买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中南大学申请的专利基于多目标混合特征选择的泡沫浮选工况识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116152581B 。

龙图腾网通过国家知识产权局官网在2026-01-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211518442.6，技术领域涉及：G06V10/771；该发明授权基于多目标混合特征选择的泡沫浮选工况识别方法是由周晓君;李明;杜洋伊;阳春华设计研发完成，并于2022-11-30向国家知识产权局提交的专利申请。

本基于多目标混合特征选择的泡沫浮选工况识别方法在说明书摘要公布了：本公开实施例中提供了一种基于多目标混合特征选择的泡沫浮选工况识别方法，属于数据识别技术领域，具体包括：提取泡沫浮选工况中的待处理数据集进行数据预处理；对全部特征进行按边际贡献值排序；得到初筛特征子集；计算初筛特征子集中每个特征的初始权重；设置最大迭代次数与二值状态转移算法的相关参数，根据初始权重和初筛特征子集生成多个候选特征子集，选择候选特征子集中所有的非支配解构成初始帕累托最优解集；形成目标函数矩阵；通过二维排序策略对目标函数矩阵进行处理，更新初始帕累托最优解集；重复步骤6至步骤7，直至迭代次数等于最大迭代次数，输出Xbest作为最终帕累托最优解集。通过本公开的方案，提高了识别效率和精准度。

本发明授权基于多目标混合特征选择的泡沫浮选工况识别方法在权利要求书中公布了：1.一种基于多目标混合特征选择的泡沫浮选工况识别方法，其特征在于，包括： 步骤1，提取泡沫浮选工况中的待处理数据集进行数据预处理； 步骤2，根据边际贡献准则计算预处理后的数据集中每个特征的边际贡献值，并对全部特征进行按边际贡献值排序； 步骤3，根据特征的排序计算累计贡献，保留累计贡献大于阈值的特征，剔除其余的低贡献特征，得到初筛特征子集； 步骤4，计算初筛特征子集中每个特征的初始权重； 步骤5，设置最大迭代次数与二值状态转移算法的相关参数，根据初始权重和初筛特征子集生成多个候选特征子集，选择候选特征子集中所有的非支配解构成初始帕累托最优解集； 步骤6，利用状态转移算子根据初始帕累托最优解集产生多个候选解，并利用预设的分类器对每个候选解训练计算分类错误率，然后计算出每个候选解的特征数量，形成目标函数矩阵； 所述步骤6具体包括： 步骤6.1，将中的每个解经由状态转移算子产生个候选解，所述状态转移算子的公式如下： ； ； 其中表示对应第i号特征的选中情况，代表第i号特征的概率，代表第i号特征的归一化权重，代表取反符号，为归一化权重中的最小值，为归一化权重中的最大值； 步骤6.2，利用预设的分类器对每个候选解训练计算分类错误率，然后计算出每个候选解的特征数量； 步骤6.3，根据每个候选解的分类错误率和特征数量对应的目标函数得到每个候选解的目标函数矩阵； 步骤7，通过二维排序策略对目标函数矩阵进行处理，更新初始帕累托最优解集； 步骤8，将迭代次数增加1，重复步骤6至步骤7，直至迭代次数等于最大迭代次数，输出作为最终帕累托最优解集。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中南大学，其通讯地址为：410000 湖南省长沙市岳麓区麓山南路932号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。