激光诱导击穿光谱(Laser Induced Breakdown Spectroscopy, LIBS)技术自问世以来就被公认是一种具有广阔前景的元素分析技术。因为具有远程、实时、非接触、灵敏度高、分析时间短等优点,在冶金、生物医学、文物保护、材料、环境、军事、太空勘探等诸多领域LIBS技术都有着广泛的应用。随着化学计量学、数据挖掘技术的快速发展,寻找新的、高效的定性与定量分析方法,研发出功能完备、成本低廉的激光光谱分析仪器已成为国际上活跃的研究方向,借助智能信息处理技术开展LIBS产品研发具有重要的理论意义和应用价值。本文的研究工作得到了国家重大仪器开发专项基金的支持。课题组已在光谱数据预处理、光谱数据分析等方面取得了一些研究成果,按照课题需求,本文的主要目标是探索新的优化方法以实现对光谱数据更精准的定性与定量分析,开发相应的计算机辅助分析系统,为LIBS产品研发提供一定的决策支持。本文主要的研究内容包括：1、在对现有的分类方法研究的基础上,针对随机森林因单一基分类器存在的分类精度不高的问题,提出了CART和C4.5决策树生成算法结合的混合树模型,以提高物质分类的准确性,仿真实验说明了该方法的可行性和有效性。2、针对偏最小二乘法、人工神经网络用于LIBS光谱数据定量分析预测精度仍有待提高的问题,引入了支持向量回归机。同时针对支持向量回归机参数选择难问题,提出一种改进的粒子群算法与支持向量回归机融合的LSVR算法。仿真实验证明了LSVR的有效性与可行性。3、设计和实现了LIBS/LIBRAS光谱分析系统,获得了相应的软件著作权。