[發明專利]一種近紅外光譜的分類方法

有效

• 申請號: 201510016679.8
• 申請日: 2015-01-13
• 公開（公告）號: CN104616022B
• 公開（公告）日: 2018-08-10
• 發明（設計）人: 周揚;劉鐵兵;李津蓉;施秧;陳正偉
• 申請（專利權）人: 浙江科技學院
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 杭州知通專利代理事務所(普通合伙) 33221
• 代理人: 應圣義

1.一種近紅外光譜的分類方法，其特征在于，所述方法包括以下步驟：

獲取待分類近紅外光譜樣本，并根據所述待分類近紅外光譜樣本獲取驗證集樣本；

通過稀疏降維方法利用校正集樣本獲取最優分類分割面，并使所述校正集和驗證集光譜向最優分類分割面投影，完成光譜的壓縮變換；

根據所述投影通過變換壓縮獲取所述驗證集樣本的目標校正集樣本，將所述目標校正集樣本作為所述驗證集樣本的學習字典，并根據所述學習字典對所述驗證樣本集進行分類；

其中，所述通過稀疏降維方法利用校正集樣本獲取最優分類分割面，并使所述校正集和驗證集光譜向最優分類分割面投影，完成光譜的壓縮變換，具體包括以下步驟；

若近紅外光譜矩陣為X(n×p)，其中X為校正集樣本，n為樣本數量，p為光譜數據維度，現有將n個樣本分為K類的問題，定義n^k為第k類樣本的個數，可知投影面搜在尋過程中定義樣本總類內散度矩陣S_within和類間離散度矩陣S_between，

其中，x_kj為第k個樣本類中的第j個樣本，為第k類樣本的均值，為所有樣本的均值；

尋找最優投影方向的過程可以等同為式下述公式所示的優化問題：

在獲得最優投影方向后，可進一步對近紅外光譜進行降維，由于S_between的秩q<K-1，故搜索到的最優分割面數量最大值也為K-1，在完成最優投影方向W求解后，可進一步將近紅外光譜矩陣向分割面投影X'＝(Xw₁,Xw₂...Xw_q)，其中X¹由X經過投影變換降維壓縮后獲得，對驗證集近紅外光譜樣本x也進行投影變換x'＝(xw₁,xw₂...xw_q)，其中x¹由x經過投影變換降維壓縮后獲得；

所述根據所述投影通過變換壓縮獲取所述驗證集樣本的目標校正集樣本，將所述目標校正集樣本作為所述驗證集樣本的學習字典，并根據所述學習字典對所述驗證樣本集進行分類的步驟，具體為：

將所述驗證集樣本與預設的校正集樣本進行距離比較，選擇距離最近的校正集樣本作為目標校正集樣本；

獲取所述驗證集樣本在所述目標校正集樣本下的稀疏表示系數；

根據所述稀疏表示系數計算所述驗證集樣本在所述目標校正集樣本下的重構誤差；

根據所述重構誤差確定所述驗證樣本集的類別。

2.如權利要求1所述的方法，其特征在于，所述距離為：歐氏距離或馬氏距離。

3.如權利要求2所述的方法，其特征在于，通過公式計算所述歐氏距離，通過公式計算所述馬氏距離，其中x_ik為第i個光譜樣本的第k個元素，V為校正集光譜的協方差矩陣，為校正集樣本光譜的平均值。

4.如權利要求1所述的方法，在所述獲取所述驗證集樣本的目標校正集樣本的步驟之后，所述方法還包括以下步驟：

獲取所述驗證集樣本在所述目標校正集樣本下的稀疏表示系數；

根據所述稀疏表示系數確定目標原子，所述目標原子為根據所述稀疏表示系數的和計算的屬性最強的原子；

確定目標類別，并將所述驗證集樣本確定為所述目標類別，所述目標類別為目標原子最多的類別。

5.如權利要求1～4任一項所述的方法，其特征在于，所述待分類近紅外光譜通過光獲取裝置獲取。