摘要 | 第1-8页 |
Abstract | 第8-16页 |
第1章 绪论 | 第16-26页 |
·研究背景及意义 | 第16-19页 |
·国内外研究现状 | 第19-24页 |
·ECT 反问题的研究现状 | 第19-22页 |
·ECT 流型辨识技术的研究现状 | 第22-24页 |
·ECT 反问题求解存在的问题 | 第24-25页 |
·课题来源及研究内容 | 第25-26页 |
第2章 ECT 系统基本原理 | 第26-40页 |
·引言 | 第26页 |
·过程层析成像的基本原理 | 第26-28页 |
·过程层析成像的数学理论基础 | 第26-27页 |
·过程层析成像系统的基本原理和组成 | 第27-28页 |
·ECT 系统的工作机理 | 第28-33页 |
·ECT 系统的组成 | 第28页 |
·ECT 的数学模型 | 第28-30页 |
·灵敏度分布函数及图像重建原理 | 第30-33页 |
·ECT 系统的正问题 | 第33-36页 |
·ECT 系统的反问题 | 第36-39页 |
·ECT 反问题的定义 | 第36页 |
·ECT 反问题的不适定性 | 第36-37页 |
·不适定性问题的有限维逼近 | 第37-38页 |
·ECT 反问题的线性反投影算法 | 第38-39页 |
·本章小结 | 第39-40页 |
第3章 ECT 反问题的梯度型求解算法 | 第40-64页 |
·引言 | 第40页 |
·ECT 反问题的Landweber 迭代法 | 第40-41页 |
·ECT 反问题的多项式加速算法 | 第41-44页 |
·ECT 反问题的共轭梯度算法 | 第44-47页 |
·ECT 反问题的Tikhonov 正则化方法 | 第47-49页 |
·ECT 反问题的最速下降法 | 第49-50页 |
·ECT 反问题的信赖域-共轭梯度法 | 第50-54页 |
·仿真实验及分析 | 第54-63页 |
·本章小结 | 第63-64页 |
第4章 ECT 反问题的Newton 型求解算法 | 第64-88页 |
·引言 | 第64页 |
·ECT 反问题的牛顿法 | 第64-65页 |
·ECT 反问题的阻尼Gauss-Newton 法 | 第65-69页 |
·ECT 反问题的Levenberg-Marquardt 算法 | 第69-72页 |
·ECT 反问题的加权修正Gauss-Newton 算法 | 第72-74页 |
·ECT 反问题的NL2S0L 算法 | 第74-78页 |
·仿真实验及分析 | 第78-87页 |
·本章小结 | 第87-88页 |
第5章 电容层析成像系统流型辨识 | 第88-115页 |
·引言 | 第88页 |
·流型辨识技术基本概述 | 第88-89页 |
·BP 神经网络的基本原理 | 第89-93页 |
·BP 神经网络模型结构 | 第90-91页 |
·BP 神经网络的学习方法 | 第91-93页 |
·基于电容值特征提取的神经网络ECT 流型辨识方法 | 第93-100页 |
·基于自适应主成分估计的神经网络ECT 流型辨识方法 | 第100-108页 |
·主成分分析基本原理 | 第100-102页 |
·自适应求解主分量的对称子空间网络模型 | 第102-104页 |
·自适应求解主分量的广义Hebb 神经网络方法 | 第104-106页 |
·自适应提取主成分的流型辨识方法 | 第106-108页 |
·仿真实验与分析 | 第108-114页 |
·本章小结 | 第114-115页 |
第6章 电容层析成像图像重建边缘灰度补偿 | 第115-132页 |
·引言 | 第115页 |
·ECT 图像重建补偿的必要性 | 第115-119页 |
·ECT 反问题求解正则近似的正规条件 | 第115-116页 |
·ECT 反问题求解的渐进最优阶 | 第116-119页 |
·ECT 图像重建算法的渐进最优阶分析结果 | 第119页 |
·粒子群基本原理 | 第119-121页 |
·自适应权重的粒子群算法 | 第121-122页 |
·ECT 边界灰度补偿算法 | 第122-126页 |
·边界灰度区域的划分 | 第122-123页 |
·边界灰度区域的确定 | 第123-125页 |
·对边界灰度区域应用粒子群算法 | 第125-126页 |
·仿真实验与分析 | 第126-131页 |
·本章小结 | 第131-132页 |
结论 | 第132-134页 |
参考文献 | 第134-144页 |
攻读学位期间发表的学术论文 | 第144-146页 |
致谢 | 第146页 |