文献类型：期刊文章

作　　者：文大鹏[1] 梁西银[1] 苏茂根[2] 杨富春[2] 张天辰[1] 陈瑞霖[1] 吴梦[1]

Wen Dapeng;Liang Xiyin;Su Maogen;Yang Fuchun;Zhang Tianchen;Chen Ruilin;Wu Meng(Engineering Research Center of Gansu Province for Intelligent Information Technology and Application,College of Physics and Electronic Engineering,Northwest Normal University,Lanzhou,Gansu 730070,China;Key Laboratory of Atomic and Molecular Physics&Functional Material of Gansu Province,College of Physics and Electronic Engineering,Northwest Normal University,Lanzhou,Gansu 730070,China)

机构地区：[1]西北师范大学物理与电子工程学院甘肃省智能信息技术与应用工程研究中心,甘肃兰州730070 [2]西北师范大学物理与电子工程学院甘肃省原子分子物理与功能材料重点实验室,甘肃兰州730070

出　　处：《激光与光电子学进展》

基　　金：甘肃省引导科技创新专项(2019zx-10)。

年　　份：2021

卷　　号：58

期　　号：23

起止页码：183-191

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

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(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%。

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  

分 类 号：O433.4]