桥梁结构健康监测静态参数的半监督协同评估方法

摘要

一种桥梁结构健康监测静态参数的半监督协同评估方法。实时采集的桥梁结构健康静态数据经过预处理形成桥梁结构特征样本集。其中的已标记样本集经自助采样得到三个已标记样本子集，利用三个样本子集训练出三个基于不同监督学算法的初始基分类器，然后通过三个分类器之间的协同作用来实现对特征样本集中未标记样本的标记，并同时更新分类器。协同训练迭代结束后，三个基分类器通过将各自对测试样本的标记结果进行加权投票来得到最终的分类结果。本发明既可以减少对于桥梁结构健康数据的大量标注需求，降低人工标记成本，又可以提高桥梁结构健康数据的分类准确率，通过桥梁结构健康数据的分类结果来实现对桥梁结构健康状况的分析与评估。

主权项

一种桥梁结构健康监测静态参数的半监督协同评估方法，包括如下步骤：1)输入桥梁结构的静态数据，并对之进行属性量化预处理，形成桥梁结构健康监测静态样本集，其中包含已标记样本集L和未标记样本集U；2)通过对已标记样本集L进行自助采样产生S₁、S₂和S₃三个子集，在此基础上，选择三种不同的监督学习算法进行训练，建立初始分类器h₁、h₂和h₃；3)分别对三个分类器进行训练，每个分类器训练数据集中的新标记样本由其它两个分类器协同提供，并通过模型更新策略进行模型更新；4)采用基于标记准确率的加权投票法对三个分类器进行集成，从而建立分类器模型来对测试样本集进行预测；5)利用建立的分类器模型对桥梁结构健康数据进行分类，分类结果分别对应于桥梁结构健康的四种不同状态，即正常状态、预警状态、报警状态和极值状态，后三种作为警示状态处理；6)如果出现警示状态，说明桥梁结构健康状况异常，需进行桥梁诊断或维护处理；其中，步骤4)中，利用权重生成策略为分类器赋权，三个分类器分别赋予不同的决策权值形成半监督协同分类器；对于各分类器的权重分配采用基于标记准确率的加权投票法：利用三个分类器h₁,h₂,h₃分别对于已标记样本集L进行分类，计算得到分类错误率e₁,e₂,e₃；则分类器权重其中i＝1,2,3；这样分类错误率低的分类器得到了较高的权值，分类错误率高的得到了较低的权值。