本文選題：分類識別　切入點(diǎn)：地震波形信號　出處：《地震工程學(xué)報》2017年03期 　論文類型：期刊論文

【摘要】：BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)(SVM)是兩種主流的分類識別方法,用于天然地震和人工爆炸事件波形信號分類識別時取得了較好的效果。但BP神經(jīng)網(wǎng)絡(luò)存在易陷入局部最優(yōu)及隱層數(shù)和隱層節(jié)點(diǎn)數(shù)與訓(xùn)練樣本數(shù)據(jù)密切相關(guān)而無法有效預(yù)先確定;而支持向量機(jī)(SVM)方法則缺乏有效手段來選取合適的核函數(shù),從中不能很好地擴(kuò)展到多分類。針對天然地震和人工爆炸事件波形信號的分類識別問題,文中將上述兩種方法和集成學(xué)習(xí)——BP-Adaboost方法進(jìn)行了對比實(shí)驗(yàn)研究。據(jù)對所選用的地震、爆炸事件波形信號數(shù)據(jù)集的分類識別結(jié)果表明,BP-Adaboost方法得到了98%以上的正確識別率,并且具有較好的泛化能力。相較于BP神經(jīng)網(wǎng)絡(luò)和PCA-SVM方法,BP-Adaboost方法對于數(shù)據(jù)集的劃分和識別結(jié)果具有更好的魯棒性,應(yīng)用于天然地震和人工爆炸事件波形信號分類識別時,可取得更好的識別效果。同時,結(jié)合Adaboost方法的原理,闡述了BP-Adaboost方法擁有更好分類結(jié)果和泛化能力的原因。
[Abstract]:BP neural network and support vector machine (SVM) are two main classification and recognition methods. The BP neural network is easy to fall into the local optimum and the number of hidden layers and hidden layer nodes are closely related to the training sample data. But the support vector machine (SVM) method lacks the effective means to select the appropriate kernel function, which can not be extended to the multi-classification. In view of the problem of classification and recognition of waveform signals of natural earthquake and artificial explosion events, the support vector machine (SVM) method can not be extended to multiple classification. In this paper, the two methods mentioned above are compared with the integrated learning-BP-Adaboost method. According to the classification and recognition results of the selected seismic and explosion waveform data sets, the BP-Adaboost method has obtained a correct recognition rate of more than 98%. Compared with BP neural network and PCA-SVM method, BP-Adaboost method is more robust to data set partition and recognition results. At the same time, combined with the principle of Adaboost method, the reason why BP-Adaboost method has better classification result and generalization ability is expounded.
【作者單位】： 廣西師范大學(xué)計算機(jī)科學(xué)與信息工程學(xué)院;
【基金】：國家自然科學(xué)基金(41264001)
【分類號】：P315;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 張曉煜;李向;;基于粒子群算法的地震預(yù)報方法研究[J];地震工程學(xué)報;2014年01期

2 張博;邊銀菊;王婷婷;;用逐步代價最小決策法識別地震與爆破[J];地震學(xué)報;2014年02期

3 曹瑩;苗啟廣;劉家辰;高琳;;AdaBoost算法研究進(jìn)展與展望[J];自動化學(xué)報;2013年06期

4 畢明霞;黃漢明;邊銀菊;李銳;陳銀燕;趙靜;;天然地震與人工爆破波形信號HHT特征提取和SVM識別研究[J];地球物理學(xué)進(jìn)展;2011年04期

5 黃漢明;邊銀菊;盧世軍;蔣正鋒;李銳;;天然地震與人工爆破的波形小波特征研究[J];地震學(xué)報;2010年03期

6 邊銀菊;遺傳BP網(wǎng)絡(luò)在地震和爆破識別中的應(yīng)用[J];地震學(xué)報;2002年05期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 梁玉強(qiáng);陳勁杰;葉其含;;基于AdaBoost和BP網(wǎng)絡(luò)的機(jī)器人動作理解[J];電子科技;2017年08期

2 尚雪義;李夕兵;彭康;王澤偉;翁磊;;FSWT-SVD模型在巖體微震信號特征提取中的應(yīng)用[J];振動與沖擊;2017年14期

3 王麗敏;喬玲玲;魏霖靜;;結(jié)合遺傳算法的優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法[J];計算機(jī)工程與設(shè)計;2017年07期

