激光诱导击穿光谱技术结合PCA-PSO-SVM对矿石分类识别

作者：文大鹏; 梁西银^*; 苏茂根; 杨富春; 张天辰; 陈瑞霖; 吴梦

来源：激光与光电子学进展, 2021, 58(23): 191-199.

• 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

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(PCAPSO-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%。

• 单位
  电子工程学院; 西北师范大学