[发明专利]一种基于OCA聚类的棉花异质纤维鉴别方法

权利要求书

1.一种基于OCA聚类的棉花异质纤维鉴别方法，其特征在于，获取待检测样品的特征向量，并将特征向量输入训练好的RBF神经网络，鉴别待检测样品是否为异质纤维，所述的RBF神经网络基于OCA聚类完成训练，包括：

(1)获取用于训练RBF神经网络的训练样本集和测试样本集；

(2)以测试样本集中各个测试样本的维数作为输入层的节点数目，并设定RBF神经网络的输出层的节点数目、隐层的隐节点数目以及各个隐节点的值，构建得到初始RBF网络，

其中，基于OCA聚类设定隐层的隐节点数目和各个隐节点的中心值；

(3)按照设定的学习速率和扩展参数，利用训练样本集训练所述的初始RBF网络，得到初始隐层到输出层的权值，直到满足设定的误差范围时完成训练，得到训练好的RBF神经网络。

2.如权利要求1所述的基于OCA聚类的棉花异质纤维鉴别方法，其特征在于，所述输出层的节点数目为1。

3.如权利要求2所述的基于OCA聚类的棉花异质纤维鉴别方法，其特征在于，所述的特征向量利用灰度共生矩阵法获取，特征向量的维数为4。

4.如权利要求3所述的基于OCA聚类的棉花异质纤维鉴别方法，其特征在于，所述步骤(2)基于OCA聚类法设定隐层的隐节点数目以及各个隐节点的中心值，包括：

(2-1)对训练样本集中各个训练样本进行归一化处理，并计算归一化处理后任意两个训练样本的样本距离；

(2-2)根据各个训练样本的样本距离，基于偶极子的数据样本分组法将训练样本集分为四个样本子集，分别为子集A、子集B、子集C和子集D；

(2-3)采用OCA客观聚类法分别以子集A和子集B进行K-2次聚类，第p次聚类的分类数为K-p，K为子集A和子集B对应的偶极子个数，p＝1,2……，K-2，每次聚类完成后计算该次聚类的一致性准则；

(2-4)比较K-2次聚类的一致性准则，确定最小的一致性准则并统计最小一致性准则的个数：

若个数为1，则以该次聚类的分类数作为聚类的最优分类数；

否则，进行如下操作：

(a)以各个最小的一致性准则对应的类别数作为候选类别数，采用OCA客观聚类法分别以子集C和子集D进行聚类，聚类次数为最小的一致性准则的个数，每次聚类的类别数分别为各个候选类别数，每次聚类后计算一致性准则；

(b)以最小一致性准则对应的类别数作为最优分类数，并设定最优分类数最为隐节点数目；

(2-5)设定RBF神经网络的隐节点数目为最优分类数，计算按照最优分类数聚类时每一类的聚类中心，并以聚类中心作为相应隐节点的值。

5.如权利要求4所述的基于OCA聚类的棉花异质纤维鉴别方法，其特征在于，所述步骤(2-1)根据公式：

xk=Qi-QminQmax-Qmin×a+b]]>

其中，Q_i表示样本训练集中任意一个样本的第k维分量，Q_min和Q_max分别为样本训练集中第k维分量的最小值和最大值，a为比例系数，b＝(1-a)/2。

6.如权利要求5所述的基于OCA聚类的棉花异质纤维鉴别方法，其特征在于，比例系数为0.6～0.9。