及时有效预警提供更有力的支持。 | ||
| 搜索关键词： | 训练样本集 微震信号 弱分类器 多模态 冲击地压 集成学习 冗余 优化 预警 弱分类器组合 非平衡特性 采样方式 分类结果 分类性能 样本生成 灾害 差异性 非平衡 正确率 分类 采样 微震 小类 去除 抽取 | ||
【主权项】：
1.基于多模态优化和集成学习的微震信号识别方法，其特征在于，包括步骤：/n(1)采集微震信号构成微震非平衡训练样本集S，其中，强微震信号样本集为S
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国矿业大学，未经中国矿业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910976478.0/，转载请声明来源钻瓜专利网。
