岩石水风化物形成于水体对岩石矿物的溶解、水解、水合等一系列的风化作用,典型水风化物的准确识别可为相关水岩作用过程提供直接证据,对行星可能的水环境研究和地球资源勘探都具有重要价值。激光诱导击穿光谱(Laser Induced Breakdown Spectroscopy,LIBS)技术以高能量脉冲激光烧蚀、激发实验样品至等离子状态,通过采集等离子体的发射光谱可对样品的元素组成成分进行原位、快速、多成分、非接触的分析。将激光诱导击穿光谱数据与多种分类识别算法有效结合,可实现天然地质矿物样品分类,对行星探测、地质矿物现场分析等都具有重要应用价值。本文在开展天然岩石水风化物及相关矿物样品的LIBS光谱实验采集和光谱特性研究基础上,重点研究LIBS光谱数据的预处理、分类识别和决策融合方法,寻求建立一套有效的典型岩石水风化物识别方法。本文首先介绍了 LIBS光谱的采集实验装置,重点针对天然地质矿物样品LIBS光谱数据的非均匀性特点进行了归一化、多谱平均、小波降噪等预处理操作,以增加后续分类识别的稳定性。为提高后续分类识别方法模型的运行效率,在元素谱线归属基础上进行了特征谱段提取,将2万多维的原始LIBS光谱数据降维至1614维特征谱。将支持向量机、卷积神经网络方法分别应用于天然地质矿物的分类研究中,通过参数优化,对16种天然矿物样品分别实现了 95.625%、94.375%的识别准确率;在经典的相关分析基础上,结合元素LIBS谱峰强度比例信息,提出了改进的相关分析法,对16种天然矿物样品达到了 98.125%的识别准确率;在自组织特征映射神经网络方法基础上,结合传统相关分析提出了改进的自组织特征映射神经网络方法模型,对16种天然矿物样品的分类识别准确率为96.25%。相关结果证明了文中的分类方法本身及光谱预处理、光谱特征提取等工作的有效性。由于天然矿物元素组成和结构极其复杂,相近矿物样品之间存在着元素成份的高度相似性,单一分类器难以完全正确识别样品。本文以多分类器自适应加权投票的决策层融合方法,将改进的相关分析方法、支持向量机和卷积神经网络三种分类识别方法融合到一起。借助不同分类器之间的信息互补,对16种天然矿物样品实现了 100%的识别准确度。本文的融合方法研究证明,多分类器融合可获得准确性、鲁棒性、稳定性更为理想的天然地质矿物的识别结果,这对LIBS技术在矿物分类领域的应用具有指引作用。