| 第一章 绪论 | 第1-13页 |
| ·本文研究的背景 | 第10-11页 |
| ·过程成像技术和两相流参数测量 | 第10页 |
| ·ECT系统及研究图像重建算法的意义 | 第10-11页 |
| ·本文研究的意义 | 第11页 |
| ·主要工作和论文的组织结构 | 第11-13页 |
| ·主要工作 | 第11-12页 |
| ·论文的组织结构 | 第12-13页 |
| 第二章 ECT系统及图像重建算法 | 第13-20页 |
| ·ECT系统基本原理 | 第13-15页 |
| ·ECT技术的数学基础 | 第13-14页 |
| ·ECT系统基本原理 | 第14-15页 |
| ·ECT系统的正问题和逆问题 | 第15-16页 |
| ·ECT系统常用图像重建算法 | 第16-18页 |
| ·线性反投影法LBP | 第16-17页 |
| ·迭代算法 | 第17-18页 |
| ·人工神经网络法 | 第18页 |
| ·RBF神经网络应用于的图像重建可行性 | 第18-20页 |
| 第三章 RBF神经网络和遗传算法的概念及原理 | 第20-34页 |
| ·神经网络基本概念 | 第20-22页 |
| ·神经元模型 | 第20-21页 |
| ·常用的网络结构 | 第21页 |
| ·网络的学习方式及规则 | 第21-22页 |
| ·RBF神经网络基本原理 | 第22-26页 |
| ·RBF神经网络理论基础 | 第22-24页 |
| ·网络结构及工作方式 | 第24-26页 |
| ·RBF神经网络的学习概述 | 第26页 |
| ·遗传算法基础 | 第26-34页 |
| ·遗传算法基本概念 | 第26-27页 |
| ·遗传算法的原理 | 第27-28页 |
| ·遗传算法的应用关键 | 第28-31页 |
| ·遗传算法的特点及理论基础 | 第31-32页 |
| ·遗传算法的应用现状及在神经网络的中的应用 | 第32-34页 |
| 第四章 RBF神经网络设计 | 第34-49页 |
| ·应用于ECT图像重建的RBF神经网络的特点 | 第34页 |
| ·RBF神经网络的各学习参数分析及解决策略 | 第34-35页 |
| ·改进的最小邻聚类方法 | 第35-37页 |
| ·从隐层到输出层的各连接权值ω有监督的学习方法 | 第37页 |
| ·RBF的神经网络的学习算法框架 | 第37-39页 |
| ·网络的学习算法 | 第39-40页 |
| ·遗传算法的参数设置和分析 | 第40-45页 |
| ·编码方案 | 第41-42页 |
| ·适应值计算 | 第42-43页 |
| ·遗传算子 | 第43-45页 |
| ·演化实例分析 | 第45-49页 |
| ·遗传算法的控制参数的选取 | 第45页 |
| ·实验原始数据及说明 | 第45-46页 |
| ·实验结果数据及分析 | 第46-49页 |
| 第五章 基于RBF神经网络的图像重建及仿真实验 | 第49-57页 |
| ·基于RBF神经网络的ECT图像重建 | 第49页 |
| ·样本的选取 | 第49页 |
| ·基于RBF网络的ECT图像重建的仿真实验及其推广能力分析 | 第49-55页 |
| ·实验的条件及评价标准 | 第50-51页 |
| ·RBF法的图像重建及推广能力分析 | 第51-55页 |
| ·RBF方法同LBP方法实验结果比较 | 第55-57页 |
| 第六章 ECT系统的软件设计 | 第57-66页 |
| ·ECT系统的数据采集系统 | 第57-60页 |
| ·数据采集算法 | 第57页 |
| ·数据采集的实现 | 第57-60页 |
| ·成像软件设计 | 第60-63页 |
| ·在线成像软件设计 | 第60-61页 |
| ·离线成像软件设计 | 第61-63页 |
| ·RBF网络学习算法的实现 | 第63-66页 |
| 第七章 总结与展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表录用的学术论文目录及参与的科研项目 | 第71-72页 |
| 附录1 | 第72页 |