面向室內火災監(jiān)控的極限學習機算法研究.pdf

1、在現(xiàn)代城市的各種常見災害中，火災對工礦企業(yè)、居民住宅、交通隧道等室內場所人員、物資安全危害極大。近年來，室內火災探測技術已從傳感器監(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，提高室內火災視頻監(jiān)測的準確性存在諸多挑戰(zhàn)。其中，火災視頻監(jiān)測本質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、征的基礎上，重點對后端所采用的模式識別算法進行改進，從而達到提高火焰在線檢測精度的目的。主要工作和貢獻如下:
　　首先，介紹了傳統(tǒng)的火災檢測視頻處理技術和圖像處理的基本理論，然后對極限學習機的基本原理、以及與BP神經網絡的不同之處進行了簡單的介紹。
　　其次，提出了一種極限學習機的模型選擇方法，該算法采用多目標優(yōu)化的極限學習機選擇方法對泛化誤差和輸出權重的模進行優(yōu)化;在此基礎上提出采用多目標優(yōu)化策略的不均衡極限學習機模型選擇

3、算法，該算法可有效避免不均衡數(shù)據(jù)下模型權重偏向于多類數(shù)據(jù)、抑制少類數(shù)據(jù)預測精度的問題。
　　最后，針對在線采集到的數(shù)據(jù)嚴重類別不均衡問題，提出了一種基于主曲線的在線貫序極限學習機分類算法，該算法采用在線貫序極限學習機進行分類，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