成像流型辨识算法.pdfVIP

第 19卷 第4期 哈 尔 滨 理 工 大 学 学 报 VoI．19 No．4 2014年 8月 JOURNALOFHARBIN UNIVERSITY OFSCIENCEAND TECHNOLOGY Aug．2014 成像流型辨识算法 陈 宇， 许莉薇， 江 露， 黄仲洋 (东北林业大学 信息与计算机工程学院，黑龙江 哈尔滨 150040) 摘 要：针对电容层析成像反问题流型识别较难的问题，提出了一种基于高斯混合模型的电容 层析成像流型辩识算法．在阐述高斯混合模型和EM算法的基础上，结合 Kmeans算法，通过训练得 到各类流型所对应的高斯混合模型参数，构造分类器实现对五种流型的快速与精准的识别．实验结 果表明，该算法与BP神经网络、SVM、决策树识别算法相比，辨识准确率高、识别速度快，为电容层 析成像流型辨识算法的研究提供 了一个新思路． 关键词：电容层析成像；高斯混合模型；参数估计 中图分类号：TP181 文献标志码：A 文章编号：1007-2683(2014)o4—0111—06 ElectricalCapacitanceTomographyIdentification Algorithm BasedonGMM Model CHEN Yu， XULi—wei， JIANGLu， HUANGZhong一 (SchoolofInformationandComputerScience，NortheastForestryUniversity，Harbin150040，China) Abstract：Tosolvetheflowpatternidentifieatioladifficultyinelectricalcapacitancetomography(ECT)，a gaussianmixturemodel(GMM)flowpatternidentificationalgorithmforelectricalcapacitancetomographysystemis presented．OnthebasisofGaussianmixturemodel(GMM)andtheprincipleofEMalgorithm，theKmeansalgo— rithmshouldbeunitedinwedlock．Thenwegettheparameterofgaussianmixturemodel(GMM)throughtraining ofelectricalcapacitancetomographyflowpattern，establishaclassifierofgaussianmixturemodel(GMM)toachieve thegoaloffasteridentificationoffiveflowpatterns．Theexperimentalresultshowsthatthealgorithm hashigheri— dentificationaccuracythanthealgorithm ofneuralnetworkandsupportvectormachineanddecisiontree．Thealgo- rithm providesanew ideaofrtheresearchontheelectricalcapacitancetomographyidentificationalgorithm． Keywords：electricalcapacitancetomography；Gaussianmixturemodel；EM 两相流的在线监测和测量是以两相流的在线识别为 0 引 言 基础． 两相流系统是两相物质所组成的流动系统．在 两