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
2015年
3期
40-44
,共5页
李岩%杜永斌%宋海丰%满志强%任相花
李巖%杜永斌%宋海豐%滿誌彊%任相花
리암%두영빈%송해봉%만지강%임상화
电容层析成像%支持向量机%轮换对称性%选择分块%图像重建
電容層析成像%支持嚮量機%輪換對稱性%選擇分塊%圖像重建
전용층석성상%지지향량궤%륜환대칭성%선택분괴%도상중건
electrical capacitance tomography%support vector machine%cyclic symmetry%choice and segmentation%image reconstruction
针对在处理大规模样本集的ECT系统数据时,SVM算法存在的图像重建的成像精度不高及速度慢的问题,采用了轮换对称分块支持向量机CSPSVM算法.算法利用ECT系统模型的轮换对称性,将大样本矩阵按照成像单元某一层按轮换对称性进行简化,并选择性分块,形成多个小样本矩阵;然后分别采用SVM算法进行训练,用得出的决策函数进行样本预测;最后将各成像单元组合成像.图像重建实验结果表明使用CSPSVM改进算法要比单独使用SVM算法重建图像具有更高的分类精度和更短的成像时间.
針對在處理大規模樣本集的ECT繫統數據時,SVM算法存在的圖像重建的成像精度不高及速度慢的問題,採用瞭輪換對稱分塊支持嚮量機CSPSVM算法.算法利用ECT繫統模型的輪換對稱性,將大樣本矩陣按照成像單元某一層按輪換對稱性進行簡化,併選擇性分塊,形成多箇小樣本矩陣;然後分彆採用SVM算法進行訓練,用得齣的決策函數進行樣本預測;最後將各成像單元組閤成像.圖像重建實驗結果錶明使用CSPSVM改進算法要比單獨使用SVM算法重建圖像具有更高的分類精度和更短的成像時間.
침대재처리대규모양본집적ECT계통수거시,SVM산법존재적도상중건적성상정도불고급속도만적문제,채용료륜환대칭분괴지지향량궤CSPSVM산법.산법이용ECT계통모형적륜환대칭성,장대양본구진안조성상단원모일층안륜환대칭성진행간화,병선택성분괴,형성다개소양본구진;연후분별채용SVM산법진행훈련,용득출적결책함수진행양본예측;최후장각성상단원조합성상.도상중건실험결과표명사용CSPSVM개진산법요비단독사용SVM산법중건도상구유경고적분류정도화경단적성상시간.
