激光诱导击穿光谱技术(Laser-induced breakdown spectroscopy, LIBS)是一种新型的元素分析技术,具有实时在线、非接触、多种元素同时探测等优点,是光谱分析领域的一种前沿性分析手段,在石油、冶金、地质、环保、军事、航天等领域都有广泛的应用。但由于其昂贵的成本,核心技术的垄断以及可能涉及到的重要战略作用,使其引进受限。因此研制开发功能更加完善,具备自主知识产权,并且成本较为低廉的创新型激光光谱仪器具有重要的理论意义和现实意义。论文在综述LIBS光谱数据分类算法的基础上,对光谱预处理、光谱定性和定量分析以及光谱识别与解析等方面进行优化设计、算法实现及软件集成。主要研究工作包括：(1)针对LIBS光谱数据特点,引入鲁棒的主成份分析算法(Robust Principal Component Analysis, RPCA)对光谱数据滤噪和降维,并利用支持向量机(Support Vector Machine,SVM)分类模型进行分类,提高了预测准确率,通过对比实验验证了方法的有效性和可行性；(2)针对单一分类器分类效果不稳定的缺陷,通过AdaBoost组合分类模型将偏最小二乘法和支持向量机混合构建分类模型,实现了9种牌号圆钢的有效分类,实验验证了文中算法可大大提高模型分类正确率和分类模型的稳定性；(3)最终设计并开发了集谱图解析、定性与定量分析、识别与感知功能于一体的“LIBS光谱预处理与分析系统”。研究结果可应用于光谱数据分类的研究,并为创新型激光光谱仪器的数据分析与处理提供所需的支持。