典型文献
基于双通道混合网络融合支持向量机的电容层析成像流型辨识
文献摘要：
针对两相流流型辨识精度低的问题,提出一种基于双通道混合网络融合支持向量机的流型辨识算法.通过多尺度卷积核对电容向量进行多尺度特征提取丰富特征层信息,利用压缩激励网络(SENet)关注卷积核通道上重要特征张量,调整各通道的重要占比,此外引入多头自注意力机制对电容向量的深度特征进行学习.将带有SENet的多尺度卷积通道与多头自注意力通道进行特征融合形成双通道辨识模型,最后将双通道模型有效捕捉到的电容向量特征的特征送入支持向量机中进行训练并测试.仿真实验结果表明,相比于BP神经网络、SVM、1DCNN算法,所提算法在流型辨识中的平均辨识率显著提升,高达98.6％.
文献关键词：
多尺度特征;压缩激励网络;支持向量机;电容层析成像;流型辨识
中图分类号：
作者姓名：
马敏;李继伟;曾田
作者机构：
中国民航大学电子信息与自动化学院 天津300300
文献出处：
引用格式：
[1]马敏;李继伟;曾田-.基于双通道混合网络融合支持向量机的电容层析成像流型辨识)[J].电子测量技术,2022(04):153-159
A类：
压缩激励网络
B类：
混合网络,网络融合,电容层析成像,流型辨识,两相流,流流,辨识精度,多尺度卷积核,核对,多尺度特征提取,SENet,张量,多头自注意力机制,深度特征,特征融合,成双,辨识模型,双通道模型,捕捉到,送入,1DCNN
AB值：
0.231879
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
