使用分类方法识别下水道管道气体混合物的危险性：一项比较研究
神经与进化计算
2017-07-04 v1 人工智能
摘要
在这项工作中，我们利用基于分类的方法构建了一个与下水道管道气体检测相关的现实问题。该工作的主要目标是识别下水道管道的危险程度，以为管道工人提供安全且无危险的进入条件，从而避免由于下水道气体组分的毒性暴露所导致的人身伤亡。通过实验室测试、实验及各类文献来源获取的数据集被组织起来以设计一个能够识别/分类下水道管道危险与非危险状况的预测模型。为设计此类预测模型，使用了若干分类算法，并在收集的数据集上从经验和统计两方面评估并比较了它们的性能。此外，分析了若干集成方法的性能以理解这些方法所带来的改进程度。这项综合性研究的结果表明，基于实例的学习算法优于许多其他算法，如多层感知机、径向基函数网络、支持向量机、简化剪枝树。类似地，观察到多方案集成方法增强了基预测器的性能。
引用
@article{arxiv.1707.00561,
title = {Identifying hazardousness of sewer pipeline gas mixture using classification methods: a comparative study},
author = {Varun Kumar Ojha and Paramartha Dutta and Atal Chaudhuri},
journal= {arXiv preprint arXiv:1707.00561},
year = {2017}
}