群智能与支持向量机的激光诱导击穿光谱模式识别研究
激光诱导击穿光谱技术(Laser-induced Breakdown Spectroscopy，LIBS)是一种基于原子发射光谱的多元素分析技术，具有样品预处理简单、快速分析、实时在线等特性。将模式识别算法应用于LIBS光谱数据分析中，以提高其分析性能，推动LIBS技术的应用进程。针对丹参产地识别问题，基于LIBS技术得到丹参的光谱信息，利用支持向量机(SupportVector Machine，SVM)算法对丹参LIBS光谱数据进行分类。为了得到最优SVM参数，使用不同群智能算法进行了SVM最优参数的估计，从而建立了群智能与SVM结合的分类模型。主要完成了如下几个方面的工作: (1)建立了一种基于SVM的丹参产地识别模型。为了有效提取丹参全谱数据的特征，使用主成分分析算法(Principal Component Analysis，PCA)对数据进行降维，分别建立了PCA-SVM、PCA-BP的丹参产地识别模型，实现了快速区分丹参产地的目的。数值实验结果表明:PCA-SVM模型在丹参产地识别中获得了较高的识别准确率，为丹参产地溯源提供了一种可行的方法，具有一定的应用价值。 (2)在SVM算法中，算法性能严重依赖于算法中的重要参数。为了估计不同参数值，将不同的群智能算法如遗传(GA)、粒子群(PSO)、灰狼(GWO)、鲸鱼(WOA)、麻雀(SSA)算法引入，分别建立了GA-SVM、PSO-SVM、GWO-SVM、WOA-SVM和SSA-SVM模型，并对丹参产地进行识别实验。数值实验结果表明:相比于经典SVM模型，此类模型性能更好，其中PSO-SVM模型平均用时最长，WOA-SVM模型平均用时最短，平均分类准确率中SSA-SVM模型最高，PSO-SVM模型最低。 综上所述，群智能算法与SVM相结合的丹参产地分类模型，不仅分类准确率较高，而且分类时间少，是一种更具良好性能的丹参产地溯源方法，为进一步的应用奠定了基础。
模式识别;激光诱导击穿光谱;支持向量机;群智能算法
西安石油大学
硕士
控制工程
景明利
2022
中文
TP391.44
2023-05-23（万方平台首次上网日期，不代表论文的发表时间）