典型文献
基于1D-CNN-AdaBoost及电阻层析成像的两相流流型辨识
文献摘要：
基于电阻层析成像(ERT)系统采集的垂直管气液两相流测量数据,将一维卷积神经网络(1D-CNN)与AdaBoost(Adaptive Boosting)相结合,构建1 D-CNN-AdaBoost算法,进行了气液两相流流型辩识研究.该算法使用5个1D-CNN作为弱分类器,通过实验数据样本训练,结合AdaBoost形成最终的强分类器.将1 D-CNN-AdaBoost算法与BP神经网络、支持向量机及决策树算法进行比较,结果表明,1D-CNN-AdaBoost算法辨识正确率高于其他算法,平均辨识正确率可达97％.
文献关键词：
计量学;流型辨识;电阻层析成像;卷积神经网络;自适应提升
中图分类号：
作者姓名：
张立峰;肖凯;华回春
作者机构：
华北电力大学 自动化系,河北保定071003;华北电力大学数理系,河北保定071003
文献出处：
引用格式：
[1]张立峰;肖凯;华回春-.基于1D-CNN-AdaBoost及电阻层析成像的两相流流型辨识)[J].计量学报,2022(12):1622-1626
A类：
B类：
1D,AdaBoost,电阻层析成像,流流,流型辨识,ERT,垂直管,气液两相流,测量数据,一维卷积神经网络,Adaptive,Boosting,辩识,弱分类器,样本训练,决策树算法,自适应提升
AB值：
0.272396
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。
