海峡科学
海峽科學
해협과학
CHANNEL SCIENCE
2012年
8期
32-36
,共5页
支持向量机%损伤识别%核函数%参数选择
支持嚮量機%損傷識彆%覈函數%參數選擇
지지향량궤%손상식별%핵함수%삼수선택
支持向量机(SVM)是一种针对分类和回归问题的统计学习理论,能有效地解决模式识别中的分类问题.该文提出了基于支持向量机的结构损伤识别方法:以归一的频率变化比(NFCR)和归一的损伤指标(NDSI)作为特征参数,训练支持向量机进行损伤识别.用一个12层钢混框架有限元数值模型进行验证,同时分析了影响SVM模型性能的主要因素.结果表明,本文提出的方法具有较高的损伤识别能力,而核参数的选择对识别精度有较大影响.
支持嚮量機(SVM)是一種針對分類和迴歸問題的統計學習理論,能有效地解決模式識彆中的分類問題.該文提齣瞭基于支持嚮量機的結構損傷識彆方法:以歸一的頻率變化比(NFCR)和歸一的損傷指標(NDSI)作為特徵參數,訓練支持嚮量機進行損傷識彆.用一箇12層鋼混框架有限元數值模型進行驗證,同時分析瞭影響SVM模型性能的主要因素.結果錶明,本文提齣的方法具有較高的損傷識彆能力,而覈參數的選擇對識彆精度有較大影響.
지지향량궤(SVM)시일충침대분류화회귀문제적통계학습이론,능유효지해결모식식별중적분류문제.해문제출료기우지지향량궤적결구손상식별방법:이귀일적빈솔변화비(NFCR)화귀일적손상지표(NDSI)작위특정삼수,훈련지지향량궤진행손상식별.용일개12층강혼광가유한원수치모형진행험증,동시분석료영향SVM모형성능적주요인소.결과표명,본문제출적방법구유교고적손상식별능력,이핵삼수적선택대식별정도유교대영향.
