如何更精確、更實(shí)時(shí)地檢測(cè)早期火災(zāi)的發(fā)生是人類不斷追求的目標(biāo)。圖像火災(zāi)探測(cè)的一個(gè)最關(guān)鍵問(wèn)題就是使用分類器區(qū)分和識(shí)別火焰和其他干擾物。經(jīng)典的支持向量機(jī)算法(SVM)是一種最為實(shí)用的火焰圖像特征識(shí)別方法,雖然SVM在火焰識(shí)別領(lǐng)域取得了不錯(cuò)的成效,但是SVM分類算法在面對(duì)規(guī)模較大的數(shù)據(jù)時(shí)需要進(jìn)行繁雜的冗余計(jì)算,這可能致使分類速度緩慢無(wú)法滿足現(xiàn)實(shí)場(chǎng)景的要求。孿生支持向量機(jī)(TWSVM)是受SVM理論啟發(fā)而來(lái)并且更加優(yōu)秀的學(xué)習(xí)算法,TWSVM的訓(xùn)練學(xué)習(xí)速度獲得很大提升,但是和SVM一樣,TWSVM的性能發(fā)揮與參數(shù)之間存在很大的關(guān)聯(lián),參數(shù)選擇的困難將會(huì)極大地限制TWSVM在火焰識(shí)別問(wèn)題中的應(yīng)用。本文將基于SVM且性能更優(yōu)的TWSVM理論應(yīng)用于火焰識(shí)別這個(gè)領(lǐng)域,并對(duì)影響TWSVM性能的參數(shù)選擇問(wèn)題進(jìn)行了深入研究,以下是主要研究?jī)?nèi)容:第一部分,本文提出了一種改進(jìn)AFSA算法選取TWSVM參數(shù)的方法,該算法通過(guò)在覓食行為引入柯西分布,在聚群和追尾行為中實(shí)現(xiàn)步長(zhǎng)自動(dòng)調(diào)節(jié),淘汰和重生機(jī)制等一系列改進(jìn)措施獲得一種性能更優(yōu)的魚群算法,接著利用改進(jìn)后的人工魚群算法來(lái)實(shí)現(xiàn)TWSVM中的參數(shù)自動(dòng)選定。最后利用UCI(加...

【文章頁(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 火焰識(shí)別方法
        1.2.2 孿生支持向量機(jī)的應(yīng)用
        1.2.3 孿生支持向量機(jī)參數(shù)選擇問(wèn)題
        1.2.4 人工魚群算法的改進(jìn)和應(yīng)用
    1.3 本文的研究?jī)?nèi)容與組織架構(gòu)
第二章 孿生支持向量機(jī)的基本理論
    2.1 支持向量機(jī)
        2.1.1 線性支持向量機(jī)
        2.1.2 非線性支持向量機(jī)
    2.2 孿生支持向量機(jī)
        2.2.1 孿生支持向量機(jī)的基本思路
        2.2.2 線性孿生支持向量機(jī)
        2.2.3 非線性孿生支持向量機(jī)
    2.3 本章小結(jié)
第三章 基于改進(jìn)人工魚群算法的孿生支持向量機(jī)
    3.1 基本人工魚群算法
        3.1.1 人工魚群算法基本思想
        3.1.2 人工魚群的基本行為
        3.1.3 人工魚群算法具體實(shí)現(xiàn)與步驟
    3.2 改進(jìn)人工魚群算法
        3.2.1 基于混沌變換的魚群初始化
        3.2.2 基于柯西變異的覓食行為
        3.2.3 基于自適應(yīng)移動(dòng)方案的聚群行為和追尾行為
        3.2.4 淘汰和重生機(jī)制
    3.3 基于改進(jìn)人工魚群算法的孿生支持向量機(jī)
        3.3.1 TWSVM中的待優(yōu)化參數(shù)
        3.3.2 參數(shù)評(píng)價(jià)方式
        3.3.3 IAFSA-TWSVM
    3.4 UCI數(shù)據(jù)集實(shí)驗(yàn)
    3.5 本章小結(jié)
第四章 基于孿生支持向量機(jī)的火焰識(shí)別
    4.1 顏色空間模型
    4.2 火焰圖像分割
        4.2.1 RGB顏色空間模型中火焰像素的分布特點(diǎn)
        4.2.2 YCbCr顏色空間模型中火焰像素的分布特點(diǎn)
        4.2.3 基于RGB-YCb Cr混合顏色空間模型的火焰圖像分割
    4.3 火焰圖像特征提取
        4.3.1 火焰圖像顏色特征
        4.3.2 火焰圖像紋理特征
    4.4 火焰數(shù)據(jù)集實(shí)驗(yàn)
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 研究展望
致謝
參考文獻(xiàn)
附錄:作者在攻讀碩士學(xué)位期間發(fā)表的論文



本文編號(hào)：3778115