机器学习基础

本文定位：从预处理、定性识别到定量分析的算法总览，以铁矿样品串联完整工作流。

系列阅读路线

• 算法原理与方法比较
• 预处理尺度、评估指标与结果表达
• 烧蚀、辐射与等离子体诊断
• CF-LIBS 基础与假设
• CF-LIBS 实现步骤

---

背景设定（贯穿全文的铁矿案例） 假设我们用 LIBS 仪器对一批矿石样品打谱，每个样品在 200–900 nm 范围内采集一条光谱（约 12000 个波长点，即 12000 维变量）。样品标签已知一部分：

• 类别标签（用于定性/分类）：磁铁矿（Fe₃O₄）、赤铁矿（Fe₂O₃）、褐铁矿（FeO(OH)·nH₂O）、菱铁矿（FeCO₃）、以及混入的脉石（石英 SiO₂、方解石 CaCO₃）。
• 含量标签（用于定量）：用 XRF/化学法测得的 TFe（全铁）、SiO₂、CaO、Al₂O₃、P、S 等参考值。

LIBS 铁矿谱的典型特征：Fe 原子/离子线极多（Fe I 371.99、382.04、404.58、438.36 nm；Fe II 259.94、274.32 nm 等），且与 Ca、Si、Al、Mg 的谱线严重重叠，连续背景（轫致辐射+复合辐射）强，自吸收明显。这正是下面所有算法要解决的问题。

---

通过激光诱导击穿光谱（LIBS）获取光谱数据后，结合机器学习进行分类（如物质识别、产地溯源）或回归（如元素定量分析）是目前极其主流且高效的研究范式。

下面先介绍 LIBS 机器学习建模的完整流程，再依次展开预处理、定性分析、定量分析与铁矿应用实例。

---

LIBS 机器学习分析完整步骤

1. 数据预处理（重点：必须剔除异常数据）

LIBS 信号受激光能量波动、样品基体效应和环境影响很大，存在明显的“脉冲到脉冲（Shot-to-shot）”的不稳定性。

异常数据剔除（必须进行）： 在进行任何分析前，强烈建议剔除异常光谱。如果不剔除，异常点会严重拉偏模型的决策边界或回归曲线。常用的剔除方法包括：

统计学方法： 基于特定特征峰的强度，使用 法则或箱线图。

多变量方法： 对光谱进行主成分分析（PCA），利用 Hotelling’s 统计量或马氏距离识别并剔除离群点。

算法方法： 孤立森林（Isolation Forest）或局部异常因子（LOF）。

平滑与降噪： 常用 Savitzky-Golay \(S-G\) 平滑或小波变换去除高频噪声。

基线校正： 去除由于轫致辐射等引起的连续背景（如多项式拟合或自适应迭代重加权惩罚最小二乘法 airPLS）。

归一化/标准化： 消除绝对强度波动的影响（如最大值归一化、全谱面积归一化或内标法）。

2. 特征选择与降维

LIBS 光谱通常包含上万个波长点（高维数据），直接输入模型容易导致“维数灾难”和过拟合。

降维： 主成分分析（PCA）是最常用的无监督降维方法。

特征选择： 根据物理先验知识挑选目标元素的特征谱线，或使用变量投影重要性（VIP）、连续投影算法（SPA）、无信息变量消除（UVE）等算法筛选有用波长。

3. 数据集划分（必须划分训练集和测试集）

必须划分。 这是评估机器学习模型是否真正具备预测能力（泛化能力）的基础。

训练集（Training Set）： 通常占总数据的 70%~80%，用于模型“学习”数据中的规律。

测试集（Test Set）： 占 20%~30%，模型在训练阶段绝对不能看到这些数据。它相当于最终的“期末考试”，用于检验模型在面对全新样品时的真实表现。

4. 模型选择与构建

根据您的任务目标选择合适的算法：

分类任务（如合金钢牌号识别、岩石分类）： 支持向量机（SVM）、随机森林（RF）、K近邻（KNN）、人工神经网络（ANN）、偏最小二乘判别分析（PLS-DA）。

回归任务（如测定土壤中重金属的浓度）： 偏最小二乘回归（PLSR，LIBS领域最经典）、支持向量回归（SVR）、随机森林回归（RFR）、多层感知机（MLP）。

5. 模型优化与验证（K折交叉验证与袋外估计的作用）

在训练集上训练模型时，我们需要寻找最佳的“超参数”（例如 SVM 的惩罚系数、PLS 的主成分个数、随机森林的树的数量）。这需要用到验证机制：

K折交叉验证（K-Fold Cross-Validation）：

作用： 解决数据量较少时的过拟合问题，并用于超参数调优。

原理： 将训练集平均分成 份（常用 5 折或 10 折）。每次拿其中 1 份作为内部验证集，其余份用于训练，重复 次。最后对 次的结果取平均。

意义： 它可以告诉你模型在当前参数下表现是否稳定，防止模型只是“死记硬背”了某一部分训练数据。

袋外估计（Out-Of-Bag, OOB Estimation）：

作用： 它是基于 Bagging 算法（特别是随机森林 Random Forest）特有的一种内置验证方法，相当于“免费的交叉验证”。

原理： 随机森林在构建每一棵决策树时，采用有放回抽样（Bootstrap）。数学上可以证明，每次抽样大约有 的样本没有被抽中用于建树，这些没被抽中的数据就是“袋外数据（OOB）”。

意义： 可以直接使用这 36.8% 的 OOB 数据来测试当前树的性能（即 OOB 误差）。如果使用随机森林，你甚至可以省略 K折交叉验证，直接通过 OOB 误差来评估模型性能和进行特征重要性排序，计算速度更快。

6. 模型评估

使用测试集数据输入已经训练并调优好的模型，得出最终的评价指标。

分类指标： 准确率（Accuracy）、精确率（Precision）、召回率（Recall）、混淆矩阵（Confusion Matrix）。

回归指标： 决定系数（）、均方根误差（RMSE，包含 RMSEC 和 RMSEP）、平均绝对误差（MAE）。

必须划分训练集和测试集，否则无法评估模型的真实泛化能力。 必须剔除异常数据，因为 LIBS 脉冲的不稳定性会引入强烈的离群噪声，干扰模型学习。 K折交叉验证用于在训练集中寻找最优参数，防止模型过拟合。 袋外估计（OOB） 是随机森林等集成算法自带的“交叉验证”平替，用于快速评估模型误差和特征重要性。

一、光谱数据预处理（Spectral data preprocessing）

LIBS 原始谱 = 真实原子发射线 + 连续背景（baseline）+ 随机噪声 + 仪器漂移。预处理的目标是把"信号"从这三类干扰里剥出来。表中预处理对应的方法有：Model-free algorithm、WT、SWT、WTD、CWT、L-M，其中 WT 还兼做数据压缩。

1. 无模型算法（Model-free algorithm）

在激光诱导击穿光谱（LIBS）分析中，由于等离子体早期的韧致辐射（Bremsstrahlung radiation）和电子离子复合辐射（Recombination radiation），光谱中不可避免地会产生一个宽泛的、连续的背景信号（即基线）。这种基线会抬高原子和离子的特征发射峰，严重影响定性和定量分析的准确性。

无模型算法（Modelfree algorithm）是指在不依赖于等离子体物理演化模型或特定全局数学函数（如预设的全局多项式方程）的前提下，纯粹依靠光谱数据本身的形态学、统计学或频率特征来分离并去除基线的方法。

以下是LIBS分析中几种最主流的无模型基线去除算法及其详细工作原理：

不对称惩罚最小二乘法及其变体 \(ALS / airPLS\)

这可以说是目前光谱基线校正中最强大、使用最广泛的无模型算法家族。

基本原理 \(ALS Asymmetric Least Squares\)： 常规的最小二乘法会将拟合曲线穿过数据的中心（包含峰值）。而不对称最小二乘法通过引入非对称权重来解决这个问题。在每次迭代中，如果原始数据点高于拟合出的基线（说明该点可能是特征峰），算法会赋予它极小的权重；如果数据点低于拟合线（说明该点属于基线），则赋予极大的权重。 它的目标函数包含两部分：保真度（与原数据的差异）和粗糙度（基线的平滑程度），公式表示为： 其中 是原始光谱， 是拟合基线， 是权重， 是控制基线平滑度的惩罚系数。

