智能火災(zāi)煙霧預(yù)警中的機(jī)器學(xué)習(xí)算法

第1章 緒 論
1.1 智能火災(zāi)煙霧檢測(cè)的背景與意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 基于傳感器火焰與煙霧檢測(cè)的火警
1.2.2 基于傳統(tǒng)機(jī)器學(xué)習(xí)算法的煙霧檢測(cè)
1.2.3 基于深度學(xué)習(xí)的煙霧檢測(cè)與火警
1.3 智能火災(zāi)煙霧檢測(cè)的基礎(chǔ)任務(wù)
1.4 智能火災(zāi)煙霧檢測(cè)的研究目標(biāo)、內(nèi)容及技術(shù)路線
1.4.1 研究目標(biāo)
1.4.2 研究?jī)?nèi)容
1.4.3 技術(shù)路線
1.5 本書(shū)結(jié)構(gòu)安排
參考文獻(xiàn)
第2章 單幀煙霧識(shí)別中的機(jī)器學(xué)習(xí)技術(shù)
2.1 局部特征表示
2.1.1 局部二值特征表示
2.1.2 局部特征基礎(chǔ)擴(kuò)展
2.1.3 高階信息擴(kuò)展
2.1.4 變換域擴(kuò)展
2.1.5 特征學(xué)習(xí)擴(kuò)展
2.2 局部特征學(xué)習(xí)與表示中的關(guān)鍵問(wèn)題和解決方案
2.3 基于監(jiān)督學(xué)習(xí)的單幀煙霧識(shí)別模型
2.3.1 判別模型與生成模型
2.3.2 高斯過(guò)程回歸與煙霧識(shí)別任務(wù)
本章小結(jié)
參考文獻(xiàn)
第3章 全局學(xué)習(xí)的高階局部特征表示
3.1 引言
3.2 基于差分的高階特征底層表示
4.3 多尺度特征的緊湊表示
4.3.1 辨別特征映射模型學(xué)習(xí)
4.3.2 特征映射與緊湊表示
4.4 圖內(nèi)與圖間編碼的多階特征表示
4.5 算法框架與層級(jí)擴(kuò)展
4.5.1 算法框架與特征表示流程
4.5.2 可視化與多層級(jí)擴(kuò)展
4.6 對(duì)比實(shí)驗(yàn)結(jié)果及分析
4.6.1 煙霧識(shí)別對(duì)比
4.6.2 紋理分類對(duì)比
本章小結(jié)
參考文獻(xiàn)
第5章 用于多層級(jí)特征表示的Gabor網(wǎng)絡(luò)
5.1 引言
5.2 基于Gabor濾波的局部特征底層表示
5.2.1 多尺度與多方向的局部特征表示
5.2.2 尺度不變與方向不變的響應(yīng)濃縮
5.3 特征圖的編碼與特征表示
5.3.1 跨通道編碼的特征表示
5.3.2 通道內(nèi)編碼的特征表示
5.4 基于Gabor模塊的算法框架
5.5 局部特征的擴(kuò)展表示
5.5.1 強(qiáng)紋理區(qū)域的穩(wěn)定成分提取擴(kuò)展
5.5.2 全局學(xué)習(xí)的特征模式擴(kuò)展
5.6 Gabor網(wǎng)絡(luò)與層級(jí)特征表示
5.7 對(duì)比實(shí)驗(yàn)結(jié)果及分析
5.7.1 煙霧識(shí)別好比
5.7.2 紋理分類對(duì)比
本章小結(jié)
參考文獻(xiàn)
第6章 結(jié)合非線性映射與高斯過(guò)程回歸的煙霧預(yù)警
6.1 引言
6.2 特征映射模型與特征低維表示
6.2.1 基于KLDA的映射模型
6.2.2 基于KPCA的映射模型
6.3 ()PR模型的先驗(yàn)項(xiàng)優(yōu)勢(shì)
6.4 GPR模型學(xué)習(xí)與單幀識(shí)別后驗(yàn)計(jì)算
6.5 基于非線性映射與GPR的煙霧識(shí)別
6.6 對(duì)比實(shí)驗(yàn)結(jié)果及分析
6.6.1 煙霧識(shí)別對(duì)比
6.6.2 紋理分類對(duì)比
本章小結(jié)
參考文獻(xiàn)
第7章 結(jié)論與展望
7.1 研究工作總結(jié)
7.2 研究展望
附錄A 與本書(shū)相關(guān)科研成果