基于表示学习和混合聚类的关键时间步选取方法及系统

本发明涉及流体大数据智能可视分析技术领域，公开了一种基于表示学习和混合聚类的关键时间步选取方法及系统，其中方法包括：构建基于物理知识引导的深度卷积自编码器用于流场低维表示学习，并以无监督学习方式获取每个时间步流场的特征向量，形成流场特征序列；基于流形学习方法对所述流场特征序列进行处理得到二维紧致表示，并在二维空间中采用混合聚类方法选取关键时间步。本发明的嵌入物理知识深度卷积自编码器充分考虑了流场中的潜在物理规律，能精准地提取出流场的低维表示；基于流形学习和混合聚类的方法解决了传统聚类方法在高维数据中性能受限的问题，可直观快速选取流场关键时间步。