基于深度学习的浮选回收率预测建模研究

针对现有浮选回收率预测模型拟合度不高、预测误差大等问题,以某铜矿实际工况数据为基础,利用箱图和滤波算法对数据进行预处理,采用传统机器学习算法(DT、SVR和RF算法)和深度学习算法(DNN和CNN算法)构建相应浮选回收率预测模型。对5种回收率预测模型的拟合效果、预测效果进行了对比分析,并采用现场数据进行验证。结果表明:传统机器学习算法模型中RF预测精度最佳,±2%误差区域命中率为80.1%,±4%误差区域命中率为93.0%;深度学习模型预测效果均优于传统机器学习算法模型,DNN和CNN预测模型的R~2分别为0.854、0.907,±2%误差区域命中率分别为91.6%、90.6%,±4%误差区域命中率分别为96.6%、98.1%。CNN模型略优于DNN模型,但训练耗时较长,深度学习算法模型中首选DNN模型。研究结果可为浮选回收率实时预测及浮选过程协同优化提供技术支持。

基于提升小波和图像融合的数字图像隐藏技术

提出了一种基于提升小波变换的彩色图像融合算法.首先阐述提升小波变换的基本原理,然后根据人眼的视觉特性,将彩色图像变换到YIQ颜色空间,运用不同融合规则进行融合.对I和Q色彩分量采用改进的混沌序列来代替融合参数融合,对Y分量采用自反馈法得到其最终优化融合结果,最后由三分量融合结果变回到RGB颜色空间,在该图像融合方法的基础上,给出了针对相同大小图像的数字图像隐藏的方法,在图像融合过程中,用改进的混沌序列来代替融合参数,使得该方法具有很好的安全性.实验表明,该方法具有较好的效率和安全性.

AJAX技术的搜索引擎优化问题研究

AJAX技术的出现极大的优化了界面操作,大量减少了网络数据的传输,增强了用户体验.但是也带来了搜索引擎无法搜索站内内容的问题,弱化了搜索引擎抓取的效果.本文分析了AJAX技术对搜索引擎优化的影响,提出了相互兼容的优化方法,对AJAX代码进行优化,使之对搜索引擎更友好,从而迅速提高排名,扩大网站影响力.

基于数据驱动的浮选指标预测建模研究进展

针对浮选过程工业大数据具有高维非线性、动态时序性以及参数强耦合性等复杂特性,若使用单一模型进行浮选指标预测,则可能由于随机性的影响而导致模型的可信度低、泛化性差,预测效果不理想。为了突破单模型的瓶颈,本文对30多年来的基于数据驱动的浮选指标预测建模方法的研究文献进行了系统的评述,认为采用不同学习算法对浮选过程的多工况参数、泡沫图像的潜在内部特征进行深度挖掘,以这些工况参数特征和泡沫图像的特征作为输入,对浮选指标进行集成预测建模,可以面向选矿过程生产指标的智能预测和工况参数的智能协同优化,形成控制方法与策略,为解决给矿性质复杂、工况参数多变的浮选过程指标预测和工况识别的难题提供理论指导建议。

网格空间数据库副本优化算法比较与仿真试验

首先对网格空间数据库的几个副本优化算法,即中心站点读取空间数据文件算法、有删除的算法、预测文件价值的算法等进行了描述;其次对副本优化算法进行了作业量分别为500、1000、2000、5000的仿真试验,结果表明预测文件价值的算法为最优算法,能为网格空间数据库的建设奠定良好的基础,并为网格技术在空间数据库的应用提供可靠的依据.

鄱阳湖区防汛抗洪空间数据的质量控制研究

鄱阳湖地区是中国九大商品粮生产基地之一,同时这个区域也是洪水经常泛滥的地方。为了减少洪水对人们生命财产造成的危害,我们在江西省科技厅、江西省水利厅等单位的大力支持下,开发了鄱阳湖区防汛抗洪地理信息系统。该系统融合了多种空间数据的采集、传输和处理技术。多种技术生产了多源数据,为快速准确地决策提供了丰富详实的信息支持,但同时也对空间数据的质量控制提出了较高的要求。本文按照空间数据质量问题产生的先后顺序,对鄱阳湖区防汛抗洪地理信息系统空间数据获取、存储、处理、传输、应用等五个阶段的误差进行了分类,并分析了产生的原因,提出了误差的改正方法,从而控制了鄱阳湖区防汛抗洪空间数据质量,并为鄱阳湖区防汛抗洪地理信息系统的建设提供了空间数据。

基于形态学和Hopfield神经网络的遥感图像边缘增强处理

在遥感图像处理系统的特征提取处理模块中,针对传统方法抗噪性差、提取边缘宽且不连续等缺点,提出一种改进的形态学边缘检测算法和一种基于Hopfield神经网络的边缘增强算法,得到了清晰、连续的边缘检测效果.