针对预警中空间群目标反演精度不高、鲁棒性较差的问题,提出了一种基于分类回归树(classification and regression tree,CART)算法的空间目标本体反演方法。首先构建分类与回归决策树,并将空间目标的入射角、光谱辐射亮度、温度等特征...针对预警中空间群目标反演精度不高、鲁棒性较差的问题,提出了一种基于分类回归树(classification and regression tree,CART)算法的空间目标本体反演方法。首先构建分类与回归决策树,并将空间目标的入射角、光谱辐射亮度、温度等特征数据作为决策树的输入;再基于基尼系数评估数据纯度,对目标在不同温度、不同入射角下的光谱辐射亮度进行分割;最后通过在每个节点处对数据集进行划分,实现对空间目标本体的有效反演。数值对比实验表明,3种典型空间目标的决策树模型反演结果与实际情况一致,验证了所提方法的有效性。展开更多
针对传统损伤检测方法难以准确识别桥梁结构损伤程度的不足,利用分类回归树(classfication and regression tree,CART)算法在数据挖掘方面的优势,通过计算基尼系数选取合适的特征对数据样本进行分类,提出一种损伤检测方法对桥梁的损伤...针对传统损伤检测方法难以准确识别桥梁结构损伤程度的不足,利用分类回归树(classfication and regression tree,CART)算法在数据挖掘方面的优势,通过计算基尼系数选取合适的特征对数据样本进行分类,提出一种损伤检测方法对桥梁的损伤动力信息进行学习分类。首先利用附加质量方法构建结构动力响应数据集,计算附加质量的模态应变能指标ξ,对结构损伤进行定位;然后将ξ作为决策树的特征,输入到CART算法中进行训练,对损伤程度进行分类和识别,并对该方法进行抗噪性验证,最后通过简支梁和连续梁算例进行验证分析。研究结果表明:基于附加质量的损伤识别指标能准确定位损伤,且CART算法能够有效识别桥梁结构的损伤程度,在2%、5%噪声水平下,2种算例的损伤程度识别准确率分别达到99%、95%和95%、90%以上,具有较高准确率和较强鲁棒性;该方法为桥梁结构损伤程度识别提供了一种新的参考。展开更多
为提高林业运输车辆的保险杠喷涂合格率,以某公司汽车保险杠的涂装质量数据为例,运用排列图对涂装质量数据进行分析得出颗粒、桔皮属于影响喷涂质量的主要因素。从人、机、料、法、环5个方面分析产生颗粒、桔皮的主要原因,并采用斯皮尔...为提高林业运输车辆的保险杠喷涂合格率,以某公司汽车保险杠的涂装质量数据为例,运用排列图对涂装质量数据进行分析得出颗粒、桔皮属于影响喷涂质量的主要因素。从人、机、料、法、环5个方面分析产生颗粒、桔皮的主要原因,并采用斯皮尔曼(Spearman)相关系数进行特征提取以及重要性分析,得出喷漆房的温度、喷漆房相对湿度、机器人喷涂流量、旋杯转速、喷涂距离、喷涂速度、漆的品牌、机器人(机器①、机器②、…、机器⑥)均会影响保险杠的喷涂质量。运用决策树(classification and regression tree,CART)算法确定喷涂流量、喷漆房的温度、喷漆房相对湿度、机器人②和机器人④、漆的品牌是影响保险杠喷涂质量的较为关键的因素。结果表明,利用CART分类算法对喷涂质量数据进行分析能够实现对故障点的判别,对于提高保险杠喷涂质量具有借鉴意义。展开更多
文摘针对预警中空间群目标反演精度不高、鲁棒性较差的问题,提出了一种基于分类回归树(classification and regression tree,CART)算法的空间目标本体反演方法。首先构建分类与回归决策树,并将空间目标的入射角、光谱辐射亮度、温度等特征数据作为决策树的输入;再基于基尼系数评估数据纯度,对目标在不同温度、不同入射角下的光谱辐射亮度进行分割;最后通过在每个节点处对数据集进行划分,实现对空间目标本体的有效反演。数值对比实验表明,3种典型空间目标的决策树模型反演结果与实际情况一致,验证了所提方法的有效性。
文摘针对传统损伤检测方法难以准确识别桥梁结构损伤程度的不足,利用分类回归树(classfication and regression tree,CART)算法在数据挖掘方面的优势,通过计算基尼系数选取合适的特征对数据样本进行分类,提出一种损伤检测方法对桥梁的损伤动力信息进行学习分类。首先利用附加质量方法构建结构动力响应数据集,计算附加质量的模态应变能指标ξ,对结构损伤进行定位;然后将ξ作为决策树的特征,输入到CART算法中进行训练,对损伤程度进行分类和识别,并对该方法进行抗噪性验证,最后通过简支梁和连续梁算例进行验证分析。研究结果表明:基于附加质量的损伤识别指标能准确定位损伤,且CART算法能够有效识别桥梁结构的损伤程度,在2%、5%噪声水平下,2种算例的损伤程度识别准确率分别达到99%、95%和95%、90%以上,具有较高准确率和较强鲁棒性;该方法为桥梁结构损伤程度识别提供了一种新的参考。
文摘为提高林业运输车辆的保险杠喷涂合格率,以某公司汽车保险杠的涂装质量数据为例,运用排列图对涂装质量数据进行分析得出颗粒、桔皮属于影响喷涂质量的主要因素。从人、机、料、法、环5个方面分析产生颗粒、桔皮的主要原因,并采用斯皮尔曼(Spearman)相关系数进行特征提取以及重要性分析,得出喷漆房的温度、喷漆房相对湿度、机器人喷涂流量、旋杯转速、喷涂距离、喷涂速度、漆的品牌、机器人(机器①、机器②、…、机器⑥)均会影响保险杠的喷涂质量。运用决策树(classification and regression tree,CART)算法确定喷涂流量、喷漆房的温度、喷漆房相对湿度、机器人②和机器人④、漆的品牌是影响保险杠喷涂质量的较为关键的因素。结果表明,利用CART分类算法对喷涂质量数据进行分析能够实现对故障点的判别,对于提高保险杠喷涂质量具有借鉴意义。
