[发明专利]一种菱镁矿矿石的品级的分类方法及系统

说明书

技术领域

本发明涉及矿石检测技术领域，尤其涉及一种菱镁矿矿石的品级的分类方法及系统。

背景技术

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。

发明内容

本发明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系统，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，所述系统还包括：

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。

本发明实施例提供的菱镁矿矿石的品级的分类方法，将待识别的第一特征参数与存储的多个特征参数进行比较，获得多个相似度，根据多个相似度可以判断多个特征参数对应的目标属性，识别出多个特征参数属于哪个目标对象。如果最大的相似度小于预设的第一阈值，那么有可能没识别出来或识别不准确，可以继续进一步进行识别，提高了识别精度。

附图说明

为了更清楚地说明本发明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发明实施例，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为本发明实施例提供的菱镁矿矿石的品级的分类的流程图；

图2为本发明实施例提供的自编码网络的一种结构示意图；

图3为本发明实施例提供的ELM训练集输出结果与实际期望的散点分布图；

图4为本发明实施例提供的ELM测试集输出结果与实际期望的散点分布图；

图5为本发明实施例提供的精选ELM训练集输出结果与实际期望的散点分布图；