激光诱导击穿光谱技术结合PCA-PSO-SVM对矿石分类识别

摘要：

利用激光诱导击穿光谱(LIBS)技术结合主成分分析-粒子群优化-支持向量机(PCA-PSO-SVM)算法对12类矿石进行分类识别.运用Savitzky Golay滤波、分段特征值提取法对光谱进行平滑滤波与基线校正预处理.选取经主成分分析(PCA)降维后的前25个主成分作为PSO-SVM分类模型的输入,得到对12类矿石的最佳识别准确率为100％.分别建立主成分-线性判别分析(PCA-LDA)、主成分-粒子群优化-误差反向传播神经网络(PCA-PSO-BP)两种分类模型,并与PCA-PSO-SVM模型进行对比实验,结果表明,PCA-PSO-SVM分类模型的识别准确度最高,其平均识别准确率可达99.90％.

关键词：激光光学、激光诱导击穿光谱、主成分分析、粒子群优化算法、支持向量机、矿石分类

所属期刊栏目：58

分类号：O433.4(光学)

资助基金：甘肃省引导科技创新专项2019zx-10

在线出版日期：2022-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：183-191