进阶变体 \(airPLS 适应性迭代重加权惩罚最小二乘法\)： 由于基础的ALS需要手动调节权重参数，airPLS进行了改进。它不需要用户提供峰值区域的先验信息，而是能够在迭代过程中自适应地更新权重向量。对于LIBS这种谱峰密集、基线起伏大的复杂光谱，airPLS通常能表现出极高的鲁棒性。

数学形态学滤波 \(Mathematical Morphology / TopHat 变换\)

这种方法将一维的光谱数据视作图像，通过类似于“滑动窗口”的形态学操作来过滤掉峰值，只保留宽泛的背景。

腐蚀 \(Erosion\)： 使用一个宽度为 的结构元素（窗口）在光谱上滑动，将窗口中心点的值替换为窗口内的最小值。这一步会把所有宽度小于 的特征峰“削平”，但同时也会导致整体光谱向下偏移。

膨胀 \(Dilation\)： 在腐蚀的基础上，用同样的窗口滑动，将中心点替换为窗口内的最大值。这一步能将下移的基线重新抬升回原来的高度，但由于峰已经被削平，抬升上来的只有宽泛的基线。

开运算与顶帽变换 \(TopHat Transform\)： 先腐蚀后膨胀的过程称为“开运算”（Opening），它拟合出的就是光谱的基线。 将原始LIBS光谱减去开运算得到的基线，就是去除了基线的纯净发射峰光谱（即顶帽变换的结果）。

关键点： 结构元素（窗口）的宽度必须略大于光谱中最宽的特征峰，否则宽峰会被误认为基线而保留下来。

敏感非线性迭代峰值裁剪算法 \(SNIP\)

SNIP（Statisticssensitive Nonlinear Iterative Peakclipping）最初用于X射线荧光光谱（XRF），后来被广泛引入LIBS领域。它是一种极其直观的“削峰”算法。

基本原理： SNIP算法通过多次迭代来逐步“剪掉”高于基线的峰。在每一次迭代中，算法会检查每一个数据点 。它会提取该点左右两侧距离为 的两个点： 和 。 如果中心点的值大于两侧点的平均值（即 ），算法就会强行将 替换为这个平均值或经过特定非线性转换的值。

迭代效果： 随着迭代次数的增加和窗口 的动态变化，像针尖一样的特征峰会迅速被削平，最后剩下的包络线就是平滑的连续背景基线。

小波变换法 \(Wavelet Transform\)

小波变换是基于频率特征分离基线和特征峰的无模型方法。

基本原理： 在频域中，LIBS光谱的尖锐特征峰和随机高频噪声属于高频信号，而缓慢起伏的连续背景基线属于低频信号。

处理过程： 通过选择合适的小波基（如 Symlets 或 Daubechies 小波），将原始光谱进行多尺度分解。分解后，光谱被分成“近似系数”（Approximation，低频部分）和“细节系数”（Detail，高频部分）。 算法将包含峰值的高频细节系数置零或削弱，然后仅使用低频近似系数进行小波重构。重构出的平滑曲线即为估计出的基线。

主流算法对比总结

算法名称	核心逻辑	优点	缺点 / 挑战
airPLS / ALS	统计学：不对称权重迭代，强行平滑非峰值区域	精度极高，自适应性强，保留峰形完美	存在控制平滑度的超参数（），极端密集峰区域可能出现基线过拟合
形态学 \(TopHat\)	几何形态学：利用固定宽度的滑动窗口削平窄峰	速度快，逻辑简单，对硬件计算要求极低	窗口尺寸敏感：如果LIBS光谱中同时存在极宽和极窄的峰，单一窗口很难兼顾
SNIP	数学迭代：邻域均值替换，逐步“剪断”峰顶	适合处理极强背景和极窄峰组合的光谱	迭代次数需要人工摸索，容易在光谱两端产生“边缘效应”
小波变换	信号处理：高低频分解重构	不仅能去基线，还能顺带完成降噪处理	小波基函数和分解层数的选择高度依赖使用者的经验

在现代LIBS数据处理流水线中，airPLS 由于其极高的自动化程度和优异的扣除效果，通常被作为首选的无模型基线去除方案。

铁矿示例：Fe II 259.94 nm 附近连续背景很高（等离子体早期轫致辐射），用 airPLS 自动把这条缓变背景扣掉，而不去人为指定"哪几个点是无峰区"——这对铁矿这种"几乎处处有线"的复杂谱特别有用，因为根本找不到干净的背景窗口。

2. 小波变换 WT（Wavelet Transform）—— 兼做去噪与压缩

什么是“小波” (Wavelet)？ 顾名思义，“小波”就是一个“小小的波”。与无限长的正弦波不同，小波是一种能量集中在很短时间范围内的波形。它的振幅从零开始，迅速增大，然后又迅速衰减回零。 小波变换的核心操作是对这个“小波”进行两种变化，然后用它去和原始信号进行对比匹配： 平移 (Translation, 用 $b$ 表示)： 把小波在时间轴（或光谱的波长轴）上左右移动。这解决了“特征在哪里发生”的问题。 缩放 / 尺度伸缩 (Scaling, 用 $a$ 表示)： 把小波拉宽或者压窄。 压窄（小尺度）： 相当于高频，用来捕捉信号中瞬间突变的细节（如LIBS中的尖锐光谱峰或高频噪声）。 拉宽（大尺度）： 相当于低频，用来捕捉信号中缓慢变化的全局特征（如LIBS中的连续背景基线）。3. 小波变换的数学表达在连续小波变换（CWT）中，信号 $x(t)$ 的小波变换公式定义为：

$$W(a, b) = \frac{1}{\sqrt{\vert{}a\vert{}}} \int_{-\infty}^{\infty} x(t) \psi^* \left( \frac{t - b}{a} \right) dt$$

$x(t)$ 是你要分析的原始信号。$\psi(t)$ 是母小波（Mother Wavelet），即你选定的那个基础的小波形状。$a$ 是尺度因子（拉宽/压窄），$b$ 是平移因子（左右移动）。 积分的过程本质上是一个内积（相关性计算）。它计算的是：在特定的位置 $b$ 和特定的缩放比例 $a$ 下，你的小波和原始信号有多像？越像，计算出来的小波系数 $W(a, b)$ 就越大。

离散小波变换 (DWT) 与多分辨率分析 在计算机处理实际数据（如数字光谱）时，我们不可能计算连续的无穷多个尺度和平移。因此，我们使用的是离散小波变换 (Discrete Wavelet Transform, DWT)。DWT 的核心实现机制叫做多分辨率分析（Mallat 塔式算法），它就像是一组筛孔大小不同的筛子：信号会通过两个滤波器进行分解： 低通滤波器 (Low-pass filter)： 滤掉高频，留下缓慢变化的部分，得到近似系数 (Approximation, $A$)。 高通滤波器 (High-pass filter)： 滤掉低频，留下剧烈变化的部分，得到细节系数 (Detail, $D$)。

小波变换如何去除光谱基线？ 结合上面的多层分解理论，小波变换去除LIBS基线的逻辑就非常清晰了： 分解 (Decomposition)： 将含有复杂背景的LIBS光谱信号进行多层离散小波分解。 定位基线： 经过 $n$ 层分解后，最底层的近似系数 $A_n$ 包含了信号中频率最低、变化最平缓的部分——这恰恰就是我们要找的连续背景基线。 定位特征： 那些高频的细节系数 ($D_1$ 到 $D_n$) 则包含了尖锐的元素发射峰（以及仪器的随机噪声）。 重构 (Reconstruction)： 如果我们要提取基线，就直接反推 $A_n$；如果我们要得到去除了基线的纯净光谱，就把 $A_n$ 剔除，仅用细节系数重新组合还原信号。

相比于傅里叶变换“一刀切”的频率分离，小波变换在时域（波长域）和频域都拥有极高的分辨率，它不仅能把基线“剥”下来，还能顺手把高频的随机噪声也过滤掉，是一种一举两得的信号处理武器。

3. 平稳小波变换 SWT（Stationary Wavelet Transform）

在你了解了离散小波变换（DWT）的“分层滤波”原理后，理解平稳小波变换（Stationary Wavelet Transform, SWT）就非常顺理成章了。

平稳小波变换，在学术界也常被称为非抽取小波变换（Undecimated Wavelet Transform, UWT）或平移不变小波变换。它的出现，纯粹是为了解决标准离散小波变换（DWT）中的一个致命缺陷。

