典型文献
基于奇异能量值的高炉煤气流分布状态分类
文献摘要：
料面煤气流分布对高炉冶炼的稳定性和降低燃料比及其重要.针对高炉料面煤气流分布状态不明确的现状,利用高炉煤气流红外图像数据和图像特征识别技术,分别采用K-means聚类和Mini Batch K-means聚类算法,对图像进行分类.以平均轮廓系数为标准评价两种算法得出:K-means聚类算法更好(10类),但其聚类数量太多,不适合高炉实际生产需要和智能控制.为了进一步优化类别数,发现加入奇异能量值的K-means聚类算法更适合煤气流分布状态的划分,且划分4类是最优的.
文献关键词：
红外图像;K-means聚类算法;煤气流状态;奇异能量值
中图分类号：
作者姓名：
王晋建;石琳
作者机构：
内蒙古科技大学 内蒙古包头 014010
文献出处：
引用格式：
[1]王晋建;石琳-.基于奇异能量值的高炉煤气流分布状态分类)[J].信息技术与信息化,2022(09):39-42
A类：
奇异能量值,煤气流状态
B类：
高炉煤气,煤气流分布,分布状态,状态分类,料面,高炉冶炼,燃料比,炉料,红外图像,图像数据,和图像,图像特征,特征识别,means,Mini,Batch,聚类算法,平均轮廓系数,标准评价,聚类数,太多,智能控制,别数
AB值：
0.246277
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
