[發(fā)明專利]基于近紅外光譜和SSA優(yōu)化的ELM的煤矸石快速識別方法

有效

• 申請?zhí)枺?/td>: 202010469047.8
• 申請日: 2020-05-28
• 公開（公告）號: CN111626224B
• 公開（公告）日: 2023-05-23
• 發(fā)明（設(shè)計(jì)）人: 周孟然;閆鵬程;胡鋒;來文豪;卞凱
• 申請（專利權(quán)）人: 安徽理工大學(xué)
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/774;G06V10/764;G06V10/77;G06V10/82;G06N3/0464;G06N3/08;G01N21/17;G01N21/3563;G01N21/359
• 代理公司: 西安銘澤知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61223
• 代理人: 梁靜

1.一種基于近紅外光譜和SSA優(yōu)化的ELM的煤矸石快速識別方法，其特征在于，包括以下步驟：

利用多光譜成像儀獲取煤和矸石的近紅外光譜圖像，分別預(yù)處理獲取的各波段的近紅外光譜圖像，并對預(yù)處理后的光譜圖像降維，然后將降維后的光譜數(shù)據(jù)按比例4:1劃分訓(xùn)練集和測試集；

基于改進(jìn)的極限學(xué)習(xí)機(jī)算法建立近紅外煤矸石光譜圖像識別模型；

將訓(xùn)練集和測試集分別用于識別模型訓(xùn)練和測試，利用海樽群算法進(jìn)行改進(jìn)的極限學(xué)習(xí)機(jī)的參數(shù)優(yōu)化，搜索出各波段煤矸石的最高識別率，以及對應(yīng)的識別模型的參數(shù)；

把識別準(zhǔn)確率最高的波段的近紅外光譜圖像結(jié)合SSA搜索的改進(jìn)的極限學(xué)習(xí)機(jī)的最優(yōu)參數(shù)用于煤和矸石識別；

基于改進(jìn)的ELM算法建立近紅外煤矸石光譜圖像識別模型包括：

降維后的光譜數(shù)據(jù)數(shù)D＝{x_i|x_i∈R^d,i＝1,2,…,h}，k-ELM的隱藏層節(jié)點(diǎn)設(shè)置為L，隱藏層的輸出設(shè)為g(x)＝[g(x₁),g(x₂),…,g(x_h)]，隱藏層的權(quán)值向量為w＝[w₁,w₂,…w_L]，那么ELM模型的輸出函數(shù)為：

k-ELM模型的目標(biāo)為：

其中ζ_i代表目標(biāo)輸出y_i與實(shí)際計(jì)算輸出值f(x)的誤差，C為懲罰系數(shù)；將式(5)轉(zhuǎn)換成其對偶問題：

式(6)中，α_i為拉格朗日算子；然后再根據(jù)KKT條件對其求解：

其中G＝[g^T(x₁),g^T(x₂),…,g^T(x_h)]^T,α＝[α₁,α₂,…,α_h]^T,進(jìn)而可得：

為提高模型的識別性能和非線性映射能力，引入和函數(shù)，定義核函數(shù)矩陣：

Ω＝GG^T,Ω_i,j＝g(x_i)·g(x_j)＝K(x_i,x_j)???????????????(9)

進(jìn)而得到k-ELM得輸出為：

對于分類問題，將輸出轉(zhuǎn)化成輸入樣本標(biāo)簽：

所述海樽群算法優(yōu)化改進(jìn)型ELM的參數(shù)的過程如下：

初始化所有參數(shù)，海樽數(shù)為N，最大迭代次數(shù)L，待尋優(yōu)變量為p，變量p的上下邊界為ub和lb；

計(jì)算每個海樽的適應(yīng)度，尋找并保存最優(yōu)適應(yīng)度的海樽；

根據(jù)下公式(12)計(jì)算變量c₁，其中l(wèi)為當(dāng)前迭代次數(shù)；

根據(jù)公式(13)更新第一個海樽的位置，根據(jù)公式(14)更新第一個海樽隨后的海樽位置；

式(13)中，F(xiàn)為海樽的食物來源，c₂和c₃是服從均勻分布的在[0,1]內(nèi)的隨機(jī)數(shù)；

計(jì)算種群所有海樽的適應(yīng)度值，更新最優(yōu)適應(yīng)度，當(dāng)更新前迭代次數(shù)l＝l+1；

判斷當(dāng)前迭代次數(shù)l是否大于最大迭代次數(shù)，如果不大于，向上返回三個步驟，尋找并保存最優(yōu)適應(yīng)度的海樽；否則結(jié)束搜素，輸出最優(yōu)適應(yīng)度值以及其對應(yīng)的海樽的位置。

2.根據(jù)權(quán)利要求1所述的基于近紅外光譜和SSA優(yōu)化的ELM的煤矸石快速識別方法，其特征在于，對各波段的近紅外光譜圖像進(jìn)行預(yù)處理的方法如下：

x＝x′/255??????????????????(1)

式(1)中，x為處理后的近紅外光譜圖像的像素點(diǎn)的取值，x′為像素點(diǎn)的原始數(shù)值。

3.根據(jù)權(quán)利要求2所述的基于近紅外光譜和SSA優(yōu)化的ELM的煤矸石快速識別方法，其特征在于，所述對預(yù)處理后的光譜圖像降維為成分分析，其包括：

將二維的光譜圖像數(shù)據(jù)轉(zhuǎn)化為一維數(shù)據(jù)，并計(jì)算協(xié)方差矩陣q為特征維度：

式(2)中，和分別為光譜數(shù)據(jù)的像素均值，h為采集的煤和矸石的光譜圖像數(shù)；

根據(jù)式(3)求出的特征值λ₁,λ₂,…,λ_q，以及其相對應(yīng)的正交化單位特征向量α₁,α₂,…,α_q：

將特征值從大到小排序，取前m個特征值及其對應(yīng)的特征向量(降維后的光譜數(shù)據(jù)維度為m，排序后特征值為λ′₁＞λ′₂＞…＞λ′_m，對應(yīng)的特征向量為α₁′,α₂′,…,α′_m；

計(jì)算降維后的主成分并輸出。