为什么需要 SWT？（DWT的“平移突变”缺陷）

回顾一下 DWT 的工作机制：信号经过高通/低通滤波器后，数据量会进行下采样（Downsampling，或称抽取）。即每隔一个数据点丢弃一个，以此来减少计算量和存储空间（尺度变大，数据量减半）。

但这带来了一个严重的问题：平移变异性（ShiftVariance）。 假设你有一段包含一个微小发射峰的光谱信号，如果你稍微改动一下测量的起始点，让整个信号向左或向右平移了仅仅 1 个数据点，DWT 计算出来的小波系数就会发生天翻地覆的变化。

在信号降噪或去除基线时，这种特性会导致重构后的信号在峰值边缘出现剧烈的震荡（这被称为伪吉布斯现象或振铃效应），原本平滑的基线会变得坑坑洼洼，特征峰的形状也会被扭曲。

SWT 是如何工作的？（核心机制）

为了解决平移突变的问题，SWT 采取了一种简单粗暴但极其有效的策略：干脆不进行下采样。

这就引出了一个矛盾：如果不把信号缩短（下采样），我们怎么实现小波的“尺度伸缩（拉宽小波）”呢？SWT 使用了著名的多孔算法（Algorithme à trous）来解决这个问题。

DWT 的做法（缩信号）： 滤波器不变，把信号砍半。

SWT 的做法（撑大滤波器）： 信号长度始终保持不变。为了实现“大尺度”的分析，算法会在滤波器的系数之间插入零（也就是打孔，à trous）。

第 1 层：使用原始滤波器 [h1, h2, h3] 处理信号。

第 2 层：在滤波器中插零，变成 [h1, 0, h2, 0, h3] 处理信号。

第 3 层：继续插零，变成 [h1, 0, 0, 0, h2, 0, 0, 0, h3] 处理信号。

这样一来，在 SWT 的每一层分解中，得到的近似系数和细节系数的长度，都和原始信号一模一样。

上图\(a\)为SWT系数，长度始终不变；下图\(b\)为DWT系数，逐层减半且变得稀疏. 来源：ResearchGate

SWT 与 DWT 的直观对比

特性	离散小波变换 \(DWT\)	平稳小波变换 \(SWT\)
下采样 \(抽取\)	有（每层丢弃一半数据）	无（保留所有数据）
平移不变性	无（信号微移导致结果大变）	有（极其稳定）
系数长度	逐层减半	每层都等于原始信号长度
数据冗余度	无冗余（正交）	高度冗余
计算速度与内存	极快，占用内存小	较慢，占用内存随层数成倍增加

为什么 SWT 在光谱分析（如 LIBS）中如此重要？

尽管 SWT 牺牲了计算速度和存储空间（引入了大量冗余数据），但在处理高精度的科学数据时，这完全是值得的：

完美的峰形保留： 由于没有下采样，SWT 不会丢失任何位置信息。在对 LIBS 或拉曼光谱进行降噪和基线去除重构时，它能完美保留尖锐特征峰的原始高度、宽度和对称性，不会产生烦人的振铃伪影。

更精准的阈值处理： 在每一层尺度上，SWT 的系数都能和原始光谱的波长点一一对应。这使得我们可以非常精准地定位到底哪个位置是噪声、哪个位置是信号，从而进行精细的阈值过滤。

多尺度特征追踪： 因为所有层的系数长度一致，你可以垂直对比某个特定波长在不同层（不同频率）下的表现，这对于复杂重叠峰的解析非常有帮助。

简而言之，如果是为了数据压缩或快速传输，选 DWT；如果是为了高保真的信号降噪、特征提取和基线分离，平稳小波变换（SWT）是绝对的上位替代方案。

铁矿示例：铁矿谱中 Fe I 438.36 nm 这种弱峰，用 DWT 去噪时可能因峰位与采样网格不对齐而被抹掉；改用 SWT 后该峰稳定保留，提升后续低含量 Fe 线用于定量的可靠性。

4. 小波阈值去噪 WTD（Wavelet Threshold Denoising）

原理：噪声在小波域表现为幅值小、遍布各系数，而真实峰表现为少数幅值大的系数。因此对细节系数设阈值：小于阈值的置零（或收缩），大于阈值的保留，即可滤噪。阈值规则有硬阈值（ $|c|软阈值（ $|c|

实现步骤：

1. DWT 或 SWT 分解。
2. 估计噪声水平 $\sigma$ ，计算各层阈值 $T_j$ （可用 Stein 无偏风险 SURE、BayesShrink 自适应逐层阈值）。
3. 对每层 cD_j 施加软/硬阈值。
4. IDWT 重构得去噪谱。

铁矿示例：LIBS 单发脉冲信噪比低（铁矿中微量元素 P、S 的线常被噪声淹没）。对 50 发平均谱再做 WTD（软阈值、BayesShrink），可在不损失 Fe 主峰分辨率的前提下，把 P I 213.6/214.9 nm 弱线从噪声中提出来，为后续 P 定量打基础。

5. 连续小波变换 CWT（Continuous Wavelet Transform）—— 用于分辨重叠峰

原理：CWT 在连续尺度上计算小波系数 $W(a,b)=\frac{1}{\sqrt{a}}\int y(t)\psi^*(\frac{t-b}{a})dt$ ，得到尺度—位置图（scalogram）。关键技巧：当母小波取与峰形匹配的二阶导数型（如 Mexican hat / Ricker 小波，即高斯二阶导）时，CWT 在某个尺度上，每个真实峰对应系数图上的一个局部极大（或过零点），而重叠在一起的峰在细尺度上会被"分开"。因此 CWT 是峰检测与重叠峰分辨的利器，等价于在多个尺度上做匹配滤波。

实现步骤：

1. 选 Ricker/Mexican-hat 小波，设定尺度范围 $a\in[a_{min},a_{max}]$ （对应峰宽范围）。
2. 计算 scalogram $W(a,b)$ 。
3. 在"脊线"（ridge，沿尺度方向的极大连线）上提取峰位 $b$ 与峰宽（由最优尺度 $a$ 换算 FWHM）。
4. 对重叠区，用提取出的峰位/峰宽作为初值，喂给后续拟合（如 L-M）做精确分解。

铁矿示例：Fe I 371.99 nm 与邻近的 Ca/Si 线、以及 Fe I 404.58 nm 与 Cr I 404.58 nm（同位/近同位重叠）在原始谱上是一个"胖峰"。用 CWT（Ricker 小波）在细尺度 scalogram 上能看到两个分立的极大，从而判定这里是两条线而非一条，避免把 Cr 的强度错算到 Fe 上（铁矿中 Cr 是常见伴生元素，错算会污染 TFe 模型）。

6. Levenberg-Marquardt（L-M）算法 —— 用于重叠峰拟合分解

原理：L-M 是求解非线性最小二乘 $\min_\beta \sum_i [y_i - f(x_i;\beta)]^2$ 的迭代法，介于高斯-牛顿法与梯度下降法之间，通过阻尼因子 $\mu$ 自适应切换： $\mu$ 小→接近高斯-牛顿（快但需初值好）， $\mu$ 大→接近梯度下降（稳但慢）。在光谱中， $f$ 是峰形模型之和，如多个 Voigt/Lorentz/Gauss 峰 + 多项式背景： $f(\lambda)=\sum_k A_k \cdot V(\lambda;\lambda_{0k},w_k) + \sum_m p_m \lambda^m$ 。L-M 同时优化所有峰的幅值 $A_k$ 、中心 $\lambda_{0k}$ 、半宽 $w_k$ 和背景系数 $p_m$ ，从而把重叠峰"数学拆开"。

实现步骤：

1. 用 CWT 或先验谱线表给出初值（峰位、峰宽、幅值），用 airPLS 给出背景初值。
2. 选定峰形函数（LIBS 受 Stark 加宽+仪器加宽，常用 Voigt 或 Lorentz）。
3. 构造残差向量 $r(\beta)=y-f(\beta)$ 与 Jacobian $J$ 。
4. 迭代求解正规方程 $(J^TJ+\mu\,\text{diag}(J^TJ))\delta = J^T r$ ，更新 $\beta\leftarrow\beta+\delta$ ；若残差下降则减小 $\mu$ ，否则增大 $\mu$ 重试。
5. 收敛后，各 $A_k$ 即为分解后各谱线的净强度。

