基于二叉樹的LS-WSVM模型在早期火災(zāi)分類上的研究.pdf

1、火災(zāi)已成為我國常發(fā)性、破壞性和影響力最強(qiáng)的災(zāi)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(zāi)的預(yù)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(zāi)的蔓延，采用由氣體傳感器構(gòu)成的電子鼻系統(tǒng)對火災(zāi)陰燃狀態(tài)的信息進(jìn)行采集，并對采集到的特征信息進(jìn)行分析識別，從而實現(xiàn)對早期火災(zāi)類型的判別，并判斷起火原因，為有的放矢、盡快撲滅火災(zāi)提供支持與幫助。課題的研究在總結(jié)國內(nèi)外早期火災(zāi)預(yù)警的基礎(chǔ)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(jī)多類分類模型。通過電子鼻傳感器陣列采集早期火災(zāi)的氣體信息，采用主成分分析方法對火災(zāi)信息進(jìn)行特征提取，最后通過多類分類模型對提取的特征信息進(jìn)行識別，實現(xiàn)了早期火災(zāi)的判別以及分類，從而達(dá)到了火災(zāi)早期預(yù)警的目的。 本文首先介紹了支持向量機(jī)原理，以及最小二乘小波支持向量機(jī)的構(gòu)造。其次，研究了非線性映射方法，將其與二叉樹結(jié)構(gòu)、最小二乘小波支持向量機(jī)相結(jié)合，提出了基于二叉樹的最小二乘小波支持向量機(jī)模型。針對早期火災(zāi)信息特征，提出用主成分分析

3、方法對早期火災(zāi)信息進(jìn)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(jī)模型應(yīng)用于早期火災(zāi)的分類實驗，并與BP神經(jīng)網(wǎng)絡(luò)、K近鄰法和決策樹方法進(jìn)行比較，結(jié)果表明該模型對早期火災(zāi)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(jī)比采用徑向基核函數(shù)的最小二乘支持向量機(jī)所需的訓(xùn)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(xùn)練速度和分類速度。早期火災(zāi)的分類實驗表明，基于二叉樹的最小二乘小波支持向量機(jī)模型具有更好的識別效果