分組特征選擇算法及其在火焰視頻早期識別中的應用研究.pdf

1、近年來，火災識別技術已從傳感器識別發(fā)展到視頻圖像識別。從火焰煙霧的靜態(tài)特征和動態(tài)特征出發(fā)，基于視頻圖像的火災早期識別方法在精確度方面得到了一定的改善，但是當視頻圖像中存在著大量類火物干擾時，火災視頻識別的精確度仍存在著很大的提升空間。
　　由于火災視頻早期識別本質(zhì)上是數(shù)據(jù)的分類問題，所以僅僅從火焰煙霧的特征方面出發(fā)并不能夠有效地提高算法的預測精度。本文針對火災視頻識別中的特點，在提取大量火焰煙霧特征的基礎上，重點是改進后端所采用的

2、分類算法，從而提高火災識別的精度。本文的主要工作和貢獻如下:
　　首先，為了找到特征間的組結構，挑選出最優(yōu)的特征子集，提出了一種基于特征子集區(qū)分度優(yōu)化的分組特征選擇算法。該算法采用多目標優(yōu)化的選擇策略對組內(nèi)距離和組間距離進行優(yōu)化;在此基礎上進行特征選擇并尋找特征間的組結構，在標準UCI數(shù)據(jù)集上的對比實驗結果表明，該算法能夠顯著提高預測的精確度，并找到特征間的組結構。
　　其次，針對高維特征數(shù)據(jù)構建識別模型時容易陷入維數(shù)災難的

3、問題，提出了一種基于L1/2范數(shù)的組特征分類算法，該算法采用L1/2正則項約束特征權重系數(shù)，使得與分類不相關的特征權重系數(shù)盡量為0，用L1正則項來約束特征系數(shù)間的距離，促使同一個組中的特征系數(shù)盡量相同，并提出了一種基于ADMM的聯(lián)合優(yōu)化求解算法。在仿真數(shù)據(jù)和Hill_Valley數(shù)據(jù)上做對比實驗，結果表明該算法在進行特征選擇的時候具有較高的效率，并可發(fā)現(xiàn)特征間的結構化信息。
　　最后，為了解決目前的火焰視頻早期識別中所用的特征數(shù)據(jù)