基于SVM算法的烟雾粒子识别系统.pdfVIP

第18卷 第2期 信号处理 V01．18N02 2002年4月 SIGNALPRoCESSING ADf2002 基于SVM算法的烟雾粒子识别系统8 杨代琴杨宗凯王殊胡静 ‘华中科技大学’武汉430074’ 仍1 A 摘要：本文介绍了一种基于Mie散射理论的烟雾粒子识别系统，并主要介绍了后端SVM算法的模式识别处理方法。 文章详细给出了系统J原理、结构、以及SVM算法的原理及其处理效果，并将SVM算法与BP神经网络算法的应用效果 进行了比较。 关键词：粒子识别Mie散射SVM模式识别 A Particle Based013SVM Smog RecognizingSystem Hu YangDaiqinYangZongkaiJing (HuazhongofScienceand University Technology,Wuhan，430074) Abstract：Inthis weintroduceda[1eW basedonMie USeS paper smog recognizing tjleorywhich particle system scattering Vector discusindetailaboutifsfoundation SupportMachine(SVM)forpatrem theory,stltlcture，SVM recognition．We algorithm and ifsachievementWealso the oftheeffectbetweentheSVM andBPneuralnetworkin glve comparison algorithm this andthusdrawtheconclusion． 印pUcation words：Particle Mie SVMPattern Key RecognitionScattering Recognition 极化特性产生不同的影响。由此我们呵以通过光学探测器得 1概述 到各种粒子的多角度散射偏振信号作为模式量。 空气中微粒检测是大气环境污染监测、空气质量检测、 在信号处理与模式识别部分，我们采用的是具有极强泛 气体分析、烟雾识别和火灾探测等领域中必不可少的重要方 法。尤其对于火灾探测系统，如果能经由探测器正确地识别 法，综台了统计、机器学习和神经网络等方法。它的法则体 几种容易引起误报警的烟雾粒子的种类，将从根本上克服引 现在结构风险堆小化(SRM)准则中【Il。通过采用核函数映 起火灾误报警的原园，减小火灾报警系统的误报概率，提高 射技术．SVM可以通过小训练集的样本数据的学习获得很 报警系统的性能。 好的分类泛化能力口】。由于它的优匣的特性，在理论及工程 九十年代中期以来，国际上研究了采用粒子的激光散射 应用方面，近儿年来SVMlE在吸引越来越多的注意。在工 特性进行烟雾分析检测的方