期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
结合双模多尺度CNN特征及自适应深度KELM的浮选工况识别
被引量:
8
1
作者
廖一鹏
张进
+1 位作者
王志刚
王卫星
《光学精密工程》
EI
CAS
CSCD
北大核心
2020年第8期1785-1798,共14页
针对可见光图像特征驱动的浮选工况识别方法的不足,提出一种基于双模态图像多尺度CNN特征及自适应深度自编码核极限学习机(Kernel Extreme Learning Machine,KELM)的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多...
针对可见光图像特征驱动的浮选工况识别方法的不足,提出一种基于双模态图像多尺度CNN特征及自适应深度自编码核极限学习机(Kernel Extreme Learning Machine,KELM)的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多尺度分解,设计双通道CNN网络对双模态多尺度图像进行特征提取及融合,将多个双隐层自编码极限学习机串联成深度学习网络对CNN特征逐层抽象提取,然后通过核极限学习机映射到更高维空间进行决策,最后改进量子细菌觅食算法并应用于深度自编码KELM识别模型参数优化。实验结果表明采用双模多尺度CNN特征较单模多尺度、双模单尺度CNN特征的识别精度提高了2.65%,自适应深度自编码KELM模型具有较好的分类精度和泛化性能,各工况识别的平均准确率达到95.98%,识别精度和稳定性较现有方法有较大提升。
展开更多
关键词
浮选工况识别
双模态图像
卷积神经网络
深度双隐层自编码极限学习机
量子细菌觅食算法
下载PDF
职称材料
前景理论下的末端物流干扰管理方法研究
被引量:
13
2
作者
宁涛
王旭坪
胡祥培
《系统工程理论与实践》
EI
CSSCI
CSCD
北大核心
2019年第3期673-681,共9页
针对末端物流配送过程中可能出现的配送时间窗更改、送货地址变化等动态扰动问题,提出了基于前景理论的价值函数度量策略和基于量子理论的多目标优化求解方法.首先,对末端物流干扰管理问题进行了描述;然后,为度量用户对货物期待的心理...
针对末端物流配送过程中可能出现的配送时间窗更改、送货地址变化等动态扰动问题,提出了基于前景理论的价值函数度量策略和基于量子理论的多目标优化求解方法.首先,对末端物流干扰管理问题进行了描述;然后,为度量用户对货物期待的心理感知度,建立了末端物流配送干扰管理模型,并设计了基于前景理论的价值函数曲线和扰动度量策略;在此基础上,为优化干扰管理模型和寻求用户满意度、配送成本以及配送效率等多目标优化问题的较优解,提出了一种融入量子理论的改进细菌觅食方法;最后,将所提出的方法与已经存在的经典算法进行比较,验证了该方法的可行性和有效性.
展开更多
关键词
末端物流
干扰管理
前景理论
量子细菌觅食算法
原文传递
基于多尺度CNN特征及RAE-KELM的浮选加药状态识别
被引量:
2
3
作者
张进
廖一鹏
+1 位作者
陈诗媛
王卫星
《激光与光电子学进展》
CSCD
北大核心
2021年第12期401-410,共10页
针对浮选加药状态在线检测困难、识别效率低和主观性强等问题,提出了一种基于多尺度卷积神经网络(CNN)特征及行列自编码核极限学习机(RAE-KELM)的浮选加药状态识别方法。首先,对浮选泡沫图像进行非下采样Shearlet多尺度分解,用CNN提取...
