排序方式: 共有3条查询结果,搜索用时 214 毫秒
1
1.
基于T-S(Takagi-Sugeno,高木-关野)模型RBF(Radial Basis Function,径向基函数)神经网络,提出了一种应用于三波段点型红外火焰探测器的识别算法,同时实现了硬件电路以及软件程序的设计。针对火焰探测器在检测过程中可能出现的数据丢失、失真、饱和等复杂情况,本文利用RBF网络较优的逼近精度和泛化能力,同时结合T-S模型用少量的模糊规则可生成较复杂的非线性函数的特点,实现了火焰与干扰源的准确识别。实验证实,T-S模型RBF神经网络相比于BP(Back Propagation,反向传播)网络在逼近精度、收敛速度、鲁棒性等多个方面都有所提升。 相似文献
2.
3.
基于LASSO回归,提出一种应用于三波段红外火焰探测器的具体识别算法,同时进行了硬件电路以及软件程序的设计。在火焰探测器在检测过程中可能出现数据不稳定、环境多样化的复杂情况,从而提取到的特征存在多样性和复杂性。本文利用LASSO回归良好的预测能力、系数压缩能力和特征选择能力,有效提升了对三波段红外火焰的精确度和灵敏度,同时LASSO回归还具有效率高、预测精度高、解释性强等特性。实验证明LASSO相比于传统火焰识别算法在逼近精度、收敛速度和鲁棒性等多个方面都有所提升。 相似文献
1