本發(fā)明公開了一種基于距離加權(quán)LSSVM的過濾因子優(yōu)化AdaBoost方法及系統(tǒng)，包括，采集復(fù)合材料損傷的聲發(fā)射信號并進(jìn)行特征提取，分別獲得訓(xùn)練樣本數(shù)據(jù)、測試樣本數(shù)據(jù)和對應(yīng)損傷類別數(shù)據(jù)；利用訓(xùn)練樣本數(shù)據(jù)與分類平面距離構(gòu)建基于加權(quán)最小二乘支持向量機的訓(xùn)練模型；對訓(xùn)練模型進(jìn)行訓(xùn)練，利用濾波因子控制弱分類器生成的識別錯誤率，直至無法找到滿足條件的弱分類器時，停止訓(xùn)練，輸出損傷識別模型；將測試樣本數(shù)據(jù)導(dǎo)入損傷識別模型內(nèi)，若正確識別實際損傷類型，則完成優(yōu)化；利用優(yōu)化后的損傷識別模型識別復(fù)合材料損傷數(shù)據(jù)并輸出識別結(jié)果。本發(fā)明方法通過采用距離權(quán)重更新模型，利用過濾因子對弱分類器的生成進(jìn)行控制，增強了魯棒性，提高了分類準(zhǔn)確率。