基本信息
摘要：本发明提供了一种基于异构分类器选择性融合的锑矿品位软测量方法，包括：对记录的锑浮选泡沫图像特征数据以及与品位相关的生产数据的预处理共同构成特征空间；首先随机选取部分特征构成多个子样本空间，然后对每个子样本空间使用bootstrap采样获得多个不同的子样本，并对每个子样本做PCA分析获得对品位变化敏感性高且无相关性或弱相关性的关键特征；基于具有较强学习能力的RBF核和具有较高泛化能力的多项式核的KELM，对每一个子样本集分别采用两种KELM构建候选子模型；采用信息熵的方法，赋予每个候选子模型权重；基于RMSE对所有候选子模型从小到大排序，选出最优加权子模型组合作为最终模型对精矿品位做出预测。
摘要附图：
