哈尔滨理工大学学报
哈爾濱理工大學學報
합이빈리공대학학보
JOURNAL OF HARBIN UNIVERSITY OF SCIENCE AND TECHNOLOGY
2014年
6期
32-37
,共6页
陈宇%许莉薇%黄仲洋%江露
陳宇%許莉薇%黃仲洋%江露
진우%허리미%황중양%강로
电容层析成像%自适应差分演化优化极端学习机算法%辨识
電容層析成像%自適應差分縯化優化極耑學習機算法%辨識
전용층석성상%자괄응차분연화우화겁단학습궤산법%변식
electrical capacitance tomography%Self adaptive Different evolution extreme learning algorithm%identification
针对电容层析成像反问题流型识别较难的问题,提出了一种新的ECT流型辨识算法——差分演化优化极端学习机算法,进而提出了基于自适应差分演化优化极端学习机(SaDE-EML)的ECT辨识算法.在论述极端学习机算法的基础上,结合差分演化算法对极端学习机算法进行优化,自适应差分演化算法中的关键参数,通过训练得到各类流型的分类器的参数,构造分类器进行精准与快速分类.实验结果表明:该算法能有效克服极端学习机算法的缺点并提高了局部与全局收敛能力,通过与BP、SVM算法比较,该算法具有竞争力,并为电容层析成像流型辨识的研究提供了新算法.
針對電容層析成像反問題流型識彆較難的問題,提齣瞭一種新的ECT流型辨識算法——差分縯化優化極耑學習機算法,進而提齣瞭基于自適應差分縯化優化極耑學習機(SaDE-EML)的ECT辨識算法.在論述極耑學習機算法的基礎上,結閤差分縯化算法對極耑學習機算法進行優化,自適應差分縯化算法中的關鍵參數,通過訓練得到各類流型的分類器的參數,構造分類器進行精準與快速分類.實驗結果錶明:該算法能有效剋服極耑學習機算法的缺點併提高瞭跼部與全跼收斂能力,通過與BP、SVM算法比較,該算法具有競爭力,併為電容層析成像流型辨識的研究提供瞭新算法.
침대전용층석성상반문제류형식별교난적문제,제출료일충신적ECT류형변식산법——차분연화우화겁단학습궤산법,진이제출료기우자괄응차분연화우화겁단학습궤(SaDE-EML)적ECT변식산법.재논술겁단학습궤산법적기출상,결합차분연화산법대겁단학습궤산법진행우화,자괄응차분연화산법중적관건삼수,통과훈련득도각류류형적분류기적삼수,구조분류기진행정준여쾌속분류.실험결과표명:해산법능유효극복겁단학습궤산법적결점병제고료국부여전국수렴능력,통과여BP、SVM산법비교,해산법구유경쟁력,병위전용층석성상류형변식적연구제공료신산법.