基于复杂网络的深度学习模型及在测量信号分析中的应用

摘要

一种基于复杂网络的深度学习模型及在测量信号分析中的应用：设定对于测量信号通过可视图的方法构建复杂网络的原理，建立可视图复杂网络；对于每一通道测量信号采用可视图的方法建立复杂网络，对于每一个网络，提取以下指标：节点聚集系数、节点度、节点介数、节点接近中心度和节点特征向量中心性；建立深度学习模型。采用循环激励电导传感器进行垂直油水两相流实验获取测量信号；固定油相和水相的配比，改变油相和水相的流量进行实验。本发明通过对测量信号构建复杂网络，用复杂网络的大量指标组成样本，作为深度学习模型的输入，通过逐层优化的机制，有监督学习和无监督学习相结合，得到深度学习模型，该模型可用于对未知类别的测量信号的预测与分类。