[发明专利]一种基于光谱技术的近海沉积物粒径大小分类方法

权利要求书

1.一种基于光谱技术的近海沉积物粒径大小分类方法，其特征在于，包括以下步骤：

S1.采集不同粒径的近海沉积物样品，获取其光谱，称为全光谱；

S2.将近海沉积物全光谱划分成m个波段，每个波段分别建立近海沉积物粒径模型，共m个近海沉积物粒径模型；

S3.从m个近海沉积物粒径模型中选取n个最优模型，其中3≤n＜m，将n个最优模型的分类结果采用融合算法进行融合处理，得到最优近海沉积物不同粒径的最优分类结果；

融合算法具体步骤为，S31.计算投票法分类结果result1；S32.计算贝叶斯方法分类结果result2；S33.计算加权投票法分类结果result3；S34.计算最优分类结果fihal_result，将result1，result2，result3通过步骤S31所述的投票法二次进行融合，得到的融合结果即为最优分类结果final_result；

S4.将获取的最优模型所用到的n个最优模型以及融合算法作为近海沉积物粒径大小分类的模型和方法，用于预测未知近海沉积物的粒径大小。

2.根据权利要求1所述的一种基于光谱技术的近海沉积物粒径大小分类方法，其特征在于：所述步骤S1和S2采用紫外-可见-近红外光谱、或紫外-可见光谱、或可见-近红外光谱、或近红外光谱数据。

3.根据权利要求1所述的一种基于光谱技术的近海沉积物粒径大小分类方法，其特征在于：所述步骤S2全光谱划分m个波段的方法可采用顺序截取波段，也可采用波长提取算法按照波长相关性顺序选取m个波段或根据专家经验划分m个波段，其中每个波段可为不连续性波段，也可以是连续性波段。

4.根据权利要求1所述的一种基于光谱技术的近海沉积物粒径大小分类方法，其特征在于：所述步骤S2建立近海沉积物粒径模型采用深度学习、支持向量机、AdaBoost分类算法中一种分类算法或多种分类算法进行建立模型。

5.根据权利要求1所述的一种基于光谱技术的近海沉积物粒径大小分类方法，其特征在于：所述步骤S3从m个近海沉积物粒径模型中选取n个最优模型的标准是根据粒径分类正确率。

6.根据权利要求1所述的一种基于光谱技术的近海沉积物粒径大小分类方法，其特征在于：所述步骤S31计算投票法分类结果result1具体步骤为，

设A_i(i＝1，2，...，p)为近海沉积物所属不同粒径的类别，共分为p个粒径类别，B_j(j＝1，2，...，n)为n个最优模型的分类结果，x为B_j的一个样本，投票法公式如下：

取E(x)值为判别的粒径类别，即为result1。

7.根据权利要求6所述的一种基于光谱技术的近海沉积物粒径大小分类方法，其特征在于：所述步骤S32计算贝叶斯方法分类结果result2具体步骤为，

设A_i为近海沉积物所属不同粒径的类别，共分为p个粒径类别，B₁，B₂，...，B_n为n个最优模型的分类结果，贝叶斯概率公式如下：

取P(A_i|B₁∩B₂∩...∩B_n)值最大的A_i为判别的粒径类别，即为result2。

8.根据权利要求7所述的一种基于光谱技术的近海沉积物粒径大小分类方法，其特征在于：所述步骤S33计算加权投票法分类结果result3具体步骤为，

B₁，B₂，...，B_n为n个最优模型的分类结果，P₁，P₂，...，P_n为n个最优模型的分类准确率，权值α_j计算公式如下：

result3＝α₁B₁+α₂B₂+…+α_nB_n。