主成分分析和连续投影融合的海洋沉积物粒度分类研究

海洋沉积物粒度研究对解析人类活动的环境影响具有重要意义，为提升沉积物粒度光谱分类精度，提出一种主成分分析（PCA）与连续投影算法（SPA）融合的特征提取方法（FOPAS），综合两种算法优势，丰富特征波长信息，剔除无关干扰的同时最大限度保留有效特征。以青岛东大洋村潮间带32份表层沉积物为研究对象，按0.30.2 mm、0.20.1 mm、0.1~0.075 mm、<0.075 mm四个粒径分级，获取128条可见-近红外反射光谱，分别按2∶1、1∶1、1∶2比例划分建模集与检验集，采用FOPAS算法提取特征光谱，结合支持向量机（SVM）建立粒度分类模型。结果表明，2∶1、1∶1、1∶2比例下，融合算法检验集分类正确率分别达83.33%、82.81%、75.29%，除2∶1比例下略低于SPA算法的90.47%外，其余场景下分类正确率均显著优于单一特征提取算法。该方法在小训练样本、粒径分级清晰的条件下优势显著，可有效提升海洋沉积物粒度分类正确率，为沉积物粒度快速分类提供了可靠解决方案。

光谱学与光谱分析