您当前的位置：
首页 >
文章列表页 >
结合双模多尺度CNN特征及自适应深度KELM的浮选工况识别
信息科学 | 更新时间：2020-08-14
上一篇|下一篇

    • 结合双模多尺度CNN特征及自适应深度KELM的浮选工况识别

    • Flotation performance recognition based on dual-modality multiscale CNN features and adaptive deep learning KELM

    • 廖一鹏 ，张进 ，王志刚 ，王卫星
    • 光学 精密工程 2020年28卷第8期 页码：1785-1798

    • DOI： 10.3788/OPE.20202808.1785     

      中图分类号：

    • 修回：2020-4-20 ，

      录用：2020-4-20 ，

    移动端阅览

  •  
  •  

  • HTML全文

  • 图( 10 ) 表( 0 )

  • 参考文献

  • 出版信息

  • 数据统计

论文导航
icon
试读结束，您可以激活您的VIP账号继续阅读。
去激活 >
icon
试读结束，您可以通过登录账户，到个人中心，购买VIP会员阅读全文。
已是VIP会员？
去登录 >

541

浏览量

1079

下载量

7

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

基于动态特征增强的水下鱼类目标检测
改进U-Net的全局特征融合水下图像增强网络
全息环纹噪声的空频协同智能抑制
微小型MEMS-FPI近红外光谱仪
多尺度深层特征蒸馏的图像超分辨率重建

相关作者

朱晓龙
陈郁隈
王嘉宇
郭海涛
陈祥子
高绍姝
焦广森
李广峰

相关机构

海南热带海洋学院 海洋科学技术学院
海南热带海洋学院 崖州湾创新研究院
中国石油大学（华东） 石油工业训练中心
中国石油大学（华东） 青岛软件学院、计算机科学与技术学院， 山东省智能油气工业软件重点实验室
浙江理工大学 信息科学与工程学院（网络空间安全学院）