[发明专利]一种基于最小二乘支持向量机结合激光诱导击穿光谱识别炉渣种类的方法在审
| 申请号： | 201510102111.8 | 申请日： | 2015-03-10 |
| 公开（公告）号： | CN104697965A | 公开（公告）日： | 2015-06-10 |
| 发明（设计）人： | 李华;张天龙;汤宏胜 | 申请（专利权）人： | 西北大学 |
| 主分类号： | G01N21/63 | 分类号： | G01N21/63 |
| 代理公司： | 西安西达专利代理有限责任公司 61202 | 代理人： | 谢钢 |
| 地址： | 710069 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于最小二乘支持向量机结合激光诱导击穿光谱（LIBS）分析技术对炉渣种类识别的方法。采用网格全局寻优和五折交叉验证来优化最小二乘支持向量机参数（径向基核函数-γ和σ2），并构建最小二乘支持向量机分类模型，然后将该分类模型与LIBS技术结合实现炉渣种类的识别。研究表明，最小二乘支持向量机建模方法具有很好的预测效果，为LIBS技术进行模式识别提供了一种新的建模方法，可用于冶金废弃物的识别、回收和再利用。 | ||
| 搜索关键词： | 一种 基于 最小 支持 向量 结合 激光 诱导 击穿 光谱 识别 炉渣 种类 方法 | ||
【主权项】：
最小二乘支持向量机算法结合激光诱导击穿光谱对炉渣种类进行识别的方法，包括以下步骤：（1）利用激光诱导击穿光谱仪器对分别在30个炉渣样品的不同测量位点进行光谱数据采集；（2）从30个炉渣样品中随机挑选20个样品的光谱数据作为训练模型的训练集，其余10个样品对应的光谱数据作为测试集；（3）使用训练集数据通过网格搜索和五折交叉验证方法对LS‑SVM训练模型两个参数径向基核函数‑γ和σ2进行寻优；（4）确定模型最优参数后利用训练集数据建立炉渣分类的LS‑SVM分类模型；（5）利用建立的LS‑SVM模型预测未知炉渣所属的类别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西北大学;，未经西北大学;许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201510102111.8/，转载请声明来源钻瓜专利网。
