首页--工业技术论文--矿业工程论文--选矿论文--金属矿选矿论文--有色金属矿选矿论文

菱镁矿石品级分类建模方法研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第11-21页
    1.1 菱镁矿第11-13页
        1.1.1 菱镁矿资源分布第11-12页
        1.1.2 我国菱镁矿资源现状第12-13页
    1.2 红外光谱技术第13-17页
        1.2.1 红外光谱原理第13-14页
        1.2.2 近红外光谱分析技术和应用第14-15页
        1.2.3 近红外光谱分析仪器第15页
        1.2.4 近红外光谱分析技术存在的问题第15-17页
        1.2.5 近红外光谱分析技术的一般流程第17页
    1.3 研究现状第17-19页
    1.4 论文的主要内容及结构第19-21页
第2章 菱镁矿石光谱数据的采集第21-33页
    2.1 实验设备第21-22页
    2.2 菱镁矿石品级的化学测定第22-27页
        2.2.1 菱镁矿石样品中CaO,MgO含量的测定第22-23页
        2.2.2 实验试剂的选择和制取第23-24页
        2.2.3 钙、镁含量测定第24-25页
        2.2.4 重量法测定菱镁矿石中的二氧化硅第25-27页
    2.3 菱镁矿石样本光谱数据的获取第27-29页
        2.3.1 实验过程中的影响因素第27-28页
        2.3.2 菱镁矿光谱实验前准备第28页
        2.3.3 菱镁矿光谱实验步骤第28-29页
    2.4 光谱数据的特征第29-31页
        2.4.1 高维数据的特征第30-31页
        2.4.2 数据的降维方式第31页
    2.5 本章总结第31-33页
第3章 基于近红外光谱的菱镁矿石品级PCA-ELM二分类模型第33-51页
    3.1 主元分析法(PCA)第33-37页
        3.1.1 PCA算法原理第34页
        3.1.2 主成分计算步骤第34-35页
        3.1.3 菱镁矿石样本的PCA降维处理第35-37页
    3.2 极限学习机第37-42页
        3.2.1 神经网络简介第37-38页
        3.2.2 单隐含层前馈神经网络(SLFN)结构及其数学描述第38-40页
        3.2.3 极限学习机算法描述第40-42页
    3.3 基于PCA-ELM的菱镁矿石二分类模型第42-49页
        3.3.1 模型数据的选择和参数的确定第43-45页
        3.3.2 实验仿真与结果分析第45-49页
    3.4 本章小结第49-51页
第4章 基于近红外光谱的菱镁矿石品级SAE和ELM多分类模型第51-63页
    4.1 自编码网络第51-56页
        4.1.1 自动编码器第51-55页
        4.1.2 稀疏自编码第55-56页
        4.1.3 栈式自编码网络第56页
    4.2 基于SAE和ELM的实验仿真第56-59页
        4.2.1 基于近红外光谱的SAE的菱镁矿石品级多分类实验仿真第57-58页
        4.2.2 基于近红外光谱的SAE-ELM的菱镁矿石品级多分类实验仿真第58-59页
    4.3 集成学习方法第59-62页
        4.3.1 集成学习基本概念第60页
        4.3.2 集成SAE-ELM菱镁矿石品级多分类模型仿真第60-62页
    4.4 本章小结第62-63页
第5章 结论和展望第63-65页
    5.1 结论第63-64页
    5.2 展望第64-65页
参考文献第65-69页
致谢第69-71页
硕士期间研究成果第71页

论文共71页,点击 下载论文
上一篇:采煤机摇臂传动系统抗疲劳可靠性灵敏度计算
下一篇:基于改进集成随机权神经网络的精矿产量在线预报系统