一种基于深度学习的多模型融合矿石分类算法

本发明公开了一种基于深度学习的多模型融合矿石分类算法，涉及一种铁矿石检测分类的集成学习分类方法，该集成学习分类方法主要包括模型整体构建和集成学习策略，集成学习模型主要是通过构建多个独立的神经网络模型，采用加权投票，根据光谱分类模型和元素分类模型在历史测试数据上的准确率等指标赋予不同权重，并将每个模型预测各类别的概率乘以对应权重后相加，以概率最高的类别为最终预测结果。这种方法可以减少模型的方差，提高模型的稳定性，故对于提高铁矿石检测分类效率和准确性具有重要意义。