基于支持向量机的梁桥损伤识别
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-27页 |
| ·概述 | 第12-15页 |
| ·引言 | 第12-13页 |
| ·健康监测系统概述 | 第13-14页 |
| ·桥梁损伤识别概述 | 第14-15页 |
| ·损伤识别研究概况 | 第15-23页 |
| ·基于静力测试数据的损伤识别方法 | 第16-17页 |
| ·基于动力测试数据的损伤识别方法 | 第17-20页 |
| ·基于模式识别的损伤识别方法 | 第20-23页 |
| ·目前研究的主要难点 | 第23-25页 |
| ·本文的研究内容和安排 | 第25-27页 |
| 第2章 支持向量机的基本理论和方法 | 第27-48页 |
| ·支持向量机理论基础 | 第27-31页 |
| ·支持向量机概述 | 第27页 |
| ·机器学习概述 | 第27-28页 |
| ·统计学习理论 | 第28-31页 |
| ·支持向量分类机 | 第31-38页 |
| ·线性情况 | 第32-35页 |
| ·非线性情况 | 第35-36页 |
| ·C-支持向量分类机与υ-支持向量分类机 | 第36-37页 |
| ·多类分类问题 | 第37-38页 |
| ·特征空间映射与核函数 | 第38-40页 |
| ·特征空间映射 | 第38-39页 |
| ·Mercer条件 | 第39页 |
| ·核函数 | 第39-40页 |
| ·支持向量回归机 | 第40-43页 |
| ·支持向量回归机基础 | 第40-42页 |
| ·ε-支持向量回归机与υ-支持向量回归机 | 第42-43页 |
| ·支持向量机训练算法 | 第43-46页 |
| ·停机准则 | 第43-44页 |
| ·算法讨论 | 第44-46页 |
| ·支持向量机的实现 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第3章 基于支持向量机的损伤识别方法 | 第48-61页 |
| ·概述 | 第48-51页 |
| ·模式识别概述 | 第48-49页 |
| ·基于机器学习的模式识别理论 | 第49-50页 |
| ·基于支持向量机的损伤识别方法 | 第50-51页 |
| ·特征选择和特征提取 | 第51-54页 |
| ·结构振动模态分析概述 | 第51-52页 |
| ·与损伤位置有关的特征 | 第52-54页 |
| ·与损伤程度有关的特征 | 第54页 |
| ·特征向量的构建 | 第54-58页 |
| ·损伤位置判断 | 第55-57页 |
| ·损伤程度估计 | 第57页 |
| ·噪声影响 | 第57-58页 |
| ·支持向量机的选择 | 第58-59页 |
| ·支持向量机类型的选择 | 第58-59页 |
| ·核函数及其参数选择 | 第59页 |
| ·算法评价 | 第59-60页 |
| ·小结 | 第60-61页 |
| 第4章 梁桥损伤识别数值分析算例 | 第61-89页 |
| ·数值分析的任务和过程 | 第61-62页 |
| ·分析模型 | 第62页 |
| ·损伤模拟和样本集选取 | 第62-64页 |
| ·损伤位置识别 | 第64-77页 |
| ·特征向量和样本集的构建 | 第64-67页 |
| ·损伤位置识别结果 | 第67页 |
| ·损伤位置识别结果评述 | 第67-77页 |
| ·损伤程度识别 | 第77-82页 |
| ·特征向量和样本集的构建 | 第77页 |
| ·回归算法的参数组合 | 第77-78页 |
| ·损伤程度识别结果 | 第78-79页 |
| ·损伤程度识别结果评述 | 第79-82页 |
| ·噪声影响情况 | 第82-88页 |
| ·噪声对损伤位置识别的影响 | 第82-84页 |
| ·噪声对损伤程度识别的影响 | 第84-88页 |
| ·小结 | 第88-89页 |
| 结论 | 第89-91页 |
| 致谢 | 第91-92页 |
| 参考文献 | 第92-99页 |
| 攻读硕士学位期间发表的论文 | 第99页 |
