[发明专利]一种GK鉴别聚类的茶叶品种分类方法

说明书

本发明公开了一种GK鉴别聚类的茶叶品种分类方法，首先采集茶叶样本近红外光谱，对茶叶样本红外光谱预处理以及降维处理，然后提取茶叶训练样本近红外光谱的鉴别信息，对测试样本进行模糊C均值聚类，最后利用GK鉴别聚类进行茶叶品种的分类。本发明具有检测速度快、分类准确率高，绿色环保等优点。可实现茶叶品种的无损，快速准确分类。

技术领域

本发明涉及一种茶叶品种分类方法，具体涉及一种GK鉴别聚类的茶叶品种分类方法。

背景技术

茶叶是世界三大饮料之一，它含有茶多酚、蛋白质和氨基酸等有机物质。岳西翠兰、六安瓜片、施集毛峰、黄山毛峰是安徽地区特有的茶叶品牌，但是在茶叶市场上存在以次充好现象，而普通消费者无法辨认优质名茶和劣质茶叶，往往会受骗上当。不同品种的茶叶其内部的有机物含量不相同，品质也不相同。所以研究一种方法简单、易于操作、检测速度快的茶叶品种的鉴别方法是非常必要的。

近红外光谱检测技术作为一种快速无损检测技术，近年来应用于茶叶品质的检测分析中。近红外光谱检测茶叶后得到漫反射光谱，在不同品种的茶叶上获得的漫反射光谱存在差异，利用这个原理，可以将不同品种的茶叶区分开来，即实现不同品种茶叶的分类。

模糊聚类技术已经有效的应用于大规模数据分析、数据挖掘、模式识别、图像处理等领域，具有重要的理论与实际应用价值。其中最著名的是模糊C-均值(Fuzzy C-Means，FCM)算法，但FCM并未考虑数据集的结构，为此，Gustafson和Kessel通过引入模糊协方差矩阵的方法，对FCM进行了相应的改进，提出了GK聚类方法(GK聚类是由Gustafson和Kessel提出的一种聚类方法，见文献Gustafson D E,Kessel W C.Fuzzy clustering with fuzzycovariance matrix[C]//Proceedings of the IEEE CDC,San Diego,1979:761～766.)。但是GK聚类方法在聚类过程中无法动态提取鉴别信息和改变数据维数。

发明内容

针对传统GK聚类算法的缺陷和不足，本发明提供了一种GK鉴别聚类方法(GKDCM)，结合近红外光谱技术实现茶叶品种的准确鉴别，GKDCM可实现模糊聚类过程中进行近红外光谱数据鉴别信息的提取，达到更高的聚类准确率。

本发明采用的技术方案包括以下步骤：

一种GK鉴别聚类的茶叶品种分类方法，采集茶叶样本近红外光谱，通过多元散射校正MSC对茶叶近红外光谱进行预处理、采用主成分分析方法PCA对茶叶样本近红外光谱的降维处理，采用线性鉴别分析LDA提取茶叶训练样本近红外光谱的鉴别信息，对测试样本进行模糊C均值聚类，利用GK鉴别聚类进行茶叶品种的分类。

进一步，利用GK鉴别聚类进行茶叶品种的分类，具体过程为：

1)：初始化设置相关参数，包括茶叶测试样本数n、样本类别数目c、权重指数m、迭代次数初始值r、最大迭代次数r_max以及迭代最大误差参数为ε；

2)：计算第r次迭代时的类中心值v_i^(r)、模糊类间散射矩阵S_fB、模糊类内散射矩阵S_fW和特征向量ψ；

类中心值v_i^(r)的计算公式为：其中为第r-1次迭代时第k个测试样本x_k隶属于第i类的模糊隶属度；

模糊类间散射矩阵S_fB、模糊类内散射矩阵S_fW、特征向量ψ的计算公式为：

其中为模糊类内散射矩阵的逆矩阵，λ是特征向量ψ所对应的特征值，上标T代表矩阵转置运算；