基于SVM过渡环境下热感觉分类模型的研究

人体在局部微环境与背景环境之间过渡时，热感觉是随着环境参数的变化而发生相应变化的。以往的各种方法总是试图寻找热感觉的精确预测，但由于热反应本身的复杂性，建立的模型往往不是很理想。本文提出一种基于支持向量机（Support Vector Machine，SVM）的热感觉自动分类方法，将热感觉的预测转化成模式分类问题。通过提取环境空间中的6个参数及其不同组合方式，对不同过渡方案后的热感觉进行分类，经验证此分类模型能够取得较好的分类效果。结果还表明工位区与背景区的黑球温度、工位区的送风速度对分类效果基本不产生影响，背景区温度、工位区的送风温度、过渡后的时间对分类效果影响较大。 附件下载