论文部分内容阅读
为提高强震仪的抗干扰能力,基于分类、决策的机器学习中的AdaBoost集成学习方法,设计一种强震动数据抗干扰算法,以解决基于决策树的强震动数据抗干扰算法存在的易过拟合、分类准确度不高等问题。从天然地震动与人工干扰下的强震动数据中提取出若干个特征(波形对称度、卓越频率、最大增长速度等),形成一一对应的训练样本特征集与事件属性集;初始化权重分布,持续利用AdaBoost技术更新样本权重分布,以增加较难分辨样本的权重值,然后将若干个弱分类器训练为一个强分类器,达到提高强震仪抗干扰准确度的目的。此方法分类准