作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
支持向量机(Support Vector Machine,SVM)是一种基于统计学习理论的机器学习算法,能够较好的解决小样本的学习问题,具有很优秀的回归特性.本文提出了一种基于支持向量机辨识结构损伤程度的方法,构造模态频率作为损伤标识量训练支持向量机对损伤程度进行预测,并以悬臂梁为例进行了仿真计算.结果表明:支持向量机是一种很有潜力的结构损伤识别方法,具有很好的应用前景.
推荐文章
基于支持向量机的静力损伤识别方法
桥梁结构
连续梁
静力损伤识别
支持向量机
基于谐波小波包和支持向量机的风机叶片损伤识别研究
风机叶片
声发射
谐波小波包
支持向量机
基于支持向量机和模态参数识别的导墙结构损伤诊断研究
导墙
模态参数
识别
损伤诊断
支持向量机
基于平均曲率模态和最小二乘支持向量机的混凝土拱坝损伤识别方法研究
平均曲率模态
最小二乘支持向量机
混凝土拱坝
损伤识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于支持向量机的结构损伤程度识别研究
来源期刊 强度与环境 学科 物理学
关键词 损伤识别 支持向量机 模态频率
年,卷(期) 2005,(4) 所属期刊栏目 结构强度
研究方向 页码范围 12-16
页数 5页 分类号 O327
字数 3391字 语种 中文
DOI 10.3969/j.issn.1006-3919.2005.04.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 孟光 上海交通大学振动冲击噪声国家重点实验室 206 2435 25.0 38.0
2 刘龙 上海交通大学振动冲击噪声国家重点实验室 18 185 7.0 13.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (1870)
参考文献  (4)
节点文献
引证文献  (17)
同被引文献  (19)
二级引证文献  (23)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
2007(3)
  • 引证文献(3)
  • 二级引证文献(0)
2008(3)
  • 引证文献(1)
  • 二级引证文献(2)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(5)
  • 引证文献(3)
  • 二级引证文献(2)
2012(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(2)
  • 引证文献(0)
  • 二级引证文献(2)
2014(4)
  • 引证文献(3)
  • 二级引证文献(1)
2015(3)
  • 引证文献(1)
  • 二级引证文献(2)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(5)
  • 引证文献(0)
  • 二级引证文献(5)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(7)
  • 引证文献(2)
  • 二级引证文献(5)
研究主题发展历程
节点文献
损伤识别
支持向量机
模态频率
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
强度与环境
双月刊
1006-3919
11-1773/V
大16开
北京市9200信箱72分箱
1973
chi
出版文献量(篇)
1149
总下载数(次)
1
总被引数(次)
6661
论文1v1指导