Resumen

Un objetivo importante de los sistemas de monitorización de la salud de los edificios altos es diagnosticar el estado del edificio y evaluar sus posibles daños. En este artículo, utilizamos nuestro prototipo para evaluar nuestro enfoque de minería de datos para la monitorización de averías. Las técnicas de cancelación de offset y filtrado de paso alto se combinan eficazmente para resolver problemas comunes en la integración numérica de señales de aceleración en aplicaciones en tiempo real. La precisión de la integración mejora en comparación con otros integradores numéricos. A continuación, introducimos un método novedoso para la clasificación de máquinas de vectores soporte (SVM), denominado convex-concave hull. Utilizamos el método de marcha de Jarvis para decidir el casco cóncavo (no convexo) de los puntos inseparables. Finalmente, los vértices del casco convexo-cóncavo se aplican para el entrenamiento de la SVM.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:casco cóncavo, método jarvis march, sistemas de vigilancia de la salud, otros integradores numéricos, técnicas de filtrado de paso, máquina de vectores soporte, entrenamiento svm, señales de aceleración, problemas comunes, vigilancia de fallos
• Keywords:concave hull, jarvis march method, health monitoring systems, other numerical integrators, pass filtering techniques, support vector machine, svm training, acceleration signals, common problems, fault monitoring