基于RW-GN的电容层析成像流型辩识算法

为解决电容层析成像反问题流型识别困难的问题,提出一种基于修正加权高斯牛顿的神经网络(RW-GN)对电容层析成像流型辩识的算法。在研究高斯牛顿算法原理的基础上,对原算法进行优化,对优化之后算法的稳定性进行验证;在此基础上探讨将基于修正加权高斯牛顿的神经网络算法应用于电容层析成像流型辨识的可行性。实验结果表明,与BP神经网络、SVM、决策树识别算法相比,该算法对5种流型有较高的识别率。