一种应用于红外火焰识别的自组织TS型模糊网络建模方法

    公开(公告)号:CN109272037B

    公开(公告)日:2020-10-09

    申请号:CN201811080145.1

    申请日:2018-09-17

    Applicant: 江南大学

    Abstract: 本申请公开了一种应用于红外火焰识别的自组织TS型模糊网络建模方法,包括如下步骤:(1)采集不同火焰、干扰源的时域信号数据,并对时域信号数据进行预处理,得到频域信号数据;(2)对波形的时域、频域信号数据进行特征信息的提取,获得火焰的特征向量,组成样本集;(3)将样本集划分为训练集、验证集和测试集;(4)搭建TS‑RBF模糊神经网络;(5)设定TS‑RBF模糊神经网络参数初始值,利用训练集的样本对TS‑RBF模糊神经网络进行训练,进行结构、参数学习;(6)利用验证集对训练好的TS‑RBF模糊神经网络进行验证及模型选择;(7)将测试集输入训练好的TS‑RBF模糊神经网络中,其结果作为对模型的最终评价。

    一种应用于红外火焰识别的自组织TS型模糊网络建模方法

    公开(公告)号:CN109272037A

    公开(公告)日:2019-01-25

    申请号:CN201811080145.1

    申请日:2018-09-17

    Applicant: 江南大学

    Abstract: 本申请公开了一种应用于红外火焰识别的自组织TS型模糊网络建模方法,包括如下步骤:(1)采集不同火焰、干扰源的时域信号数据,并对时域信号数据进行预处理,得到频域信号数据;(2)对波形的时域、频域信号数据进行特征信息的提取,获得火焰的特征向量,组成样本集;(3)将样本集划分为训练集、验证集和测试集;(4)搭建TS-RBF模糊神经网络;(5)设定TS-RBF模糊神经网络参数初始值,利用训练集的样本对TS-RBF模糊神经网络进行训练,进行结构、参数学习;(6)利用验证集对训练好的TS-RBF模糊神经网络进行验证及模型选择;(7)将测试集输入训练好的TS-RBF模糊神经网络中,其结果作为对模型的最终评价。

Patent Agency Ranking