基于粗糙集理论的瓦斯灾害信息特征提取技术

山东大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (5): 91-95.

基于粗糙集理论的瓦斯灾害信息特征提取技术

李慧1,2,胡云1,3,李存华1

1.淮海工学院计算机工程学院, 江苏连云港 222005; 2.中国矿业大学信电学院,江苏徐州 221008;3.南京大学信息工程学院, 江苏南京 110004

收稿日期:2012-05-06 出版日期:2012-10-20 发布日期:2012-05-06
作者简介:李慧（1979- ），女，江苏连云港人，讲师，硕士研究生，主要研究方向为人工智能, 数据挖掘与信息检索.E-mail:shufanzs@126.com
基金资助:
江苏省自然科学基金资助项目（11KJB520001）；江苏省海洋资源研究院科技开放基金资助项目（JSIMR11B12）

The technique of gas disaster information feature extraction based on rough set theory

LI Hui1,2, HU Yun1,3, LI Cun-hua1

1. Department of Computer Science, Huaihai Institute of Technology, Lianyungang 222005, China; 2. School of Information ＆ Electrical Engineering, China University of Mining ＆ Technology, Xuzhou 221008, China; 3. Department of Information Engineering, Nanjing University, Nanjing 110004, China

Received:2012-05-06 Online:2012-10-20 Published:2012-05-06

摘要/Abstract

摘要： 为了准确预测煤与瓦斯突出的危险性,建立有效的煤矿瓦斯预警支持系统,针对煤矿瓦斯灾害的特点,本研究提出了一种新颖的基于粗糙集的瓦斯灾害特征提取算法。该算法首先利用维数化简技术对瓦斯灾害信息矩阵进行优化,并在此基础上,利用信息论中熵的概念和最大熵原理构建瓦斯灾害信息特征提取模型。通过实际应用,证实了粗糙集理论在瓦斯灾害特征提取与瓦斯灾害预测中的有效性和实用性。

关键词: 粗糙集理论, 煤矿瓦斯, 特征提取, 信息熵

Abstract: In order to accurately predict coal and gas outburst danger and to establish an effective earlywarming support system of gas in coal mine, a high efficient gas disaster feature extraction algorithm based on rough set was proposed in view of the characteristics of coal mine gas disaster. The algorithm first refined the gas disaster information matrix by using dimensionality reduction, then the entropy and max entropy in the concept of rough set theory were used to establish data mining model of gas disaster prediction. The effectiveness and practicality of rough set theory in the prediction of gas disaster and feature extraction was confirmed through practical application.

Key words: rough set theory, coal mine gas, feature extraction, information entropy

中图分类号:

TP274

李慧1,2,胡云1,3,李存华1. 基于粗糙集理论的瓦斯灾害信息特征提取技术[J]. 山东大学学报(工学版), 2012, 42(5): 91-95.

LI Hui1,2, HU Yun1,3, LI Cun-hua1. The technique of gas disaster information feature extraction based on rough set theory[J]. JOURNAL OF SHANDONG UNIVERSITY (ENGINEERING SCIENCE), 2012, 42(5): 91-95.

参考文献

相关文章 15

[1]	王国新,陈凤东,刘国栋. 基于彩色伪随机编码结构光特征提取方法[J]. 山东大学学报(工学版), 2018, 48(5): 55-60.
[2]	叶子云,杨金锋. 一种基于加权图模型的手指静脉识别方法[J]. 山东大学学报(工学版), 2018, 48(3): 103-109.
[3]	张振月,李斐,江铭炎. 基于低秩表示投影的无监督人脸特征提取[J]. 山东大学学报(工学版), 2018, 48(1): 15-20.
[4]	吴建萍,姜斌,刘剑慰. 基于小波包信息熵和小波神经网络的异步电机故障诊断[J]. 山东大学学报(工学版), 2017, 47(5): 223-228.
[5]	于青民,李晓磊,翟勇. 基于改进EMD和数据分箱的轴承内圈故障特征提取方法[J]. 山东大学学报(工学版), 2017, 47(3): 89-95.
[6]	郭超,杨燕,江永全,宋祎. 基于多视图分类集成的高铁工况识别[J]. 山东大学学报(工学版), 2017, 47(1): 7-14.
[7]	林耀进,张佳,林梦雷,王娟. 一种基于模糊信息熵的协同过滤推荐方法[J]. 山东大学学报(工学版), 2016, 46(5): 13-20.
[8]	钟智彦,文志强, 张潇云,叶德刚. 基于半色调图像的邻域相似性描述子方法[J]. 山东大学学报(工学版), 2016, 46(3): 58-64.
[9]	张佳,林耀进,林梦雷,刘景华,李慧宗. 基于信息熵的协同过滤算法[J]. 山东大学学报(工学版), 2016, 46(2): 43-50.
[10]	景运革,李天瑞. 基于知识粒度的增量约简算法[J]. 山东大学学报(工学版), 2016, 46(1): 1-9.
[11]	卢丹, 周以齐. 基于EEMD和CWT的挖掘机座椅振动分析[J]. 山东大学学报(工学版), 2015, 45(3): 58-64.
[12]	辛丽玲, 何威, 于剑, 贾彩燕. 一种基于密度差异的离群点检测算法[J]. 山东大学学报(工学版), 2015, 45(3): 7-14.
[13]	于海晶1,2, 李桂菊1*. 基于差分盒维数的彩色烟雾图像识别[J]. 山东大学学报(工学版), 2014, 44(1): 35-40.
[14]	潘盼1,王熙照2,翟俊海2. 基于有序决策树的改进归纳算法[J]. 山东大学学报(工学版), 2014, 44(1): 41-44.
[15]	曹红根1,袁宝华1,朱辉生2. 结合对比度信息与LBP的分块人脸识别[J]. 山东大学学报(工学版), 2012, 42(4): 29-34.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed