典型文献
基于统计特征混合与随机森林重要性排序的桥梁异常监测数据识别方法
文献摘要：
准确识别结构健康监测系统中的异常监测数据对降低监测系统误报和正确评判结构服役状态十分重要.为降低不同模式异常数据样本量的非均衡性和相同模式异常数据样本间的差异性对监督学习分类训练的影响,提出了包含基于前向差分求导进行样本数据增强、基于随机森林特征重要性指标进行样本统计特征指标集排序和多特征混合降维原始样本的异常数据识别方法.针对某座大跨度斜拉桥的实测正常数据和6类异常数据,计算了均衡化处理后增强数据的10类统计特征重要性指数.在7种特征混合输入方式下,分别采用K邻近法、支持向量机、决策树和随机森林作为分类器,检验并比较了所提方法用于识别异常数据的效果.测试集的平均识别准确率表明,相较直接对原始样本进行分类训练,所提方法可显著提升异常数据识别的准确率,且最高识别准确率达到了97.10％.
文献关键词：
结构健康监测;异常数据诊断;统计特征混合;机器学习;随机森林
中图分类号：
作者姓名：
邱阳;李盛;金亮;张咪咪;王杰
作者机构：
武汉理工大学信息工程学院,湖北 武汉430070;武汉理工大学光纤传感技术与网络国家工程研究中心,湖北 武汉430070
文献出处：
引用格式：
[1]邱阳;李盛;金亮;张咪咪;王杰-.基于统计特征混合与随机森林重要性排序的桥梁异常监测数据识别方法)[J].传感技术学报,2022(06):756-762
A类：
统计特征混合
B类：
重要性排序,异常监测,准确识别,结构健康监测系统,系统误报,服役状态,不同模式,样本量,非均衡性,监督学习,分类训练,求导,导进,数据增强,特征重要性,重要性指标,样本统计,特征指标,指标集,多特征,混合降维,异常数据识别,大跨度斜拉桥,均衡化处理,后增强,重要性指数,混合输入,输入方式,决策树,分类器,测试集,识别准确率,异常数据诊断
AB值：
0.346638
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。
