| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-21页 |
| ·课题背景及意义 | 第9-11页 |
| ·浮选过程矿浆浓度检测现状 | 第11-13页 |
| ·过程预测建模方法的研究现状 | 第13-18页 |
| ·机理建模方法 | 第13-14页 |
| ·数据驱动建模方法 | 第14-17页 |
| ·混合建模方法 | 第17-18页 |
| ·基于泡沫图像特征的工艺指标预测的研究现状 | 第18-19页 |
| ·研究内容与结构安排 | 第19-21页 |
| 2 铝土矿浮选工艺分析 | 第21-31页 |
| ·铝土矿浮选工艺简介 | 第21-24页 |
| ·浮选原理 | 第21页 |
| ·选矿拜耳法工艺流程 | 第21-23页 |
| ·铝土矿浮选工艺 | 第23-24页 |
| ·矿浆浓度对浮选的影响 | 第24-28页 |
| ·矿浆浓度的定义 | 第24-25页 |
| ·矿浆浓度对浮选的影响 | 第25-28页 |
| ·表征矿浆浓度的泡沫图像特征 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 3 关键泡沫图像特征选取方法 | 第31-47页 |
| ·图像数据的获取及预处理 | 第31-35页 |
| ·图像数据的获取 | 第31-33页 |
| ·样本数据预处理 | 第33-35页 |
| ·基于改进信息熵的特征选取方法 | 第35-41页 |
| ·基本概念及定义 | 第36-37页 |
| ·基于改进信息熵约简算法的泡沫图像特征选取 | 第37-41页 |
| ·基于连续实数粗糙集理论的特征选取方法 | 第41-46页 |
| ·基本概念及连续实数粗糙集模型 | 第41-44页 |
| ·基于连续实数粗糙集的泡沫图像特征选取 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 4 基于Boosting-PLSS的矿浆浓度预测模型 | 第47-67页 |
| ·基于样条变换的偏最小二乘法 | 第47-57页 |
| ·样条变换 | 第48-50页 |
| ·偏最小二乘回归 | 第50-52页 |
| ·PLSS回归模型及仿真分析 | 第52-57页 |
| ·Boosting方法 | 第57-61页 |
| ·PAC学习模型 | 第58-59页 |
| ·AdaBoost.R算法分析 | 第59-61页 |
| ·Boosting-PLSS预测模型 | 第61-64页 |
| ·建模思路及步骤 | 第61-62页 |
| ·基于分布的PLSS方法 | 第62-64页 |
| ·工业数据仿真分析 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 5 结论与展望 | 第67-69页 |
| ·结论 | 第67-68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 攻读学位期间主要的研究成果 | 第74-75页 |
| 致谢 | 第75页 |