电容层析成像系统图像重建算法的分析和比较
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·多相流参数测量的应用背景 | 第11-13页 |
| ·过程层析成像技术综述 | 第13-17页 |
| ·过程层析成像发展介绍 | 第13-14页 |
| ·过程层析成像技术基本原理 | 第14-15页 |
| ·过程层析成像技术分类 | 第15-17页 |
| ·课题来源及主要研究内容 | 第17-19页 |
| 第2章 电容层析成像系统 | 第19-36页 |
| ·电容层析成像系统的组成 | 第19-22页 |
| ·传感器系统 | 第20-21页 |
| ·数据采集系统 | 第21-22页 |
| ·成像系统 | 第22页 |
| ·电容层析成像系统的基本原理 | 第22-28页 |
| ·电容层析成像系统的数学基础 | 第22-24页 |
| ·电容层析成像系统的正问题 | 第24页 |
| ·电容层析成像系统的逆问题 | 第24-26页 |
| ·不适定性 | 第26-28页 |
| ·正则化 | 第28-31页 |
| ·基本思想 | 第28-29页 |
| ·确定正则因子的策略 | 第29-31页 |
| ·电容层析成像系统成像的原理 | 第31-33页 |
| ·电容层析成像系统图像重建原理 | 第33-34页 |
| ·电容层析成像技术的研究现状 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 电容层析成像系统图像重建算法研究 | 第36-46页 |
| ·电容层析成像系统现有二维图像重建算法分析 | 第36-40页 |
| ·线性反投影算法 | 第36-37页 |
| ·迭代算法 | 第37-40页 |
| ·人工神经网络法 | 第40页 |
| ·图像重建效果的评价参数 | 第40-42页 |
| ·电容层析成像系统二维重建算法评述 | 第42-44页 |
| ·电容层析成像二维图像重建的难点 | 第42页 |
| ·现有二维图像重建算法的问题 | 第42-44页 |
| ·电容层析成像二维图像重建算法的讨论 | 第44页 |
| ·支持向量机方法应用于图像重建可行性 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 统计学习理论与支持向量机 | 第46-61页 |
| ·机器学习的基本问题 | 第46-48页 |
| ·学习问题的一般表示 | 第46-47页 |
| ·经验风险最小化原则 | 第47页 |
| ·模型复杂度与推广能力 | 第47-48页 |
| ·统计学习理论的基本思想 | 第48-52页 |
| ·VC 维 | 第49-50页 |
| ·泛化误差的边界 | 第50页 |
| ·结构风险最小化原理 | 第50-52页 |
| ·支持向量机 | 第52-60页 |
| ·线性支持向量机 | 第52-56页 |
| ·非线性支持向量机 | 第56-57页 |
| ·支持向量机回归 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 基于支持向量机的图像重建及仿真实验 | 第61-73页 |
| ·图像特征提取及归一化 | 第61-65页 |
| ·纹理特征提取 | 第61-63页 |
| ·象素灰度特征提取 | 第63-64页 |
| ·特征归一化 | 第64-65页 |
| ·训练样本的选取 | 第65页 |
| ·核函数的确定 | 第65-68页 |
| ·现有的方法及存在的问题 | 第66页 |
| ·高斯核函数 | 第66-68页 |
| ·实验结果及分析 | 第68-72页 |
| ·本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间发表的学术论文 | 第79-80页 |
| 致谢 | 第80页 |