铁矿示例：把 259–261 nm 窗口里 Fe II 259.94、Fe II 260.71、Si II 259.5 等重叠线用一个"3 个 Voigt + 1 阶背景"模型做 L-M 拟合，得到 Fe II 259.94 的纯峰面积，作为定量变量，比直接取峰高（受重叠抬高）准确得多。

7. 数据压缩用的小波变换（WT for data compression）

原理：LIBS 一条谱上万点，多变元建模时矩阵巨大。小波把能量集中到少数大系数（能量紧支性），因此只保留幅值最大的 $K$ 个系数（或保留到某层近似系数），即可用极少参数近似重构原谱，实现降维/压缩，且保留峰形信息（优于简单 binning 或等间隔抽点）。

实现步骤：

1. 对训练集每条谱做 DWT。
2. 选择压缩策略：\(a\) 保留前 $K$ 个最大绝对值系数；或 \(b\) 只保留 cA_L 加少数层 cD；或 \(c\) 用 PCA 在小波系数上再压。
3. 以压缩后的系数向量代替原谱，作为后续 PLS/SVM/ANN 的输入。
4. 必要时 IDWT 回看重构误差。

铁矿示例：把 12000 点谱压成 200 个最大小波系数，重构误差 <1%，但 PLS-DA 建模矩阵缩小 60 倍，在嵌入式/在线分选设备（如矿石传送带上的 LIBS 分选机）上显著提速。

---

二、定性分析 / 模式识别（Qualitative analysis, pattern recognition）

目标：根据光谱"指纹"判断矿石属于哪一类（矿种识别、产地判别、品位分级）。分有监督与无监督。

（A）有监督模式识别（Supervised pattern recognition）

需要已知类别标签的训练集。

8. 偏最小二乘判别分析 PLS-DA（Partial Least Squares Discriminant Analysis）

原理：把类别标签 $Y$ 编码为哑变量矩阵（如 5 类→5 列 0/1 指示变量），对其做 PLS 回归：在 $X$ （光谱）和 $Y$ （哑变量）之间找潜变量（LV），使二者协方差最大。预测时得到每类的"得分"，取最大者或设阈值（如 0.5）判定类别。本质是"用回归做分类"，能处理高维共线光谱。

实现步骤：

1. 构造 $Y$ 哑变量矩阵（每行样品，每类一列，属于该类记 1）。
2. 用 NIPALS 算法提取潜变量 $t=Xw$ ，使 $\text{cov}(t,u)$ 最大， $u$ 为 $Y$ 的对应分量。
3. 交叉验证（如留一/分块）选最优 LV 数。
4. 预测 $\hat{Y}=XB$ ，按行取 argmax 或阈值判类。
5. 用 VIP（变量重要性）选出判别贡献大的波长（即判别性谱线）。

铁矿示例：把 5 类矿（磁/赤/褐/菱/脉石）做 PLS-DA，VIP 高的波长落在 Fe 氧化态敏感线、Ca（菱铁矿伴生 Ca？实际菱铁矿 FeCO₃ 常伴 Ca/Mg）、以及 OH/H 线（褐铁矿含结晶水，H、O 线强）上，模型据此区分褐铁矿（含水特征）与赤铁矿。

9. SIMCA（Soft Independent Modeling of Class Analogy，软独立类类比）

原理：对每一类单独做 PCA，建立该类的"主成分子空间模型"，定义类内残差与得分距离的接受域（如 95% 置信椭圆）。新样品分别投影到每个类模型，计算到该类的正交距离（残差，Q/OD）和得分距离（SD/Hotelling T²），落在接受域内即判属该类。“软"指一个样品可同时属于多类或不属于任何类（开放类建模），适合"鉴别真伪/是否属于某矿种”。

实现步骤：

1. 对每类训练样本做 PCA，保留 $A_c$ 个主成分（交叉验证定）。
2. 计算该类残差方差 $s_0^2$ 与得分临界值。
3. 新样本 $x$ ：投影得得分与残差，算 OD 与 SD。
4. 若 OD、SD 均小于该类临界值→接受；可同时被多类接受或全拒绝。

铁矿示例：建立"高品位磁铁矿"类模型后，对来料做 SIMCA：落在类内→合格精矿；OD 超标（出现模型没见过的 Si/Al 强线）→判为掺了脉石的异常样，触发拒收。SIMCA 的"开放类"特性正适合这种"只认合格品、其余皆异常"的质检场景。

10. 最小二乘支持向量机 LSSVM（Least Squares SVM）

原理：标准 SVM 把分类写成凸二次规划 + 不等式约束（ hinge 损失 + 稀疏解）。LSSVM 把不等式约束改为等式约束、把 hinge 损失改为平方误差损失，于是 KKT 条件退化为一个线性方程组，求解更快、实现更简单，代价是解不再稀疏（所有训练点都是支持向量）。分类时仍用核函数（RBF/线性）把光谱映到高维，找最优超平面；多类用"一对多/一对一"或编码。

实现步骤：

1. 标签取 $\pm1$ （二分类）或编码（多类）。
2. 选核函数 $K$ （LIBS 常用 RBF： $K(x_i,x_j)=\exp(-\|x_i-x_j\|^2/2\sigma^2)$ ）。
3. 解线性系统 $\begin{bmatrix}0 & \mathbf{1}^T\\ \mathbf{1} & \Omega+\gamma^{-1}I\end{bmatrix}\begin{bmatrix}b\\ \alpha\end{bmatrix}=\begin{bmatrix}0\\ y\end{bmatrix}$ ， $\Omega_{ij}=y_i y_j K(x_i,x_j)$ 。
4. 调参 $(\gamma,\sigma)$ （网格搜索+交叉验证）。
5. 决策 $f(x)=\sum_i \alpha_i y_i K(x_i,x)+b$ ，符号定类。

铁矿示例：用 RBF-LSSVM 对"赤铁矿 vs 磁铁矿"二分类，因二者 Fe 线相近、差异细微（氧化态/伴生元素），RBF 核的非线性边界能比线性 LDA 分得更干净；LSSVM 训练只解一次线性方程，适合在线快速建模。

11. 分类与回归树 CART（Classification and Regression Tree）

原理：递归地用单个波长（或波长强度比/比值特征）的阈值把样本二分，选择使不纯度下降最大（基尼指数 Gini 或熵信息增益）的分裂点，生成二叉树；叶节点给出类别（多数表决）。可解释性极强——每个分裂节点就是一个"谱线强度判据"。

实现步骤：

1. 对每个候选波长 $j$ 和阈值 $t$ ，计算分裂后两子节点的加权 Gini。
2. 选 Gini 下降最大的 $(j,t)$ 分裂。
3. 递归，直到叶节点纯或样本数低于阈值，或达到深度限制。
4. 剪枝（代价复杂度剪枝）防过拟合。
5. 新样本沿树走到叶，输出类别。

铁矿示例：CART 第一刀可能落在"Fe I 382.04 / Si I 288.16 比值 > τ₁"（铁硅比，区分矿石与脉石），第二刀落在"H I 656.3 强度 > τ₂"（区分含水的褐铁矿）。最终得到一棵可读的"矿种判别决策树"，便于现场工程师理解和审计。

12. 独立成分分析 ICA（Independent Component Analysis）

原理：与 PCA 找"不相关"方向不同，ICA 找统计独立的非高斯成分，假设观测光谱是若干独立源信号（如各纯元素/矿物端元的发射轮廓）的线性混合：$X=AS$，求分离矩阵 $W$ 使 $S=WX$ 各分量尽可能独立（最大化非高斯性，如负熵/峰度，典型算法 FastICA）。在监督框架下，可把提取的独立成分作为特征再分类，或用已知端元做约束 ICA。

实现步骤：

1. 中心化、白化 $X$（PCA 预白化）。
2. FastICA：迭代 $w\leftarrow E\{x\,g(w^Tx)\}-E\{g'(w^Tx)\}w$，再正交化，$g$ 取 $\tanh$ 或 $g(u)=u^3$。
3. 提取 $k$ 个独立成分 $S$。
4. 以 $S$ 为特征接分类器，或检查成分谱是否对应某元素端元。

