基于SVM的火災(zāi)警報(bào)系統(tǒng)傳感器組合優(yōu)化研究
發(fā)布時(shí)間:2021-08-20 04:26
為了提高對(duì)火災(zāi)的監(jiān)控,提高火災(zāi)警報(bào)系統(tǒng)的靈敏性與可靠性,本文將溫度傳感器、煙霧傳感器、一氧化碳傳感器、二氧化碳傳感器和氧氣傳感器的數(shù)據(jù)進(jìn)行處理轉(zhuǎn)換,作為SVM算法的輸入,利用SVM算法的分類泛化能力對(duì)火災(zāi)進(jìn)行精準(zhǔn)的識(shí)別,最后求得最佳性能的探測(cè)器類型的組合。在國內(nèi)尚未對(duì)各類常用傳感器的組合進(jìn)行評(píng)估的情況下,本文全面而精準(zhǔn)地測(cè)算了上述五類傳感器各種組合在實(shí)驗(yàn)中的優(yōu)劣,并且得出在精確度足夠高的情況下,成本最低最具性價(jià)比的傳感器組合為:溫度傳感器、煙霧傳感器和一氧化碳傳感器。
【文章來源】:智能計(jì)算機(jī)與應(yīng)用. 2020,10(03)
【文章頁數(shù)】:5 頁
【部分圖文】:
基于SVM的火災(zāi)警報(bào)系統(tǒng)
給定一個(gè)線性可分的n點(diǎn)測(cè)試集{(x1,y1),…,(xn,yn)},其中xi∈Rn表示樣本點(diǎn),yi∈{-1,1}表示樣本點(diǎn)xi所屬的類別。SVM的二分類過程相當(dāng)于求解一個(gè)最大間隔超平面,使得屬于yi=-1和yi=1的點(diǎn)集盡量分布在該最大間隔超平面兩側(cè),并且使得該平面與最近的樣本點(diǎn)之間的距離最大化。最大間隔超平面示意圖如圖2所示。定義一個(gè)超平面wx+b=0,其中w是一個(gè)n維的參數(shù)向量,該超平面在二維空間中將退化成一條直線。令f(x)=wx+b,顯然f(x)=0是超平面上的點(diǎn),不妨設(shè)f(x)>0,f(x)<0分別表示x和y=1、及y=-1所屬的類別,然后通過求解最優(yōu)化問題得到最大間隔超平面。此時(shí)會(huì)用到如下數(shù)學(xué)公式:
溫度、煙霧、CO濃度組合下的訓(xùn)練集及測(cè)試集的AUC值如圖3所示。訓(xùn)練集AUC值為0.978 4,測(cè)試集AUC值為1,表明SVM算法在溫度、煙霧、CO濃度三種傳感器組合下能夠很好地對(duì)火災(zāi)的情況進(jìn)行精確的分類,具有非常高的真實(shí)性。進(jìn)而得到,正確率前三的組合及其測(cè)試集混淆矩陣見表2,其他不同組合下的SVM預(yù)測(cè)正確率見表3。從試驗(yàn)結(jié)果分析,溫度、煙霧、CO濃度、CO2濃度的組合與溫度、煙霧、CO濃度的組合正確率最高,測(cè)試組所有的樣本全部成功預(yù)測(cè),獲得所有組合中的最佳性能。溫度、煙霧、CO濃度、CO2濃度及O2濃度的組合正確率為96%,可能因?yàn)?種氣體濃度的測(cè)量造成了數(shù)據(jù)上的冗余,在無火情狀態(tài)與陰燃狀態(tài)之間的分類情況稍有誤差。表2~表3中各類別組合中O2濃度的效果也表現(xiàn)得較為良好,可能是源于實(shí)驗(yàn)的地點(diǎn)位于室內(nèi),最后煙霧、CO濃度、CO2濃度的組合正確率最低。
【參考文獻(xiàn)】:
期刊論文
[1]基于支持向量機(jī)的公共建筑火災(zāi)風(fēng)險(xiǎn)評(píng)估[J]. 趙云濤,王佳,周小平. 建筑科學(xué). 2015(03)
[2]基于支持向量機(jī)的多傳感器探測(cè)目標(biāo)分類方法[J]. 李侃,黃文雄,黃忠華. 浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2013(01)
[3]基于SVM的多傳感器火災(zāi)報(bào)警系統(tǒng)[J]. 張建化,萬程,李萬里,王樹臣. 徐州工程學(xué)院學(xué)報(bào)(自然科學(xué)版). 2012(03)
[4]基于支持向量機(jī)的圖像型火災(zāi)探測(cè)算法[J]. 楊娜娟,王慧琴,馬宗方. 計(jì)算機(jī)應(yīng)用. 2010(04)
[5]火災(zāi)識(shí)別中RS-SVM模型的應(yīng)用[J]. 孫福志,于軍琪,楊柳. 計(jì)算機(jī)工程與應(yīng)用. 2010(03)
