基于机器学习的强震动监测环境抗干扰方法对比研究

发布时间：2023-05-06 04:12

　　引入机器学习中的决策树、随机森林、AdaBoost集成学习等方法,分别按照训练比例为10%～90%、变化率为10%的试验方式,从识别准确度、算法执行时间、异常数等角度出发,对比分析强震动数据抗干扰算法在不同样本训练量、不同验证数据量下的识别效果、执行效率及算法稳健性。实验结果表明,AdaBoost集成学习的识别效果与稳定性最好,但是算法效率较差,决策树的算法稳定性较差,但是效率较高。综合算法性能来看,随机森林的应用前景较大,具有一定实用价值。

【文章页数】：6 页

【文章目录】：
1 关键技术
    1.1 机器学习方法
    1.2 决策树、随机森林、AdaBoost三者关系
    1.3 加速度数据振动特征提取
2 实验与分析
    2.1 实验方案
    2.2 实验结果
3 结 论



本文编号：3809004