基于支持向量机的电阻层析成像系统流型识别研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·多相流检测技术 | 第10-13页 |
| ·多相流检测技术研究的重要意义 | 第10-11页 |
| ·多相流检测技术的主要参数 | 第11页 |
| ·多相流检测技术的发展现状 | 第11-12页 |
| ·多相流检测技术的发展趋势 | 第12-13页 |
| ·过程层析成像技术 | 第13-14页 |
| ·PT 技术基本原理 | 第13页 |
| ·PT 技术分类 | 第13-14页 |
| ·流型识别方法的研究现状及存在的问题 | 第14-16页 |
| ·流型识别方法的研究现状 | 第14-15页 |
| ·流型识别存在的问题 | 第15-16页 |
| ·支持向量机的发展简史与现状 | 第16-17页 |
| ·课题来源及研究的主要内容 | 第17-18页 |
| 第2章 电阻层析成像技术 | 第18-23页 |
| ·ERT 的系统构成及技术特点 | 第18-20页 |
| ·ERT 技术应用研究现状 | 第20-21页 |
| ·ERT 技术发展中必须解决的关键问题 | 第21页 |
| ·ERT 技术应用前景展望 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于主成分分析的特征提取 | 第23-26页 |
| ·使用主成分分析进行特征提取的必要性 | 第23页 |
| ·主成分分析原理 | 第23-24页 |
| ·对包含在类平均向量中的判别信息进行最优压缩 | 第24-25页 |
| ·从类平均向量中提取判别信息 | 第24页 |
| ·包含在类平均向量中判别信息的最优压缩 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第4章 支持向量机 | 第26-39页 |
| ·引言 | 第26页 |
| ·统计学习理论的核心内容 | 第26-31页 |
| ·学习过程一致性的条件 | 第26-27页 |
| ·函数集的VC 维 | 第27页 |
| ·推广性的界 | 第27-29页 |
| ·结构风险最小化原则 | 第29-31页 |
| ·支持向量机的研究 | 第31-37页 |
| ·线性可分情况 | 第31-33页 |
| ·线性不可分情况 | 第33-35页 |
| ·支持向量机的说明 | 第35-37页 |
| ·支持向量机的基本算法 | 第37-38页 |
| ·支持向量机学习算法的步骤 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第5章 基于支持向量机的ERT 系统流型识别 | 第39-54页 |
| ·基于支持向量机的ERT 系统流型识别方法概述 | 第39页 |
| ·用主成分分析进行特征提取的算法步骤 | 第39-40页 |
| ·支持向量机多类别分类模型的构建 | 第40-47页 |
| ·支持向量机的算法选择 | 第40-43页 |
| ·支持向量机多类别分类方法的选择 | 第43-45页 |
| ·构建基于一对余类策略的支持向量机多类分类模型 | 第45-47页 |
| ·模型可能存在的问题及解决办法 | 第47页 |
| ·油水两相流流型识别实验过程及结果分析 | 第47-52页 |
| ·对样本进行特征提取 | 第47-50页 |
| ·通过实验对比选择核函数 | 第50-51页 |
| ·参数选择 | 第51-52页 |
| ·四种流型识别结果及结果分析 | 第52页 |
| ·本章小结 | 第52-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间所发表的学术论文 | 第60-61页 |
| 致谢 | 第61页 |
