基于 CART 决策树与 SMO 算法泛化规则的桥梁管理实时决策支持系统
人工智能
2018-07-03 v2
摘要
在桥梁动态条件下，我们需要实时管理。为此，本文提出一种基于规则的决策支持系统，其中必要规则由 Aimsun 交通微观仿真软件生成的仿真结果提取。随后，借助模糊规则生成算法对这些规则进行泛化。接着，它们由一组监督与无监督学习算法训练，以获得在真实案例中决策的能力。作为一个试点案例研究，德黑兰的 Nasr 桥在 Aimsun 中仿真，并使用 WEKA 数据挖掘软件执行学习算法。基于该实验，监督算法泛化规则的准确率大于 80%。此外，CART 决策树与序列最小优化（SMO）对正常数据提供 100% 准确率，且这些算法对桥梁危机管理十分可靠。这意味着，使用此类机器学习方法在实时条件下管理桥梁是可行的。
引用
@article{arxiv.1803.01412,
title = {A real-time decision support system for bridge management based on the rules generalized by CART decision tree and SMO algorithms},
author = {Shadi Abpeykar and Mehdi Ghatee},
journal= {arXiv preprint arXiv:1803.01412},
year = {2018}
}
备注
11 pages, 5 figures, extracted form an MSc project in Department of Computer Science, Amirkabir University of Technology, Tehran, Iran This paper has been accepted for publication in AUT Journal of Mathematics and Computing (AJMC), http://ajmc.aut.ac.ir/, 2018