基于有限元法的二维电阻抗成像算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 电阻抗技术背景、发展历史及研究现状 | 第8-9页 |
| 1.1.1 背景简介 | 第8页 |
| 1.1.2 发展历史及研究现状 | 第8-9页 |
| 1.2 本课题的研究意义以及应用前景 | 第9-11页 |
| 1.2.1 研究意义 | 第9-10页 |
| 1.2.2 应用前景 | 第10-11页 |
| 1.3 技术的难点 | 第11页 |
| 1.4 全文内容与布局 | 第11-13页 |
| 第二章 电阻抗成像技术的理论基础 | 第13-23页 |
| 2.1 电阻抗成像的生物医学基础 | 第13-15页 |
| 2.1.1 生物组织的电学特性 | 第13-14页 |
| 2.1.2 正常与病变组织的电阻率对比 | 第14-15页 |
| 2.2 电阻抗成像系统 | 第15-18页 |
| 2.2.1 硬件系统 | 第15-16页 |
| 2.2.2 硬件系统的分类 | 第16-17页 |
| 2.2.3 测量技术 | 第17-18页 |
| 2.3 电阻抗成像的基本原理 | 第18-22页 |
| 2.3.1 基本原理 | 第18-20页 |
| 2.3.2 场域的数学描述 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 有限元基本理论与建模 | 第23-33页 |
| 3.1 电阻抗成像正问题 | 第23页 |
| 3.2 有限元法 | 第23-29页 |
| 3.2.1 Laplace方程等价变分问题 | 第24-25页 |
| 3.2.2 单元分析 | 第25-27页 |
| 3.2.3 场域的剖分 | 第27-29页 |
| 3.3 物理模型及正问题求解 | 第29-32页 |
| 3.3.1 物理模型 | 第29-30页 |
| 3.3.2 正问题求解 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 修正的牛顿-拉夫逊算法 | 第33-46页 |
| 4.1 EIT逆问题 | 第33-34页 |
| 4.2 动态成像和静态成像 | 第34-35页 |
| 4.3 修正的牛顿-拉夫逊算法 | 第35-40页 |
| 4.3.1 Newton迭代算法 | 第35-36页 |
| 4.3.2 Newton-Raphson算法 | 第36-38页 |
| 4.3.3 正则化技术 | 第38-40页 |
| 4.4 仿真实验与结果分析 | 第40-45页 |
| 4.4.1 雅克比矩阵 | 第40页 |
| 4.4.2 仿真实验和结果分析 | 第40-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 基于SVR的电参数成像算法 | 第46-64页 |
| 5.1 统计学习理论 | 第46-50页 |
| 5.1.1 机器学习 | 第46-47页 |
| 5.1.2 经验风险最小化原则 | 第47-48页 |
| 5.1.3 VC维 | 第48-49页 |
| 5.1.4 结构风险最小化原则 | 第49-50页 |
| 5.2 SVM的基本理论 | 第50-57页 |
| 5.2.1 支持向量机回归 | 第51-54页 |
| 5.2.2 核函数 | 第54-56页 |
| 5.2.3 参数选择方法 | 第56-57页 |
| 5.3 基于遗传算法的参数优化 | 第57-59页 |
| 5.3.1 遗传算法概述 | 第57-59页 |
| 5.3.2 参数优化 | 第59页 |
| 5.4 仿真实验与结果分析 | 第59-63页 |
| 5.4.1 实验设计 | 第59-60页 |
| 5.4.2 仿真分析 | 第60-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结全文 | 第64页 |
| 6.2 下一步的工作 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69页 |
