典型文献
深度学习聚类算法在炼铁高炉指标聚类中的应用
文献摘要：
为支撑炼铁高炉画像及对标找差应用,该文开发了一套用于炼铁高炉指标聚类的深度学习聚类算法模型,其中包括表达空间学习、低维空间聚类及最优解算法模块三部分,采用自编码器模型的神经网络结构和聚类损失函数,基于高炉生产以及经济效益等指标,将不同环境下的高炉进行聚类,既展现了高炉群体间、个体间、个体与不同群体间炉况和炼铁能力的共性,又为对标找差提供了有效途径,在很多高炉中评判出优质高炉,以及发现其他高炉与优质高炉间的差距.
文献关键词：
高炉指标聚类;深度学习聚类;高炉画像;对标找差
中图分类号：
作者姓名：
李军
作者机构：
上海宝信软件股份有限公司,上海201203
文献出处：
引用格式：
[1]李军-.深度学习聚类算法在炼铁高炉指标聚类中的应用)[J].中国新技术新产品,2022(12):64-67
A类：
深度学习聚类,高炉指标聚类,高炉画像
B类：
炼铁高炉,对标找差,套用,聚类算法模型,空间学习,低维空间,空间聚类,最优解,算法模块,三部分,自编码器,神经网络结构,聚类损失,损失函数,高炉生产,不同环境,群体间,不同群体,炉况,评判出
AB值：
0.280541
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。
