基于聚类-二叉树支持向量机的砂土液化预测模型

• 作者: 刘勇健
• 来源期刊: 岩土力学
• 关键词: 支持向量机 砂土液化 聚类 二叉树 统计学习 预测模型
• 年，卷（期）: 2008,（10）
• 页码范围: 2764-2768
• 页数: 5页
• 分类号: TB115
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7598.2008.10.032

摘要

建立在统计学习理论基础之上的支持向量机(SVM),是一种基于结构风险最小的小样本机器学习方法.经典的支持向量机主要针对二分类问题,而工程实践中遇到的往往是多分类问题.根据影响砂土液化的主要因素,采用聚类分析中的类距离思想,建立了基于聚类.二叉树的多类支持向量机的砂土液化判别模型.该模型可以通过有限样本的学习,建立砂土液化与各影响因素之间的非线性关系.研究结果表明,基于聚类-二叉树支持向量机的层次结构合理,分类精度高,泛化性好,可对砂土液化等级进行较准确判别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘勇健		100	1223	17.0	30.0