4 王旭陽;姜喜秋;;特定領(lǐng)域概念屬性關(guān)系抽取方法研究[J];吉林大學(xué)學(xué)報(信息科學(xué)版);2017年04期

5 趙震;;基于OpenCV的人體安全帽檢測的實(shí)現(xiàn)[J];電子測試;2017年14期

6 劉聰;程希明;;基于AdaBoost的二手車價值評估方法[J];北京信息科技大學(xué)學(xué)報(自然科學(xué)版);2017年03期

7 趙剛;黃漢明;盧欣欣;郭世豪;柴慧敏;;基于BP-Adaboost方法的天然地震和人工爆炸事件波形信號分類識別研究[J];地震工程學(xué)報;2017年03期

8 羅士鈞;;基于Adaboost算法在葡萄酒酒品分類中的實(shí)際應(yīng)用[J];科學(xué)中國人;2017年17期

9 劉化軒;;基于Haar-like特征的LED固晶目標(biāo)識別定位方法[J];工業(yè)控制計算機(jī);2017年05期

10 周立宇;常侃;;基于邊緣檢測和灰度投影的人眼定位[J];廣西科學(xué);2017年03期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 柳旭峰;許才軍;;利用改進(jìn)的粒子群算法反演視震源時間函數(shù)[J];地震學(xué)報;2013年02期

2 徐松金;龍文;;基于粒子群優(yōu)化最小二乘向量機(jī)的地震預(yù)測模型[J];西北地震學(xué)報;2012年03期

3 鄭建常;陳運(yùn)泰;;基于粒子群優(yōu)化的雙力偶模型振幅譜反演方法及應(yīng)用[J];地震學(xué)報;2012年03期

4 邊銀菊;王婷婷;郭永霞;;用決策方法識別地震與爆破[J];地震學(xué)報;2012年03期

5 張永志;徐海軍;王衛(wèi)東;劉杰;山鋒;;渭河盆地斷裂活動速率的粒子群算法反演[J];西北地震學(xué)報;2011年04期

6 徐文耀;區(qū)加明;杜愛民;;地磁場全球建模和局域建模[J];地球物理學(xué)進(jìn)展;2011年02期

7 余建平;周新民;陳明;;群體智能典型算法研究綜述[J];計算機(jī)工程與應(yīng)用;2010年25期

8 韓紹卿;李夕海;安躍文;劉代志;;核爆、化爆、地震識別研究綜述[J];地球物理學(xué)進(jìn)展;2010年04期

9 黃漢明;邊銀菊;盧世軍;蔣正鋒;李銳;;天然地震與人工爆破的波形小波特征研究[J];地震學(xué)報;2010年03期

10 陳潔;高德章;溫寧;萬榮勝;;南海磁場特征研究[J];地球物理學(xué)進(jìn)展;2010年02期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王海川,張立明;一種新的Adaboost快速訓(xùn)練算法[J];復(fù)旦學(xué)報(自然科學(xué)版);2004年01期

2 李振;;基于Adaboost的人臉檢測[J];科技信息(科學(xué)教研);2007年31期

3 李亞瓊;趙春暉;潘泉;張紹武;;新的AdaBoost算法評價體系[J];計算機(jī)工程與應(yīng)用;2009年08期

4 何海燕;施培蓓;;基于改進(jìn)AdaBoost算法的行人檢測方法[J];安慶師范學(xué)院學(xué)報(自然科學(xué)版);2009年03期

5 戴青云;程俊紅;;AdaBoost算法在人臉識別中的應(yīng)用[J];黑龍江科技信息;2009年36期

6 劉禮輝;;基于Adaboost的快速人臉檢測系統(tǒng)[J];科技風(fēng);2009年03期

7 呂慧娟;武澎;;基于改進(jìn)的AdaBoost算法的人臉檢測[J];河南大學(xué)學(xué)報(自然科學(xué)版);2010年01期

8 李銳;王卷樂;任正超;;基于AdaBoost算法的城鎮(zhèn)建設(shè)用地遙感動態(tài)提取研究[J];國土資源遙感;2010年02期

9 李文輝;倪洪印;;一種改進(jìn)的Adaboost訓(xùn)練算法[J];吉林大學(xué)學(xué)報(理學(xué)版);2011年03期

10 韓敏;穆大蕓;;基于Adaboost算法的回聲狀態(tài)網(wǎng)絡(luò)預(yù)報器[J];控制理論與應(yīng)用;2011年04期

相關(guān)會議論文 前10條

1 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年計算機(jī)應(yīng)用與系統(tǒng)建模國際會議論文集[C];2012年

