当前位置: 首页 > 专利查询>东北大学专利>正文

一种菱镁矿矿石的品级的分类方法及设备技术

技术编号:14785984 阅读:190 留言:0更新日期:2017-03-10 23:57
本发明专利技术实施例提供了一种菱镁矿矿石的品级的分类方法及设备,用于提供一种定量分析菱镁矿矿石的品级的方式。该方法包括: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。

【技术实现步骤摘要】

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设备
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设备,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ELM的输入层和隐含层的节点数量为45。可选的,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。可选的,N小于等于200。可选的,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,包括:将所述第二数据矩阵输入至所述极限学习机ELM中,经所述激励函数和所述输入权值运算后得到所述隐含层的目标输出矩阵;将所述目标输出矩阵与输出权重的乘积作为输出的菱镁矿矿石的品级。第二方面,提供一种菱镁矿矿石的品级的分类设备,包括:降维单元,用于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;输出单元,用于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ELM的输入层和隐含层的节点数量为45。可选的,所述设备还包括:构建模型单元,用于循环极限学习机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。本专利技术实施例提出了一种新的菱镁矿矿石的品级的分类方法。首先基于近红外光谱的无损检测技术,采集矿石的光谱数据。然后利用SAE方法进行降维。最后利用精选ELM算法进行建模,准确率较高。针对精选ELM的预测稳定性不好的问题,本专利技术实施例进一步提出集成-精选ELM方法。集成-精选ELM不论在菱镁矿石品级分类的准确性还是稳定性上明显优于传统ELM和精选ELM,预测准确率可达98%。与传统的菱镁矿石品级分类方法相比,本文提出的菱镁矿石检测方法在经济性、准确性、以及快速性上具有一定的优势。并且,该方法可以实现矿石的大批量在线检测。可见其具有重要的实际应用价值。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本专利技术实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。图1为本专利技术实施例提供的菱镁矿矿石的品级的分类的流程图;图2为本专利技术实施例提供的自编码网络的一种结构示意图;图3为本专利技术实施例提供的ELM训练集输出结果与实际期望的散点分布图;图4为本专利技术实施例提供的ELM测试集输出结果与实际期望的散点分布图;图5为本专利技术实施例提供的精选ELM训练集输出结果与实际期望的散点分布图;图6为本专利技术实施例提供的精选ELM测试集输出结果与实际期望的散点分布图;图7为本专利技术实施例提供的集成-精选ELM训练集输出结果与实际期望的散点分布图;图8为本专利技术实施例提供的集成-精选ELM测试集输出结果与实际期望的散点分布图;图9为本专利技术实施例提供的菱镁矿矿石的品级的分类设备的一种结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白,下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本专利技术一部分实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围。在不冲突的情况下,本专利技术中的实施例及实施例中的特征可以相互任意组合。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,在不做特别说明的情况下,一般表示前后关联对象是一种“或”的关系。为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。请参见图1,提供一种菱镁矿矿石的品级的分类方法,该方法的流程描述如下。S101: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;S102: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。第一数据矩阵可以用于表征待分类的菱镁矿矿石的特征参数,可以通过红外光谱仪对待分类的菱镁矿矿石进行测试,获取菱镁矿矿石的光谱数据。本专利技术实施例中,通过光谱仪对样本数量为531份的菱镁矿矿石采集光谱数据,所采集的原始光谱数据是一个维数为973的高维数据矩阵。由于第一数据矩阵的维数较高,而数据维数较高,这就导致数据具有较大的噪声,且数据之间可能存在交集,互相干扰,因此,在对光谱数据输入分类模型之前,需要对数据进行降维处理,以减小数据处理量,提高数据处理效率。本专利技术实施例中,对第一数据矩阵通过栈式自编码网络进行降维处理,处理后得到的数据矩阵称为第二数据矩阵。由于第一数据矩阵所包括的数据可能存在非线性结构,那么常用的数据降维方法,如PCA、ICA等适线性数据降维的方法显然不适合。因此,本专利技术实施例采用自编码网络(SAE)对第一数据矩阵进行降维处理,具体可以通过逐层的构造输入层等于输出层的三层神经网络来对数据进行本文档来自技高网...
一种菱镁矿矿石的品级的分类方法及设备

【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】
1.一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1-3任一所述的方法,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1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进行数据的分类,以得到所述待分类的菱镁矿矿石的品级,包括:...

【专利技术属性】
技术研发人员:肖冬程锦甫毛亚纯柳小波王继春
申请(专利权)人:东北大学
类型:发明
国别省市:辽宁;21

网友询问留言 已有0条评论
  • 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。

1