31、特征选择与分类方法在基础设施管理中的应用

特征选择与分类方法在基础设施管理中的应用

特征选择方法概述

特征选择在基础设施管理，尤其是道路基础设施评估领域有着重要的应用。常见的特征选择方法包括过滤法、包装法以及混合法。这些方法通过不同的方式来筛选出对特定任务最有效的特征。

在道路基础设施评估中，为了识别和隔离受损路段，我们会使用多种特征。例如，在Shearlet变换域的不同指标，包括实部和虚部空间中的特征，通过复Shearlet变换进行边缘检测所得到的特征，以及动量家族特征（如中心矩、Hu矩和Zernik矩）、能量、波长（周期）、对比度、相关性、均匀性、熵、局部范围、局部标准偏差和分形特征等。

为了简化有效特征的选择过程，我们对三个图像库进行了分析，并使用特征提取算法将结果存储为每个图像的特征向量。每个特征向量包含33个属性。

通过改进的特征选择方法、相似性指数和熵委员会，我们可以分析每个参数与裂缝路段主要特征之间的关系，以及视觉特征与主要特征（如裂缝类型）之间的关系。

基于模糊相似性方法和熵委员会的优先级排序方法，我们为不同的类别确定了不同的优先级特征和两个最优特征。例如，在剥落故障检测中，选择了属性16和25（相关性和Zernik矩1）；在表面故障检测中，选择了特征20和25（相关性和Zernik矩5）。

不同方法在不同图像库上的平均准确率有所不同。对于图像库db1、db2和db3，方法的平均准确率分别为91%、94%和97%。然而，FSVM方法的计算时间是CD方法的三倍。为了解决这个问题，我们使用了CDFSVM方法。虽然CDFSVM方法的计算速度比FSVM方法慢，但平均准确率比FSVM方法低3%。相比之下，CDFESVM方法在准确性和速度方面都表现出色，既达