博士論文
[1]基于多傳感器信息融合的火災(zāi)危險(xiǎn)度分布確定系統(tǒng)研究[D]. 王學(xué)貴.中國科學(xué)技術(shù)大學(xué) 2013
碩士論文
[1]多傳感器信息融合技術(shù)在火災(zāi)探測(cè)中的應(yīng)用[D]. 何南南.長(zhǎng)安大學(xué) 2012
本文編號(hào):3352809
【文章來源】:智能計(jì)算機(jī)與應(yīng)用. 2020,10(03)
【文章頁數(shù)】:5 頁
【部分圖文】:
基于SVM的火災(zāi)警報(bào)系統(tǒng)
給定一個(gè)線性可分的n點(diǎn)測(cè)試集{(x1,y1),…,(xn,yn)},其中xi∈Rn表示樣本點(diǎn),yi∈{-1,1}表示樣本點(diǎn)xi所屬的類別。SVM的二分類過程相當(dāng)于求解一個(gè)最大間隔超平面,使得屬于yi=-1和yi=1的點(diǎn)集盡量分布在該最大間隔超平面兩側(cè),并且使得該平面與最近的樣本點(diǎn)之間的距離最大化。最大間隔超平面示意圖如圖2所示。定義一個(gè)超平面wx+b=0,其中w是一個(gè)n維的參數(shù)向量,該超平面在二維空間中將退化成一條直線。令f(x)=wx+b,顯然f(x)=0是超平面上的點(diǎn),不妨設(shè)f(x)>0,f(x)<0分別表示x和y=1、及y=-1所屬的類別,然后通過求解最優(yōu)化問題得到最大間隔超平面。此時(shí)會(huì)用到如下數(shù)學(xué)公式:
溫度、煙霧、CO濃度組合下的訓(xùn)練集及測(cè)試集的AUC值如圖3所示。訓(xùn)練集AUC值為0.978 4,測(cè)試集AUC值為1,表明SVM算法在溫度、煙霧、CO濃度三種傳感器組合下能夠很好地對(duì)火災(zāi)的情況進(jìn)行精確的分類,具有非常高的真實(shí)性。進(jìn)而得到,正確率前三的組合及其測(cè)試集混淆矩陣見表2,其他不同組合下的SVM預(yù)測(cè)正確率見表3。從試驗(yàn)結(jié)果分析,溫度、煙霧、CO濃度、CO2濃度的組合與溫度、煙霧、CO濃度的組合正確率最高,測(cè)試組所有的樣本全部成功預(yù)測(cè),獲得所有組合中的最佳性能。溫度、煙霧、CO濃度、CO2濃度及O2濃度的組合正確率為96%,可能因?yàn)?種氣體濃度的測(cè)量造成了數(shù)據(jù)上的冗余,在無火情狀態(tài)與陰燃狀態(tài)之間的分類情況稍有誤差。表2~表3中各類別組合中O2濃度的效果也表現(xiàn)得較為良好,可能是源于實(shí)驗(yàn)的地點(diǎn)位于室內(nèi),最后煙霧、CO濃度、CO2濃度的組合正確率最低。
【參考文獻(xiàn)】:
期刊論文
[1]基于支持向量機(jī)的公共建筑火災(zāi)風(fēng)險(xiǎn)評(píng)估[J]. 趙云濤,王佳,周小平. 建筑科學(xué). 2015(03)
[2]基于支持向量機(jī)的多傳感器探測(cè)目標(biāo)分類方法[J]. 李侃,黃文雄,黃忠華. 浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2013(01)
[3]基于SVM的多傳感器火災(zāi)報(bào)警系統(tǒng)[J]. 張建化,萬程,李萬里,王樹臣. 徐州工程學(xué)院學(xué)報(bào)(自然科學(xué)版). 2012(03)
[4]基于支持向量機(jī)的圖像型火災(zāi)探測(cè)算法[J]. 楊娜娟,王慧琴,馬宗方. 計(jì)算機(jī)應(yīng)用. 2010(04)
[5]火災(zāi)識(shí)別中RS-SVM模型的應(yīng)用[J]. 孫福志,于軍琪,楊柳. 計(jì)算機(jī)工程與應(yīng)用. 2010(03)
博士論文
[1]基于多傳感器信息融合的火災(zāi)危險(xiǎn)度分布確定系統(tǒng)研究[D]. 王學(xué)貴.中國科學(xué)技術(shù)大學(xué) 2013
碩士論文
[1]多傳感器信息融合技術(shù)在火災(zāi)探測(cè)中的應(yīng)用[D]. 何南南.長(zhǎng)安大學(xué) 2012
本文編號(hào):3352809
本文鏈接:http://sikaile.net/kejilunwen/anquangongcheng/3352809.html
最近更新
教材專著