2 張超;苗振江;;基于AdaBoost的面部信息感知[A];第十三屆全國信號處理學(xué)術(shù)年會（CCSP-2007）論文集[C];2007年

3 郭翌;汪源源;;基于Adaboost算法的頸動脈粥樣硬化判別方法[A];中國儀器儀表學(xué)會第十一屆青年學(xué)術(shù)會議論文集[C];2009年

4 張紅梅;高海華;王行愚;;抑制樣本噪聲的AdaBoost算法及其在入侵檢測中的應(yīng)用[A];2007年中國智能自動化會議論文集[C];2007年

5 陸文聰;鈕冰;金雨歡;;基于AdaBoost算法的亞細(xì)胞位置預(yù)測[A];中國化學(xué)會第26屆學(xué)術(shù)年會化學(xué)信息學(xué)與化學(xué)計量學(xué)分會場論文集[C];2008年

6 陳宏偉;劉建偉;費(fèi)向東;;一種半監(jiān)督環(huán)境下的Adaboost算法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

7 唐曉丹;苗振江;;基于AdaBoost和粒子濾波的目標(biāo)跟蹤[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

8 張彬;金連文;;基于AdaBoost的手寫體漢字相似字符識別[A];第二十六屆中國控制會議論文集[C];2007年

9 ;Using Skin Color and HAD-AdaBoost Algorithm for Face Detection in Color Images[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年

10 肖磊;李麗;肖佳文;;基于AdaBoost-SVM的上市公司信用風(fēng)險評估[A];2012管理創(chuàng)新、智能科技與經(jīng)濟(jì)發(fā)展研討會論文集[C];2012年

相關(guān)博士學(xué)位論文 前4條

1 佟旭;基于復(fù)雜網(wǎng)絡(luò)理論的糖尿病腎病辨證建模研究[D];北京中醫(yī)藥大學(xué);2016年

2 劉沖;模擬電路故障診斷AdaBoost集成學(xué)習(xí)方法研究[D];大連海事大學(xué);2011年

3 張?zhí)珜?人眼注視點(diǎn)估計方法的研究[D];南開大學(xué);2013年

4 趙培英;基于智能計算的膜蛋白結(jié)構(gòu)與相互作用預(yù)測研究[D];東華大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 皮麗琴;基于AdaBoost-GASVM算法和LDA主題模型的短文本分類研究[D];華南理工大學(xué);2015年

2 孫斌;一種基于Adaboost的實(shí)時行人檢測算法[D];華南理工大學(xué);2015年

3 蔡澤彬;基于視頻分析的行人檢測及統(tǒng)計方法研究[D];華南理工大學(xué);2015年

4 游晴;Adaboost人臉檢測算法研究及其在硬件平臺上的實(shí)現(xiàn)[D];昆明理工大學(xué);2015年

5 宋雨;基于視覺圖片的腦—機(jī)接口控制研究[D];天津理工大學(xué);2015年

6 林欣;基于改進(jìn)膚色模型的AdaBoost人臉檢測算法研究[D];陜西科技大學(xué);2015年

7 袁浩杰;Adaboost算法的并行化及其在目標(biāo)分類中的應(yīng)用[D];華南理工大學(xué);2015年

8 張恒;基于近紅外圖像的疲勞駕駛檢測研究與系統(tǒng)實(shí)現(xiàn)[D];長安大學(xué);2015年

9 朱非易;基于不平衡學(xué)習(xí)的蛋白質(zhì)—維生素綁定位點(diǎn)預(yù)測研究[D];南京理工大學(xué);2015年

10 張元;一種基于AdaBoost的組合分類算法研究[D];四川師范大學(xué);2015年

，

本文編號：1652706