基于二层SVM多分类器的桩基缺陷诊断

• 作者: 康维新 彭喜元
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 桩基 支持矢量机 多分类 缺陷诊断 神经网络
• 年，卷（期）: 2008,（z1）
• 所属期刊栏目: 学术论文
• 页码范围: 66-70
• 页数: 5页
• 分类号: TU473
• 字数: 3966字
• 语种: 中文
• DOI: 10.3321/j.issn:0372-2112.2008.z1.012

摘要

为了研究桩基缺陷的快速和准确的分类方法,依据支持向量机(SVM)理论,采用多层分类的方法,改进了一对一SVM多分类器结构,构建了二层一对一SVM多分类器模型,提出了二层多分类计算方法.与BP神经网络相比,二层SVM分类器的学习训练快捷,分类处理的实时性能好,对小样本测试环境的适应能力强,并且具有较好的分类准确率.该方法适合于分析训练样本数量少、分类精度要求高和分类输入输出变量较多的桩基缺陷诊断等多分类问题,对桩基多处缺陷识别的研究也具有重要支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭喜元	哈尔滨工业大学自动化测试与控制研究所	106	2018	25.0	40.0
2	康维新	哈尔滨工业大学自动化测试与控制研究所	35	128	6.0	9.0