1.一種基于數(shù)據(jù)增強(qiáng)的火災(zāi)智能檢測(cè)方法，其特征在于，所述方法包括：
2.如權(quán)利要求1所述的基于數(shù)據(jù)增強(qiáng)的火災(zāi)智能檢測(cè)方法，其特征在于，所述分別對(duì)每個(gè)模態(tài)時(shí)間序列信號(hào)進(jìn)行基于巴氏距離的變分模態(tài)分解重構(gòu)，得到每個(gè)模態(tài)時(shí)間序列信號(hào)對(duì)應(yīng)的第一重構(gòu)信號(hào)，包括：
3.如權(quán)利要求2所述的基于數(shù)據(jù)增強(qiáng)的火災(zāi)智能檢測(cè)方法，其特征在于，第k個(gè)內(nèi)稟模態(tài)函數(shù)的更新公式為：
4.如權(quán)利要求2所述的基于數(shù)據(jù)增強(qiáng)的火災(zāi)智能檢測(cè)方法，其特征在于，通過以下公式判斷更新后的內(nèi)稟模態(tài)函數(shù)及更新后的中心頻率是否滿足整體收斂條件：
5.如權(quán)利要求2所述的基于數(shù)據(jù)增強(qiáng)的火災(zāi)智能檢測(cè)方法，其特征在于，所述計(jì)算更新后的內(nèi)稟模態(tài)函數(shù)與相應(yīng)模態(tài)時(shí)間序列信號(hào)之間的巴氏距離，公式表示為：
6.如權(quán)利要求1所述的基于數(shù)據(jù)增強(qiáng)的火災(zāi)智能檢測(cè)方法，其特征在于，所述對(duì)每個(gè)模態(tài)時(shí)間序列信號(hào)對(duì)應(yīng)的第一重構(gòu)信號(hào)進(jìn)行小波包閾值去噪，得到每個(gè)模態(tài)時(shí)間序列信號(hào)對(duì)應(yīng)的第二重構(gòu)信號(hào)，包括：
7.如權(quán)利要求1所述的基于數(shù)據(jù)增強(qiáng)的火災(zāi)智能檢測(cè)方法，其特征在于，所述對(duì)每個(gè)模態(tài)時(shí)間序列信號(hào)對(duì)應(yīng)的第二重構(gòu)信號(hào)進(jìn)行短時(shí)經(jīng)驗(yàn)?zāi)B(tài)分解，得到每個(gè)模態(tài)時(shí)間序列信號(hào)對(duì)應(yīng)的時(shí)頻數(shù)據(jù)矩陣，包括：
8.如權(quán)利要求1所述的基于數(shù)據(jù)增強(qiáng)的火災(zāi)智能檢測(cè)方法，其特征在于，所述將各模態(tài)時(shí)間序列信號(hào)對(duì)應(yīng)的時(shí)頻數(shù)據(jù)矩陣分別采用信號(hào)到圖像的編碼形式得到具有圖像性質(zhì)的像素矩陣，包括：
9.如權(quán)利要求1所述的基于數(shù)據(jù)增強(qiáng)的火災(zāi)智能檢測(cè)方法，其特征在于，所述將各像素矩陣進(jìn)行主成分分析進(jìn)行降維，得到降維后的矩陣，包括：
10.如權(quán)利要求1所述的基于數(shù)據(jù)增強(qiáng)的火災(zāi)智能檢測(cè)方法，其特征在于，所述采集用于表征火災(zāi)的多模態(tài)時(shí)間序列信號(hào)，包括：