基于人工鱼群算法的电容层析成像图像重建
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·多相流检测技术简介 | 第11-13页 |
| ·多相流系统分类 | 第11页 |
| ·多相流检测系统中的主要参数 | 第11-12页 |
| ·多相流检测技术的发展现状以及未来趋势 | 第12-13页 |
| ·过程层析成像技术 | 第13-16页 |
| ·过程层析成像的理论基础 | 第13-14页 |
| ·PT 技术分类 | 第14-16页 |
| ·PT 技术的发展趋势 | 第16页 |
| ·课题来源及论文主要研究内容 | 第16-18页 |
| 第2章 电容层析成像系统与图像重建原理 | 第18-30页 |
| ·ECT 技术的研究现状及展望 | 第18-20页 |
| ·ECT 技术的研究现状 | 第18-19页 |
| ·ECT 技术的发展展望 | 第19-20页 |
| ·ECT 成像系统的构成 | 第20-24页 |
| ·电容传感器 | 第20-23页 |
| ·数据采集系统 | 第23页 |
| ·图像重建系统 | 第23-24页 |
| ·ECT 图像重建技术的工作原理 | 第24-29页 |
| ·电容层析成像的数学模型 | 第24-25页 |
| ·灵敏度分布函数及图像重建原理 | 第25-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 电容层析成像的图像重建算法 | 第30-42页 |
| ·ECT 图像重建算法综述 | 第30-34页 |
| ·线性反投影算法 | 第30-32页 |
| ·Landweber 的迭代法 | 第32-33页 |
| ·代数重建技术和同步迭代重建技术 | 第33页 |
| ·其他算法 | 第33-34页 |
| ·RBF 神经网络算法在电容层析成像中的应用 | 第34-41页 |
| ·人工神经网络介绍 | 第34-37页 |
| ·RBF 神经网络介绍 | 第37-38页 |
| ·RBF 神经网络学习算法 | 第38-40页 |
| ·应用RBF 神经网络进行图像重建 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于人工鱼群的ECT 图像重建算法 | 第42-53页 |
| ·智能仿生算法介绍 | 第42-45页 |
| ·粒子群优化算法 | 第43页 |
| ·遗传算法 | 第43-44页 |
| ·蚁群算法 | 第44-45页 |
| ·人工鱼群算法描述 | 第45-49页 |
| ·鱼群算法的参数 | 第45页 |
| ·鱼群的觅食行为 | 第45-46页 |
| ·鱼群的聚群行为 | 第46-48页 |
| ·鱼群的追尾行为 | 第48-49页 |
| ·公告板 | 第49页 |
| ·对人工鱼群算法改进 | 第49-50页 |
| ·变尺度步长改进 | 第49-50页 |
| ·视野的自适应改进 | 第50页 |
| ·应用在ECT 上的人工鱼群算法改进 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 图像重建算法实验结果的分析 | 第53-62页 |
| ·实验环境的建立 | 第53-58页 |
| ·用于图像重建的实验设计 | 第53-56页 |
| ·电容测量数据的获取 | 第56-58页 |
| ·实验结果分析 | 第58-61页 |
| ·重建图像结果分析 | 第58-60页 |
| ·误差分析 | 第60-61页 |
| ·实验结论 | 第61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |
