基于先进LS．SvM浮选回收率预测方法的研究
在大多选矿厂中，针对传统检测浮选回收率的方法准确度低的缺点，依据反映回收率的基本因素，本文提出一种基于改进加权的LS-SVM浮选回收率软测量模型。首先提取浮选泡沫图像特征并挖掘出它们与浮选回收率存在着一定的对应关系，之后采用模糊C-均值聚类方法进行特征数据处理，处理后的图像特征值作为模型输入,最后采用遗传算法进行模型参数优化。测试结果表明,采用改进后的算法建立的预测模型可以克服标准LS-SVM算法和参数优化的一些不足,得到更好的预测效果，为浮选过程的操作优化及浮选作业稳定运行提供了有力保障。
泡沫图像 模糊C-均值聚类 LS-SVM 回收率 预测模型
张勇 刘潭
辽宁科技大学电子与信息工程学院 辽宁鞍山 114051
国内会议
南京
中文
1082-1084
1900-01-01（万方平台首次上网日期，不代表论文的发表时间）