[发明专利]一种可能模糊鉴别C-均值聚类的茶叶分类方法

权利要求书

1.一种可能模糊鉴别C-均值聚类的茶叶分类方法,其特征在于，包括以下步骤：

步骤1，采集茶叶样本红外光谱数据；

步骤2，对茶叶样本红外光谱数据进行预处理；

步骤3，采用主成分分析方法对预处理后的茶叶样本红外光谱数据进行降维处理；

步骤4，采用线性鉴别分析提取茶叶训练样本的红外光谱的鉴别信息；

步骤5，对步骤4的训练样本进行可能模糊鉴别C-均值聚类，得到的聚类中心；

步骤6，用一种可能模糊鉴别C-均值聚类方法进行茶叶品种的判定；

所述步骤6的具体过程如下：

1)初始化：设置参数a、b的值，a＞0,b＞0，类别数c，权重指数m和η，m,η∈(1,+∞)，测试样本数n；设置迭代次数r的初始值；

计算协方差矩阵σ²：

其中，x_k为第k个样本，为样本的均值；

2)计算模糊类间散射矩阵S_fB：

其中，为第r次迭代时第k个样本x_k隶属于第i类的模糊隶属度；是为第r次迭代时第k个样本x_k隶属于第i类的典型值，为第r次迭代时第i类的类中心值，x_j为第j个测试样本，上标T代表矩阵转置运算；

3)计算模糊总体散射矩阵S_fT：

4)计算特征向量：

其中，为模糊离散度矩阵的逆矩阵，λ是特征向量ψ所对应的特征值；

5)将x_k∈R^q转换到由ψ₁,ψ₂,...,ψ_p组成的特征空间中

y_k＝x_k^T[ψ₁,ψ₂,...,ψ_p]，y_k∈R^p；

其中，p和q均为样本的维数，ψ_p为第p个特征向量；

6)同样将由R^q空间转化到R^p的

7)在R^p空间计算y_k的模糊隶属度函数值

其中，y_k为R^p空间里第k个样本，是第r+1次迭代时样本y_k隶属于类别i的模糊隶属度值；和分别是第r次迭代计算的第i类和第j类的类中心值；

在R^p空间计算y_k的典型值

其中，u_ik^(r+1)是第r+1次迭代计算的模糊隶属度值；

8)在R^p空间中计算i类的类中心值

其中，是第r+1次迭代计算的第i类的类中心值；

9)增加迭代数r值，即r＝r+1；直到或者rr_max计算终止，否则将的值赋给变量的值赋给变量的值赋给变量继续从2)开始重新计算；

所述初始模糊隶属度和初始典型值分别计算如下：

其中，为第i类训练样本的类中心值；为第k个样本x_k隶属于第i类的初始模糊隶属度值，为第j类训练样本的初始类中心值，第k个样本x_k隶属于第i类的初始典型值；

所述步骤5中获得聚类中心的方法为：

设置可能模糊鉴别C-均值聚类的权重指数m，最大迭代数r_max，设置迭代最大误差参数ε；对步骤4的测试样本数进行可能模糊鉴别C-均值聚类，得到的聚类中心作为一种模糊鉴别聚类方法的初始聚类中心V⁽⁰⁾：

其中，为第一类训练样本的类中心值，为第二类训练样本的类中心值，为第三类训练样本的类中心值，

2.根据权利要求1所述的一种可能模糊鉴别C-均值聚类的茶叶分类方法，其特征在于，所述步骤1中所述红外光谱数据采用FTIR-7600型傅里叶红外光谱分析仪测得。