基于PCA-UVE-ELM的光谱分类方法,所述PCA-UVE-ELM为综合PCA,UVE,以及ELM的复合算法,PCA指主成分分析算法,UVE指无信息变量剔除算法,ELM指极限学习机算法,通过对样品的拉曼光谱原始数据进行归一化处理,利用PCA算法将归一化数据降至二维平面上的直观可视化投影,在二维平面利用置信椭圆实现初步分类;对于重合率较高的标签的光谱数据利用UVE算法计算其特征拉曼位移,根据分类物质的化学特性,对其特征化学键拉曼位移的所测强度进行增强处理以进行优化分类,将数据集按照训练集与测试集3:1的比例对ELM模型进行训练,利用ELM算法寻找最优参数,实现最优分类,从而实现光谱鉴别的多分类,提高鉴别分类的效率和精确度。