作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文以支持向量机(SVM)为载体,同时利用近来来新兴的人工蜂群算法(ABC)对其中主要参数进行优化,并与传统的粒子群(PSO)优化算法进行性能比对,旨在获取更优的分类模型,对火灾样本的实现精准且高效的检测.
推荐文章
图像型火灾探测的支持向量机方法研究
火灾探测
支持向量机
图像二值化
模式识别
基于快速支持向量机的图像型火灾探测算法
快速支持向量机
视频
火灾探测
基于支持向量机的飞机图像识别算法
飞机图像识别
支持向量机
特征向量
神经网络
基于支持向量机的目标图像识别技术
图像处理
图像识别
支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于支持向量机的图像型火灾识别研究
来源期刊 IT经理世界 学科 工学
关键词 数字图像处理 人工蜂群算法 模式识别 支持向量机参数优化
年,卷(期) 2020,(2) 所属期刊栏目 管理新视野
研究方向 页码范围 60
页数 1页 分类号 TP181
字数 1780字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 任正韬 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (5)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
数字图像处理
人工蜂群算法
模式识别
支持向量机参数优化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
IT经理世界
月刊
1007-9440
11-3928/TN
大16开
北京万寿路翠微中里14号楼4层
2-188
1998
chi
出版文献量(篇)
15645
总下载数(次)
16
论文1v1指导