基于人工鱼群算法的孪生支持向量机及应用

发布时间：2023-04-01 23:58

　　如何更精确、更实时地检测早期火灾的发生是人类不断追求的目标。图像火灾探测的一个最关键问题就是使用分类器区分和识别火焰和其他干扰物。经典的支持向量机算法(SVM)是一种最为实用的火焰图像特征识别方法,虽然SVM在火焰识别领域取得了不错的成效,但是SVM分类算法在面对规模较大的数据时需要进行繁杂的冗余计算,这可能致使分类速度缓慢无法满足现实场景的要求。孪生支持向量机(TWSVM)是受SVM理论启发而来并且更加优秀的学习算法,TWSVM的训练学习速度获得很大提升,但是和SVM一样,TWSVM的性能发挥与参数之间存在很大的关联,参数选择的困难将会极大地限制TWSVM在火焰识别问题中的应用。本文将基于SVM且性能更优的TWSVM理论应用于火焰识别这个领域,并对影响TWSVM性能的参数选择问题进行了深入研究,以下是主要研究内容:第一部分,本文提出了一种改进AFSA算法选取TWSVM参数的方法,该算法通过在觅食行为引入柯西分布,在聚群和追尾行为中实现步长自动调节,淘汰和重生机制等一系列改进措施获得一种性能更优的鱼群算法,接着利用改进后的人工鱼群算法来实现TWSVM中的参数自动选定。最后利用UCI(加...

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 火焰识别方法
        1.2.2 孪生支持向量机的应用
        1.2.3 孪生支持向量机参数选择问题
        1.2.4 人工鱼群算法的改进和应用
    1.3 本文的研究内容与组织架构
第二章 孪生支持向量机的基本理论
    2.1 支持向量机
        2.1.1 线性支持向量机
        2.1.2 非线性支持向量机
    2.2 孪生支持向量机
        2.2.1 孪生支持向量机的基本思路
        2.2.2 线性孪生支持向量机
        2.2.3 非线性孪生支持向量机
    2.3 本章小结
第三章 基于改进人工鱼群算法的孪生支持向量机
    3.1 基本人工鱼群算法
        3.1.1 人工鱼群算法基本思想
        3.1.2 人工鱼群的基本行为
        3.1.3 人工鱼群算法具体实现与步骤
    3.2 改进人工鱼群算法
        3.2.1 基于混沌变换的鱼群初始化
        3.2.2 基于柯西变异的觅食行为
        3.2.3 基于自适应移动方案的聚群行为和追尾行为
        3.2.4 淘汰和重生机制
    3.3 基于改进人工鱼群算法的孪生支持向量机
        3.3.1 TWSVM中的待优化参数
        3.3.2 参数评价方式
        3.3.3 IAFSA-TWSVM
    3.4 UCI数据集实验
    3.5 本章小结
第四章 基于孪生支持向量机的火焰识别
    4.1 颜色空间模型
    4.2 火焰图像分割
        4.2.1 RGB颜色空间模型中火焰像素的分布特点
        4.2.2 YCbCr颜色空间模型中火焰像素的分布特点
        4.2.3 基于RGB-YCb Cr混合颜色空间模型的火焰图像分割
    4.3 火焰图像特征提取
        4.3.1 火焰图像颜色特征
        4.3.2 火焰图像纹理特征
    4.4 火焰数据集实验
    4.5 本章小结
第五章 总结与展望
    5.1 全文总结
    5.2 研究展望
致谢
参考文献
附录:作者在攻读硕士学位期间发表的论文



本文编号：3778115