RBF神经网络在ECT图像重建中的应用研究

摘要

该文采用两级遗传算法作为RBF网络学习算法的主体,即用第一级遗传算法来演化确定RBF网络的隐居个数,第二级遗传算法来演化确定RBF网络的基函数参数.其中在第二级演化中,先用最小邻聚法确定搜索空间,然后再在此空间内进行演化,其中用最小二乘法来确定从隐层到输出层的连接权值.此外,还对两级遗传算法的演化效果进行了分析.该文对基于RBF网络的ECT图像重建方法,进行了一系列的仿真实验,并与LBP方法的图像重建重量进行了比较.最后,对ECT系统的数据采集部分进行了说细的分析.实现了ECT系统的成像软件,包括在线和离线成像系统软件设计.

目录

文摘

英文文摘

第一章绪论

1.1本文研究的背景

1.1.1过程成像技术和两相流参数测量

1.1.2 ECT系统及研究图像重建算法的意义

1.2本文研究的意义

1.3主要工作和论文的组织结构

1.3.1主要工作

1.3.2论文的组织结构

第二章ECT系统及图像重建算法

2.1 ECT系统基本原理

2.1.1 ECT技术的数学基础

2.1.2 ECT系统基本原理

2.2 ECT系统的正问题和逆问题

2.3 ECT系统常用图像重建算法

2.3.1线性反投影法LBP

2.3.2迭代算法

2.3.3人工神经网络法

2.4RBF神经网络应用于的图像重建可行性

第三章RBF神经网络和遗传算法的概念及原理

3.1神经网络基本概念

3.1.1神经元模型

3.1.2常用的网络结构

3.1.3网络的学习方式及规则

3.2 RBF神经网络基本原理

3.2.1RBF神经网络理论基础

3.2.2网络结构及工作方式

3.3RBF神经网络的学习概述

3.4遗传算法基础

3.4.1遗传算法基本概念

3.4.2遗传算法的原理

3.4.3遗传算法的应用关键

3.4.4遗传算法的特点及理论基础

3.4.5遗传算法的应用现状及在神经网络的中的应用

第四章RBF神经网络设计

4.1应用于ECT图像重建的RBF神经网络的特点

4.2 RBF神经网络的各学习参数分析及解决策略

4.3改进的最小邻聚类方法

4.4从隐层到输出层的各连接权值ω有监督的学习方法

4.5 RBF的神经网络的学习算法框架

4.6网络的学习算法

4.7遗传算法的参数设置和分析

4.7.1编码方案

4.7.2适应值计算

4.7.3遗传算子

4.8演化实例分析

4.8.1遗传算法的控制参数的选取

4.8.2实验原始数据及说明

4.8.3实验结果数据及分析

第五章基于RBF神经网络的图像重建及仿真实验

5.1基于RBF神经网络的ECT图像重建

5.2样本的选取

5.3基于RBF网络的ECT图像重建的仿真实验及其推广能力分析

5.3.1实验的条件及评价标准

5.3.2 RBF法的图像重建及推广能力分析

5.4 RBF方法同LBP方法实验结果比较

第六章ECT系统的软件设计

6.1 ECT系统的数据采集系统

6.1.1数据采集算法

6.1.2数据采集的实现

6.2成像软件设计

6.2.1在线成像软件设计

6.2.2离线成像软件设计

6.3 RBF网络学习算法的实现

第七章总结与展望

参考文献

致谢

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