铁矿示例：把混合矿谱分解为"铁端元、硅端元、钙端元、背景端元"等独立成分，每个成分的"权重"作为特征喂给分类器；因为 ICA 分离出的成分比 PCA 主成分更接近物理端元，对"混矿比例不同导致的类别差异"更敏感。

13. 判别因子分析 DFA（Discriminant Factor Analysis）

原理：DFA 是因子分析 + 判别的结合：先假设变量由少数公共因子+特异因子生成，提取能最大化类间差异的判别因子（在因子模型框架下做判别），降维后在因子空间分类。可视为带因子模型约束的判别分析，对噪声/共线有一定稳健性。

实现步骤：

1. 估计因子模型 $X=\Lambda F+\varepsilon$。
2. 在因子空间构造类间/类内散度，求判别因子方向。
3. 投影样本到判别因子，按距离/贝叶斯规则判类。

铁矿示例：当 LIBS 谱受基体效应导致大量波长高度共线时，DFA 先用因子模型"去冗余"，再在低维判别因子上区分矿种，比直接 LDA 更稳。

14. 线性判别分析 LDA（Linear Discriminant Analysis）

原理：Fisher 准则——找投影方向 $w$ 使类间散度 $S_B$ 与类内散度 $S_W$ 之比最大：$J(w)=\frac{w^TS_Bw}{w^TS_Ww}$，解为广义特征问题 $S_Bw=\lambda S_Ww$，最多得 $C-1$ 个判别方向。在所得子空间用最近类中心或贝叶斯（假设各类高斯同协方差）判类。LDA 同时是降维与分类器。

实现步骤：

1. 计算各类均值 $\mu_c$、总均值 $\mu$，类内散度 $S_W=\sum_c\sum_{x\in c}(x-\mu_c)(x-\mu_c)^T$，类间 $S_B=\sum_c n_c(\mu_c-\mu)(\mu_c-\mu)^T$。
2. 解 $S_W^{-1}S_B$ 的特征向量，取前 $C-1$ 个。
3. 投影训练/测试样本。
4. 在判别空间按马氏距离或线性边界判类。
5. 高维时 $S_W$ 奇异，需先 PCA 降维（PCA+LDA，即 Fisherfaces 思路）或正则化 LDA。

铁矿示例：5 类矿最多 4 个判别方向，把 12000 维谱压到 4 维散点图，肉眼可见磁铁矿与赤铁矿团簇分开；但因 LDA 是线性边界，对"褐铁矿与含水赤铁矿"这种非线性交叠可能分不好，此时换 SVM/RF。

15. 支持向量机 SVM（Support Vector Machines）

原理：在核诱导的高维特征空间找最大间隔超平面，最小化 $\frac{1}{2}\|w\|^2+C\sum\xi_i$，约束 $y_i(w^T\phi(x_i)+b)\ge1-\xi_i$。解是稀疏的（仅支持向量决定边界），对高维小样本表现优异，泛化理论扎实。多类用 OVO/OVR。

实现步骤：

1. 选核（RBF 常用）与参数 $C,\gamma$。
2. 解对偶 QP，得 $\alpha_i$，支持向量即 $\alpha_i>0$ 者。
3. 决策 $f(x)=\sum_{i\in SV}\alpha_i y_i K(x_i,x)+b$。
4. 网格搜索+交叉验证调参；多类组合投票。

铁矿示例：样本量不大（每类几十发）而维数极高，正是 SVM 的强项；用 RBF-SVM 对 5 类矿分类，准确率常高于 LDA。可结合波长选择（如递归特征消除 RFE）剔除无关波长，进一步抗基体干扰。

16. 人工神经网络 ANN（Artificial Neural Networks）

原理：多层感知机（MLP）等通过非线性激活的层叠神经元拟合 $X\to Y$ 的复杂映射，反向传播（BP）最小化损失。能逼近任意非线性，适合 LIBS 这种基体效应强、类别边界弯曲的问题；但需较多数据、易过拟合、可解释性差。

实现步骤：

1. 设计结构（输入=波长或压缩特征，隐层若干，输出=各类概率 softmax 或哑变量）。
2. 初始化权重，前向传播算输出与损失（交叉熵）。
3. 反向传播求梯度，用 SGD/Adam 更新权重；加 dropout/正则防过拟合。
4. 验证集早停选模型；输出层 argmax 得类别。

铁矿示例：用 MLP（输入为经小波压缩的 200 维特征，2 个隐层）对矿种+品位等级联合分类；当类别间因基体效应呈强非线性时，ANN 准确率优于线性方法，但需用大量打谱数据训练。

17. K-近邻 KNN（K-Nearest Neighbor）

原理：无训练过程的"懒惰学习"——对新样本，在训练集中按距离（欧氏/马氏/余弦）找最近的 $K$ 个邻居，多数表决定类。简单直观，但预测慢、对维数灾难和尺度敏感，需先标准化/降维。

实现步骤：

1. 训练集标准化（或 PCA 降维）。
2. 选 $K$ 与距离度量。
3. 新样本计算到所有训练样本距离，取最近 $K$ 个。
4. 多数表决（可距离加权）输出类别。

铁矿示例：先用 PCA 把谱降到 20 维并标准化，再用 $K=5$ 加权 KNN 判矿种；优点是无需假设分布，缺点是 12000 维直接算距离会被噪声波长主导，故必须先降维/选波长。

18. 随机森林 RF（Random Forest）

原理：集成学习——构建大量 CART，每棵树用Bootstrap 抽样的样本 + 随机选取的特征子集做分裂，最终投票（分类）或平均（回归）。随机性降低方差、抗过拟合，且天然给出特征重要性（基于不纯度下降或置换重要性），对噪声和缺失稳健，几乎"开箱即用"。

实现步骤：

1. 设树数 $B$、每节点候选特征数 $m$（常 $\sqrt{p}$）。
2. 对 $b=1..B$：Bootstrap 抽样→建 CART（每节点从随机 $m$ 个波长中选最优分裂）→不剪枝。
3. 预测时 $B$ 棵树投票。
4. 用 OOB（袋外）误差估泛化；输出特征重要性。

铁矿示例：RF 对 5 类矿分类通常名列前茅，且其重要性图直接标出"判别矿种最关键的若干条谱线"（如 Fe 氧化态线、H 线、Ca 线），兼具高精度与可解释性，是 LIBS 矿种识别的常用首选。

19. 自适应局部超平面（Adaptive Local Hyperplane, ALH）

原理：介于 KNN 与线性判别之间的局部方法——对新样本，先找其 $K$ 个近邻，在这 $K$ 个近邻张成的局部线性流形上，构造一个局部超平面（用近邻的仿射组合表示查询点），按查询点到各类局部超平面的距离判类。比 KNN 的"点表决"更平滑，比全局 LDA 更适应非线性流形。

实现步骤：

1. 选 $K$，对查询点 $x$ 找 $K$ 近邻。
2. 对每一类，用该类近邻构造局部超平面，求 $x$ 到该超平面的投影/距离（解带正则的局部坐标）。
3. 距离最小的类即为预测类。

铁矿示例：当矿种在光谱空间呈弯曲流形（如品位连续变化导致的渐变谱）时，ALH 用局部线性近似比全局线性 LDA 更准，又比纯 KNN 稳定。

20. N 近邻 N3（N nearest neighbors, N3）

原理：KNN 的变体/推广，“N3"通常指带邻域结构或加权/嵌套的近邻规则（如考虑近邻的邻域一致性、或用 N 个近邻构造局部统计量再判类，缓解 KNN 在边界处的不稳定）。其思想仍是局部相似性，但通过"近邻的近邻"或邻域投票来平滑决策边界、抑制噪声标签。

实现步骤：

1. 找查询点的 $N$ 近邻。
2. 对每个近邻再考察其邻域构成（二阶邻域信息），形成加权/置信度。
3. 综合一阶+二阶邻域信息表决判类。

铁矿示例：LIBS 单发谱标签可能因打点落在矿物颗粒边界而"脏”，N3 利用邻域一致性可削弱个别错标样本的影响，使矿种判别对噪声标签更鲁棒。

（B）无监督模式识别（Unsupervised pattern recognition）

不需要标签，用于探索性分析/聚类/可视化，如未知来料的"自然分组"。

21. K-均值聚类（K-means）

原理：把样本划入 $K$ 个簇，使簇内平方误差和最小：$\min \sum_{k}\sum_{x\in C_k}\|x-\mu_k\|^2$。迭代"分配—更新"。简单高效，但需预设 $K$、对初值敏感、假设球形簇。

