[發明專利]一種提高食用油摻雜光譜檢測識別率的方法有效
| 申請號： | 201610127434.7 | 申請日： | 2016-03-07 |
| 公開（公告）號： | CN105678345B | 公開（公告）日： | 2019-07-16 |
| 發明（設計）人： | 胡蓉;肖河;錢斌 | 申請（專利權）人： | 昆明理工大學 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 650093 云*** | 國省代碼： | 云南;53 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 提高 食用油 摻雜 光譜 檢測 識別率 方法 | ||
1.一種提高食用油摻雜光譜檢測識別率的方法，其特征在于：為各類樣本建立各自的特征空間，用各個特征空間的特征向量重建原測試樣本，并計算重建誤差，將重建誤差最小的樣本作為原測試樣本的所屬類別；
所述方法的具體步驟如下：
Step1、向量矩陣化：從第一類樣本中隨機選擇M1個樣本向量作為訓練樣本，將每個向量轉化為一個列向量，將他們排列成N×M1的矩陣B；
其中
其中，N表示一個樣本向量的數據個數；
Step2、求平均向量：M1個樣本向量的平均向量為：
Step3、構建協方差矩陣：每個樣本向量xj與平均向量的差值向量yj為：
其中，j＝1,2,...M1；
則訓練樣本的協方差矩陣C為：
C＝AAT；
其中，A為差值向量矩陣，
Step4、求協方差矩陣C的特征值和特征向量：根據奇異值分解原理，得到M1×M1矩陣L＝ATA的特征值與特征向量，將得到的特征向量線性變化后可得協方差矩陣C的特征向量；其中，協方差矩陣C的特征值與矩陣L的特征值相等；
Step5、構建特征空間：選擇最大的p個協方差矩陣C的特征值對應的特征向量，正交歸一化，以此為基構建第一類樣本的特征空間；
Step6、構建其他類樣本的特征空間：重復Step1～Step5，構建其他類樣本的特征空間；
Step7、從所有類樣本中隨機抽取M2個樣本向量作為原測試樣本，一個樣本向量的數據個數為N；
Step8、目標識別：利用步驟Step5和Step6中得到的各類樣本的特征空間分別重建原測試樣本，并求取原測試樣本在各類樣本特征空間上的重建誤差；其中，重建誤差為重建的測試 樣本與原測試樣本的方差；
Step9、比較每一類樣本的重建誤差，將重建誤差最小的樣本作為原測試樣本的所屬類別。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于昆明理工大學，未經昆明理工大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201610127434.7/1.html，轉載請聲明來源鉆瓜專利網。
