基于归纳学习的结构损伤识别方法研究

摘要：

采用归纳学习方法来识别结构损伤. 首先,通过对经典的决策树算法和序列覆盖算法进行结合与改进,得到一种高效且代价又小的归纳学习算法(RAC),同时引入装袋算法产生多个分类法,并用它们进行类预测,而且使用选票策略得出最佳类预测.其次,用正交最小二乘迭代算法作为径向基函数(RBF)神经网络的学习方法,通过"信息-贡献"准则进行正交变换来优选中心.最后,对上述归纳学习方法用于梁结构损伤定位的效果进行了实验评估.结果表明,对于RAC算法和生成分类法的数目分别为10和50情况下的装袋算法,当损伤样本被噪声污染程度在100% 时,识别精度均可达到90% 以上,而对于RBF神经网络算法, 只有当损伤样本被噪声污染程度小于70% 时,识别精度才可达到90%以上.

关键词：结构损伤识别、规则归纳学习、装袋学习算法、神经网络

所属期刊栏目：39

分类号：TP339(计算技术、计算机技术)

资助基金：湖北省自然科学基金2001ABB078;国家留学基金委留学基金22842170;湖北省武汉市青年科技晨光计划20015005039

在线出版日期：2005-03-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：142-145