摘要
本发明公开了一种基于集成学习的汽液两相流流型识别方法及相关设备,涉及流场识别技术领域,解决了现有的流型识别方法无法兼顾识别精度和识别速度,且鲁棒性较差的问题,其技术方案要点是:包括:获取不同流型的汽液两相流图像,对汽液两相流图像进行预处理;基于预处理后的汽液两相流图像提取特征信息和对应的标签信息作为样本数据;基于样本数据划分训练集和测试集,基于训练集训练多种类型的多个基学习器;基于训练完成的基学习器构建集成模型,集成模型根据投票法识别流型;将单个机器学习算法的优点进行集中,使得机器学习算法在识别汽液两相流时能同时兼顾速度和识别精度,具有更好的识别鲁棒性和泛化能力。
技术关键词
学习器
样本
图像提取特征
累积误差
预测误差
计算机设备
训练集
灰度直方图
机器学习算法
计算机存储介质
K折交叉验证法
流型识别方法
计算机程序产品
决策树训练
可执行程序代码
鲁棒性
两相流
标签
系统为您推荐了相关专利信息
混凝土模型
样本
测试孔隙率
混凝土应力应变
曲线
故障诊断模型
滑动窗口算法
条件生成对抗网络
样本
焦点损失函数
电弧故障检测方法
经验模态分解算法
信号
集合经验模态分解
DBSCAN算法