3

 

、模式识别技术

　　模式识别（

Pattem Recognition）技术是信号处理与人工智能的一个重

要分支，是指用计算机实现人的模式识别能力，其作用和目的是根据某一具体

事物的特征将其正确地归人某一类别，在错误率最小的前提条件下，自动地把

 

待识别模式分配到各自的模式类中去，使识别的结果与客观情况相符。

　　模糊模式识别系统主要由

4 部分组成：数据获取、预处理、特征选择和提取、

 

分类决策。

　　

(1)数据获取。为了使计算机能够对各种现象进行分类识别，需将采集的各

种信息转换为计算机能够处理的数据或运算符。通常输人对象的信息有二维图像

一维波形

,物理参量和逻辑值。这里的输入对象是现场获得的各种测量数据，属

 

于物理参量。

　　

(2)预处理。预处理的目的是除去数据中的噪声，增强有用的信息及一切必

要的使信息纯化的处理过程，对输入测量仪器或其他因素所造成的退化现象进

行复原。在瓦斯涌出异常状态识别过程中，由于影响因素众多，不同要素的数据

往往具有不同的单位和量纲，因而其数值的差异可能是很大的，这就会对分类

结果产生影响。因此当影响因素确定之后，在进行模式识别之前，还要对数据进

 

行预处理。

　　

(3)特征选择和提取。特征选择和提取的基本任务是研究如何从众多特征中

求出那些对分类识别最有效的特征，从而实现特征空间维数的压缩。分类识别要

对原始数据进行变换，得到最能反映分类本质的特征，通过变换，将原始测定

 

数据转换成特征向量，从而使分类器能根据这些信息决定识别对象的类别。

　　

(4)分类决策。分类决策就是在特征空间中用统计方法把被识别对象归为某

一类别。基本做法是在样本训练集基础上确定某个判决规则，并按判决规则对被

 

识别对象进行分类所造成的错误识别率最小或引起的损失最小。

　　以江西某矿为例，该矿采掘方式为炮采。通过对监控系统监测的原始数据进

行统计分析，发现无放炮时瓦斯浓度监测值通常是平稳的，而在放炮过程中，

会引起瓦斯浓度大幅度变化，有时瓦斯浓度监测值曲线在很短时间内会超过预

警值，

2-3h 后再回落到放炮前的水平，通常呈现出三角形，我们认为该状况正

常。若在放炮过程中伴有其他引起的瓦斯浓度异常因素综合作用下，通常瓦斯监