面向室內(nèi)火災(zāi)監(jiān)控的極限學(xué)習(xí)機(jī)算法研究.pdf

1、在現(xiàn)代城市的各種常見災(zāi)害中，火災(zāi)對工礦企業(yè)、居民住宅、交通隧道等室內(nèi)場所人員、物資安全危害極大。近年來，室內(nèi)火災(zāi)探測技術(shù)已從傳感器監(jiān)測發(fā)展到視頻監(jiān)測。盡管通過研究火焰的靜態(tài)與動態(tài)特征，基于視頻的監(jiān)測方法在準(zhǔn)確性方面得到一定的改善，但由于存在眾多類火物的干擾，提高室內(nèi)火災(zāi)視頻監(jiān)測的準(zhǔn)確性存在諸多挑戰(zhàn)。其中，火災(zāi)視頻監(jiān)測本質(zhì)上是一種在線貫序的不均衡數(shù)據(jù)分類問題，因此，僅僅研究火焰特征不足以有效提高識別精度。本文針對上述特點，在充分提取火焰特

2、征的基礎(chǔ)上，重點對后端所采用的模式識別算法進(jìn)行改進(jìn)，從而達(dá)到提高火焰在線檢測精度的目的。主要工作和貢獻(xiàn)如下:
　　首先，介紹了傳統(tǒng)的火災(zāi)檢測視頻處理技術(shù)和圖像處理的基本理論，然后對極限學(xué)習(xí)機(jī)的基本原理、以及與BP神經(jīng)網(wǎng)絡(luò)的不同之處進(jìn)行了簡單的介紹。
　　其次，提出了一種極限學(xué)習(xí)機(jī)的模型選擇方法，該算法采用多目標(biāo)優(yōu)化的極限學(xué)習(xí)機(jī)選擇方法對泛化誤差和輸出權(quán)重的模進(jìn)行優(yōu)化;在此基礎(chǔ)上提出采用多目標(biāo)優(yōu)化策略的不均衡極限學(xué)習(xí)機(jī)模型選擇

3、算法，該算法可有效避免不均衡數(shù)據(jù)下模型權(quán)重偏向于多類數(shù)據(jù)、抑制少類數(shù)據(jù)預(yù)測精度的問題。
　　最后，針對在線采集到的數(shù)據(jù)嚴(yán)重類別不均衡問題，提出了一種基于主曲線的在線貫序極限學(xué)習(xí)機(jī)分類算法，該算法采用在線貫序極限學(xué)習(xí)機(jī)進(jìn)行分類，利用少類樣本合成過采用算法(SMOTE)生成符合樣本分布特點的虛擬樣本，根據(jù)點到主曲線的投影距離分別設(shè)定各類樣本的隸屬度，根據(jù)隸屬度消減多類樣本，剔除不合理的虛擬樣本，以解決在線過程中的類別不均衡問題。該算法