基于图像应用遗传-粒子群算法与遗神经网络结合的气液两相流型识别
本文采集了水平管内气液两相流动图片,利用图片的灰度分布特征进行了分析,定义了PDF方差、波峰峰值、波峰位置、图片的信息熵四个参数来反映流型的特征。运用四个参数构成的特征向量应用改进的BP神经网络进行识别。提出了一种基于遗传算法(GA)和粒子群算法(PSO)混合的算法GA-PSO用于神经网络训练.仿真结果表明：GA-PSO算法是有效的神经网络训练算法,其对流型的识别率达到90％以上,所需的样本数与识别时间也明显减少.
流型识别 图像处理 遗传算法 粒子群优化 神经网络
周云龙 李洪伟
东北电力大学,吉林,132012
国内会议
大庆
中文
757-761
2007-08-21（万方平台首次上网日期，不代表论文的发表时间）