论文部分内容阅读
针对传统的电容层析成像(ECT)流型识别方法识别率低的问题,提出一种基于集成学习理论的ECT流型识别方法。将ECT系统获得的大量流型数据进行归一化处理,并将样本数据的60%随机分配给训练数据,40%作为测试数据。在现有随机森林分类器的基础上进行改进,通过对单一流型进行识别,获取各类流型的识别标签,并通过组合策略的原则将多个单类标签结果进行重组,最终获取多种流型分类结果。对8种典型流型的仿真实验结果表明,该方法继承了传统的随机森林的分类特点。在5～40 dB信噪比的情况下,识别率有明显的提升,最高可达