• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International journal of system control and information processing >An improved K-means algorithm based recognition method for working condition of flotation process
【24h】

An improved K-means algorithm based recognition method for working condition of flotation process

机译：一种改进的基于磷浮选过程的工作条件的识别方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, a recognition method based on an improved K-means algorithm with the priori knowledge of the process is proposed for the recognition of flotation working conditions. The proposed method consists of two major stages. In the offline classification stage, the bubble feature of images under different bubble status is first extracted to obtain the dataset. Then the obtained dataset is clustered by the improved K-means algorithm with the priori knowledge. At last, the working condition is classified and their root causes under different bubble status and ore grade are analysed. In the online recognition stage, the current bubble status is first determined. Then the current working condition is recognised by the classification algorithm with the current ore grade. Finally, the proposed method is verified by the real data from an antimony flotation processes.
机译：在本文中，提出了一种基于改进的K-MEAS算法的识别方法，其具有先验过程的先验知识，用于识别浮选工作条件。 所提出的方法包括两个主要阶段。 在离线分类阶段，首先提取不同气泡状态下图像的气泡特征以获得数据集。 然后，所获得的数据集通过改进的K-Means算法与先验知识进行聚类。 最后，分析了工作条件，分析了不同泡沫状态和矿石等级下的根本原因。 在在线识别阶段，首先确定当前的泡沫状态。 然后，当前工作条件被当前矿石等级的分类算法识别。 最后，通过来自锑浮选过程的实际数据验证所提出的方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号