分組特征選擇算法及其在火焰視頻早期識別中的應(yīng)用研究.pdf

1、近年來，火災(zāi)識別技術(shù)已從傳感器識別發(fā)展到視頻圖像識別。從火焰煙霧的靜態(tài)特征和動態(tài)特征出發(fā)，基于視頻圖像的火災(zāi)早期識別方法在精確度方面得到了一定的改善，但是當(dāng)視頻圖像中存在著大量類火物干擾時(shí)，火災(zāi)視頻識別的精確度仍存在著很大的提升空間。
　　由于火災(zāi)視頻早期識別本質(zhì)上是數(shù)據(jù)的分類問題，所以僅僅從火焰煙霧的特征方面出發(fā)并不能夠有效地提高算法的預(yù)測精度。本文針對火災(zāi)視頻識別中的特點(diǎn)，在提取大量火焰煙霧特征的基礎(chǔ)上，重點(diǎn)是改進(jìn)后端所采用的

2、分類算法，從而提高火災(zāi)識別的精度。本文的主要工作和貢獻(xiàn)如下:
　　首先，為了找到特征間的組結(jié)構(gòu)，挑選出最優(yōu)的特征子集，提出了一種基于特征子集區(qū)分度優(yōu)化的分組特征選擇算法。該算法采用多目標(biāo)優(yōu)化的選擇策略對組內(nèi)距離和組間距離進(jìn)行優(yōu)化;在此基礎(chǔ)上進(jìn)行特征選擇并尋找特征間的組結(jié)構(gòu)，在標(biāo)準(zhǔn)UCI數(shù)據(jù)集上的對比實(shí)驗(yàn)結(jié)果表明，該算法能夠顯著提高預(yù)測的精確度，并找到特征間的組結(jié)構(gòu)。
　　其次，針對高維特征數(shù)據(jù)構(gòu)建識別模型時(shí)容易陷入維數(shù)災(zāi)難的

3、問題，提出了一種基于L1/2范數(shù)的組特征分類算法，該算法采用L1/2正則項(xiàng)約束特征權(quán)重系數(shù)，使得與分類不相關(guān)的特征權(quán)重系數(shù)盡量為0，用L1正則項(xiàng)來約束特征系數(shù)間的距離，促使同一個(gè)組中的特征系數(shù)盡量相同，并提出了一種基于ADMM的聯(lián)合優(yōu)化求解算法。在仿真數(shù)據(jù)和Hill_Valley數(shù)據(jù)上做對比實(shí)驗(yàn)，結(jié)果表明該算法在進(jìn)行特征選擇的時(shí)候具有較高的效率，并可發(fā)現(xiàn)特征間的結(jié)構(gòu)化信息。
　　最后，為了解決目前的火焰視頻早期識別中所用的特征數(shù)據(jù)