[發(fā)明專利]一種可能模糊鑒別C-均值聚類的茶葉分類方法

有效

• 申請?zhí)枺?/td>: 201810335781.8
• 申請日: 2018-04-16
• 公開（公告）號: CN108491894B
• 公開（公告）日: 2020-12-18
• 發(fā)明（設計）人: 武小紅;翟艷麗;傅海軍;陳勇;武斌;高洪燕;戴春霞
• 申請（專利權）人: 江蘇大學
• 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

本發(fā)明公開了一種可能模糊鑒別C?均值聚類的茶葉紅外光譜的分類方法，用傅里葉紅外光譜分析儀采集茶葉樣本紅外光譜數據；對茶葉樣本紅外光譜數據進行預處理；采用主成分分析方法對預處理后的茶葉樣本紅外光譜數據進行降維處理；采用線性鑒別分析提取茶葉訓練樣本的紅外光譜的鑒別信息。對步驟4的訓練樣本進行可能模糊鑒別C?均值聚類，得到的聚類中心；用一種可能模糊鑒別C?均值聚類方法進行茶葉品種的判定。本發(fā)明融合了可能模糊C?均值聚類和線性判別分析，具有檢測速度快，分類速度快，分類準確率高等優(yōu)點，可實現茶葉品種的正確分類。

技術領域

本發(fā)明屬于人工智能技術領域，,尤其涉及一種可能模糊鑒別C-均值聚類的茶葉分類 方法。

背景技術

茶葉早已成為日常保健的飲料，具有生津止渴，提神益思，消炎解毒，醒酒強心等功 效。隨著生活水平的提高，人們對茶葉的質量要求越來越高，但是，面對如此龐大數目的茶葉品種，其優(yōu)劣實難分辨。另外，假冒偽劣的茶葉在中國市場屢見不鮮，這樣給茶葉生 產者和消費者都帶來了一定的利益損害。因此，研究出一種簡單、快速且準確率較高的鑒 別茶葉優(yōu)劣的方法已經是科研工作者的一個重要任務。

中紅外光譜檢測技術作為一種快速無損檢測技術，近年來應用于茶葉品質的檢測分析 中。中紅外光譜的頻率在4000cm^-1～625cm^-1之間，物質在此范圍的吸收峰是基頻、倍頻 或合頻吸收，具有分子結構的特征性，不同化合物有其特異的紅外吸收光譜，其譜帶的數 目、位置、形狀和強隊均隨化合物及其聚集態(tài)的不同而不同，因此，根據化合物或其官能團是否存在，從而定性分析有機化合物；根據物質組分的吸收峰強度，依據朗伯—比耳定律(A＝εbc)便可實現對其化合物的定量分析。中紅外光譜的頻譜特性能檢測出分子中官能團、化合物的類別、化合物的立體結構、取代基的位置及數目，從而根據已有的數據判 斷出茶葉的真?zhèn)巍Ｅc此同時，中紅外線光譜檢測技術以其方便、快速、高效、無損、低成 本等特點成為檢測判別真?zhèn)蔚氖走x。

模糊聚類已經被廣泛應用于數字圖像處理、計算機視覺和模式識別中，使用最廣泛的 模糊聚類算法是由Bezdek提出的模糊C-均值聚類(FCM)。建立在最小平方誤差準則上的 FCM可對線性可分的數據進行聚類，然而，FCM對噪聲敏感，為了克服這個缺點，Krishnapuram和Keller放棄了FCM的可能性約束條件,構造了一個新的目標函數,提出 了可能性C-均值聚類(PCM)，PCM能夠聚類包含噪聲或野值點的數據,且使噪聲數據很 小的隸屬度值,因而噪聲對聚類的影響可以忽略.但是PCM對初始聚類中心很敏感,常常 會導致一致性聚類結果，為了克服FCM和PCM對噪聲數據敏感產生一致性聚類的缺點,Pal 等在FCM和PCM的基礎上提出了可能性模糊C-均值聚類(PFCM)。但是PFCM在聚類 過程中無法動態(tài)提取鑒別信息和改變數據維數。

發(fā)明內容

本發(fā)明根據現有技術的不足與缺陷，提出了一種可能模糊鑒別C-均值聚類的茶葉分類 方法，目的在于實現模糊聚類過程中進行數據鑒別信息的提取和數據壓縮，可以達到更高 的聚類準確率。

采用的技術方案包括以下步驟：

步驟1，采集茶葉樣本紅外光譜數據；

步驟2，對紅外光譜數據進行預處理，用多元散射校正(MSC)對茶葉紅外光譜進行預處理；

步驟3，采用主成分分析方法(PCA)對預處理后的茶葉樣本紅外光譜進行降維處理；

步驟4，采用線性鑒別分析(LDA)提取茶葉訓練樣本的紅外光譜的鑒別信息。

步驟5，設置可能模糊鑒別C-均值聚類(PFDCM)的權重指數m，最大迭代數r_max， 設置迭代最大誤差參數ε。對步驟四的訓練樣本進行可能模糊鑒別C-均值聚類(PFDCM)得 到的聚類中心作為一種模糊鑒別聚類方法的初始聚類中心V⁽⁰⁾