实现步骤：

1. 选 $K$（肘部法/轮廓系数），随机初始化 $K$ 个中心。
2. 每样本归入最近中心。
3. 重算各簇中心。
4. 重复 2–3 至收敛；可多次随机重启取最优。

铁矿示例：对无标签的一批来料谱做 K-means（先 PCA 降维），自动聚成几堆，再人工核对每堆的矿种——用于"我不知道这批料有几种矿"的探索，或发现混料中的异常亚群。

22. 主成分分析 PCA（Principal Components Analysis）

原理：找数据方差最大的正交方向（主成分），即对协方差矩阵 $X^TX$ 做特征分解（或对 $X$ 做 SVD），前几个 PC 捕获主要变异，用于降维与可视化。无监督，不保证类可分，但常能把矿种在 PC1–PC2 平面上大致分开（因为不同矿的元素组成差异是谱的主要变异来源）。

实现步骤：

1. 中心化（常+标准化）$X$。
2. SVD：$X=U\Sigma V^T$，$V$ 的列即主成分载荷，$U\Sigma$ 为得分。
3. 选前 $k$ 个 PC（累计方差贡献率，如 >90%）。
4. 画得分散点图、载荷图（载荷峰=贡献大的波长）。

铁矿示例：PC1 载荷上 Fe 线权重高（反映铁含量/基体），PC2 上 Ca、Si、H 线权重高（反映伴生/含水差异）；得分图上磁铁矿、赤铁矿、褐铁矿自然成团，无需标签即可"看见"矿种结构，并据载荷定位判别谱线。

23. 线性判别分析 LDA（在无监督栏中的说明）

原理/说明：表格在"无监督"行也列了 LDA。严格说 LDA 需要类别标签（是有监督的）。它出现在此处，通常有两种实际用法：(i) PCA+LDA 流水线中，先用无监督 PCA 探索/降维，再用 LDA 做判别可视化，整条流程常被归入"模式识别探索"环节；(ii) 把K-means 聚出的伪标签当作类别，再做 LDA 以放大簇间差异、可视化聚类结果（即"聚类引导的判别投影"）。其数学原理同第 14 条。

实现步骤（聚类引导版）：

1. 先 K-means 得伪类标签。
2. 以伪标签做 LDA，求判别方向。
3. 投影可视化，检验簇是否线性可分，并读取判别波长。

铁矿示例：先 K-means 把未知来料聚成 4 堆，再用 LDA 把这 4 堆投影到 3 维判别空间，清晰展示"哪两堆最易混"（如褐铁矿堆与含水赤铁矿堆重叠），指导后续补做有监督模型或加测含水指标。

---

三、定量分析（Quantitative analysis）

目标：从光谱预测元素/氧化物含量（TFe、SiO₂、CaO、P、S…）。分校准曲线法（单变量/多变量）与无校准法（CF-LIBS）。

（A）校准曲线法（Calibration curve）

单变量校准（Univariate calibration）

24. 单变量校准曲线（强度–含量线性/非线性拟合）

原理：LIBS 谱线强度 $I$ 与元素浓度 $c$ 在一定范围近似满足罗马金-赛伯公式（Lomakin-Scheibe） $I=a\,c^b$（取对数即线性 $\log I=\log a+b\log c$），或低浓度下线性 $I=kc+I_0$。选一条分析线（必要时用内标线比值 $I_{分析}/I_{内标}$ 抵消脉冲能量/基体波动），对标准样做拟合得校准曲线，再反推未知样含量。

实现步骤：

1. 选分析线（强、无重叠、无自吸收，如 Fe I 404.58 或经 L-M 分解后的净峰）与内标线（基体线或加入的内标元素线）。
2. 对每个标准样，取（内标归一化的）强度与参考含量。
3. 拟合 $I$–$c$（线性/对数线性/二次），得校准函数。
4. 未知样测强度，代入反算含量；用留一/独立验证集评估 RMSEP、$R^2$。

铁矿示例：以 Si I 288.16 nm / Fe I 404.58 nm 强度比对 SiO₂ 参考值做线性校准，预测铁矿中 SiO₂。问题：铁矿基体变化大（磁/赤/褐矿的等离子体温度、电子密度不同），单变量曲线基体效应严重，不同矿种需分别建线或用内标/标准加入补偿，精度有限——这正是引入多变量的动机。

多变量校准（Multivariate calibration）

25. 偏最小二乘 PLS（Partial Least Squares，含与内标联用）

原理：对 $X$（全谱或选波段）和 $y$（含量）同时分解为潜变量，使 $X$ 与 $y$ 协方差最大，用少数 LV 回归，天然抗共线、抗噪声、能利用全谱信息补偿基体效应。表中特别提到与内标标准化（internal standardization, ECIS 等）联用：先把每条谱除以内标线（或内标归一化），再喂给 PLS，进一步抑制脉冲间波动。

实现步骤：

1. 预处理（基线/去噪/内标归一化）。
2. 选 $X$（全谱或 CWT/VIP 选出的波段）。
3. NIPALS 提取 LV，交叉验证选 LV 数（防过拟合）。
4. 得回归系数 $B$，预测 $\hat{y}=XB$。
5. 评估 RMSEC/RMSECV/RMSEP、$R^2$、RPD；用 VIP/回归系数图看贡献波长。

铁矿示例：用全谱 PLS 预测 TFe，模型会自动给 Fe 多条线正权重、给受基体影响的连续背景负权重（隐式基体校正），精度远优于单变量；再叠加"Fe II/Fe I 内标归一化"补偿等离子体温度漂移，使不同矿种的 TFe 模型统一。

26. 偏最小二乘结合内标标准化（PLS + internal standardization / ECIS）

原理：ECIS（如"能量/内标校正"类方法）在 PLS 之前，用内标线或等离子体参数对谱做标准化，使输入 $X$ 已部分消除脉冲能量、烧蚀量、温度的波动，PLS 只需学残余的化学–光谱关系，模型更稳、跨矿种迁移性更好。

实现步骤：

1. 选内标（基体主量线，如 Fe 线用于铁矿，或外加内标）。
2. 逐脉冲/逐谱做强度比或能量归一化。
3. 标准化后的 $X$ 做 PLS（同 25）。

铁矿示例：铁矿以 Fe 为基体主量，用一条稳定 Fe 线作内标，对每发谱归一化后再 PLS 测 SiO₂/Al₂O₃，可显著降低因激光能量抖动带来的预测方差。

27. 最小二乘支持向量机 LSSVM（定量版）

原理：同第 10 条，但输出为连续含量，损失为平方误差，解线性方程组，用 RBF 核拟合 $X\to y$ 的非线性校准曲面，适合基体效应导致的非线性响应。

实现步骤：

1. 预处理+（可选）降维。
2. 选 RBF 核，调 $(\gamma,\sigma)$（网格+交叉验证）。
3. 解 LSSVM 线性系统得 $\alpha,b$。
4. 预测 $\hat{y}=\sum_i\alpha_i K(x_i,x)+b$。

铁矿示例：TFe 在高品位区因自吸收使强度–含量呈弯曲（饱和），线性 PLS 拟合偏差大；RBF-LSSVM 能拟合这条饱和曲线，在高 Fe 区更准。

28. 多元线性回归 MLR（Multiple Linear Regression）

原理：$\hat{y}=X\beta+\varepsilon$，普通最小二乘 $\beta=(X^TX)^{-1}X^Ty$。要求变量数 < 样本数且无严重共线，否则 $X^TX$ 病态。因此 MLR 必须配合波长选择（只选少数互不共线的特征波长）使用，模型可解释（每个波长一个系数）。

实现步骤：

1. 用 VIP/遗传算法/相关性选出少量（如 5–10 条）波长。
2. OLS 拟合 $\beta$。
3. 诊断多重共线性（VIF）、残差；必要时岭回归正则。
4. 预测与评估。

铁矿示例：选出 Fe I 382.04、Fe II 259.94、Fe I 438.36 等 5 条互不重叠线做 MLR 测 TFe，系数物理意义清楚；但若误选了共线波长，VIF 飙升、系数不稳，需剔除。

