声明
第1章 绪论
1.1 研究背景
1.2 国内外研究现状
1.3 研究内容
第2章 支持向量机—机器学习算法理论基础
2.1 机器学习算法概述
2.2 线性可分支持向量机
2.3 线性支持向量机
2.4 非线性支持向量机与核函数
2.5 特点与重要思想
2.6 本章总结
第3章 基于支持向量机的损伤识别方法
3.1 基于支持向量机的损伤识别方法
3.2 特征提取与特征选择
3.3 特征向量的设计
3.4 支持向量机的选择
3.5 本章小结
第4章 海洋平台损伤识别中的特征向量构建
4.1 平台结构数值模拟
4.2 小波包分析
4.3 基于损伤敏感性指标的特征向量设计
4.4 特征维度的确定
4.5 本章小结
第5章 支持向量机模型选择
5.1 模型选择的意义
5.2 核函数及其参数选择
5.3 惩罚参数
5.4 基于交叉验证和网格搜索的参数寻优
5.5 本章小结
第6章 优选模型的检验与分析
6.1 针对全工况覆盖数据的识别
6.2 针对波浪入射角度缺失数据的识别
6.3 针对有效波高缺失数据的识别
6.4 基于线性SVM-RFE方法的损伤定位研究
6.5 模型的抗噪性能
6.6 本章小结
第7章 结论与展望
7.1 结论
7.2 展望
参考文献
发表论文和参加科研情况说明
致谢
天津大学;