基于多核方法的分类研究及其在铜浮选工况识别中的应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 分类器研究现状 | 第11-13页 |
| 1.2.2 铜浮选分类研究现状 | 第13-14页 |
| 1.3 论文的主要内容 | 第14-16页 |
| 2 基于多核F-score的特征选择方法 | 第16-26页 |
| 2.1 传统的F-score特征选择 | 第16页 |
| 2.2 核方法原理 | 第16-18页 |
| 2.3 多核F-score方法的提出 | 第18-20页 |
| 2.4 仿真与分析 | 第20-24页 |
| 2.4.1 核函数可视化分析 | 第20-22页 |
| 2.4.2 UCI数据集仿真 | 第22-24页 |
| 2.5 本章小结 | 第24-26页 |
| 3 基于多核支持向量数据描述的分类方法 | 第26-35页 |
| 3.1 多核支持向量数据描述基本原理 | 第26-28页 |
| 3.2 最优超球半径选择 | 第28-30页 |
| 3.3 基于MKSVDD的目标分类 | 第30-31页 |
| 3.4 仿真与分析 | 第31-34页 |
| 3.4.1 单核仿真 | 第31-33页 |
| 3.4.2 多核仿真 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 基于多核高斯过程回归的专家分类方法 | 第35-46页 |
| 4.1 多核高斯过程回归预测基本原理 | 第35-37页 |
| 4.2 高斯过程回归中的协方差核函数选择 | 第37-38页 |
| 4.3 基于MKGPR的专家分类 | 第38-39页 |
| 4.4 仿真与分析 | 第39-44页 |
| 4.4.1 单核仿真 | 第39-42页 |
| 4.4.2 多核仿真 | 第42-44页 |
| 4.5 本章小结 | 第44-46页 |
| 5 多核方法分类在铜浮选中的应用 | 第46-65页 |
| 5.1 铜浮选过程工艺 | 第46-47页 |
| 5.1.1 铜浮选过程 | 第46-47页 |
| 5.1.2 铜浮选泡沫的形成和矿化过程 | 第47页 |
| 5.2 铜浮选泡沫图像监控系统 | 第47-49页 |
| 5.3 工业现场数据的获取 | 第49-53页 |
| 5.3.1 泡沫图像预处理 | 第49-50页 |
| 5.3.2 泡沫图像特征与工况关系描述 | 第50-51页 |
| 5.3.3 泡沫图像特征的提取与预处理 | 第51-53页 |
| 5.4 基于多核方法的铜浮选工况识别 | 第53-54页 |
| 5.5 实验验证 | 第54-64页 |
| 5.5.1 MKF-score特征选择 | 第54-56页 |
| 5.5.2 MKSVDD分类 | 第56-59页 |
| 5.5.3 MKGPR分类 | 第59-62页 |
| 5.5.4 基于多核方法的铜浮选工况识别 | 第62-64页 |
| 5.6 本章小结 | 第64-65页 |
| 6 结论与展望 | 第65-66页 |
| 6.1 研究工作总结 | 第65页 |
| 6.2 后续工作展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间主要研究成果 | 第71-72页 |
| 致谢 | 第72页 |
