如何使用FPGA实现ECT图像重建的算法

网络整理 2021-01-22 16:23:44 0评

资料大小:0.46 MB

所需积分:0

下载次数:0

  支持向量机(svM)在解决小样本,非线性及高维模式识别问题等方面有许多优势,但在处理大规模数据集时训练速度缓慢。针对以上问题提出了SVM学习算法硬件化的设计,它可以在保证向量机学习速度的同时,提高支持向量机的硬件资源利用效率。ECT图像重建实验结果表明,在不影响分类精度的情况下,硬件实现有效减少了运行时间,在一些实时性要求较高的场合该方法的优点将尤为明显。

  电容层析成像(electrical capacitance tomography,ECT),它能对封闭的工业过程管道、容器等的内部两相流物场运动状态实现可视化实时监测,为两相流参数测量提供了一种可行的新方法Ⅲ。但由于受独立电容测量值少、系统敏感场的“软场”特性及待解问题的非线性等因素的限制,使ECT系统图像重建算法的求解有一定的困难,距离工业应用的要求比较远幽。支持向量机(support vector machines,SVM)是由VVapik等提出的一种样本学习技术,它基于结构风险最小化原则,具有良好的泛化能力和分类精确性捌。同时,它在解决小样本学习、非线性以及高维模式识别等问题中表现出特有的优势川,为ECT系统的图像重建提供了有力手段。

相关文章

0个回复

我要评论

热门标签