| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1. 绪论 | 第9-16页 |
| 1.1 论文研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 聚类算法研究现状 | 第10-12页 |
| 1.2.2 谱聚类研究现状 | 第12-13页 |
| 1.2.3 浮选工况识别方法研究现状 | 第13-14页 |
| 1.3 论文主要研究内容与结构安排 | 第14-16页 |
| 2. 谱聚类理论及算法 | 第16-23页 |
| 2.1 图的分割思想 | 第16-17页 |
| 2.2 相似图的建立 | 第17页 |
| 2.3 谱图理论 | 第17-18页 |
| 2.4 图的拉普拉斯矩阵 | 第18-19页 |
| 2.5 图的划分准则 | 第19-21页 |
| 2.6 经典谱聚类算法 | 第21页 |
| 2.7 本章小结 | 第21-23页 |
| 3. 基于密度调整的自适应谱聚类算法(DA-ASCA) | 第23-35页 |
| 3.1 传统谱聚类算法 | 第23-26页 |
| 3.1.1 尺度参数敏感性分析 | 第23-25页 |
| 3.1.2 多重尺度数据集 | 第25-26页 |
| 3.2 Self-Tuning算法 | 第26-27页 |
| 3.3 基于密度调整的自适应谱聚类算法(DA-ASCA) | 第27-29页 |
| 3.3.1 提出算法的思路 | 第27-28页 |
| 3.3.2 算法分析 | 第28页 |
| 3.3.3 算法步骤 | 第28-29页 |
| 3.4 仿真实验结果分析 | 第29-34页 |
| 3.4.1 有效性实验 | 第29-31页 |
| 3.4.2 对比性实验 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4. 改进的自适应谱聚类算法(IASCA) | 第35-49页 |
| 4.1 聚类数的影响 | 第35-36页 |
| 4.2 自动确定聚类数算法(ADCN) | 第36-40页 |
| 4.2.1 算法的基本思想 | 第36-39页 |
| 4.2.2 算法步骤 | 第39-40页 |
| 4.3 改进的自适应谱聚类算法(IASCA) | 第40-41页 |
| 4.4 仿真实验与结果分析 | 第41-47页 |
| 4.4.1 实验方案 | 第41-42页 |
| 4.4.2 仿真结果分析 | 第42-45页 |
| 4.4.3 UCI数据集聚类效果实验 | 第45-47页 |
| 4.5 本章小结 | 第47-49页 |
| 5. IASCA算法在铝土矿浮选工况识别中的应用研究 | 第49-63页 |
| 5.1 铝土矿浮选工艺及影响因素分析 | 第49-53页 |
| 5.1.1 铝土矿浮选工艺介绍 | 第49-51页 |
| 5.1.2 浮选工艺影响因素分析 | 第51-53页 |
| 5.2 基于机器视觉的浮选工况识别系统 | 第53-54页 |
| 5.3 浮选泡沫表面特征与工况分析 | 第54-59页 |
| 5.3.1 浮选泡沫表面特征信息 | 第54-55页 |
| 5.3.2 不同工况下的浮选泡沫表面状态特征 | 第55-57页 |
| 5.3.3 浮选泡沫表面特征与工况分析 | 第57-59页 |
| 5.4 基于改进谱聚类算法的铝土矿浮选工况识别方法 | 第59-60页 |
| 5.5 仿真实验及其结果分析 | 第60-62页 |
| 5.5.1 实验方案 | 第60-61页 |
| 5.5.2 仿真结果与分析 | 第61-62页 |
| 5.6 本章小结 | 第62-63页 |
| 6. 总结与展望 | 第63-65页 |
| 6.1 结论 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间主要研究成果 | 第70-71页 |
| 致谢 | 第71页 |
