一种基于机器学习的电介质材料筛选方法

本发明公开了一种基于机器学习的电介质材料筛选方法，包括：将待筛选电滞回线图像输入到训练好的分类模型中，获得对应的分类结果；该分类模型的训练步骤为：对获取的历史电滞回线图像数据进行数据增强和预处理，得到训练灰度图像数据集和测试灰度图像数据集；对这两个数据集均进行特征提取和标签化处理，得到对应的训练集和测试集；采用网格搜索和交叉验证的策略对设定的机器学习分类器进行超参数优化，得到机器学习分类器的最优超参数；基于最优超参数，依据训练集进行模型训练，得到最优机器学习模型作为分类模型，并依据测试集进行测试。该方法不仅实现了电介质材料类别的快速准确筛选，而且能够应变不同图像质量和绘图风格的电滞回线图像。