毛丹
- 作品数：3 被引量：28H指数：3
- 供职机构：常州大学更多>>
- 发文基金：江苏省科技支撑计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于模糊证据理论算法在火灾检测中的应用被引量：10
- 2017年
- 在复杂多变的火灾检测环境中,针对传统火灾检测方式准确率不高,适应性较差的问题。将模糊集合和D-S证据推理有机结合,提出一种新的用于火灾检测的多传感器数据融合的方法。该方法首先利用火焰、烟雾和温度传感器感知火灾状态,然后根据给出模糊隶属函数计算各个传感器的模糊隶属度。为了增强系统的抗干扰性,引入了计算传感器可信度的方法,并根据每次测量隶属度和可信度转化为基本概率分配函数(mass函数),最后利用证据理论对一个周期内多次测量的信息进行融合。结果表明,该方法提高了火灾检测判别的准确率,克服单个传感器带来的不稳定性和不确定性,增强了火灾检测系统的鲁棒性。
- 段锁林杨可毛丹任珏朋
- 关键词：多传感器火灾检测D-S证据理论数据融合
- 关于火灾火焰图像检测算法研究被引量：7
- 2016年
- 火灾火焰的及时检测能最大限度的降低火灾对人生命财产等造成的危害。有效克服环境光照变化等干扰物对火焰识别的影响以及实现火灾实时准确预警是研究的难点。为了能在环境光照强度发生变化时从干扰物中准确提取火焰特征,提出了采用向量空间相关理论的变化区域提取算法,从中提取火焰特征变量。为了提高系统实时性降低误报率,采用了改进的动态模糊神经网络(Improved Dynamic Fuzzy Neural Network,IDFNN)对火焰特征变量进行综合判决。仿真结果表明,采用的方法能较准确识别出光照变化下复杂环境中的火焰,综合判定系统的实时性较好,误报率较低。
- 段锁林毛丹
- 关键词：火焰检测光照变化向量空间模糊神经网络
- 基于改进的PSO优化SVM火灾火焰识别算法研究被引量：11
- 2016年
- 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量作为训练样本输入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。
- 段锁林任珏朋毛丹杨可
- 关键词：火焰检测支持向量机粒子群算法参数优化
