[发明专利]一种自适应可能C均值聚类的茶叶中红外光谱分类方法

权利要求书

1.一种自适应可能C均值聚类的茶叶中红外光谱分类方法，其特征在于，包括以下步骤：

S1，茶叶样本中红外光谱采集：针对不同种类茶叶样本，用中红外光谱仪对茶叶样本进行检测，获取茶叶样本中红外漫反射光谱信息，将光谱信息存储在计算机里；将茶叶样本分为训练样本和测试样本；

S2，用多元散射矫正MSC对茶叶样本中红外光谱进行预处理；

S3，对茶叶样本中红外光谱进行降维处理和鉴别信息提取；

S4，对S3中包含鉴别信息的测试样本，使用自适应可能C均值聚类方法鉴别出测试样本中的茶叶品种。

2.如权利要求1所述的一种自适应可能C均值聚类的茶叶中红外光谱分类方法，其特征在于，所述S1中红外漫反射光谱信息是指光谱的波数范围为4001.569～401.1211cm^-1，采集到每个茶叶样本的光谱是1868维的数据。

3.如权利要求1所述的一种自适应可能C均值聚类的茶叶中红外光谱分类方法，其特征在于，所述S1中设置茶叶样本的类别数为c，训练样本数为n_r，测试样本数为n。

4.如权利要求1所述的一种自适应可能C均值聚类的茶叶中红外光谱分类方法，其特征在于，所述S3具体为：利用主成分分析PCA将在S2中获得的茶叶样本中红外光谱数据压缩，然后利用线性判别分析LDA提取茶叶样本的鉴别信息。

5.如权利要求1所述的一种自适应可能C均值聚类的茶叶中红外光谱分类方法，其特征在于，所述S4具体为：

S4.1，初始化：设置权重指数m、w，类别数c，其中m>1、w>1；设置循环计数r的初始值和最大迭代次数r_max；设置迭代最大误差参数ε；运行模糊C均值聚类得到的模糊隶属度值和类中心值分别作为初始的模糊隶属度值u_ik⁽⁰⁾和初始的类中心值ν_i⁽⁰⁾；

S4.2，计算第r次迭代时的典型值t_ik^(r)，r＝1,2,…,r_max；

S4.3，计算第r次迭代时的模糊隶属度值u_ik^(r)；

S4.4，计算第r次迭代时第i类的类中心值ν_i^(r)；

S4.5，循环计数增加，即r＝r+1；若满足条件：||V^(r)-V^(r-1)||＜ε或r>r_max，则计算终止，否则继续S4.2；根据计算得到的模糊隶属度值和典型值，实现不同种类茶叶分类。

6.如权利要求5所述的一种自适应可能C均值聚类的茶叶中红外光谱分类方法，其特征在于，所述S4.2中计算第r次迭代时的典型值的公式为：其中t_ik是样本x_k隶属于类别i的典型值，t_ik^(r)是第r次迭代计算的典型值，为样本x_k到类中心v_i的距离范数，且x_k为第k个样本，v_i是第i类的类中心值，ν_i^(r-1)是第r-1次迭代计算的类中心v_i的值；S_fi为模糊协方差矩阵，且d为样本的维数，n为样本数，u_ik^(r-1)是第r-1次迭代计算的模糊隶属度值。

7.如权利要求5或6所述的一种自适应可能C均值聚类的茶叶中红外光谱分类方法，其特征在于，所述S4.3中计算第r次迭代时的模糊隶属度值u_ik^(r)的公式为：其中u_ik是样本x_k隶属于类别i的模糊隶属度值，u_ik^(r)是第r次迭代计算的模糊隶属度值。

8.如权利要求5或6所述的一种自适应可能C均值聚类的茶叶中红外光谱分类方法，其特征在于，所述S4.4中计算第r次迭代时第i类的类中心值ν_i^(r)的公式为：其中ν_i^(r)是第r次迭代计算的类中心v_i的值，由c个类中心值组成类中心矩阵V^(r)＝[ν₁^(r),ν₂^(r),…,ν_c^(r)]。