基于多阶段特征选择的智能分类器用于建筑初期火灾分类
计算机与社会
2017-08-30 v1 机器学习
摘要
在本研究中，提出了一种基于低成本阵列传感系统的早期火灾检测算法，利用气体传感器、粉尘颗粒以及温度和湿度等环境传感器。测量了各种火源和建筑建材在早期阶段散发的气味或气味印迹。为此，使用了来自五种常见火源和三种常见建筑建材的气味轮廓数据来开发分类模型。在对气味印迹数据进行预测分类器之前，进行了归一化特征提取。这些特征代表了时域中的气味信号。所获得的特征经过提出的多阶段特征选择技术，最后通过降维技术主成分分析（PCA）进一步约简。基于PCA-PNN的混合方法已应用于来自内部开发系统和便携式电子鼻单元的不同数据集。实验分类结果表明，无论环境温度湿度变化、基线传感器漂移、不同气体浓度水平以及暴露于不同加热温度范围，PCA执行的降维过程都提高了分类精度并提供了高可靠性。
引用
@article{arxiv.1708.08750,
title = {Multi-Stage Feature Selection Based Intelligent Classifier for Classification of Incipient Stage Fire in Building},
author = {Allan Melvin Andrew and Ammar Zakaria and Shaharil Mad Saad and Ali Yeon Md Shakaff},
journal= {arXiv preprint arXiv:1708.08750},
year = {2017}
}
备注
electronic nose; gas sensors; fire detection; feature selection; feature fusion; Artificial intelligence, machine learning, neural networks, remote sensing, decision support