[发明专利]基于CNN-LapsELM的铝电解过热度识别方法在审
| 申请号： | 201910902794.3 | 申请日： | 2019-09-24 |
| 公开（公告）号： | CN110675382A | 公开（公告）日： | 2020-01-10 |
| 发明（设计）人： | 闵梦灿;陈晓方;雷永祥;谢永芳 | 申请（专利权）人： | 中南大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 43235 长沙轩荣专利代理有限公司 | 代理人： | 叶碧莲 |
| 地址： | 410000 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于CNN特征融合与半监督拉普拉斯极限学习机的铝电解过热度识别方法，所述方法包括：步骤1，收集铝电解实时生产数据，对收集到的数据进行归一化处理和标准化处理；步骤2，利用卷积神经网络(CNN)提取铝电解工业过程中火眼图像的深度特征；步骤3，将所述步骤2提取的火眼图像的深度特征与火眼图像的其他特征进行融合；步骤4，使用拉普拉斯正则化构造半监督极限学习机(LapsELM)作为分类器，根据火眼图像判断当前电解槽过热度的状态。 | ||
| 搜索关键词： | 火眼 极限学习机 深度特征 半监督 过热度 铝电解 图像 卷积神经网络 实时生产数据 标准化处理 归一化处理 铝电解工业 特征融合 图像判断 电解槽 分类器 正则化 融合 | ||
【主权项】：
1.一种基于CNN特征融合与半监督拉普拉斯极限学习机的铝电解过热度识别方法，其特征在于，所述方法包括：/n步骤1，收集铝电解实时生产数据，对收集到的数据进行归一化处理和标准化处理；/n步骤2，利用卷积神经网络(CNN)提取铝电解工业过程中火眼图像的深度特征；/n步骤3，将所述步骤2提取的火眼图像的深度特征与火眼图像的其他特征进行融合；/n步骤4，使用拉普拉斯正则化构造半监督极限学习机(LapsELM)作为分类器，根据火眼图像判断当前电解槽过热度的状态。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中南大学，未经中南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910902794.3/，转载请声明来源钻瓜专利网。