针对浮选加药状态在线检测困难、识别效率低和主观性强等问题,提出了一种基于多尺度卷积神经网络(CNN)特征及行列自编码核极限学习机(RAE-KELM)的浮选加药状态识别方法。首先,对浮选泡沫图像进行非下采样Shearlet多尺度分解,用CNN提取每个尺度图像的深度特征并进行多尺度特征融合;然后,构建RAEKELM,将用量子计算改进的细菌觅食算法用于RAE-KELM的参数优化;最后,通过自建数据集训练得到最优的RAE-KELM模型,实现了浮选加药状态的自适应识别。实验结果表明,本方法的识别准确率可达到98.88%;且本方法减少了人工干预,有利于提高生产效率。
展开更多
关键词
图像处理
卷积神经网络
非下采样Shearlet变换
行列自编码核极限学习机
量子细菌觅食算法
原文传递
题名
结合双模多尺度CNN特征及自适应深度KELM的浮选工况识别
被引量:
8
1
作者
廖一鹏
张进
王志刚
王卫星
机构
福州大学物理与信息工程学院
福建金东矿业股份有限公司
出处
《光学精密工程》
EI
CAS
CSCD
北大核心
2020年第8期1785-1798,共14页
基金
国家自然科学基金资助项目(No.61471124,No.61601126)
福建省自然科学基金资助项目(No.2019J01224)
福建省中青年教师教育科研项目资助(No.JT180056)。
文摘
针对可见光图像特征驱动的浮选工况识别方法的不足,提出一种基于双模态图像多尺度CNN特征及自适应深度自编码核极限学习机(Kernel Extreme Learning Machine,KELM)的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多尺度分解,设计双通道CNN网络对双模态多尺度图像进行特征提取及融合,将多个双隐层自编码极限学习机串联成深度学习网络对CNN特征逐层抽象提取,然后通过核极限学习机映射到更高维空间进行决策,最后改进量子细菌觅食算法并应用于深度自编码KELM识别模型参数优化。实验结果表明采用双模多尺度CNN特征较单模多尺度、双模单尺度CNN特征的识别精度提高了2.65%,自适应深度自编码KELM模型具有较好的分类精度和泛化性能,各工况识别的平均准确率达到95.98%,识别精度和稳定性较现有方法有较大提升。
关键词
浮选工况识别
双模态图像
卷积神经网络
深度双隐层自编码极限学习机
量子细菌觅食算法
Keywords
flotation performance recognition
dual-modality images
convolutional neural network
deep two hidden layer autoencoder extreme learning machine
quantum bacterial foraging algorithm
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
前景理论下的末端物流干扰管理方法研究
被引量:
13
2
作者
宁涛
王旭坪
胡祥培
机构
大连交通大学软件学院
大连理工大学系统工程研究所
出处
《系统工程理论与实践》
EI
CSSCI
CSCD
北大核心
2019年第3期673-681,共9页
基金
国家自然科学基金重点项目(71531002)
国家自然科学基金(71471025)
+1 种基金
辽宁省自然科学基金(20180550499
201602130)~~
文摘
针对末端物流配送过程中可能出现的配送时间窗更改、送货地址变化等动态扰动问题,提出了基于前景理论的价值函数度量策略和基于量子理论的多目标优化求解方法.首先,对末端物流干扰管理问题进行了描述;然后,为度量用户对货物期待的心理感知度,建立了末端物流配送干扰管理模型,并设计了基于前景理论的价值函数曲线和扰动度量策略;在此基础上,为优化干扰管理模型和寻求用户满意度、配送成本以及配送效率等多目标优化问题的较优解,提出了一种融入量子理论的改进细菌觅食方法;最后,将所提出的方法与已经存在的经典算法进行比较,验证了该方法的可行性和有效性.
关键词
末端物流
干扰管理
前景理论
量子细菌觅食算法
Keywords
terminal logistics
disruption management
prospect theory
quantum bacterial foraging algorithm
分类号
C93 [经济管理—管理学]
TP18 [自动化与计算机技术—控制理论与控制工程]
原文传递
题名
基于多尺度CNN特征及RAE-KELM的浮选加药状态识别
被引量:
2
3
作者
张进
廖一鹏
陈诗媛
王卫星
机构
福州大学物理与信息工程学院
出处
《激光与光电子学进展》
CSCD
北大核心
2021年第12期401-410,共10页
基金
国家自然科学基金(61471124,61601126)
福建省自然科学基金(2019J01224)。
文摘
针对浮选加药状态在线检测困难、识别效率低和主观性强等问题,提出了一种基于多尺度卷积神经网络(CNN)特征及行列自编码核极限学习机(RAE-KELM)的浮选加药状态识别方法。首先,对浮选泡沫图像进行非下采样Shearlet多尺度分解,用CNN提取每个尺度图像的深度特征并进行多尺度特征融合;然后,构建RAEKELM,将用量子计算改进的细菌觅食算法用于RAE-KELM的参数优化;最后,通过自建数据集训练得到最优的RAE-KELM模型,实现了浮选加药状态的自适应识别。实验结果表明,本方法的识别准确率可达到98.88%;且本方法减少了人工干预,有利于提高生产效率。
关键词
图像处理
卷积神经网络
非下采样Shearlet变换
行列自编码核极限学习机
量子细菌觅食算法
Keywords
image processing
convolutional neural network
non-subsampled Shearlet transform
ranks automatic encoder kernel extreme learning machine
quantum bacterial foraging algorithm
分类号
TP391 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
结合双模多尺度CNN特征及自适应深度KELM的浮选工况识别
廖一鹏
张进
王志刚
王卫星
《光学精密工程》
EI
CAS
CSCD
北大核心
2020
8
下载PDF
职称材料
2
前景理论下的末端物流干扰管理方法研究
宁涛
王旭坪
胡祥培
《系统工程理论与实践》
EI
CSSCI
CSCD
北大核心
2019
13
原文传递
3
基于多尺度CNN特征及RAE-KELM的浮选加药状态识别
张进
廖一鹏
陈诗媛
王卫星
《激光与光电子学进展》
CSCD
北大核心
2021
2
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部