1、“.....烟雾传感器也不会发出火灾报警信号。目前，由于空气质量的不断下降，如果的浓度过大，空气过于潮湿，检测探头也会失效，这样就会无法检测到火源，也就达不到预防火灾的作用。传统上，即使将温度传感器和烟雾传感器结合使用，这只是多了种传递的信号数据，而如上所述的弊端仍然无法避免。图像识别方法大体上讲，图像识别可以分为人工识别和智能识别两大类。其中，人工识别即人通过直接观察采集到的图像信息去进行识别。但是，这种方法仍然有其弊端。这是因为人的注意力是有限的，不可能通过肉眼获得所有的信息，而很有可能会丢失很多有用的信息，带来的后果不可设想。总之，人工识别的方法是不可取的。另外，这种方法也没有充分利用计算机对数据的高速处理能力。另外，与人工识别相对的万方数据第章绪论是智能识别。近来，随着计算机的运算处理能力不断增强......”。

2、“.....从而能够为具有复杂算法的智能识别技术提供有力保证。图像智能可以利用人的思维去理解图像，对图像进行相关的判断，替代人去处理图片，但是，正如人工识别有很多弊端，智能识别也存在着许多不足之处。这也正是相关领域的研究者需要解决的问题火灾的分类超平面。在新图片中提取与上述相同的特征，并把这些特征代入分类超平面，将新图片进行分类，得到的准确率为。关键词森林火灾模糊支持向量机区域提取识别万方数据万方数据提取，对研究火灾特性有帮助。在火灾识别方面，本文将样本图片分为火灾样本图片和非火灾样本图片，并提取这些图片中的彩色特征纹理特征小波特征，再用改进的模糊支持向量机对这些特征进行训练，从而得到火灾与非本的特征值，用基于改进的模糊支持向量机进行学习训练，从而得到最优分类超平面。然后......”。

3、“.....并用得到的分类超平面进行分类。该实验结果表明，此方法可以很好地对火灾区域进行离类中心样本的训练样本，成为噪声的可能性也越大，隶属度越小，这样可以有效排除噪声样本的干扰。另外，本文基于模糊支持向量机对火灾区域进行提取，把火灾和非火灾样本的颜色灰度平均值标准差相关系数作为样是异常样本对正常样本的影响，从而得到更好的分类超平面。本文采用类超球体最小半径方法，这样取得的样本中心更符合分布规律。并对模糊隶属度进行了改进，当训练样本接近类中心样本时，为正常样本，其隶属度较大远于此，本文主要研究基于改进模糊支持向量机的火灾区域提取和识别方法。论文对模糊支持向量机理论进行了研究，模糊支持向量机以机器学习理论为理论支撑，并且是在支持向量机的基础上加入模糊性......”。

4、“.....这样能使损失降到最低。传统的基于传感器式的火灾探测方法，在复杂环境大空间等条件下，精确度和实时性方面都有欠缺，而依据图像处理进行的非接触式火灾探测技术能有效的改善这些不足。鉴万方数据中文摘要森林是重要的生态资源，而火灾会对森林造成严重的威胁。因此当火灾发生时，能够万方数据万方数据万方数据中文摘要森林是重要的生态资源，而火灾会对森林造成严重的威胁。因此当火灾发生时，能够及时勘测到火源极为重要，这样能使损失降到最低。传统的基于传感器式的火灾探测方法，在复杂环境大空间等条件下，精确度和实时性方面都有欠缺，而依据图像处理进行的非接触式火灾探测技术能有效的改善这些不足。鉴于此，本文主要研究基于改进模糊支持向量机的火灾区域提取和识别方法。论文对模糊支持向量机理论进行了研究......”。

