[发明专利]一种新型光谱多元分析分类与识别方法及其用途

摘要

本发明为一种新型光谱多元分析分类与识别方法及其用途，针对SIMCA方法因欧氏距离导致分类不够精确的问题，采用了马氏距离来代替欧式距离进行预测，是一种改进的SIMCA方法。主要包括：样本制备与光谱采集、样本光谱数据采集与处理、建立多元校正模型、预测和评价五个部分。与传统的SIMCA方法相比，本发明的优势：改善了SIMCA的分类精度，应用的范围更广。本发明适用于对固体、液体、气体状态的多组分样品的识别，具有良好的应用前景。

主权项

一种新型光谱多元分析分类与识别方法，其特征在于，包括如下步骤：(1)样本制备：与光谱采集：收集待检测材料，根据材料特性，将待检测材料加工处理制成样本，使得光谱仪能采集到样本的光谱数据；(2)样本光谱数据采集与处理：用光谱仪器对步骤(1)中制得的样本进行光谱测量，可获得由步骤(1)制得的样本的光谱数据组成的样本光谱数据集Sm，，并利用SG平滑方法消除样本光谱数据集Sm中光谱数据的高频噪音，然后用一阶求导方法消除样本光谱数据集Sm中光谱数据的基线漂移，接着对样本光谱数据集Sm中光谱数据进行均值中心化处理；(3)建立多元校正模型：将经过步骤(2)处理后的样本光谱数据集Sm分为校正集Smc和验证集Smv，校正集Smc由具有的样本光谱数据组成且占样本光谱数据集Sm的光谱数据的80％；分别对校正集Smc中的每类样本建立主成分模型，并根据Hotelling T2检验计算T^2的临界值根据建模样本集的二次分布结果近似出残差阈值Q；(4)预测：根据主成分模型的最佳主成分数A计算验证集Smc中样本的T^2和残差Si的值，通过T^2的临界值和残差阈值Q计算验证集Smv中的样本到主成分模型的马氏距离，并根据最小的马氏距离值判别待测样本的类别；(5)评价：以步骤(3)中所得到的验证集Smv对不同方法预测的结果进行评价，以主成分模型的预测准确率和错误样本个数为指标，评价方法的优劣，其中，预测准确率的计算公式如下：