[发明专利]一种模糊协方差矩阵的可能模糊聚类茶叶品种鉴别方法

说明书

本发明公开了一种模糊协方差矩阵的可能模糊聚类茶叶品种鉴别方法，包括如下步骤：一、收集若干个品种的茶叶样本，用红外光谱仪获取茶叶样本红外漫反射光谱信息；二、用多元散射校正MSC对茶叶样本红外光谱进行预处理；三、利用主成分分析PCA将步骤二中获得的茶叶样本红外光谱数据进行降维压缩；四、将步骤三中获得的红外光谱压缩数据用线性判别分析LDA提取鉴别信息后得到包含鉴别信息的训练样本和测试样本数据；五、对步骤四中包含鉴别信息的测试样本用一种模糊协方差矩阵的可能模糊聚类方法以鉴别测试样本中的茶叶品种。本发明具有检测速度快、鉴别准确率高、绿色无污染、所需茶叶样本少、可快速实现茶叶品种鉴别的优点。

技术领域

本发明涉及一种茶叶品种鉴别的方法，具体涉及一种模糊协方差矩阵的可能模糊聚类茶叶品种鉴别方法。

背景技术

中红外光谱检测技术作为一种快速无损检测技术，近年来应用于食品的检测分析中。中红外光谱的波数范围在4000cm^-1～400cm^-1之间，大多数的无机化合物和有机化合物的化学键振动的基频均在此区域。不同的分子中官能团、化合物的类别和化合物的立体结构，其红外吸收光谱不尽相同。中红外光谱技术以其方便、快速、高效、无损、低成本等特点成为检测食品和药品的有效检测技术。

聚类的目的是将数据集按照某种相似准则划分为若干个子集。通过聚类方法将大批数据分类为许多本质联系的簇。常见的聚类方法有两种：硬聚类和软(模糊)聚类方法。前者往往应用于聚类边界明显的情况；对于聚类边界不是很清晰的系统采用模糊聚类方法则更为合适。

可能性模糊C-均值聚类(PFCM)必须先运行模糊C-均值聚类(FCM)来计算参数，增加了聚类运算时间。新可能性模糊C-均值聚类(NPFCM)聚类方法(武小红,周建江,等.可能性模糊C-均值聚类新算法[J].电子学报,2008.10:1996～2000)解决了PFCM的问题，减少了聚类运算时间同时提高了准确度。但是NPFCM聚类方法在处理不规则聚类形状的数据时，使用的是欧氏距离进行计算，聚类准确率会因数据分布的不规则性而受到很大影响，使得聚类结果出现一定的误差。

在使用中红外光谱仪检测采集茶叶的中红外光谱数据后，对数据集聚类时易出现聚类后的数据集呈现不规则的边界，由于NPFCM聚类方法采用欧氏距离对分布形状不规则的数据集处理的能力并不理想，因而在处理该类型的茶叶中红外光谱数据时易使准确率降低。本发明在NPFCM聚类方法的基础上进行了改进和优化，提出了一种模糊协方差矩阵的可能模糊聚类方法以实现茶叶的品种鉴别。一种模糊协方差矩阵的可能模糊聚类方法在计算聚类时采用了局部自适应距离测度代替了欧氏距离，不仅提高了聚类的准确率而且还减少了聚类运算时间。

发明内容

本发明是针对NPFCM聚类方法在聚类分布形状不规则的茶叶红外光谱数据时会存在一定聚类误差的缺陷，提出一种模糊协方差矩阵的可能模糊聚类方法的红外光谱茶叶品种鉴别方法。相比原有的NPFCM聚类方法，本发明的一种模糊协方差矩阵的可能模糊聚类方法采用局部自适应距离测度代替欧氏距离，自适应距离测度能通过估算模糊协方差矩阵调整距离测度，从而实现准确聚类不同形状簇数据，能快速有效的聚类茶叶的红外光谱数据，同时可以提高对茶叶品种鉴别的准确率。具有检测速度快，绿色无污染，所需茶叶样本少等优点。

本发明依据的原理：研究表明茶叶的红外漫反射光谱包含了茶叶内部的组分信息，不同品种茶叶所对应的红外漫反射光谱不同。运用主成分分析(PCA)压缩茶叶的红外光谱数据，采用线性判别分析(LDA)提取红外光谱的鉴别信息，最后用一种模糊协方差矩阵的可能模糊聚类方法鉴别茶叶品种。具体技术方案描述如下：

一种模糊协方差矩阵的可能模糊聚类茶叶品种鉴别方法，包括如下步骤：

步骤一、茶叶样本红外光谱采集：收集若干个品种的茶叶样本，用红外光谱仪获取茶叶样本红外漫反射光谱信息；将茶叶样本分为训练样本和测试样本；设置类别数c，训练样本数n_r和测试样本数n；