火災是常見的破壞性極大的自然災害。為了更好地預防火災,減少財產損失和人員傷亡,針對人為選擇SVM參數(shù)具有盲目性,對其分類能力影響較大,提出基于改進FOA-SVM的火災圖像識別模型。通過引入邏輯函數(shù)對果蠅算法的搜索步長進行改進,利用改進果蠅算法優(yōu)化支持向量機搜索得到最佳模型參數(shù)。將火災圖像提取特征量作為該識別模型的輸入樣本訓練和識別火災圖像,結合實例并將該模型的識別結果與SVM模型及其他算法的識別結果進行對比。實驗結果表明,該模型提高了火災圖像識別的準確率,在火災檢測方面具有一定的實際應用價值。 

【文章來源】：計算機應用與軟件. 2019,36(10)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引 言
1 相關算法及其改進
    1.1 果蠅算法基本原理
    1.2 改進果蠅算法原理
    1.3 SVM算法基本原理
2 改進FOA-SVM參數(shù)優(yōu)化模型
3 基于改進FOA-SVM火災圖像識別模型
    3.1 火災圖像特征提取
    3.2 參數(shù)優(yōu)化圖像識別模型
    3.3 模型驗證
4 結 語


【參考文獻】：
期刊論文
[1]基于FOA-SVM的煤礦瓦斯爆炸風險模式識別[J]. 謝國民,單敏柱,付華.  控制工程. 2018(10)
[2]基于圖像處理技術的火災識別方法的應用與研究[J]. 袁斌.  現(xiàn)代電子技術. 2018(13)
[3]基于果蠅算法和SVM的天然氣日負荷預測[J]. 宋娟,潘歡.  控制工程. 2017(10)
[4]An improved fruit fly optimization algorithm for solving traveling salesman problem[J]. Lan HUANG,Gui-chao WANG,Tian BAI,Zhe WANG.  Frontiers of Information Technology & Electronic Engineering. 2017(10)
[5]改進粒子群算法優(yōu)化的SVM模擬電路故障診斷[J]. 梅恒榮,殷禮勝,劉冬梅,何怡剛,袁莉芬,趙麗欣,陳鵬,趙蓓蕾,任帥.  電子測量與儀器學報. 2017(08)
[6]基于粒子群的支持向量機圖像識別[J]. 韓曉艷,趙東.  液晶與顯示. 2017(01)
[7]基于GA-SVM模型的機采籽棉雜質識別[J]. 張成梁,李蕾,董全成,葛榮雨.  農業(yè)工程學報. 2016(24)
[8]基于圖像處理的森林火災識別方法研究[J]. 朱思思,丁德紅,陳朝迎,趙方珍.  紅外技術. 2016(05)
[9]基于哈希編碼的無線多媒體傳感網絡森林火災圖像識別算法[J]. 常曉敏,趙涓涓,葛磊,強彥,史曜華.  計算機科學. 2016(05)



本文編號：3575037