5、“.....并且是在支持向量机的基础上加入模糊性，可以降低噪声数据或者是异常样本对正常样本的影响，从而得到更好的分类超平面。本文采用类超球体最小半径方法，这样取得的样本中心更符合分布规律。并对模糊隶属度进行了改进，当训练样本接近类中心样本时，为正常样本，其隶属度较大远离类中心样本的训练样本，成为噪声的可能性也越大，隶属度越小，这样可以有效排除噪声样本的干扰。另外，本文基于模糊支持向量机对火灾区域进行提取，把火灾和非火灾样本的颜色灰度平均值标准差相关系数作为样本的特征值，用基于改进的模糊支持向量机进行学习训练，从而得到最优分类超平面。然后，本文将提取新图片中与上述特征相同的特征值，并用得到的分类超平面进行分类。该实验结果表明，此方法可以很好地对火灾区域进行提取，对研究火灾特性有帮助......”。

6、“.....本文将样本图片分为火灾样本图片和非火灾样本图片，并提取这些图片中的彩色特征纹理特征小波特征，再用改进的模糊支持向量机对这些特征进行训练，从而得到火灾与非火灾的分类超平面。在新图片中提取与上述相同的特征，并把这些特征代入分类超平面，将新图片进行分类，得到的准确率为。关键词森林火灾模糊支持向量机区域提取识别万方数据万方数据，烟雾传感器也不会发出火灾报警信号。目前，由于空气质量的不断下降，如果的浓度过大，空气过于潮湿，检测探头也会失效，这样就会无法检测到火源，也就达不到预防火灾的作用。传统上，即使将温度传感器和烟雾传感器结合使用，这只是多了种传递的信号数据，而如上所述的弊端仍然无法避免。图像识别方法大体上讲，图像识别可以分为人工识别和智能识别两大类。其中......”。

7、“.....但是，这种方法仍然有其弊端。这是因为人的注意力是有限的，不可能通过肉眼获得所有的信息，而很有可能会丢失很多有用的信息，带来的后果不可设想。总之，人工识别的方法是不可取的。另外，这种方法也没有充分利用计算机对数据的高速处理能力。另外，与人工识别相对的万方数据第章绪论是智能识别。近来，随着计算机的运算处理能力不断增强，通过计算机可以进行大量的数据传输和处理，从而能够为具有复杂算法的智能识别技术提供有力保证。图像智能可以利用人的思维去理解图像，对图像进行相关的判断，替代人去处理图片，但是，正如人工识别有很多弊端，智能识别也存在着许多不足之处。这也正是相关领域的研究者需要解决的问题。大家需要从不同的算法着手，对智能识别的利弊进行分析，并对现有的算法进行改进，争取把各种算法做到完善......”。

8、“.....作为图像识别中的部分，如今，各个国家都很重视图像火灾识别技术的研发。比如，通过利用设计的森林火灾识别系统，可以采集到米以外的图像信息。然后，经过计算机些算法的运算，从中可以得到有用的信息，从而能够判断并识别出是否发生了火灾。另外，公司采用红外和摄像机双波段对火灾进行监控，这样可以使误报率较低。总之，上述公司设计的这些识别系统都与智能识别有关。另外，国内对图像火灾识别技术也很重视。比如，西安交通大学利用图像处理与识别技术，研制出了自动火灾识别系统。该系统主要采用的是红外传感技术。由于在燃烧时，火焰的红外辐射只是集中在定的波段，因此，将这波段的信号制成视频信号可以大大减少处理数据量，从而提高火灾识别效率。中国科技大学的火灾科学重点实验室研制出了型双波段火灾识别系统......”。

9、“.....已经通过了技术验收，并在些场所已经投入实际应用。算法是火灾识别技术的理论支持。当火灾识别技术与各种不同算法相互结合时，计算机能够更好地去分析火灾数据，并提取有利的火灾特征，把干扰的数据通过定算法减小或者消除。这样就能够使智能监控更好地实现，因而具有现实使用价值。鉴于算法的重要作用，国内外很多学者已经对其进行了重点研究。在国外，有学者对人工神经网络和模糊逻辑应用的结合进行了研究，并把这两个理论应用到火灾识别过程中。在现实生活中，有很多数据是非线性的，并且，火灾提取的多维数据也具有非线性。而人工神经网络具有处理非线性数据的能力，这样就可以很好地解决火灾数据。等人还提出了种空间和神经网络结合的火焰图像检测算法。等人研究了隧道火灾识别技术等人对火灾图像进行人工分割......”。