作者苗续芝,陈伟,毕方明,房卫东,张武雄（2019）在《基于改进FOA-SVM的矿井火灾图像识别》一文中研究指出：为解决矿井下传统火灾识别方法准确率较低的问题,提出一种基于改进果蝇优化算法(FOA)-支持向量机(SVM)的火灾图像识别算法。利用YCrCb颜色空间对捕获的图像进行分割,根据早期的火灾图像特征从图像序列中提取多个火灾特征值。用基于分群体融合的改进FOA算法搜索SVM最优核参数和惩罚因子,将提取的火灾图像特征值作为SVM的输入对样本数据进行分类。实验结果表明,采用该方法对矿井火灾进行识别时准确率达97.2%,其分类效果显著优于FOA方法、粒子群优化算法等。
wei jie jue kuang jing xia chuan tong huo zai shi bie fang fa zhun que lv jiao di de wen ti ,di chu yi chong ji yu gai jin guo ying you hua suan fa (FOA)-zhi chi xiang liang ji (SVM)de huo zai tu xiang shi bie suan fa 。li yong YCrCbyan se kong jian dui bu huo de tu xiang jin hang fen ge ,gen ju zao ji de huo zai tu xiang te zheng cong tu xiang xu lie zhong di qu duo ge huo zai te zheng zhi 。yong ji yu fen qun ti rong ge de gai jin FOAsuan fa sou suo SVMzui you he can shu he cheng fa yin zi ,jiang di qu de huo zai tu xiang te zheng zhi zuo wei SVMde shu ru dui yang ben shu ju jin hang fen lei 。shi yan jie guo biao ming ,cai yong gai fang fa dui kuang jing huo zai jin hang shi bie shi zhun que lv da 97.2%,ji fen lei xiao guo xian zhe you yu FOAfang fa 、li zi qun you hua suan fa deng 。
论文作者分别是来自计算机工程的苗续芝,陈伟,毕方明,房卫东,张武雄，发表于刊物计算机工程2019年04期论文，是一篇关于矿井火灾论文,火灾特征论文,图像处理论文,支持向量机论文,果蝇优化算法论文,计算机工程2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自计算机工程2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
本文来源: https://www.lw00.cn/article/2d438e277e069d72fb41da70.html