陳宇等

摘要：針對電容層析成像反問題流型識別較難的問題，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，通過訓練得到各類流型所對應的高斯混合模型參數(shù)，構(gòu)造分類器實現(xiàn)對五種流型的快速與精準的識別。實驗結(jié)果表明，該算法與BP神經(jīng)網(wǎng)絡、sVM、決策樹識別算法相比，辨識準確率高、識別速度快，為電容層析成像流型辨識算法的研究提供了一個新思路。endprint

摘要：針對電容層析成像反問題流型識別較難的問題，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，通過訓練得到各類流型所對應的高斯混合模型參數(shù)，構(gòu)造分類器實現(xiàn)對五種流型的快速與精準的識別。實驗結(jié)果表明，該算法與BP神經(jīng)網(wǎng)絡、sVM、決策樹識別算法相比，辨識準確率高、識別速度快，為電容層析成像流型辨識算法的研究提供了一個新思路。endprint

摘要：針對電容層析成像反問題流型識別較難的問題，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，通過訓練得到各類流型所對應的高斯混合模型參數(shù)，構(gòu)造分類器實現(xiàn)對五種流型的快速與精準的識別。實驗結(jié)果表明，該算法與BP神經(jīng)網(wǎng)絡、sVM、決策樹識別算法相比，辨識準確率高、識別速度快，為電容層析成像流型辨識算法的研究提供了一個新思路。endprint