29. 支持向量回归 SVR / SVM（回归版）

原理：SVR 在 $\varepsilon$-不敏感带内不计误差，最小化 $\frac{1}{2}\|w\|^2+C\sum(\xi+\xi^*)$，用核拟合非线性校准函数，解稀疏。对异常值比 LSSVM 稳健（因 $\varepsilon$ 带与 hinge 型损失）。

实现步骤：

1. 选核与参数 $C,\varepsilon,\gamma$。
2. 解 QP 得支持向量与 $\alpha,\alpha^*$。
3. $\hat{y}=\sum(\alpha_i-\alpha_i^*)K(x_i,x)+b$。
4. 调参+交叉验证。

铁矿示例：铁矿样中偶有"打点落在裂隙/杂质"的离群谱，SVR 的 $\varepsilon$ 带使其对这类离群点不敏感，TFe 回归比 LSSVM 更稳健。

30. 支持向量机 SVM（用于回归/或分类辅助定量，如品位分级）

原理：同 15/29，SVM 框架既可分类也可回归；在定量栏中，SVM 常指用 SVM 做品位等级回归或先分类后分模型定量（如先 SVM 判矿种，再对每矿种用专属回归，规避跨矿种基体差异）。

实现步骤：先 SVM 分类→分组建回归模型→预测。

铁矿示例：先 SVM 把样分为磁/赤/褐三组，再各组内建 PLS 测 TFe，避免一个全局模型被矿种基体差异拖累。

31. 人工神经网络 ANN（定量版）

原理：MLP 拟合 $X\to y$ 非线性映射，能刻画自吸收、基体效应等复杂非线性，但需大数据与正则。

实现步骤：同 16，输出层改为线性单/多输出，损失用 MSE。

铁矿示例：用 ANN 同时输出 TFe、SiO₂、CaO、Al₂O₃、P、S 多组分（多输出网络），一次打谱给出全分析；非线性能力强，但需数百标样训练并严防过拟合。

32. 相关性向量机 RVM（Relevance Vector Machine）

原理：SVM 的贝叶斯稀疏对应物——对权重施加自动相关性确定（ARD）先验，贝叶斯推断后绝大多数权重后验趋于 0，留下极少数"相关性向量"，解比 SVM 更稀疏，且直接给出预测的概率分布/置信区间（无需交叉验证调 $C$）。核函数同 SVM。

实现步骤：

1. 选核，构造设计矩阵 $\Phi$。
2. 设 ARD 先验 $p(w|\alpha)=\prod N(0,\alpha_i^{-1})$，用 Type-II 最大似然（证据近似）迭代更新 $\alpha$ 与超参。
3. 后验均值给出预测，后验方差给出不确定度。

铁矿示例：RVM 用极少相关性向量（几十而非几百）即可拟合 TFe 校准，模型轻量、适合嵌入式；且对每发预测给出置信区间，在线分选时可"低置信度则复测"，提升可靠性。

33. 人工神经网络 ANN（表中重复列出，强调不同结构/用途）

说明：表格在定量多变量栏两次出现 ANN，意在涵盖不同网络结构用于定量，如 MLP、RBF 网络、以及后文的 ELM 等广义神经网络家族。原理同 16/31。

34. 极限学习机 ELM（Extreme Learning Machine）

原理：单隐层前馈网络的"快训"变体——隐层权重与偏置随机生成且固定，只需求输出层权重，归结为最小二乘/伪逆 $\beta=H^\dagger T$（$H$ 为隐层输出矩阵，$T$ 为目标）。训练极快、无需迭代调隐层，泛化常优于 BP-ANN，且避免局部极小。

实现步骤：

1. 随机生成隐层权重 $W$、偏置 $b$（固定）。
2. 计算隐层输出矩阵 $H=g(XW+b)$。
3. 求输出权重 $\beta=H^\dagger y$（Moore-Penrose 伪逆，或正则化 $(H^TH+\lambda I)^{-1}H^Ty$ 防过拟合）。
4. 预测 $\hat{y}=g(xW+b)\beta$。

铁矿示例：在线 LIBS 需"秒级建模/更新"，ELM 训练比 BP-ANN 快几个数量级，适合传送带上随来料分布漂移而快速重训 TFe 模型。

35. 随机森林 RF（回归版）

原理：同 18，叶节点取均值做回归，集成降方差、抗过拟合、给特征重要性，对非线性与离群稳健，几乎免调参。

实现步骤：建 $B$ 棵回归树（Bootstrap+随机特征），预测取平均；OOB 估误差；输出波长重要性。

铁矿示例：RF 回归测 TFe/SiO₂ 常与 PLS 媲美且更抗离群打点；其重要性图直接告诉工艺人员"哪几条线最该盯紧"，便于做硬件上的波长监控。

（B）无校准法（Calibration-free）

无需标准样，靠等离子体物理模型从谱线绝对/相对强度反推元素浓度，适合"无标样/标样难制备"的场景。

36. 无校准 LIBS（CF-LIBS, Calibration-Free LIBS）

原理：假设等离子体满足 (i) 局部热平衡（LTE）、(ii) 光学薄、(iii) 化学计量烧蚀。则谱线积分强度

$$I_{ki}=F\,c_s\,A_{ki}\,\frac{g_k}{U_s(T)}\,\exp\!\left(-\frac{E_k}{k_BT}\right)$$

其中 $c_s$ 为元素 $s$ 浓度，$A_{ki}$ 跃迁概率，$g_k$ 上能级简并，$E_k$ 上能级能量，$U_s(T)$ 配分函数，$T$ 等离子体温度，$F$ 与仪器/数密度有关的常数。对某元素取对数得 Boltzmann 图：$\ln(I_{ki}\lambda_{ki}/(g_kA_{ki}))=-E_k/(k_BT)+\ln(c_sF/U_s)$，斜率给 $-1/(k_BT)$、截距含 $c_s$。用多元素 Boltzmann 图联合求 $T$ 与各 $c_s$，再归一化 $\sum c_s=1$ 得各元素含量。电子密度 $n_e$ 由 Stark 加宽（如 Hα 或某离子线宽）独立测得，用于 Saha-Boltzmann 统一中性/离子线。

实现步骤：

1. 预处理：扣基线、去噪、用 L-M/CWT 精确求各线积分强度与线宽（CF 对强度与线宽精度极敏感）。
2. 选多条无自吸收、参数可靠的 Fe I/Fe II（及 Ca、Si、Al、Mg 等）线，查 $A_{ki},g_k,E_k$。
3. 由 Stark 加宽求 $n_e$；由 Saha 方程+多元素 Boltzmann 图迭代求 $T$（使各元素 Boltzmann 图斜率一致）。
4. 自吸收校正（如用曲线生长法/内参考/双线法估计光学厚度并修正 $I$）。
5. 由各线截距求相对 $c_sF/U_s$，结合 $U_s(T)$ 得相对浓度，归一化为质量/原子分数。

铁矿示例：来料矿种未知、无对应标样时，用 CF-LIBS 直接由 Fe/Ca/Si/Al/Mg 的多条线 Boltzmann 图给出 TFe 与脉石氧化物的半定量–定量组成，无需建校准曲线；难点是铁矿 Fe 线自吸收强，必须做自吸收校正（否则 Fe 被低估、脉石被高估），且 LTE 需通过 McWhirter 判据与时间门控验证。

37. 遗传算法 GA（Genetic Algorithm，用于 CF/建模中的优化）

原理：模拟自然选择的全局优化：把待优化参数（如 CF-LIBS 中的 $T,n_e$、自吸收系数，或波长子集、模型超参）编码为染色体，通过选择、交叉、变异迭代进化，适应度函数为待最小化的目标（如 Boltzmann 图各元素斜率不一致度、或预测残差）。擅长非凸、多峰、组合优化，避免陷入局部极小。

实现步骤：

1. 编码参数为个体，随机初始化种群。
2. 评估适应度（如 CF 中：给定 $T,n_e$ 时各元素 Boltzmann 线性度/残差）。
3. 选择（轮盘/锦标赛）→交叉→变异→形成新种群。
4. 迭代至收敛，输出最优参数。

铁矿示例：CF-LIBS 中 $T$ 与自吸收参数耦合、目标非凸，用 GA 全局搜索最优 $(T,n_e,\text{自吸收修正})$，比手工/梯度法更稳；也可用 GA 为 PLS/MLR 选波长（染色体=波长 0/1 掩码，适应度=验证 RMSEP），自动剔共线/无信息波长。

