| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状分析 | 第9-12页 |
| 1.2.1 火焰的静态特征 | 第10页 |
| 1.2.2 火焰的动态特征 | 第10-11页 |
| 1.2.3 极限学习机 | 第11-12页 |
| 1.3 研究内容以及创新点 | 第12-13页 |
| 1.3.1 研究内容 | 第12页 |
| 1.3.2 研究方法 | 第12-13页 |
| 1.3.3 研究的创新点 | 第13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第二章 ELM介绍 | 第15-20页 |
| 2.1 单隐层反馈神经网络 | 第15-16页 |
| 2.2 极限学习机 | 第16-17页 |
| 2.3 在线贯序极限学习机 | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 ELM模型选择 | 第20-27页 |
| 3.1 多目标模型选择策略 | 第20-21页 |
| 3.2 优化目标 | 第21-22页 |
| 3.3 仿真实验 | 第22-26页 |
| 3.4 本章小结 | 第26-27页 |
| 第四章 基于主曲线的不均衡在线贯序极限学习机算法研究 | 第27-46页 |
| 4.1 欠采样和过采样混合算法分析 | 第28-29页 |
| 4.1.1 欠采样 | 第28页 |
| 4.1.2 过采样 | 第28-29页 |
| 4.2 主曲线 | 第29-30页 |
| 4.3 PCI-OSELM算法 | 第30-36页 |
| 4.3.1 OS-ELM离线阶段 | 第30-33页 |
| 4.3.2 OS-ELM在线阶段 | 第33-36页 |
| 4.4 仿真实验 | 第36-44页 |
| 4.4.1 UCI数据集 | 第36-40页 |
| 4.4.2 气象数据集 | 第40-44页 |
| 4.5 本章小结 | 第44-46页 |
| 第五章 所提算法在火灾视频数据中的应用 | 第46-55页 |
| 5.1 火焰特征提取 | 第46-49页 |
| 5.1.1 火焰的信息熵 | 第46-47页 |
| 5.1.2 火焰的纹理特征 | 第47-48页 |
| 5.1.3 火焰的无序性 | 第48页 |
| 5.1.4 火焰的位置变化 | 第48-49页 |
| 5.2 仿真实验 | 第49-54页 |
| 5.3 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-62页 |
| 攻读学位期间的科研成果 | 第62-63页 |