基于模糊支持向量機的森林火災(zāi)識別方法研究.pdf

1、森林是重要的生態(tài)資源,而火災(zāi)會對森林造成嚴重的威脅。因此當火災(zāi)發(fā)生時,能夠及時勘測到火源極為重要,這樣能使損失降到最低。傳統(tǒng)的基于傳感器式的火災(zāi)探測方法,在復(fù)雜環(huán)境、大空間等條件下,精確度和實時性方面都有欠缺,而依據(jù)圖像處理進行的非接觸式火災(zāi)探測技術(shù)能有效的改善這些不足。鑒于此,本文主要研究基于改進模糊支持向量機的火災(zāi)區(qū)域提取和識別方法。
　　論文對模糊支持向量機理論進行了研究,模糊支持向量機以機器學(xué)習(xí)理論為理論支撐,并且是在支持

2、向量機的基礎(chǔ)上加入模糊性,可以降低噪聲數(shù)據(jù)或者是異常樣本對正常樣本的影響,從而得到更好的分類超平面。本文采用類超球體最小半徑方法,這樣取得的樣本中心更符合分布規(guī)律。并對模糊隸屬度進行了改進,當訓(xùn)練樣本接近類中心樣本時,為正常樣本,其隸屬度較大;遠離類中心樣本的訓(xùn)練樣本,成為噪聲的可能性也越大,隸屬度越小,這樣可以有效排除噪聲樣本的干擾。
　　另外,本文基于模糊支持向量機對火災(zāi)區(qū)域進行提取,把火災(zāi)和非火災(zāi)樣本的顏色、灰度平均值、標準

3、差、相關(guān)系數(shù)作為樣本的特征值,用基于改進的模糊支持向量機進行學(xué)習(xí)訓(xùn)練,從而得到最優(yōu)分類超平面。然后,本文將提取新圖片中與上述特征相同的特征值,并用得到的分類超平面進行分類。該實驗結(jié)果表明,此方法可以很好地對火災(zāi)區(qū)域進行提取,對研究火災(zāi)特性有幫助。
　　在火災(zāi)識別方面,本文將樣本圖片分為火災(zāi)樣本圖片和非火災(zāi)樣本圖片,并提取這些圖片中的彩色特征、紋理特征、小波特征,再用改進的模糊支持向量機對這些特征進行訓(xùn)練,從而得到火災(zāi)與非火災(zāi)的分類