一种基于机器学习的流场特征提取方法、装置及存储介质

摘要

本申请涉及一种基于机器学习的流场特征提取方法、装置及存储介质，方法包括构建训练样本、利用Adaboost迭代算法，针对训练样本训练四个维度的弱分类器并确定各个弱分类器的权重，四个弱分类器包括基于识别压力的局部最小值或涡度的局部最大值的局部技术的第一弱分类器、基于归一化螺旋度的技术、基于速度梯度张量J的涡旋检测方法的第二弱分类器、基于Δ、Q和λ2检测器表达式中出现的各种项的维数一致性来确定等效阈值的方法构建的第三弱分类器以及基于固定点的涡流识别方法的第四弱分类器；通过Adaboost集成学习算法将第一弱分类器、第二弱分类器、第三弱分类器和第四弱分类器进行集成得到复合分类器。该方法能提高涡旋分类的精准度和鲁棒性。