Indexed by：
Abstract：
目的为有效利用监测系统大量冗余、互补数据,对结构的工作状态展开评估.方法运用粗集进行属性约简达到海量数据的降维工作,进而提取有效的特征参数,运用概率神经网络(PNN)良好的处理噪声等不确定信息及概率推理能力,进行推理计算和损伤识别.结果对某12层钢筋混凝土框架不同噪声水平下的三种损伤模式进行了识别,识别精度均在85%以上,并与PNN损伤识别方法进行了比较,其识别精度高于PNN.结论提出了一种基于粗集与PNN的结构损伤识别新方法,该方法不仅可以降低数据的空间维数,减少冗余属性和不确定性,而且可以提高损伤识别精度.
Keyword：
Reprint 's Address：
Email：
Source ：
沈阳建筑大学学报(自然科学版)
Year： 2008
Issue： 03
Page： 357-361
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
