The present invention provides a classification method and system for the grade of magnesite ore, which is used to provide a method for quantitative analysis of the grade of magnesite ore. The method includes: a first data matrix of the classification of the magnesite ore through the stack from network encoding for dimensionality reduction, second data matrix; the first data matrix for spectral data indicates that the magnesite ore to be classified; data classification of the second data matrix learning machine to get through the ELM limit. The classification of the magnesite ore grade; among them, the extreme learning machine ELM in advance by the training samples obtained after training, with second data matrix as input to the output of the magnesite ore grade model. The method of the invention has certain advantages in economy, accuracy and rapidity, and this method can realize large batch online detection of ores.
【技术实现步骤摘要】
一种菱镁矿矿石的品级的分类方法及系统
本专利技术涉及矿石检测
,尤其涉及一种菱镁矿矿石的品级的分类方法及系统。
技术介绍
菱镁矿矿石主要用于冶金、化工等行业,其纯度直接影响产品质量。菱镁矿矿石的纯度也可以用菱镁矿矿石的品级来衡量,品级越高,纯度越高。目前对菱镁矿矿石分类的方法通常采用化学方法进行鉴别,这种方法需要专业工作人员操作,且分析周期长,工作强度大。
技术实现思路
本专利技术实施例提供一种菱镁矿矿石的品级的分类方法及系统,用于提供一种定量分析菱镁矿矿石的品级的方式。第一方面,提供一种菱镁矿矿石的品级的分类方法,包括:对待分类的菱镁矿矿石的第一数据矩阵通过栈式自编码网络进行降维处理,得到第二数据矩阵;其中,第一数据矩阵用于指示所述待分类的菱镁矿矿石的光谱数据;对所述第二数据矩阵通过极限学习机ELM进行数据的分类,以得到所述待分类的菱镁矿矿石的品级;其中,所述极限学习机ELM为预先经训练样本训练后得到的,以第二数据矩阵为输入,以菱镁矿矿石的品级为输出的模型。可选的,所述极限学习机ELM的输入层和隐含层之间的激励函数为Sigmoid函数。可选的,所述极限学习机E ...
【技术保护点】
一种菱镁矿矿石的品级的分类方法,包括:对待分类的菱镁矿矿石的第一数据矩阵通过栈式自编码网络进行降维处理,得到第二数据矩阵;其中,第一数据矩阵用于指示所述待分类的菱镁矿矿石的光谱数据;对所述第二数据矩阵通过极限学习机ELM进行数据的分类,以得到所述待分类的菱镁矿矿石的品级;其中,所述极限学习机ELM为预先经训练样本训练后得到的,以第二数据矩阵为输入,以菱镁矿矿石的品级为输出的模型。
【技术特征摘要】
2016.11.21 CN 20161104484751.一种菱镁矿矿石的品级的分类方法,包括:对待分类的菱镁矿矿石的第一数据矩阵通过栈式自编码网络进行降维处理,得到第二数据矩阵;其中,第一数据矩阵用于指示所述待分类的菱镁矿矿石的光谱数据;对所述第二数据矩阵通过极限学习机ELM进行数据的分类,以得到所述待分类的菱镁矿矿石的品级;其中,所述极限学习机ELM为预先经训练样本训练后得到的,以第二数据矩阵为输入,以菱镁矿矿石的品级为输出的模型。2.如权利要求1所述的方法,其特征在于,所述极限学习机ELM的输入层和隐含层之间的激励函数为Sigmoid函数。3.如权利要求1所述的方法,其特征在于,所述极限学习机ELM的输入层和隐含层的节点数量为45。4.如权利要求2所述的方法,其特征在于,所述极限学习机ELM的构建过程包括:循环极限学习机ELM;其中,极限学习机ELM的循环次数不超过N,N为正整数;比较训练样本经所述极限学习机ELM训练后的输出结果;从输出结果中确定对应的一组或几组输入层和隐含层之间的输入权值及隐含层阈值;将由确定的所述输入权值和所述隐含层阈值组成的模型重新确定为所述极限学习机ELM。5.如权利要求4所述的方法,其特征在于,N小于等于200。6.如权利要求4所述的方法,其特征在于,对所述第二数据矩阵通过极限学习机ELM进行数据...
【专利技术属性】
技术研发人员:肖冬,程锦甫,黎霸俊,毛亚纯,柳小波,王继春,何大阔,
申请(专利权)人:东北大学,
类型:发明
国别省市:辽宁,21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。