典型文献
基于IGWO-SVM的基桩缺陷分类识别
文献摘要：
针对目前基桩缺陷类型识别精度不高的问题,提出融合时域、频域与小波包能量的特征提取方法,并建立基于改进灰狼优化算法—支持向量机(IGWO-SVM)的分类模型.该模型中的IGWO采用Sobol序列实现了对种群的初始化,并引入莫兰指数提高灰狼优化算法(GWO)的全局收敛能力,最终确定了模型的两个重要参数C为39.21,g为0.16.试验结果表明,该模型对基桩缺陷类型的识别准确率可达96.97％,相较于BP神经网络、KNN两种分类模型分别高出6.36％、12.36％.IGWO-SVM分类模型在基桩缺陷识别方面具有较显著的有效性和优越性.
文献关键词：
灰狼优化算法;支持向量机;小波包分析;超声透射法;基桩缺陷
中图分类号：
作者姓名：
李天博;任昊;董德勇
作者机构：
江苏大学电气信息工程学院,江苏镇江212013;国网江苏省电力有限公司检修分公司,江苏南京210000
文献出处：
引用格式：
[1]李天博;任昊;董德勇-.基于IGWO-SVM的基桩缺陷分类识别)[J].软件导刊,2022(10):84-90
A类：
基桩缺陷,超声透射法
B类：
IGWO,缺陷分类,分类识别,缺陷类型识别,识别精度,频域,小波包能量,改进灰狼优化算法,分类模型,Sobol,初始化,莫兰指数,全局收敛,收敛能力,重要参数,识别准确率,KNN,缺陷识别,小波包分析
AB值：
0.239604
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