38. 二元搜索算法（Binary Search Algorithm，用于参数/阈值优化）

原理：在单调/有序搜索空间上，反复取中点、据判别缩半区间，$O(\log n)$ 收敛。在 LIBS 中用于单参数单调目标的快速定位，如：CF-LIBS 中在已知区间内二分搜索使某判据（如中性/离子线 Saha 一致性、或自吸收校正后双线强度比=理论值）成立的 $T$ 或光学厚度；或分类阈值/自吸收修正因子的快速求解。

实现步骤：

1. 设参数区间 $[lo,hi]$ 与目标单调性。
2. 取中点 $mid$，计算判据 $f(mid)$。
3. 据 $f(mid)$ 符号/方向，将区间缩为 $[lo,mid]$ 或 $[mid,hi]$。
4. 重复至区间宽度 < 容差。

铁矿示例：用"自吸收校正后，同一上能级两条 Fe I 线的强度比应等于理论 $gA$ 比"这一单调判据，二分搜索光学厚度 $\tau$，快速完成 CF-LIBS 的自吸收校正，比 GA 更省算力（当问题确为单参数单调时）。

39. 混合无校准/ANN（Hybrid calibration-free / ANN）

原理：把 CF-LIBS 的物理量（如 Boltzmann 图斜率/截距、$T,n_e$、自吸收校正后的相对浓度、Saha 比等）作为特征，喂给 ANN 学习"CF 物理特征→真实含量"的残余非线性映射，用少量标样修正 CF 的系统偏差（如 LTE 偏离、光学薄假设失效、参数误差）。兼具"无需大量标样"与"数据驱动纠偏"的优点。

实现步骤：

1. 对每个样做 CF-LIBS，提取物理特征向量 $z$（$T,n_e$, 各元素 Boltzmann 截距/相对浓度, 自吸收指标等）。
2. 以 $z$ 为输入、化学法含量为目标，训练 ANN（或 RVM/ELM）。
3. 新样：先 CF 提 $z$，再 ANN 输出校正后含量。

铁矿示例：纯 CF-LIBS 测铁矿 TFe 因自吸收/LTE 偏离有 ~5–10% 系统偏差；用 20–30 个标样训练"CF 特征→TFe"的 ANN 残差模型，可把偏差压到 ~1–2%，而无需为每种矿建完整校准曲线——是"少标样+物理可解释"的折中方案。

40. 蒙特卡洛 MC（Monte Carlo，用于不确定度/CF 稳健性）

原理：通过随机抽样传播误差：对输入量（谱线强度、$A_{ki}$、$E_k$、$T,n_e$、自吸收系数等）按其不确定度分布重复抽样，每次跑一遍 CF-LIBS（或任一模型），得到输出的分布，从而给出含量估计的置信区间/不确定度，并能做敏感性分析（哪个输入误差对结果影响最大）。也用于 CF 中难以解析求解的积分/迭代问题的随机逼近。

实现步骤：

1. 为各输入量设定分布（如强度~$N(I,\sigma_I)$，$A_{ki}$~按文献不确定度）。
2. 抽 $N$ 组样本（$N$ 常 1e4–1e6）。
3. 每组跑 CF/模型，得 $N$ 个含量值。
4. 统计均值、标准差、分位数→报告 $c\pm U$；做 Sobol/相关敏感性排序。

铁矿示例：CF-LIBS 报 TFe=62.3% 时，用 MC 传播"强度±3%、$A_{ki}$±5%、$T$±500 K"的不确定度，得 TFe=62.3±1.8%（95%），并发现自吸收系数的不确定度贡献最大，从而指导后续重点改进自吸收校正——使无校准结果"带误差棒"，满足冶金计量要求。

---

四、把全表串成一条"铁矿 LIBS 分析流水线"（综合示例）

为让你看清各算法如何协作，给出一个端到端流程：

1. 采集：每样 50 发，200–900 nm，12000 维。
2. 预处理：airPLS（model-free）扣基线 → SWT+WTD（BayesShrink 软阈值）去噪 → CWT（Ricker）检测/分辨 Fe-Cr、Fe-Si 重叠峰 → 对关键重叠窗用 L-M 拟合分解得净峰面积 → WT 压缩到 200 系数（供在线模型）。
3. 定性（矿种识别）：探索阶段用 PCA 看自然分团、K-means 找未知亚群、必要时 K-means+LDA 放大簇差；建模阶段用 RF / SVM / PLS-DA 做 5 类矿判别，辅以 SIMCA 做"合格精矿"开放类质检；非线性交叠用 LSSVM/ANN/ALH，标签噪声用 N3，需可解释规则用 CART，需端元物理特征用 ICA/DFA。
4. 定量（含量）：低基体变化组分（如脉石 SiO₂）可用单变量+内标；主量 TFe 用 PLS（+内标 ECIS） 或 RF/SVR；高 Fe 自吸收饱和区用 LSSVM/ANN/ELM 拟合非线性；需轻量+置信区间用 RVM；需快速重训用 ELM；变量选择用 GA/MLR+VIF。
5. 无标样场景：上 CF-LIBS（Boltzmann+Saha+Stark），自吸收校正用二元搜索或 GA 优化，参数/不确定度用 MC 传播；若有少量标样，用 混合 CF/ANN 纠偏。
6. 报告：给出矿种类别 + 各组分含量 + MC 不确定度，并对低置信样本（RVM/SIMCA 标记）触发复测。

---

小结对照表（算法 → 一句话本质 → 铁矿关键作用）

算法	本质	铁矿关键作用
Model-free (airPLS)	不对称拟合扣基线	无干净背景窗也能扣连续背景
WT / SWT	多尺度局部分解 / 平移不变版	去噪、压缩、保弱 Fe 线
WTD	小波域阈值滤噪	提 P、S 弱线
CWT	连续尺度匹配滤波	分辨 Fe-Cr、Fe-Si 重叠峰
L-M	非线性最小二乘峰拟合	重叠峰数学分解取净面积
PLS-DA	哑变量 PLS 做分类	多类矿判别+VIP 选线
SIMCA	每类独立 PCA 接受域	合格精矿开放类质检
LSSVM	等式约束核方法	快训非线性分类/回归
CART	阈值二叉树	可读判别规则
ICA	独立源分离	提取元素端元特征
DFA	因子模型+判别	共线谱稳健判别
LDA	最大化类间/类内比	线性判别+降维可视化
SVM	最大间隔核分类	高维小样本矿种识别
ANN	多层非线性拟合	强非线性多组分联合建模
KNN	近邻多数表决	无分布假设分类（需降维）
RF	随机树集成	高精度+特征重要性，常用首选
ALH	局部超平面	弯曲流形上的判别
N3	邻域一致性近邻	抗噪声标签
K-means	簇内方差最小聚类	无标签探索/异常亚群
PCA	方差最大降维	探索性可视化+选线
单变量校准	罗马金-赛伯曲线	简单组分快速定量
PLS / PLS+ECIS	潜变量回归(+内标)	全谱抗基体测 TFe
MLR	选波长后 OLS	可解释少变量定量
SVR	ε 带核回归	抗离群非线性回归
RVM	贝叶斯稀疏核	轻量+置信区间
ELM	随机隐层+伪逆	秒级在线重训
CF-LIBS	Boltzmann/Saha 物理反演	无标样半定量–定量
GA	进化全局优化	CF 参数/波长选择
二元搜索	单调区间折半	自吸收/阈值快速定位
Hybrid CF/ANN	物理特征+ANN 纠偏	少标样修正 CF 系统偏差
MC	随机抽样传播误差	含量不确定度+敏感性

以上即表中全部算法的原理、实现步骤与铁矿 LIBS 分类/定量示例。实际选型时记住三条经验：(1) 铁矿谱"线多、重叠、自吸收、基体变"，故预处理（CWT+L-M+WTD）与基体校正（内标/PLS/CF 自吸收修正）是精度瓶颈；(2) 分类首选 RF/SVM/PLS-DA，需可解释用 CART，需开放类质检用 SIMCA；(3) 定量有标样用 PLS/RF/SVR，无标样用 CF-LIBS+MC，二者折中用 Hybrid CF/ANN。需要我针对其中某一种算法（例如 CF-LIBS 的自吸收校正，或 PLS 的 VIP 选线）给出带公式推导或 Python/sklearn 代码的更细版本，告诉我即可。