期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
融合混沌反向学习与分数阶微分的矿石细粒度分类算法
1
作者 李聪 张训平 李英强 《金属矿山》 北大核心 2025年第2期167-171,共5页
矿石细粒度分类有助于提高矿石品位和回收率,降低能耗和环境污染。然而传统的矿石细粒度分类算法通常基于经验模型或统计学习方法,缺乏对矿石颗粒物理特性和动力学行为的深入理解,导致分类效果不理想。因而提出了一种融合混沌反向学习... 矿石细粒度分类有助于提高矿石品位和回收率,降低能耗和环境污染。然而传统的矿石细粒度分类算法通常基于经验模型或统计学习方法,缺乏对矿石颗粒物理特性和动力学行为的深入理解,导致分类效果不理想。因而提出了一种融合混沌反向学习与分数阶微分的矿石细粒度分类算法,该算法首先利用混沌反向学习方法从矿石颗粒的运动轨迹中提取其物理特征(如形状、密度、硬度等);然后使用分数阶微分方程建立矿石颗粒的动力学模型,描述其在分类器中的运动状态;最后根据矿石颗粒的物理特征和动力学状态进行分类。研究表明:该算法不仅能够有效顾及矿石颗粒的非线性、非平稳和多尺度特性,而且能够实现对矿石颗粒的在线、实时和自适应分类,提高了矿石细粒度分类精度和效率。 展开更多
关键词 矿石细粒度分类 混沌反向学习 分数阶微分 分类精度
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部