公开(公告)号：CN112884024B

公开(公告)日：2022-05-13

申请号：CN202110137576.2

申请日：2021-02-01

Applicant: 中南大学

Inventor： 周晓君 ,  贺婧怡 ,  孙燕

IPC: G06K9/62 ,  G06N20/20

Abstract: 本发明公开了一种基于群体决策集成学习的泡沫浮选工况识别方法，以提高工况识别的准确率，为实现药剂添加量的最优控制提供基础，进而提升矿物回收率，本发明方法包括：收集泡沫浮选数据集以及专家经验知识；利用联结主义学习与符号主义学习生成个体学习器；根据个体学习器的性能，利用2AGSAIVIFCA算子计算个体学习器的权重；利用混合状态转移算法，找到最优的属性权重；利用群体多属性决策方法，输出工况识别结果。本发明运行可靠，通过提高工况识别的准确率，既提升了泡沫浮选的矿物回收率，又减少了药剂的浪费。

公开(公告)号：CN112884024A

公开(公告)日：2021-06-01

申请号：CN202110137576.2

申请日：2021-02-01

Applicant: 中南大学

Inventor： 周晓君 ,  贺婧怡 ,  孙燕

IPC: G06K9/62 ,  G06N20/20

Abstract: 本发明公开了一种基于群体决策集成学习的泡沫浮选工况识别方法，以提高工况识别的准确率，为实现药剂添加量的最优控制提供基础，进而提升矿物回收率，本发明方法包括：收集泡沫浮选数据集以及专家经验知识；利用联结主义学习与符号主义学习生成个体学习器；根据个体学习器的性能，利用2AGSAIVIFCA算子计算个体学习器的权重；利用混合状态转移算法，找到最优的属性权重；利用群体多属性决策方法，输出工况识别结果。本发明运行可靠，通过提高工况识别的准确率，既提升了泡沫浮选的矿物回收率，又减少了药剂的浪费。