摘要：伴随着人们对于生活质量以及生活品质要求的提升，电梯的普及度与使用率也逐渐升高，传统电梯维保公司的人工维修保养方式由于常常出现人力资源紧张，检查效率不足等问题，导致电梯事故频频发生，已经不能满足人们的需求。电梯智能化安全预处理系统应运而生，旨在节约电梯运维成本，提升电梯运维效率。

本文从电梯智能化安全预处理系统的意义、研究重点、国内外研究现状着手，进行了简单的介绍和分析；接下来，为了完成神经网络模型的实验及选择，前往实验电梯进行故障实验，采集电梯运行时数据，并对数据进行简单的预处理；在获取了数据后，通过查阅大量文献资料寻找适合该数据集的主流神经网络模型算法，包括支持向量机、朴素贝叶斯算法等，并根据各个算法的优缺点以及数据集实验结果选择出用于该安全预处理系统数据处理所用算法SVM；然后对SVM算法的工作过程，分类方法，核函数等进行细致介绍；最后，通过之前的数据分析，进一步对数据进行清洗，并利用数据集对支持向量机的四种核函数进行实验，比对分类精确度。对其中表现最优异的核函数调参，使其获得最优的结果。在文章的末尾处，记述了进行该系统数据处理的心得体会。

关键词：智能化  神经网络  支持向量机  核函数

目录

摘要

Abstract

1 绪论-1

1.1课题来源-1

1.2 研究的目的和意义-2

1.2.1 研究的目的-2

1.2.2 研究的意义-2

1.3国内研究现状及分析-2

1.4国外研究现状及分析-3

2 实验数据采集-5

2.1 数据采集-5

2.1.1 陀螺仪位置的选择-5

2.1.2 电梯故障模拟-6

2.2 数据可视化-6

2.2.1 人为故障图示-6

2.2.2 满载故障图示-8

2.3 数据标注-9

2.4 数据分布情况-10

3 人工智能算法对比-11

3.1 支持向量机（SVM）-11

3.1.1 概述-11

3.1.2 优势与劣势-11

3.2决策树算法（decision tree）-12

3.2.1 概述-12

3.2.2优势与劣势-12

3.3随机森林（random forest）-13

3.3.1 概述-13

3.3.2 优势与劣势-13

3.4逻辑回归（logistic regression）-13

3.4.1 概述-13

3.4.2 优势与劣势-14

3.5 朴素贝叶斯（NBC）-14

3.5.1 概述-14

3.5.2 优势与劣势-14

3.6模型对比-15

3.6.1 理论对比-15

3.6.1 支持向量机数据测试-15

3.6.2 逻辑回归数据测试-17

3.6.3 朴素贝叶斯数据测试-18

3.6.4 结论-18

4 支持向量机-20

4.1 概述-20

4.2 支持向量机基本原理-21

4.3 支持向量机算法过程-22

4.4 核函数-24

5 数据处理及优化-25

5.1 数据清洗-25

5.1.1 数据预处理-25

5.1.2 数据去重-25

5.2 数据分析-25

5.3 核函数调参-27

6 项目影响-29

6.1 社会人文影响-29

6.2 环境影响-29

6.3 法律影响-29

7 总结与展望-30

7.1 项目总结-30

7.2 项目展望-30

7.3 个人总结-31

参考文献-32

致  谢-33