[发明专利]一种基于深度学习的异构融合气泡羽流特征提取方法有效
| 申请号： | 202110445999.0 | 申请日： | 2021-04-25 |
| 公开（公告）号： | CN112926606B | 公开（公告）日： | 2021-11-16 |
| 发明（设计）人： | 杨雪;刘静;郭铁铮;夏细明;刘家乐;陈玮 | 申请（专利权）人： | 南京工程学院 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06K9/32;G06K9/62;G06T7/11;G06N3/04;G06N3/08 |
| 代理公司： | 北京东方盛凡知识产权代理事务所(普通合伙) 11562 | 代理人： | 贾耀淇 |
| 地址： | 211167 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的异构融合气泡羽流特征提取方法，包括：S1、基于气泡羽流光学图像特点，构建气泡羽流光学图像特征提取CNN模型，实现多尺度特征的准确提取；S2、通过VGG16网络，构建波浪场中气泡羽流动态形态模型并对其进行训练，为特征融合提供瞬时流场特征标准化描述；S3、基于CNN模型与波浪场中气泡羽流动态形态模型之间的关联性和多重对应分析的全连接结构，设置自适应权重调整机制，用于复杂波浪场中气泡羽流动态形态的特征描述。本发明利用多重对应分析的思路改造网络全连接层结构，解析流体结构拓扑表征与异构特征动态融合间的关联性，实现全面、准确的复杂波浪场中气泡羽流动态形态特征描述。 | ||
| 搜索关键词： | 一种 基于 深度 学习 融合 气泡 特征 提取 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京工程学院，未经南京工程学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202110445999.0/，转载请声明来源钻瓜专利网。
