典型文献
基于AdaBoost集成学习的光纤振动信号识别分类方法
文献摘要：
对光纤振动信号的有效识别是保证油气管道光纤预警系统运行的重要基础.针对传统光纤振动信号检测中单一分类方法的不足,提出一种基于AdaBoost集成学习的光纤振动信号识别分类算法.首先通过分析研究5类光纤振动信号的特征,选取样本熵、能量分布以及频带宽度作为三维特征向量,并将其分别送入决策树、支持向量机(SVM)以及以决策树作为基分类器的AdaBoost分类算法进行训练识别;其次通过交叉验证的方式对得到的模型进行参数优化和模型评价;最后对得到的模型进行对比测试实验.实验结果表明:以决策树作为基分类器的AdaBoost集成学习算法可以对不同振动类型进行有效识别,在光纤预警中对不同来源振动信号的识别具有一定意义.
文献关键词：
傅里叶光学与信号处理;光纤;AdaBoost集成学习;光纤振动信号;特征提取与识别
中图分类号：
作者姓名：
曲洪权;吉祥;盛智勇;曲洪斌;王玲
作者机构：
北方工业大学信息学院,北京100144;中国石油管道局工程有限公司国际事业部,河北 廊坊065000;中国石油管道局工程有限公司亚太分公司,河北廊坊065000
文献出处：
引用格式：
[1]曲洪权;吉祥;盛智勇;曲洪斌;王玲-.基于AdaBoost集成学习的光纤振动信号识别分类方法)[J].激光与光电子学进展,2022(13):219-226
A类：
傅里叶光学与信号处理
B类：
AdaBoost,光纤振动信号,信号识别,识别分类,分类方法,油气管道,道光,光纤预警,预警系统,信号检测,分类算法,样本熵,能量分布,频带宽度,三维特征,特征向量,送入,决策树,基分类器,交叉验证,模型评价,对比测试,测试实验,集成学习算法,不同来源,别具,特征提取与识别
AB值：
0.290799
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。
