基于证据理论和神经网络的烟雾图像检测,本论文为您写神经网络毕业论文范文和职称论文提供相关论文参考文献，可免费下载。
神经网络论文参考文献：
摘 要： 烟雾图像检测对于预防火灾具有重要的研究意义,烟雾受到空气和自身扩散的作用,变化过程十分复杂,导致传统方法的检测效果差,为了解决该难题,提出证据理论和神经网络的烟雾图像检测方法.研究了当前烟雾图像检测状态,找到引起当前方法检测效果差的原因,提取烟雾图像特征,并采用神经网络得到烟雾图像检测结果,最后根据证据理论对神经网络的烟雾图像检测结果进行融合,并通过烟雾图像检测实验进行可行性验证,该方法烟雾图像检测正确率超过95%,获得了令人满意的烟雾图像检测结果.
关键词： 烟雾图像； 烟雾检测； 证据理论； 火灾报警； 神经网络
中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）07?0055?04
Smoke image detection based on evidence theory and neural network
ZHOU Feng
（Suihua University, Suihua 152061, China）
Abstract： The oke image detection has great research significance to prevent fire disaster. The oke influenced by the air and its diffusion has a complicated variation process, so the traditional method has poor detection effect. In order to solve the problem, the oke image detection method based on evidence theory and neural network is put forward. The detection status of the current oke image is studied to find out the reason causing poor detection effect of the current method. And then the oke image feature is extracted. The neural network is used to obtain the oke image detection results. The oke image detection results produced by the neural network are fused according to the evidence theory. The feasibility of the method was verified with oke image detection experiment. The image detection accuracy of the method can reach up to more than 95%, and the method has achieved a satiied oke image detection result.
Keywords： oke image； oke detection； evidence theory； fire alarm； neural network
0 引 言
火災威胁着人们的生命和财产安全,为尽早发现火灾,采取相应的防范措施,可以通过对火灾进行检测,减少火灾带来的经济损失[1?2].当前火灾检测的方法众多,有的采用感光传感器、感温传感器等进行,但是这些传感器如何部署至关重要,再加上传感器自身检测精度不足,它们的实际应用范围有限.根据火灾烟雾图像对火灾发生态势进行检测,成本低、检测效果好,已经成为当前火灾检测的一个重要研究方向[2?5].
传统烟雾检测方法主要基于光度法实现,该方法有一个致命的缺陷,即只有当烟雾浓度达到一定程度时才能检测到火灾的发生[6].近年来,有学者提出采用火灾发生视频图像进行火灾检测,通过提取火灾图像的颜色、运动信息等实现火灾状态的识别,取得了不错的火灾检测效果[7?8].颜色属于静态特征,而运动信息属于动态特征,它们有自己的优势,而且它们的劣势也十分明显,因此单一的静态特征或者动态特征均难以对火灾进行准确检测,检测结果的可信度低[9].一些研究人员发现静态特征和动态特征可以实现优势互补,建立了基于混合特征的烟雾检测方法,比单一静态特征或者动态特征的检测结果更优,但如何将静态特征和动态特征的检测结果进行融合,当前研究人员都是凭自己的经验进行,检测结果的可解释性差[10?11].证据理论可以对各种结果进行有效融合,并且能够对融合结果进行说明和分析,可解释性好,为此被一些研究人员用于火灾的检测中[12].火灾烟雾图像检测实际就是一种火灾烟雾状态识别问题,即对火灾所处的状态进行分析和识别,当前有学者采用支持向量机建立火灾烟雾图像检测的识别模型,但学习速度很慢,火灾烟雾图像检测实时性差,而火灾检测对实时性要求高,影响火灾检测的实际应用价值[9].
为了解决当前火灾烟雾图像检测效果差的难题,提出证据理论和神经网络的烟雾图像检测方法.分别提取火灾烟雾图像的静态特征和动态特征,并采用神经网络根据静态特征和动态特征进行烟雾图像检测,采用证据理论对静态特征和动态特征的检测结果进行融合,得到烟雾图像检测结果.实验结果表明,本文方法不但可以提高烟雾图像检测的正确率,而且火灾检测的实时性好,在火灾检测中具有广泛的应用前景.
1 证据理论和神经网络
结论：大学硕士与本科神经网络毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载，关于免费教你怎么写神经网络方面论文范文。
神经网络模型理论的简要
摘要：本文系统地介绍了神经网络模型中径向基函数网络模型的数学理论，包括他的原理，算法步骤和实证过程。关键词：神经网络模型 径向基函数网络人工。
基于MATLAB动态神经网络进行时间序列预测房地产价格
摘 要：文章以MATLAB动态神经网络为前提，采用时间序列预测方法进行房地产价格预测。采用全国平均房地产价格为基础样本，利用训练样本和基础样本。
基于改进RBF神经网络矿井瓦斯涌出量预测
摘 要：介绍了瓦斯涌出量对矿井安全的影响及一种改进的RBF算法——IRBF算法，借助Matlab软件利用BP算法、传统RBF算法及IRBF算法对。
基于AHP和BP神经网络制造企业产品绿色评价
因为近期“十三五”五大发展之一“绿色发展”的提出以及我国长期可持续发展的需要，制造业越来越重视产品及其生产的绿色低碳可持续化，采用科学的评价方法。