[发明专利]一种改进的支持向量机结合激光诱导击穿光谱对钢铁材料的分类方法

摘要

本发明公开了一种基于支持向量机结合激光诱导击穿光谱对钢铁材料快速识别分类的方法，其首先通过LIBS系统对一系列已知牌号的钢材样品进行检测，获得不同牌号的钢材数据矩阵，使用支持向量机对已知类别数据建立分类模型，在建模过程中，使用了一种改进的建模方法——组合模型，当待测样品数据输入模型后，先经一对多方法模糊分类，筛选出候选类别，然后再通过一对一方法精细分类最终确定待测数据类别。该方法通过将传统一对多和一对一建模方法组合使用，充分利用二者的优势，使待测数据通过模糊分类和精细分类的两层分析系统，减少了无用类别信息对预测过程的影响，从而显著提高预测准确率并降低了计算成本。

主权项

一种改进的支持向量机结合激光诱导击穿光谱对钢铁材料的分类方法, 其特征在于包括以下步骤：(1) 利用激光诱导击穿光谱系统对不同牌号的钢材样品分别在不同的测量位点进行光谱数据采集；(2) 从每种牌号样品的光谱数据中随机挑选占其数据总量2/3的光谱数据作为训练集，其余光谱数据作为测试集；(3) 本发明中支持向量机使用多项式核函数；(4) 使用训练集数据通过网格法对多项式参数d在1—10范围内和惩罚因子C在10‑5—105范围内进行寻优；(5) 确定最优参数后利用训练集数据建立支持向量机模型, 建模过程中使用多项式核函数，首先进行一对多建模分类，分别建立针对每一类的二元分类器，然后将测试集数据依次带入各分类器预测，综合各二元分类器的预测值得出一对多模型的预测结果；如果一对多模型判断该数据属于某一类别，则整个预测过程结束；如果一对多模型判断该数据同时属于多个类别，即出现多分类情况，则把数据可能属于的类别作为候选类别，并在这些候选类别范围内进行一对一建模分类；(6) 一对一建模是将所有候选类别两两组合，每两个候选类别建立一个二元分类器，对于m类候选类别，则需建立m(m‑1)/2个二元分类器，然后测试数据被所有二元分类器依次预测，综合所有分类器的预测值以投票方式决定最终预测类别；如果最高得票数的类别不止一种，则将最高得票数的所有类别作为新的候选类别，然后重复迭代上述一对一建模分类方法直至最终确定唯一类别，即为最终预测类别；或者连续两次候选类别完全相同，此时判定该数据“无法分类”。