基于泡沫纹理信度分配SVM的矿物浮选工况识别

• 作者: 任会峰 唐朝晖 桂卫华 鄢锋 阳春华
• 来源期刊: 仪器仪表学报
• 学科: 工学
• 关键词: 泡沫浮选 工况识别 纹理特征 信度分配 支持向量机
• 年，卷（期）: 2011,（10）
• 所属期刊栏目: 学术论文
• 页码范围: 2205-2209
• 分类号: TP274.3
• 字数: 4209字
• 语种: 中文

摘要

针对矿物浮选过程中泡沫纹理各向异性、纹理特征信度差异以及类间样本数分布不均等问题,提出一种浮选工况的自动识别方法.首先基于多角度融合的空间灰度共生矩阵计算角二阶矩、熵、惯性矩、逆差矩和相关性等二阶统计量描述泡沫纹理特征,然后引入信息熵的概念,以二阶统计量的信息增益分配各种纹理特征对分类器的信度,再通过类间样本数加权策略消除样本分布的不平衡性,最后实现了一对一加权支持向量机的浮选工况识别.工业现场泡沫图像测试结果表明,该方法能够有效降低小样本的错分率,提高整体识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阳春华	中南大学信息科学与工程学院	389	3229	27.0	37.0
2	桂卫华	中南大学信息科学与工程学院	695	7452	38.0	56.0
3	唐朝晖	中南大学信息科学与工程学院	89	1053	17.0	29.0
4	鄢锋	中南大学信息科学与工程学院	9	106	4.0	9.0
5	任会峰	中南大学信息科学与工程学院	13	82	5.0	9.0