论文部分内容阅读
针对已有固定火焰图像特征模式识别算法泛化能力较差,且误报率较高的问题,提出一种新的火焰图像特征自适应选择算法。根据特征约简的2大基本准则,将遗传优化引入到粗糙集的属性约简,使交叉和变异概率随个体的适应度值自适应调整,以保护较优并淘汰适应度值低的个体。通过动态修剪并补充新个体增加种群的多样性,从而提高遗传算法的全局寻优能力。实验结果表明,与基于支持向量机的图像型火灾探测算法相比,改进算法在降低特征空间维数的同时,火焰的平均识别率提高了16%。