多传感器钢筋锈蚀无损检测数据的机器学习

多传感器钢筋锈蚀无损检测数据的机器学习

论文摘要

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。

论文目录

  • 1 钢筋锈蚀及检测数据
  • 2 数据特征提取
  • 3 算法设计
  •   3.1 多传感器数据融合
  •   3.2 逻辑回归算法
  •   3.3 决策树算法
  •   3.4 Boosting方法
  • 4 试验结果
  •   4.1 建立算法模型
  •   4.2 算法性能对比
  •   4.3 特征利用程度分析
  • 5 结论
  • 文章来源

    类型: 期刊论文

    作者: 申家玮,彭建平,VOELKER Christoph,郭建强

    关键词: 机器学习,多传感器,数据融合,钢筋混凝土,锈蚀检测

    来源: 无损检测 2019年11期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 建筑科学与工程,自动化技术

    单位: 西南交通大学无损检测研究中心

    基金: 自然科学基金项目(61771409)

    分类号: TU375-4;TP212.9;TP181

    页码: 59-64

    总页数: 6

    文件大小: 1612K

    下载量: 163

    相关论文文献

    标签:;  ;  ;  ;  ;  

    多传感器钢筋锈蚀无损检测数据的机器学习
    下载Doc文档

    猜你喜欢