基于支持向量机的加筋板健康监测

• 作者: 王长坤 袁慎芳 邱雷 黄红梅
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 支持向量机 加筋板 结构健康监测 模式识别 多类分类
• 年，卷（期）: 2008,（5）
• 所属期刊栏目: 研究与探讨
• 页码范围: 49-51,57
• 页数: 4页
• 分类号: TP18
• 字数: 2660字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-9787.2008.05.016

摘要

故障样本缺乏是制约智能监测发展的重要原因.支持向量机(SVM)基于结构风险最小化原则,对小样本决策具有较好的学习推广性.将SVM的多类分类算法用于航空航天结构中的加强筋结构健康监测,并与BP神经网络进行对比研究,取得了满意的效果.试验表明:在小样本条件下,SVM具有比BP网络更好的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁慎芳	南京航空航天大学智能材料与结构航空科技重点实验室	151	2275	26.0	40.0
2	邱雷	南京航空航天大学智能材料与结构航空科技重点实验室	50	588	14.0	22.0
3	黄红梅	南京航空航天大学智能材料与结构航空科技重点实验室	8	7	1.0	2.0
4	王长坤	南京航空航天大学智能材料与结构航空科技重点实验室	3	17	1.0	3.0