基于二叉樹的LS-WSVM模型在早期火災分類上的研究.pdf

1、火災已成為我國常發(fā)性、破壞性和影響力最強的災害之一，一旦發(fā)生將造成人員和財產(chǎn)的巨大損失，因此開展對火災的預警研究，具有非常重要的意義。為了及早的發(fā)現(xiàn)和控制火災的蔓延，采用由氣體傳感器構成的電子鼻系統(tǒng)對火災陰燃狀態(tài)的信息進行采集，并對采集到的特征信息進行分析識別，從而實現(xiàn)對早期火災類型的判別，并判斷起火原因，為有的放矢、盡快撲滅火災提供支持與幫助。課題的研究在總結國內(nèi)外早期火災預警的基礎上，針對其不足之處，提出了基于二叉樹的最小二乘小波支

2、持向量機多類分類模型。通過電子鼻傳感器陣列采集早期火災的氣體信息，采用主成分分析方法對火災信息進行特征提取，最后通過多類分類模型對提取的特征信息進行識別，實現(xiàn)了早期火災的判別以及分類，從而達到了火災早期預警的目的。 本文首先介紹了支持向量機原理，以及最小二乘小波支持向量機的構造。其次，研究了非線性映射方法，將其與二叉樹結構、最小二乘小波支持向量機相結合，提出了基于二叉樹的最小二乘小波支持向量機模型。針對早期火災信息特征，提出用主成分分析

3、方法對早期火災信息進行特征提取。最后，將基于二叉樹的最小二乘小波支持向量機模型應用于早期火災的分類實驗，并與BP神經(jīng)網(wǎng)絡、K近鄰法和決策樹方法進行比較，結果表明該模型對早期火災的識別率更高；而采用小波核函數(shù)的最小二乘支持向量機比采用徑向基核函數(shù)的最小二乘支持向量機所需的訓練時間和分類時間要少，識別率更高；基于平衡二叉樹的分類模型具有較高的訓練速度和分類速度。早期火災的分類實驗表明，基于二叉樹的最小二乘小波支持向量機模型具有更好的識別效果