公开(公告)号：CN109858516A

公开(公告)日：2019-06-07

申请号：CN201811583508.3

申请日：2018-12-24

Applicant: 武汉工程大学

Inventor： 刘军 ,  徐梓涵 ,  张苏沛 ,  肖澳文

IPC: G06K9/62 ,  G06N3/04 ,  G08B17/12

Abstract: 本发明涉及一种基于迁移学习的火灾和烟雾预测方法、系统及介质，方法包括获取多个包含火灾和烟雾的场景图像样本，并根据所述场景图像样本制作数据集；基于迁移学习方法，采用所述数据集对预先获取的预训练模型进行训练，构建训练好的目标预测模型；根据所述目标预测模型对待测场景图像进行预测，得到所述待测场景图像的预测类别。本发明的火灾和烟雾预测方法无需大量的训练样本，就能够得到较好的学习效果，且训练时间大大缩短，训练成本大大降低，实现对火灾和烟雾的预测类别的更高精度的分类效果，提高目标预测模型对火灾和烟雾的预测类别的预测精度和预测效率，从而方便及时地发现火灾和烟雾警情，避免威胁到人们的生命和财产安全。

公开(公告)号：CN109034261A

公开(公告)日：2018-12-18

申请号：CN201810912233.7

申请日：2018-08-10

Applicant: 武汉工程大学

Inventor： 刘军 ,  吴梦婷 ,  肖澳文

IPC: G06K9/62 ,  G06F17/50 ,  G06N3/08

CPC classification number: G06K9/6269 ,  G06F17/5009 ,  G06N3/08

Abstract: 本发明公开了一种基于支持向量机的近红外光谱数据分析方法，包括如下步骤：1)采集样本的近红外光谱图和样本中某种物质的含量；2)对数据进行预处理，同时进行特征波长选择；3)取m个数据作为训练集，剩下的n‑m个数据作为测试集；4)基于训练集和测试集，对数据进行归一化处理；5)寻找最佳参数惩罚因子c和RBF核函数中的方差g，进行第一次支持向量机回归模型训练；6)将第一次模型预测中不能正确分类的样本加入到训练集中，重复上述的3)至5)步，建立第二次支持向量机回归的模型；7)存储训练出来的近红外光谱数据分析的回归模型；8)进行支持向量机仿真预测。本发明能够更为准确的分析近红外光谱的数据，预测的精度高。

公开(公告)号：CN108764589A

公开(公告)日：2018-11-06

申请号：CN201810912217.8

申请日：2018-08-10

Applicant: 武汉工程大学

Inventor： 刘军 ,  肖澳文 ,  吴梦婷

IPC: G06Q10/04 ,  G06K9/62

CPC classification number: G06Q10/04 ,  G06K9/6256 ,  G06K9/6269

Abstract: 本发明公开了一种基于支持向量机的离子浓度预测方法，包括如下步骤：1)采集多个盐池之中不同时间段n个不同种类离子浓度的数据，包括采集时间、采集地点横坐标、采集地点纵坐标、被采集盐池的编号，离子浓度；2)基于采集好的离子的原始数据,进行数据归一化处理；3)利用随机数函数取m个数据作为训练集，剩下的n‑m个数据作为测试集；4)寻找最佳参数惩罚因子c和RBF核函数中的方差g，训练支持向量机，通过支持向量机回归预测盐池中离子的浓度；5)存储训练出来预测盐池中离子浓度的回归模型；6)进行支持向量机仿真预测,得出训练集预测结果对比和测试集预测结果对比。本发明能够更为准确地对离子浓度进行预测，预测的精度高。