[發(fā)明專利]一種自適應(yīng)可能C均值聚類的茶葉中紅外光譜分類方法

在審

• 申請?zhí)枺?/td>: 201711027252.3
• 申請日: 2017-10-27
• 公開（公告）號: CN107886115A
• 公開（公告）日: 2018-04-06
• 發(fā)明（設(shè)計）人: 武小紅;崔艷海;陳勇;郭蓓蓓;武斌;孫俊;傅海軍;戴春霞
• 申請（專利權(quán)）人: 江蘇大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G01N21/3563
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種自適應(yīng)可能C均值聚類的茶葉中紅外光譜分類方法，其特征在于，包括以下步驟：

S1，茶葉樣本中紅外光譜采集：針對不同種類茶葉樣本，用中紅外光譜儀對茶葉樣本進行檢測，獲取茶葉樣本中紅外漫反射光譜信息，將光譜信息存儲在計算機里；將茶葉樣本分為訓(xùn)練樣本和測試樣本；

S2，用多元散射矯正MSC對茶葉樣本中紅外光譜進行預(yù)處理；

S3，對茶葉樣本中紅外光譜進行降維處理和鑒別信息提取；

S4，對S3中包含鑒別信息的測試樣本，使用自適應(yīng)可能C均值聚類方法鑒別出測試樣本中的茶葉品種。

2.如權(quán)利要求1所述的一種自適應(yīng)可能C均值聚類的茶葉中紅外光譜分類方法，其特征在于，所述S1中紅外漫反射光譜信息是指光譜的波數(shù)范圍為4001.569～401.1211cm^-1，采集到每個茶葉樣本的光譜是1868維的數(shù)據(jù)。

3.如權(quán)利要求1所述的一種自適應(yīng)可能C均值聚類的茶葉中紅外光譜分類方法，其特征在于，所述S1中設(shè)置茶葉樣本的類別數(shù)為c，訓(xùn)練樣本數(shù)為n_r，測試樣本數(shù)為n。

4.如權(quán)利要求1所述的一種自適應(yīng)可能C均值聚類的茶葉中紅外光譜分類方法，其特征在于，所述S3具體為：利用主成分分析PCA將在S2中獲得的茶葉樣本中紅外光譜數(shù)據(jù)壓縮，然后利用線性判別分析LDA提取茶葉樣本的鑒別信息。

5.如權(quán)利要求1所述的一種自適應(yīng)可能C均值聚類的茶葉中紅外光譜分類方法，其特征在于，所述S4具體為：

S4.1，初始化：設(shè)置權(quán)重指數(shù)m、w，類別數(shù)c，其中m>1、w>1；設(shè)置循環(huán)計數(shù)r的初始值和最大迭代次數(shù)r_max；設(shè)置迭代最大誤差參數(shù)ε；運行模糊C均值聚類得到的模糊隸屬度值和類中心值分別作為初始的模糊隸屬度值u_ik⁽⁰⁾和初始的類中心值ν_i⁽⁰⁾；

S4.2，計算第r次迭代時的典型值t_ik^(r)，r＝1,2,…,r_max；

S4.3，計算第r次迭代時的模糊隸屬度值u_ik^(r)；

S4.4，計算第r次迭代時第i類的類中心值ν_i^(r)；

S4.5，循環(huán)計數(shù)增加，即r＝r+1；若滿足條件：||V^(r)-V^(r-1)||＜ε或r>r_max，則計算終止，否則繼續(xù)S4.2；根據(jù)計算得到的模糊隸屬度值和典型值，實現(xiàn)不同種類茶葉分類。

6.如權(quán)利要求5所述的一種自適應(yīng)可能C均值聚類的茶葉中紅外光譜分類方法，其特征在于，所述S4.2中計算第r次迭代時的典型值的公式為：其中t_ik是樣本x_k隸屬于類別i的典型值，t_ik^(r)是第r次迭代計算的典型值，為樣本x_k到類中心v_i的距離范數(shù)，且x_k為第k個樣本，v_i是第i類的類中心值，ν_i^(r-1)是第r-1次迭代計算的類中心v_i的值；S_fi為模糊協(xié)方差矩陣，且d為樣本的維數(shù)，n為樣本數(shù)，u_ik^(r-1)是第r-1次迭代計算的模糊隸屬度值。

7.如權(quán)利要求5或6所述的一種自適應(yīng)可能C均值聚類的茶葉中紅外光譜分類方法，其特征在于，所述S4.3中計算第r次迭代時的模糊隸屬度值u_ik^(r)的公式為：其中u_ik是樣本x_k隸屬于類別i的模糊隸屬度值，u_ik^(r)是第r次迭代計算的模糊隸屬度值。

8.如權(quán)利要求5或6所述的一種自適應(yīng)可能C均值聚類的茶葉中紅外光譜分類方法，其特征在于，所述S4.4中計算第r次迭代時第i類的類中心值ν_i^(r)的公式為：其中ν_i^(r)是第r次迭代計算的類中心v_i的值，由c個類中心值組成類中心矩陣V^(r)＝[ν₁^(r),ν₂^(r),…,ν_c^(r)]。