基于PCA?UVE?ELM的光譜分類方法,所述PCA?UVE?ELM為綜合PCA,UVE,以及ELM的復合算法,PCA指主成分分析算法,UVE指無信息變量剔除算法,ELM指極限學習機算法,通過對樣品的拉曼光譜原始數據進行歸一化處理,利用PCA算法將歸一化數據降至二維平面上的直觀可視化投影,在二維平面利用置信橢圓實現初步分類;對于重合率較高的標簽的光譜數據利用UVE算法計算其特征拉曼位移,根據分類物質的化學特性,對其特征化學鍵拉曼位移的所測強度進行增強處理以進行優化分類,將數據集按照訓練集與測試集3:1的比例對ELM模型進行訓練,利用ELM算法尋找最優參數,實現最優分類,從而實現光譜鑒別的多分類,提高鑒別分類的效率和精確度。
聲明:
“基于PCA-UVE-ELM的光譜分類方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)