支持向量机法在钢结构焊接质量安全评价中的应用
Application of safety evaluation of the welding quality of steel structure based on the vector machine method
摘要
目前我国对钢结构焊接质量安全鉴定方法主要依赖于经验判断,针对这个问题,本文研究借助现代检测仪器和测试技术,综合考虑现代统计学理论和凸二次规划理论,提出基于支持向量机的钢结构焊接质量安全评价方法。运用优秀的机器学习算法,对钢结构焊接质量进行全面分析,并作出钢结构焊接质量与安全的综合评价,使钢结构焊接质量与安全评价更加科学和合理,以期对类似的研究和应用提供参照。
出处
《现代焊接》
2011年第11期27-29,共3页
MODERN WELDING
二级参考文献20
-
1V Vapnik.The Nature of Statistical Learning Theory[M].New York: Springer Verlag, 1995.
-
2O Chapelle,V Vapnik et al.Choosing multiple parameters for support vector machines[J].Machine Learning,2002 ;46 : 131-159.
-
3S Keerthi,Chih-Jen Lin.Asymptotic Behavior of Support Vector Machines with Gaussian Kernel[J].Neural Computation.
-
4V Vapnik,O Chapelle.Bounds on error expectation for support vector machine[J].Neural Computation,2000; 12 : 2013-2036.
-
5Cortes C, Vapnik V. Support vector networks. Machine Learning,1995, 20(3): 273-293.
-
6Flach P A. On the state of the art in machine learning: A personal review. Artificial Intelligence, 2001, 131 ( 1 ): 199-222.
-
7Sánchez A V D. Advanced support vector machines and kernel methods. Neurocomputing, 2003, 55(1): 5-20.
-
8Chaucharda F, Cogdillb R, Rousselc S, et al. Application of LS-SVM to non-linear phenomena in NIR spectroscopy: development of a robust and portable sensor for acidity prediction in grapes. Chemom Intell Lab Syst, 2004, 71(2): 141-150.
-
9Hua S, Sun Z. A novel method of protein secondary structure prediction with high segment overlap measure:support vector machine approach. J Mol Biol, 2001, 308(2): 397-4.07.
-
10Burbidge R, Trotter M, Buxton B, et al. Drug design by machine learning: support vector machines for pharmaceutical data analysis.Computers and Chemistry, 2001,26(1 ): 5-14.
共引文献73
-
1王艳梅,张艳珠,郑成文.基于支持向量机的人脸识别方法的研究[J].控制工程,2013,20(S1):195-197. 被引量:3
-
2许磊,李朝峰,杨蒙召.SVM结合模糊方法在遥感图像分类中的应用[J].计算机工程与应用,2005,41(36):79-82. 被引量:7
-
3李琳,张晓龙.支持向量机学习方法的选择与应用[J].武汉科技大学学报,2006,29(1):75-78. 被引量:11
-
4燕孝飞,葛洪伟,颜七笙.RBF核SVM及其应用研究[J].计算机工程与设计,2006,27(11):1996-1997. 被引量:17
-
5梁桂兆,梅虎,杨善彬,周原,周鹏,李志良.新氨基酸拓扑描述子得分矢量及支持向量机用于肽定量序列-迁移预测[J].科学通报,2006,51(14):1644-1648.
-
6李琳,张晓龙.基于RBF核的SVM学习算法的优化计算[J].计算机工程与应用,2006,42(29):190-192. 被引量:43
-
7周洪利,刘培玉.支持向量机中的模型选择研究[J].信息技术与信息化,2006(6):62-63. 被引量:4
-
8黄昱鹏,郭红.若干个度量支持向量机参数优劣的方法研究[J].福建电脑,2007,23(3):53-54.
-
9刘靖旭,蔡怀平,谭跃进.支持向量回归参数调整的一种启发式算法[J].系统仿真学报,2007,19(7):1540-1543. 被引量:26
-
10王睿.关于支持向量机参数选择方法分析[J].重庆师范大学学报(自然科学版),2007,24(2):36-38. 被引量:39
-
1张建松,黄进,林翎.工业固废资源化产品质量安全评价指标体系研究[J].标准科学,2014(5):38-42. 被引量:2
-
2吴坤杰.信阳市主要水产品重金属污染现状分析及评价[J].信阳农林学院学报,2016,26(2):88-90. 被引量:1
-
3《环境污染与防治》网络版摘要[J].环境污染与防治,2009,31(8):110-112.
-
4柴振林,吴学谦,魏海龙,吕爱华,尚素微,朱杰丽,杨柳.浙江省金针菇重金属背景值及质量安全评价[J].中国林副特产,2008(6):1-4. 被引量:2
-
5石国忠.浅论农产品检测机构在蔬菜安全监管中的作用[J].上海蔬菜,2006(1):10-10. 被引量:4
-
6何晓红,丁凌志,楼坚,黄文星.安徽省石台县茶叶基地环境及绿茶、苦丁茶质量安全评价[J].农业环境与发展,2001,18(3):47-48. 被引量:2
-
7吴坤杰,彭新亮,潘开宇,汪海洋,魏廷,曾鹏,沈绍营,盛义良.河南省主要人工养殖水产动物重金属污染及评价[J].信阳农林学院学报,2015,25(4):102-105. 被引量:1
-
8熊海波,肖双喜.浅析水解釜爆炸事故[J].锅炉压力容器安全技术,2002(2):52-53.
-
9环境遥感[J].环境工程技术学报,2010(1):99-99.
-
10张翼鹏,秦吉.现代统计信息分析技术在安全工程方面的应用——因子分析[J].工业安全与防尘,1999,25(3):1-7.