典型相关分析和神经网络相结合的早期火灾识别

摘要：

早期火灾烟雾不仅具有动态特征,同时具有静态特征,为提高早期火灾识别准确率,提出一种典型相关分析和BP神经网络相结合的早期火灾识别算法(CCA-BPNN).首先提取烟雾主方向性状、烟雾面积增长、颜色和亮度等特征,然后采用典型相关分析算法对这些特征进行融合,最后将特征输入到BP神经网络进行训练,建立早期火灾识别模型.仿真结果表明,相对于对比算法,CCA-BPNN算法提高了早期火灾识别准确率,降低了虚警率和漏报率,能够满足早期火灾识别的准确性和实时性要求.

关键词：早期火灾识别、典型相关分析、神经网络、特征融合

所属期刊栏目：29

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金,课题号11047026

在线出版日期：2013-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：126-129