[发明专利]一种近红外光谱的分类方法

权利要求书

1.一种近红外光谱的分类方法，其特征在于，所述方法包括以下步骤：

获取待分类近红外光谱样本，并根据所述待分类近红外光谱样本获取验证集样本；

通过稀疏降维方法利用校正集样本获取最优分类分割面，并使所述校正集和验证集光谱向最优分类分割面投影，完成光谱的压缩变换；

根据所述投影通过变换压缩获取所述验证集样本的目标校正集样本，将所述目标校正集样本作为所述验证集样本的学习字典，并根据所述学习字典对所述验证样本集进行分类；

其中，所述通过稀疏降维方法利用校正集样本获取最优分类分割面，并使所述校正集和验证集光谱向最优分类分割面投影，完成光谱的压缩变换，具体包括以下步骤；

若近红外光谱矩阵为X(n×p)，其中X为校正集样本，n为样本数量，p为光谱数据维度，现有将n个样本分为K类的问题，定义n^k为第k类样本的个数，可知投影面搜在寻过程中定义样本总类内散度矩阵S_within和类间离散度矩阵S_between，

其中，x_kj为第k个样本类中的第j个样本，为第k类样本的均值，为所有样本的均值；

寻找最优投影方向的过程可以等同为式下述公式所示的优化问题：

在获得最优投影方向后，可进一步对近红外光谱进行降维，由于S_between的秩q<K-1，故搜索到的最优分割面数量最大值也为K-1，在完成最优投影方向W求解后，可进一步将近红外光谱矩阵向分割面投影X'＝(Xw₁,Xw₂...Xw_q)，其中X¹由X经过投影变换降维压缩后获得，对验证集近红外光谱样本x也进行投影变换x'＝(xw₁,xw₂...xw_q)，其中x¹由x经过投影变换降维压缩后获得；

所述根据所述投影通过变换压缩获取所述验证集样本的目标校正集样本，将所述目标校正集样本作为所述验证集样本的学习字典，并根据所述学习字典对所述验证样本集进行分类的步骤，具体为：

将所述验证集样本与预设的校正集样本进行距离比较，选择距离最近的校正集样本作为目标校正集样本；

获取所述验证集样本在所述目标校正集样本下的稀疏表示系数；

根据所述稀疏表示系数计算所述验证集样本在所述目标校正集样本下的重构误差；

根据所述重构误差确定所述验证样本集的类别。

2.如权利要求1所述的方法，其特征在于，所述距离为：欧氏距离或马氏距离。

3.如权利要求2所述的方法，其特征在于，通过公式计算所述欧氏距离，通过公式计算所述马氏距离，其中x_ik为第i个光谱样本的第k个元素，V为校正集光谱的协方差矩阵，为校正集样本光谱的平均值。

4.如权利要求1所述的方法，在所述获取所述验证集样本的目标校正集样本的步骤之后，所述方法还包括以下步骤：

获取所述验证集样本在所述目标校正集样本下的稀疏表示系数；

根据所述稀疏表示系数确定目标原子，所述目标原子为根据所述稀疏表示系数的和计算的属性最强的原子；

确定目标类别，并将所述验证集样本确定为所述目标类别，所述目标类别为目标原子最多的类别。

5.如权利要求1～4任一项所述的方法，其特征在于，所述待分类近红外光谱通过光获取装置获取。