在“化解產(chǎn)能,綠色生產(chǎn)”的時代背景下,鋼鐵行業(yè)面臨著嚴峻的考驗。球團礦作為高爐入爐的必備原料,其冶金性能直接影響鐵水質(zhì)量和高爐順行。故,球團礦入爐前的質(zhì)檢必不可少。但是,質(zhì)檢環(huán)節(jié)復雜且耗材大。文章從“球團礦微觀結(jié)構(gòu)決定其冶金性能,冶金性能反映其微觀結(jié)構(gòu)”的角度出發(fā),基于礦相特征,重點研究了一種球團礦冶金性能預測的支持向量機（SVM）改進算法,以提高球團礦冶金性能評價效率。文章主要研究內(nèi)容有:第一,在透視SVM算法原理的基礎上,重點分析了RBF核、多項式核與Sigmoid核3種典型核函數(shù)�；谡`差最小和算法運行時間最短,制定了SVM核參數(shù)選取與核種類復合的改進策略。第二,基于遺傳算法理論框架,定義了SVM核參數(shù)為個體的解空間、單一核函數(shù)的SVM預測準確率和算法運行時間為適應度函數(shù)的形式,設計了一種SVM核參數(shù)自適應選取算法;構(gòu)建了一種將RBF核、多項式核和Sigmoid核加權復合的SVM原函數(shù),定義了核種類復合權值為個體的解空間、復合核函數(shù)的SVM預測準確率和算法運行時間為適應度函數(shù)的形式,設計了一種SVM核種類自適應復合算法;最后,將SVM核參數(shù)自適應選取與SVM核種類自適應復合進行了... 

【文章來源】：華北理工大學河北省

【文章頁數(shù)】：93 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
引言
第1章 緒論
    1.1 SVM簡介
    1.2 文獻綜述
        1.2.1 SVM研究現(xiàn)狀
        1.2.2 球團礦質(zhì)量預測研究現(xiàn)狀
        1.2.3 關鍵問題及創(chuàng)新點
    1.3 研究方案
        1.3.1 研究方法
        1.3.2 章節(jié)結(jié)構(gòu)
第2章 理論分析
    2.1 最優(yōu)分類超平面
        2.1.1 二次規(guī)劃
        2.1.2 卡羅需-庫恩-塔克條件
    2.2 典型支持向量機核函數(shù)
    2.3 支持向量機學習算法
        2.3.1 SMO學習算法
        2.3.2 SMO算法的實現(xiàn)
    2.4 本章小結(jié)
第3章 SVM算法改進
    3.1 遺傳算法
        3.1.1 標準遺傳算法
        3.1.2 模式定理
        3.1.3 個體、種群
    3.2 一種SVM核種類自適應復合算法
        3.2.1 SVM核種類復合策略及理論依據(jù)
        3.2.2 SVM核種類自適應復合算法設計
    3.3 一種SVM核參數(shù)自適應選取算法
        3.3.1 SVM核參數(shù)選取策略
        3.3.2 SVM核參數(shù)自適應選取算法設計
    3.4 改進的SVM算法
    3.5 本章小結(jié)
第4章 基于SVM改進算法的球團礦冶金性能預測
    4.1 預測樣本初始樣本集構(gòu)建
        4.1.1 實驗過程及數(shù)據(jù)采集
        4.1.2 初始樣本集構(gòu)建
    4.2 初始樣本信息深度挖掘
        4.2.1 礦相紋理特征提取
        4.2.2 礦相顏色特征提取
        4.2.3 礦相分形特征提取
        4.2.4 基于PCA的礦相主特征提取
        4.2.5 精華樣本集構(gòu)建
    4.3 球團礦冶金性能預測
        4.3.1 預測試驗設計
        4.3.2 預測效果分析
    4.4 本章小結(jié)
結(jié)論
參考文獻
致謝
導師簡介
作者簡介
學位論文數(shù)據(jù)集



本文編號：3043901