一种基于机器学习的泡状激波空化阶段识别方法及系统

本发明提出一种基于机器学习的泡状激波空化阶段识别方法及系统，利用密度峰值聚类算法，根据局部密度和相对距离对空化图像集进行聚类分析，根据聚类分析结果确定泡状激波主导工况下的空化演变阶段，并作为相应空化图像的标签，解决现有对泡状激波主导的空化演变阶段标注困难的问题；此外，将空化图像提取的特征，额外增加两个能够表示空化动态演变过程的动态特征即平均灰度的差值和斜率，对分类模型进行训练，显著增强了分类模型的特征表达能力，使分类模型能够更准确地识别空化阶段。