| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 RVM大规模样本训练的研究现状 | 第13-14页 |
| 1.2.2 集成学习的研究现状 | 第14-15页 |
| 1.2.3 粒度计算的研究现状 | 第15-16页 |
| 1.3 研究内容和组织结构 | 第16-19页 |
| 1.3.1 本文的研究内容 | 第16-17页 |
| 1.3.2 本文的组织结构 | 第17-19页 |
| 第2章 基本理论与相关技术 | 第19-33页 |
| 2.1 相关向量机 | 第19-22页 |
| 2.1.1 RVM模型设计 | 第19-21页 |
| 2.1.2 RVM分类模型 | 第21-22页 |
| 2.2 集成学习 | 第22-25页 |
| 2.2.1 AdaBoost算法模型 | 第22-23页 |
| 2.2.2 Discrete AdaBoost算法 | 第23-24页 |
| 2.2.3 Gentle AdaBoost算法 | 第24-25页 |
| 2.3 粒度计算 | 第25-27页 |
| 2.3.1 粒度计算概述 | 第25页 |
| 2.3.2 粒度计算模型 | 第25-27页 |
| 2.4 Spark分布式计算平台 | 第27-32页 |
| 2.4.1 Spark平台组织结构 | 第27-31页 |
| 2.4.2 弹性分布式数据集 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于均衡数据集的RVM分类算法 | 第33-48页 |
| 3.1 算法框架 | 第33-34页 |
| 3.2 Discrete-AdaBoost-RVM算法 | 第34-37页 |
| 3.3 Gentle-AdaBoost-RVM算法 | 第37-39页 |
| 3.4 实验设计 | 第39-47页 |
| 3.4.1 实验环境与实验数据集 | 第39页 |
| 3.4.2 模型评估参数 | 第39-41页 |
| 3.4.3 实验结果与分析 | 第41-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 基于非均衡数据集的RVM分类算法 | 第48-60页 |
| 4.1 算法框架 | 第49-50页 |
| 4.2 RV-GranularBoost-RVM算法 | 第50-52页 |
| 4.3 KMeans-GranularBoost-RVM算法 | 第52-54页 |
| 4.4 实验设计 | 第54-59页 |
| 4.4.1 实验环境与实验数据集 | 第54-55页 |
| 4.4.2 实验结果与分析 | 第55-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 基于RGB-RVM和KGB-RVM的桥梁裂缝损伤识别 | 第60-68页 |
| 5.1 前言 | 第60-61页 |
| 5.2 基于光纤光栅的桥梁健康与安全监测系统 | 第61-64页 |
| 5.2.1 光纤光栅传感系统 | 第61-62页 |
| 5.2.2 系统结构与实现 | 第62-64页 |
| 5.3 加速度传感数据损伤识别模型 | 第64-65页 |
| 5.4 实验结果与分析 | 第65-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 在读期间取得的学术成果 | 第75页 |
| 在读期间参与的基金和项目 | 第75页 |
