申请/专利权人：中南大学

申请日：2024-01-10

公开（公告）日：2024-04-09

公开（公告）号：CN117853844A

主分类号：G06V10/774

分类号：G06V10/774;G06V10/40;G06N20/20;G06V10/776

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本公开实施例中提供了一种基于数据和知识双驱动集成学习的泡沫浮选工况识别方法，属于数据处理技术领域，具体包括：收集不同工况下的泡沫图像；提取泡沫经验特征，形成原始训练数据集；用多种机器学习算法生成相同数量的基学习器；根据先验知识从待预测图像中提取泡沫特征，基学习器根据泡沫特征预测得到待预测图像属于各种工况的概率，然后利用各基学习器在验证集中的先验模型知识修正对待预测图像的预测概率；将基学习器修正后的预测概率构成决策矩阵，使用灰色关联—优劣解距离法评价每种工况；根据泡沫浮选所有工况的综合评价值，选出综合评价值最大的工况类型作为最终预测工况。通过本公开的方案，提高了预测适应性和精准度。

主权项：1.一种基于数据和知识双驱动集成学习的泡沫浮选工况识别方法，其特征在于，包括：步骤1，收集泡沫浮选不同工况下的泡沫图像；步骤2，根据先验知识从泡沫图像中提取泡沫经验特征，形成原始训练数据集；步骤3，采用K折交叉验证法的数据划分方式，将原始训练数据集划分多组的训练集和验证集，再用多种机器学习算法生成相同数量的基学习器；步骤4，根据先验知识从待预测图像中提取泡沫特征，基学习器根据泡沫特征预测得到待预测图像属于各种工况的概率，然后利用各基学习器在验证集中的先验模型知识修正对待预测图像的预测概率；步骤5，将基学习器修正后的预测概率构成决策矩阵，使用灰色关联—优劣解距离法评价每种工况；步骤6，根据泡沫浮选所有工况的综合评价值，选出综合评价值最大的工况类型作为最终预测工况。

全文数据：

权利要求：

百度查询： 中南大学 基于数据和知识双驱动集成学习的泡沫浮选工况识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD