多传感器钢筋锈蚀无损检测数据的机器学习

• 作者: VOELKER Christoph 彭建平 申家玮 郭建强
• 来源期刊: 无损检测
• 学科: 工学
• 关键词: 机器学习 多传感器 数据融合 钢筋混凝土 锈蚀检测
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 试验研究
• 页码范围: 59-64
• 页数: 6页
• 分类号: TG115.28
• 字数: 6490字
• 语种: 中文
• DOI: 10.11973/wsjc201911015

摘要

在对多传感器无损检测数据进行自动评估的过程中,由于数据本身的复杂性高,所以传统算法的计算效率及准确性低下.基于多传感器钢筋混凝土锈蚀试验所得的无损检测数据,设计了基于逻辑回归算法的决策树算法及Boosting模型,并将其结果与基本的逻辑回归算法的结果进行量化、比较和分析.结果表明:与通过小型异构数据集训练出的具有复杂决策边界的决策树算法相比,简单稳健的逻辑回归算法得到的分类效果更优,而通过Boosting模型可以进一步改善逻辑回归算法分类效果并实现数据的自动评估.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭建平	西南交通大学无损检测研究中心	18	218	6.0	14.0
2	郭建强	西南交通大学无损检测研究中心	64	231	7.0	11.0