等離激元增強(qiáng)拉曼光譜預(yù)處理和識(shí)別算法的研究.pdf

1、物質(zhì)檢測(cè)是保障生產(chǎn)生活安全的重要基礎(chǔ)，是監(jiān)督管理的重要手段。拉曼光譜技術(shù)以其快速、無損、樣品無需預(yù)處理等特點(diǎn)在物質(zhì)快速檢測(cè)領(lǐng)域受到越來越多的關(guān)注。但現(xiàn)有的拉曼光譜分析算法，大多針對(duì)專用儀器和單一體系物質(zhì)，要求操作人員有專業(yè)知識(shí)，通用性差。本文首先提出局部自適應(yīng)多項(xiàng)式擬合和基于高斯峰假設(shè)兩種預(yù)處理算法，自動(dòng)消除熒光背景，提高后續(xù)光譜分析的效率。這兩種算法準(zhǔn)確可靠、無需人工干預(yù)、通用性強(qiáng)。本文針對(duì)不同的拉曼光譜分類識(shí)別應(yīng)用場(chǎng)景，提出了三種基

2、于機(jī)器學(xué)習(xí)方法的解決方案:1、將邏輯回歸模型與拉曼光譜分類結(jié)合，有效解決普通多分類的應(yīng)用場(chǎng)景問題。實(shí)驗(yàn)顯示，采用極小極大自適應(yīng)放縮算法可有效提取特征，更進(jìn)一步提高光譜識(shí)別的準(zhǔn)確性;2、將超圖學(xué)習(xí)方法與拉曼光譜分類結(jié)合，在標(biāo)注樣本很少的情況下借助無標(biāo)注樣本進(jìn)行學(xué)習(xí)，得到比有監(jiān)督學(xué)習(xí)更好的分類效果，解決了訓(xùn)練樣本不充分的應(yīng)用場(chǎng)景問題;3、將深度學(xué)習(xí)與拉曼光譜分類結(jié)合，采用棧式去噪自編碼神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)實(shí)現(xiàn)形式，有效解決無先驗(yàn)知識(shí)特征提取的