摘要
本发明涉及基于图卷积神经网络的电磁层析成像重建方法与系统,方法包括:对目标图像的待测区域进行网格划分,获取若干网格单元并构造拓扑图;基于拓扑图中节点和边构建电磁特性单元,计算电磁特性单元的电导率分布及对应的电流密度分布,获取拓扑图中的节点特征;将节点特征构建为节点特征矩阵,并输入预训练的图卷积神经网络模型中,输出特征图;统计特征图中特征值的分布情况,并结合电磁特性在不同区域的集中程度和变化范围,获取多相流在搅拌过程中的混合状态,完成目标图像的电磁层析成像重建。本发明通过有效挖掘待测区域内非欧式数据的复杂关系,为多相流混合搅拌过程中的状态监测、流动行为分析及过程优化提供有力支持。
技术关键词
电磁层析成像
节点特征
卷积神经网络模型
拓扑图
输出特征
样本
网格
概率密度估计方法
特征值
DBSCAN聚类算法
图像灰度值
重建系统
矩阵
电磁耦合效应
加权平均法
数据
统计特征
系统为您推荐了相关专利信息
语义特征
伪造图像检测方法
教师
样本
图像检测器
移动轨迹信息
监管方法
区域停留时间
卷积神经网络模型
区域内作业
网格
融合神经网络
场强数据
深度学习网络模型
多层感知机
混合预测模型
交通流预测方法
云端服务器
长短期记忆网络
记忆单元