基于PCA?UVE?ELM的光譜分類方法，所述PCA?UVE?ELM為綜合PCA，UVE，以及ELM的復(fù)合算法，PCA指主成分分析算法，UVE指無信息變量剔除算法，ELM指極限學(xué)習(xí)機(jī)算法，通過對(duì)樣品的拉曼光譜原始數(shù)據(jù)進(jìn)行歸一化處理，利用PCA算法將歸一化數(shù)據(jù)降至二維平面上的直觀可視化投影，在二維平面利用置信橢圓實(shí)現(xiàn)初步分類；對(duì)于重合率較高的標(biāo)簽的光譜數(shù)據(jù)利用UVE算法計(jì)算其特征拉曼位移，根據(jù)分類物質(zhì)的化學(xué)特性，對(duì)其特征化學(xué)鍵拉曼位移的所測強(qiáng)度進(jìn)行增強(qiáng)處理以進(jìn)行優(yōu)化分類，將數(shù)據(jù)集按照訓(xùn)練集與測試集3:1的比例對(duì)ELM模型進(jìn)行訓(xùn)練，利用ELM算法尋找最優(yōu)參數(shù)，實(shí)現(xiàn)最優(yōu)分類，從而實(shí)現(xiàn)光譜鑒別的多分類，提高鑒別分類的效率和精確度。