[发明专利]一种基于遗传算法选择最优光谱谱段的方法及其应用

摘要

本发明涉及一种基于遗传算法选择最优光谱谱段的方法及其应用，具体步骤为：1)获得LIBS光谱数据；2)参数编码，形成遗传算法初始种群；3)主成分分析；4)训练人工神经网络模型；5)评价网络；6)形成新种群；7)重复3)～6)至满足适应度指标，输出最优分段及对应的最优分类器；8)应用分类器对未知样品进行分类。本方法训练出的分类器可对训练样品对应种类的待测样品进行准确分类，从而定性分析样品成分组成。

主权项

1.一种基于遗传算法选择最优光谱谱段的方法，其特征在于，包括以下步骤：步骤1：获取训练样品的光谱数据，确定波长和强度范围；步骤2：根据光谱数据、起始位置范围及需要的谱段长度，确定光谱分段参数编码位数，进行对应的遗传算法染色体编码，形成遗传算法初始种群；所述编码为采用二进制格雷码，对于最优谱段的起始波长和谱段长度进行混合编码，单一染色体的对应编码位置分别代表起始波长位置和谱段长度，通过调节染色体整体长度和对应编码位置长度控制起始波长和谱段长度范围；步骤3：对初始种群中的每个个体对应谱段进行主成分分析，提取主成分信息；步骤4：使用人工神经网络算法，以步骤3提取出的主成分信息作为输入，已知的训练样品类别作为输出训练分类器；步骤5：根据网络对由多个训练样品构成的训练集和由多个训练样品构成的验证集数据进行评价，得到最优网络及相应的网络精度；步骤6：对初始种群进行选择、交叉和突变操作，重插入原种群形成新种群；步骤7：重复步骤3～步骤6，直至遗传算法满足结束条件，输出最终得到的最优谱段及其对应的最优分类网络。