| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 前言 | 第9-16页 |
| ·课题的来源及研究意义 | 第9-10页 |
| ·气液两相流的流型分类 | 第10-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·气液两相流型识别技术 | 第12-13页 |
| ·独立分量分析技术 | 第13-14页 |
| ·论文的主要研究内容 | 第14-16页 |
| 第2章 独立分量分析技术 | 第16-33页 |
| ·独立分量分析理论知识 | 第16-21页 |
| ·ICA数学模型 | 第16-17页 |
| ·ICA的假设与局限性 | 第17-18页 |
| ·ICA预处理 | 第18-21页 |
| ·独立分量分析的优化判据 | 第21-26页 |
| ·互信息极小化判据 | 第21-22页 |
| ·非高斯程度极大化判据 | 第22-25页 |
| ·极大似然判据 | 第25-26页 |
| ·基于负熵的快速固定点算法 | 第26-29页 |
| ·负熵表示成高阶累积量的函数 | 第26-27页 |
| ·负熵表示成非线性函数 | 第27-29页 |
| ·有噪独立分量分析算法 | 第29-33页 |
| ·有噪ICA数学模型 | 第29-30页 |
| ·基于偏差去除技术的快速固定点算法 | 第30-33页 |
| 第3章 基于入侵性杂草算法的有噪独立分量分析方法 | 第33-45页 |
| ·入侵性杂草算法 | 第33-35页 |
| ·基于IWO的有噪ICA算法 | 第35-37页 |
| ·仿真实验 | 第37-44页 |
| ·仿真信号实验结果及分析 | 第37-41页 |
| ·实际信号实验结果及分析 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于IWO-NICA与SVM的流型识别方法 | 第45-68页 |
| ·支持向量机方法 | 第45-48页 |
| ·两类支持向量机 | 第45-48页 |
| ·多类支持向量机 | 第48页 |
| ·实验装置与实验方案 | 第48-50页 |
| ·实验装置 | 第48-49页 |
| ·实验步骤 | 第49-50页 |
| ·流型特征提取 | 第50-64页 |
| ·差压信号特征分析 | 第50-52页 |
| ·基于IWO-NICA的特征提取 | 第52-58页 |
| ·基于经验模式分解的特征提取 | 第58-61页 |
| ·基于小波分解的特征提取 | 第61-64页 |
| ·基于IWO-NICA算法和SVM结合的流型识别方法 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 总结与展望 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 攻读硕士学位期间取得的学术成果和科研情况说明 | 第76-77页 |
| 致谢 | 第77页 |