饶文碧1，谈怀江1，Bostrom Henrik2
（1.武汉理工大学计算机科学与技术学院, 430070,武汉；2.斯特哥尔摩大学与瑞典皇家工学院计算机与系统科学系,SE-16440,斯特哥尔摩,瑞典）
摘要：采用归纳学习方法来识别结构损伤. 首先,通过对经典的决策树算法和序列覆盖算法进行结合与改进,得到一种高效且代价又小的归纳学习算法(RAC)，同时引入装袋算法产生多个分类法,并用它们进行类预测，而且使用选票策略得出最佳类预测.其次,用正交最小二乘迭代算法作为径向基函数(RBF)神经网络的学习方法,通过“信息-贡献”准则进行正交变换来优选中心.最后,对上述归纳学习方法用于梁结构损伤定位的效果进行了实验评估．结果表明,对于RAC算法和生成分类法的数目分别为10和50情况下的装袋算法,当损伤样本被噪声污染程度在100％ 时,识别精度均可达到90％ 以上,而对于RBF神经网络算法,只有当损伤样本被噪声污染程度小于70％ 时,识别精度才可达到90％以上．
关键词：结构损伤识别;规则归纳学习;装袋学习算法;神经网络
中图分类号：TP339文献标识码：A文章编号： 0253987X（2005）02014204