激光诱导击穿光谱（LIBS）具备遥感、原位探测的特性，是深空探测识别物质元素组成及含量的重要技术。探测火星表面元素组成及其矿物分布特征是研究火星地质演化和成因的前提。在天问一号任务发射前，基于火星表面成分分析仪（MarSCoDe）开展了15个类别矿物样品的火星模拟探测实验，获取了1920条光谱数据。为验证仪器的探测性能，本文采用人工鱼群算法（AFSA）优化支持向量机（SVM）的高效分类模型（AFSA-SVM），对包括火成岩、沉积岩和金属矿物在内的32种矿物进行分类。首先，采用主成分分析（PCA）算法将原始光谱数据降维，送入AFSA-SVM训练。其次，通过AFSA来优化SVM的参数，实现了99.56%的矿物识别准确率。最后，对比AFSA-SVM模型与其他算法的识别准确率，其中随机森林（RF）算法、反向传播人工神经网络（BPANN）和K近邻（KNN）算法的准确率分别为95.60%、95.80%和90.17%，结果表明AFSA-SVM算法在辅助LIBS识别矿物种类中具有优势。

中国在庞大的人口基数下拥有丰富的遗传资源, 这些资源可能被国外非法掠夺以获取利益, 非法掠夺的过程揭示可能存在一些安全隐患, 例如传染疾病的扩散等。 如何加强对中国公民遗传资源的保护, 促进国际间正常合法的信息共享和科研合作已成为生物安全的新问题。 为加强人体细胞及其制品等特殊生物物品出入境管理, 防止遗传资源流失和有害物品传入, 促进各个国家间医学科学研究及国际交流与合作, 提出一种非侵入、 快速安全的细胞光谱鉴别技术。 简述了细胞超连续光谱的物理化学机制, 讨论了细胞浓度对超连续光谱的影响, 实现了无损伤、 非侵入式探测提取生物细胞超连续特征光谱。 实验发现细胞超连续特征光谱主要集中在500~700 nm的可见区域。 实验中的细胞样本均为单独培养, 因此各个样本间互不影响, 不存在平行样本的问题; 实验对象为293T细胞、 HCC827细胞以及HT29细胞, 3类细胞的培养基均为PBS溶液, 每类细胞拥有3种浓度（5×105, 5×106和5×107 cells·mL-1）且每种浓度下独立培养3个样本, 一共获取27个独立细胞样本。 实验测试了24个细胞样本的超连续光谱并以此建立预测模型, 另有3个样本作为未知样本进行模型预判。 使用主成分分析法对测试样本的原始数据进行降维和聚类, 并对降维后的数据通过支持向量机回归法进行分类; 训练集的均方根误差RMSE=0.097 2, R2=0.995 1, 验证集的均方根误差为RMSE=0.097 2, R2=0.931 4。 研究发现细胞浓度影响超连续特征光谱的提取, 在建立模型时, 考虑到该技术应用的普适性以及实验样本浓度参数有限, 未考虑细胞浓度对预判模型识别率的影响。 后期若以某一浓度阈值作为细胞检测的浓度起点, 该模型的识别率将会更准确、 科学。 在可控的实验条件下, 超连续光谱可以应用于生物细胞无损伤、 非侵入式的鉴别。