基于改进的PSO优化SVM火灾火焰识别算法研究

• 作者: 任珏朋 杨可 段锁林 毛丹
• 来源期刊: 计算机测量与控制
• 关键词: 火焰检测 支持向量机 粒子群算法 参数优化
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 设计与应用
• 页码范围: 202-205,209
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2016.04.059

摘要

针对室内复杂环境下火灾识别准确率会降低的问题,提出了一种改进的粒子群算法优化支持向量机参数进行火灾火焰识别的方法;首先在YCrCb颜色空间进行火焰图像分割,对获得的火焰图像进行预处理并提取相关特征量;其次采用PSO算法搜索SVM的最优核参数和惩罚因子,并在PSO算法中加入变异操作和非线性动态调整惯性权值的方法,加快了搜索SVM最优参数的精度和速度;然后将提取的火焰各个特征置作为训练样本输入SVM模型进行训练,并建立参数优化后的SVM分类器模型;最后将待测试样本输入SVM模型进行分类识别;算法的火灾识别准确率达到94.09％,分类效果明显优于其他分类算法;仿真结果表明,改进的PSO优化SVM算法提高了火焰识别的准确率和实时性,算法的自适应性更强,误判率更低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	段锁林	常州大学机器人研究所	43	214	8.0	11.0
2	毛丹	常州大学机器人研究所	3	25	3.0	3.0
3	杨可	常州大学机器人研究所	2	18	2.0	2.0
4	任珏朋	常州大学机器人研究所	2	18	2.0	2.0