陳宇等

摘要：針對(duì)電容層析成像反問題流型識(shí)別較難的問題，提出了一種基于高斯混合模型的電容層析成像流型辯識(shí)算法。在闡述高斯混合模型和EM算法的基礎(chǔ)上，結(jié)合Kmeans算法，通過訓(xùn)練得到各類流型所對(duì)應(yīng)的高斯混合模型參數(shù)，構(gòu)造分類器實(shí)現(xiàn)對(duì)五種流型的快速與精準(zhǔn)的識(shí)別。實(shí)驗(yàn)結(jié)果表明，該算法與BP神經(jīng)網(wǎng)絡(luò)、sVM、決策樹識(shí)別算法相比，辨識(shí)準(zhǔn)確率高、識(shí)別速度快，為電容層析成像流型辨識(shí)算法的研究提供了一個(gè)新思路。endprint

摘要：針對(duì)電容層析成像反問題流型識(shí)別較難的問題，提出了一種基于高斯混合模型的電容層析成像流型辯識(shí)算法。在闡述高斯混合模型和EM算法的基礎(chǔ)上，結(jié)合Kmeans算法，通過訓(xùn)練得到各類流型所對(duì)應(yīng)的高斯混合模型參數(shù)，構(gòu)造分類器實(shí)現(xiàn)對(duì)五種流型的快速與精準(zhǔn)的識(shí)別。實(shí)驗(yàn)結(jié)果表明，該算法與BP神經(jīng)網(wǎng)絡(luò)、sVM、決策樹識(shí)別算法相比，辨識(shí)準(zhǔn)確率高、識(shí)別速度快，為電容層析成像流型辨識(shí)算法的研究提供了一個(gè)新思路。endprint

摘要：針對(duì)電容層析成像反問題流型識(shí)別較難的問題，提出了一種基于高斯混合模型的電容層析成像流型辯識(shí)算法。在闡述高斯混合模型和EM算法的基礎(chǔ)上，結(jié)合Kmeans算法，通過訓(xùn)練得到各類流型所對(duì)應(yīng)的高斯混合模型參數(shù)，構(gòu)造分類器實(shí)現(xiàn)對(duì)五種流型的快速與精準(zhǔn)的識(shí)別。實(shí)驗(yàn)結(jié)果表明，該算法與BP神經(jīng)網(wǎng)絡(luò)、sVM、決策樹識(shí)別算法相比，辨識(shí)準(zhǔn)確率高、識(shí)別速度快，為電容層析成像流型辨識(shí)算法的研究提供了一個(gè)新思路。endprint