如何更精確、更實時地檢測早期火災的發(fā)生是人類不斷追求的目標。圖像火災探測的一個最關鍵問題就是使用分類器區(qū)分和識別火焰和其他干擾物。經(jīng)典的支持向量機算法(SVM)是一種最為實用的火焰圖像特征識別方法,雖然SVM在火焰識別領域取得了不錯的成效,但是SVM分類算法在面對規(guī)模較大的數(shù)據(jù)時需要進行繁雜的冗余計算,這可能致使分類速度緩慢無法滿足現(xiàn)實場景的要求。孿生支持向量機(TWSVM)是受SVM理論啟發(fā)而來并且更加優(yōu)秀的學習算法,TWSVM的訓練學習速度獲得很大提升,但是和SVM一樣,TWSVM的性能發(fā)揮與參數(shù)之間存在很大的關聯(lián),參數(shù)選擇的困難將會極大地限制TWSVM在火焰識別問題中的應用。本文將基于SVM且性能更優(yōu)的TWSVM理論應用于火焰識別這個領域,并對影響TWSVM性能的參數(shù)選擇問題進行了深入研究,以下是主要研究內容:第一部分,本文提出了一種改進AFSA算法選取TWSVM參數(shù)的方法,該算法通過在覓食行為引入柯西分布,在聚群和追尾行為中實現(xiàn)步長自動調節(jié),淘汰和重生機制等一系列改進措施獲得一種性能更優(yōu)的魚群算法,接著利用改進后的人工魚群算法來實現(xiàn)TWSVM中的參數(shù)自動選定。最后利用UCI(加...

【文章頁數(shù)】：57 頁

【學位級別】：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 國內外研究現(xiàn)狀
        1.2.1 火焰識別方法
        1.2.2 孿生支持向量機的應用
        1.2.3 孿生支持向量機參數(shù)選擇問題
        1.2.4 人工魚群算法的改進和應用
    1.3 本文的研究內容與組織架構
第二章 孿生支持向量機的基本理論
    2.1 支持向量機
        2.1.1 線性支持向量機
        2.1.2 非線性支持向量機
    2.2 孿生支持向量機
        2.2.1 孿生支持向量機的基本思路
        2.2.2 線性孿生支持向量機
        2.2.3 非線性孿生支持向量機
    2.3 本章小結
第三章 基于改進人工魚群算法的孿生支持向量機
    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現(xiàn)與步驟
    3.2 改進人工魚群算法
        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 基于自適應移動方案的聚群行為和追尾行為
        3.2.4 淘汰和重生機制
    3.3 基于改進人工魚群算法的孿生支持向量機
        3.3.1 TWSVM中的待優(yōu)化參數(shù)
        3.3.2 參數(shù)評價方式
        3.3.3 IAFSA-TWSVM
    3.4 UCI數(shù)據(jù)集實驗
    3.5 本章小結
第四章 基于孿生支持向量機的火焰識別
    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
        4.2.2 YCbCr顏色空間模型中火焰像素的分布特點
        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)集實驗
    4.5 本章小結
第五章 總結與展望
    5.1 全文總結
    5.2 研究展望
致謝
參考文獻
附錄:作者在攻讀碩士學位期間發(fā)表的論文



本文編號：3778115