资料下载
×
如何使用FPGA实现ECT图像重建的算法
消耗积分:0 |
格式:rar |
大小:0.46 MB |
2021-01-22
分享资料个
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。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
